基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。     

基于模拟退火粒子群算法的水电站优化调度

以洪家渡水电站为例,探讨了模拟退火粒子群算法(SAPSO)在水电站中长期优化调度中的应用方法及效果。结果表明:该算法可以求解具有复杂约束条件的非线性水库优化调度问题,并具备求解精度高、收敛速度快的优点,为解决水电站中长期优化调度问题提供了一种有效的方法。     

基于狼群算法的水电站优化调度模型参数优选

以典型水电站优化调度模型为基础,先采用单因素分析法对狼群算法单参数的敏感性进行了分析评价,以算法寻优效果达到最优为目标,得出了参数的有效取值范围;再采用正交实验与极差分析方法,对狼群算法多参数的敏感性进行了综合分析,同理得出了参数变化的敏感性主次序和参数最佳取值组合。实例的验证结果表明,研究选取的参数取值范围和最佳取值组合有效地提升了算法的优化性能,为狼群算法应用于水电站优化调度提供了参数选择依据。     

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。     

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。     

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。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

基于改进粒子群算法的水库中长期调度函数研究

在应用改进粒子群算法求解水电站水库中长期优化调度问题时,为了克服基本粒子群存在早熟、后期收敛速度慢等不足,通过采用线性递减权重系数并引入杂交箅子,对基本PSO进行了改进,并将其应用于水库中长期优化调度函数研究中.与基于POA优化结果的回归分析建立的调度模型的对比分析表明,该算法原理简单,易于编程,求解精度高,从而为解决水库中长期优化调度问题提供了一种有效方法.     

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。     

线性微分递减自适应粒子群算法在水电站优化调度中的应用北大核心

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。     

基于蚂蚁算法的水电站短期优化运行研究

利用蚂蚁算法的转移搜索和邻域搜索机制,构造了水电站短期优化运行蚂蚁算法模型.实例证明,蚂蚁算法能够解决具有复杂约束的水电站短期优化运行问题,算法编程简单,易于实现.为水电站短期优化运行提出了一种新的、有效的方法.     

梯级水电站群中长期优化调度的离散梯度逐步优化算法

充分利用现有水电资源,进行库群中长期优化调度是构建清洁低碳、安全高效的现代能源体系的重要措施。逐步优化算法(POA)将多阶段问题转化为多个两阶段子优化问题,是求解中长期库群优化调度较为广泛且有效的一种方法。但随着水库数目的增加,POA仍会面临严重的"维数灾"问题。本文以梯度下降法为基础,提出离散梯度的概念及离散梯度逐步优化算法(DGPOA),该方法在不直接求导的情况下充分利用局部离散梯度信息确定最优搜索方向,可以快速获得优化结果。最后将该算法应用到澜沧江流域五水库梯级系统中,在不同离散精度和来水条件下,利用POA、POA-DPSA和DGPOA算法对梯级水库进行优化计算。结果表明,在不显著降低全局搜索能力的情况下,DGPOA的计算速度分别达到了POA-DPSA算法的8~12倍,POA算法的50~250倍,是一种解决梯级水库站群中长期优化调度中"维数灾"问题的有效方法。     

基于文化基因算法的梯级电站负荷分配研究

为了解决传统基于种群进化的搜索算法求解电站负荷分配中搜索精度低、易陷入局部最优的问题,结合文化基因算法的框架,以粒子群算法(PSO)作为全局搜索策略,分别引入爬山算法(HP)与模拟退火算法(SA)作为局部搜索策略,形成HPMA、SPMA两种文化基因算法。设计了相应的局部搜索激活机制,并针对负荷分配问题初始可行解生成效率低的问题提出了一种初始种群快速生成方法。实例计算表明,两种文化基因算法较单独使用SA、PSO等算法具有更好的求解精度,同时SPMA算法优于HPMA算法,SPMA算法有利于提高了梯级水电站负荷分配问题的求解质量。     

梯级水电站群短期联合优化调度研究

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题。水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入／输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解。     

梯级水电站群短期联合优化调度研究

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题.水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入/输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解.     

An Efficient Optimization Method for Long-term Power Generation Scheduling of Hydropower Station: Improved Dynamic Programming with a Relaxation Strategy

Integrating the characteristics of hydropower reservoir operations into optimization methods is an effective approach. Based on the concavity and monotonicity of hydropower reservoir operation with dynamic programming (DP), improved DP (IDP) with monotonicity in optimal decision-making can quickly search for an approximate optimal solution. However, IDP may not converge to the optimal solution of the long-term power generation scheduling (LPGS) problem of hydropower station due to the analysis conclusion of approximate monotonicity. Therefore, the relaxation strategy for expanding the search space based on the monotonicity of optimal decisions is introduced into IDP, which is named DP with a relaxation strategy (DPRS). The experimental results of Xiluodu, Xiangjiaba, and Three Gorges Reservoir (TGR) show that 1) the time complexity of DPRS and IDP decreases from the quadratic growth of DP with an increasing number of discrete states to linear growth; 2) DPRS and DP can obtain the optimal solution of the long-term power generation scheduling (LPGS) problem of hydropower station under the given discrete precision, whereas IDP searches for only an approximate optimal solution. Combined with the discussion with other relevant literature, all these results indicate that the DPRS has the strongest competitiveness in solving the LPGS problem of hydropower station, both in convergence accuracy and in calculation speed.

     

基于改进的布谷鸟算法的南湾水库增效扩容改造研究

南湾水库电站长时间运行以来,设备老化问题相当突出,发电效率低下,水能利用率同样很低.为了提高水能资源的利用率,对南湾电站进行增效扩容改造是势在必行的.为此,应用布谷鸟搜索算法对南湾水库进行增效扩容改造的水能复核计算,并与传统的动态规划算法进行比较,计算表明,布谷鸟搜索算法结果可靠合理且计算效率高,可为水库调度提供新思路...     

蚁群算法求解梯级水电厂日竞价优化调度问题

应用蚁群算法(Ant Colony algorithm,ACA)，即利用蚂蚁群体相互协作和邻域搜索寻找功能，求解梯级水电站日竞价优化调度问题。计算中定义水库调度线为蚂蚁路径，利用状态转移、信息素更新和邻域搜索，不断调整路径逐步向最优值逼近。计算结果表明，梯级电站电量时空分配合理，并且满足约束条件，该算法可以求解具有复杂约束条件的非线性梯级优化调度问题。     

改进遗传算法及其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,建立遗传算法(GA)求解多阶段最优化问题的数学模型.针对标准遗传算法(sGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA).通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性.最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点.