變尺度混沌算法的混聯(lián)水電站水庫(kù)群優(yōu)化調(diào)度

針對(duì)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題,提出了將改進(jìn)遺傳算法和混沌優(yōu)化相耦合的改進(jìn)混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對(duì)混沌變量進(jìn)行編碼,表示成染色體,然后對(duì)其進(jìn)行選擇、交叉和變異,通過(guò)增加混沌擾動(dòng),不斷進(jìn)化收斂得到最優(yōu)解。實(shí)例計(jì)算并與其他方法比較表明,該算法在求解水電站優(yōu)化調(diào)度這樣的復(fù)雜非線性優(yōu)化問(wèn)題時(shí),搜索效率高,收斂性能好,能以較快的速度收斂于全局最優(yōu)解,為水電站水庫(kù)優(yōu)化調(diào)度模型求解提供了一種新方法。

建立一種梯級(jí)水電站中長(zhǎng)期水庫(kù)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(zhǎng)期水庫(kù)調(diào)度問(wèn)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(kù)優(yōu)化調(diào)度問(wèn)題,精度高、收斂速度快,為求解梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度提供了一種有效算法。

在建立混聯(lián)水電站群長(zhǎng)期優(yōu)化調(diào)度模型的基礎(chǔ)上,應(yīng)用混沌優(yōu)化算法對(duì)模型進(jìn)行求解。以水電站群總電能最大為目標(biāo)函數(shù),根據(jù)混沌運(yùn)動(dòng)的隨機(jī)性,由logistic模型產(chǎn)生的混沌變量來(lái)進(jìn)行優(yōu)化搜索。此方法可避免陷入局部最優(yōu)點(diǎn),并取得全局最優(yōu)。實(shí)例計(jì)算結(jié)果表明,混沌優(yōu)化算法與逐步優(yōu)化算法相比,優(yōu)化結(jié)果良好。表明本文算法可以用于求解具有復(fù)雜約束條件的非線性混聯(lián)水電站群水庫(kù)優(yōu)化調(diào)度問(wèn)題。

介紹了混沌粒子群算法,并將其用于水庫(kù)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(kù)優(yōu)化調(diào)度的強(qiáng)約束、多階段、非線性組合問(wèn)題。

應(yīng)用自適應(yīng)蟻群算法來(lái)求解水電站優(yōu)化調(diào)度問(wèn)題,該算法把問(wèn)題解抽象為螞蟻路徑,利用狀態(tài)轉(zhuǎn)移,信息素更新和鄰域搜索以獲取最短路徑。實(shí)例計(jì)算表明,該算法計(jì)算精度高,收斂速度快,克服了傳統(tǒng)蟻群算法計(jì)算時(shí)間長(zhǎng),易于陷入局部最優(yōu)的缺點(diǎn),能較好地避免動(dòng)態(tài)規(guī)劃的維數(shù)災(zāi)問(wèn)題,可求解具有復(fù)雜約束條件的非線性規(guī)劃問(wèn)題,為解決水電站優(yōu)化調(diào)度問(wèn)題提供了一種有效的途徑。

本文研究混聯(lián)水電站水庫(kù)群系統(tǒng)優(yōu)化調(diào)度問(wèn)題,提出一種關(guān)聯(lián)預(yù)估法與可變誤差多面體法和梯度法配合使用的算法。通過(guò)對(duì)某電網(wǎng)水電站水庫(kù)群系統(tǒng)優(yōu)化調(diào)度實(shí)例計(jì)算,表明該算法收斂速度快、所需機(jī)器儲(chǔ)存數(shù)量少、運(yùn)算穩(wěn)定。

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(guò)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(kù)優(yōu)化調(diào)度問(wèn)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(jiǎn)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(kù)優(yōu)化調(diào)度問(wèn)題提供了一種有效方法.

粒子群優(yōu)化算法是通過(guò)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(lái)尋找問(wèn)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(wèn)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(kù)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(jiǎn)單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

水電站水庫(kù)群優(yōu)化調(diào)度的關(guān)聯(lián)平衡法模型談飛（管理工程系）水電站水庫(kù)群具有高維性、關(guān)聯(lián)復(fù)雜性、分散性、不確定性和多目標(biāo)性等大系統(tǒng)的特點(diǎn)，其優(yōu)化調(diào)度問(wèn)題屬于大系統(tǒng)的最優(yōu)控制問(wèn)題。由于用經(jīng)典的控制理論和運(yùn)籌學(xué)方法求解此類問(wèn)題所需的計(jì)算工作量和運(yùn)算存儲(chǔ)量與系統(tǒng)...

利用混沌算法全局搜索能力強(qiáng)、求解速度快的特點(diǎn),將混沌優(yōu)化算法運(yùn)用到水庫(kù)優(yōu)化調(diào)度中,建立了水庫(kù)群多目標(biāo)優(yōu)化模型,并提出交互式的多目標(biāo)優(yōu)化模型求解方法。該方法利用混沌優(yōu)化算法生成滿足約束條件的可行集,再采用交互式?jīng)Q策偏好的方法從非劣解集中尋找最佳權(quán)衡解;并對(duì)灤河下游水庫(kù)群進(jìn)行了實(shí)例研究。結(jié)果表明算法可行,成果合理,能為水庫(kù)群的聯(lián)合調(diào)度提供技術(shù)支持。

基于改進(jìn)粒子群算法的水電站水庫(kù)優(yōu)化調(diào)度研究——針對(duì)粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問(wèn)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(kù)調(diào)度領(lǐng)域，設(shè)計(jì)了基于該算法的水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題的求解方法。計(jì)算實(shí)例表明，該方法采用并行搜...

在遺傳算法中為避免采用二進(jìn)制編碼時(shí)存在的編碼冗余問(wèn)題,本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法,并進(jìn)行水電站水庫(kù)優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫(kù)優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開(kāi)始尋優(yōu),占用內(nèi)存少,能以較快速度找到全局最優(yōu)解。實(shí)例計(jì)算并與常規(guī)優(yōu)化相比,表明該方法簡(jiǎn)便、快速,可避免水庫(kù)優(yōu)化調(diào)度中的維數(shù)災(zāi)

在研究了人工免疫系統(tǒng)中的克隆選擇學(xué)說(shuō)和克隆選擇算法的基礎(chǔ)上,研究了1種新的人工免疫算法——免疫克隆選擇算法,并將其應(yīng)用到水庫(kù)優(yōu)化調(diào)度中,提出了1種基于免疫克隆選擇算法的水庫(kù)優(yōu)化調(diào)度方法。該算法通過(guò)在克隆選擇算法中引入免疫基因操作,提高了算法的求解精度和求解效率,避免了"維數(shù)災(zāi)"和早熟問(wèn)題。實(shí)例研究結(jié)果表明,相對(duì)于動(dòng)態(tài)規(guī)劃,免疫克隆選擇算法計(jì)算速度快、收斂性好,提高了計(jì)算效率,較好地解決了傳統(tǒng)的動(dòng)態(tài)規(guī)劃方法求解水庫(kù)(群)優(yōu)化調(diào)度問(wèn)題存在"維數(shù)災(zāi)"問(wèn)題。

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(wèn)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(guò)組織間的相互競(jìng)爭(zhēng)、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(kù)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(kù)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(kù)優(yōu)化調(diào)度問(wèn)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(wèn)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(kù)調(diào)度領(lǐng)域,設(shè)計(jì)了基于該算法的水電站水庫(kù)優(yōu)化調(diào)度問(wèn)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。

基于改進(jìn)遺傳算法的水電站水庫(kù)優(yōu)化調(diào)度——在遺傳算法中為避免采用二進(jìn)制編碼時(shí)存在的編碼冗余問(wèn)題，本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法，并進(jìn)行水電站水庫(kù)優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫(kù)優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開(kāi)始尋優(yōu)，占用內(nèi)存少，能以...

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(wèn)題的方法,粒子群算法模擬了鳥(niǎo)類群體覓食的搜索過(guò)程來(lái)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(wèn)題,與經(jīng)典算法相比,該算法原理簡(jiǎn)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。

本文根據(jù)逐次漸近法(dpsa)的思想,把n庫(kù)問(wèn)題分解為在每次迭代中求解單庫(kù)問(wèn)題,進(jìn)而求解了一個(gè)水庫(kù)群長(zhǎng)期聯(lián)合優(yōu)化調(diào)度。本方法還可以考慮徑流的時(shí)空相關(guān)性,使所求水庫(kù)的最優(yōu)放水策略是該庫(kù)蓄水量和其它電站總出力的函數(shù)。該方法被用于求解廣東電力系統(tǒng)七庫(kù)聯(lián)合優(yōu)化調(diào)度取得了滿意的數(shù)值結(jié)果。

在基于常規(guī)方法的水電站水庫(kù)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(cè)資料繪制水電站發(fā)電運(yùn)行調(diào)度圖。該算法通過(guò)粒子間的信息共享來(lái)實(shí)現(xiàn)求解,具有計(jì)算簡(jiǎn)便,收斂速度快的優(yōu)點(diǎn)。通過(guò)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(kù)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(zhǎng)期調(diào)度中的應(yīng)用提供了一種實(shí)用的途徑。

隨著電力市場(chǎng)的開(kāi)放和分時(shí)電價(jià)制度的實(shí)施,傳統(tǒng)以發(fā)電量最大作為準(zhǔn)則的情況已不能適應(yīng)水電站優(yōu)化調(diào)度的要求,文章提出了分時(shí)電價(jià)條件下水電站水庫(kù)優(yōu)化調(diào)度的數(shù)學(xué)模型,并以實(shí)例結(jié)果來(lái)說(shuō)明模型的可行性。

用逐步優(yōu)化算法、動(dòng)態(tài)規(guī)劃法、大系統(tǒng)法和遺傳算法,研究單一水庫(kù)優(yōu)化調(diào)度問(wèn)題;并通過(guò)實(shí)例計(jì)算,對(duì)這四種方法進(jìn)行了分析比較,結(jié)果證明,基于十進(jìn)制編碼的遺傳算法具有收斂速度快,能達(dá)到全局最優(yōu)的優(yōu)點(diǎn)

本文從簡(jiǎn)單實(shí)用的角度出發(fā),把電站水庫(kù)常規(guī)調(diào)度圖和優(yōu)化調(diào)度圖的繪制方法中的優(yōu)點(diǎn)相結(jié)合作為繪制小水電站水庫(kù)優(yōu)化調(diào)度圖的方法,可供小水電站進(jìn)行優(yōu)化運(yùn)行時(shí)參考使用。