改進(jìn)多目標(biāo)布谷鳥算法梯級水電站優(yōu)化調(diào)度

以發(fā)電量和保證出力為目標(biāo)建立梯級水電站的多目標(biāo)發(fā)電優(yōu)化調(diào)度模型,對三峽梯級中長期發(fā)電優(yōu)化調(diào)度進(jìn)行研究。針對傳統(tǒng)方法求解多目標(biāo)優(yōu)化問題的局限,提出一種強度pareto差分進(jìn)化算法(strengthparetodifferenti-alevolution,spde)用于求解梯級水電站的多目標(biāo)發(fā)電優(yōu)化調(diào)度問題。spde以差分進(jìn)化算法(differentialevolution,de)為基礎(chǔ),采用spea2的適應(yīng)度評價方法,并根據(jù)多目標(biāo)優(yōu)化的特點對de的進(jìn)化算子進(jìn)行修正。同時,提出一種自適應(yīng)柯西變異策略(adaptivecauchymutation,acm)用于克服算法的早熟收斂問題。三峽梯級水電站實例研究結(jié)果表明,spde可同時考慮兩個目標(biāo)并有效處理復(fù)雜約束條件,一次運行即可得到一組在各目標(biāo)分布均勻、分布范圍廣的非劣調(diào)度方案供決策者評價優(yōu)選。

提出多目標(biāo)混合粒子群算法以求解梯級水電站多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型。該算法采用混合蛙跳算法的分組-混合循化優(yōu)化框架以增強算法的全局搜索能力;在族群內(nèi)通過粒子群算法的飛行調(diào)整策略指導(dǎo)個體進(jìn)化;同時,引入外部精英集,建立了基于自適應(yīng)小生境的外部精英集維護(hù)策略,提高了算法的收斂性和非劣解集的多樣性。最后將該算法應(yīng)用于三峽梯級水電站多目標(biāo)優(yōu)化調(diào)度工程,計算結(jié)果表明,本文算法能夠獲得計算實時性強、分布均勻、收斂性好的調(diào)度方案集,并以此分析明確了調(diào)度目標(biāo)間的耦合關(guān)系,可為梯級電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國水電企業(yè)模型的改革，因為只有改革才能適應(yīng)時代的變化，才能解決日益嚴(yán)峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調(diào)度模型與算法。

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(jié)構(gòu)進(jìn)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(guān)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(jìn)行詳細(xì)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。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國水電企業(yè)模型的改革，因為只有改革才能適應(yīng)時代的變化，才能解決日益嚴(yán)峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調(diào)度模型與算法。

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(jié)構(gòu)進(jìn)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(guān)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(jìn)行詳細(xì)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。

梯級水電站優(yōu)化調(diào)度要考慮發(fā)電、防洪、電網(wǎng)安全運行等多個目標(biāo),具有高維、動態(tài)、非線性等特征,求解復(fù)雜。為解決這一問題,通過改進(jìn)花粉算法搜索策略和引入差分變異操作,加快算法收斂速度,增加種群多樣性,并將該算法用于求解梯級水電站多目標(biāo)優(yōu)化調(diào)度問題。結(jié)果表明,該算法收斂速度快,求解精度高,對求解梯級水電站多目標(biāo)優(yōu)化問題具有一定的優(yōu)越性。

梯級水電站優(yōu)化調(diào)度要考慮發(fā)電、防洪、電網(wǎng)安全運行等多個目標(biāo)，具有高維、動態(tài)、非線性等特征，求解復(fù)雜。為解決這一問題，通過改進(jìn)花粉算法搜索策略和引入差分變異操作，加快算法收斂速度，增加種群多樣性，并將該算法用于求解梯級水電站多目標(biāo)優(yōu)化調(diào)度問題。結(jié)果表明，該算法收斂速度快，求解精度高，對求解梯級水電站多目標(biāo)優(yōu)化問題具有一定的優(yōu)越性。

梯級水庫優(yōu)化調(diào)度模型的求解一直是水利學(xué)科需要深入研究的基本問題。使用改進(jìn)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(yīng)用。對標(biāo)準(zhǔn)布谷鳥算法的尋優(yōu)機制作了闡述,并嘗試在算法進(jìn)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(biāo)準(zhǔn)算法進(jìn)行改進(jìn),提出了改進(jìn)的布谷鳥算法,并將其應(yīng)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(jìn)策略可有效克服標(biāo)準(zhǔn)算法中的\"早熟\"現(xiàn)象,改進(jìn)算法搜索效率更高,尋優(yōu)結(jié)果更穩(wěn)定。

介紹了目前國內(nèi)對于梯級水電站優(yōu)化調(diào)度問題的研究和實踐現(xiàn)狀,重點研究了優(yōu)化調(diào)度模型的建立和優(yōu)化算法。

隨著經(jīng)濟社會不斷發(fā)展,我國能源結(jié)構(gòu)也隨著不斷變化,水電資源作為一項重要能源,其發(fā)展好壞直接關(guān)系到我國的可持續(xù)發(fā)展道路.梯級水電站作為水電的一種關(guān)鍵形式,必須對其進(jìn)行發(fā)電優(yōu)化調(diào)度,從而保證水資源得到合理利用.本文主要針對梯級水電站的主要特點和未來發(fā)展方向,總結(jié)了我國的一些成果,并深入分析了其運行過程中的主要問題,通過對模型進(jìn)行改進(jìn),對其進(jìn)行優(yōu)化調(diào)度,提出了新的調(diào)度模型.

在一種典型多目標(biāo)進(jìn)化算法nsga-ⅱ基礎(chǔ)上做了以下改進(jìn):1)引入了外部檔案集并提出一種基于局部搜索的算子,用于提高其收斂性及非劣解的分布性;2)為了便于決策者決策,采用一種基于偏好的簡單有效決策方法優(yōu)選調(diào)度方案;3)為提高算法的效率,在建立偏序集時,采用快速排序算法對子目標(biāo)進(jìn)行排序.最后,采用改進(jìn)ns-ga-ⅱ算法求解三峽梯級水電站多目標(biāo)發(fā)電優(yōu)化調(diào)度問題,結(jié)果表明算法能夠有效地處理復(fù)雜約束,得到分布完備且均勻的非劣調(diào)度方案集,并計算出各非劣調(diào)度方案的相對優(yōu)屬度以便于決策者進(jìn)行決策.

本文首先從目標(biāo)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(xué)模型.然后對目前研究比較廣泛的各類優(yōu)化算法進(jìn)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.

根據(jù)梯級水電站水庫來水特點和運行特點,提出一種在一年中從汛期和非汛期兩個時間段分別建立不同的多目標(biāo)長期優(yōu)化調(diào)度模型,采用線性加權(quán)法和外點罰函數(shù)法將含約束條件多目標(biāo)問題轉(zhuǎn)化為無約束單目標(biāo)問題,應(yīng)用粒子群算法(pso)進(jìn)行求解.算例表明了該模型的正確性和求解方法的可行性,為梯級水電站優(yōu)化調(diào)度提供了一種更全面、具體的模型.

探索新的調(diào)度模型求解方法一直是水庫優(yōu)化調(diào)度研究的熱點之一。社會情感優(yōu)化算法(seoa)是一種新興的啟發(fā)式智能優(yōu)化算法,但目前在水庫優(yōu)化調(diào)度中未見應(yīng)用。將seoa應(yīng)用于梯級水電站發(fā)電優(yōu)化調(diào)度中,并針對算法初始種群隨機生成造成的初始解代表性低,引入了初始種群均勻設(shè)計,針對部分個體過早收斂導(dǎo)致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進(jìn)社會情感優(yōu)化算法(改進(jìn)seoa)。實例表明,在梯級水電站發(fā)電優(yōu)化調(diào)度模型的求解中,改進(jìn)seoa搜索效率高、尋優(yōu)能力強、穩(wěn)定性好。

探索新的調(diào)度模型求解方法一直是水庫優(yōu)化調(diào)度研究的熱點之一。社會情感優(yōu)化算法（seoa）是一種新興的啟發(fā)式智能優(yōu)化算法,但目前在水庫優(yōu)化調(diào)度中未見應(yīng)用。將seoa應(yīng)用于梯級水電站發(fā)電優(yōu)化調(diào)度中,并針對算法初始種群隨機生成造成的初始解代表性低,引入了初始種群均勻設(shè)計,針對部分個體過早收斂導(dǎo)致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進(jìn)社會情感優(yōu)化算法（改進(jìn)seoa）。實例表明,在梯級水電站發(fā)電優(yōu)化調(diào)度模型的求解中,改進(jìn)seoa搜索效率高、尋優(yōu)能力強、穩(wěn)定性好。

為科學(xué)求解梯級水電站群多目標(biāo)優(yōu)化調(diào)度模型,提出一種基于量子行為進(jìn)化機制的多目標(biāo)量子粒子群算法(moqpso)。該方法以標(biāo)準(zhǔn)量子粒子群算法(qpso)為基礎(chǔ),引入外部檔案集合存儲非劣粒子,利用個體支配關(guān)系實現(xiàn)檔案集合的動態(tài)更新維護(hù);依據(jù)個體領(lǐng)導(dǎo)能力優(yōu)劣選擇粒子歷史最優(yōu)位置與種群全局最優(yōu)位置,維持搜索過程中個體進(jìn)化方向的多樣性;采用混沌變異算子對個體進(jìn)行局部擾動,提升算法的全局收斂性能。烏江流域模擬調(diào)度結(jié)果表明,所提方法具有良好的收斂速度與尋優(yōu)能力,可快速獲得兼顧梯級水電系統(tǒng)經(jīng)濟性與可靠性要求的pareto解集,能夠為工程人員提供科學(xué)的決策依據(jù)。

將改進(jìn)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(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,給出了梯級水電站短期優(yōu)化調(diào)度問題改進(jìn)型螞蟻算法的數(shù)學(xué)描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實例驗證了改進(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,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(hù)費用,并增加了梯級的經(jīng)濟效益．

為保障梯級水電站群多目標(biāo)優(yōu)化調(diào)度問題的計算效率和求解精度,提出了基于fork/join多核并行框架的并行多目標(biāo)遺傳算法.該方法以多目標(biāo)遺傳算法為基礎(chǔ),引入多種群異步進(jìn)化策略保證種群間個體多樣性;采用遷移機制保障子種群的信息有機互饋,提升算法收斂性和解集多樣性;利用并行技術(shù)實現(xiàn)子種群在各內(nèi)核的同步求解,提高計算效率.針對問題特點,耦合個體實數(shù)串聯(lián)編碼方法、混沌初始化種群策略和約束pareto占優(yōu)機制等,進(jìn)一步提升方法尋優(yōu)性能.瀾滄江流域梯級水電站群多目標(biāo)優(yōu)化調(diào)度結(jié)果表明,所提方法可充分利用多核資源,提升模型計算效率與求解精度,并能獲得分布均勻、合理可行的調(diào)度方案集,為水電系統(tǒng)多目標(biāo)高效決策提供科學(xué)依據(jù).

根據(jù)梯級水電站不僅具有電力聯(lián)系而且具有水力聯(lián)系的運行特點,提出一種以年發(fā)電量和一級水電站耗水量為優(yōu)化目標(biāo)的梯級水電站多目標(biāo)長期優(yōu)化調(diào)度模型。通過定義各目標(biāo)的隸屬度函數(shù),將多目標(biāo)優(yōu)化問題模糊化;采用最大模糊滿意度法將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)非線性規(guī)劃問題;應(yīng)用協(xié)調(diào)粒子群算法(cpso)求解單目標(biāo)優(yōu)化問題。仿真驗證了模型的正確性和求解方法的可行性,為梯級水電站優(yōu)化調(diào)度提供了一種新穎有效的途徑。

棄水是影響梯級水電站經(jīng)濟運行的一個重要因素,針對靜態(tài)棄水策略的不足,在協(xié)調(diào)條件的基礎(chǔ)上,建立了梯級水電站的動態(tài)棄水模型,以此為基礎(chǔ)建立調(diào)度期內(nèi)發(fā)電量最大、年調(diào)節(jié)或季調(diào)節(jié)水庫末蓄水量最大、日調(diào)節(jié)水庫末蓄水量偏差平方和最小、總耗水量最小及末級水電站棄水量最小的多目標(biāo)短期優(yōu)化調(diào)度模型。針對仿電磁學(xué)算法原理(electro-magnetism-likemechanism,elm)簡單及收斂迅速的特點,采用嵌入數(shù)據(jù)包絡(luò)分析(dataenvelopmentanalysis,dea)的混合仿電磁學(xué)算法對多目標(biāo)優(yōu)化調(diào)度模型進(jìn)行求解,該算法避免了傳統(tǒng)權(quán)重系數(shù)法的盲目性。對一個8級梯級水電站系統(tǒng)進(jìn)行仿真分析,結(jié)果表明所提出的動態(tài)棄水策略可以有效地提高梯級水電站的發(fā)電效益,同時也驗證了混合仿電磁學(xué)算法在求解多目標(biāo)優(yōu)化問題時的有效性。

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(jié)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(dǎo)致優(yōu)化結(jié)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(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(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(jìn)算法效率更高,尋優(yōu)結(jié)果更穩(wěn)定。