粒子群算法在水电站优化调度中的应用

粒子群优化算法是一种全局随机优化算法。用于水电站优化调度,与经典算法比较其特点在于,该算法原理简单,易编程实现,占用计算机内存少,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

水电站水库优化调度的改进粒子群算法

粒子群优化算法是通过粒子记忆、追随当前最优粒子,并不断更新自己的位置和速度来寻找问题的最优解。为了克服标准粒子群算法存在着早熟收敛、难以处理问题约束条件等缺点,本研究对递减惯性权值进行了改进,将其表示为粒子群进化速度与群体平均适应度方差的函数;给出了适合PSO算法的约束处理机制,提出了一种改进自适应粒子群算法,并将其应用于水库优化调度中。实例计算并与经典方法相比,表明该方法原理简单、易编程实现,能以较快的速度收敛于全局最优解。     

梯级水库发电优化调度的改进粒子群算法应用研究

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度模型求解提供了一种新的途径。     

小型水电站群水库优化调度

本文阐述了小型水电站群水库优化调度的特点,以马尔科夫决策规划理论建立数学模型,介绍了实施小型水电站群水库优化调度的经验。     

两阶段粒子群算法在水电站群优化调度中的应用

以水电站群最小出力约束下的发电量最大为目标建立了水电站群优化调度数学模型,采用两阶段粒子群算法求解。在按目标函数进行进化计算之前,先进行以最小平均出力最大为目标的第一阶段优化,并在粒子群中引入初始可行解,以提高粒子群的质量和求解效率。以云南电网统调的7库14站主力水电站群系统为例进行了计算,结果表明,该算法能有效克服“维数灾”问题,能得到高性能的优化调度结果。     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数码的改进遗传算法,并进行水电站水库优化调度研究。用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解,实例计算并与常规优化相比,表明该方法简便,快速,可避免水库优化调度中的维数灾。     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.     

流域梯级水电站群优化调度的多向导粒子群算法

针对发电侧市场开放后流域发电公司追求发电效益最大的特点,建立以流域梯级总收益最大为目标的梯级水电站群优化调度模型。为克服粒子群优化算法在迭代后期种群趋同化严重的弊端,在动态自适应惯性权重粒子群算法基础上提出一种多向导粒子群算法。该算法在粒子飞行方向上引入多向导策略：在粒子种群最优向导上引入最优向导集使种群最好解及其他较好解均有可能成为种群最优飞行向导;在个体最优向导上引入全面学习思想,使每个粒子以一定概率向其他粒子个体最好解学习。最后以我国西南某流域2库5级梯级水电站群为例进行计算,结果表明所提算法比相关方法更优。     

混沌粒子群算法在水库中长期优化调度中的应用

将粒子群算法和混沌算法相结合,用于求解水库中长期优化调度问题.它利用了粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.通过实例计算,结果表明该算法在收敛性和稳定性等方面明显优于传统粒子群优化算法,是一种有效的搜索算法.     

自适应多策略粒子群算法在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立粒子群算法求解多阶段最优化问题数学模型.针对基本粒子群算法(PSO)在早期存在精度较低、易发散等缺点,后期出现"趋同性"和"早熟"等现象,提出了自适应多策略粒子群算法.并将该算法与基本PSO、改进型PSO、杂交PSO和收敛因子PSO分别在雅砻江梯级水库群优化调度中应用,通过对其优化结果的比较,验证了改进算法在加快收敛速度和提高算法精度方面的有效性.     

水电站发电优化调度遗传算法的改进

遗传算法在求解水库优化调度问题时存在两个问题：随机的初始种群生成方式难以保证个体在解空间均匀分布,导致求解结果不稳定;由于水库水量平衡等条件约束,使交叉、变异操作常常导致可行解变成不可行解。针对上述问题,引入了基于均匀设计的初始种群生成方式,保障了初始种群空间分布的均匀性;在交叉、变异操作中建立了个体可行性判断与处理方法,保障了在个体进化过程中的可行性。以三峡发电优化调度为例,验证了改进算法的有效性,与标准遗传算法相比改进遗传算法可以显著提高寻优性能。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

基于粒子群算法的水电站水库发电调度图绘制

在基于常规方法的水电站水库发电调度图绘制方法中,由于选取典型水文年样本数量有限,使其水文特征代表性有局限性.引入粒子群算法,利用所有历史实测资料绘制水电站发电运行调度图.该算法通过粒子间的信息共享来实现求解,具有计算简便,收敛速度快的优点.通过实际生产项目的应用,证明采用粒子群算法绘制水电站水库发电运行调度图能够克服常规绘制方法中的一些缺点,在保证可靠性指标的同时,提高了水电站的运行效益,为优化方法在水电站中长期调度中的应用提供了一种实用的途径.     

动态规划和粒子群算法在水电站厂内经济运行中的应用比较研究

随着电站装机容量和机组台数的不断增加,利用动态规划求解水电站厂内经济运行问题,将面临"维数灾"和实效性问题.近些年,粒子群算法作为一种新型的群体智能优化方法,由于能够弥补动态规划计算时间长、内存占用量大等诸多不足,在水电站厂内经济运行等方面得到了广泛重视.现有文献,大多数从方法的应用角度探讨较多,但从替代动态规划的必然性和潜力方面探讨较少,鲜有实例分析.本文以百万级装机千瓦的乌江渡水电站为实例,深入分析与比较了粒子群算法与动态规划的优劣,认为粒子群算法是代替动态规划、求解装机规模庞大的巨型水电站厂内经济运行的有效方法.