基于改进微粒群算法的梯级水库群优化调度

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度.该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0.为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束.实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意.     

基于FP遣传算法的梯级水库短期优化调度

梯级水库短期发电优化调度是一个复杂的非线性问题,涉及变量较多、数据范围较大,传统二进制编码遗传算法严重影响搜索时间.采用实数编码遗传算法(FPGA)可以较好地解决计算精度与搜索时间问题.工程实例证明,FP遗传算法容易实现、计算准确、搜索计算速度快,对求解梯级水库短期优化调度可行、正确.     

渠道梯级电站群优化调度

本文在经验总结与理论分析基础上,提出了渠道梯级电站群优化调度的分解协调模型,并采用模拟与动态规划相结合的方法,求解了海南松涛灌区东干渠上五级电站群的优化调度问题,采用了以站前水位变幅为控制变量的站内及站群系统调控方式,方法简单可行,经济效果较好。     

基于免疫粒子群优化算法的梯级水电厂间负荷优化分配

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及疫苗接种原理,改进了粒子群优化算法的全局寻优能力,提高了收敛速度。在分析梯级水电厂间负荷分配的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的负荷优化分配方法,建立了数学模型,给出了具体求解步骤。经实例验证,IA-PSO算法得出的负荷分配方案优于PSO算法的计算结果,且算法后期收敛速度快,从而为梯级水电厂间负荷优化分配问题提供了一条新的求解途径,可应用于更广泛的优化问题。     

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。     

基于鲶鱼效应粒子群算法的梯级水库群优化调度

针对梯级水库群优化调度多约束、高维、非线性和难以求解的特点,将鲶鱼效应机制引入到粒子群算法中提出鲶鱼效应粒子群算法。该算法在进化中通过鲶鱼启发器引入鲶鱼粒子,依据鲶鱼效应调整种群的飞行模式,一方面利用鲶鱼粒子的驱赶作用使粒子种群跳出稳定状态激发活力,从而提高种群多样性;另一方面利用鲶鱼的高素质动态调节对进化过程进行有目的指导,进而保持算法的高搜索性能。算例表明,和标准粒子群算法、混沌粒子群算法相比,鲶鱼效应粒子群算法具有更好的全局寻优能力和较快的收敛速度,能有效地应用于梯级水库群优化调度中。     

基于混合粒子群算法并计及概率的梯级水电站短期优化调度

针对梯级水电站短期优化调度的不确定性问题,研究了不确定性因素的概率分布规律,并根据实际系统的运行要求,给出了概率分布密度函数的假设检验方法。探索发电用水量与各种随机因素的互动关系及影响机理,构建了一种新的计及概率的梯级水电站短期优化调度策略。把灾变理论、混沌优化思想和基本粒子群算法结合起来,形成一种混合粒子群算法。该算法扩大了种群的搜索空间,增加了种群的多样性,改善了基本粒子群算法摆脱局部极值点的能力,并能从理论上证明其依概率收敛至全局最优解。将混合粒子群算法嵌入蒙特卡罗随机模拟中对本文提出的模型进行求解,求解方法简单有效。仿真结果表明,该策略能较好地处理不确定性条件下梯级水电站的短期优化调度问题。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

基于自适应粒子群算法的梯级小水电群优化调度研究

针对以发电为主的梯级小水电群,以各水库的发电引用流量为决策变量,建立了以发电量最大为目标的梯级小水电群优化调度数学模型;设计了PSO算法和APSO算法的工程实现方法,具体包括编码设计、迭代方法设计以及惯性权重设计等;通过一个具有两库串联的梯级小水电群实例,将PSO算法和APSO算法的仿真寻优过程进行了比较,结果显示两种算法是有效的,并且APSO算法具有更强、更快的全局搜索能力;将APSO算法的仿真结果与同一条件下的GA算法的仿真结果进行了比较,结果显示APSO算法的仿真结果更优,更能充分利用水能资源.     

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷,仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高,收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.     

动态规划和粒子群算法在水电站厂内经济运行中的应用比较研究

随着电站装机容量和机组台数的不断增加,利用动态规划求解水电站厂内经济运行问题,将面临"维数灾"和实效性问题.近些年,粒子群算法作为一种新型的群体智能优化方法,由于能够弥补动态规划计算时间长、内存占用量大等诸多不足,在水电站厂内经济运行等方面得到了广泛重视.现有文献,大多数从方法的应用角度探讨较多,但从替代动态规划的必然性和潜力方面探讨较少,鲜有实例分析.本文以百万级装机千瓦的乌江渡水电站为实例,深入分析与比较了粒子群算法与动态规划的优劣,认为粒子群算法是代替动态规划、求解装机规模庞大的巨型水电站厂内经济运行的有效方法.     

基于病毒进化粒子群算法的梯级电站厂间负荷优化分配

病毒进化粒子群算法（VPSO）是将病毒进化机制引入粒子群算法（PSO）中,利用所生成的主群体和病毒群体指导种群进化。寻优过程中,主群体在上下代粒子群之间纵向传递信息,指导粒子群的全局搜索;病毒群体通过转录与反转录在同代个体之间横向传递进化信息,指导粒子群的局部搜索。算例结果表明,较PSO算法和免疫粒子群算法（IPSO）,VPSO算法提高求解精度的同时也加快了计算速度,能有效解决复杂的梯级电站厂间负荷分配问题。     

基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

梯级水电站短期优化调度研究

在市场环境中系统电价和负荷一定的情况下,将效益最大化作为系统优化准则,运用水资源价值系数、设备运行费、折旧费及其他费用等成本因素,建立分时电价梯级水电站短期优化调度模型;构造了求解该模型的层结构蚁群算法,采用启发式规则解决解的多样性和机组启停问题,采用精英策略节约计算内存和优化时间。最后,运用我国西南地区某梯级流域中三个连续水电站的数据建立了调度模型并运用层结构算法进行仿真;并从理论方面分析了仿真结果中的每一个变化,对精英区大小的选择作了讨论,分析表明仿真结果与理论分析保持一致,说明建立的模型是合理的,提出的方法是可行而有效的。     

梯级水电站短期周优化调度规律探讨

建立了梯级水电站短期周优化调度的梯级蓄能最大模型,在此基础上采用动态搜索算法对其进行求解.通过严密的理论推导和详尽的实例分析探讨了流域梯级电站负荷最优分配规律.梯级电站负荷最优分配主要由梯级水库的区间入流关系和水库特性决定,其结论可指导流域梯级电站优化运行,为集控中心调度和指导实际应用提供参考.调度决策者尚需根据本文的研究方法针对本流域和电站的特性制定符合自身的最优调度规则.