小水电群智能优化调度算法研究

小水电群的优化调度是一个大规模、多目标、复杂的多阶段决策过程,通常采用传统的动态规划法.探讨了智能优化算法在小水电优化调度中的应用问题,分析了改进遗传算法的工程实现方法及仿真结果,着重分析了算法的收敛特性、算法的计算速度等,说明了遗传算法求解该问题的不足,并提出了采用粒子群算法、蚁群算法等的设想.     

基于可插拔模型分片的小水电群多目标调度系统设计与实现

为了提升区域内小水电的经济效益和生态效益,针对多元化的小水电群调度目标,设计并实现了可插拔模型分片技术的小水电群多目标调度系统.系统采用接口抽取方法与关注点分离思想,将多个调度模型以XML描述文件的格式进行切割分片,在调度决策中以可插拔的形式制定调度目标,具备了良好的可操作性和扩展性.给出了基于二次处理策略的NNBR模型径流预测方法,考虑实际应用示范流域具有多种类型的水库、电站,以及具有串、并联的混联结构特征,实现了径流预测、多目标联合调度和生态径流保证等多种要求.     

考虑入库洪水随机过程的梯级水库防洪优化调度

针对梯级水库防洪优化调度求解过程中存在的入库洪水过程的随机性,以及优化调度模型求解的复杂性这两方面的问题,建立了基于Copula函数的梯级各地区洪水的联合分布函数,通过随机模拟方法得到梯级水库的入库洪水过程;建立了梯级水库防洪优化调度模型,并提出了基于并行搜索思想的PDP算法进行求解。清江梯级水库实例研究结果表明,基于Copula函数的随机模拟方法,能充分考虑洪水地区组成方式的多样性和随机性,从而能模拟对梯级防洪调度最不利的情况;PDP算法比文中其他算法更容易收敛到全局最优解;较常规调度,梯级水库防洪优化调度可进一步降低下游地区的防洪风险。     

小型水电站水库优化调度技术研究

阐述了小型水电站水库优化调度问题及其数学模型，详细研究了动态规划法和遗传算法等优化技术的特点、方法和思路．对优化结果的应用提出了看法。     

考虑需求侧响应的电气设备调度混合分散式优化

为了缓解用能持续增加对电力系统造成的负担和解决大规模电气设备联合调度时的优化计算问题,提出了考虑需求侧响应的大规模可控用电设备和储能设备的混合分布式优化调度方法。首先建立可控用电设备负荷和储能设备的数学模型,在此基础上,构建了以系统和各设备运行特性为约束,以系统购电费用、用户不满意费用和储能设备损耗费用之和最小为目标函数的混合整数非线性集中式优化数学模型。其次,针对此高维、多目标和多约束且难于求解的非线性集中式优化模型,采用拉格朗日松弛法将其分解为两个子问题,即分别对应可控电气设备负荷的优化调度问题和储能设备的优化调度问题。而且,对于前者又可进一步分解为各可控电气设备负荷的优化调度子问题并通过内点法求解计算;对于后者又可分解为各个储能设备问题的混合整数线性优化调度子问题并通过Benders分解法并行求解计算。然后,为了验证所提混合分布式优化方法的有效性及其优越性,基于算例,对比分析集中式和分散式优化调度时的目标函数值和电气设备优化调度结果,不同规模电气设备对集中式和分散式优化方法计算效率的影响。根据结果可见,所提优化调度方法与集中式优化方法的目标函数值基本一致,但所提方法对应的电气设备优化调度结果可以很好地响应分时电价策略,储能设备削峰填谷效果好;而且所提混合分布式优化方法可以降低优化问题的求解复杂度,计算效率高,几乎不受电气设备规模的影响。     

基于河道流量生态服务效应的水库生态价值优化调度

为了评价河流生态服务价值和探索水库生态调度新方法,基于河道流量生态服务效应和河流生态系统服务效用特征,探讨了河流生态服务功能的类型划分和价值评价,提出了水库生态价值调度的新概念;以河道流量为决策变量,探讨了水库生态价值优化调度模型的建立及仿生算法的求解;鉴于蜂群算法防止过早收敛、更快接近最优解和鲁棒性强等优点,以新丰江水库为案例,开展了新丰江水库生态价值优化调度模型建立及蜂群算法求解研究。结果表明水库生态价值优化调度及其仿生算法行之有效,可为河流管理部门合理开发、高效利用和科学管理河流水能资源等提供决策支持和技术支撑,也对开发和利用新丰江水能资源、修复和改善新丰江生态环境、恢复和增加新丰江生态服务价值等具有实际价值。     

动态优化调度积留量法的基本理论──动态优化调度的解耦求解模型

以积留量为控制变量的动态优化调度解耦求解方法－积留量法，是在电力系统运行调度工程分析、物理分析及数学分析三者结合的基础上提出来的，是积留量法动态优化调度基本理论研究的核心，是动态优化调度解耦求解的新算法，本文是对动态优化调度积留量法基本理论的总结，给出动态优化调度解耦求解的详细模型及其相应调控机制的综合分析。     

南水北调中线工程水量优化调度模型研究

运用仿真性好、不受变量维数限制、计算速度快的自优化模拟技术与丹江口水库调度图相结合的大系统混合模拟方法,研究了南水北调中线工程水量优化调度问题．计算成果分析表明,所建模型及其电算程序是合理可行的．     

水库优化调度研究进展和发展趋势

回顾了水库优化调度的进展,并简单介绍了遗传进化算法、神经网络方法及微粒群方法、蚁群算法等智能（仿生）优化方法。在此基础上从理论研究和管理两方面提出了水库优化调度研究中所存在的一些问题,并对水库优化调度研究未来的发展趋势进行了展望,即在水库调度研究方面大规模、高强度地应用高新技术,实现调度决策的科学化、智能化、敏捷化,提升调度决策的技术水平,使水库调度研究不断朝着可视、交互、智能、集成化的方向发展。     

基于NSGA2的水库多目标优化

讨论了非支配排序遗传算法(non-dominated sorting gentic algorithm Ⅱ, NSGA2)及其参数确定问题, 利用NSGA2对两目标水库优化调度问题进行求解,求出了问题的Pareto前端,比较了参数不同取值的优化结果。实例分析结果表明:NSGA2中遗传操作参数(包括锦标赛选择参数、模拟二进制交叉分布参数、多项式变异分布参数)对优化结果影响很小,算法具有鲁棒性,对大部分水库多目标优化问题可采用推荐值;当NSGA2种群规模和进化代数两个参数足够大时,即可得到足够多且分布均匀的Pareto前端,算法具有简便性;利用NSGA2求解水库多目标优化问题,可得到足够多且分布均匀的Pareto前端,随着种群规模和进化代数的调整,Pareto前端逐步改进, 算法稳定性好,适合求解水库多目标优化调度问题。     

节能减排环境下水火电站群多目标优化调度模型研究

摘要：在落实国家节能减排政策过程中,积极研究节能发电调度优化模式一直受到电力部门的广泛关注。含有梯级水电厂的水火电力系统优化调度必须考虑各水电厂之间的水力耦合、上下游水电厂之间水流到达时间的延迟和可能弃水等因素。在考虑环境保护和节约能源以及水电厂运行特点的基础上,提出了一种以火电厂总运行费用、污染气体排放量、水电厂弃水量为优化目标的水火电站群多目标优化调度模型。应用基于Agent的启发式计算方法求解。计算表明,该模型有利于节能减排和环境保护,提高了水力资源的利用程度,提升了电力系统的综合运行效益,为水火电力系统短期优化调度提供了新的研究思路。     

基于非抢占RMS的分布式控制系统中实时任务调度算法

分布式控制系统是一种应用极为广泛的分布式实时系统,如何将系统中的任务分配到各个处理器上并保证它们的时限是系统关键技术之一．对于系统中每一个处理器上的任务采用非抢占RMS算法调度,该算法是一种最优的静态任务调度算法,在单处理器调度算法的基础上,结合启发式任务分配算法,提出了一种分布式控制系统的调度算法．该算法是一种静态任务分配算法,算法的开销小、网络负载量低;同时在任务分配时考虑了各个处理器的负载均衡．仿真结果表明了算法的有效性．     

花凉亭水电站自动化改造技术方案

本文综述了花凉亭水电站自动化改造技术方案的核心部分。讨论了涉及水电站自动化改造的几个主要方面,包括调速器系统、励磁系统、保护系统、水机自动控制系统等部分。以上系统由分层分布式计算机控制系统构建水电站综合自动化系统,在上位机的水电站机组经济运行调度模块的配合下,可以实现水电站的可靠、经济、实用运行的基本要求,即实现少人值守的总体目标。     

花凉亭水电站自动化改造技术方案

本文综述了花凉亭水电站自动化改造技术方案的核心部分。讨论了涉及水电站自动化改造的几个主要方面,包括调速器系统、励磁系统、保护系统、水机自动控制系统等部分。以上系统由分层分布式计算机控制系统构建水电站综合自动化系统,在上位机的水电站机组经济运行调度模块的配合下,可以实现水电站的可靠、经济、实用运行的基本要求,即实现少人值守的总体目标。     

大规模混联水电系统长期发电优化调度模型及求解

采用改进判别式法求解大规模混联水电站库群发电优化调度问题.采用坐标轮换法,将多库同时供、蓄水决策转化为单库逐次轮换决策,可有效解决具有水力联系的多水库能量指数(K)求解困难.结合水库常规调度图规则,对水库时段蓄、放水量进行适当控制,以对原始判别式规则进行修正,使解算结果更为合理.结合长江中上游流域11座大型水电站调度系统,给出了一个大型混合水电站系统保证出力约束条件下发电量最大的实际例证.     

小型水电站水库长期优化调度研究

水电站水库优化调度是一个复杂的多阶段决策过程,根据小型水电站水库的特点,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,建立小型水电站水库长期优化调度问题的数学模型,并采用浮点数编码的遗传算法对该问题进行优化计算,通过仿真实验说明了该算法的可行性和有效性。     

粒子群优化算法在水库调度中的应用分析

寻求水库最优调度轨迹过程线是水库优化调度中的经典、难点问题.本文在分析以往水库优化调度模型优缺点的基础上,提出了基于粒子群优化算法(Particle Swarm Optimization,简称PSO)的水库优化调度模型,并通过引入罚函数解决强约束问题.以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析.结果表明:粒子群优化算法原理简单,易于编程实现,而且占用计算机内存小,计算速度快,适用于年内水库优化调度规则的确定.     

基于蚁群算法的水库调度图优化研究

在满足发电保证率的条件下,以年均发电量最大为目标,建立了基于模拟的水库调度图优化模型。通过混合编码描述调度线的形状,采用蚁群算法优化关键点,求解模型。以隔河岩水电站为研究背景,开展隔河岩水库优化调度图编制研究。计算结果表明,较原设计方案,水库优化调度图年均发电量可提高0.32亿kW.h,提高幅度约1.21%,经济效益显著。     

A Hybrid Artificial Neural Network-based Scheduling Knowledge Acquisition Algorithm

It is a key issue that constructing successful knowledge base to satisfy an efficient adaptive scheduling for the com- plex manufacturing system.Therefore,a hybrid artificial neural network (ANN)-based scheduling knowledge acquisition algo- rithm is presented in this paper.We combined genetic algorithm (GA) with simulated annealing (SA) to develop a hybrid opti- mization method,in which GA was introduced to present parallel search architecture and SA was introduced to increase escaping probability from local optima and ability to neighbor search.The hybrid method was utilized to resolve the optimal attributes subset of manufacturing system and determine the optimal topology and parameters of ANN under different scheduling objectives;ANN was used to evaluate the fitness of chromosome in the method and generate the scheduling knowledge after obtaining the optimal at- tributes subset,optimal ANN's topology and parameters.The experimental results demonstrate that the proposed algorithm pro- duces significant performance improvements over other machine learning-based algorithms.