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。     

基于改进粒子群算法的水电站水库优化调度研究

针对粒子群优化算法容易陷入局部最优解的问题,提出一种基于模拟退火机制的改进粒子群优化算法,并将其引入水库调度领域,设计了基于该算法的水电站水库优化调度问题的求解方法。计算实例表明,该方法采用并行搜索机制,计算速度快、全局寻优的可靠性较高,具有较好的应用前景。     

基于粒子群算法的水电站水库发电调度图绘制

在基于常规方法的水电站水库发电调度图绘制方法中,由于选取典型水文年样本数量有限,使其水文特征代表性有局限性.引入粒子群算法,利用所有历史实测资料绘制水电站发电运行调度图.该算法通过粒子间的信息共享来实现求解,具有计算简便,收敛速度快的优点.通过实际生产项目的应用,证明采用粒子群算法绘制水电站水库发电运行调度图能够克服常规绘制方法中的一些缺点,在保证可靠性指标的同时,提高了水电站的运行效益,为优化方法在水电站中长期调度中的应用提供了一种实用的途径.     

基于粒子群算法的水电站水库发电调度图绘制

在基于常规方法的水电站水库发电调度图绘制方法中,由于选取典型水文年样本数量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有历史实测资料绘制水电站发电运行调度图。该算法通过粒子间的信息共享来实现求解,具有计算简便,收敛速度快的优点。通过实际生产项目的应用,证明采用粒子群算法绘制水电站水库发电运行调度图能够克服常规绘制方法中的一些缺点,在保证可靠性指标的同时,提高了水电站的运行效益,为优化方法在水电站中长期调度中的应用提供了一种实用的途径。     

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编码的改进遗传算法,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.     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题.该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解.根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果.结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性.     

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。     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题。该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解。根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

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。     

基于模拟退火混合遗传算法的电力系统相量测量装置优化配置

针对确定配置同步相量测量单元(phasor measurement units,PMU)的最小数和最佳位置以达到最大网络结构可观测性的PMU最优配置问题,提出了模拟退火遗传算法。该算法对常规遗传算法会出现早熟现象、局部寻优能力较差等缺点,在遗传算法中融入模拟退火算法算子,实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。将该算法应用于优化PMU安装地点选择,实现了安装点最少,而整个系统可观的目标。IEEE14节点系统和新英格兰39节点算例系统对所提方法进行了验证。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

群居蜘蛛优化算法在水电站优化调度中的应用及其效能分析

针对水电站优化调度高维、非线性、多约束以及模型不易求解的特点,本文提出将群居蜘蛛优化算法应用于水电站优化调度。算法依据群居蜘蛛的协同机制全局寻优,能够避免早熟收敛和陷于局部最优值,获得最优的水库调度决策。结合具体实例并与动态规划、遗传算法的效能进行比较,结果表明该方法不仅寻优效果好,而且稳健性强,参数少、搜索效率高,是一种有效的水电站优化调度模型的求解方法,可在实际中推广应用。     

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.     

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题.     

水库发电优化调度模型及发电调度规律研究

水库调度图以其操作简单、方便直观等优点,成为指导水电站水库运行调度的常用工具,但依据常规调度图运行时,调度结果很难达到最优,难以充分发挥水库的运行效益。针对水库发电调度图难以充分发挥水库运行效益的特点,建立了梯级水库联合发电优化调度模型,并采用动态规划逐次逼近法（DPSA）与动态规划（DP）嵌套方法进行求解。通过调度图模拟结果与所建发电优化模型的结果进行对比分析,对优化模型的合理性进行了验证,同时应用概率统计方法进一步挖掘水库汛期和非汛期的发电调度规律。对某流域梯级水库的实例应用研究表明,优化运行能够获得更好的发电运行效益,同时,发电调度规律对水电站年调度计划的制订和水库的实际运行具有指导意义。     

病毒进化遗传算法在水电站优化调度中的应用研究

将生物免疫系统的核心内容——病毒感染机制引入遗传算法,提出了基于病毒进化遗传算法的水电站优化调度模型。通过病毒个体对宿主种群的感染,有效改善了种群多样性,提高了遗传算法的全局搜索能力。以福建省棉花滩水电站的年发电调度为例,对丰、平、枯不同典型年进行了优化计算。计算结果表明,各种典型年,病毒进化遗传算法获得的调度结果均优于标准遗传算法,与动态规划方法获得的结果十分接近。因此,基于病毒进化遗传算法的水电站优化调度模型是有效的和优越的。     

水电站水库群分区调度图的基本研究

本文提出了应用水电站水库群分区调度图进行库群长期调度的新方法。该调度图的绘制,则是通过建立水库优化调度模型、设计计算径流系列、进行统计分析和优化计算等步骤实现的。实例研究结果证明了该方法的有效性和可行性。     

考虑发电风险率的水库优化调度图编制

传统发电水库优化调度模型一般以最大多年平均发电量和发电保证率为目标函数,其内涵是水库经多年调度运行的平均期望效益最大化,而不能反映调度运行一段时期的风险率.本文针对水电站水库优化调度图编制问题,采用不同目标函数建立了两个模型:①以最大化多年平均发电量和发电保证率为目标的多年期望模型;②基于原设计常规调度图这一评价基准,定义发电风险率为发电量或发电保证率低于原设计调度图模拟运行结果的频率,建立了强调发电风险的特定时期风险模型.采用多目标遗传算法NSGA-Ⅱ求解,以隔河岩～高坝洲梯级水电站为研究背景,结果表明:较原设计调度图,得到的一个优化调度图年均发电量增加了1.22亿kW·h,年发电量风险率仅为1.82％,发电保证率可增加2.74％.因此,提出的特定时期风险模型适合于临时运行时期或者每年单独考评的调度操作中.     

基于模拟差分演化算法的梯级水库优化调度图研究

差分演化算法是一种收敛快、控制参数少并且易于实现的演化算法。本文将模拟技术与差分演化算法相结合,提出了基于模拟差分演化算法制定梯级水库优化调度图的方法。通过实际算例验证了该方法的合理性与可靠性,从而为高维梯级水库优化调度图的制定提供了一条新的思路。     

梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法

针对标准差分演化算法全局搜索易陷入局部最优问题,利用混沌理论和模拟退火算法的优点对差分演化算法进行改进;同时,为提高算法的求解效率,结合Fork/Join并行框架,提出了梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法(PCSADE)。该算法利用混沌理论随机性和遍历性强以及模拟退火算法局部搜索能力强的特点,采用混沌理论生成差分演化算法初始种群且对其控制参数进行动态调整,并利用模拟退火算法Metropolis准则替代差分演化算法中的选择操作,提高了差分演化算法的寻优能力;采用基于分治策略的Fork/Join并行技术将复杂计算任务分为多个子任务,实现了算法的并行计算求解。红水河流域14座水电站实例计算结果表明,PCSADE能够充分利用多核资源,显著提高优化解质量和计算效率,是求解水电站群长期优化调度问题的一种有效可行的方法。