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。     

基于浑江梯级水电站群多目标优化调度研究

结合混联、串并联的特点,综合考虑水电力、水力等因素建立优化调度模型,其中以实现发电量最大为根本目标。然后对系统模型的协调计算、收敛条件以及分解过程等内容采用大系统协调法进行深入的推导与说明。以浑江流域的桓仁、西江、凤鸣水电站为例,考虑电力联系与梯级间流量传播影响建立大系统分解协调模型,相对于传统算法该模型具有更好的运算效率,可为构建和优化夸省区大流域梯级水电站群优化调度模型提供一定理论参考。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略.算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法.文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解.实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行.改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法.     

基于改进粒子群算法梯级水电站短期优化调度研究

应用改进粒子群算法求解梯级水电站短期优化调度问题.考虑发电效益和存水效益结合峰谷电价建立综合效益最大模型,针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和杂交算子对其进行改进.应用改进粒子群算法对"水布垭水电站一隔河岩水电站一高坝洲水电站"进行短期优化调度,分别采用传统优化模型和峰谷优化模型进行实例计算,结果表明实施峰谷电价,对于提高梯级水电站综合效益,同时缓解高峰期用电紧张局面有更高的应用价值;应用改进粒子群算法求解梯级水电站短期优化调度问题在求解时间、求解精度上都得到了较满意的效果.     

梯级水电站群并行多目标优化调度方法

为保障梯级水电站群多目标优化调度问题的计算效率和求解精度,提出了基于Fork/Join多核并行框架的并行多目标遗传算法。该方法以多目标遗传算法为基础,引入多种群异步进化策略保证种群间个体多样性;采用迁移机制保障子种群的信息有机互馈,提升算法收敛性和解集多样性;利用并行技术实现子种群在各内核的同步求解,提高计算效率。针对问题特点,耦合个体实数串联编码方法、混沌初始化种群策略和约束Pareto占优机制等,进一步提升方法寻优性能。澜沧江流域梯级水电站群多目标优化调度结果表明,所提方法可充分利用多核资源,提升模型计算效率与求解精度,并能获得分布均匀、合理可行的调度方案集,为水电系统多目标高效决策提供科学依据。     

基于改进NSGA-Ⅱ算法的水资源多目标优化配置

山西省作为资源性缺水大省,对水资源进行优化配置是缓解用水紧张和提高社会经济发展水平的有效手段。通过建立山西省"大水网"晋中-长治供水区水资源多目标优化配置模型,对NSGA-Ⅱ算法在约束条件处理和遗传操作越界处理方面进行改进,并用于模型的求解,得出Pareto最优解集,最后从不同的侧重点挑选出3个不同的优化配置方案,以供决策者根据实际需要进行选择。综合来看,改进NSGA-Ⅱ算法较传统NSGA-Ⅱ算法更有效可行,配置结果合理。     

梯级水电站开发顺序多目标优化方法的研究

考虑到梯级电站联合运行及电站投入运行过程容量增长的跳跃性特征，建立了以折现投资和累计过剩容量最小化为目标、嵌入水库联调优化问题的多目标复合排序模型.电站投入的序及投入时间的两维优化问题转化成只需对序进行优化的一维问题给出了理论证明.提出多目标动态规划的非劣解生成技术-直接向量优化法，并给出了理论证明。     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

基于逐步优化算法的梯级水电站中长期优化调度

建立了梯级水电站中长期联合优化调度模型,并采用逐步优化算法对其进行求解。以金沙江中游梯级水电站群为例,通过计算,得到了合理的联合优化调度方案。与各水库单独运行对比,其多年平均发电量、枯期发电量及水量利用率均有不同程度的提高。该结果表明此方法应用于实际生产中切实有效,也为梯级水电站联合优化调度运行提供了一种可行的途径。     

基于粒子群算法的梯级水电站水能优化计算

基于粒子群算法,考虑梯级水电站之间水能、水量、出力之间的约束和联系,以及影响梯级电站水能计算的发电效率、水头、发电流量等因素,对某梯级水电站水能进行了优化计算。结果表明:非统一调节单级优化时的发电量比设计年均发电量大35.62亿kW·h,统一调节梯级优化时的发电量比设计年均发电量大97.84亿kW·h;离开了上游调节能力强的水库调节,下游水电站的水能损失较大。     

改进粒子群算法在梯级水电站优化调度中的应用

粒子群算法是一种全局随机搜索算法。在标准粒子群算法中引入突变机制,应用于梯级水电站优化调度中,与动态规划对比,表现出该方法的简单高效性。通过实际算例验证了该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提供了一种新的求解途径。     

基于灰色关联度与理想点法的梯级水电站多目标优化调度方法

针对梯级水电站群调度目标间的协调问题,建立了多目标优化调度模型,提出了基于灰色关联度法与熵权理想点法相结合的迭代计算方法。应用灰色关联度法将多目标优化模型转换成多个单目标优化模型,并采用逐步优化算法求解,得到多目标优化数学模型的非劣解集,以熵权理想点法从非劣解集中选择最优解。澜沧江流域梯级水电站群的实例研究表明,该方法较好地处理了不同目标间、不同目标权重组合方案间双重多目标优化问题,为协调长期优化调度多目标间的矛盾提供了一种可行方法。     

基于改进多目标蚁群算法浑北灌区优化配水研究

为提高灌区渠系配水的科学性,文中以沈阳浑北大型灌区为例,采用改进的多目标蚁群算法,对其灌区渠系配水量进行优化计算。研究成果对于大型灌区优化配水具有重要参考价值。     

基于改进多目标粒子群算法的土石坝基座体型优化研究

沥青混凝土心墙坝中基座体型和心墙厚度会较大程度地影响大坝安全性。针对传统优化方法过于依赖设计经验、设计周期长、成本高且难以解决复杂优化问题等缺陷,提出一种新的沥青混凝土心墙坝体型智能优化方法。以基座体型和心墙厚度共６个尺寸参数为优化变量,以坝体最大沉降、基座大主应力、心墙大主应力和坝坡安全系数为优化目标构建了数学模型,使用改进的多目标粒子群算法和ＦＬＡＣ３Ｄ有限差分软件分析数学模型,得到了多目标综合最优的Ｐａｒｅｔｏ解集。结果表明:采用改进的多目标粒子群算法,优化后的方案相较初始方案,４个优化目标值均得到一定程度的提升,优化效果良好;坝体最大沉降优化程度基本可忽略,后续同类型优化分析中,可不将该参数设置为优化目标;得到的Ｐａｒｅｔｏ解集为决策者提供了多个可选方案,所用方法对今后类似工程的尺寸优化设计具有一定的参考价值。     

基于改进多目标蚁群算法的辽阳灌区渠系优化配水研究

为提高灌区渠系配水的科学性,采用改进的多目标蚁群算法,以辽阳大型灌区为例,对其灌区渠系配水量进行优化计算。结果表明：相比于改进前,改进后模型收敛度得到明显改善,使得辽阳灌区配水率平均提高13.6%,平均配水量增加8.75万m³。研究成果对于大型灌区渠系优化配水方法具有重要参考意义。     

基于改进多目标蚁群算法的灌区渠系优化配水计算研究

文章采用改进的多目标蚁群算法对辽宁中部某灌区渠系进行优化配水研究。研究结果表明:相比于传统算法,改进算法下灌区各农作物需水满足度得到明显提高,灌区优化配水量均值提高9.21万m~3,优化配水率平均提高14.3%;在改进算法下,灌区优化配水时间可缩短31.3h,配水调节率在54.8%~72.8%之间。研究成果为灌区渠系优化配水提供参考。     

梯级水电站短期优化调度算法研究

随着梯级水电站的不断投产,梯级水电站短期优化调度面临的多维性、多目标性、多约束性问题越来越突出。在分时上网电价的基础上,电网峰平谷段出力比约束需着重考虑。为此,以梯级发电收益最大为目标函数研究梯级水电站短期优化调度算法,提出定出力和POA结合算法,将峰平谷出力比离散,先求解定峰平谷出力的调度过程,再用POA优选短期最优调度解。实例验证表明,算法较好地解决了高维数、多约束条件下梯级短期优化调度问题,调度结果实用性、可操作性好。     

梯级水电站群优化调度算法研究

根据梯级水电站群远程集控调度的特点,研究了适用于梯级水电站群的优化调度算法。讨论了梯级水电站群优化调度准则,对几种典型优化算法的适应性和局限性进行了分析比较。结果表明,在流域梯级电站数量较少时可采用动态规划算法,在流域梯级电站规模较大时可采用基于遗传算法的改进型优化算法。按照流域梯级水电站的实际情况采用适应的优化算法,才能发挥梯级水电站远程集控优化调度系统的优势。     

改进鲸鱼算法在多目标水资源优化配置中的应用

为了使鲸鱼优化算法(WOA)能更好地解决复杂多目标水资源优化配置问题,首先采用Logistic映射进行种群位置初始化,提高初始化种群位置的质量,并加入惯性权重增强局部搜索能力,从而实现对WOA的改进;其次,将改进后的鲸鱼算法(AWOA)应用于以经济效益和社会效益最大(缺水量最小)为目标的邯郸市水资源优化配置模型;最后,以求解所得Pareto前沿中缺水量最小为特殊偏好,将AWOA与WOA和粒子群算法(PSO)从迭代过程和求解结果上进行了对比分析。从迭代过程来看,AWOA比PSO和WOA能够以较快的速度收敛,WOA收敛速度最慢;从求解结果分析,由AWOA所得经济效益和社会效益均优于由WOA和PSO所得结果。因此,AWOA在收敛速度和收敛精度上均得到了较大幅度的提升,其应用于多目标水资源优化配置求解是可行和有效的。