模擬退火粒子群算法的水電站優(yōu)化調(diào)度

針對pso算法中的早熟收斂問題,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)搜索算子實現(xiàn)信念空間的知識結(jié)構(gòu)并指導(dǎo)算法的演化過程,在保持種群多樣性的同時提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計算速度及求解精度,為梯級水庫優(yōu)化調(diào)度提供了一條全新途徑。

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(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),在每次迭代過程中動態(tài)改變慣性權(quán)值,以適應(yīng)非線性優(yōu)化搜索過程.針對違反約束的粒子,設(shè)計了一種動態(tài)空間調(diào)整策略來修復(fù)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(jìn)行了測試,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.

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

粒子群優(yōu)化算法是通過粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來尋找問題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點,本研究對遞減慣性權(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)用于水庫優(yōu)化調(diào)度中。實例計算并與經(jīng)典方法相比,表明該方法原理簡單、易編程實現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

為提高水庫群聯(lián)合調(diào)度時的水資源利用率,重新審核水庫群系統(tǒng)中原有單庫調(diào)度圖的有效性,本文提出了一種解決庫群聯(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,提高了計算效率和精度,避免了手工修正調(diào)度圖的隨意性。在以實際生產(chǎn)項目為依托的應(yīng)用與檢驗中,在滿足各類邊界條件及保證率要求的前提下,該方法對梯級水電站水庫調(diào)度圖的優(yōu)化可行、有效,為優(yōu)化梯級水庫調(diào)度圖提供了一種新的有效算法。

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

基于改進(jìn)粒子群算法的水電站水庫優(yōu)化調(diào)度研究——針對粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問題，提出一種基于模擬退火機(jī)制的改進(jìn)粒子群優(yōu)化算法，并將其引入水庫調(diào)度領(lǐng)域，設(shè)計了基于該算法的水電站水庫優(yōu)化調(diào)度問題的求解方法。計算實例表明，該方法采用并行搜...

為解決粒子群優(yōu)化算法存在的早熟和易陷入局部最優(yōu)的問題,提出了一種組織進(jìn)化粒子群算法(oepso)。該算法將進(jìn)化操作直接作用在組織上,通過組織間的相互競爭、協(xié)作,最終達(dá)到全局優(yōu)化的目的,較好地克服了基本粒子群算法易于早熟和陷入局部最優(yōu)的缺點。在分析水庫優(yōu)化調(diào)度的數(shù)學(xué)模型和oepso算法特點的基礎(chǔ)上,提出了基于oepso算法的水庫優(yōu)化調(diào)度的方法,建立了數(shù)學(xué)模型,并給出了具體求解步驟。實例驗證表明,oepso算法具有良好的收斂速度和計算精度,為水庫優(yōu)化調(diào)度問題提供了一條新的有效求解途徑。

介紹了混沌粒子群算法,并將其用于水庫調(diào)度中,指出:混沌粒子群優(yōu)化算法引入了混沌搜索機(jī)制,增加了粒子的多樣性,擴(kuò)大了搜索的范圍,不僅保持了粒子群優(yōu)化算法收斂速度快的優(yōu)點,而且還增強(qiáng)了全局收斂能力,能避免陷入局部最優(yōu)的情況,可以更好地解決水庫優(yōu)化調(diào)度的強(qiáng)約束、多階段、非線性組合問題。

針對粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問題,提出一種基于模擬退火機(jī)制的改進(jìn)粒子群優(yōu)化算法,并將其引入水庫調(diào)度領(lǐng)域,設(shè)計了基于該算法的水電站水庫優(yōu)化調(diào)度問題的求解方法。計算實例表明,該方法采用并行搜索機(jī)制,計算速度快、全局尋優(yōu)的可靠性較高,具有較好的應(yīng)用前景。

文章提出了應(yīng)用改進(jìn)粒子群算法求解水電站優(yōu)化調(diào)度問題的方法,粒子群算法模擬了鳥類群體覓食的搜索過程來尋找水電站最優(yōu)調(diào)度計劃。對傳統(tǒng)粒子群算法進(jìn)行了改進(jìn),克服了早熟和陷入局部最優(yōu)的缺點。實例計算表明,粒子群算法可以求解具有復(fù)雜約束條件的非線性水電站優(yōu)化調(diào)度問題,與經(jīng)典算法相比,該算法原理簡單,易于編程,占用內(nèi)存少,求解精度高,收斂速度快,是一種有效的搜索算法。

提出了一種協(xié)調(diào)粒子群算法,利用多粒子群的信息協(xié)調(diào)和擾動策略的方法,較好地克服了基本粒子群算法易于早熟和陷入局部最優(yōu)的缺點,具有良好的收斂速度和計算精度。實例計算表明,協(xié)調(diào)粒子群算法能夠求解水電站優(yōu)化調(diào)度這樣的非線性、強(qiáng)約束組合優(yōu)化問題,原理簡單,易于編程,占用內(nèi)存少,為水電站優(yōu)化調(diào)度問題提供了一種具有較高應(yīng)用價值的方法。

agc機(jī)組調(diào)節(jié)比較頻繁，如果僅考慮經(jīng)濟(jì)性而調(diào)用大量機(jī)組去響應(yīng)并非特別大的隨機(jī)負(fù)荷調(diào)整是不盡合理的，尤其是對機(jī)組臺數(shù)眾多的大型水電廠，不僅經(jīng)濟(jì)上得不償失，而且會帶來安全隱患．隨著電力市場理論研究的深入和市場規(guī)則的完善，輔助服務(wù)市場將引入競爭逐步走向市場機(jī)制，電廠通過競價方式確定是否承擔(dān)agc服務(wù)，這種承諾性交易使水電廠可預(yù)先

提出多目標(biāo)混合粒子群算法以求解梯級水電站多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型。該算法采用混合蛙跳算法的分組-混合循化優(yōu)化框架以增強(qiáng)算法的全局搜索能力;在族群內(nèi)通過粒子群算法的飛行調(diào)整策略指導(dǎo)個體進(jìn)化;同時,引入外部精英集,建立了基于自適應(yīng)小生境的外部精英集維護(hù)策略,提高了算法的收斂性和非劣解集的多樣性。最后將該算法應(yīng)用于三峽梯級水電站多目標(biāo)優(yōu)化調(diào)度工程,計算結(jié)果表明,本文算法能夠獲得計算實時性強(qiáng)、分布均勻、收斂性好的調(diào)度方案集,并以此分析明確了調(diào)度目標(biāo)間的耦合關(guān)系,可為梯級電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。

以洪家渡水電站為例,探討了粒子群算法在水電站中長期優(yōu)化調(diào)度的應(yīng)用方法及效果。實例計算結(jié)果表明,該算法可以求解復(fù)雜約束條件的非線性水庫優(yōu)化調(diào)度,精度高、收斂速度快,為解決水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

在基于常規(guī)方法的水電站水庫發(fā)電調(diào)度圖繪制方法中,由于選取典型水文年樣本數(shù)量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有歷史實測資料繪制水電站發(fā)電運行調(diào)度圖。該算法通過粒子間的信息共享來實現(xiàn)求解,具有計算簡便,收斂速度快的優(yōu)點。通過實際生產(chǎn)項目的應(yīng)用,證明采用粒子群算法繪制水電站水庫發(fā)電運行調(diào)度圖能夠克服常規(guī)繪制方法中的一些缺點,在保證可靠性指標(biāo)的同時,提高了水電站的運行效益,為優(yōu)化方法在水電站中長期調(diào)度中的應(yīng)用提供了一種實用的途徑。

針對梯級水電站短期優(yōu)化調(diào)度的不確定性問題,研究了不確定性因素的概率分布規(guī)律,并根據(jù)實際系統(tǒng)的運行要求,給出了概率分布密度函數(shù)的假設(shè)檢驗方法。探索發(fā)電用水量與各種隨機(jī)因素的互動關(guān)系及影響機(jī)理,構(gòu)建了一種新的計及概率的梯級水電站短期優(yōu)化調(diào)度策略。把災(zāi)變理論、混沌優(yōu)化思想和基本粒子群算法結(jié)合起來,形成一種混合粒子群算法。該算法擴(kuò)大了種群的搜索空間,增加了種群的多樣性,改善了基本粒子群算法擺脫局部極值點的能力,并能從理論上證明其依概率收斂至全局最優(yōu)解。將混合粒子群算法嵌入蒙特卡羅隨機(jī)模擬中對本文提出的模型進(jìn)行求解,求解方法簡單有效。仿真結(jié)果表明,該策略能較好地處理不確定性條件下梯級水電站的短期優(yōu)化調(diào)度問題。

為降低變電站工頻電場曝露水平,避免工作人員長期曝露其中可能造成的健康威脅,通過優(yōu)化電站設(shè)備布局來降低一次設(shè)備周圍近地面空間電場強(qiáng)度。建立220kv戶外配電設(shè)備3維幾何模型,采用軟件仿真計算出220kv戶外配電區(qū)電場分布,并將電場強(qiáng)度高于限值的設(shè)備區(qū)作為待優(yōu)化區(qū)域。提出適用于變電站電場優(yōu)化問題的粒子群優(yōu)化算法的適應(yīng)度函數(shù)和限制條件。以降低設(shè)備區(qū)外部電場分布作為優(yōu)化目標(biāo),對其進(jìn)行整體優(yōu)化計算,在此基礎(chǔ)上,以降低設(shè)備區(qū)內(nèi)部高場強(qiáng)分布作為優(yōu)化目標(biāo)對相關(guān)設(shè)備位置進(jìn)行微調(diào)。最后將計算所得最優(yōu)電場分布與原電場分布進(jìn)行對比,整體優(yōu)化后的適應(yīng)度函數(shù)值減小了83.4%,局部優(yōu)化后適應(yīng)度函數(shù)值再次減小了29.1%。優(yōu)化結(jié)果表明,利用粒子群算法對設(shè)備排布重新優(yōu)化,可以在不增加建設(shè)成本的前提下降低目前變電站工頻電場曝露水平。

按常規(guī)方法繪制的水庫調(diào)度圖相對保守,難以達(dá)到可靠性與效益的優(yōu)化組合,使得水庫調(diào)度圖還存在一定的優(yōu)化空間。提出了一種優(yōu)化常規(guī)調(diào)度圖的新方法——混合模擬退火遺傳算法,以實現(xiàn)水庫調(diào)度圖的計算機(jī)程序式自動優(yōu)化修正。該方法綜合了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,提高了計算精度,避免了手工修正調(diào)度圖的隨意性。通過在實際生產(chǎn)項目中的應(yīng)用與檢驗,證明該方法對水電站水庫調(diào)度圖的優(yōu)化確實可靠,在滿足可靠性指標(biāo)以及水庫綜合利用要求約束的條件下,取得了可觀的經(jīng)濟(jì)效益,為水電站實現(xiàn)經(jīng)濟(jì)運行提供了一條可行途徑。

針對火電系統(tǒng)生產(chǎn)過程中的環(huán)境污染問題,提出以火電系統(tǒng)節(jié)能環(huán)保為重點研究對象的多目標(biāo)優(yōu)化調(diào)度模型,并以改進(jìn)的粒子群算法進(jìn)行求解。結(jié)合灰色系統(tǒng)理論中有關(guān)灰色關(guān)聯(lián)度的概念對粒子群算法多目標(biāo)求解機(jī)制進(jìn)行改進(jìn),對煤耗量、污染氣體和煙塵排放等的多目標(biāo)火電系統(tǒng)優(yōu)化求解,引入壓縮因子改善粒子群算法的性能,增強(qiáng)其全局收斂能力。通過ieee14節(jié)點系統(tǒng)算例證明本算法的有效性。

分析了當(dāng)前廠用電考核管理中存在的問題,提出了用直接廠用電率代替綜合廠用電率考核電廠廠用電水平。采用經(jīng)粒子群算法改進(jìn)的最小二乘法,克服了常規(guī)方法擬合誤差大的缺點,大幅提高了計算精度,有效地應(yīng)用于某個西南地區(qū)的常規(guī)水電站用電量的考核中,取得了良好效果,表明了算法的有效性。

濟(jì)鋼的氧氣系統(tǒng)一直存在著供需不平衡的問題,導(dǎo)致氧氣放散率高,影響經(jīng)濟(jì)效益。通過對氧氣系統(tǒng)的生產(chǎn)、存儲和使用等環(huán)節(jié)進(jìn)行綜合分析,以氧氣放散率最低,經(jīng)濟(jì)效益最大為目標(biāo)函數(shù),建立氧氣系統(tǒng)優(yōu)化調(diào)度的模型,并利用改進(jìn)的粒子群算法求得最優(yōu)解,取得了良好的效果。