狼群算法水電站優(yōu)化調度模型參數(shù)優(yōu)選

進入二十一世紀以來，科技大發(fā)展，經濟大發(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，促進了我國水電企業(yè)模型的改革，因為只有改革才能適應時代的變化，才能解決日益嚴峻的能源形勢。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、電能源結構進行調整是勢在必行的。其實，梯級水電站優(yōu)化調度已經得到了廣大民眾的普遍關注．而本研究就將針對“梯級水電站優(yōu)化調度模型與算法研究”這一主題進行詳細的闡述，使廣大民眾對這方面的內容有一個更加全面且深入的了解。

水電站水庫群優(yōu)化調度的關聯(lián)平衡法模型談飛（管理工程系）水電站水庫群具有高維性、關聯(lián)復雜性、分散性、不確定性和多目標性等大系統(tǒng)的特點，其優(yōu)化調度問題屬于大系統(tǒng)的最優(yōu)控制問題。由于用經典的控制理論和運籌學方法求解此類問題所需的計算工作量和運算存儲量與系統(tǒng)...

針對粒子群算法易陷入局部最優(yōu)的缺點,提出了一種雙適應度方法、動態(tài)鄰域算子和隨機動態(tài)調整慣性權重機制有機結合的混合改進策略。算例計算表明,該改進策略能增強粒子的局部收斂能力,加快算法的收斂速度,便于處理復雜約束條件,為求解具有復雜約束條件的非線性規(guī)劃問題提供了一種簡單有效的方法。文中探討了梯級水電站優(yōu)化調度的相關問題,考慮了豐枯分時電價因素,建立了梯級水電站長期優(yōu)化調度數(shù)學模型,并應用改進粒子群算法進行求解。實際梯級水電站計算表明,該模型使枯水期大部分時間出力均勻平穩(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)定運行。改進粒子群算法計算速度快、收斂精度高,為梯級水電站長期優(yōu)化調度提供了一種簡單實用的求解方法。

重點分析了常規(guī)粒子群算法(particleswarmoptimization,pso)在水電站優(yōu)化調度應用中存在的問題和出現(xiàn)的原因,并針對問題提出了相應的解決方法,形成了基于粒子群算法的水庫優(yōu)化調度改進應用方法。改進前后計算結果的對比分析表明,改進后的粒子群算法可明顯提高求解水電站優(yōu)化調度問題的收斂速度和求解精度。

大規(guī)模水電站群短期發(fā)電優(yōu)化調度計算量大,實際應用中為滿足計算過程和結果可復現(xiàn)需求,多采用各類改進動態(tài)規(guī)劃算法,求解速度難以滿足需求。對此,結合大規(guī)模水電站群短期發(fā)電優(yōu)化調度模型,同時給定起始狀態(tài)和最終狀態(tài)的特性,分析了從起始狀態(tài)和最終狀態(tài)同時進行求解的可行性,提出了改進的雙向動態(tài)規(guī)劃并行解算方法,實例計算表明,應用此方法可使大規(guī)模流域水電站群短期發(fā)電優(yōu)化調度計算速度提高一倍。研究成果可供類似工程參考。

為解決自適應遺傳算法應用于水電站優(yōu)化調度時易陷入局部最優(yōu)解的問題,在自適應遺傳算法中加入了初始群體變異策略,首先對初始種群進行深度變異并保存優(yōu)秀個體,然后再對保存的優(yōu)秀個體采用自適應遺傳算法進行全局搜索。水電站優(yōu)化調度實例表明:采用初始種群變異策略的遺傳算法具有更高的全局搜索能力,得出的結果比自適應遺傳算法更佳,克服了自適應遺傳算法易過早陷入局部最優(yōu)的缺陷。

研究在分時電價制度下水電系統(tǒng)短期優(yōu)化調度問題,建立了優(yōu)化調度數(shù)學模型。采用變分原理,導出其最優(yōu)性條件,給出了適于梯級水電系統(tǒng)的最優(yōu)性條件的具體形式。通過分析水電站水價的估計式,得到了具有普遍適用性的、形式統(tǒng)一的最優(yōu)性條件。特例分析說明所提模型具有廣泛的適用性。

以黃河上游梯級水電站群為例，考慮水電站水庫已備有的短期或中長期預報方案，建立其優(yōu)化調度模型。以該模型所確定的調度方案為依據，對黃河上游５座水電站的各種可能來水進行調度，從而對這些水電站的期望電能及其抽樣誤差作出分析。結果表明，預報信息對于合理地預估總電能具有一定意義。

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。

提出了求解大規(guī)模水電站水庫群優(yōu)化調度非凸結構模型的遞階優(yōu)化算法;給出將不可分高度模型所構造的拉格朗日函數(shù)轉化為可分函數(shù)的方法及三級道階優(yōu)化算法。

對調度模型以隱隨機優(yōu)化為基本途徑求解,采用兩個決策變量,用傳統(tǒng)最小二乘法及水能計算方法,尋求合理、有效的水電站優(yōu)化調度規(guī)則。通過實例計算表明:雙決策調度實際應用所得的經濟效益明顯優(yōu)于常規(guī)調度。

在電力市場環(huán)境下,水電站短期優(yōu)化調度作為優(yōu)化發(fā)電計劃、指導市場競價的重要環(huán)節(jié),在水電站生產實踐中應用廣泛。目前,短期優(yōu)化研究常側重于提高算法的精度和計算速度,而忽略了短期優(yōu)化調度模型本身的合理性和準確性。如短期優(yōu)化調度模型中的出力系數(shù)計算問題的研究就很少,而它都是影響短期優(yōu)化調度計算精度的重要因素。為此,提出了廠內經濟運行為短期優(yōu)化調度提供出力系數(shù)的思想。該方法能提高出力系數(shù)的精度,從而達到改善短期優(yōu)化調度精度的目的,同時它不會增加短期優(yōu)化調度的計算量,因此具有一定的實用價值。

研究了電力市場下的梯級水電站的長期優(yōu)化調度問題,建立了多發(fā)電主體梯級水電站優(yōu)化調度模型.該模型通過調節(jié)上下游不同發(fā)電主體下電站的效益補償,可以協(xié)調上下游不同發(fā)電主體的利益,保證總的梯級效益接近最優(yōu)化.將建立的多目標調度模型用權重法轉化為單目標求解,可獲得不同權重組合下的一組非劣解集.同時還探討了浮動上網電價對存在多發(fā)電主體情況下梯級效益的影響,梯級效益的變化趨勢與枯水期電價上浮與豐水期下浮比例x/y有關,只有x/y足夠大時,梯級總效益才會比電價不浮動時有所增加.

針對粒子群算法容易早熟和易于陷入局部極值的缺點,提出一種梯級水電站優(yōu)化調度的模糊自適應粒子群算法.在該算法中將慣性權值表示為粒子群進化速度因子和群體適應度方差的模糊函數(shù),在每次迭代過程中動態(tài)改變慣性權值,以適應非線性優(yōu)化搜索過程.針對違反約束的粒子,設計了一種動態(tài)空間調整策略來修復約束要求.為了驗證算法的性能,用2個測試函數(shù)和擁有4個水電站的系統(tǒng)進行了測試,在求解精度和速度上與標準粒子群算法和改進慣性權值線性遞減粒子群算法進行了對比,結果表明模糊自適應粒子群算法收斂速度快、精度高.

以洪家渡水電站為例,探討了模擬退火粒子群算法(sapso)在水電站中長期優(yōu)化調度中的應用方法及效果。結果表明:該算法可以求解具有復雜約束條件的非線性水庫優(yōu)化調度問題,并具備求解精度高、收斂速度快的優(yōu)點,為解決水電站中長期優(yōu)化調度問題提供了一種有效的方法。

分析研究了梯級電站長期發(fā)電優(yōu)化調度的理論與方法，針對傳統(tǒng)遺傳算法應用于梯級電站長期發(fā)電優(yōu)化調度問題時存在的缺陷，如傳統(tǒng)遺傳算法用于求解梯級電站優(yōu)化調度問題時，存在隨機種群可行率難以控制；遺傳操作過程中可能破壞較優(yōu)個體；易”早熟”等問題，提出一種改進的遺傳算法，即在產生隨機種群和變異過程中提出考慮連續(xù)階段約束，對個體的可行性進行檢驗、修正和保護；通過優(yōu)化設計變量在各次計算中產生聯(lián)系，實現(xiàn)算法的逐步尋優(yōu)，避免算法的”早熟”。通過實例仿真分析，驗證了改進算法的可行性和優(yōu)越性。

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

逐步優(yōu)化算法(poa)在求解梯級水電站聯(lián)合優(yōu)化調度中,其優(yōu)化結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,導致優(yōu)化結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)機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,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,進而提出了基于逐步差分和變階段優(yōu)化改進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,且改進算法效率更高,尋優(yōu)結果更穩(wěn)定。

探索新的調度模型求解方法一直是水庫優(yōu)化調度研究的熱點之一。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)化調度中未見應用。將seoa應用于梯級水電站發(fā)電優(yōu)化調度中,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計,針對部分個體過早收斂導致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進社會情感優(yōu)化算法（改進seoa）。實例表明,在梯級水電站發(fā)電優(yōu)化調度模型的求解中,改進seoa搜索效率高、尋優(yōu)能力強、穩(wěn)定性好。

在我國電力系統(tǒng)中,水電占有舉足輕重的地位。搞好水電站群日優(yōu)化調度,是搞好全系統(tǒng)經濟調度的基礎。水電站群日優(yōu)化調度作為一項系統(tǒng)工程,一方面要揭示其內在因素之間的相關關系,用有效的、逼真的優(yōu)化模型概化此問題,并用計算機語言編制出盡可能通用的,適用的計算機程序;但另一方面,也是更重要的,就是要密切結合生產實際,反映電力系統(tǒng)現(xiàn)狀,具有真實性,可用性,切忌紙上談兵。我們在進行漁子溪梯級日優(yōu)化調度的研究時,接觸了一些實際問題。歸納起來,筆者認為:當前水電站群日優(yōu)化調度存在的,且急于需要解決的主要有以下幾個問題:

針對以發(fā)電為主的小水電站單庫和串聯(lián)小水電站群,以水電站的發(fā)電引用流量為決策變量,以水電站在調度周期內發(fā)電量最大為目標,分別建立了優(yōu)化調度的數(shù)學模型?；诟↑c數(shù)編碼的改進遺傳算法用于對模型的優(yōu)化計算,從而提高了算法的搜索效率?；趘c++編程設計了小水電站運行調度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫調度問題的遺傳算法,并應用于一個實際的小水電站調度,實驗結果說明了遺傳算法用于水庫優(yōu)化調度的可行性和有效性