微分進(jìn)化算法在水電站水庫優(yōu)化調(diào)度中應(yīng)用

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(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,為水庫優(yōu)化調(diào)度問題提供了一條新的有效求解途徑。

為提高多維目標(biāo)函數(shù)全局最優(yōu)解的計(jì)算精度,提出了一種改進(jìn)的混沌優(yōu)化算法(mcoa).利用混沌運(yùn)動(dòng)的隨機(jī)性、遍歷性和規(guī)律性進(jìn)行全局尋優(yōu);通過引入解向量的優(yōu)選,將解向量定位到最優(yōu)解的附近,從而找出全局最優(yōu)解.最后將該算法應(yīng)用于水電站水庫優(yōu)化調(diào)度問題,并進(jìn)行仿真計(jì)算,計(jì)算結(jié)果驗(yàn)證了算法的有效性.mcoa原理簡(jiǎn)單,易于編程實(shí)現(xiàn),具有較大的實(shí)用價(jià)值,為求解水電站水庫優(yōu)化調(diào)度問題提供了一種有效方法.

利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對(duì)梯級(jí)水電站水庫調(diào)度問題進(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優(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)水電站水庫優(yōu)化調(diào)度問題。算法求解精度高,具有較大的實(shí)用價(jià)值,為求解梯級(jí)水電站水庫優(yōu)化調(diào)度問題提供了一種有效算法。

現(xiàn)在我國的主要供電方式是電氣供電，這種形式的供電已不能滿足社會(huì)的多方面需要。所以國家大力發(fā)展水利發(fā)電，就水利發(fā)電來講，水電站水庫優(yōu)化是一項(xiàng)相當(dāng)關(guān)鍵的工作。本文主要介紹了當(dāng)下國內(nèi)外水電站水庫優(yōu)化調(diào)度研究的進(jìn)展，列舉了三種水庫優(yōu)化調(diào)度計(jì)算方法：變尺度混沌粒子群算法、改進(jìn)粒子群算法和免疫克隆粒子群算法。

建立一種梯級(jí)水電站中長期水庫優(yōu)化調(diào)度模型,利用混沌優(yōu)化算法對(duì)梯級(jí)水電站中長期水庫調(diào)度問題進(jìn)行優(yōu)化計(jì)算。實(shí)例計(jì)算結(jié)果表明,該算法可求解復(fù)雜約束條件的非線性梯級(jí)水電站水庫優(yōu)化調(diào)度問題,精度高、收斂速度快,為求解梯級(jí)水電站水庫優(yōu)化調(diào)度提供了一種有效算法。

隨著電力市場(chǎng)的開放和分時(shí)電價(jià)制度的實(shí)施,傳統(tǒng)以發(fā)電量最大作為準(zhǔn)則的情況已不能適應(yīng)水電站優(yōu)化調(diào)度的要求,文章提出了分時(shí)電價(jià)條件下水電站水庫優(yōu)化調(diào)度的數(shù)學(xué)模型,并以實(shí)例結(jié)果來說明模型的可行性。

隨著電力市場(chǎng)的開放和分時(shí)電價(jià)制度的實(shí)施,傳統(tǒng)以發(fā)電量最大作為準(zhǔn)則的情況已不能適應(yīng)水電站優(yōu)化調(diào)度的要求,本文提出了分時(shí)電價(jià)條件下水電站水庫優(yōu)化調(diào)度的數(shù)學(xué)模型,并以寶珠寺電站為例,研究結(jié)果說明了模型的合理性及可行性。

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(duì)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(jì)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(jì)算實(shí)例表明，該方法采用并行搜...

在遺傳算法中為避免采用二進(jìn)制編碼時(shí)存在的編碼冗余問題,本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法,并進(jìn)行水電站水庫優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開始尋優(yōu),占用內(nèi)存少,能以較快速度找到全局最優(yōu)解。實(shí)例計(jì)算并與常規(guī)優(yōu)化相比,表明該方法簡(jiǎn)便、快速,可避免水庫優(yōu)化調(diào)度中的維數(shù)災(zāi)

在研究了人工免疫系統(tǒng)中的克隆選擇學(xué)說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優(yōu)化調(diào)度方法。該算法通過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(群)優(yōu)化調(diào)度問題存在"維數(shù)災(zāi)"問題。

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(diǎn),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(duì)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(jì)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(jì)算實(shí)例表明,該方法采用并行搜索機(jī)制,計(jì)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。

基于改進(jìn)遺傳算法的水電站水庫優(yōu)化調(diào)度——在遺傳算法中為避免采用二進(jìn)制編碼時(shí)存在的編碼冗余問題，本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法，并進(jìn)行水電站水庫優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開始尋優(yōu)，占用內(nèi)存少，能以...

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(shí)例計(jì)算表明,該算法計(jì)算精度高,收斂速度快,克服了傳統(tǒng)蟻群算法計(jì)算時(shí)間長,易于陷入局部最優(yōu)的缺點(diǎn),能較好地避免動(dòng)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。

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(jì)劃。對(duì)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(diǎn)。實(shí)例計(jì)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(jiǎn)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(dòng)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(diǎn),具有良好的收斂速度和計(jì)算精度。實(shí)例計(jì)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(jiǎn)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(jià)值的方法。

水電站水庫的優(yōu)化調(diào)度就是利用最優(yōu)化的方法對(duì)水庫的入流過程以及綜合利用要求制定出水電站水庫的優(yōu)化調(diào)度方式，從而實(shí)現(xiàn)良好的效益，充分發(fā)揮水電站以及水庫的設(shè)備作用及功能，使其能夠得到高效合理的利用。水電站的系統(tǒng)以及電網(wǎng)系統(tǒng)管理中，水電站水庫的優(yōu)化調(diào)度是十分重要的組成部分，調(diào)度的效果將直接影響到水利工程以及設(shè)備的作用發(fā)揮，對(duì)于電網(wǎng)的安全可靠運(yùn)行具有積極地促進(jìn)作用。本文就水電站水庫優(yōu)化調(diào)度進(jìn)行分析和研究。

從單一水庫優(yōu)化調(diào)度、水庫群優(yōu)化調(diào)度和實(shí)時(shí)洪水預(yù)報(bào)三個(gè)方面，闡述了水電站水庫優(yōu)化調(diào)度研究的進(jìn)展。

水電站水庫的優(yōu)化調(diào)度就是利用最優(yōu)化的方法對(duì)水庫的入流過程以及綜合利用要求制定出水電站水庫的優(yōu)化調(diào)度方式，從而實(shí)現(xiàn)良好的效益，充分發(fā)揮水電站以及水庫的設(shè)備作用及功能，使其能夠得到高效合理的利用。水電站的系統(tǒng)以及電網(wǎng)系統(tǒng)管理中，水電站水庫的優(yōu)化調(diào)度是十分重要的組成部分，調(diào)度的效果將直接影響到水利工程以及設(shè)備的作用發(fā)揮，對(duì)于電網(wǎng)的安全可靠運(yùn)行具有積極地促進(jìn)作用。本文就水電站水庫優(yōu)化調(diào)度進(jìn)行分析和研究。

目前,水庫優(yōu)化調(diào)度研究常側(cè)重于提高算法的精度和計(jì)算速度,而忽視了優(yōu)化調(diào)度模型本身的合理性和準(zhǔn)確性。如采用常數(shù)作出力系數(shù)進(jìn)行水庫優(yōu)化調(diào)度計(jì)算往往誤差較大。為此,根據(jù)水電站多年運(yùn)行歷史資料,推求不同發(fā)電水頭下的綜合耗水率,并將水電站綜合耗水率應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算表明,所提出的計(jì)算方法更能反映水庫實(shí)際運(yùn)用情況。

用逐步優(yōu)化算法、動(dòng)態(tài)規(guī)劃法、大系統(tǒng)法和遺傳算法,研究單一水庫優(yōu)化調(diào)度問題;并通過實(shí)例計(jì)算,對(duì)這四種方法進(jìn)行了分析比較,結(jié)果證明,基于十進(jìn)制編碼的遺傳算法具有收斂速度快,能達(dá)到全局最優(yōu)的優(yōu)點(diǎn)

i993年第l期journalofhydr0electricengineering總第40期 2]一弓6 ig1]’i1 用模糊動(dòng)態(tài)規(guī)劃法進(jìn)行水電站水庫優(yōu)化調(diào)度 黃睦 (陜西機(jī)械學(xué)院) 提要 本文首先舟紹了鑒塑查望型(fdp)原理·進(jìn)而提出了用fdp法進(jìn)行水電站水庫憂化 調(diào)度的方法．最后通過實(shí)例得到滿意的結(jié)果 一 、前言 自1957年美國數(shù)學(xué)家r．e．bellman等人提出求解多階段決策過程優(yōu)化方法 ——?jiǎng)討B(tài)規(guī)劃(dp)法以來，dp在科研、生產(chǎn)、管理中得到了廣遺的應(yīng)用。同時(shí)在 解決dp的“維數(shù)災(zāi)上，各國學(xué)者提出了許多改進(jìn)方法，如狀態(tài)增量動(dòng)態(tài)規(guī)劃 (idp)離散微增量動(dòng)態(tài)規(guī)劃(dddp)、動(dòng)態(tài)規(guī)劃蓮次逼近法(dp8a)、逐步優(yōu)化 算法(poa)等。但是在實(shí)際問題中多數(shù)決策都是在目