基于混沌搜索的自适应差分进化算法

提出一种基于混沌搜索的自适应差分进化算法（CADE）,该算法在计算过程中自适应地调整交叉率,在搜索初期保持种群多样性的同时增强算法的全局收敛性。具有较强局部遍历搜索性能的混沌搜索的引入使得算法具有较好的求解精度,增加搜索到全局最优解的概率。对几种典型的测试函数对CADE进行了测试,实验结果表明,该算法能有效地避免早熟收敛,具有良好的全局收敛性。     

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。     

基于湿周法的河道最小生态需水量多目标评价模型

以湿周与流量关系为基础,建立了基于多目标评价方法的河道最小生态需水量估算模型,以湿周最大和河道流量最小作为栖息地保护和水资源开发利用的目标,采用理想点法求解,以增江下游麒麟咀站为例计算河道最小生态需水量,并将该模型的计算结果与斜率法和曲率法的计算结果进行了比较分析。结果表明:增江下游河道最小生态需水量阈值范围为20.8～26.3 m3/s,相应的平均流速范围为0.42～0.44 m/s;模型计算结果比传统的湿周法适用性更强,且能较好体现生态用水和经济用水的均衡发展。     

梯级水电站补偿效益分摊方式研究综述

在流域梯级滚动开发的模式下梯级水电站联合运行存在显著的补偿效益,如何科学合理地进行补偿效益分摊成为能否实现梯级水电站联合优化调度的关键问题。阐述了流域梯级水电站调度运行管理现状以及存在的风险,概括了补偿效益类型和补偿效益分摊应遵循的原则,总结并分析了梯级水电站补偿效益分摊的主要方法以及应用实例,进而归纳了各方法的适用条件和优缺点,并通过现有研究对应用实例中存在的不足进行了探讨,最后针对梯级水电站补偿效益分摊方法的未来研究方向进行了展望,以期为实现流域水资源可持续开发及利用提供参考。     

鄱阳湖流域入湖径流时空变化预测

对鄱阳湖未来入湖径流变化的准确预测可为"后三峡"时期水资源调度决策提供理论依据。基于实测资料发现,三峡水库蓄水后,鄱阳湖入湖年径流及各调度期径流均不同程度减少。通过ASD(Automated Statistical Downscaling)统计降尺度方法将GCM(General Circulation Model)输出数据与新安江水文模型耦合,得到未来鄱阳湖流域"五河七口"的入湖径流过程。结果表明,未来年径流相比实测变化幅度更小,偏多和偏少交替出现;集水面积较大的赣江、抚河和信江对鄱阳湖径流变化的贡献最大;无论A2还是B2情景下,均是蓄水期变化幅度最大、枯水期最小,且各调度期的入湖径流变化程度比年径流更大。     

气候变化对清江未来径流及隔河岩电站发电的影响

以历史径流为依据的清江梯级调度规则难以适应气候变化需求，必然对梯级水库的安全稳定运行和兴利效益发挥带来影响。基于清江流域空间数据和观测数据，采用SWAT模型，运用统计降尺度方法模拟3种情景下流域内各站点的未来气象数据，进而对径流进行模拟，并对隔河岩水电站发电量变化进行分析。结果表明：未来时期RCP2.6、RCP4.5和RCP8.5共3种气候情景下，清江流域出口长阳站多年平均径流呈上升趋势，年均径流增幅分别为6.0%、8.7%和13.2%；隔河岩水电站在上述3种情景下近期（2020—2045年）、中期（2046—2070年）和远期（2071—2100年）多年平均发电量增幅分别为3.4%～5.1%、7.7%～10.3%和13.4%～16.0%。该研究可为气候变化条件下清江流域水资源管理与隔河岩水电站发电调度运行提供参考。     

基于改进萤火虫算法的水库多目标调度决策研究

水库不同调度目标之间既非完全协调也非完全对立,如何快速获取多目标调度方案集,科学进行调度方案决策优选,是实现水库水资源高效利用的重要问题。以年发电量最大和生态效益最优作为目标函数,建立水库发电-生态多目标优化调度模型,进而提出该模型优化求解的改进多目标萤火虫算法,并结合组合权重改进的多准则妥协解排序法进行调度方案决策,最后将其应用于三峡水库调度实例。研究结果表明：改进算法能够获得更高质量的非劣解集,方案集优选方法能够在折中最大化群体效益和最小化个体遗憾的基础上寻求最优解,且能够同时体现决策者偏好以及各个决策指标客观特征。研究成果可为水库多目标调度决策提供科学依据。     

基于改进熵权和Vague集的多目标防洪调度决策方法

为有效处理多目标防洪调度决策的复杂问题,提出一种基于改进熵权和Vague集的多目标决策方法,构建了被选方案指标相对理想方案的Vague值矩阵,加权计算和比较各被选方案的综合Vague值,实现对决策方案的评价优选,并利用熵权法确定多目标权重,针对熵权与熵值传递信息不一致的问题改进了熵权计算公式.水库防洪调度实例验证结果表明,该决策方法合理、可行,可供类似工程借鉴.     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。