量子蟻群優(yōu)化算法的梯級(jí)水電系統(tǒng)經(jīng)濟(jì)調(diào)度

利用廣義蟻群算法對(duì)梯級(jí)水庫進(jìn)行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機(jī)自動(dòng)生成方式生成初始蟻群,并利用懲罰函數(shù)法處理邊界條件和其他非等式約束。實(shí)例結(jié)果表明,該算法搜索能力強(qiáng)、精度高、可靠、有效實(shí)用。

水是生命之源,也是生產(chǎn)的重要根本,環(huán)境生態(tài)的基礎(chǔ)配備,在近幾年的經(jīng)濟(jì)發(fā)展和國(guó)家建設(shè)中,針對(duì)水力發(fā)電的策略也有了相關(guān)的技術(shù)人員安排,有效的推進(jìn)可再生能源發(fā)電的合理性和完備性,提升電力系統(tǒng)運(yùn)行狀態(tài)的綜合性和靈活性,促進(jìn)該種發(fā)電形式的有效開展。本文就基于改進(jìn)蟻群算法的梯級(jí)水庫群優(yōu)化調(diào)度研究進(jìn)行分析和歸納。

提出一種求解梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)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(jí)水電站中長(zhǎng)期最優(yōu)調(diào)度計(jì)劃．算法把問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，算法可以求褲一具有復(fù)雜約束條件的非線性梯級(jí)優(yōu)化調(diào)度問題．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)度問題提供了一種有效的方法．圖1表2參8

本文提出了一種基于懲罰改進(jìn)的蟻群最優(yōu)化算法,并應(yīng)用于水庫群的梯級(jí)調(diào)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(jī)制、隨機(jī)搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計(jì)算性及較強(qiáng)的魯棒性為基礎(chǔ),進(jìn)行問題空間的全局尋優(yōu);同時(shí)針對(duì)梯級(jí)調(diào)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(biāo)函數(shù)中構(gòu)造了懲罰因子,使得帶約束問題轉(zhuǎn)化為了純粹的優(yōu)化問題。經(jīng)實(shí)例驗(yàn)證,本算法具有普遍的梯級(jí)調(diào)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。

介紹了一種易于實(shí)現(xiàn)、參數(shù)少且收斂快的集群智能算法—微粒群算法,并將其應(yīng)用于梯級(jí)水電廠的短期優(yōu)化調(diào)度。提出以確定微粒群在多維空間中的最優(yōu)位置來實(shí)現(xiàn)多階段優(yōu)化調(diào)度決策的方法,并針對(duì)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(yīng)的慣性權(quán)重,以改進(jìn)其全局優(yōu)化能力。通過實(shí)際算例驗(yàn)證了該算法的有效性,從而為梯級(jí)水電廠的短期優(yōu)化調(diào)度問題提供了一種新的求解途徑。

為促進(jìn)風(fēng)電更好地消納、減少傳統(tǒng)化石能源造成的污染,充分發(fā)揮梯級(jí)水電站的調(diào)節(jié)能力,制定了一種包含風(fēng)、火、梯級(jí)水電系統(tǒng)的聯(lián)合優(yōu)化調(diào)度策略。該策略確定了優(yōu)先風(fēng)電上網(wǎng)、火電平穩(wěn)出力、梯級(jí)水電補(bǔ)償運(yùn)行的調(diào)度模式,并依據(jù)該策略建立了多目標(biāo)聯(lián)合優(yōu)化模型。針對(duì)傳統(tǒng)粒子群算法存在容易陷入局部最優(yōu)解的缺點(diǎn),采用基于鯰魚效應(yīng)改進(jìn)的粒子群算法對(duì)模型進(jìn)行求解,并在matlab軟件中進(jìn)行仿真。算例的仿真結(jié)果表明,基于鯰魚效應(yīng)改進(jìn)的粒子群算法能夠有效地應(yīng)用于風(fēng)、火、梯級(jí)水電聯(lián)合優(yōu)化調(diào)度問題中,能夠發(fā)揮出梯級(jí)水電站調(diào)節(jié)特性的同時(shí)有效地增加風(fēng)電的上網(wǎng)電量、提高系統(tǒng)的綜合效益。

首次將量子粒子群優(yōu)化算法用于水電系統(tǒng)經(jīng)濟(jì)運(yùn)行研究中。該算法是量子理論與粒子群算法的融合,在粒子編碼過程中引入了量子的態(tài)矢量表達(dá),并將量子比特的概率幅表示應(yīng)用于粒子的編碼,使得粒子可以表達(dá)為多個(gè)態(tài)的疊加;在粒子更新操作過程中,利用量子邏輯門實(shí)現(xiàn)了粒子的演化,具有比常規(guī)粒子群算法更好的目標(biāo)優(yōu)化性能。仿真結(jié)果證實(shí)該算法可有效解決水電機(jī)組經(jīng)濟(jì)運(yùn)行問題。性能對(duì)比顯示,該算法求得的解優(yōu)于常規(guī)粒子群算法及其它優(yōu)化算法所求得的解。

分析了人工魚群算法存在的問題,提出一種改進(jìn)人工魚群算法,并將其用于梯級(jí)水庫群的優(yōu)化調(diào)度.其改進(jìn)思想是采用動(dòng)態(tài)調(diào)整人工魚視野和步長(zhǎng)的方法,較好地平衡了人工魚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題,在局部更新時(shí)采用了閾值選擇的策略.通過實(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.

為了進(jìn)一步增強(qiáng)微粒群算法的優(yōu)化性能,提出了一種改進(jìn)微粒群算法,并將其用于求解梯級(jí)水庫群的優(yōu)化調(diào)度。該算法引進(jìn)了類似遺傳算法的交叉和變異算子來提高搜索效率,其中交叉是微粒在解空間中的位置以一定的概率隨機(jī)進(jìn)行算術(shù)交叉,變異是微粒以一定的概率隨機(jī)使速度矢量的某一維分量變?yōu)?。為了加速收斂,初始微粒群生成時(shí)采用了有條件的隨機(jī)自動(dòng)生成方式,并利用懲罰函數(shù)法來處理邊界條件和其它非等式約束。實(shí)例計(jì)算結(jié)果表明,改進(jìn)微粒群算法具有比常規(guī)動(dòng)態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計(jì)算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

提出一種求解梯級(jí)水電系統(tǒng)短期發(fā)電計(jì)劃問題的新方法——混沌雜交進(jìn)化算法(chea)。該算法將混沌序列與進(jìn)化算法有機(jī)結(jié)合在一起,同時(shí)采用浮點(diǎn)數(shù)編碼并構(gòu)造一種新的自適應(yīng)誤差反向傳播變異算子,從而有效抑制了進(jìn)化算法的“早熟”現(xiàn)象和收斂速度慢等缺陷。仿真計(jì)算結(jié)果表明,該方法可以求解具有復(fù)雜約束條件的非線性優(yōu)化問題,算法求解精度高、收斂速度快,從而為水電系統(tǒng)的短期發(fā)電計(jì)劃問題提供了一種有效的方法

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)。

結(jié)合梯級(jí)水庫群聯(lián)合運(yùn)行的實(shí)際情況,分析目前國(guó)內(nèi)外水庫調(diào)度算法不足,本論文利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對(duì)梯級(jí)水電站群中長(zhǎng)期水庫調(diào)度問題應(yīng)用研究,建立一種梯級(jí)水電站群中長(zhǎng)期水庫優(yōu)化調(diào)度模型,通過實(shí)際數(shù)據(jù)驗(yàn)證,此方法可以獲得梯級(jí)各電站的最優(yōu)運(yùn)行方式,為指導(dǎo)梯級(jí)各水電站的實(shí)際運(yùn)行最優(yōu)化提供科學(xué)決策依據(jù)。

提出一種基于ｌａｇｒａｎｇｉａｎ松馳技術(shù)的梯級(jí)水電系統(tǒng)優(yōu)化調(diào)度算法，能夠綜合處理離散運(yùn)行區(qū)間、最小啟停機(jī)時(shí)間等離散約束、水庫間的水力耦合網(wǎng)絡(luò)約束以及水頭影響?；趯?shí)際系統(tǒng)數(shù)據(jù)的數(shù)值驗(yàn)證表明了本算法的有效性和實(shí)用性。

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。為有效解決這一問題，通過改進(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)綜合來看，對(duì)于復(fù)雜的梯級(jí)水電站經(jīng)濟(jì)調(diào)度問題，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。

將改進(jìn)型螞蟻算法用于梯級(jí)水電站短期優(yōu)化調(diào)度問題,并通過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．

水庫調(diào)度圖是水電站發(fā)電調(diào)度運(yùn)行的基礎(chǔ),然而現(xiàn)有研究和算法大都集中在單庫調(diào)度圖,庫群發(fā)電調(diào)度圖成果較少。本文結(jié)合我國(guó)開發(fā)得較為完善的烏江流域梯級(jí)水電站群,提出了一種實(shí)用的梯級(jí)水電站群發(fā)電優(yōu)化調(diào)度圖制定方法。該方法以單庫調(diào)度圖為基礎(chǔ),綜合形成初始的庫群調(diào)度圖,并以此進(jìn)行模擬調(diào)度,即根據(jù)兩種調(diào)度圖對(duì)長(zhǎng)系列資料逐時(shí)段計(jì)算,獲得兩種負(fù)荷結(jié)果,最終運(yùn)用庫群負(fù)荷分配調(diào)整兩種負(fù)荷的偏差,獲得調(diào)度結(jié)果;然后以模擬調(diào)度統(tǒng)計(jì)的多年平均發(fā)電量最大為目標(biāo),采用逐次逼近算法不斷修正兩種調(diào)度圖的基本調(diào)度線,最終獲得滿足精度要求的單庫調(diào)度圖和庫群調(diào)度圖。較常規(guī)方法,本方法方便一次性得出水電站(群)調(diào)度圖。模擬調(diào)度結(jié)果表明所建立的方法有效、實(shí)用,在兼顧電網(wǎng)對(duì)電站要求的基礎(chǔ)上,大大提高了梯級(jí)長(zhǎng)期發(fā)電效益。

針對(duì)以發(fā)電為主的梯級(jí)小水電群,以各水庫的發(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;通過一個(gè)具有兩庫串聯(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。

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,通過計(jì)算,得到了合理的聯(lián)合優(yōu)化調(diào)度方案。與各水庫單獨(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。

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

梯級(jí)水電站經(jīng)濟(jì)調(diào)度是一個(gè)具有多維數(shù)、多目標(biāo)、非線性的新問題,調(diào)度策略隨決策者期望而變化。根據(jù)不同調(diào)度期望,構(gòu)建三個(gè)分別以發(fā)電量最大、耗水量最小、末期蓄水量最大為目標(biāo)的優(yōu)化調(diào)度模型。本文提出的仿水循環(huán)算法是一種受自然界水循環(huán)過程啟發(fā)提出的全新算法,即含多種約束的仿水循環(huán)算法cwca,引入水滴權(quán)重因子,可根據(jù)尋優(yōu)情況自適應(yīng)地調(diào)整權(quán)重值,有效解決迭代速度與計(jì)算精度的權(quán)衡問題,以及因水滴粒子處于局部最優(yōu)而導(dǎo)致迭代停滯的問題。利用不同測(cè)試函數(shù)求解結(jié)果對(duì)比表明,cwca比改進(jìn)粒子群算法mpso更具有效性與優(yōu)越性。經(jīng)對(duì)三座梯級(jí)水電站優(yōu)化調(diào)度策略的仿真結(jié)果證明了cwca的可行性,也顯示了mpso可顯著提高優(yōu)化結(jié)果,大幅降低收斂時(shí)間,是一種更優(yōu)越的智能種群算法。

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)度問題提供了新思路。

借鑒信息素對(duì)昆蟲群體協(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。