基于状态转移矩阵的梯级水库优化调度确定性离散动态规划方法

基于状态转移矩阵的确定性离散动态规划(DDDP)方法是在考虑水库运行的综合利用的前提下,利用状态转移矩阵寻找出梯级水库优化调度过程中所有的可行策略,基于目标函数逆向搜索可行策略,得出最优解的优化算法.该方法可进行单库优化计算,也可以进行梯级水电站优化计算.文中以锦屏梯级为例,说明该方法可在满足梯级水库上下游生态用水、发电用水等综合利用的前提下,以梯级水电站发电效益最大为目标,求得梯级水库优化调度的较好解.     

人工鱼群算法与离散微分动态规划结合在水库优化调度中的应用

人工鱼群算法(AFSA)具有快速收敛到最优解附近的能力,建立人工鱼群系统模拟水库优化调度,将其所得到的解作为离散微分动态规划(DDDP)算法的初始试验轨迹,通过DDDP再次寻优,可以获得更优、更稳定的解,试验证明了AFSA与DDDP结合应用于水库优化调度的有效性.     

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.     

人工鱼群算法与离散微分动态规划结合在水库优化调度中的应用

人工鱼群算法(AFSA)具有快速收敛到最优解附近的能力,建立人工鱼群系统模拟水库优化调度,将其所得到的解作为离散微分动态规划(DDDP)算法的初始试验轨迹,通过DDDP再次寻优,可以获得更优更稳定的解,试验证明鱼群算法与离散微分结合应用于水库优化调度的有效性。     

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.     

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。     

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。     

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.     

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.     

基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构，并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优，加快了算法的收敛速度和精度。