變尺度混沌優(yōu)化算法在梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度中的應(yīng)用

提出一種求解混聯(lián)水電站水庫(kù)群中長(zhǎng)期優(yōu)化調(diào)度問(wèn)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(lái)尋找混聯(lián)水電站水庫(kù)群中長(zhǎng)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(guò)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(kù)群優(yōu)化調(diào)度問(wèn)題。算法求解精度高、收斂速度快,為解決混聯(lián)水電站水庫(kù)群中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了一種新的方法。

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.

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。

本文作者通過(guò)對(duì)k判別式法基本原理及水電站水庫(kù)調(diào)度圖相結(jié)合的k判別式方法進(jìn)行了分析。主要就水電站水庫(kù)優(yōu)化調(diào)度中,利用判別式法求解梯級(jí)水電系統(tǒng)優(yōu)化調(diào)度的運(yùn)行規(guī)律進(jìn)行了詳細(xì)的研究。同時(shí)以實(shí)例應(yīng)用說(shuō)明了該求解模型和方法在梯級(jí)水電站調(diào)度系統(tǒng)中是行之有效的。

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(kù)調(diào)度管理水平的要求越來(lái)越高,使得越來(lái)越多的因素被考慮在水庫(kù)調(diào)度決策中,水庫(kù)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(kù)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(guò)實(shí)踐進(jìn)行了有效分析。

介紹了龍溪河梯級(jí)水電站水庫(kù)開(kāi)展優(yōu)化調(diào)度研究的意義、內(nèi)容、方法和預(yù)期效益。通過(guò)實(shí)際的預(yù)報(bào)調(diào)度應(yīng)用,節(jié)水增發(fā)電量和節(jié)能減排效益明顯。

華光潭梯級(jí)水電站水庫(kù)庫(kù)容較小,如何根據(jù)梯級(jí)水庫(kù)及其流域水文特性,進(jìn)行水文測(cè)報(bào)和洪水預(yù)報(bào),從而進(jìn)行優(yōu)化調(diào)度,是水電站取得良好經(jīng)濟(jì)效益和社會(huì)效益的唯一手段。本文通過(guò)2次實(shí)際調(diào)度案例的分析,提出了需進(jìn)一步做好該梯級(jí)水庫(kù)調(diào)度的建議。

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。

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。

【目的】針對(duì)傳統(tǒng)優(yōu)化算法的不足,將微分進(jìn)化算法應(yīng)用到水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題中,建立新的優(yōu)化算法模型?！痉椒ā拷⒒谖⒎诌M(jìn)化算法的水電站水庫(kù)優(yōu)化調(diào)度模型,并給出具體求解步驟。為驗(yàn)證算法的有效性,將其應(yīng)用于具體水電站水庫(kù)的優(yōu)化調(diào)度計(jì)算中,最后將該方法與遺傳算法的計(jì)算結(jié)果進(jìn)行了對(duì)比?！窘Y(jié)果】實(shí)例計(jì)算結(jié)果表明,與遺傳算法相比,微分進(jìn)化算法收斂速度快,可調(diào)參數(shù)少,計(jì)算精度高,穩(wěn)定性好,且該算法簡(jiǎn)單、容易實(shí)現(xiàn),具有較強(qiáng)的全局搜索能力?！窘Y(jié)論】微分進(jìn)化算法在解決水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題時(shí)具有很強(qiáng)的適用性,為求解水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了新思路。

現(xiàn)在我國(guó)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(guó)家大力發(fā)展水利發(fā)電，就水利發(fā)電來(lái)講，水電站水庫(kù)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(guó)內(nèi)外水電站水庫(kù)優(yōu)化調(diào)度研究的進(jìn)展，列舉了三種水庫(kù)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。

應(yīng)用判別式法求解大規(guī)模梯級(jí)水電站庫(kù)群發(fā)電優(yōu)化調(diào)度問(wèn)題,以便能夠直觀反映梯級(jí)水電站系統(tǒng)的運(yùn)行規(guī)律.為解決方程組求解帶來(lái)的困難,采用坐標(biāo)輪換法,將多庫(kù)同時(shí)供、蓄水決策轉(zhuǎn)化為單庫(kù)逐次輪換決策,并結(jié)合水庫(kù)常規(guī)調(diào)度圖規(guī)則,對(duì)判別式法進(jìn)行修正,使求解結(jié)果更為合理.結(jié)合烏江流域梯級(jí)水電站調(diào)度系統(tǒng),給出了一個(gè)在梯級(jí)系統(tǒng)保證出力約束條件下發(fā)電量最大的實(shí)際例證.

以強(qiáng)迫棄水和有益棄水的混合棄水策略為基礎(chǔ),將梯級(jí)水電站看作一個(gè)整體,建立蘊(yùn)涵末級(jí)水電站棄水電量最小、水力資源電站間分配時(shí)的發(fā)電量增益最大和水電站總發(fā)電量最大的梯級(jí)水電站水庫(kù)蓄能利用最大化長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型。構(gòu)建了描述蓄水量、發(fā)電引用流量、棄水流量、水庫(kù)前池水位和放水路水位之間關(guān)系的水電站水頭特性詳細(xì)數(shù)學(xué)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(kù)蓄水量表達(dá)式。針對(duì)日調(diào)節(jié)水電站在長(zhǎng)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(kù)的等效庫(kù)容約束條件。以一個(gè)三級(jí)水電站為例進(jìn)行仿真分析,以混合棄水策略為基礎(chǔ)的水庫(kù)蓄能利用最大化優(yōu)化調(diào)度數(shù)學(xué)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(jí)水電站水庫(kù)群為研究對(duì)象,建立了金沙江梯級(jí)水電站水庫(kù)群兼顧保證出力要求的以發(fā)電量最大為目標(biāo)的長(zhǎng)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(jí)發(fā)電量最大長(zhǎng)期優(yōu)化調(diào)度模型。均用逐次逼近動(dòng)態(tài)規(guī)劃法求解,結(jié)果表明,調(diào)峰系數(shù)不同對(duì)梯級(jí)水電站發(fā)電效益及運(yùn)行方式有明顯影響。

如今，廣大民眾對(duì)能源的需求量越來(lái)越高，但是我國(guó)的能源可用量卻越來(lái)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(shì)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。

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(wèn)題,并通過(guò)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(wèn)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(guò)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．

逐步優(yōu)化算法(poa)在求解梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度中,其優(yōu)化結(jié)果受初始解的影響較大,不同的初始解對(duì)優(yōu)化迭代過(guò)程的收斂性影響不同,導(dǎo)致優(yōu)化結(jié)果可能陷入局部最優(yōu)。針對(duì)這一問(wèn)題,本文在深入分析poa尋優(yōu)機(jī)制的基礎(chǔ)上,探求了影響算法全局收斂能力的關(guān)鍵因素,揭示了poa的兩階段尋優(yōu)策略和梯級(jí)水電站優(yōu)化調(diào)度在求解兩階段問(wèn)題時(shí)傳統(tǒng)的\"自上而下逐電站\"尋優(yōu)模式對(duì)算法收斂能力的影響規(guī)律,進(jìn)而提出了基于逐步差分和變階段優(yōu)化改進(jìn)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(jí)電站聯(lián)合調(diào)度問(wèn)題中對(duì)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(shí)例研究表明所提算法優(yōu)化得到的梯級(jí)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(wèn)題,且改進(jìn)算法效率更高,尋優(yōu)結(jié)果更穩(wěn)定。

針對(duì)傳統(tǒng)優(yōu)化算法在求解高維、復(fù)雜梯級(jí)水電站發(fā)電調(diào)度時(shí)易出現(xiàn)“維數(shù)災(zāi)”，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(duì)混合之后的蛙群構(gòu)造子群體執(zhí)行免疫克隆選擇操作，同時(shí)使用改進(jìn)的最差解更新方式提高其局部搜索能力。應(yīng)用實(shí)踐表明，通過(guò)將isfla與標(biāo)準(zhǔn)混洗蛙跳算法、粒子群算法以及逐步優(yōu)化方法對(duì)比，isfla在求解梯級(jí)水電站發(fā)電優(yōu)化問(wèn)題時(shí)具有明顯的優(yōu)越性。

本文首先從目標(biāo)函數(shù)和約束條件兩個(gè)方面,介紹了梯級(jí)水電站優(yōu)化調(diào)度的各類(lèi)數(shù)學(xué)模型.然后對(duì)目前研究比較廣泛的各類(lèi)優(yōu)化算法進(jìn)行了綜述.最后指出隨著水電能源的開(kāi)發(fā),梯級(jí)水庫(kù)優(yōu)化調(diào)度下一步可能的發(fā)展方向.

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。

針對(duì)高維、復(fù)雜的梯級(jí)水庫(kù)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(wèn)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(guò)實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)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(kù)優(yōu)化調(diào)度提供了新的思路。

目前,水庫(kù)優(yōu)化調(diào)度研究常側(cè)重于提高算法的精度和計(jì)算速度,而忽視了優(yōu)化調(diào)度模型本身的合理性和準(zhǔn)確性。如采用常數(shù)作出力系數(shù)進(jìn)行水庫(kù)優(yōu)化調(diào)度計(jì)算往往誤差較大。為此,根據(jù)水電站多年運(yùn)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(yīng)用于水庫(kù)優(yōu)化調(diào)度中。實(shí)例計(jì)算表明,所提出的計(jì)算方法更能反映水庫(kù)實(shí)際運(yùn)用情況。