免疫進(jìn)化的蟻群算法在梯級(jí)水庫(kù)優(yōu)化調(diào)度中的應(yīng)用研究

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(kù)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(wèn)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(jiàn)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(wèn)題轉(zhuǎn)化為了純粹的優(yōu)化問(wèn)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。

針對(duì)梯級(jí)水庫(kù)群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問(wèn)題提出改進(jìn)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(jí)水電站優(yōu)化調(diào)度為例,計(jì)算結(jié)果表明,改進(jìn)算法與基本蟻群算法相比具有更好的優(yōu)化結(jié)果和收斂速度,與逐步優(yōu)化法相比可靠有效。

利用廣義蟻群算法對(duì)梯級(jí)水庫(kù)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。

隨著我國(guó)水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨(dú)特的優(yōu)勢(shì)作用下,梯度水庫(kù)群的優(yōu)化調(diào)度研究取得了顯著的成果.不過(guò)在如今越來(lái)越復(fù)雜的水庫(kù)調(diào)度問(wèn)題中,傳統(tǒng)的算法已不能得以很好地解決此類問(wèn)題.通過(guò)采用三種經(jīng)過(guò)改進(jìn)的人工蜂群算法（isc-abc、cl-abc、ims-abc）應(yīng)用到渾江流域的3個(gè)水電站中進(jìn)行實(shí)驗(yàn)測(cè)試,來(lái)對(duì)梯級(jí)水庫(kù)進(jìn)行優(yōu)化調(diào)度研究,結(jié)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(kù)的實(shí)際應(yīng)

隨著我國(guó)水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨(dú)特的優(yōu)勢(shì)作用下,梯度水庫(kù)群的優(yōu)化調(diào)度研究取得了顯著的成果。不過(guò)在如今越來(lái)越復(fù)雜的水庫(kù)調(diào)度問(wèn)題中,傳統(tǒng)的算法已不能得以很好地解決此類問(wèn)題。通過(guò)采用三種經(jīng)過(guò)改進(jìn)的人工蜂群算法(isc-abc、cl-abc、ims-abc)應(yīng)用到渾江流域的3個(gè)水電站中進(jìn)行實(shí)驗(yàn)測(cè)試,來(lái)對(duì)梯級(jí)水庫(kù)進(jìn)行優(yōu)化調(diào)度研究,結(jié)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(kù)的實(shí)際應(yīng)用中都取得了較好的效果。

分析了人工魚(yú)群算法存在的問(wèn)題,提出一種改進(jìn)人工魚(yú)群算法,并將其用于梯級(jí)水庫(kù)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(yú)視野和步長(zhǎng)的方法,較好地平衡了人工魚(yú)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(wèn)題,在局部更新時(shí)采用了閾值選擇的策略.通過(guò)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(kù)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(lái)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(lái)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。

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(guò)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(kù)群優(yōu)化調(diào)度問(wèn)題提供了一種可行途徑。

針對(duì)人工魚(yú)群算法的不足,提出了人工魚(yú)群遺傳算法(afsa-ga),采用人工魚(yú)群算法模擬梯級(jí)水庫(kù)優(yōu)化調(diào)度,再用遺傳算法進(jìn)行局部細(xì)化搜索。實(shí)例結(jié)果表明,人工魚(yú)群遺傳算法應(yīng)用于梯級(jí)水庫(kù)優(yōu)化調(diào)度行之有效。

結(jié)合梯級(jí)水庫(kù)群聯(lián)合運(yùn)行的實(shí)際情況,分析目前國(guó)內(nèi)外水庫(kù)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(kù)調(diào)度問(wèn)題應(yīng)用研究,建立一種梯級(jí)水電站群中長(zhǎng)期水庫(kù)優(yōu)化調(diào)度模型,通過(guò)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)。

烏溪江梯級(jí)電站水力資源豐富,湖南鎮(zhèn)水庫(kù)又具有高水頭、高調(diào)節(jié)性能,優(yōu)化調(diào)度空間較大。介紹湖南鎮(zhèn)電站的年度計(jì)劃編制、中短期優(yōu)化調(diào)度方法、烏溪江梯級(jí)電站機(jī)組的優(yōu)化組合以及電力營(yíng)銷工作,并對(duì)2004年的調(diào)度效益作了分析和總結(jié)。圖2幅,表6個(gè)。

本文結(jié)合梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度問(wèn)題,針對(duì)差分演化算法在進(jìn)化過(guò)程中,其適應(yīng)度的進(jìn)化模式未考慮進(jìn)化的外部環(huán)境與進(jìn)化成分之間的內(nèi)在聯(lián)系,借鑒生態(tài)學(xué)對(duì)個(gè)體生存環(huán)境與種群競(jìng)爭(zhēng)的關(guān)系,提出了協(xié)同差分演化算法在梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度中的應(yīng)用。通過(guò)實(shí)例驗(yàn)證,結(jié)果表明該算法具有可靠性與合理性,提高了計(jì)算精度和計(jì)算效率,為高維、復(fù)雜的梯級(jí)水庫(kù)中長(zhǎng)期發(fā)電優(yōu)化調(diào)度模型提供了一個(gè)新的求解途徑。

梯級(jí)水庫(kù)群優(yōu)化調(diào)度規(guī)律是指導(dǎo)梯級(jí)水庫(kù)群優(yōu)化運(yùn)行的重要工具。本文應(yīng)用概率統(tǒng)計(jì)法和相關(guān)分析法對(duì)烏江流域的兼顧保證出力發(fā)電量最大計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)歸納,通過(guò)引入經(jīng)驗(yàn)頻率分析了各庫(kù)在不同調(diào)度期的水位變化規(guī)律和建立時(shí)段平均出力與本時(shí)段可用水量相關(guān)關(guān)系圖來(lái)研究各庫(kù)在不同調(diào)度期的發(fā)電規(guī)則,為挖掘梯級(jí)水庫(kù)長(zhǎng)期運(yùn)行結(jié)果中蘊(yùn)藏的潛在規(guī)律提供了一種方法。通過(guò)對(duì)烏江梯級(jí)各庫(kù)水位變化規(guī)律和發(fā)電規(guī)則的研究,為烏江梯級(jí)水庫(kù)群優(yōu)化運(yùn)行提供了理論支撐。

梯級(jí)水電站水庫(kù)群聯(lián)合調(diào)度問(wèn)題具有復(fù)雜的約束條件,受到發(fā)電、供水、防洪等目標(biāo)的制約。作為多目標(biāo)非線性優(yōu)化調(diào)度問(wèn)題,為了解決傳統(tǒng)算法中存在結(jié)果受初值參數(shù)影響較大、容易陷入局部最優(yōu)解、收斂速度不理想等問(wèn)題,首次嘗試將螢火蟲(chóng)算法引入梯級(jí)水庫(kù)優(yōu)化調(diào)度研究中。在傳統(tǒng)螢火蟲(chóng)算法模仿自然界螢火蟲(chóng)捕食求偶行為的基礎(chǔ)上,對(duì)其進(jìn)行優(yōu)化與改進(jìn),引入目標(biāo)空間中解的pareto支配關(guān)系比較螢火蟲(chóng)熒光亮度,比較其優(yōu)化解,采用輪盤(pán)賭法確定螢火蟲(chóng)每次更新過(guò)程中的移動(dòng)路徑,利用精英保留策略建立多目標(biāo)螢火蟲(chóng)模型。通過(guò)典型的梯級(jí)水電站進(jìn)行仿真計(jì)算,研究結(jié)果表明,改進(jìn)的多目標(biāo)螢火蟲(chóng)算法在優(yōu)化過(guò)程中具有較強(qiáng)的尋優(yōu)能力,能更好地進(jìn)行全局搜索和局部搜索,計(jì)算過(guò)程中具有良好的穩(wěn)定性,并且計(jì)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(jí)水電站水庫(kù)群中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了新的途徑和新方法。

針對(duì)水庫(kù)群供水優(yōu)化調(diào)度問(wèn)題，建立改進(jìn)蟻群算法求解帶罰函數(shù)的水庫(kù)群供水優(yōu)化調(diào)度數(shù)學(xué)模型，重點(diǎn)研究蟻群算法的改進(jìn)。在對(duì)傳統(tǒng)蟻群算法研究的基礎(chǔ)上，提出一種自適應(yīng)調(diào)整信息素?fù)]發(fā)系數(shù)、信息量及轉(zhuǎn)移概率的改進(jìn)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(yīng)用于黑河三水庫(kù)聯(lián)合供水優(yōu)化調(diào)度中。與傳統(tǒng)蟻群算法優(yōu)化結(jié)果的比較表明，應(yīng)用改進(jìn)蟻群算法的優(yōu)化調(diào)度結(jié)果較傳統(tǒng)蟻群算法更為合理，該算法有利于提高計(jì)算效率、優(yōu)化質(zhì)量及改善收斂性能，為解決水庫(kù)群供水優(yōu)化調(diào)度問(wèn)題提供了新方法。

本文針對(duì)粒子群算法在求解高維、復(fù)雜的梯級(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度時(shí)后期種群缺乏多樣性、收斂于局部最優(yōu)解的缺陷,結(jié)合梯級(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度的特點(diǎn),提出了應(yīng)用差分演化算法改進(jìn)粒子群的混合優(yōu)化算法。通過(guò)實(shí)際算例驗(yàn)證了該混合方法的合理性和可靠性,從而為高維、復(fù)雜梯級(jí)水庫(kù)發(fā)電優(yōu)化調(diào)度模型求解提供了一種新的途徑。

利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對(duì)梯級(jí)水電站水庫(kù)調(diào)度問(wèn)題進(jìn)行優(yōu)化調(diào)度。主要思想是利用混沌運(yùn)動(dòng)的隨機(jī)性,由logistic方程隨機(jī)生成混沌序列;將其載波到包含水電站目標(biāo)函數(shù)可行域s的一個(gè)區(qū)域;利用隨機(jī)性、遍歷性和規(guī)律性,不斷縮小優(yōu)化變量的搜索空間和提高搜索精度進(jìn)行全局尋優(yōu),從中搜索屬于可行域s的解;同時(shí)在搜索中引入解向量?jī)?yōu)選,將解向量中那些接近全局最優(yōu)解的分量找出,構(gòu)成一個(gè)新的向量,代入目標(biāo)函數(shù)中進(jìn)行計(jì)算,從而找出全局最優(yōu)解,最終求出水電站水庫(kù)發(fā)電調(diào)度的最優(yōu)調(diào)度線。實(shí)例計(jì)算結(jié)果表明,算法可以求解具有復(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。算法求解精度高,具有較大的實(shí)用價(jià)值,為求解梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了一種有效算法。

為充分挖掘梯級(jí)水庫(kù)間的水文補(bǔ)償和庫(kù)容補(bǔ)償潛力,獲取更高的綜合利用效益,利用判別系數(shù)與水庫(kù)蓄供水控制線相結(jié)合的方法,對(duì)烏江梯級(jí)水庫(kù)的蓄供水方式進(jìn)行了研究,并結(jié)合免疫粒子群算法,以梯級(jí)水電站發(fā)電量最大為目標(biāo)對(duì)水庫(kù)蓄供水控制線進(jìn)行優(yōu)化。聯(lián)合調(diào)度結(jié)果表明,優(yōu)化后的水庫(kù)蓄供水控制線不但可以合理控制水庫(kù)蓄放水次序和蓄放水量,達(dá)到合理控制水庫(kù)群運(yùn)行方式的目的,還在實(shí)際調(diào)度中具有良好的可操作性和抗風(fēng)險(xiǎn)性。

根據(jù)沅水各斷面歷史水文資料及湖南當(dāng)前豐枯電價(jià)水平,運(yùn)用動(dòng)態(tài)規(guī)劃優(yōu)化理論歸納了沅水流域梯級(jí)電站聯(lián)合運(yùn)行規(guī)律,提出了調(diào)節(jié)能力較強(qiáng)的三板溪、五強(qiáng)溪兩個(gè)水庫(kù)的運(yùn)行方式。實(shí)例結(jié)果表明,該方式對(duì)沅水流域水庫(kù)聯(lián)合調(diào)度、充分發(fā)揮流域梯級(jí)發(fā)電效益具有指導(dǎo)意義。

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(wèn)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(guò)組織間的相互競(jìng)爭(zhēng)、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(diǎn)。在分析水庫(kù)優(yōu)化調(diào)度的數(shù)學(xué)模型和oepso算法特點(diǎn)的基礎(chǔ)上,提出了基于oepso算法的水庫(kù)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(shí)例驗(yàn)證表明,oepso算法具有良好的收斂速度和計(jì)算精度,為水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了一條新的有效求解途徑。

提出一種求解梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)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(guò)程來(lái)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(wèn)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,算法可以求解具有復(fù)雜約束條件的非線性梯級(jí)優(yōu)化調(diào)度問(wèn)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(wèn)題提供了一種有效的方法。

在研究了人工免疫系統(tǒng)中的克隆選擇學(xué)說(shuō)和克隆選擇算法的基礎(chǔ)上,研究了1種新的人工免疫算法——免疫克隆選擇算法,并將其應(yīng)用到水庫(kù)優(yōu)化調(diào)度中,提出了1種基于免疫克隆選擇算法的水庫(kù)優(yōu)化調(diào)度方法。該算法通過(guò)在克隆選擇算法中引入免疫基因操作,提高了算法的求解精度和求解效率,避免了"維數(shù)災(zāi)"和早熟問(wèn)題。實(shí)例研究結(jié)果表明,相對(duì)于動(dòng)態(tài)規(guī)劃,免疫克隆選擇算法計(jì)算速度快、收斂性好,提高了計(jì)算效率,較好地解決了傳統(tǒng)的動(dòng)態(tài)規(guī)劃方法求解水庫(kù)(群)優(yōu)化調(diào)度問(wèn)題存在"維數(shù)災(zāi)"問(wèn)題。