POA算法在梯级水电站短期优化调度中的应用

介绍了梯级水电站短期优化调度的三个主要数学模型及相关的约束条件；在此基础上，深入分析了POA算法的主要思想和实现方法；给出了POA算法在梯级水电站短期优化调度的实际工程应用及结果；指出了POA算法进一步应用的方向。     

改进遗传算法在梯级电站日优化运行中的应用

针对基本遗传算法存在求解精度与收敛速度间的矛盾，研究了一种新的改进自适应遗传算法（IAGA），并用于求解梯级电站日优化调度问题，基于提出的评价种群“早熟”程度新指标，自适应调整遗传算法法的交叉概率和变异概率，同时依据当前最优个体解码所对应调度方案对约束条件的违反量，动态调整相应的惩罚系数，使调度方案获得期望的约束程度，仿真结果验证了算法的有效性和可靠性。     

基于改进模拟退火遗传算法的梯级水电站长期优化调度

在使用传统优化方法处理梯级电站数量庞大的长期优化调度时会出现“维数灾”及寻优效果差等问题。研究工作利用遗传算法进行计算,并对其进行了利于计算的改进,将自适应的控制理论加入交叉和变异算子,让其根据适应度的值自动改变,生成初始群体时使用混沌理论,并引入模拟退火方法,将两者的优点结合起来,生成了改进模拟退火遗传算法,提升了全局寻优能力和局部搜索能力,避免了算法陷入局部最优解。将改进后的算法程序应用于建立的模型中,通过与常规遗传算法的比较与分析,结果表明改进模拟退火遗传算法全局搜索能力强、求解效果好,为解决梯级水电站长期优化调度提供了新方法。     

POA-DPSA混合算法在短期优化调度中的应用

根据逐步优化算法和逐次逼近优化算法的思想，提出了POA-DPSA混合算法，建立了清江梯级水电站短期发电效益最大模型，并利用逐步优化逐次逼近混合算法进行模型求解，在给定总用水量和各时段电价，满足各种约束条件下使总的发电效益最大，取得了较好的优化效果。     

沅水流域梯级电站发电优化调度决策支持系统

介绍了沅水流域梯级电站发电优化调度决策支持系统的开发目标、模式及开发原则,提出了结构合理、设计先进、功能齐全、实用性和可扩展性强的功能结构,成功地解决了沅水流域梯级电站发电调度问题,为沅水梯级电站发电优化调度提供了决策支持。     

基于人工鱼群遗传算法的梯级水库优化调度研究

针对人工鱼群算法的不足,提出了人工鱼群遗传算法(AFSA-GA),采用人工鱼群算法模拟梯级水库优化调度,再用遗传算法进行局部细化搜索。实例结果表明,人工鱼群遗传算法应用于梯级水库优化调度行之有效。     

金沙江下游梯级水电站综合调度难点分析及应对策略

目前国内水电的开发已进入成熟稳定,水电行业的发展由开发逐步转变为安全稳定运行,如何在保证电力供应的同时,更好地兼顾防洪、航运、发电等民生任务,将成为未来一定时期内水电行业发展的重要方向。本文以水电站实际调度过程中的难点问题为引,以调度经验为基础,从防洪、航运、发电等方面,对梯级水电站调度难点进行分析总结,通过采取有效的应对策略,使梯级水电站的调度更加稳定、可靠,保障梯级水电站的安全。     

基于自适应遗传算法的金盆水库优化调度研究

根据黑河金盆水库的具体情况。建立了水库优化调度的多目标非线性数学模型。分别利用动态规划、遗传算法和自适应遗传算法求解模型。结果表明，自适应遗传算法由于能够根据群体适应度的分散程度以及个体优劣进行参数的自适应调整。使得算法在保持种群多样性的同时，保证算法的收敛性，其收敛速度和计算结果都明显优于其他两种算法。     

市场机制下梯级水电站群短期优化调度模型研究

讨论市场机制下梯级流域水电站间短期优化调度模型,确定了利益最大化为准则的目标函数。考虑市场竞争的电价和电量、水库存水价值、水流时滞以及设备折旧等因素,给出了相应的约束。重点讨论市场机制对弃水量的影响、发电量和发电引用流量的函数关系式以及存水价值系数的确定方法。最后给出在梯级电站运行管理中引入竞争机制和加强市场预测研究的建议。     

二倍体多目标遗传算法在水资源优化中的应用

针对遗传算法存在早熟、收敛性和解分布性差的问题,在孟德尔多目标简单遗传算法的基础上提出一种求解多目标的二倍体遗传算法,引入变异算子和聚类方法使求得的Pareto解集具有更好的分布性.通过多目标测试函数和二倍体多目标进化算法在流域水资源调度配置中应用,测试结果较好.     

基于混沌优化算法的梯级水电站水库优化调度

建立一种梯级水电站中长期水库优化调度模型,利用混沌优化算法对梯级水电站中长期水库调度问题进行优化计算.实例计算结果表明,该算法可求解复杂约束条件的非线性梯级水电站水库优化调度问题,精度高、收敛速度快,为求解梯级水电站水库优化调度提供了一种有效算法.     

基于文化粒子群算法的梯级水电站优化调度研究

针对PSO算法中的早熟收敛问题,提出一种文化粒子群算法(CPSO)并将PSO纳入文化算法模型作为群体空间的进化方式,引入一种局部随机搜索算子实现信念空间的知识结构并指导算法的演化过程,在保持种群多样性的同时提高算法的全局寻优性能.将CPSO应用于某梯级水电站的优化调度中,结果表明,CPSO可很好地兼顾计算速度及求解精度,为梯级水库优化调度提供了一条全新途径.     

梯级小水电站日负荷优化分配计算的逐次优化法

针对梯级小水电站的实际情况，在给定水库用水量及计划日负荷图的条件下，将负荷优化分配至各电站、各台机组，建立了基于POA算法的数学模型，应用该模型计算的优化分配方案与实际运行数据相比较，电站的经济效益得到了提高。     

基于BP神经网络与改进遗传算法的泵站优化调度

通常泵组件的调节主要依靠工程师经验,难以保证水泵在所有时段内均高效运行,易造成能源浪费,对此提出了以效率模型为依据的泵站优化调度方法。为减小误差,使用泵站实际运行数据基于BP神经网络训练水泵特性。在此基础上,利用训练后的数据初始化种群,以泵站效率之和最小为目标,建立泵站优化调度数学模型,设定水量、压力和高效区等约束条件,采用改进的遗传算法求解水泵组合方案及各泵运行参数。结果表明,改进遗传算法对泵站调度的优化效果明显,可适用于泵站的优化节能运行。研究成果为泵站优化调度运行提供了一种新方法。     

水火电力系统优化调度的逐步最优遗传算法

基于逐步最优化原理和遗传算法相结合,提出了水、火电力系统优化调度算法,该方法主要优点在于占用内存少,不需要优化问题具有凸性、连续性和可微性。与单点最优算法相比,该方法为多点导优,单调收敛,可获得最优解和用于长、短期或实时优化调度。本文给出了实例计算成果。     

基于遗传算法的地表水取水泵站优化调度

针对我国地表水取水泵站运行效率不高、能源浪费等问题,基于地表水取水泵站优化调度模型,利用遗传算法以泵站运行总功率最小为目标函数编写泵站优化调度程序,分别计算北方某水库地表水处于最低水位不同日供水量、常水位不同日供水量的系统工况下泵站运行功率。结果表明,地表水常水位运行情况下比日常运行方案节能3.8%。可见遗传算法编写的泵站优化程序有效可行。