水庫群供水優(yōu)化調(diào)度改進蟻群算法應(yīng)用

本文提出了一種基于懲罰改進的蟻群最優(yōu)化算法,并應(yīng)用于水庫群的梯級調(diào)度優(yōu)化研究中。本算法以蟻群蜂群算法中群體協(xié)作的反饋機制、隨機搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計算性及較強的魯棒性為基礎(chǔ),進行問題空間的全局尋優(yōu);同時針對梯級調(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)實例驗證,本算法具有普遍的梯級調(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。

利用廣義蟻群算法對梯級水庫進行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機自動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。實例結(jié)果表明,該算法搜索能力強、精度高、可靠、有效實用。

分析了人工魚群算法存在的問題,提出一種改進人工魚群算法,并將其用于梯級水庫群的優(yōu)化調(diào)度.其改進思想是采用動態(tài)調(diào)整人工魚視野和步長的方法,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,針對算法局部更新策略引起的更新操作前后個體空間位置變化較大,降低收斂速度這一問題,在局部更新時采用了閾值選擇的策略.通過實例驗證了該改進算法的有效性,并對改進算法的閾值參數(shù)進行了率定.

為了進一步增強微粒群算法的優(yōu)化性能,提出了一種改進微粒群算法,并將其用于求解梯級水庫群的優(yōu)化調(diào)度。該算法引進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進行算術(shù)交叉,變異是微粒以一定的概率隨機使速度矢量的某一維分量變?yōu)?。為了加速收斂,初始微粒群生成時采用了有條件的隨機自動生成方式,并利用懲罰函數(shù)法來處理邊界條件和其它非等式約束。實例計算結(jié)果表明,改進微粒群算法具有比常規(guī)動態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

利用混沌算法全局搜索能力強、求解速度快的特點,將混沌優(yōu)化算法運用到水庫優(yōu)化調(diào)度中,建立了水庫群多目標(biāo)優(yōu)化模型,并提出交互式的多目標(biāo)優(yōu)化模型求解方法。該方法利用混沌優(yōu)化算法生成滿足約束條件的可行集,再采用交互式?jīng)Q策偏好的方法從非劣解集中尋找最佳權(quán)衡解;并對灤河下游水庫群進行了實例研究。結(jié)果表明算法可行,成果合理,能為水庫群的聯(lián)合調(diào)度提供技術(shù)支持。

提出一種求解梯級水電站中長期優(yōu)化調(diào)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(diào)度計劃。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。實例計算結(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,為解決梯級水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

針對蟻群算法在求解過程中出現(xiàn)初期信息素匱乏、易陷入局部最優(yōu)解的問題,結(jié)合梯級水庫優(yōu)化調(diào)度的特點,提出了基于免疫進化的蟻群算法。該混合算法充分利用了免疫進化算法的全局快速收斂性和蟻群算法的正反饋性,提高了求解效率。實例計算表明該混合算法在求解梯級水庫優(yōu)化調(diào)度問題時,與逐次逼近動態(tài)規(guī)劃相比較,結(jié)果合理、可靠,計算效率較高,從而為求解高維、復(fù)雜的梯級水庫優(yōu)化調(diào)度提供了一條新的求解思路。

應(yīng)用自適應(yīng)蟻群算法來求解水電站優(yōu)化調(diào)度問題,該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。實例計算表明,該算法計算精度高,收斂速度快,克服了傳統(tǒng)蟻群算法計算時間長,易于陷入局部最優(yōu)的缺點,能較好地避免動態(tài)規(guī)劃的維數(shù)災(zāi)問題,可求解具有復(fù)雜約束條件的非線性規(guī)劃問題,為解決水電站優(yōu)化調(diào)度問題提供了一種有效的途徑。

針對大規(guī)模跨流域供水水庫群聯(lián)合調(diào)度中調(diào)水、引水、供水三者之間的復(fù)雜性、動態(tài)性和不確定性的特點,在二層規(guī)劃模型的基礎(chǔ)上,應(yīng)用博弈論原理,建立跨流域水庫群供水調(diào)度規(guī)則的三層規(guī)劃模型,提出調(diào)水規(guī)則、引水規(guī)則和供水規(guī)則相結(jié)合的跨流域水庫群優(yōu)化調(diào)度規(guī)則,從深層次揭示跨流域供水水庫群之間的主從遞階層次的獨立性及相互關(guān)聯(lián)性;并應(yīng)用基于免疫進化的粒子群算法對模型進行分層優(yōu)化求解。以灤河下游跨流域水庫群為對象進行研究,計算結(jié)果表明：1減少了水量損失,提高了水資源的利用率;2提高了供水區(qū)唐山、天津的供水保證率,降低了缺水破壞深度。

針對大規(guī)模跨流域供水水庫群聯(lián)合調(diào)度中調(diào)水、引水、供水三者之間的復(fù)雜性、動態(tài)性和不確定性的特點,在二層規(guī)劃模型的基礎(chǔ)上,應(yīng)用博弈論原理,建立跨流域水庫群供水調(diào)度規(guī)則的三層規(guī)劃模型,提出調(diào)水規(guī)則、引水規(guī)則和供水規(guī)則相結(jié)合的跨流域水庫群優(yōu)化調(diào)度規(guī)則,從深層次揭示跨流域供水水庫群之間的主從遞階層次的獨立性及相互關(guān)聯(lián)性;并應(yīng)用基于免疫進化的粒子群算法對模型進行分層優(yōu)化求解。以灤河下游跨流域水庫群為對象進行研究,計算結(jié)果表明：1減少了水量損失,提高了水資源的利用率;2提高了供水區(qū)唐山、天津的供水保證率,降低了缺水破壞深度。

為尋求一種水庫群聯(lián)合優(yōu)化調(diào)度的高效求解方法,在標(biāo)準煙花爆炸算法(fa)尋優(yōu)機制的基礎(chǔ)上,通過引入可有效利用粒子位置信息的量粒子群算法進化機制提升算法性能,提出煙花量粒子群算法(faqpso),將其應(yīng)用于溪洛渡-向家壩-三峽梯級電站四庫聯(lián)合優(yōu)化調(diào)度問題中,發(fā)現(xiàn)在相同求解條件下,faqpso更易獲得高質(zhì)量結(jié)果,且收斂快、魯棒性強。同時,溪向梯級和三峽梯級兩個梯級單獨調(diào)度和聯(lián)合調(diào)度結(jié)果表明,上游溪向梯級對下游梯級進行電力補償,提高了四庫總體發(fā)電量,驗證了溪向—三峽梯級電站聯(lián)合調(diào)度的必要性。

結(jié)合梯級水庫群聯(lián)合運行的實際情況,分析目前國內(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)對梯級水電站群中長期水庫調(diào)度問題應(yīng)用研究,建立一種梯級水電站群中長期水庫優(yōu)化調(diào)度模型,通過實際數(shù)據(jù)驗證,此方法可以獲得梯級各電站的最優(yōu)運行方式,為指導(dǎo)梯級各水電站的實際運行最優(yōu)化提供科學(xué)決策依據(jù)。

將量子計算理論引入到蟻群優(yōu)化算法中,形成量子蟻群優(yōu)化算法(qacoa),用于梯級水電系統(tǒng)經(jīng)濟調(diào)度研究中,以系統(tǒng)在調(diào)度期內(nèi)實發(fā)電能和儲蓄電能最大為準則構(gòu)造優(yōu)化目標(biāo)函數(shù)。qacoa融入了量子計算理論的疊加態(tài)和概率表達特性,以量子態(tài)為基本信息單元,將量子比特的概率幅用于螞蟻位置的編碼,利用量子旋轉(zhuǎn)門實現(xiàn)蟻群位置的更新,達到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運用qacoa對梯級水電系統(tǒng)經(jīng)濟調(diào)度進行仿真,結(jié)果表明qacoa使調(diào)度期內(nèi)實發(fā)電能和儲蓄電能得到了明顯提高。

提出一種求解梯級水電站中長期優(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水電站中長期最優(yōu)調(diào)度計劃．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．實例計算結(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，為解決梯級水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法．圖1表2參8

本文針對福建泉州晉江流域水資源短缺現(xiàn)狀,結(jié)合豐、平、枯期水量分析,提出水庫串聯(lián)、并聯(lián)聯(lián)合調(diào)度方案,并在發(fā)生特大干旱中調(diào)度運用,成功保障了晉江下游地區(qū)人民生活、生產(chǎn)、生態(tài)用水需求,確保了泉州經(jīng)濟社會安定穩(wěn)定發(fā)展。

本研究基于水庫群聚合虛擬法、利用逐步優(yōu)化算法,制定了鐵嶺地區(qū)聚合虛擬水庫的聯(lián)合供水調(diào)度方案,并采用分水比例法確定了各成員水庫共同供水任務(wù)的分配比例.結(jié)果表明:該方案可滿足全市各類型的用水需求,利用該優(yōu)化調(diào)度模型可制定科學(xué)合理的水庫聯(lián)合供水優(yōu)化調(diào)度方案,從而為該地區(qū)的水資源配置提供參考.

文中以大連市兩個主要供水水源——碧流河、英那河水庫為研究對象,開展規(guī)劃水平年(2020)的水庫群優(yōu)化調(diào)度研究,在無法滿足約束的情況下,提出\"開源\"和\"節(jié)流\"兩種解決方案,并給出兩種方案的調(diào)度結(jié)果.

應(yīng)用大系統(tǒng)分解聚合分析的原理和方法,針對深圳市東部供水系統(tǒng)的特點,建立了東部水庫群聯(lián)合供水優(yōu)化調(diào)度二層遞階模型,并根據(jù)各層次數(shù)學(xué)模型的不同特點給出了相應(yīng)的求解方法,得出了合理的結(jié)果,為深圳市水資源優(yōu)化調(diào)度提供了一種有效的決策工具。

隨著我國水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨特的優(yōu)勢作用下,梯度水庫群的優(yōu)化調(diào)度研究取得了顯著的成果.不過在如今越來越復(fù)雜的水庫調(diào)度問題中,傳統(tǒng)的算法已不能得以很好地解決此類問題.通過采用三種經(jīng)過改進的人工蜂群算法（isc-abc、cl-abc、ims-abc）應(yīng)用到渾江流域的3個水電站中進行實驗測試,來對梯級水庫進行優(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,在渾江流域水庫的實際應(yīng)

建立了由沙畈水庫和金蘭水庫組成的串聯(lián)小水電群優(yōu)化調(diào)度的數(shù)學(xué)模型,采用了改進遺傳算法對該模型進行優(yōu)化計算。算法設(shè)計編程簡單、計算工作量小、收斂速度快。利用兩個水庫的入庫徑流實測值進行了仿真實驗,結(jié)果說明優(yōu)化調(diào)度能比常規(guī)調(diào)度取得更大的經(jīng)濟效益,同時也說明了遺傳算法是求解小水電群優(yōu)化調(diào)度的可行而有效的方法。

大規(guī)模水電站群短期發(fā)電優(yōu)化調(diào)度計算量大,實際應(yīng)用中為滿足計算過程和結(jié)果可復(fù)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(jié)合大規(guī)模水電站群短期發(fā)電優(yōu)化調(diào)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(yīng)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(diào)度計算速度提高一倍。研究成果可供類似工程參考。

提出一種求解混聯(lián)水電站水庫群中長期優(yōu)化調(diào)度問題的方法—變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)。算法利用混沌運動的內(nèi)在隨機性、遍歷性和規(guī)律性來尋找混聯(lián)水電站水庫群中長期最優(yōu)調(diào)度計劃。算法利用混沌運動的特點,將混沌變量映射到待尋優(yōu)變量區(qū)間,通過尺度變換不斷縮小優(yōu)化變量的搜索空間,利用改變"二次搜索"的調(diào)節(jié)系數(shù)提高搜索精度以獲取全局最優(yōu)解。實例計算結(jié)果表明,算法可以求解具有復(fù)雜約束條件的非線性混聯(lián)水電站水庫群優(yōu)化調(diào)度問題。算法求解精度高、收斂速度快,為解決混聯(lián)水電站水庫群中長期優(yōu)化調(diào)度問題提供了一種新的方法。