變尺度混沌優(yōu)化算法在梯級水電站水庫優(yōu)化調(diào)度中的應用

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)。算法利用混沌運動的內(nèi)在隨機性、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)度計劃。算法利用混沌運動的特點,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。實例計算結果表明,算法可以求解具有復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。

為提高多維目標函數(shù)全局最優(yōu)解的計算精度,提出了一種改進的混沌優(yōu)化算法(mcoa).利用混沌運動的隨機性、遍歷性和規(guī)律性進行全局尋優(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.最后將該算法應用于水電站水庫優(yōu)化調(diào)度問題,并進行仿真計算,計算結果驗證了算法的有效性.mcoa原理簡單,易于編程實現(xiàn),具有較大的實用價值,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.

針對水電站水庫優(yōu)化調(diào)度問題,提出了將改進遺傳算法和混沌優(yōu)化相耦合的改進混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進行編碼,表示成染色體,然后對其進行選擇、交叉和變異,通過增加混沌擾動,不斷進化收斂得到最優(yōu)解。實例計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)度這樣的復雜非線性優(yōu)化問題時,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,為水電站水庫優(yōu)化調(diào)度模型求解提供了一種新方法。

本文作者通過對k判別式法基本原理及水電站水庫調(diào)度圖相結合的k判別式方法進行了分析。主要就水電站水庫優(yōu)化調(diào)度中,利用判別式法求解梯級水電系統(tǒng)優(yōu)化調(diào)度的運行規(guī)律進行了詳細的研究。同時以實例應用說明了該求解模型和方法在梯級水電站調(diào)度系統(tǒng)中是行之有效的。

隨著經(jīng)濟與科學技術的不斷發(fā)展,社會的需求使得對水庫調(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)度逐漸進入了優(yōu)化階段。本文主要針對基于梯級水電站水庫優(yōu)化調(diào)度的,粒子群優(yōu)化方法進行研究,提出了相應的改進措施,并通過實踐進行了有效分析。

介紹了龍溪河梯級水電站水庫開展優(yōu)化調(diào)度研究的意義、內(nèi)容、方法和預期效益。通過實際的預報調(diào)度應用,節(jié)水增發(fā)電量和節(jié)能減排效益明顯。

華光潭梯級水電站水庫庫容較小,如何根據(jù)梯級水庫及其流域水文特性,進行水文測報和洪水預報,從而進行優(yōu)化調(diào)度,是水電站取得良好經(jīng)濟效益和社會效益的唯一手段。本文通過2次實際調(diào)度案例的分析,提出了需進一步做好該梯級水庫調(diào)度的建議。

粒子群優(yōu)化算法是通過粒子記憶、追隨當前最優(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。為了克服標準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,本研究對遞減慣性權值進行了改進,將其表示為粒子群進化速度與群體平均適應度方差的函數(shù);給出了適合pso算法的約束處理機制,提出了一種改進自適應粒子群算法,并將其應用于水庫優(yōu)化調(diào)度中。實例計算并與經(jīng)典方法相比,表明該方法原理簡單、易編程實現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

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制,增加了粒子的多樣性,擴大了搜索的范圍,不僅保持了粒子群優(yōu)化算法收斂速度快的優(yōu)點,而且還增強了全局收斂能力,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)度的強約束、多階段、非線性組合問題。

【目的】針對傳統(tǒng)優(yōu)化算法的不足,將微分進化算法應用到水電站水庫優(yōu)化調(diào)度問題中,建立新的優(yōu)化算法模型。【方法】建立基于微分進化算法的水電站水庫優(yōu)化調(diào)度模型,并給出具體求解步驟。為驗證算法的有效性,將其應用于具體水電站水庫的優(yōu)化調(diào)度計算中,最后將該方法與遺傳算法的計算結果進行了對比?！窘Y果】實例計算結果表明,與遺傳算法相比,微分進化算法收斂速度快,可調(diào)參數(shù)少,計算精度高,穩(wěn)定性好,且該算法簡單、容易實現(xiàn),具有較強的全局搜索能力?！窘Y論】微分進化算法在解決水電站水庫優(yōu)化調(diào)度問題時具有很強的適用性,為求解水電站水庫優(yōu)化調(diào)度問題提供了新思路。

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)化是一項相當關鍵的工作。本文主要介紹了當下國內(nèi)外水電站水庫優(yōu)化調(diào)度研究的進展，列舉了三種水庫優(yōu)化調(diào)度計算方法：變尺度混沌粒子群算法、改進粒子群算法和免疫克隆粒子群算法。

應用判別式法求解大規(guī)模梯級水電站庫群發(fā)電優(yōu)化調(diào)度問題,以便能夠直觀反映梯級水電站系統(tǒng)的運行規(guī)律.為解決方程組求解帶來的困難,采用坐標輪換法,將多庫同時供、蓄水決策轉化為單庫逐次輪換決策,并結合水庫常規(guī)調(diào)度圖規(guī)則,對判別式法進行修正,使求解結果更為合理.結合烏江流域梯級水電站調(diào)度系統(tǒng),給出了一個在梯級系統(tǒng)保證出力約束條件下發(fā)電量最大的實際例證.

以強迫棄水和有益棄水的混合棄水策略為基礎,將梯級水電站看作一個整體,建立蘊涵末級水電站棄水電量最小、水力資源電站間分配時的發(fā)電量增益最大和水電站總發(fā)電量最大的梯級水電站水庫蓄能利用最大化長期優(yōu)化調(diào)度數(shù)學模型。構建了描述蓄水量、發(fā)電引用流量、棄水流量、水庫前池水位和放水路水位之間關系的水電站水頭特性詳細數(shù)學模型?；谶f歸思想,建立以棄水流量和發(fā)電引用流量表示的水庫蓄水量表達式。針對日調(diào)節(jié)水電站在長期優(yōu)化調(diào)度中的特殊性,采用比例放大策略,建立了水庫的等效庫容約束條件。以一個三級水電站為例進行仿真分析,以混合棄水策略為基礎的水庫蓄能利用最大化優(yōu)化調(diào)度數(shù)學模型可以提高約4%的綜合發(fā)電量,表明了有益棄水策略在合理分配水力資源和提高電站綜合發(fā)電效益方面的有效性。

以金沙江干流梯級水電站水庫群為研究對象,建立了金沙江梯級水電站水庫群兼顧保證出力要求的以發(fā)電量最大為目標的長期優(yōu)化調(diào)度模型;考慮水電系統(tǒng)的調(diào)峰要求,建立了金沙江梯級發(fā)電量最大長期優(yōu)化調(diào)度模型。均用逐次逼近動態(tài)規(guī)劃法求解,結果表明,調(diào)峰系數(shù)不同對梯級水電站發(fā)電效益及運行方式有明顯影響。

如今，廣大民眾對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，對水、電能源結構進行調(diào)整是勢在必行的。其實，梯級水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關注．而本研究就將針對“梯級水電站優(yōu)化調(diào)度模型與算法研究”這一主題進行詳細的闡述，使廣大民眾對這方面的內(nèi)容有一個更加全面且深入的了解。

將改進型螞蟻算法用于梯級水電站短期優(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,給出了梯級水電站短期優(yōu)化調(diào)度問題改進型螞蟻算法的數(shù)學描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實例驗證了改進型螞蟻算法的優(yōu)越性．結果表明,與遺傳算法相比,改進型螞蟻算法獲得了更優(yōu)的調(diào)度方案．優(yōu)化結果在取得更低耗水率的同時,減少了機組的啟停次數(shù),并且使所有機組連續(xù)高效運行,從而降低了機組的維護費用,并增加了梯級的經(jīng)濟效益．

逐步優(yōu)化算法(poa)在求解梯級水電站聯(lián)合優(yōu)化調(diào)度中,其優(yōu)化結果受初始解的影響較大,不同的初始解對優(yōu)化迭代過程的收斂性影響不同,導致優(yōu)化結果可能陷入局部最優(yōu)。針對這一問題,本文在深入分析poa尋優(yōu)機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,揭示了poa的兩階段尋優(yōu)策略和梯級水電站優(yōu)化調(diào)度在求解兩階段問題時傳統(tǒng)的\"自上而下逐電站\"尋優(yōu)模式對算法收斂能力的影響規(guī)律,進而提出了基于逐步差分和變階段優(yōu)化改進策略的變階段逐步優(yōu)化算法,有效消弱了原始算法在求解梯級電站聯(lián)合調(diào)度問題中對初始解的依賴性,在一定程度上保證算法收斂于全局最優(yōu)解。實例研究表明所提算法優(yōu)化得到的梯級發(fā)電量比poa算法提升0.15%左右,有效克服了原始算法的局部收斂問題,且改進算法效率更高,尋優(yōu)結果更穩(wěn)定。

針對傳統(tǒng)優(yōu)化算法在求解高維、復雜梯級水電站發(fā)電調(diào)度時易出現(xiàn)“維數(shù)災”，或陷入局部最優(yōu)解的缺陷，本文提出了免疫蛙跳算法（isfla）。該算法將克隆選擇算法嵌入到混洗蛙跳算法框架中，對混合之后的蛙群構造子群體執(zhí)行免疫克隆選擇操作，同時使用改進的最差解更新方式提高其局部搜索能力。應用實踐表明，通過將isfla與標準混洗蛙跳算法、粒子群算法以及逐步優(yōu)化方法對比，isfla在求解梯級水電站發(fā)電優(yōu)化問題時具有明顯的優(yōu)越性。

本文首先從目標函數(shù)和約束條件兩個方面,介紹了梯級水電站優(yōu)化調(diào)度的各類數(shù)學模型.然后對目前研究比較廣泛的各類優(yōu)化算法進行了綜述.最后指出隨著水電能源的開發(fā),梯級水庫優(yōu)化調(diào)度下一步可能的發(fā)展方向.

隨著電力市場的開放和分時電價制度的實施,傳統(tǒng)以發(fā)電量最大作為準則的情況已不能適應水電站優(yōu)化調(diào)度的要求,文章提出了分時電價條件下水電站水庫優(yōu)化調(diào)度的數(shù)學模型,并以實例結果來說明模型的可行性。

針對高維、復雜的梯級水庫優(yōu)化調(diào)度在求解時易出現(xiàn)\"維數(shù)災\"或陷入局部最優(yōu)解的問題,本文提出了基于免疫進化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進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)中對初始種群的依賴和易陷入局部最優(yōu)的不足。通過實例計算表明,應用該算法求解梯級水庫優(yōu)化調(diào)度問題,結果可靠、合理,計算效率高,從而為求解高維,復雜的梯級水庫優(yōu)化調(diào)度提供了新的思路。

目前,水庫優(yōu)化調(diào)度研究常側重于提高算法的精度和計算速度,而忽視了優(yōu)化調(diào)度模型本身的合理性和準確性。如采用常數(shù)作出力系數(shù)進行水庫優(yōu)化調(diào)度計算往往誤差較大。為此,根據(jù)水電站多年運行歷史資料,推求不同發(fā)電水頭下的綜合耗水率,并將水電站綜合耗水率應用于水庫優(yōu)化調(diào)度中。實例計算表明,所提出的計算方法更能反映水庫實際運用情況。