基于改进遗传算法的串联小水电群优化调度

建立了由沙畈水库和金兰水库组成的串联小水电群优化调度的数学模型，采用了改进遗传算法对该模型进行优化计算。算法设计编程简单、计算工作量小、收敛速度快。利用两个水库的入库径流实测值进行了仿真实验，结果说明优化调度能比常规调度取得更大的经济效益，同时也说明了遗传算法是求解小水电群优化调度的可行而有效的方法。     

遗传模拟退火和小生境遗传算法在水库优化调度中的比较

根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法（GSA）和小生境遗传算法（NGA）分别求解模型。结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长。而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差。     

温州电网梯级水电站优化调度实践

建立由温州电网属下的梯级水电站群优化调度的数学模型,采用基于浮点数编码的改进遗传算法对该模型进行了优化计算,该算法设计编程简单,计算量小,收敛速度快.利用三插溪水库的入库径流实测值进行了仿真实验,实验结果表明优化调度比常规调度经济效益超过5%,说明了遗传算法用于梯级水电站群优化调度既可行又有效.     

基于遗传算法的小水电站优化调度方法的研究与实践

针对以发电为主的小水电站单库和串联小水电站群，以水电站的发电引用流量为决策变量，以水电站在调度周期内发电量最大为目标，分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算，从而提高了算法的搜索效率。基于VC 编程设计了小水电站运行调度智能算法系统软件，用类CbestGA封装了求解一般水库调度问题的遗传算法，并应用于一个实际的小水电站调度，实验结果说明了遗传算法用于水库优化调度的可行性和有效性。     

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。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题.该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解.根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果.结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性.     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题。该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解。根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

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。     

梯级水电站优化调度的改进社会情感优化算法

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法（SEOA）是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将SEOA应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法（改进SEOA）。实例表明,在梯级水电站发电优化调度模型的求解中,改进SEOA搜索效率高、寻优能力强、稳定性好。     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间.提出了一种优化常规调度图的新方法--混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正.该方法综合了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,提高了计算精度,避免了手工修正调度图的随意性.通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径.     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了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,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。     

基于改进粒子群算法的水电站水库优化调度研究

针对粒子群优化算法容易陷入局部最优解的问题,提出一种基于模拟退火机制的改进粒子群优化算法,并将其引入水库调度领域,设计了基于该算法的水电站水库优化调度问题的求解方法。计算实例表明,该方法采用并行搜索机制,计算速度快、全局寻优的可靠性较高,具有较好的应用前景。     

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题.     

基于Matlab遗传算法工具箱的梯级水电站优化调度

遗传算法因其简单、通用、适于并行处理而用于解决非线性复杂问题。在研究了基于Matlab遗传算法工具箱（GAOT）的基础上。提出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。用该数学模型讨论了实现梯级水电站的优化调度问题。详细分析了算法设计中遗传算法控制参数的确定、编码、随机生成初始母体群、适应度计算、选择、交叉、变异、停止准则判断等。以某梯级水电站为例。利用提出的优化调度模型计算了比较简单的情况。表明是可行的。对较复杂的情况也同样适用。     

基于改进PSO调度模型的水电站发电量分析

鉴于以往水库优化调度的求解精度受制于离散的密度的不足，引入可连续域寻优的粒子群算法，建立基于PSO水库优化调度模型，并针对粒子群算法易出现的收敛性差和处理约束问题困难等问题，提出了改进措施，并应用到水电站的发电量分析中。     

水电站水库优化调度几种求解方法的比较研究

针对水电站水库优化调度模型的求解,比较了常用的动态规划法、逐欢优化法(POA)和粒子群优化算法(PSO)3种求解方法.给出了3种算法的实现过程及约束处理方法,尤其针对粒子群优化算法,纠正了常见的约束处理和算法不结合问题.结论认为PSO水库优化调度模型和解法融合了模拟调度的思想,更容易为调度人员所接受,且能有效避免动态规划"维数灾"问题.但存在计算时间长,实时性差等问题,在实效要求较低情况下可以应用.     

多时段可中断负荷调度的智能优化算法

考虑多个可中断用户的多时段可中断负荷优化调度问题一般是一个多目标的组合优化问题,建立了一个多时段多目标可中断负荷优化调度模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并计入不同可中断用户的不同中断特性和时段耦合约束。给出了应用离散二元粒子群优化算法的多时段可中断负荷调度问题求解方法。基于一个含19个可中断用户和16个时段的可中断负荷调度问题的算例仿真,通过比较采用离散二元粒子群优化算法和遗传算法的优化结果,表明离散粒子群算法在收敛解的质量上优于遗传算法。     

多时段可中断负荷调度的智能优化算法

考虑多个可中断用户的多时段可中断负荷优化调度问题一般是一个多目标的组合优化问题,建立了一个多时段多目标可中断负荷优化调度模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并计入不同可中断用户的不同中断特性和时段耦合约束.给出了应用离散二元粒子群优化算法的多时段可中断负荷调度问题求解方法.基于一个含19个可中断用户和16个时段的可中断负荷调度问题的算例仿真,通过比较采用离散二元粒子群优化算法和遗传算法的优化结果,表明离散粒子群算法在收敛解的质量上优于遗传算法.     

梯级水电站短期优化调度方法综述

根据现阶段梯级水电站短期优化调度的研究成果,主要从其数学模型、约束条件、优化算法等几个方面进行了综述,详细描述了梯级水电站短期优化调度模型所涉及到的约束条件。从经典优化算法和现代智能算法两个层面分别总结了线性规划、非线性规划、动态规划、遗传算法、粒子群算法、人工神经网络、模拟退火、混合优化算法等算法的优缺点,以及将该算法应用在梯级水电站短期优化调度中所取得的研究成果。