改進微粒群算法的梯級水庫群優(yōu)化調度

針對梯級水庫群優(yōu)化調度的大系統(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)化調度為例,計算結果表明,改進算法與基本蟻群算法相比具有更好的優(yōu)化結果和收斂速度,與逐步優(yōu)化法相比可靠有效。

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,在目標函數中構造了懲罰因子,使得帶約束問題轉化為了純粹的優(yōu)化問題。經實例驗證,本算法具有普遍的梯級調度優(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。

利用廣義蟻群算法對梯級水庫進行優(yōu)化調度,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,并利用懲罰函數法處理邊界條件和其他非等式約束。實例結果表明,該算法搜索能力強、精度高、可靠、有效實用。

介紹了一種易于實現、參數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)化調度。提出以確定微粒群在多維空間中的最優(yōu)位置來實現多階段優(yōu)化調度決策的方法,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)化調度問題提供了一種新的求解途徑。

梯級水庫群優(yōu)化調度規(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)電量最大計算結果進行統(tǒng)計歸納,通過引入經驗頻率分析了各庫在不同調度期的水位變化規(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度期的發(fā)電規(guī)則,為挖掘梯級水庫長期運行結果中蘊藏的潛在規(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。

以差分進化算法(de)為基本框架,結合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索優(yōu)勢以及多核并行計算技術(pc),提出一種新的并行混合差分進化算法(phde),即將de與ca、slfa進行有機融合,分別對精英個體進行混沌局部搜索和對較差個體進行蛙跳局部更新,且差分進化運算、混沌局部搜索和蛙跳局部更新均采用pc,以有效縮短計算時間。phde具有三點優(yōu)勢:一是保留了de簡單易行、收斂迅速的特點;二是繼承了ca、slfa的遍歷性,能夠避免早熟收斂現象;三是通過合理的并行模式,有效降低了計算時間。典型測試函數表明了phde的可行性、高效性和魯棒性。實例研究表明,phde具有較好的優(yōu)化性能和計算效率,為高效求解水庫群優(yōu)化調度問題提供了一種可行途徑。

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)化調度,再用遺傳算法進行局部細化搜索。實例結果表明,人工魚群遺傳算法應用于梯級水庫優(yōu)化調度行之有效。

針對梯級水庫群優(yōu)化調度多約束、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,依據鯰魚效應調整種群的飛行模式,一方面利用鯰魚粒子的驅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動態(tài)調節(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)化調度中。

提出一種求解梯級水電站中長期優(yōu)化調度問題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調度計劃。算法把問題解抽象為螞蟻路徑,利用狀態(tài)轉移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解。實例計算結果表明,算法可以求解具有復雜約束條件的非線性梯級優(yōu)化調度問題。算法求解精度高、收斂速度快,為解決梯級水電站中長期優(yōu)化調度問題提供了一種有效的方法。

針對蟻群算法在求解過程中出現初期信息素匱乏、易陷入局部最優(yōu)解的問題,結合梯級水庫優(yōu)化調度的特點,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)化調度問題時,與逐次逼近動態(tài)規(guī)劃相比較,結果合理、可靠,計算效率較高,從而為求解高維、復雜的梯級水庫優(yōu)化調度提供了一條新的求解思路。

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)化調度研究,結果表明,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

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)化調度研究,結果表明,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用中都取得了較好的效果。

梯級水庫優(yōu)化調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)化調度中。以實例驗證了布谷鳥算法在梯級水庫優(yōu)化調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\"現象,改進算法搜索效率更高,尋優(yōu)結果更穩(wěn)定。

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)化聯合調度研究。研究結果表明: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)調度目標的最優(yōu)解,經過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)化調度結果明顯好于傳統(tǒng)算法。研究成果可為梯級水庫生態(tài)聯合調度優(yōu)化提供方法參考。

梯級水電站水庫群聯合調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)化調度問題,為了解決傳統(tǒng)算法中存在結果受初值參數影響較大、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)化調度問題提供了新的途徑和新方法。

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)化聯合調度研究.研究結果表明：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)調度目標的最優(yōu)解,經過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)化調度結果明顯好于傳統(tǒng)算法.研究成果可為梯級水庫生態(tài)聯合調度優(yōu)化提供方法參考.

針對高維、復雜的梯級水庫優(yōu)化調度在求解時易出現\"維數災\"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)化調度問題,結果可靠、合理,計算效率高,從而為求解高維,復雜的梯級水庫優(yōu)化調度提供了新的思路。

針對水庫群供水優(yōu)化調度問題，建立改進蟻群算法求解帶罰函數的水庫群供水優(yōu)化調度數學模型，重點研究蟻群算法的改進。在對傳統(tǒng)蟻群算法研究的基礎上，提出一種自適應調整信息素揮發(fā)系數、信息量及轉移概率的改進蟻群算法，克服傳統(tǒng)蟻群算法收斂速度慢且容易陷入局部極值等方面的缺陷，并將其應用于黑河三水庫聯合供水優(yōu)化調度中。與傳統(tǒng)蟻群算法優(yōu)化結果的比較表明，應用改進蟻群算法的優(yōu)化調度結果較傳統(tǒng)蟻群算法更為合理，該算法有利于提高計算效率、優(yōu)化質量及改善收斂性能，為解決水庫群供水優(yōu)化調度問題提供了新方法。

利用混沌算法全局搜索能力強、求解速度快的特點,將混沌優(yōu)化算法運用到水庫優(yōu)化調度中,建立了水庫群多目標優(yōu)化模型,并提出交互式的多目標優(yōu)化模型求解方法。該方法利用混沌優(yōu)化算法生成滿足約束條件的可行集,再采用交互式決策偏好的方法從非劣解集中尋找最佳權衡解;并對灤河下游水庫群進行了實例研究。結果表明算法可行,成果合理,能為水庫群的聯合調度提供技術支持。

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)化調度時后期種群缺乏多樣性、收斂于局部最優(yōu)解的缺陷,結合梯級水庫發(fā)電優(yōu)化調度的特點,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)化調度模型求解提供了一種新的途徑。

提出一種求解梯級水電站中長期優(yōu)化調度問題的方法一蟻群算法（antcolonyalgorithm，aca）．算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調度計劃．算法把問題解抽象為螞蟻路徑，利用狀態(tài)轉移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解．實例計算結果表明，算法可以求褲一具有復雜約束條件的非線性梯級優(yōu)化調度問題．算法求解精度高、收斂速度快，為解決梯級水電站中長期優(yōu)化調度問題提供了一種有效的方法．圖1表2參8

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,利用判別系數與水庫蓄供水控制線相結合的方法,對烏江梯級水庫的蓄供水方式進行了研究,并結合免疫粒子群算法,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。聯合調度結果表明,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,還在實際調度中具有良好的可操作性和抗風險性。