改進(jìn)量子遺傳算法的梯級(jí)水電聯(lián)合優(yōu)化方法

基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要：配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進(jìn)行燒結(jié)優(yōu)化配料 的方法，將優(yōu)化方案應(yīng)用到實(shí)際生產(chǎn)中取得明顯的經(jīng)濟(jì)效益。 關(guān)鍵詞：燒結(jié)優(yōu)化配料遺傳算法 中圖分類號(hào)：tf04文獻(xiàn)標(biāo)識(shí)碼：a文章編號(hào)：1007-9416（2013） 01-0118-02 1前言 配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學(xué)成分及穩(wěn)定性，并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性，且通常只能給出局部最優(yōu)解，不易獲得全面最優(yōu)解。 近幾年來(lái)發(fā)展起來(lái)的遺傳算法則較好地解決了這些問(wèn)題，遺傳 算法（geneticalgori

將量子計(jì)算理論引入到蟻群優(yōu)化算法中,形成量子蟻群優(yōu)化算法(qacoa),用于梯級(jí)水電系統(tǒng)經(jīng)濟(jì)調(diào)度研究中,以系統(tǒng)在調(diào)度期內(nèi)實(shí)發(fā)電能和儲(chǔ)蓄電能最大為準(zhǔn)則構(gòu)造優(yōu)化目標(biāo)函數(shù)。qacoa融入了量子計(jì)算理論的疊加態(tài)和概率表達(dá)特性,以量子態(tài)為基本信息單元,將量子比特的概率幅用于螞蟻位置的編碼,利用量子旋轉(zhuǎn)門實(shí)現(xiàn)蟻群位置的更新,達(dá)到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運(yùn)用qacoa對(duì)梯級(jí)水電系統(tǒng)經(jīng)濟(jì)調(diào)度進(jìn)行仿真,結(jié)果表明qacoa使調(diào)度期內(nèi)實(shí)發(fā)電能和儲(chǔ)蓄電能得到了明顯提高。

以二倍體遺傳算法為基礎(chǔ),設(shè)計(jì)了一種梯級(jí)水電廠自動(dòng)發(fā)電控制(agc)算法。該算法既可用于離線制定梯級(jí)水電廠的日發(fā)電計(jì)劃,又可用于梯級(jí)水電廠的實(shí)時(shí)發(fā)電控制。算法中,出力限制條件在負(fù)荷分配方案的編碼中自動(dòng)滿足,其它約束條件如負(fù)荷平衡、水量平衡(考慮梯級(jí)水庫(kù)間的水流流達(dá)時(shí)間)等則在計(jì)算個(gè)體適應(yīng)值時(shí)予以考慮。算法程序設(shè)計(jì)簡(jiǎn)單,收斂速度快。仿真計(jì)算驗(yàn)證了該算法的有效性

借鑒信息素對(duì)昆蟲(chóng)群體協(xié)調(diào)行為的作用,建立信息素釋放模型、信息素?cái)U(kuò)散模型、信息誘導(dǎo)模型和信息定向模型,提出信息誘導(dǎo)算子(pheromoneinductionoperator,pio),并與改進(jìn)遺傳算法(improvedgeneticalgorithmi,ga)相結(jié)合,形成信息誘導(dǎo)遺傳算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有較好平衡全局搜索能力和局部開(kāi)發(fā)能力的仿生學(xué)原理。針對(duì)電力市場(chǎng)條件下梯級(jí)水電站自調(diào)度優(yōu)化模型的復(fù)雜性,將piga應(yīng)用于該模型的求解,通過(guò)算例分析,對(duì)比了pso、sgai、ga和piga的優(yōu)化性能,表明了piga的有效性;同時(shí)通過(guò)分析pio參數(shù)對(duì)優(yōu)化性能的影響,給出了pio參數(shù)的選擇原則。

電網(wǎng)負(fù)荷需求量隨著氣候、環(huán)境的變化而變化,在很大程度上存在著不確定性,而目前制定的發(fā)電計(jì)劃都是根據(jù)以往的經(jīng)驗(yàn)進(jìn)行制定的,給出的計(jì)劃出力與實(shí)際負(fù)荷水平存在較大的偏差。由于存在偏離發(fā)電計(jì)劃的偏差,如果單純地按照發(fā)電計(jì)劃發(fā)電,會(huì)導(dǎo)致電能的不平衡,從而影響電網(wǎng)的正常運(yùn)行。為了描述這種偏差,采用模糊集理論來(lái)描述負(fù)荷的不確定性,構(gòu)建了一個(gè)基于模糊負(fù)荷的梯級(jí)水電站發(fā)電耗水量最小的短期優(yōu)化調(diào)度數(shù)學(xué)模型,利用模糊區(qū)間的概念來(lái)研究不同模糊置信水平下梯級(jí)水電站的優(yōu)化調(diào)度問(wèn)題。同時(shí)研究入庫(kù)徑流量、發(fā)電耗水量、棄水量、水頭變化等因素,全面考慮蓄水量、棄水量、發(fā)電流量、發(fā)電水頭之間的關(guān)系及其對(duì)水電站正常運(yùn)行的影響,以及各級(jí)水電站間的相互影響,用二次曲線表達(dá)式描述水電站水頭特性關(guān)系,既能準(zhǔn)確描述水電站水庫(kù)特性,又能減少優(yōu)化問(wèn)題的決策變量個(gè)數(shù),提高求解效率。最后以一個(gè)三級(jí)水電站為例,通過(guò)遺傳算法求解所建模型,利用置信區(qū)間的概念分析負(fù)荷在不同置信水平下的優(yōu)化情況,結(jié)果表明了所建優(yōu)化調(diào)度數(shù)學(xué)模型的正確性和可行性。

建立了由沙畈水庫(kù)和金蘭水庫(kù)組成的串聯(lián)小水電群優(yōu)化調(diào)度的數(shù)學(xué)模型,采用了改進(jìn)遺傳算法對(duì)該模型進(jìn)行優(yōu)化計(jì)算。算法設(shè)計(jì)編程簡(jiǎn)單、計(jì)算工作量小、收斂速度快。利用兩個(gè)水庫(kù)的入庫(kù)徑流實(shí)測(cè)值進(jìn)行了仿真實(shí)驗(yàn),結(jié)果說(shuō)明優(yōu)化調(diào)度能比常規(guī)調(diào)度取得更大的經(jīng)濟(jì)效益,同時(shí)也說(shuō)明了遺傳算法是求解小水電群優(yōu)化調(diào)度的可行而有效的方法。

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．

將遺傳算法用于解決水電系統(tǒng)短期發(fā)電優(yōu)化調(diào)度問(wèn)題,利用改進(jìn)的遺傳算法初始編碼方式,結(jié)合最優(yōu)日調(diào)度權(quán)重系數(shù),構(gòu)造了水電站短期優(yōu)化調(diào)度的改進(jìn)遺傳算法模型,由于原始基因已經(jīng)具有了一定的規(guī)律性,所以模型具有計(jì)算速度快,結(jié)果準(zhǔn)確、合理,便于實(shí)際調(diào)度需求等特點(diǎn)。實(shí)例證明,該方法能夠求解復(fù)雜約束條件下的非線性優(yōu)化問(wèn)題,算法編程簡(jiǎn)潔,易于實(shí)現(xiàn),從而為分時(shí)電價(jià)應(yīng)用環(huán)境下的水電站短期發(fā)電優(yōu)化調(diào)度問(wèn)題提供了一種有效的解決方法

針對(duì)標(biāo)準(zhǔn)遺傳算法容易"早熟"的缺陷,提出聚類遺傳算法;改進(jìn)了選擇算子和交叉算子,并利用shubert多峰測(cè)試函數(shù)驗(yàn)證了聚類遺傳算法的優(yōu)勢(shì).引入水輪機(jī)組運(yùn)行效率梯度變化因素提出改進(jìn)變異算子,彌補(bǔ)了變異搜索過(guò)隨機(jī)的缺陷.最后,將改進(jìn)方式應(yīng)用于三峽-葛洲壩梯級(jí)水利樞紐短期電力調(diào)度優(yōu)化研究中,提出和構(gòu)建了相應(yīng)的優(yōu)化模型以及機(jī)組組合啟停和運(yùn)行效率同步實(shí)現(xiàn)策略.實(shí)例優(yōu)化結(jié)果表明:聚類遺傳算法和改進(jìn)變異算子能有效彌補(bǔ)"早熟"的缺陷,并能顯著提高優(yōu)化搜索效率,適用于梯級(jí)電站電力調(diào)度優(yōu)化問(wèn)題.優(yōu)化得出的梯級(jí)電力調(diào)度方案可以滿足設(shè)定目標(biāo)和約束,并提高了梯級(jí)的發(fā)電效率.

為提高水庫(kù)群聯(lián)合調(diào)度時(shí)的水資源利用率,重新審核水庫(kù)群系統(tǒng)中原有單庫(kù)調(diào)度圖的有效性,本文提出了一種解決庫(kù)群聯(lián)合調(diào)度多目標(biāo)、多變量的智能優(yōu)化新方法—混合模擬退火遺傳算法。該方法將遺傳算法的全局搜索能力和模擬退火算法的局部搜索能力相結(jié)合,提高了計(jì)算效率和精度,避免了手工修正調(diào)度圖的隨意性。在以實(shí)際生產(chǎn)項(xiàng)目為依托的應(yīng)用與檢驗(yàn)中,在滿足各類邊界條件及保證率要求的前提下,該方法對(duì)梯級(jí)水電站水庫(kù)調(diào)度圖的優(yōu)化可行、有效,為優(yōu)化梯級(jí)水庫(kù)調(diào)度圖提供了一種新的有效算法。

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。

針對(duì)以發(fā)電為主的小水電站單庫(kù)和串聯(lián)小水電站群,以水電站的發(fā)電引用流量為決策變量,以水電站在調(diào)度周期內(nèi)發(fā)電量最大為目標(biāo),分別建立了優(yōu)化調(diào)度的數(shù)學(xué)模型?；诟↑c(diǎn)數(shù)編碼的改進(jìn)遺傳算法用于對(duì)模型的優(yōu)化計(jì)算,從而提高了算法的搜索效率。基于vc++編程設(shè)計(jì)了小水電站運(yùn)行調(diào)度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫(kù)調(diào)度問(wèn)題的遺傳算法,并應(yīng)用于一個(gè)實(shí)際的小水電站調(diào)度,實(shí)驗(yàn)結(jié)果說(shuō)明了遺傳算法用于水庫(kù)優(yōu)化調(diào)度的可行性和有效性

為了克服量子遺傳算法(quantumgeneticalgorithm——qga)存在的\"早熟\"問(wèn)題,本文將傳統(tǒng)遺傳算法中的變異算子引入量子遺傳算法,同時(shí)使用已搜索到的最優(yōu)個(gè)體更新量子門,以改善qga算法的全局收斂性,并將其成功地應(yīng)用于解決水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題。文中結(jié)合某電站實(shí)例進(jìn)行計(jì)算,結(jié)果表明,改進(jìn)后的量子遺傳算法收斂速度更快,能夠滿足工程應(yīng)用的實(shí)際需求。

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設(shè)計(jì)的關(guān)鍵技術(shù)難題。提出了將量子遺傳算法用于成品門幅模型工藝參數(shù)優(yōu)化設(shè)計(jì)中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實(shí)現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設(shè)計(jì)。用該方法得到的工藝參數(shù)加工彈力布,生產(chǎn)成品的門幅與用戶要求指標(biāo)的偏差小于0.1%,完全滿足實(shí)際生產(chǎn)要求。同時(shí)將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中進(jìn)行比較,得出當(dāng)?shù)N群逐漸增大時(shí),量子遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中的優(yōu)勢(shì)更加明顯。

應(yīng)用二倍體遺傳算法（ｄｇａ）對(duì)梯級(jí)水電站日優(yōu)化調(diào)度問(wèn)題求解，其算法采用了兩條等長(zhǎng)度的二進(jìn)制碼表示個(gè)體，借助于基因顯性機(jī)制，將個(gè)體基因碼鏈與梯級(jí)系統(tǒng)日調(diào)度計(jì)劃聯(lián)系起來(lái)．基因顯性機(jī)制采用一種簡(jiǎn)便的布爾函數(shù)關(guān)系實(shí)現(xiàn)．雜交算子采用個(gè)體基因鏈交換與重組方式實(shí)現(xiàn)，具有一致雜交算子的效果．仿真計(jì)算結(jié)果驗(yàn)證了算法的有效性

采用遺傳算法(geneticalgorithms簡(jiǎn)稱ga)用于群控電梯的調(diào)度,實(shí)用中取得了較好的效果;但在試驗(yàn)中發(fā)現(xiàn)普通遺傳算法存在收斂速度較慢且容易陷入局部最優(yōu)解等問(wèn)題。據(jù)此提出一種改進(jìn)型遺傳算法,在采用實(shí)數(shù)編碼和雙初始種群分別進(jìn)行迭代信息交換的基礎(chǔ)上,建立庫(kù)式適應(yīng)度評(píng)估函數(shù);在完成最佳保存策略選擇的同時(shí),進(jìn)行自適應(yīng)交叉和變異,可較好克服其弊端。模擬仿真運(yùn)行實(shí)驗(yàn)結(jié)果表明了此方案的可行性和優(yōu)越性。

標(biāo)準(zhǔn)遺傳算法在求解無(wú)約束優(yōu)化問(wèn)題時(shí)得到了成功的應(yīng)用,但是多數(shù)的工程實(shí)例為約束優(yōu)化問(wèn)題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問(wèn)題最常用的方法,但是使用此方法時(shí)參數(shù)的設(shè)定較為困難.從避免這個(gè)困難和提高算法本身性能的角度出發(fā),構(gòu)造了一種新的算法.首先對(duì)非可行個(gè)體進(jìn)行修正,把約束優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題;其次,采用了擴(kuò)大搜索空間選擇較優(yōu)個(gè)體的交叉算子,增強(qiáng)了全局搜索能力;最后,在部分較優(yōu)個(gè)體附近采用了局部搜索策略,提高局部搜索能力.通過(guò)對(duì)2個(gè)工程優(yōu)化實(shí)例的求解說(shuō)明了算法的有效性.

提出求解水電站優(yōu)化調(diào)度問(wèn)題的新方法——遺傳算法，它不同于經(jīng)典優(yōu)化算法的特點(diǎn)是，從多個(gè)初值點(diǎn)開(kāi)始尋優(yōu)，沿多路徑搜索實(shí)現(xiàn)全局或準(zhǔn)全局最優(yōu)，計(jì)算過(guò)程中不需要存儲(chǔ)狀態(tài)或決策變量離散點(diǎn)，大大減少計(jì)算機(jī)內(nèi)存，不必求導(dǎo)運(yùn)算，編程簡(jiǎn)單，是一種有效的自適應(yīng)隨機(jī)搜索算法

隨著電力市場(chǎng)化的逐步實(shí)施,發(fā)電企業(yè)將會(huì)參與市場(chǎng)競(jìng)爭(zhēng)。水電廠經(jīng)濟(jì)運(yùn)行能提高1%～3%的水力效率,水電廠應(yīng)盡快實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行。以豐滿水電廠發(fā)電機(jī)出力與耗流量函數(shù)為基礎(chǔ),應(yīng)用改進(jìn)遺傳算法對(duì)水電廠進(jìn)行計(jì)及開(kāi)停機(jī)的優(yōu)化調(diào)度計(jì)算。在改進(jìn)遺傳算法中,采取了自適應(yīng)和精英保留策略以及移民算子,提出了方向性變異的觀點(diǎn),改進(jìn)了變異方法。計(jì)算結(jié)果與自動(dòng)發(fā)電控制(agc)方法進(jìn)行了比較,表明算法具有一定的優(yōu)勢(shì)。

文章在遺傳算法的基礎(chǔ)上,從"候梯時(shí)間"與"候梯人數(shù)"兩個(gè)角度對(duì)目前已有的電梯調(diào)度算法進(jìn)行優(yōu)化。本研究在保證調(diào)度效率的同時(shí)提高電梯乘客的使用滿意率,從而為電梯調(diào)度算法的研究提供一種新的方向。

就提高水電站水能利用率為目標(biāo),建立模型,通過(guò)數(shù)值方式進(jìn)行運(yùn)算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機(jī)組優(yōu)化運(yùn)行;并比較了電站比較了采用傳統(tǒng)方法、采用優(yōu)化算法以及采用優(yōu)化算法下縮小峰谷負(fù)荷差和無(wú)峰谷負(fù)荷差幾種工況下耗水量,能夠提高水輪機(jī)發(fā)電效率的運(yùn)行參數(shù).

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.