改进加速遗传算法在梯级水电站优化调度中的应用

在加速遗传算法中嵌入局部搜索法，以加强算法的全局寻优能力。将改进的加速遗传算法应用到梯级水电站中长期优化调度中，可避免动态规划在解决复杂优化问题时易产生“维数灾”的缺点。建立了以梯级发电量和发电保证率最大为目标函数的梯级水电站中长期优化调度模型，并结合模拟退火思想，构造了罚因子将两目标转化为单目标求解，阐述了用改进加速遗传算法解决问题的方法和步骤。实例表明，与其他几种调度算法比，该方法能够求得较准确合理的解，有一定的实用性。     

POA改进算法在水库群优化调度中的应用

逐步优化算法(POA)的初始轨迹对能否收敛到最优解和计算时间有很大影响。如何选择合适的初始轨迹并对其进行改进,是水库优化调度的关键。本文从初始解集出发,在迭代过程中对初始轨迹进行逐步改进,通过保持解的多样性,有效避免了计算结果收敛于局部最优解。通过将改进的POA算法应用于梯级水电站中长期优化调度模型中,表明该方法计算速度快,能有效收敛到全局最优解。     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

模拟植物生长算法在水库群优化调度中的应用

介绍了模拟植物生长算法的基本原理,针对梯级水电站优化调度问题的特点,建立了该问题的模拟植物生长算法求解模型.对基本模拟植物生长算法进行了改进,并设计了相应的算法步骤.在此基础上,将基本模拟植物生长算法及其改进算法应用于水库群优化调度中.通过对雅砻江梯级优化调度的应用分析,表明由形态素浓度决定其方向性和随机性搜索机制的模拟植物生长算法具有较强的全局搜索能力,为解决水库群优化调度问题提供了新的途径.     

遗传算法在机组优化调度中的应用

针对电力系统机组优化调度问题，结合算例采用遗传算法进行求解。在遗传算法操作中，“有选择地引用上一代最优个体作为新种群的个体”，保证其快速收敛。结果表明，遗传算法具有较强的全局搜索能力，是解决组合优化问题的一种有效的方法。     

自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

模糊遗传算法在水库长期优化调度中的应用

传统遗传算法常采用罚函数法来处理优化问题中的约束条件,但存在较难选择罚函数的缺陷.将模糊技术与遗传算法结合起来,通过对目标函数、约束条件的模糊化来重构适应度函数,将原问题转变为一个无约束条件问题,从而使优化结果精度得到提高.进行实例计算,并通过与动态规划法进行比较,说明了该方法的可行性与有效性.     

遗传算法在尔王庄枢纽泵站优化调度中的应用

在整个引滦入津引供水枢纽上共建有10座泵站，其中有8座建立在尔王庄，它是引滦入津调水系统的核心枢纽。采用遗传算法研究了尔王庄枢纽泵站机组的优化调度问题，并将其结果与文献[1]的研究成果进行了比较，结果表明，遗传算法用于引供水枢纽泵站的优化调度是切实可行的。     

遗传算法在乌鲁瓦提水库优化调度中的应用研究

以乌鲁瓦提水库为研究对象,利用遗传算法进行求解,建立了乌鲁瓦提水库以年发电量最大为目标并兼顾下游综合用水要求的单库优化调度模型,计算结果表明,该方法比常规方法能使水库更好的发挥其综合利用功能,为乌鲁瓦提水库的合理利用与管理提供了理论指导.     

水电站水库优化调度的改进混沌遗传算法

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。     

免疫粒子群算法在梯级电站短期优化调度中的应用

将免疫原理引入粒子群算法(PSO)中,利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的浓度,保证种群的多样性;引入疫苗接种等操作,对算法的进化过程进行有目的、有选择地指导,提高算法的搜索性能.随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上,建立了基于免疫粒子群(IPSO)算法的梯级电站短期优化调度数学模型,并给出其具体的求解步骤.最后应用该方法进行仿真计算,并与常规调度及PSO算法进行对比,结果表明,该算法可获得较优的优化调度方案,并可提高解的精度,加快其收敛速度.     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

基于逐次逼近遗传算法的梯级水库优化调度

利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比较,说明了该方法的可行性与有效性.     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

改进遗传算法及其在泵站优化运行中的应用

在分析遗传算法基本理论的基础上,针对泵站优化运行问题的特性,从控制参数、选择方式、交叉机理和种群设置等方面进行改进,建立求解高维整型离散决策变量的改进遗传算法。以淮安四站为例进行计算,比较并分析改进遗传算法和标准遗传算法在泵站优化运行中的适用性,为泵站优化运行算法的设计和应用提供参考。结果表明:同时改进适应度和种群的混合改进遗传算法——FFGATPGA,精度高,计算速度快,具有收敛一致性,可用于复杂泵站系统的实时优化调度计算。     

多目标梯级水库优化调度问题的免疫遗传算法

在研究现有多目标遗传算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的优化调度算法--多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题.同时,以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型.通过实例研究计算,论证了该方法的有效性和实用性.     

三峡梯级和清江梯级水电站群联合调度研究

为了计算三峡和清江两梯级水库群联合调度的补偿效益,为流域管理模式提供决策依据,本文以发电量最大和保证出力最大为目标,建立了梯级单独调度和系统联合调度二个数学模型。在相同计算条件下,采用一维、二维离散微分动态规划法,以及大系统分解协调法分别进行求解。计算结果表明,系统联合调度后增加电量1.826×106kW·h,增加保证电力440MW,补偿效益很显著。