梯级水库群多目标优化调度模型及CPF-DPSA算法研究

梯级水库群多目标联合优化调度是水能资源高效利用的重要研究内容,现有水库群多目标优化调度模型及求解算法的通用性亟待提高。在总结现有三种目标函数型式(累积值、极值及百分比)的基础上,以梯级总发电量最大、最小出力最大和生态断面用水保证率最大为目标,建立了具有普适性的梯级水库群多目标优化调度模型,提出了求解该模型的基于惩罚因子的动态规划逐次逼近算法(CPF-DPSA),探究了各目标与对应惩罚系数之间的变化关系,确定了各惩罚系数的影响范围,获得了分布较为均匀和广泛的非劣解集。老挝南欧江梯级水库群应用表明,该模型具有较好的适用性,CPF-DPSA算法获得的非劣解集分布广泛、均匀。尤其在长系列优化方面,CPF-DPSA算法在结果精度、非劣解质量和非劣解分布等方面比第三代快速非劣排序遗传算法(NSGA-Ⅲ)表现出更好的性能。     

基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。     

基于混沌算法的水库群联合优化调度

利用混沌算法全局搜索能力强、求解速度快的特点,将混沌优化算法运用到水库优化调度中,建立了水库群多目标优化模型,并提出交互式的多目标优化模型求解方法.该方法利用混沌优化算法生成满足约束条件的可行集,再采用交互式决策偏好的方法从非劣解集中寻找最佳权衡解;并对滦河下游水库群进行了实例研究.结果表明算法可行,成果合理,能为水库群的联合调度提供技术支持.     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。     

基于NSGA-Ⅲ的黄河上游梯级水库多目标调度研究

为适应梯级水库群高维多目标模型求解需要,引入第三代非支配遗传算法.以黄河上游梯级水库群为研究对象,综合考虑防洪、防凌、供水、发电、生态等调度任务,建立了发电-供水多目标模型.选择典型枯水年径流资料开展多目标模型优化计算,结果表明该算法可有效解决梯级水库群高维多目标模型计算问题.基于多目标解集分析黄河上游多用户需水关系,...     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以解决梯级水电站多目标联合优化调度模型求解的难题。该算法采用混合蛙跳算法的分组－混合循化优化框架，增强算法全局搜索能力，在族群内通过粒子群算法高效灵活的飞行调整策略指导个体进化，同时，引入外部精英集，建立一种基于自适应小生境的外部精英集维护策略，提高算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程应用实例，结果表明，本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集，并以此分析明确了调度目标间的耦合关系，为梯级电站的多目标调度决策提供了科学依据。     

FS-DDDP方法及其在水库群优化调度中的应用

可行搜索-离散微分动态规划(FS-DDDP)方法是在考虑水库运行的综合利用要求的前提下,利用正向搜索和逆向搜索相结合的方式寻找水库优化调度过程的大量可行轨迹,以目标函数较大的几个可行轨迹作为DDDP方法的初始轨迹分别进行再寻优计算的优化算法.该方法可进行单库优化计算,也可进行库群优化计算.黄河上游梯级水库数量较多,综合利用要求复杂.文中以该梯级为例,说明FS-DDDP方法可在满足该梯级水库群的河流生态用水、防凌用水、灌溉用水、发电用水等综合利用要求的前提下,以水库群发电效益最大为目标,求得水库群优化调度的较好解.     

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。     

基于多重迭代算法的梯级水库群调度图优化方法

基于梯级水库群中各水库的常规调度图,建立了以梯级水库群多年平均发电量最大为目标的梯级水库群调度图优化数学模型,提出了基于多重迭代实现高维模型降维的求解算法,即以轮库迭代法实现空间多水库降维,以轮线迭代法实现单一水库多调度线降维,以逐次优化算法实现调度线状态降维。万安溪-白沙梯级水库群的算例计算结果表明,该优化方法能获得形态合理的优化调度图,并能有效提高水库群发电量。     

基于ELQG算法的水库群优化调度研究

针对目前复杂水库群优化调度算法存在早熟收敛和运行时间长等问题,本文深入研究基于ELQG算法的水库群优化调度的原理、方法与步骤,利用ELQG算法求解新安江-富春江水库优化调度模型,并将不同典型年优化下调度结果与DP算法进行对比。结果表明:ELQG算法中梯级水库联合年发电量减少0.1亿~0.3亿k W·h,平均水位降低1.0~1.3 m,但计算速度平均提高20倍。ELQG算法具有较强的实用性和可操作性,为多目标、高维水库群的优化调度提供了一种新的途径。     

梯级水电站调度图优化的混合模拟退火遗传算法

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

面向梯级水库多目标优化调度的进化算法研究

实际工程中以梯级水库多目标优化调度为代表的大规模高维多目标优化问题,其优化难度是一般方法所难以应对的。为此本文提出一种新型的多目标粒子群算法LMPSO,其包含了基于超体积指标I_h^k的适应值分配方法与基于问题变换的搜索空间降维策略,以有效处理问题的高维目标向量与大规模决策变量。将该算法应用于溪洛渡-向家坝梯级水库的中长期多目标优化调度中,并与4种知名算法的计算结果进行对比分析,验证LMPSO在求解该类问题上的卓越性能。由此为多目标优化调度高质量非劣解集的获取提供一种可靠的方法,并为下一步的多目标调度决策提供有力的数据支持。     

梯级水库生态调度多目标混合蛙跳差分算法研究

提出多目标混合蛙跳差分算法求解梯级水库多目标生态调度模型。该算法结合混沌理论生成初始解以提高初始解群体质量,构建基于动态更新机制的外部归档集引导种群进化,提高算法的收敛性与非劣解的多样性,引入自适应差分算法加快子种群个体寻优,提高算法收敛速度。对L河梯级水库多目标生态调度进行实例研究,计算结果表明:本文所提出的算法能够计算得到收敛性与分布性较好的调度方案集,对比典型调度方案下泄径流与物种生态适宜径流,表明生态调度能够较好满足物种的生态需水,生态效益显著。     

PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法(Non-dominaled Sorting Genetic AlgorithmⅡ,NSGA-II)和多目标粒子群算法(Multi-Objectives Particlce Swarm Optimization,MOPSO)对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-II进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明:PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低(0.96%)发电量的前提下显著提高(8.07%)水库供水量,平均每年增加经济效益0.55亿元。     

南水北调东线工程江苏段多目标优化调度研究

考虑南水北调东线工程供水目标、经济成本以及系统稳定性特点,本文以受水区生活、工业以及农业用水供水量最大,梯级总抽水量最小以及调水峰值最小5个目标为优化目标,构建了南水北调东线工程江苏段水资源优化调度模型。在此基础上,针对传统多目标蛙跳算法(MOSFLA)存在多样性差,后期易陷于局部最优解等缺点,本文提出了一种改进的多目标蛙跳算法(MQSFLA),通过引入实数量子编码、采用改进的量子旋转门局部更新策略以及基于动态外部档案集维护Pareto非劣解的方式,改善传统MOSFLA。分别基于MQSFLA和MOSFLA求解3种典型来水条件下的多目标优化模型,分析不同目标之间的关系,提出调蓄湖泊群联合优化调度和水量调配方案。结果表明:MQSFLA在多样性和收敛性方面都优于传统的MOSFLA,能得到更多高质量的非劣解集,更有效协调供水以及抽水的矛盾,满足不同来水条件下多水源相互补给的多目标优化调度,为南水北调东线工程江苏段的运行管理提供理论依据和科学支撑。     

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.     

基于可行空间搜索遗传算法的梯级水库群调度规则研究

以梯级水库群系统多年平均发电量和旬出力保证率最大为目标函数,以梯级水库群内各水库拐点式调度图为决策变量,建立梯级水库群联合发电调度模型,并采用可行空间搜索遗传算法进行求解。为了避免模型求解过程中对不可行解的过多处理,有针对性地对可行解进行优化。最后,以汉江流域梯级水库群为例,对模型和算法的有效性进行了验证。     

水库群系统发电调度的合作博弈研究

水资源的竞争性和非排他性导致水库管理者基于个体利益进行发电调度,使得水库在满足个体利益的同时往往忽略了系统的整体效益。为了在保证个体利益的基础上实现系统总效益的最大化,建立了梯级水库群发电调度合作博弈模型;采用改进后的水循环算法对模型进行分层求解。以金沙江两库与三峡梯级构成的梯级水库群为研究对象,选取典型年进行实例计算。计算结果表明：梯级水库群发电调度的合作博弈模型在获得系统最大效益的同时使得个体利益达到Pareto最优状态,实现水库群总效益和单库个体效益的双赢,既优于联合优化调度模型又优于单库优化调度模型。该合作博弈模型及其新解法可为水库群调度决策分析开创一种新思路。