并行混合差分進化算法的梯級水庫群優(yōu)化調(diào)度

為了進一步增強微粒群算法的優(yōu)化性能,提出了一種改進微粒群算法,并將其用于求解梯級水庫群的優(yōu)化調(diào)度。該算法引進了類似遺傳算法的交叉和變異算子來提高搜索效率,其中交叉是微粒在解空間中的位置以一定的概率隨機進行算術交叉,變異是微粒以一定的概率隨機使速度矢量的某一維分量變?yōu)?。為了加速收斂,初始微粒群生成時采用了有條件的隨機自動生成方式,并利用懲罰函數(shù)法來處理邊界條件和其它非等式約束。實例計算結(jié)果表明,改進微粒群算法具有比常規(guī)動態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

針對梯級水庫群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問題提出改進的蟻群算法。為提高算法搜索效率采用新的信息素更新策略——ant-proportion,綜合考慮全局和局部信息。以漫灣—大朝山梯級水電站優(yōu)化調(diào)度為例,計算結(jié)果表明,改進算法與基本蟻群算法相比具有更好的優(yōu)化結(jié)果和收斂速度,與逐步優(yōu)化法相比可靠有效。

利用廣義蟻群算法對梯級水庫進行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機自動生成方式生成初始蟻群,并利用懲罰函數(shù)法處理邊界條件和其他非等式約束。實例結(jié)果表明,該算法搜索能力強、精度高、可靠、有效實用。

本文提出了一種基于懲罰改進的蟻群最優(yōu)化算法,并應用于水庫群的梯級調(diào)度優(yōu)化研究中。本算法以蟻群蜂群算法中群體協(xié)作的反饋機制、隨機搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計算性及較強的魯棒性為基礎,進行問題空間的全局尋優(yōu);同時針對梯級調(diào)度優(yōu)化中常見的多維變量約束條件,借鑒模擬退火算法思想,在目標函數(shù)中構造了懲罰因子,使得帶約束問題轉(zhuǎn)化為了純粹的優(yōu)化問題。經(jīng)實例驗證,本算法具有普遍的梯級調(diào)度優(yōu)化解決能力,并與傳統(tǒng)的遺傳算法及人工粒子群算法相比,具有更好的精度、收斂速度和尋優(yōu)能力。

結(jié)合梯級水庫群聯(lián)合運行的實際情況,分析目前國內(nèi)外水庫調(diào)度算法不足,本論文利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對梯級水電站群中長期水庫調(diào)度問題應用研究,建立一種梯級水電站群中長期水庫優(yōu)化調(diào)度模型,通過實際數(shù)據(jù)驗證,此方法可以獲得梯級各電站的最優(yōu)運行方式,為指導梯級各水電站的實際運行最優(yōu)化提供科學決策依據(jù)。

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(jié)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。

采用改進的pso并行算法對遼寧中西部4座梯級水庫生態(tài)進行并行優(yōu)化聯(lián)合調(diào)度研究。研究結(jié)果表明:相比于傳統(tǒng)pso算法,改進的pso并行算法可加速搜索梯級水庫生態(tài)調(diào)度目標的最優(yōu)解,經(jīng)過pso并行算法優(yōu)化求解后,豐水期(5~9月)各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達到82.0%和77.9%,在枯水期(10~12月和1~4月)各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達到70.8%和66.6%,生態(tài)優(yōu)化調(diào)度結(jié)果明顯好于傳統(tǒng)算法。研究成果可為梯級水庫生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考。

采用改進的ps0并行算法對遼寧中西部4座梯級水庫生態(tài)進行并行優(yōu)化聯(lián)合調(diào)度研究.研究結(jié)果表明：相比于傳統(tǒng)ps0算法,改進的ps0并行算法可加速搜索梯級水庫生態(tài)調(diào)度目標的最優(yōu)解,經(jīng)過ps0并行算法優(yōu)化求解后,豐水期（5~9月）各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達到82.0%和77.9%,在枯水期（10~12月和1~4月）各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達到70.8%和66.6%,生態(tài)優(yōu)化調(diào)度結(jié)果明顯好于傳統(tǒng)算法.研究成果可為梯級水庫生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考.

針對蟻群算法在求解過程中出現(xiàn)初期信息素匱乏、易陷入局部最優(yōu)解的問題,結(jié)合梯級水庫優(yōu)化調(diào)度的特點,提出了基于免疫進化的蟻群算法。該混合算法充分利用了免疫進化算法的全局快速收斂性和蟻群算法的正反饋性,提高了求解效率。實例計算表明該混合算法在求解梯級水庫優(yōu)化調(diào)度問題時,與逐次逼近動態(tài)規(guī)劃相比較,結(jié)果合理、可靠,計算效率較高,從而為求解高維、復雜的梯級水庫優(yōu)化調(diào)度提供了一條新的求解思路。

針對梯級水電站優(yōu)化調(diào)度的復雜問題,結(jié)合差分進化算法和混合蛙跳算法各自優(yōu)勢,提出一種新的混合差分進化算法。該算法將差分進化策略嵌入到混合蛙跳算法框架中,對整個群體循環(huán)進行分組進化與混合操作,而在每個分組內(nèi)部按照差分進化策略對個體不斷進行更新。數(shù)值實驗表明該算法具有較強的全局搜索能力,克服了基本差分進化算法易早熟收斂的缺點。將該算法應用于梯級水電站中長期優(yōu)化調(diào)度實例,并與傳統(tǒng)動態(tài)規(guī)劃法進行比較分析,進一步驗證了其可行性與有效性。

針對人工魚群算法的不足,提出了人工魚群遺傳算法(afsa-ga),采用人工魚群算法模擬梯級水庫優(yōu)化調(diào)度,再用遺傳算法進行局部細化搜索。實例結(jié)果表明,人工魚群遺傳算法應用于梯級水庫優(yōu)化調(diào)度行之有效。

針對梯級水庫群優(yōu)化調(diào)度多約束、高維、非線性和難以求解的特點,將鯰魚效應機制引入到粒子群算法中提出鯰魚效應粒子群算法。該算法在進化中通過鯰魚啟發(fā)器引入鯰魚粒子,依據(jù)鯰魚效應調(diào)整種群的飛行模式,一方面利用鯰魚粒子的驅(qū)趕作用使粒子種群跳出穩(wěn)定狀態(tài)激發(fā)活力,從而提高種群多樣性;另一方面利用鯰魚的高素質(zhì)動態(tài)調(diào)節(jié)對進化過程進行有目的指導,進而保持算法的高搜索性能。算例表明,和標準粒子群算法、混沌粒子群算法相比,鯰魚效應粒子群算法具有更好的全局尋優(yōu)能力和較快的收斂速度,能有效地應用于梯級水庫群優(yōu)化調(diào)度中。

梯級水庫群優(yōu)化調(diào)度規(guī)律是指導梯級水庫群優(yōu)化運行的重要工具。本文應用概率統(tǒng)計法和相關分析法對烏江流域的兼顧保證出力發(fā)電量最大計算結(jié)果進行統(tǒng)計歸納,通過引入經(jīng)驗頻率分析了各庫在不同調(diào)度期的水位變化規(guī)律和建立時段平均出力與本時段可用水量相關關系圖來研究各庫在不同調(diào)度期的發(fā)電規(guī)則,為挖掘梯級水庫長期運行結(jié)果中蘊藏的潛在規(guī)律提供了一種方法。通過對烏江梯級各庫水位變化規(guī)律和發(fā)電規(guī)則的研究,為烏江梯級水庫群優(yōu)化運行提供了理論支撐。

為解決水火電力系統(tǒng)短期發(fā)電優(yōu)化調(diào)度中存在的問題,提出基于mpi平臺的并行小種群差分進化算法。該算法將進化種群分為若干個小種群(單個種群規(guī)模為3~10個),每個進化種群由不同的cpu進程獨立執(zhí)行差分進化算法,并在種群間引入集合、分散操作以協(xié)調(diào)各小種群的尋優(yōu)過程；為降低小種群初始化和進化過程中多樣性的損失,引入正交化初始化方法和種群重構技術；最后以典型案例驗證了算法的有效性。結(jié)果表明,該方法在求解精度、收斂速度和求解耗時上均較有競爭力。

隨著我國水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨特的優(yōu)勢作用下,梯度水庫群的優(yōu)化調(diào)度研究取得了顯著的成果.不過在如今越來越復雜的水庫調(diào)度問題中,傳統(tǒng)的算法已不能得以很好地解決此類問題.通過采用三種經(jīng)過改進的人工蜂群算法（isc-abc、cl-abc、ims-abc）應用到渾江流域的3個水電站中進行實驗測試,來對梯級水庫進行優(yōu)化調(diào)度研究,結(jié)果表明,3種算法有著比較好的尋優(yōu)精度和搜索效率,在渾江流域水庫的實際應

梯級水庫優(yōu)化調(diào)度模型的求解一直是水利學科需要深入研究的基本問題。使用改進布谷鳥算法求解梯級水庫優(yōu)化調(diào)度模型是一種新思路。布谷鳥算法是近年來提出的一種新穎的啟發(fā)式全局搜索算法,該算法參數(shù)少、魯棒性強、搜索效率高,已得到廣泛的研究和應用。對標準布谷鳥算法的尋優(yōu)機制作了闡述,并嘗試在算法進化過程中采用動態(tài)發(fā)現(xiàn)概率以及引入變異機制對標準算法進行改進,提出了改進的布谷鳥算法,并將其應用于某梯級水庫優(yōu)化調(diào)度中。以實例驗證了布谷鳥算法在梯級水庫優(yōu)化調(diào)度中的可行性和有效性,提出的改進策略可有效克服標準算法中的\"早熟\"現(xiàn)象,改進算法搜索效率更高,尋優(yōu)結(jié)果更穩(wěn)定。

梯級水電站水庫群聯(lián)合調(diào)度問題具有復雜的約束條件,受到發(fā)電、供水、防洪等目標的制約。作為多目標非線性優(yōu)化調(diào)度問題,為了解決傳統(tǒng)算法中存在結(jié)果受初值參數(shù)影響較大、容易陷入局部最優(yōu)解、收斂速度不理想等問題,首次嘗試將螢火蟲算法引入梯級水庫優(yōu)化調(diào)度研究中。在傳統(tǒng)螢火蟲算法模仿自然界螢火蟲捕食求偶行為的基礎上,對其進行優(yōu)化與改進,引入目標空間中解的pareto支配關系比較螢火蟲熒光亮度,比較其優(yōu)化解,采用輪盤賭法確定螢火蟲每次更新過程中的移動路徑,利用精英保留策略建立多目標螢火蟲模型。通過典型的梯級水電站進行仿真計算,研究結(jié)果表明,改進的多目標螢火蟲算法在優(yōu)化過程中具有較強的尋優(yōu)能力,能更好地進行全局搜索和局部搜索,計算過程中具有良好的穩(wěn)定性,并且計算效率較高,優(yōu)于遺傳算法(ga)、粒子群算法(pso)和蟻群算法(aco),為多階段、多約束的梯級水電站水庫群中長期優(yōu)化調(diào)度問題提供了新的途徑和新方法。

本文結(jié)合梯級水庫中長期發(fā)電優(yōu)化調(diào)度問題,針對差分演化算法在進化過程中,其適應度的進化模式未考慮進化的外部環(huán)境與進化成分之間的內(nèi)在聯(lián)系,借鑒生態(tài)學對個體生存環(huán)境與種群競爭的關系,提出了協(xié)同差分演化算法在梯級水庫中長期發(fā)電優(yōu)化調(diào)度中的應用。通過實例驗證,結(jié)果表明該算法具有可靠性與合理性,提高了計算精度和計算效率,為高維、復雜的梯級水庫中長期發(fā)電優(yōu)化調(diào)度模型提供了一個新的求解途徑。

為充分挖掘梯級水庫間的水文補償和庫容補償潛力,獲取更高的綜合利用效益,利用判別系數(shù)與水庫蓄供水控制線相結(jié)合的方法,對烏江梯級水庫的蓄供水方式進行了研究,并結(jié)合免疫粒子群算法,以梯級水電站發(fā)電量最大為目標對水庫蓄供水控制線進行優(yōu)化。聯(lián)合調(diào)度結(jié)果表明,優(yōu)化后的水庫蓄供水控制線不但可以合理控制水庫蓄放水次序和蓄放水量,達到合理控制水庫群運行方式的目的,還在實際調(diào)度中具有良好的可操作性和抗風險性。

烏溪江梯級電站水力資源豐富,湖南鎮(zhèn)水庫又具有高水頭、高調(diào)節(jié)性能,優(yōu)化調(diào)度空間較大。介紹湖南鎮(zhèn)電站的年度計劃編制、中短期優(yōu)化調(diào)度方法、烏溪江梯級電站機組的優(yōu)化組合以及電力營銷工作,并對2004年的調(diào)度效益作了分析和總結(jié)。圖2幅,表6個。

介紹了一種易于實現(xiàn)、參數(shù)少且收斂快的集群智能算法—微粒群算法,并將其應用于梯級水電廠的短期優(yōu)化調(diào)度。提出以確定微粒群在多維空間中的最優(yōu)位置來實現(xiàn)多階段優(yōu)化調(diào)度決策的方法,并針對算法易陷入局部最優(yōu)的缺陷,引入遺傳算法中的“雜交”因子以及采用自適應的慣性權重,以改進其全局優(yōu)化能力。通過實際算例驗證了該算法的有效性,從而為梯級水電廠的短期優(yōu)化調(diào)度問題提供了一種新的求解途徑。

本文針對粒子群算法在求解高維、復雜的梯級水庫發(fā)電優(yōu)化調(diào)度時后期種群缺乏多樣性、收斂于局部最優(yōu)解的缺陷,結(jié)合梯級水庫發(fā)電優(yōu)化調(diào)度的特點,提出了應用差分演化算法改進粒子群的混合優(yōu)化算法。通過實際算例驗證了該混合方法的合理性和可靠性,從而為高維、復雜梯級水庫發(fā)電優(yōu)化調(diào)度模型求解提供了一種新的途徑。