基于流量分级策略的水电站分期调度规则提取方法北大核心CSCD

在水电站优化调度中,确定性优化所得到的最优决策受前后时段径流影响,入库径流的不稳定会使部分时段的调度规则极为复杂,提取存在较大的难度。针对这一问题,提出了一种机理明确的水电站分期调度规则提取思路,即根据各个时段调度规律的稳定性将调度期划分为稳定期与衔接期,并对调度规律稳定期与衔接期分别采用不同的调度规则提取方法。同时,通过分析衔接期径流特性,引入了逐时段流量分级策略,对衔接期最优决策呈现出的上下调度线进行了有效划分。以天生桥一级水电站为对象进行了实例研究,结果证明了该方法的有效性与优越性。     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数码的改进遗传算法,并进行水电站水库优化调度研究。用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解,实例计算并与常规优化相比,表明该方法简便,快速,可避免水库优化调度中的维数灾。     

基于退火遗传算法的水电站短期优化调度

电力市场环境下,水电站短期优化调度对优化发电企业向电力市场申报的次日发电计划和最大化企业发电收益具有重要意义。为了提高短期优化调度的计算精度和效率,针对模拟退火算法和遗传算法的优缺点将两者结合起来形成退火遗传算法,改善其计算精度和速度。实例计算表明该方法是可行的。     

基于遗传算法的小水电站优化调度方法的研究与实践

针对以发电为主的小水电站单库和串联小水电站群,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,分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算,从而提高了算法的搜索效率。基于VC 编程设计了小水电站运行调度智能算法系统软件,用类CbestGA封装了求解一般水库调度问题的遗传算法,并应用于一个实际的小水电站调度,实验结果说明了遗传算法用于水库优化调度的可行性和有效性。     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间.提出了一种优化常规调度图的新方法--混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正.该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性.通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径.     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。     

水电站短期发电调度规则制定

针对以往短期发电调度规则实用性不强等缺点,采用逐步优化算法（POA）与遗传算法（GA）嵌套搜索,对金沙江一梯级电站三个典型年的资料和大量模拟的径流过程进行计算,得出一系列优化调度过程。在此基础上将调度期划分为一般时期与枯汛过渡时期,分析了各时期水电站单独运行与参与梯级联合运行的发电调度运行方式,并总结为简便可行的规则。该规则能充分利用径流预报进行滚动调度,实用性较强。通过对比根据调度规则运行的模拟结果和优化结果可知,电站年发电量最大相对差值也不超过1%,证明该规则可以有效地指导实际生产运行,并为水电站短期发电调度提供了全新的思路。     

水电站保证出力复核计算方法的改进

水电站保证出力是水利发电一个十分重要的运行参数。在水电站运行多年后,需要对水电站的保证出力进行复核,以便更好地指导水电站的运行。复核计算保证出力的方法包括等流量法和等出力法,等流量法适合日调节水电站;等出力法适合于年调节及多年调节水电站。基于等出力法的不足,将二分法的思想应用于等出力法计算保证出力的过程中并对其进行改进,将改进后的计算方法应用于实例计算分析,结果表明二分法和等出力法相结合的计算方法能有效地求解水电站的保证出力。     

基于自适应蚁群算法的水电站水库优化调度

应用自适应蚁群算法来求解水电站优化调度问题,该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。实例计算表明,该算法计算精度高,收敛速度快,克服了传统蚁群算法计算时间长,易于陷入局部最优的缺点,能较好地避免动态规划的维数灾问题,可求解具有复杂约束条件的非线性规划问题,为解决水电站优化调度问题提供了一种有效的途径。     

基于精英策略布谷鸟算法的主动配电网经济优化调度

为提高主动配电网（Active Distribution Network,ADN）运行过程中的经济性,对ADN运行总成本的组成部分分别进行分析,并以ADN运行总成本最小作为目标函数,综合考虑各类约束条件,建立基于精英策略布谷鸟算法（Elite Strategy Cuckoo Search,ESCS）的ADN经济优化调度模型。采用鸟卵被发现概率动态设置和精英策略对布谷鸟算法（Cuckoo Search,CS）改进,提升算法的优化性能。利用IEEE 33节点配电系统进行仿真分析,结果表明,ESCS算法经过迭代找到的最优解在收敛次数和计算精度方面均优于其他算法,提高ADN优化调度的经济性,验证模型的正确性和实用性。     

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。     

基于可行搜索空间优化的电力市场下梯级水电站短期调峰运行研究

考虑电力市场的边际电价、短期水库调度的时滞效应,建立梯级发电效益最大模型。针对高维、非线性复杂优化调度问题,在水库综合用水、电网调峰等多约束条件下,采用约束处理技术,从优化可行搜索空间角度改进优化算法,对模型进行求解。以黄河上游梯级水电站为例,对梯级发电效益最大模型进行求解,计算结果较正常运行结果日发电效益增幅2.63%,计算耗时缩短了2380ms,验证了改进算法的合理性和有效性。     

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。     

基于信息诱导遗传算法的梯级水电站自调度优化

借鉴信息素对昆虫群体协调行为的作用,建立信息素释放模型、信息素扩散模型、信息诱导模型和信息定向模型,提出信息诱导算子(Pheromone Induction Operator,PIO),并与改进遗传算法(Improved Genetic Algorithm,IGA)相结合,形成信息诱导遗传算法(Pheromone In...     

基于水力学仿真的梯级水电站运行调度研究

针对级间调蓄容积较小的渠道梯级水电站,采用可视化软件仿真分析运行调度引起的非恒定流过程,以防调度不当导致渠池被抽空或大量溢流弃水等现象。仿真计算的数学模型中对明渠非恒定流和管道水锤分别采用显式蛙跳格式和特征线格式迭代求解,两种格式通过引水前池的水位边界条件和机组的流量边界条件衔接。对某两级渠道水电站,采用Visual Basic 6.0开发了可视化仿真软件来模拟甩负荷、起动和停运等工况下非恒定流过程,并调算得出了各级站相应的运行调度原则,为工程的设计和运行管理提供了有价值的建议。     

梯级水电站实时补偿增益多因素综合分配方法探讨

龙头水库带一串日调节或无调节电站组成的水电梯级,在汛初和汛期两场洪水之间的特定时段开展小流量泄流补偿调度,既可以减少龙头水库无益弃水,又能增加下游电站发电量;分析了影响实时补偿调度增益分配的主要因素;提出了补偿调度增益的计算原理和龙头水库泄流补偿调度风险率与期望损失计算方法;提出了具有明确物理意义的补偿调度增益多因素综合分配模型。通过沙溪流域的实例分析,表明提出的方法能够取得合理的结果。     

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。     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。