混合粒子群算法并計(jì)及概率的梯級(jí)水電站短期優(yōu)化調(diào)度

針對(duì)梯級(jí)水電站群長(zhǎng)期優(yōu)化調(diào)度發(fā)電量最大模型,提出了一種自適應(yīng)混合粒子群進(jìn)化算法(ahpso)。該算法引入混沌思想生成初始解,并定義了粒子能量、粒子能量閾值、粒子相似度和粒子相似度閾值來(lái)描述算法的自適應(yīng)變化以及群體進(jìn)化程度,同時(shí)結(jié)合遺傳變異思想進(jìn)行粒子操作,最后提出了一種基于鄰域的隨機(jī)貪心策略以解決算法后期進(jìn)化速度慢的缺點(diǎn)。以瀾滄江下游梯級(jí)水電站群為計(jì)算實(shí)例的結(jié)果表明,ahpso比基本粒子群算法有更好的收斂性和優(yōu)化結(jié)果,計(jì)算時(shí)間比逐步優(yōu)化算法少,且優(yōu)化結(jié)果相近,是一種可供選擇的計(jì)算方法。

針對(duì)粒子群算法容易早熟和易于陷入局部極值的缺點(diǎn),提出一種梯級(jí)水電站優(yōu)化調(diào)度的模糊自適應(yīng)粒子群算法.在該算法中將慣性權(quán)值表示為粒子群進(jìn)化速度因子和群體適應(yīng)度方差的模糊函數(shù),在每次迭代過(guò)程中動(dòng)態(tài)改變慣性權(quán)值,以適應(yīng)非線性優(yōu)化搜索過(guò)程.針對(duì)違反約束的粒子,設(shè)計(jì)了一種動(dòng)態(tài)空間調(diào)整策略來(lái)修復(fù)約束要求.為了驗(yàn)證算法的性能,用2個(gè)測(cè)試函數(shù)和擁有4個(gè)水電站的系統(tǒng)進(jìn)行了測(cè)試,在求解精度和速度上與標(biāo)準(zhǔn)粒子群算法和改進(jìn)慣性權(quán)值線性遞減粒子群算法進(jìn)行了對(duì)比,結(jié)果表明模糊自適應(yīng)粒子群算法收斂速度快、精度高.

針對(duì)pso算法中的早熟收斂問(wèn)題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進(jìn)化方式,引入一種局部隨機(jī)搜索算子實(shí)現(xiàn)信念空間的知識(shí)結(jié)構(gòu)并指導(dǎo)算法的演化過(guò)程,在保持種群多樣性的同時(shí)提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級(jí)水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計(jì)算速度及求解精度,為梯級(jí)水庫(kù)優(yōu)化調(diào)度提供了一條全新途徑。

為了提高粒子群優(yōu)化(particleswarmoptimization,pso)算法的計(jì)算精度和計(jì)算效率,避免\"早熟\

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)。

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．

建立了梯級(jí)水電站短期周優(yōu)化調(diào)度的梯級(jí)蓄能最大模型,在此基礎(chǔ)上采用動(dòng)態(tài)搜索算法對(duì)其進(jìn)行求解。通過(guò)嚴(yán)密的理論推導(dǎo)和詳盡的實(shí)例分析探討了流域梯級(jí)電站負(fù)荷最優(yōu)分配規(guī)律。梯級(jí)電站負(fù)荷最優(yōu)分配主要由梯級(jí)水庫(kù)的區(qū)間入流關(guān)系和水庫(kù)特性決定,其結(jié)論可指導(dǎo)流域梯級(jí)電站優(yōu)化運(yùn)行,為集控中心調(diào)度和指導(dǎo)實(shí)際應(yīng)用提供參考。調(diào)度決策者尚需根據(jù)本文的研究方法針對(duì)本流域和電站的特性制定符合自身的最優(yōu)調(diào)度規(guī)則。

遺傳算法是一種簡(jiǎn)單、適用的搜索方法,經(jīng)常用于解決非線性復(fù)雜的問(wèn)題。水庫(kù)群的最優(yōu)調(diào)度問(wèn)題,就是利用搜索算法根據(jù)水庫(kù)群進(jìn)出水和綜合利用情況,把水電站水庫(kù)看作一個(gè)系統(tǒng),把系統(tǒng)的各元素,輸入/輸出參數(shù)等簡(jiǎn)化和假設(shè)后建立簡(jiǎn)化通用的數(shù)學(xué)模型,用搜索算法對(duì)該數(shù)學(xué)模型進(jìn)行優(yōu)化仿真,得出最優(yōu)解。

在市場(chǎng)環(huán)境中系統(tǒng)電價(jià)和負(fù)荷一定的情況下,將效益最大化作為系統(tǒng)優(yōu)化準(zhǔn)則,運(yùn)用水資源價(jià)值系數(shù)、設(shè)備運(yùn)行費(fèi)、折舊費(fèi)及其他費(fèi)用等成本因素,建立分時(shí)電價(jià)梯級(jí)水電站短期優(yōu)化調(diào)度模型;構(gòu)造了求解該模型的層結(jié)構(gòu)蟻群算法,采用啟發(fā)式規(guī)則解決解的多樣性和機(jī)組啟停問(wèn)題,采用精英策略節(jié)約計(jì)算內(nèi)存和優(yōu)化時(shí)間。最后,運(yùn)用我國(guó)西南地區(qū)某梯級(jí)流域中三個(gè)連續(xù)水電站的數(shù)據(jù)建立了調(diào)度模型并運(yùn)用層結(jié)構(gòu)算法進(jìn)行仿真;并從理論方面分析了仿真結(jié)果中的每一個(gè)變化,對(duì)精英區(qū)大小的選擇作了討論,分析表明仿真結(jié)果與理論分析保持一致,說(shuō)明建立的模型是合理的,提出的方法是可行而有效的。

粒子群優(yōu)化算法是通過(guò)粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來(lái)尋找問(wèn)題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問(wèn)題約束條件等缺點(diǎn),本研究對(duì)遞減慣性權(quán)值進(jìn)行了改進(jìn),將其表示為粒子群進(jìn)化速度與群體平均適應(yīng)度方差的函數(shù);給出了適合pso算法的約束處理機(jī)制,提出了一種改進(jìn)自適應(yīng)粒子群算法,并將其應(yīng)用于水庫(kù)優(yōu)化調(diào)度中。實(shí)例計(jì)算并與經(jīng)典方法相比,表明該方法原理簡(jiǎn)單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

將混沌和變尺度思想引入粒子群算法中,提出一種變尺度混沌粒子群算法,并將其應(yīng)用于梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度中.該算法采用混沌初始化粒子的位置和速度;再利用混沌提高了種群的多樣性和粒子搜索的遍歷性;最后采用變尺度思想,根據(jù)搜索進(jìn)程不斷縮小優(yōu)化變量的搜索空間,來(lái)改善pso算法擺脫局部極值點(diǎn)的能力,提高算法的全局優(yōu)化能力.計(jì)算結(jié)果表明:變尺度混沌粒子群優(yōu)化算法求解精度高,可以求解具有復(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.

隨著經(jīng)濟(jì)與科學(xué)技術(shù)的不斷發(fā)展,社會(huì)的需求使得對(duì)水庫(kù)調(diào)度管理水平的要求越來(lái)越高,使得越來(lái)越多的因素被考慮在水庫(kù)調(diào)度決策中,水庫(kù)調(diào)度逐漸進(jìn)入了優(yōu)化階段。本文主要針對(duì)基于梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度的,粒子群優(yōu)化方法進(jìn)行研究,提出了相應(yīng)的改進(jìn)措施,并通過(guò)實(shí)踐進(jìn)行了有效分析。

梯級(jí)水電站優(yōu)化調(diào)度對(duì)于增加系統(tǒng)發(fā)電量,降低耗水率,充分利用流域水能資源,提高整個(gè)梯級(jí)水電站群的經(jīng)濟(jì)效益和運(yùn)行水平具有重要意義。建立\"一庫(kù)多級(jí)\"梯級(jí)水電站群短期優(yōu)化調(diào)度模型,研究采用逐步優(yōu)化算法(poa算法)進(jìn)行模型求解的方法和步驟,在此基礎(chǔ)上開(kāi)發(fā)調(diào)度軟件,并以金溪流域梯級(jí)電站群為例對(duì)算法實(shí)際應(yīng)用效果進(jìn)行分析。研究結(jié)果表明,采用poa算法能夠有效提高水電站發(fā)電量3%以上,且poa算法具有易于計(jì)算機(jī)程序?qū)崿F(xiàn)的特點(diǎn),在水電站自動(dòng)優(yōu)化調(diào)度方面具有較大優(yōu)勢(shì)。

針對(duì)流域梯級(jí)水電站優(yōu)化調(diào)度的特點(diǎn),提出了計(jì)及atc影響的梯級(jí)水電站優(yōu)化調(diào)度模型。根據(jù)電網(wǎng)典型運(yùn)行方式和上一時(shí)間段的調(diào)度情況,利用最優(yōu)潮流計(jì)算水電上網(wǎng)通道的atc容量。將atc容量約束直接引入到梯級(jí)水電站優(yōu)化調(diào)度模型中,利用粒子群優(yōu)化算法的全局尋優(yōu)能力對(duì)梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度進(jìn)行尋優(yōu)。以四川某流域梯級(jí)的4個(gè)電站優(yōu)化調(diào)度為例,計(jì)算結(jié)果表明采用所建模型和方法能夠有效提高梯級(jí)水電站發(fā)電量和發(fā)電收益。

傳統(tǒng)電力市場(chǎng)環(huán)境下,梯級(jí)水電站的短期優(yōu)化調(diào)度方式簡(jiǎn)明直觀、便于理解,但考慮因素不夠全面,為此構(gòu)建了電力市場(chǎng)環(huán)境下的梯級(jí)水電站短期優(yōu)化調(diào)度模型,該模型考慮了發(fā)電權(quán)轉(zhuǎn)讓對(duì)梯級(jí)水電站短期優(yōu)化調(diào)度決策的影響,且當(dāng)存在發(fā)電權(quán)交易時(shí)兼顧了發(fā)電權(quán)出讓方、受讓方以及電網(wǎng)公司三方的經(jīng)濟(jì)利益,模型還考慮了梯級(jí)水電站的庫(kù)容、水庫(kù)水頭、機(jī)組出力和電網(wǎng)公司購(gòu)電費(fèi)用等約束條件。梯級(jí)水電站短期優(yōu)化調(diào)度為高維、有時(shí)滯且?guī)в写罅考s束條件的非線性優(yōu)化問(wèn)題,因此采用微分進(jìn)化算法對(duì)該優(yōu)化模型進(jìn)行求解。算例結(jié)果驗(yàn)證了該模型及算法的有效性。

預(yù)報(bào)和調(diào)度是水調(diào)自動(dòng)化系統(tǒng)的重要高級(jí)應(yīng)用功能。為了實(shí)現(xiàn)預(yù)報(bào)和調(diào)度功能,必須研究和開(kāi)發(fā)相應(yīng)的應(yīng)用軟件。本文介紹了黃河上游梯級(jí)水電站短期(日)優(yōu)化調(diào)度軟件的開(kāi)發(fā)及應(yīng)用:短期優(yōu)化調(diào)度模型和廠內(nèi)經(jīng)濟(jì)運(yùn)行模型及相應(yīng)的算法;調(diào)度軟件的開(kāi)發(fā);軟件的功能及應(yīng)用。

針對(duì)梯級(jí)水電站采用的以發(fā)電效益最大化為目標(biāo)的優(yōu)化數(shù)學(xué)模型具有一定局限性且未考慮峰谷電價(jià)影響的問(wèn)題,在原有發(fā)電效益的基礎(chǔ)上增加峰、平、谷電價(jià),不同時(shí)段給予不同電價(jià)進(jìn)行優(yōu)化,提出基于分時(shí)電價(jià)的梯級(jí)水電站優(yōu)化調(diào)度數(shù)學(xué)模型.以黃河上游的梯級(jí)水電站為例,采用matlab軟件的模式搜索法、遺傳算法分別對(duì)模型進(jìn)行求解,驗(yàn)證該優(yōu)化調(diào)度數(shù)學(xué)模型的正確性及算法的合理性和可靠性,從而為市場(chǎng)環(huán)境下高維、復(fù)雜的梯級(jí)水電站短期優(yōu)化調(diào)度提供了一種新的求解途徑.

鑒于梯級(jí)水電站優(yōu)化運(yùn)行的高復(fù)雜度、強(qiáng)非線性、多約束等特點(diǎn),構(gòu)建了基于峰谷分時(shí)電價(jià)下的梯級(jí)水電站日最大發(fā)電效益模型。針對(duì)遺傳算法(ga)等傳統(tǒng)智能算法對(duì)復(fù)雜模型求解易陷入局部最優(yōu)的問(wèn)題,提出一種水循環(huán)算法(wca)與水位廊道約束耦合、降低約束復(fù)雜度、規(guī)范尋優(yōu)空間的方法,并以湖北某梯級(jí)短期優(yōu)化調(diào)度為背景進(jìn)行建模仿真,將計(jì)算結(jié)果分別與ga和粒子群算法(pso)所得結(jié)果進(jìn)行比較。實(shí)例研究表明,wca計(jì)算的總效益在豐、平、枯典型日分別比ga和pso計(jì)算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強(qiáng),為解決梯級(jí)水電站優(yōu)化調(diào)度問(wèn)題提供了新思路。

將蟻群優(yōu)化算法用于求解分時(shí)電價(jià)下梯級(jí)水電站間短期優(yōu)化調(diào)度模型,考慮市場(chǎng)競(jìng)爭(zhēng)下的電價(jià)和電量、水庫(kù)存水價(jià)值、水流時(shí)滯以及設(shè)備折舊等因素,建立了利益最大化為優(yōu)化準(zhǔn)則的短期優(yōu)化調(diào)度模型.給出了蟻群算法求解梯級(jí)短期優(yōu)化調(diào)度模型的數(shù)學(xué)描述及算法的求解步驟.最后以某梯級(jí)流域中三個(gè)水電站的相關(guān)數(shù)據(jù)建立了相應(yīng)的優(yōu)化調(diào)度模型,運(yùn)用蟻群算法進(jìn)行了計(jì)算仿真,并與傳統(tǒng)的動(dòng)態(tài)規(guī)劃法進(jìn)行對(duì)比.仿真結(jié)果證實(shí)了所采用算法的有效性和可行性.

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。

選取梯級(jí)發(fā)電量最大模型,采用具有精度高、收斂快的大系統(tǒng)分解協(xié)調(diào)算法對(duì)模型進(jìn)行求解,以烏江梯級(jí)電站為例,通過(guò)對(duì)流域不同頻率來(lái)水情況的發(fā)電量進(jìn)行計(jì)算,進(jìn)而總結(jié)了烏江梯級(jí)電站短期優(yōu)化調(diào)度的發(fā)電規(guī)律,為短期調(diào)度計(jì)劃的制定提供了決策指導(dǎo)。

針對(duì)以發(fā)電為主的梯級(jí)小水電群,以各水庫(kù)的發(fā)電引用流量為決策變量,建立了以發(fā)電量最大為目標(biāo)的梯級(jí)小水電群優(yōu)化調(diào)度數(shù)學(xué)模型;設(shè)計(jì)了pso算法和apso算法的工程實(shí)現(xiàn)方法,具體包括編碼設(shè)計(jì)、迭代方法設(shè)計(jì)以及慣性權(quán)重設(shè)計(jì)等;通過(guò)一個(gè)具有兩庫(kù)串聯(lián)的梯級(jí)小水電群實(shí)例,將pso算法和apso算法的仿真尋優(yōu)過(guò)程進(jìn)行了比較,結(jié)果顯示兩種算法是有效的,并且apso算法具有更強(qiáng)、更快的全局搜索能力;將apso算法的仿真結(jié)果與同一條件下的ga算法的仿真結(jié)果進(jìn)行了比較,結(jié)果顯示apso算法的仿真結(jié)果更優(yōu),更能充分利用水能資源。