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...     

温州电网梯级水电站优化调度实践

建立由温州电网属下的梯级水电站群优化调度的数学模型,采用基于浮点数编码的改进遗传算法对该模型进行了优化计算,该算法设计编程简单,计算量小,收敛速度快.利用三插溪水库的入库径流实测值进行了仿真实验,实验结果表明优化调度比常规调度经济效益超过5%,说明了遗传算法用于梯级水电站群优化调度既可行又有效.     

遗传算法在水电站优化调度中的实用研究

根据水电站优化调度问题的实际特点，用基于十进制的遗传算法，加入最优保存和局部搜索两种收敛策略对问题进行了改进。并用五强溪电站的实际例子进行了模拟计算，与未经改进的遗传算法进行了比较，取得了比较满意的结果。     

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。     

基于改进遗传算法的水电站日优化调度方法研究

将遗传算法用于解决水电系统短期发电优化调度问题 ,利用改进的遗传算法初始编码方式 ,结合最优日调度权重系数 ,构造了水电站短期优化调度的改进遗传算法模型 ,由于原始基因已经具有了一定的规律性 ,所以模型具有计算速度快 ,结果准确、合理 ,便于实际调度需求等特点。实例证明 ,该方法能够求解复杂约束条件下的非线性优化问题 ,算法编程简洁 ,易于实现 ,从而为分时电价应用环境下的水电站短期发电优化调度问题提供了一种有效的解决方法     

基于人工神经网络的梯级水电站群调度规则研究

水电站群的操作运行往往根据经验而来,缺少科学依据.本文根据人工神经网络的非线性决策的特点,提出了水电站群最优调度规则的人工神经网络模型,并结合实际算例,进行其最优调度规则的模拟计算.通过与不同方法所得结果的对比,结果表明了模型的合理性、可行性及实用性.     

梯级水电站群优化调度控制研究及解决方案

研制了分层的乌江梯级水电站群优化调度控制系统,由3个子系统组成:水情测报系统、水库调度系统和梯级远程集中监控系统。将调度控制的优化分解为3个子系统的优化控制。运用了梯级最大发电量、梯级最大蓄能量和梯级各电站最小库水位越限程度3个优化准则,并针对各个优化准则建立了相应的数学模型。在对适用于梯级水电站群优化调度计算的各类优化算法进行分析并结合实际运用情况的基础上,提出应优先考虑采用改进动态规划算法求解梯级水电站群优化调度问题。实际运行情况表明,优化调度控制大幅提高了乌江梯级水电站群的经济效益和运行管理水平。     

An improved partheno genetic algorithm for multi-objective economic dispatch in cascaded hydropower systems

The multi-objective economic dispatch (MOED) problem in cascaded hydropower systems is a complicated nonlinear optimization problem with a group of complex constraints. In this paper, an improved partheno genetic algorithm (IPGA) for resolving the MOED problem in hydropower energy systems based on the non-uniform mutation operator is proposed. In the new algorithm, the crossover operator is removed and only mutation operation is made, which makes it simpler than GA in the genetic operations and not generate invalid offspring during evolution. With the help of incorporating greedy selection idea into the non-uniform mutation operator, IPGA searches the solution space uniformly at the early stage and very locally at the later stage, which makes it avoid the random blind jumping and stay at the promising solution areas. Finally, the proposed algorithm is applied to a realistic hydropower energy system with two giant scale cascaded hydropower plants in China. Compared with other algorithms, the results obtained using IPGA verify its superiority in both efficiency and precision.     

Optimal reactive power dispatch using an adaptive genetic algorithm

This paper presents an adaptive genetic algorithm (AGA) for optimal reactive power dispatch and voltage control of power systems. In the adaptive genetic algorithm, the probabilities of crossover and mutation, p_c and p_m, are varied depending on the fitness values of the solutions and the normalized fitness distances between the solutions in the evolution process to prevent premature convergence and refine the convergence performance of genetic algorithms. The AGA applied for optimal power system reactive power dispatch is evaluated on an IEEE 30-bus power system in which the control of bus voltages, tap position of transformers and reactive power sources are involved to minimize the transmission loss of the power system.     

Optimal power dispatch in multinode electricity market using genetic algorithm

The application of the genetic algorithm to solve the optimal power dispatch problem for a multi-node auction market is proposed in this paper. The optimal power dispatch problem is a non-linear optimisation problem with several constraints. The objective of the proposed genetic algorithm is to maximise the total participants’ benefit at all nodes in the system. The proposed algorithm is simple to implement and can easily incorporate additional constraints. The algorithm was tested on a 17-node, 26-line system. The results have shown that the proposed algorithm yields good results that are consistent with typical market behaviour.     

Optimal reactive power dispatch using self-adaptive real coded genetic algorithm

In this paper, self-adaptive real coded genetic algorithm (SARGA) is used as one of the techniques to solve optimal reactive power dispatch (ORPD) problem. The self-adaptation in real coded genetic algorithm (RGA) is introduced by applying the simulated binary crossover (SBX) operator. The binary tournament selection and polynomial mutation are also introduced in real coded genetic algorithm. The problem formulation involves continuous (generator voltages), discrete (transformer tap ratios) and binary (var sources) decision variables. The stochastic based SARGA approach can handle all types of decision variables and produce near optimal solutions. The IEEE 14- and 30-bus systems were used as test systems to demonstrate the applicability and efficiency of the proposed method. The performance of the proposed method is compared with evolutionary programming (EP) and previous approaches reported in the literature. The results show that SARGA solves the ORPD problem efficiently.     

基于量子蚁群优化算法的梯级水电系统经济调度

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(QACOA),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。QACOA融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用QACOA对梯级水电系统经济调度进行仿真,结果表明QACOA使调度期内实发电能和储蓄电能得到了明显提高。     

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Matlab/Simulink电力系统仿真工具箱的拓展

在Matlab/Simulink环境下,建立直流锅炉机组蒸汽压力模型,并通过扰动实验对该模型进行验证,然后采用Simulink软件包中的模块封装技术将其封装成一个子系统模块,最后将其添加到SimpowerSystem模块库中以此来补充电力系统工具箱中所缺乏的锅炉模块,从而使SimpowerSystem模块库更加完善.     

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。