變尺度混沌粒子群算法的梯級(jí)水電站水庫優(yōu)化調(diào)度研究

為解決粒子群優(yōu)化算法存在的早熟和易陷入局部最優(yōu)的問題,提出了一種組織進(jìn)化粒子群算法(oepso)。該算法將進(jìn)化操作直接作用在組織上,通過組織間的相互競爭、協(xié)作,最終達(dá)到全局優(yōu)化的目的,較好地克服了基本粒子群算法易于早熟和陷入局部最優(yōu)的缺點(diǎn)。在分析水庫優(yōu)化調(diào)度的數(shù)學(xué)模型和oepso算法特點(diǎn)的基礎(chǔ)上,提出了基于oepso算法的水庫優(yōu)化調(diào)度的方法,建立了數(shù)學(xué)模型,并給出了具體求解步驟。實(shí)例驗(yàn)證表明,oepso算法具有良好的收斂速度和計(jì)算精度,為水庫優(yōu)化調(diào)度問題提供了一條新的有效求解途徑。

針對(duì)粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問題,提出一種基于模擬退火機(jī)制的改進(jìn)粒子群優(yōu)化算法,并將其引入水庫調(diào)度領(lǐng)域,設(shè)計(jì)了基于該算法的水電站水庫優(yōu)化調(diào)度問題的求解方法。計(jì)算實(shí)例表明,該方法采用并行搜索機(jī)制,計(jì)算速度快、全局尋優(yōu)的可靠性較高,具有較好的應(yīng)用前景。

介紹了混沌粒子群算法,并將其用于水庫調(diào)度中,指出:混沌粒子群優(yōu)化算法引入了混沌搜索機(jī)制,增加了粒子的多樣性,擴(kuò)大了搜索的范圍,不僅保持了粒子群優(yōu)化算法收斂速度快的優(yōu)點(diǎn),而且還增強(qiáng)了全局收斂能力,能避免陷入局部最優(yōu)的情況,可以更好地解決水庫優(yōu)化調(diào)度的強(qiáng)約束、多階段、非線性組合問題。

粒子群優(yōu)化算法是通過粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來尋找問題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點(diǎn),本研究對(duì)遞減慣性權(quán)值進(jìn)行了改進(jìn),將其表示為粒子群進(jìn)化速度與群體平均適應(yīng)度方差的函數(shù);給出了適合pso算法的約束處理機(jī)制,提出了一種改進(jìn)自適應(yīng)粒子群算法,并將其應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算并與經(jīng)典方法相比,表明該方法原理簡單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

建立一種梯級(jí)水電站中長期水庫優(yōu)化調(diào)度模型,利用混沌優(yōu)化算法對(duì)梯級(jí)水電站中長期水庫調(diào)度問題進(jìn)行優(yōu)化計(jì)算。實(shí)例計(jì)算結(jié)果表明,該算法可求解復(fù)雜約束條件的非線性梯級(jí)水電站水庫優(yōu)化調(diào)度問題,精度高、收斂速度快,為求解梯級(jí)水電站水庫優(yōu)化調(diào)度提供了一種有效算法。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長期優(yōu)化調(diào)度提供了一種簡單實(shí)用的求解方法。

隨著經(jīng)濟(jì)與科學(xué)技術(shù)的不斷發(fā)展,社會(huì)的需求使得對(duì)水庫調(diào)度管理水平的要求越來越高,使得越來越多的因素被考慮在水庫調(diào)度決策中,水庫調(diào)度逐漸進(jìn)入了優(yōu)化階段。本文主要針對(duì)基于梯級(jí)水電站水庫優(yōu)化調(diào)度的,粒子群優(yōu)化方法進(jìn)行研究,提出了相應(yīng)的改進(jìn)措施,并通過實(shí)踐進(jìn)行了有效分析。

文章提出了應(yīng)用改進(jìn)粒子群算法求解水電站優(yōu)化調(diào)度問題的方法,粒子群算法模擬了鳥類群體覓食的搜索過程來尋找水電站最優(yōu)調(diào)度計(jì)劃。對(duì)傳統(tǒng)粒子群算法進(jìn)行了改進(jìn),克服了早熟和陷入局部最優(yōu)的缺點(diǎn)。實(shí)例計(jì)算表明,粒子群算法可以求解具有復(fù)雜約束條件的非線性水電站優(yōu)化調(diào)度問題,與經(jīng)典算法相比,該算法原理簡單,易于編程,占用內(nèi)存少,求解精度高,收斂速度快,是一種有效的搜索算法。

提出了一種協(xié)調(diào)粒子群算法,利用多粒子群的信息協(xié)調(diào)和擾動(dòng)策略的方法,較好地克服了基本粒子群算法易于早熟和陷入局部最優(yōu)的缺點(diǎn),具有良好的收斂速度和計(jì)算精度。實(shí)例計(jì)算表明,協(xié)調(diào)粒子群算法能夠求解水電站優(yōu)化調(diào)度這樣的非線性、強(qiáng)約束組合優(yōu)化問題,原理簡單,易于編程,占用內(nèi)存少,為水電站優(yōu)化調(diào)度問題提供了一種具有較高應(yīng)用價(jià)值的方法。

提出一種求解混聯(lián)水電站水庫群中長期優(yōu)化調(diào)度問題的方法—變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)。算法利用混沌運(yùn)動(dòng)的內(nèi)在隨機(jī)性、遍歷性和規(guī)律性來尋找混聯(lián)水電站水庫群中長期最優(yōu)調(diào)度計(jì)劃。算法利用混沌運(yùn)動(dòng)的特點(diǎn),將混沌變量映射到待尋優(yōu)變量區(qū)間,通過尺度變換不斷縮小優(yōu)化變量的搜索空間,利用改變"二次搜索"的調(diào)節(jié)系數(shù)提高搜索精度以獲取全局最優(yōu)解。實(shí)例計(jì)算結(jié)果表明,算法可以求解具有復(fù)雜約束條件的非線性混聯(lián)水電站水庫群優(yōu)化調(diào)度問題。算法求解精度高、收斂速度快,為解決混聯(lián)水電站水庫群中長期優(yōu)化調(diào)度問題提供了一種新的方法。

針對(duì)pso算法中的早熟收斂問題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進(jìn)化方式,引入一種局部隨機(jī)搜索算子實(shí)現(xiàn)信念空間的知識(shí)結(jié)構(gòu)并指導(dǎo)算法的演化過程,在保持種群多樣性的同時(shí)提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級(jí)水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計(jì)算速度及求解精度,為梯級(jí)水庫優(yōu)化調(diào)度提供了一條全新途徑。

提出多目標(biāo)混合粒子群算法以求解梯級(jí)水電站多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型。該算法采用混合蛙跳算法的分組-混合循化優(yōu)化框架以增強(qiáng)算法的全局搜索能力;在族群內(nèi)通過粒子群算法的飛行調(diào)整策略指導(dǎo)個(gè)體進(jìn)化;同時(shí),引入外部精英集,建立了基于自適應(yīng)小生境的外部精英集維護(hù)策略,提高了算法的收斂性和非劣解集的多樣性。最后將該算法應(yīng)用于三峽梯級(jí)水電站多目標(biāo)優(yōu)化調(diào)度工程,計(jì)算結(jié)果表明,本文算法能夠獲得計(jì)算實(shí)時(shí)性強(qiáng)、分布均勻、收斂性好的調(diào)度方案集,并以此分析明確了調(diào)度目標(biāo)間的耦合關(guān)系,可為梯級(jí)電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。

【目的】解決傳統(tǒng)粒子群算法在求解水庫優(yōu)化調(diào)度問題中存在的早熟、收斂速度慢和易陷入局部最優(yōu)的問題?！痉椒ā炕诳贵w克隆選擇學(xué)說理論,提出了一種量化正交免疫克隆粒子群算法(oicpso/q)。采用正交交叉策略來增強(qiáng)子代個(gè)體解分布的均勻性;通過接種疫苗和計(jì)算親合度等操作,對(duì)算法的進(jìn)化過程進(jìn)行有目的、有選擇地指導(dǎo),使得算法快速收斂,同時(shí)保持一定的多樣性,抑制了早熟現(xiàn)象。提出一種自學(xué)習(xí)算子,避免個(gè)體鄰域內(nèi)最優(yōu)解的丟失。建立了基于量化正交免疫克隆粒子群算法的水庫優(yōu)化調(diào)度數(shù)學(xué)模型,并給出其具體的求解步驟。最后應(yīng)用該方法與標(biāo)準(zhǔn)粒子群算法(spso)及動(dòng)態(tài)規(guī)劃方法進(jìn)行比較?！窘Y(jié)果】與spso算法和動(dòng)態(tài)規(guī)劃方法計(jì)算結(jié)果相比,oicpso/q算法計(jì)算時(shí)間明顯降低,但發(fā)電量明顯增加,說明oicpso/q算法可提高解的精度,加快其收斂速度,其性能優(yōu)于標(biāo)準(zhǔn)粒子群算法和動(dòng)態(tài)規(guī)劃方法?！窘Y(jié)論】oicpso/q算法為求解水庫優(yōu)化調(diào)度問題提供了一條新的有效求解途徑。

針對(duì)高維、復(fù)雜的梯級(jí)水庫優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對(duì)初始種群的依賴和易陷入局部最優(yōu)的不足。通過實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級(jí)水庫優(yōu)化調(diào)度問題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級(jí)水庫優(yōu)化調(diào)度提供了新的思路。

現(xiàn)在我國的主要供電方式是電氣供電，這種形式的供電已不能滿足社會(huì)的多方面需要。所以國家大力發(fā)展水利發(fā)電，就水利發(fā)電來講，水電站水庫優(yōu)化是一項(xiàng)相當(dāng)關(guān)鍵的工作。本文主要介紹了當(dāng)下國內(nèi)外水電站水庫優(yōu)化調(diào)度研究的進(jìn)展，列舉了三種水庫優(yōu)化調(diào)度計(jì)算方法：變尺度混沌粒子群算法、改進(jìn)粒子群算法和免疫克隆粒子群算法。

針對(duì)粒子群算法容易早熟和易于陷入局部極值的缺點(diǎn),提出一種梯級(jí)水電站優(yōu)化調(diào)度的模糊自適應(yīng)粒子群算法.在該算法中將慣性權(quán)值表示為粒子群進(jìn)化速度因子和群體適應(yīng)度方差的模糊函數(shù),在每次迭代過程中動(dòng)態(tài)改變慣性權(quán)值,以適應(yīng)非線性優(yōu)化搜索過程.針對(duì)違反約束的粒子,設(shè)計(jì)了一種動(dòng)態(tài)空間調(diào)整策略來修復(fù)約束要求.為了驗(yàn)證算法的性能,用2個(gè)測試函數(shù)和擁有4個(gè)水電站的系統(tǒng)進(jìn)行了測試,在求解精度和速度上與標(biāo)準(zhǔn)粒子群算法和改進(jìn)慣性權(quán)值線性遞減粒子群算法進(jìn)行了對(duì)比,結(jié)果表明模糊自適應(yīng)粒子群算法收斂速度快、精度高.

針對(duì)梯級(jí)水電站短期優(yōu)化調(diào)度的不確定性問題,研究了不確定性因素的概率分布規(guī)律,并根據(jù)實(shí)際系統(tǒng)的運(yùn)行要求,給出了概率分布密度函數(shù)的假設(shè)檢驗(yàn)方法。探索發(fā)電用水量與各種隨機(jī)因素的互動(dòng)關(guān)系及影響機(jī)理,構(gòu)建了一種新的計(jì)及概率的梯級(jí)水電站短期優(yōu)化調(diào)度策略。把災(zāi)變理論、混沌優(yōu)化思想和基本粒子群算法結(jié)合起來,形成一種混合粒子群算法。該算法擴(kuò)大了種群的搜索空間,增加了種群的多樣性,改善了基本粒子群算法擺脫局部極值點(diǎn)的能力,并能從理論上證明其依概率收斂至全局最優(yōu)解。將混合粒子群算法嵌入蒙特卡羅隨機(jī)模擬中對(duì)本文提出的模型進(jìn)行求解,求解方法簡單有效。仿真結(jié)果表明,該策略能較好地處理不確定性條件下梯級(jí)水電站的短期優(yōu)化調(diào)度問題。

在基于常規(guī)方法的水電站水庫發(fā)電調(diào)度圖繪制方法中,由于選取典型水文年樣本數(shù)量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有歷史實(shí)測資料繪制水電站發(fā)電運(yùn)行調(diào)度圖。該算法通過粒子間的信息共享來實(shí)現(xiàn)求解,具有計(jì)算簡便,收斂速度快的優(yōu)點(diǎn)。通過實(shí)際生產(chǎn)項(xiàng)目的應(yīng)用,證明采用粒子群算法繪制水電站水庫發(fā)電運(yùn)行調(diào)度圖能夠克服常規(guī)繪制方法中的一些缺點(diǎn),在保證可靠性指標(biāo)的同時(shí),提高了水電站的運(yùn)行效益,為優(yōu)化方法在水電站中長期調(diào)度中的應(yīng)用提供了一種實(shí)用的途徑。

將改進(jìn)型螞蟻算法用于梯級(jí)水電站短期優(yōu)化調(diào)度問題,并通過引入遺傳算法的交叉和變異思想以及自適應(yīng)搜索半徑方法提高了螞蟻算法的搜索能力．以最小耗水率模型為例,給出了梯級(jí)水電站短期優(yōu)化調(diào)度問題改進(jìn)型螞蟻算法的數(shù)學(xué)描述和求解的算法步驟,并通過龍羊峽-李家峽梯級(jí)水電站實(shí)例驗(yàn)證了改進(jìn)型螞蟻算法的優(yōu)越性．結(jié)果表明,與遺傳算法相比,改進(jìn)型螞蟻算法獲得了更優(yōu)的調(diào)度方案．優(yōu)化結(jié)果在取得更低耗水率的同時(shí),減少了機(jī)組的啟停次數(shù),并且使所有機(jī)組連續(xù)高效運(yùn)行,從而降低了機(jī)組的維護(hù)費(fèi)用,并增加了梯級(jí)的經(jīng)濟(jì)效益．

為提高多維目標(biāo)函數(shù)全局最優(yōu)解的計(jì)算精度,提出了一種改進(jìn)的混沌優(yōu)化算法(mcoa).利用混沌運(yùn)動(dòng)的隨機(jī)性、遍歷性和規(guī)律性進(jìn)行全局尋優(yōu);通過引入解向量的優(yōu)選,將解向量定位到最優(yōu)解的附近,從而找出全局最優(yōu)解.最后將該算法應(yīng)用于水電站水庫優(yōu)化調(diào)度問題,并進(jìn)行仿真計(jì)算,計(jì)算結(jié)果驗(yàn)證了算法的有效性.mcoa原理簡單,易于編程實(shí)現(xiàn),具有較大的實(shí)用價(jià)值,為求解水電站水庫優(yōu)化調(diào)度問題提供了一種有效方法.

針對(duì)以發(fā)電為主的梯級(jí)小水電群,以各水庫的發(fā)電引用流量為決策變量,建立了以發(fā)電量最大為目標(biāo)的梯級(jí)小水電群優(yōu)化調(diào)度數(shù)學(xué)模型;設(shè)計(jì)了pso算法和apso算法的工程實(shí)現(xiàn)方法,具體包括編碼設(shè)計(jì)、迭代方法設(shè)計(jì)以及慣性權(quán)重設(shè)計(jì)等;通過一個(gè)具有兩庫串聯(lián)的梯級(jí)小水電群實(shí)例,將pso算法和apso算法的仿真尋優(yōu)過程進(jìn)行了比較,結(jié)果顯示兩種算法是有效的,并且apso算法具有更強(qiáng)、更快的全局搜索能力;將apso算法的仿真結(jié)果與同一條件下的ga算法的仿真結(jié)果進(jìn)行了比較,結(jié)果顯示apso算法的仿真結(jié)果更優(yōu),更能充分利用水能資源。

如今，廣大民眾對(duì)能源的需求量越來越高，但是我國的能源可用量卻越來越少，在這種情況下，對(duì)水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢在必行的。其實(shí)，梯級(jí)水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關(guān)注．而本研究就將針對(duì)“梯級(jí)水電站優(yōu)化調(diào)度模型與算法研究”這一主題進(jìn)行詳細(xì)的闡述，使廣大民眾對(duì)這方面的內(nèi)容有一個(gè)更加全面且深入的了解。