改進(jìn)花粉算法的梯級(jí)水電站多目標(biāo)優(yōu)化

提出多目標(biāo)混合粒子群算法以求解梯級(jí)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(qiáng)算法的全局搜索能力;在族群內(nèi)通過(guò)粒子群算法的飛行調(diào)整策略指導(dǎo)個(gè)體進(jìn)化;同時(shí),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(jí)水電站多目標(biāo)優(yōu)化調(diào)度工程,計(jì)算結(jié)果表明,本文算法能夠獲得計(jì)算實(shí)時(shí)性強(qiáng)、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(jí)電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。

為保證電力市場(chǎng)運(yùn)行的有序性、電力供應(yīng)和電價(jià)的穩(wěn)定性，國(guó)家積極組織發(fā)電公司與電網(wǎng)之間簽訂電力合約。當(dāng)梯級(jí)水電站與電網(wǎng)簽訂年度電力合約后，電網(wǎng)通過(guò)預(yù)測(cè)用戶用電需求，年初時(shí)，確定各電站在各月份擔(dān)任的負(fù)荷任務(wù)，而水電站的來(lái)水具有很大的隨機(jī)性，導(dǎo)致出力受其影響較大的水電站在履行電網(wǎng)分配的任務(wù)時(shí)可能存在風(fēng)險(xiǎn)。優(yōu)化發(fā)電資源配置、提高系統(tǒng)的運(yùn)行安全是電力市場(chǎng)改革的重要目標(biāo)。分析了梯級(jí)水電站多目標(biāo)發(fā)電優(yōu)化調(diào)度的相關(guān)內(nèi)容。

以發(fā)電量和保證出力為目標(biāo)建立梯級(jí)水電站的多目標(biāo)發(fā)電優(yōu)化調(diào)度模型,對(duì)三峽梯級(jí)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度進(jìn)行研究。針對(duì)傳統(tǒng)方法求解多目標(biāo)優(yōu)化問(wèn)題的局限,提出一種強(qiáng)度pareto差分進(jìn)化算法(strengthparetodifferenti-alevolution,spde)用于求解梯級(jí)水電站的多目標(biāo)發(fā)電優(yōu)化調(diào)度問(wèn)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(píng)價(jià)方法,并根據(jù)多目標(biāo)優(yōu)化的特點(diǎn)對(duì)de的進(jìn)化算子進(jìn)行修正。同時(shí),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(wèn)題。三峽梯級(jí)水電站實(shí)例研究結(jié)果表明,spde可同時(shí)考慮兩個(gè)目標(biāo)并有效處理復(fù)雜約束條件,一次運(yùn)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(píng)價(jià)優(yōu)選。

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．

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(jiǎn)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(shí),采用快速排序算法對(duì)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(jí)水電站多目標(biāo)發(fā)電優(yōu)化調(diào)度問(wèn)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(jì)算出各非劣調(diào)度方案的相對(duì)優(yōu)屬度以便于決策者進(jìn)行決策.

根據(jù)梯級(jí)水電站水庫(kù)來(lái)水特點(diǎn)和運(yùn)行特點(diǎn),提出一種在一年中從汛期和非汛期兩個(gè)時(shí)間段分別建立不同的多目標(biāo)長(zhǎng)期優(yōu)化調(diào)度模型,采用線性加權(quán)法和外點(diǎn)罰函數(shù)法將含約束條件多目標(biāo)問(wèn)題轉(zhuǎn)化為無(wú)約束單目標(biāo)問(wèn)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(jí)水電站優(yōu)化調(diào)度提供了一種更全面、具體的模型.

現(xiàn)代水電站的運(yùn)行,不僅要滿足電力系統(tǒng)運(yùn)行要求,而且還要考慮多個(gè)目標(biāo)之間的協(xié)調(diào),才能使綜合效益最大。文中概述了現(xiàn)代水電站各項(xiàng)指標(biāo)之間的聯(lián)合運(yùn)行,并對(duì)其算法進(jìn)行分類。針對(duì)常規(guī)多目標(biāo)聯(lián)合經(jīng)濟(jì)運(yùn)行給出解決方法,以期達(dá)到各項(xiàng)指標(biāo)相平衡的發(fā)展目標(biāo)。

梯級(jí)水電站中長(zhǎng)期經(jīng)濟(jì)調(diào)度是一個(gè)典型非線性優(yōu)化問(wèn)題，通常要求在滿足復(fù)雜的水力、電力約束條件，兼顧求解效率的同時(shí)實(shí)現(xiàn)梯級(jí)發(fā)電量最大。為有效解決這一問(wèn)題，通過(guò)改進(jìn)標(biāo)準(zhǔn)蝙蝠算法（batalgorithm，ba）更新策略和引入差分進(jìn)化算法（differentialevolution，de）變異、選擇操作，提出一種改進(jìn)的蝙蝠算法（improvedbatalgorithm，iba）。對(duì)標(biāo)準(zhǔn)蝙蝠算法更新策略進(jìn)行以下改進(jìn)：1）蝙蝠個(gè)體脈沖頻率不隨種群迭代而更新；2）蝙蝠個(gè)體脈沖發(fā)射率和脈沖音量隨種群迭代而更新；3）無(wú)條件接受全局搜索產(chǎn)生的新解，有條件接受局部搜索產(chǎn)生的新解；4）改進(jìn)飛行速度公式，縮小新個(gè)體與當(dāng)前種群最優(yōu)個(gè)體的偏離值。同時(shí)，針對(duì)蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點(diǎn)，引入差分進(jìn)化算法中的變異、選擇操作，實(shí)現(xiàn)動(dòng)態(tài)控制變異概率。建立兼顧梯級(jí)最小出力最大化的梯級(jí)總發(fā)電量最大模型，利用大渡河流域瀑布溝、深溪溝、枕頭壩一級(jí)梯級(jí)水電站經(jīng)濟(jì)調(diào)度問(wèn)題實(shí)例，從流域長(zhǎng)系列徑流資料中選取典型年，對(duì)iba的主要控制參數(shù)（縮放因子、最大迭代次數(shù)）進(jìn)行測(cè)試與分析。采用iba、ba、逐步優(yōu)化算法（poa）對(duì)同一典型年進(jìn)行模擬調(diào)度。從枯期出力特征、梯級(jí)發(fā)電量、算法運(yùn)行時(shí)間3項(xiàng)指標(biāo)綜合來(lái)看，對(duì)于復(fù)雜的梯級(jí)水電站經(jīng)濟(jì)調(diào)度問(wèn)題，改進(jìn)的蝙蝠算法能夠在枯水期給電網(wǎng)提供盡可能大而穩(wěn)定的出力，同時(shí)縮短計(jì)算時(shí)間，獲得更高精度解。

為科學(xué)求解梯級(jí)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(jī)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(chǔ)非劣粒子,利用個(gè)體支配關(guān)系實(shí)現(xiàn)檔案集合的動(dòng)態(tài)更新維護(hù);依據(jù)個(gè)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(guò)程中個(gè)體進(jìn)化方向的多樣性;采用混沌變異算子對(duì)個(gè)體進(jìn)行局部擾動(dòng),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(jí)水電系統(tǒng)經(jīng)濟(jì)性與可靠性要求的pareto解集,能夠?yàn)楣こ倘藛T提供科學(xué)的決策依據(jù)。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問(wèn)題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問(wèn)題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

提出一種求解梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過(guò)程來(lái)尋找梯級(jí)水電站中長(zhǎng)期最優(yōu)調(diào)度計(jì)劃。算法把問(wèn)題解抽象為螞蟻路徑,利用狀態(tài)轉(zhuǎn)移、信息素更新和鄰域搜索以獲取最短路徑即最優(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梯級(jí)優(yōu)化調(diào)度問(wèn)題。算法求解精度高、收斂速度快,為解決梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了一種有效的方法。

為保障梯級(jí)水電站群多目標(biāo)優(yōu)化調(diào)度問(wèn)題的計(jì)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(gè)體多樣性;采用遷移機(jī)制保障子種群的信息有機(jī)互饋,提升算法收斂性和解集多樣性;利用并行技術(shù)實(shí)現(xiàn)子種群在各內(nèi)核的同步求解,提高計(jì)算效率.針對(duì)問(wèn)題特點(diǎn),耦合個(gè)體實(shí)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(jī)制等,進(jìn)一步提升方法尋優(yōu)性能.瀾滄江流域梯級(jí)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(jì)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(jí)水電站不僅具有電力聯(lián)系而且具有水力聯(lián)系的運(yùn)行特點(diǎn),提出一種以年發(fā)電量和一級(jí)水電站耗水量為優(yōu)化目標(biāo)的梯級(jí)水電站多目標(biāo)長(zhǎng)期優(yōu)化調(diào)度模型。通過(guò)定義各目標(biāo)的隸屬度函數(shù),將多目標(biāo)優(yōu)化問(wèn)題模糊化;采用最大模糊滿意度法將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)非線性規(guī)劃問(wèn)題;應(yīng)用協(xié)調(diào)粒子群算法(cpso)求解單目標(biāo)優(yōu)化問(wèn)題。仿真驗(yàn)證了模型的正確性和求解方法的可行性,為梯級(jí)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(jí)水電站經(jīng)濟(jì)運(yùn)行的一個(gè)重要因素,針對(duì)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(jí)水電站的動(dòng)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(kù)末蓄水量最大、日調(diào)節(jié)水庫(kù)末蓄水量偏差平方和最小、總耗水量最小及末級(jí)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(duì)仿電磁學(xué)算法原理(electro-magnetism-likemechanism,elm)簡(jiǎn)單及收斂迅速的特點(diǎn),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(duì)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(duì)一個(gè)8級(jí)梯級(jí)水電站系統(tǒng)進(jìn)行仿真分析,結(jié)果表明所提出的動(dòng)態(tài)棄水策略可以有效地提高梯級(jí)水電站的發(fā)電效益,同時(shí)也驗(yàn)證了混合仿電磁學(xué)算法在求解多目標(biāo)優(yōu)化問(wèn)題時(shí)的有效性。

山東舉利專科學(xué)校學(xué)報(bào) journalofshandonghydraulicengineering]lstitutc 431：35?一40 l992—8 了 多目標(biāo)梯級(jí)水電站水庫(kù)群補(bǔ)償調(diào)節(jié) 的關(guān)聯(lián)平衡法 倪深海 (水資源系) 弋＼}7≥6 摘要根據(jù)發(fā)電、航運(yùn)為主的梯級(jí)水電站群聯(lián)合優(yōu)化運(yùn)行的特點(diǎn)，建立了保證出力 和航運(yùn)保證率最大的多目標(biāo)數(shù)學(xué)模型。采用把大系統(tǒng)遞階控制理論的關(guān)聯(lián)平衡法相嵌干 多目標(biāo)決策的滿意權(quán)衡法之中的求解方法。第一級(jí)使用隨機(jī)模式尋優(yōu)法求解每個(gè)子問(wèn) 題j第二叛采用梯度法進(jìn)行協(xié)調(diào)經(jīng)過(guò)上下兩筑反復(fù)迭代，不僅使供水期出力和相等的 關(guān)聯(lián)約束達(dá)到7平衡，也使班策者得到7滿意的結(jié)果。 關(guān)鍵詞 對(duì)于同一 滿意權(quán)衡法；隨機(jī)模式尋優(yōu)法術(shù)醐波寵√ 站，當(dāng)其區(qū)間面積較大時(shí)，一般采用補(bǔ)償調(diào)

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。

建立一種梯級(jí)水電站中長(zhǎng)期水庫(kù)優(yōu)化調(diào)度模型,利用混沌優(yōu)化算法對(duì)梯級(jí)水電站中長(zhǎng)期水庫(kù)調(diào)度問(wèn)題進(jìn)行優(yōu)化計(jì)算。實(shí)例計(jì)算結(jié)果表明,該算法可求解復(fù)雜約束條件的非線性梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題,精度高、收斂速度快,為求解梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度提供了一種有效算法。

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。

探索新的調(diào)度模型求解方法一直是水庫(kù)優(yōu)化調(diào)度研究的熱點(diǎn)之一。社會(huì)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(kù)優(yōu)化調(diào)度中未見(jiàn)應(yīng)用。將seoa應(yīng)用于梯級(jí)水電站發(fā)電優(yōu)化調(diào)度中,并針對(duì)算法初始種群隨機(jī)生成造成的初始解代表性低,引入了初始種群均勻設(shè)計(jì),針對(duì)部分個(gè)體過(guò)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(huì)情感優(yōu)化算法（改進(jìn)seoa）。實(shí)例表明,在梯級(jí)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(qiáng)、穩(wěn)定性好。

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。

進(jìn)入二十一世紀(jì)以來(lái)，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來(lái)越舒適、便捷的同時(shí)，隨之而來(lái)的一系列問(wèn)題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國(guó)水電企業(yè)模型的改革，因?yàn)橹挥懈母锊拍苓m應(yīng)時(shí)代的變化，才能解決日益嚴(yán)峻的能源形勢(shì)。下面，我們將主要分析一下目前我國(guó)梯級(jí)水電站優(yōu)化調(diào)度模型與算法。

研究網(wǎng)絡(luò)分析技術(shù)在水庫(kù)群調(diào)度中的應(yīng)用，把多目標(biāo)分層排序網(wǎng)絡(luò)分析模型拓展到多目標(biāo)梯級(jí)水電站調(diào)度的網(wǎng)絡(luò)分析中，提出梯級(jí)水電站群調(diào)度多目標(biāo)網(wǎng)絡(luò)分析模型。結(jié)合某流域梯級(jí)水電站群優(yōu)化調(diào)度實(shí)例進(jìn)行模型的應(yīng)用研究，結(jié)果表明，用本文模型構(gòu)造的時(shí)空網(wǎng)絡(luò)圖，結(jié)構(gòu)清晰，直觀形象，算法效率高。