基于PSO的梯级水库联合防洪调度

在分析梯级水库联合防洪调度、上下游水库及防洪保护对象之间复杂的水文水力联系和水库群对防洪保护对象防洪补偿调度方式的基础上,建立了梯级水库联合防洪补偿调度模型,并提出了一种基于粒子群算法的模型求解方法。以湖南省资水流域上柘溪与金塘冲水库为例,根据不同典型年的地区洪水组合,通过模型求解拟定了梯级水库联合补偿调度原则。分析研究结果表明,这种基于PSO的梯级水库联合防洪调度原则是合理的,该模型能在一定程度上简化梯级水库联合防洪补偿调度的复杂性,为解决梯级水库联合防洪补偿调度提供了一条简洁有效的途径。     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

基于粒子群算法的梯级电站日优化调度

采用粒子群智能优化算法,可避免多梯级水电站系统优化模型所产生的＂维数灾＂,能实现对梯级电站日优化调度模型的有效求解,从而得到梯级电站日优化调度方案,该方案可作为梯级电站联合竞价上网的参考依据,也可作为水库调度运行方式的参考,有助于梯级电站实现整体的发电效益最大化。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

改进粒子群算法在梯级水库优化调度中的应用

针对粒子群优化算法搜索精度不高和易陷入局部最优解的缺陷,结合梯级水库联合优化调度的实际问题,提出了惯性权重的余弦处理机制和自适应选择学习对象策略,并结合分层交叉思想对粒子群算法进行了改进。实例计算表明:该算法合理、可靠,有效地提高了计算精度与效率。     

基于粒子群算法的梯级泵站优化调度研究

针对大型梯级泵站运行特点,用调度周期内的机组启动次数衡量维修成本,建立以抽水电费最小和机组启动次数最少为优化目标、以调度周期不同时段下流量分配为决策变量的双目标优化调度模型,并利用线性加权方法评估双目标之间的关系,最终采用粒子群求解算法进行模型求解。工程实例分析表明,基于线性加权的梯级泵站双目标优化调度,不仅可以获得抽水电费与机组启动次数之间的权重关系和最优运行方案,也可为梯级泵站调度决策提供理论依据。     

基于改进布谷鸟算法的梯级水库长期优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于PSO的水库调度图优化研究

针对常规调度方法中需要人工修正以及智能算法中容易陷入局部最优等问题,在满足生态用水需求和发电保证率的前提下,建立了以发电量最大为目标的水库调度图优化模型,并采用改进后的粒子群算法对模型进行求解。以北方某水库为例展开研究,计算结果表明,在2种方法得到的保证出力和发电保证率相同的情况下,与常规调度图相比,水库优化调度图年均发电量可提高约1.46%,经济效益显著,同时水量利用率可提高0.9%,更利于充分利用水能资源。     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,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,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

混合粒子群算法在水库优化调度中的应用

水库优化调度是个非线性、强约束的组合优化问题,利用基本粒子解方法易于陷入局部优化;本文利用混合的粒子群算法,较好地克服了基本粒子群早熟和易于陷入局部最优的缺点,获得了更好的计算精度.实例结果表明,该方法有一定的有效性.     

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.     

水电站机组优化组合的混合粒子群优化算法

机组组合是水电站短期发电计划中一个非常重要的问题,合理的组合运行能带来显著的经济效益,开展对机组优化组合的可行性和有效性研究有重大的现实意义。建立了该问题的数学模型,并提出了混合粒子群算法（Hybrid Particle Swarm Optimization,HPSO）的工程实现方法,采用量子粒子群算法解决机组方案的确立,并采用粒子群算法求解负荷经济分配。设计了粒子的适应度计算方法和速度更新方法,提出了HPSO算法的求解步骤。仿真分析表明：HPSO算法求解机组优化组合问题是可行和有效的,该算法实现简单,具有更快更好的收敛性能。     

基于混合微粒群算法的堆石坝土石方调配计算

基于微粒群算法和模拟退火算法,构成混合微粒群算法.建立混合微粒群算法数学模型,用于堆石坝土石方调配计算.在河口村水库面板堆石坝土石方调配计算的应用中,计算成果为施工组织设计提供了较为详尽、可靠的数据支持.与其他算法相比,利用混合微粒群算法解决土石方调配问题方便、可行.     

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。     

基于粒子群优化的最优负荷恢复算法

建立了考虑冷负荷特性的最优负荷恢复模型，考虑了系统的频率、电压和发电机有功出力等动态约束条件，以确保在恢复尽可能多负荷的同时，使系统维持合理的运行频率和网络电压水平等。利用PSS/E软件提供的二次开发语言IPLAN，引入粒子群优化算法对所建的最优负荷恢复模型进行求解，并采用罚函数法对动态约束条件进行处理，可以快速求得在满足系统安全稳定约束条件下可恢复的最大负荷量及负荷位置。算例分析验证了该方法的有效性。     

粗粒度并行自适应混合粒子群算法及其在梯级水库群优化调度中的应用

为了充分利用现今普及的多核配置计算机,提高大规模梯级水库群优化调度问题的求解效率,提出了梯级水库群优化调度的粗粒度并行自适应混合粒子群算法。该方法以自适应混合粒子群算法为求解基础,采用粗粒度并行设计模式,利用Fork/Join多核并行框架的分治策略,将其初始种群递归划分为多个子种群,平均分配到不同的内核逻辑线程中实现并行计算,并在各子种群优化结束后,合并优化结果集从而输出全局最优解。以澜沧江下游梯级水库群发电优化调度为例,利用该方法进行计算。结果表明,该方法能充分发挥多核配置的计算性能,在4核环境下最大加速比达到3.97,缩短计算耗时1 787.2 s,计算效率显著提高,为我国不断扩张的大规模梯级水库群优化调度提供了一种切实可行的高效求解途径。     

调峰容量效益最大的梯级电站优化调度

为适应电力市场对水电站容量效益的需要,建立了既考虑容量效益又考虑电量效益的梯级电站优化调度模型,并提出了求解该模型的改进PSO算法,该算法能够有效处理目标函数带有层次性的多目标优化问题,具有收敛效率高的特点。用该算法对三峡梯级电站枯水期的优化调度问题进行了研究,使三峡梯级电站在获得尽可能大的调峰容量效益的同时也得到最大的电量效益。     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对常规粒子群优化算法易早熟，后期收敛慢且易陷入局部最优解的不足，提出一种新的惯性权重系数更新策略—自适应指数惯性权重系数（SEIWC）代替线性递减惯性权重系数（LDIWC），同时，将遗传算法中的染色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群优化算法的库群长期优化调度模型，计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐步优化算法获得的结果达到相当水平。     

清江梯级水库HEC-ResSim模型调度规则研究

采用美国陆军工程兵团的水库调度软件模型HEC-ResSim对清江梯级水库进行了模拟调度演算和效益评估.模型分别选用1955～2005年丰、平、枯典型年3小时历史实测径流资料,通过与常规调度方法的结果相比较,提出了适宜于该流域梯级特性的调度规则.模拟研究的结果表明,HEC-ResSim模型对于丰水年、平水年以及所有年份的蓄水期调度效果优于常规的方法,而在枯水年及所有年份的供水期的调度效果改进不明显.