啟發(fā)式搜索算法用于水電站廠內(nèi)日經(jīng)濟(jì)調(diào)度

在鋼結(jié)構(gòu)生產(chǎn)中,鋼板排料是一項(xiàng)既重要又繁瑣的工作。如何使排料更加優(yōu)化、降低鋼板的采購(gòu)成本,而且效率更高,本文基于啟發(fā)式包絡(luò)算法對(duì)鋼板排料進(jìn)行了闡述。

通過(guò)建立某水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的數(shù)學(xué)模型,運(yùn)用遺傳算法制訂該水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的控制計(jì)劃。通過(guò)對(duì)初值的敏感性、收斂速度和優(yōu)化結(jié)果三方面驗(yàn)證,發(fā)現(xiàn)遺傳算法對(duì)初值不敏感且收斂速度較快。當(dāng)遺傳算法精度逐漸增大時(shí),搜索速度逐漸減慢,且搜索效率降低,這時(shí)需要進(jìn)行算法的改進(jìn)。

1概述\r\n遺傳算法《geneticalgorithm）是一種基于生物遺傳和進(jìn)化過(guò)程的計(jì)算機(jī)模擬，遺傳算法使得各種人工系統(tǒng)具有優(yōu)良的自適應(yīng)能力和優(yōu)化能力，遺傳算法所借鑒的生物學(xué)基礎(chǔ)就是生物的遺傳和進(jìn)化。在進(jìn)化論中，每一物種在不斷的發(fā)展過(guò)程中都是越來(lái)越適應(yīng)環(huán)境，物種的基本特征被后代繼承，但后代又不完全與父代相同。對(duì)于這種新的變化，若適應(yīng)環(huán)境，則被保留下來(lái)；否則，就將被淘汰。亦即適者生存，不適者淘汰。遺傳算法就是模仿了生物的遺傳、進(jìn)化原理，并引用了隨機(jī)統(tǒng)計(jì)原理而形成的優(yōu)化算法。

水電站實(shí)行經(jīng)濟(jì)運(yùn)行既可帶來(lái)巨大的經(jīng)濟(jì)效益,又可以節(jié)約寶貴的水資源。文章介紹了一種新的模擬優(yōu)化算法——蟻群算法,并根據(jù)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題與旅行商問(wèn)題的相似性,通過(guò)合理處理約束條件與目標(biāo)函數(shù),將水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題轉(zhuǎn)化為旅行商問(wèn)題,從而提出了一種用蟻群算法求解水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題的數(shù)學(xué)模型。實(shí)例驗(yàn)證表明此方法具有較高的實(shí)用價(jià)值。

介紹一種將懲罰函數(shù)、動(dòng)態(tài)修正出力-流量(n-q)關(guān)系與優(yōu)化算法相結(jié)合實(shí)現(xiàn)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的方法。該方法可針對(duì)短期優(yōu)化調(diào)度結(jié)果(日負(fù)荷過(guò)程)制定啟停計(jì)劃,實(shí)現(xiàn)負(fù)荷的經(jīng)濟(jì)分配,并且考慮了機(jī)組間的效率差異、機(jī)組啟停成本、氣蝕振動(dòng)區(qū)、機(jī)組可用性及主接線方式等約束條件。算例表明該方法不僅能解決廠內(nèi)經(jīng)濟(jì)運(yùn)行的多約束問(wèn)題,而且能與電力市場(chǎng)下的短期優(yōu)化調(diào)度很好地結(jié)合起來(lái)。該方法易于實(shí)現(xiàn)程序設(shè)計(jì)且計(jì)算速度快。

本文提出求解水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題的新方法－遺傳算法，它不同于常規(guī)優(yōu)化算法的特點(diǎn)在于，從多個(gè)初值點(diǎn)開(kāi)始，沿多路徑搜索實(shí)現(xiàn)全局或準(zhǔn)全局最優(yōu)，計(jì)算過(guò)程不需要存貯狀態(tài)或決策變量的離散點(diǎn)，減少計(jì)算機(jī)內(nèi)存，不必求導(dǎo)計(jì)算，編程簡(jiǎn)單，是一種有效的自適應(yīng)隨機(jī)搜索算法。

提出一種應(yīng)用搜索法、動(dòng)態(tài)規(guī)劃法實(shí)現(xiàn)梯級(jí)水電站日經(jīng)濟(jì)運(yùn)行的數(shù)學(xué)模型和算法。它既可用于實(shí)時(shí)的梯級(jí)水電站發(fā)電控制，又可用于控制梯級(jí)水電站日發(fā)電計(jì)劃。本數(shù)學(xué)模型和算法理論上嚴(yán)謹(jǐn)、計(jì)算時(shí)間比較短，能滿足實(shí)際運(yùn)行的需求，此模型和算法應(yīng)用于東江梯級(jí)電站、仿真計(jì)算的結(jié)果比較滿意。

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(wèn)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(wèn)題，通過(guò)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(wú)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(wèn)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(lái)看，對(duì)于復(fù)雜的梯級(jí)水電站經(jīng)濟(jì)調(diào)度問(wèn)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。

為了減少由于國(guó)際貿(mào)易的不平衡導(dǎo)致的空箱調(diào)運(yùn)的成本浪費(fèi),探討了原本只適合一個(gè)港口情況的空箱調(diào)運(yùn)(u,d)對(duì)策,在此基礎(chǔ)上,通過(guò)研究,表明這種對(duì)策也適用于多個(gè)港口間的空箱調(diào)運(yùn)情況;同時(shí)將這個(gè)調(diào)運(yùn)問(wèn)題數(shù)量化,并且使用啟發(fā)式算法計(jì)算使用(u,d)對(duì)策時(shí)港口的平均成本。

為能夠有效進(jìn)行集裝箱空箱調(diào)運(yùn),降低集裝箱空箱調(diào)運(yùn)成本,分析原本只適用于一個(gè)港口的空箱調(diào)運(yùn)(u,d)對(duì)策,認(rèn)為這種對(duì)策也適用于多個(gè)港口間的空箱調(diào)運(yùn),并將調(diào)運(yùn)問(wèn)題數(shù)量化,用啟發(fā)式算法計(jì)算使用(u,d)對(duì)策時(shí)港口的平均成本。最后將這種方法運(yùn)用到兩個(gè)具體案例中,計(jì)算結(jié)果顯示,在內(nèi)陸航線的案例中,模擬成本與最低邊界成本非常接近;而在全球航線的案例中,兩者之間存在一定的偏差。

本文針對(duì)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中機(jī)組組合優(yōu)化問(wèn)題的特點(diǎn),提出了一種結(jié)合禁忌搜索思想的粒子群算法(particleswarmoptimization,pso)。該方法采用離散二進(jìn)制粒子群算法解決機(jī)組運(yùn)行狀態(tài)組合問(wèn)題,用標(biāo)準(zhǔn)粒子群算法解決既定運(yùn)行機(jī)組間負(fù)荷優(yōu)化分配問(wèn)題,并將兩個(gè)問(wèn)題結(jié)合在一起并行優(yōu)化,引入禁忌搜索算法(tabularsearch,ts)的記憶功能和藐視準(zhǔn)則以提高粒子多樣性,擴(kuò)大搜索空間,克服pso算法可能出現(xiàn)的早熟現(xiàn)象。以烏江渡水電站為例進(jìn)行優(yōu)化計(jì)算,并與pso算法的計(jì)算結(jié)果比較,表明該方法可以有效避免早熟現(xiàn)象,具有較高的全局收斂能力,同時(shí)也具有較高的全局尋優(yōu)能力。

水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題在本質(zhì)上是一個(gè)目標(biāo)函數(shù)連續(xù)和變量離散的非線性約束優(yōu)化問(wèn)題。針對(duì)其求解困難,本文將模型轉(zhuǎn)換為只具有兩界約束和離散約束條件的優(yōu)化問(wèn)題,并首次將罰函數(shù)法和一種新型的群智能算法——仿電磁學(xué)算法融合起來(lái)對(duì)該優(yōu)化問(wèn)題進(jìn)行求解。詳細(xì)闡述了算法的改進(jìn)過(guò)程、離散變量的處理和基本求解步驟。通過(guò)兩個(gè)算例的仿真分析及其與遺傳算法的比較可知所提算法在水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行方面正確有效。

水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行是電力系統(tǒng)的重要研究課題,能有效增加水電站的經(jīng)濟(jì)效益。本文將類電磁機(jī)制算法用于水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行研究中。該算法模擬電磁場(chǎng)中帶電粒子間的吸引與排斥機(jī)制,將搜索解類比為帶電粒子,然后按一定的準(zhǔn)則通過(guò)局部搜索、計(jì)算合力和移動(dòng)粒子等環(huán)節(jié)使搜索粒子朝最優(yōu)解移動(dòng)。該算法具有全局優(yōu)化能力強(qiáng),編程實(shí)現(xiàn)簡(jiǎn)單,收斂性好等優(yōu)點(diǎn)。與水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行研究的多種已有方法進(jìn)行仿真對(duì)比,結(jié)果證實(shí)該算法可有效解決水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題,可將該算法推廣應(yīng)用到電力系統(tǒng)的其它問(wèn)題研究中。

就提高水電站水能利用率為目標(biāo),建立模型,通過(guò)數(shù)值方式進(jìn)行運(yùn)算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機(jī)組優(yōu)化運(yùn)行;并比較了電站比較了采用傳統(tǒng)方法、采用優(yōu)化算法以及采用優(yōu)化算法下縮小峰谷負(fù)荷差和無(wú)峰谷負(fù)荷差幾種工況下耗水量,能夠提高水輪機(jī)發(fā)電效率的運(yùn)行參數(shù).

通過(guò)分析緊水灘水電站機(jī)組特性曲線,應(yīng)用動(dòng)態(tài)規(guī)劃法提出各機(jī)組最優(yōu)運(yùn)行組合,實(shí)現(xiàn)機(jī)組安全高效運(yùn)行,達(dá)到節(jié)能降耗的目的。

針對(duì)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中需要考慮的關(guān)鍵問(wèn)題,建立了相關(guān)的數(shù)學(xué)模型。根據(jù)該模型的特點(diǎn),提出了一種基于遺傳算法求解的新思路。該算法采用浮點(diǎn)數(shù)編碼技術(shù)和以發(fā)電運(yùn)行總成本倒數(shù)為適應(yīng)度函數(shù),并設(shè)計(jì)了一些啟發(fā)式技術(shù)和遺傳操作算子有效地處理模型中的各種約束條件,使得算法在遺傳操作迭代過(guò)程中的所有個(gè)體都是可行解。實(shí)例研究表明,模型合理,算法可行、有效。

隨著電站裝機(jī)容量和機(jī)組臺(tái)數(shù)的不斷增加,利用動(dòng)態(tài)規(guī)劃求解水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題,將面臨\"維數(shù)災(zāi)\"和實(shí)效性問(wèn)題。近些年,粒子群算法作為一種新型的群體智能優(yōu)化方法,由于能夠彌補(bǔ)動(dòng)態(tài)規(guī)劃計(jì)算時(shí)間長(zhǎng)、內(nèi)存占用量大等諸多不足,在水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行等方面得到了廣泛重視?，F(xiàn)有文獻(xiàn),大多數(shù)從方法的應(yīng)用角度探討較多,但從替代動(dòng)態(tài)規(guī)劃的必然性和潛力方面探討較少,鮮有實(shí)例分析。本文以百萬(wàn)級(jí)裝機(jī)千瓦的烏江渡水電站為實(shí)例,深入分析與比較了粒子群算法與動(dòng)態(tài)規(guī)劃的優(yōu)劣,認(rèn)為粒子群算法是代替動(dòng)態(tài)規(guī)劃、求解裝機(jī)規(guī)模龐大的巨型水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的有效方法。

提出平板車裝載問(wèn)題的一種啟發(fā)式方法，不僅能夠從幾種型號(hào)的平板車中選擇出一種裝載性能較好的平板車，而且能夠?qū)⒕哂胁煌匦缘牟煌叽绲奈锲贩旁谠撔吞?hào)平板車中。它能夠在滿足一些約束條件下求得一種可行的裝載方案。實(shí)例充分證明了該算法的有效性和實(shí)用性，能夠直接用于實(shí)際生活中。

本文研究了集裝箱堆場(chǎng)中集裝箱搬運(yùn)的優(yōu)化問(wèn)題.利用以7個(gè)倒箱落位步驟為核心的啟發(fā)式算法,建立軌道式龍門機(jī)取箱作業(yè)的數(shù)學(xué)模型,獲得了最小化倒箱量的方法.推廣了大規(guī)模倒箱問(wèn)題的結(jié)果,具有較好的實(shí)際意義.

差分進(jìn)化算法(differentialevolution,de)是一種基于群體的進(jìn)化算法,通過(guò)群體內(nèi)個(gè)體間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索。文中將其改進(jìn)的方法應(yīng)用于以水電站運(yùn)行成本最小為目標(biāo)的優(yōu)化模型。該模型考慮了機(jī)組能量特性差異,以旋轉(zhuǎn)備用、啟停成本、氣蝕振動(dòng)區(qū)、機(jī)組可用性等指標(biāo)作為約束條件。實(shí)例計(jì)算表明,該方法克服了傳統(tǒng)方法在處理多約束、多維優(yōu)化問(wèn)題上的困難。

針對(duì)小型水電站機(jī)組實(shí)際特性和理論特性存在著較大差異,供水方式一般采用聯(lián)合供水,因水頭損失與機(jī)組流量分配有關(guān)的特點(diǎn),本文以遺傳算法為基礎(chǔ),考慮機(jī)組效率修正和機(jī)組段的水頭損失進(jìn)行廠內(nèi)經(jīng)濟(jì)運(yùn)算。以一個(gè)實(shí)際的小型水電站為例,說(shuō)明了遺傳算法用于小型水電站的可行性和有效性。

采用罰函數(shù)將有約束的水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題,在粒子群中引入遺傳算法中的\"交叉\"思想并采用線性遞減的慣性權(quán)重,以提高粒子在解空間的遍歷性和局部搜索能力,避免粒子群限于局部最優(yōu)。實(shí)例計(jì)算結(jié)果表明該算法在求解水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問(wèn)題上是可行、有效的。