改進(jìn)布谷鳥(niǎo)算法的梯級(jí)水庫(kù)長(zhǎng)期優(yōu)化調(diào)度研究

水是生命之源,也是生產(chǎn)的重要根本,環(huán)境生態(tài)的基礎(chǔ)配備,在近幾年的經(jīng)濟(jì)發(fā)展和國(guó)家建設(shè)中,針對(duì)水力發(fā)電的策略也有了相關(guān)的技術(shù)人員安排,有效的推進(jìn)可再生能源發(fā)電的合理性和完備性,提升電力系統(tǒng)運(yùn)行狀態(tài)的綜合性和靈活性,促進(jìn)該種發(fā)電形式的有效開(kāi)展。本文就基于改進(jìn)蟻群算法的梯級(jí)水庫(kù)群優(yōu)化調(diào)度研究進(jìn)行分析和歸納。

分析了人工魚(yú)群算法存在的問(wèn)題,提出一種改進(jìn)人工魚(yú)群算法,并將其用于梯級(jí)水庫(kù)群的優(yōu)化調(diào)度.其改進(jìn)思想是采用動(dòng)態(tài)調(diào)整人工魚(yú)視野和步長(zhǎng)的方法,較好地平衡了人工魚(yú)群算法的全局搜索能力和局部搜索能力的矛盾;在此基礎(chǔ)上,針對(duì)算法局部更新策略引起的更新操作前后個(gè)體空間位置變化較大,降低收斂速度這一問(wèn)題,在局部更新時(shí)采用了閾值選擇的策略.通過(guò)實(shí)例驗(yàn)證了該改進(jìn)算法的有效性,并對(duì)改進(jìn)算法的閾值參數(shù)進(jìn)行了率定.

針對(duì)梯級(jí)水庫(kù)群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問(wèn)題提出改進(jìn)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(jí)水電站優(yōu)化調(diào)度為例,計(jì)算結(jié)果表明,改進(jìn)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。

為了進(jìn)一步增強(qiáng)微粒群算法的優(yōu)化性能,提出了一種改進(jìn)微粒群算法,并將其用于求解梯級(jí)水庫(kù)群的優(yōu)化調(diào)度。該算法引進(jìn)了類似遺傳算法的交叉和變異算子來(lái)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(jī)進(jìn)行算術(shù)交叉,變異是微粒以一定的概率隨機(jī)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(shí)采用了有條件的隨機(jī)自動(dòng)生成方式,并利用懲罰函數(shù)法來(lái)處理邊界條件和其它非等式約束。實(shí)例計(jì)算結(jié)果表明,改進(jìn)微粒群算法具有比常規(guī)動(dòng)態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計(jì)算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

本文結(jié)合梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度問(wèn)題,針對(duì)差分演化算法在進(jìn)化過(guò)程中,其適應(yīng)度的進(jìn)化模式未考慮進(jìn)化的外部環(huán)境與進(jìn)化成分之間的內(nèi)在聯(lián)系,借鑒生態(tài)學(xué)對(duì)個(gè)體生存環(huán)境與種群競(jìng)爭(zhēng)的關(guān)系,提出了協(xié)同差分演化算法在梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度中的應(yīng)用。通過(guò)實(shí)例驗(yàn)證,結(jié)果表明該算法具有可靠性與合理性,提高了計(jì)算精度和計(jì)算效率,為高維、復(fù)雜的梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度模型提供了一個(gè)新的求解途徑。

利用廣義蟻群算法對(duì)梯級(jí)水庫(kù)進(jìn)行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機(jī)自動(dòng)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(shí)例結(jié)果表明,該算法搜索能力強(qiáng)、精度高、可靠、有效實(shí)用。

結(jié)合梯級(jí)水庫(kù)群聯(lián)合運(yùn)行的實(shí)際情況,分析目前國(guó)內(nèi)外水庫(kù)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(duì)梯級(jí)水電站群中長(zhǎng)期水庫(kù)調(diào)度問(wèn)題應(yīng)用研究,建立一種梯級(jí)水電站群中長(zhǎng)期水庫(kù)優(yōu)化調(diào)度模型,通過(guò)實(shí)際數(shù)據(jù)驗(yàn)證,此方法可以獲得梯級(jí)各電站的最優(yōu)運(yùn)行方式,為指導(dǎo)梯級(jí)各水電站的實(shí)際運(yùn)行最優(yōu)化提供科學(xué)決策依據(jù)。

采用改進(jìn)的pso并行算法對(duì)遼寧中西部4座梯級(jí)水庫(kù)生態(tài)進(jìn)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(jìn)的pso并行算法可加速搜索梯級(jí)水庫(kù)生態(tài)調(diào)度目標(biāo)的最優(yōu)解,經(jīng)過(guò)pso并行算法優(yōu)化求解后,豐水期(5~9月)各梯級(jí)水庫(kù)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(dá)到82.0%和77.9%,在枯水期(10~12月和1~4月)各梯級(jí)水庫(kù)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(dá)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(jí)水庫(kù)生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考。

梯級(jí)水電站水庫(kù)群聯(lián)合調(diào)度問(wèn)題具有復(fù)雜的約束條件,受到發(fā)電、供水、防洪等目標(biāo)的制約。作為多目標(biāo)非線性優(yōu)化調(diào)度問(wèn)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(wèn)題,首次嘗試將螢火蟲(chóng)算法引入梯級(jí)水庫(kù)優(yōu)化調(diào)度研究中。在傳統(tǒng)螢火蟲(chóng)算法模仿自然界螢火蟲(chóng)捕食求偶行為的基礎(chǔ)上,對(duì)其進(jìn)行優(yōu)化與改進(jìn),引入目標(biāo)空間中解的pareto支配關(guān)系比較螢火蟲(chóng)熒光亮度,比較其優(yōu)化解,采用輪盤(pán)賭法確定螢火蟲(chóng)每次更新過(guò)程中的移動(dòng)路徑,利用精英保留策略建立多目標(biāo)螢火蟲(chóng)模型。通過(guò)典型的梯級(jí)水電站進(jìn)行仿真計(jì)算,研究結(jié)果表明,改進(jìn)的多目標(biāo)螢火蟲(chóng)算法在優(yōu)化過(guò)程中具有較強(qiáng)的尋優(yōu)能力,能更好地進(jìn)行全局搜索和局部搜索,計(jì)算過(guò)程中具有良好的穩(wěn)定性,并且計(jì)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(jí)水電站水庫(kù)群中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了新的途徑和新方法。

采用改進(jìn)的ps0并行算法對(duì)遼寧中西部4座梯級(jí)水庫(kù)生態(tài)進(jìn)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(jìn)的ps0并行算法可加速搜索梯級(jí)水庫(kù)生態(tài)調(diào)度目標(biāo)的最優(yōu)解,經(jīng)過(guò)ps0并行算法優(yōu)化求解后,豐水期（5~9月）各梯級(jí)水庫(kù)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(dá)到82.0%和77.9%,在枯水期（10~12月和1~4月）各梯級(jí)水庫(kù)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(dá)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(jí)水庫(kù)生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考.

在實(shí)行分時(shí)電價(jià)政策的背景下,為指導(dǎo)梯級(jí)水電站群聯(lián)合優(yōu)化運(yùn)行,本文建立了以梯級(jí)年最大發(fā)電收益和可靠出力最大化為目標(biāo)的數(shù)學(xué)模型。實(shí)際運(yùn)行中,常將可靠出力最大化這一目標(biāo)轉(zhuǎn)化為梯級(jí)可靠出力約束,采用傳統(tǒng)poa求解將會(huì)出現(xiàn)維數(shù)災(zāi)的問(wèn)題,很難求解,本文提出一種poa改進(jìn)算法用于上述模型求解。使用雅礱江梯級(jí)水電站的實(shí)際數(shù)據(jù)進(jìn)行計(jì)算,結(jié)果表明,算法計(jì)算速度快,收斂效果好,能夠得到滿意的優(yōu)化結(jié)果。

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。

以差分進(jìn)化算法(de)為基本框架,結(jié)合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索優(yōu)勢(shì)以及多核并行計(jì)算技術(shù)(pc),提出一種新的并行混合差分進(jìn)化算法(phde),即將de與ca、slfa進(jìn)行有機(jī)融合,分別對(duì)精英個(gè)體進(jìn)行混沌局部搜索和對(duì)較差個(gè)體進(jìn)行蛙跳局部更新,且差分進(jìn)化運(yùn)算、混沌局部搜索和蛙跳局部更新均采用pc,以有效縮短計(jì)算時(shí)間。phde具有三點(diǎn)優(yōu)勢(shì):一是保留了de簡(jiǎn)單易行、收斂迅速的特點(diǎn);二是繼承了ca、slfa的遍歷性,能夠避免早熟收斂現(xiàn)象;三是通過(guò)合理的并行模式,有效降低了計(jì)算時(shí)間。典型測(cè)試函數(shù)表明了phde的可行性、高效性和魯棒性。實(shí)例研究表明,phde具有較好的優(yōu)化性能和計(jì)算效率,為高效求解水庫(kù)群優(yōu)化調(diào)度問(wèn)題提供了一種可行途徑。

針對(duì)人工魚(yú)群算法的不足,提出了人工魚(yú)群遺傳算法(afsa-ga),采用人工魚(yú)群算法模擬梯級(jí)水庫(kù)優(yōu)化調(diào)度,再用遺傳算法進(jìn)行局部細(xì)化搜索。實(shí)例結(jié)果表明,人工魚(yú)群遺傳算法應(yīng)用于梯級(jí)水庫(kù)優(yōu)化調(diào)度行之有效。

本文針對(duì)粒子群算法在求解高維、復(fù)雜的梯級(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度時(shí)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(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度的特點(diǎn),提出了應(yīng)用差分演化算法改進(jìn)粒子群的混合優(yōu)化算法。通過(guò)實(shí)際算例驗(yàn)證了該混合方法的合理性和可靠性,從而為高維、復(fù)雜梯級(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度模型求解提供了一種新的途徑。

電力系統(tǒng)機(jī)組組合是一個(gè)多維,復(fù)雜的整數(shù)規(guī)劃問(wèn)題,利用傳統(tǒng)方法較難求解。在通過(guò)研究布谷鳥(niǎo)搜索(cuckoosearch)算法的基本原理,分析布谷鳥(niǎo)算法的優(yōu)缺點(diǎn)基礎(chǔ)上,結(jié)合粒子群算法,提出一種改進(jìn)的布谷鳥(niǎo)搜索算法。通過(guò)在10機(jī)組系統(tǒng)中進(jìn)行驗(yàn)證,結(jié)果表明,算法比粒子群算法、標(biāo)準(zhǔn)布谷鳥(niǎo)算法更好。改進(jìn)的布谷鳥(niǎo)搜索算法同樣也在收斂速度等更具有優(yōu)勢(shì)。

梯級(jí)水庫(kù)群優(yōu)化調(diào)度規(guī)律是指導(dǎo)梯級(jí)水庫(kù)群優(yōu)化運(yùn)行的重要工具。本文應(yīng)用概率統(tǒng)計(jì)法和相關(guān)分析法對(duì)烏江流域的兼顧保證出力發(fā)電量最大計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)歸納,通過(guò)引入經(jīng)驗(yàn)頻率分析了各庫(kù)在不同調(diào)度期的水位變化規(guī)律和建立時(shí)段平均出力與本時(shí)段可用水量相關(guān)關(guān)系圖來(lái)研究各庫(kù)在不同調(diào)度期的發(fā)電規(guī)則,為挖掘梯級(jí)水庫(kù)長(zhǎng)期運(yùn)行結(jié)果中蘊(yùn)藏的潛在規(guī)律提供了一種方法。通過(guò)對(duì)烏江梯級(jí)各庫(kù)水位變化規(guī)律和發(fā)電規(guī)則的研究,為烏江梯級(jí)水庫(kù)群優(yōu)化運(yùn)行提供了理論支撐。

建立了梯級(jí)水電站中長(zhǎng)期聯(lián)合優(yōu)化調(diào)度模型,并采用逐步優(yōu)化算法對(duì)其進(jìn)行求解。以金沙江中游梯級(jí)水電站群為例,通過(guò)計(jì)算,得到了合理的聯(lián)合優(yōu)化調(diào)度方案。與各水庫(kù)單獨(dú)運(yùn)行對(duì)比,其多年平均發(fā)電量、枯期發(fā)電量及水量利用率均有不同程度的提高。該結(jié)果表明此方法應(yīng)用于實(shí)際生產(chǎn)中切實(shí)有效,也為梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度運(yùn)行提供了一種可行的途徑。

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

電力系統(tǒng)中每小時(shí)負(fù)荷具有波動(dòng)性,為了提高短期電力負(fù)荷預(yù)測(cè)的精度,本文提出第一個(gè)改進(jìn)的基于小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型,此模型應(yīng)用布谷鳥(niǎo)優(yōu)化算法對(duì)小波神經(jīng)網(wǎng)絡(luò)中的參數(shù)進(jìn)行優(yōu)化后,再對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。通過(guò)澳大利亞新南威爾士州的電力負(fù)荷數(shù)據(jù)的分析,與傳統(tǒng)的arima模型相比較,提出的改進(jìn)模型能夠很好地提高預(yù)測(cè)精度。

根據(jù)沅水各斷面歷史水文資料及湖南當(dāng)前豐枯電價(jià)水平,運(yùn)用動(dòng)態(tài)規(guī)劃優(yōu)化理論歸納了沅水流域梯級(jí)電站聯(lián)合運(yùn)行規(guī)律,提出了調(diào)節(jié)能力較強(qiáng)的三板溪、五強(qiáng)溪兩個(gè)水庫(kù)的運(yùn)行方式。實(shí)例結(jié)果表明,該方式對(duì)沅水流域水庫(kù)聯(lián)合調(diào)度、充分發(fā)揮流域梯級(jí)發(fā)電效益具有指導(dǎo)意義。

隨著我國(guó)水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨(dú)特的優(yōu)勢(shì)作用下,梯度水庫(kù)群的優(yōu)化調(diào)度研究取得了顯著的成果.不過(guò)在如今越來(lái)越復(fù)雜的水庫(kù)調(diào)度問(wèn)題中,傳統(tǒng)的算法已不能得以很好地解決此類問(wèn)題.通過(guò)采用三種經(jīng)過(guò)改進(jìn)的人工蜂群算法（isc-abc、cl-abc、ims-abc）應(yīng)用到渾江流域的3個(gè)水電站中進(jìn)行實(shí)驗(yàn)測(cè)試,來(lái)對(duì)梯級(jí)水庫(kù)進(jìn)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(kù)的實(shí)際應(yīng)