文化克隆選擇算法的梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度

梯級(jí)水電站聯(lián)合發(fā)電調(diào)度的優(yōu)化模型的確定在整個(gè)電網(wǎng)經(jīng)濟(jì)、安全運(yùn)行中起著非常重要的作用。文中提出一種新的梯級(jí)水電站群聯(lián)合發(fā)電優(yōu)化調(diào)度的調(diào)度準(zhǔn)則——以單位水體發(fā)電電價(jià)最高優(yōu)先發(fā)電,在此基礎(chǔ)上建立梯級(jí)水電站群聯(lián)合發(fā)電優(yōu)化調(diào)度模型及其評(píng)價(jià)方法。首先建立基于四層水體的水庫(kù)能的水電站發(fā)電模型,在此基礎(chǔ)上提出單位水體發(fā)電電價(jià)的概念。建立優(yōu)化調(diào)度模型時(shí),將電力系統(tǒng)中的負(fù)荷變化和在電力市場(chǎng)機(jī)制下分時(shí)上網(wǎng)電價(jià)的影響因素考慮在內(nèi)。該模型能較為客觀地反映梯級(jí)水電站運(yùn)行情況,能給系統(tǒng)調(diào)度員做出最佳調(diào)度決策提供一定的依據(jù)。優(yōu)化仿真計(jì)算結(jié)果證明該調(diào)度準(zhǔn)則具有可行性和適用性。

宏觀視角下的流域梯級(jí)水電站聯(lián)合調(diào)度金沙江區(qū)域梯級(jí)水電站邁入\"調(diào)控一體化\"時(shí)代長(zhǎng)江上游大型水電站群聯(lián)合調(diào)度發(fā)展戰(zhàn)略流域梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度的必要性及對(duì)節(jié)能減排的作用氣候變化條件下的三峽梯級(jí)水庫(kù)調(diào)度長(zhǎng)江上游大型水電站群聯(lián)合調(diào)度關(guān)鍵科技問題探討

遺傳算法是一種簡(jiǎn)單、適用的搜索方法,經(jīng)常用于解決非線性復(fù)雜的問題。水庫(kù)群的最優(yōu)調(diào)度問題,就是利用搜索算法根據(jù)水庫(kù)群進(jìn)出水和綜合利用情況,把水電站水庫(kù)看作一個(gè)系統(tǒng),把系統(tǒng)的各元素,輸入/輸出參數(shù)等簡(jiǎn)化和假設(shè)后建立簡(jiǎn)化通用的數(shù)學(xué)模型,用搜索算法對(duì)該數(shù)學(xué)模型進(jìn)行優(yōu)化仿真,得出最優(yōu)解。

梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度是一項(xiàng)涉及學(xué)科門類廣泛、牽涉部門利益眾多的復(fù)雜大系統(tǒng)優(yōu)化決策問題,對(duì)制定和實(shí)施區(qū)域用水規(guī)劃、實(shí)現(xiàn)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展具有重大的現(xiàn)實(shí)意義。鑒于當(dāng)前群體智能優(yōu)化算法應(yīng)用于梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度中存在的\"維數(shù)災(zāi)\"及大量約束條件不易處理的難點(diǎn),將加速遺傳算法(aga)應(yīng)用于梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度研究中,采用\"分類假設(shè)\"的思路逆序?qū)ふ也煌娬?、不同時(shí)段優(yōu)化變量可行決策空間并生成初始種群個(gè)體,由此重點(diǎn)闡述了改進(jìn)遺傳算法對(duì)優(yōu)化調(diào)度模型大量復(fù)雜約束條件的實(shí)現(xiàn)方法。上述方法在我國(guó)水、電特性代表性良好的烏江梯級(jí)七庫(kù)聯(lián)合優(yōu)化調(diào)度實(shí)例的應(yīng)用結(jié)果表明:加速遺傳算法對(duì)梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度模型復(fù)雜約束條件具有較強(qiáng)的自適應(yīng)及全局搜索能力,且計(jì)算結(jié)果與設(shè)計(jì)成果相比,烏江梯級(jí)水電站多年平均發(fā)電量增加約2.60%。可見,采用\"分類假設(shè)\"的研究思路處理群體智能優(yōu)化算法應(yīng)用于梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度中存在的復(fù)雜約束問題是合理可行的,可為流域梯級(jí)水電站實(shí)行集中運(yùn)行、調(diào)度提供科學(xué)有效的決策依據(jù)。

針對(duì)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(shí)現(xiàn)信念空間的知識(shí)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(shí)提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級(jí)水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計(jì)算速度及求解精度,為梯級(jí)水庫(kù)優(yōu)化調(diào)度提供了一條全新途徑。

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。為有效解決這一問題，通過改進(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)綜合來看，對(duì)于復(fù)雜的梯級(jí)水電站經(jīng)濟(jì)調(diào)度問題，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。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

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(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(kù)(群)優(yōu)化調(diào)度問題存在"維數(shù)災(zāi)"問題。

如今，廣大民眾對(duì)能源的需求量越來越高，但是我國(guó)的能源可用量卻越來越少，在這種情況下，對(duì)水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢(shì)在必行的。其實(shí)，梯級(jí)水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關(guān)注．而本研究就將針對(duì)“梯級(jí)水電站優(yōu)化調(diào)度模型與算法研究”這一主題進(jìn)行詳細(xì)的闡述，使廣大民眾對(duì)這方面的內(nèi)容有一個(gè)更加全面且深入的了解。

如今，廣大民眾對(duì)能源的需求量越來越高，但是我國(guó)的能源可用量卻越來越少，在這種情況下，對(duì)水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢(shì)在必行的。其實(shí)，梯級(jí)水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關(guān)注．而本研究就將針對(duì)“梯級(jí)水電站優(yōu)化調(diào)度模型與算法研究”這一主題進(jìn)行詳細(xì)的闡述，使廣大民眾對(duì)這方面的內(nèi)容有一個(gè)更加全面且深入的了解。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來越舒適、便捷的同時(shí)，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國(guó)水電企業(yè)模型的改革，因?yàn)橹挥懈母锊拍苓m應(yīng)時(shí)代的變化，才能解決日益嚴(yán)峻的能源形勢(shì)。下面，我們將主要分析一下目前我國(guó)梯級(jí)水電站優(yōu)化調(diào)度模型與算法。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來越舒適、便捷的同時(shí)，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國(guó)水電企業(yè)模型的改革，因?yàn)橹挥懈母锊拍苓m應(yīng)時(shí)代的變化，才能解決日益嚴(yán)峻的能源形勢(shì)。下面，我們將主要分析一下目前我國(guó)梯級(jí)水電站優(yōu)化調(diào)度模型與算法。

建立一種梯級(jí)水電站中長(zhǎng)期水庫(kù)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(zhǎng)期水庫(kù)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(kù)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(kù)優(yōu)化調(diào)度提供了一種有效算法。

介紹分析梯級(jí)電廠水電聯(lián)合調(diào)度的技術(shù)和策略,以及相應(yīng)的計(jì)算機(jī)系統(tǒng)的組成原則。

分析了梯級(jí)水電站水電聯(lián)合優(yōu)化調(diào)度技術(shù),包括來水預(yù)報(bào)技術(shù)、計(jì)劃調(diào)度技術(shù)、實(shí)時(shí)調(diào)度技術(shù)和電力市場(chǎng)水電調(diào)度技術(shù),說明了這些技術(shù)的現(xiàn)狀和發(fā)展方向,并提出相應(yīng)的計(jì)算機(jī)系統(tǒng)設(shè)計(jì)的主要目標(biāo)和結(jié)構(gòu)要點(diǎn)。

建立了梯級(jí)水電站中長(zhǎng)期聯(lián)合優(yōu)化調(diào)度模型,并采用逐步優(yōu)化算法對(duì)其進(jìn)行求解。以金沙江中游梯級(jí)水電站群為例,通過計(jì)算,得到了合理的聯(lián)合優(yōu)化調(diào)度方案。與各水庫(kù)單獨(dú)運(yùn)行對(duì)比,其多年平均發(fā)電量、枯期發(fā)電量及水量利用率均有不同程度的提高。該結(jié)果表明此方法應(yīng)用于實(shí)際生產(chǎn)中切實(shí)有效,也為梯級(jí)水電站聯(lián)合優(yōu)化調(diào)度運(yùn)行提供了一種可行的途徑。

梯級(jí)水電站經(jīng)濟(jì)調(diào)度是一個(gè)具有多維數(shù)、多目標(biāo)、非線性的新問題,調(diào)度策略隨決策者期望而變化。根據(jù)不同調(diào)度期望,構(gòu)建三個(gè)分別以發(fā)電量最大、耗水量最小、末期蓄水量最大為目標(biāo)的優(yōu)化調(diào)度模型。本文提出的仿水循環(huán)算法是一種受自然界水循環(huán)過程啟發(fā)提出的全新算法,即含多種約束的仿水循環(huán)算法cwca,引入水滴權(quán)重因子,可根據(jù)尋優(yōu)情況自適應(yīng)地調(diào)整權(quán)重值,有效解決迭代速度與計(jì)算精度的權(quán)衡問題,以及因水滴粒子處于局部最優(yōu)而導(dǎo)致迭代停滯的問題。利用不同測(cè)試函數(shù)求解結(jié)果對(duì)比表明,cwca比改進(jìn)粒子群算法mpso更具有效性與優(yōu)越性。經(jīng)對(duì)三座梯級(jí)水電站優(yōu)化調(diào)度策略的仿真結(jié)果證明了cwca的可行性,也顯示了mpso可顯著提高優(yōu)化結(jié)果,大幅降低收斂時(shí)間,是一種更優(yōu)越的智能種群算法。

鑒于梯級(jí)水電站優(yōu)化運(yùn)行的高復(fù)雜度、強(qiáng)非線性、多約束等特點(diǎn),構(gòu)建了基于峰谷分時(shí)電價(jià)下的梯級(jí)水電站日最大發(fā)電效益模型。針對(duì)遺傳算法(ga)等傳統(tǒng)智能算法對(duì)復(fù)雜模型求解易陷入局部最優(yōu)的問題,提出一種水循環(huán)算法(wca)與水位廊道約束耦合、降低約束復(fù)雜度、規(guī)范尋優(yōu)空間的方法,并以湖北某梯級(jí)短期優(yōu)化調(diào)度為背景進(jìn)行建模仿真,將計(jì)算結(jié)果分別與ga和粒子群算法(pso)所得結(jié)果進(jìn)行比較。實(shí)例研究表明,wca計(jì)算的總效益在豐、平、枯典型日分別比ga和pso計(jì)算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強(qiáng),為解決梯級(jí)水電站優(yōu)化調(diào)度問題提供了新思路。

借鑒信息素對(duì)昆蟲群體協(xié)調(diào)行為的作用,建立信息素釋放模型、信息素?cái)U(kuò)散模型、信息誘導(dǎo)模型和信息定向模型,提出信息誘導(dǎo)算子(pheromoneinductionoperator,pio),并與改進(jìn)遺傳算法(improvedgeneticalgorithmi,ga)相結(jié)合,形成信息誘導(dǎo)遺傳算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有較好平衡全局搜索能力和局部開發(fā)能力的仿生學(xué)原理。針對(duì)電力市場(chǎng)條件下梯級(jí)水電站自調(diào)度優(yōu)化模型的復(fù)雜性,將piga應(yīng)用于該模型的求解,通過算例分析,對(duì)比了pso、sgai、ga和piga的優(yōu)化性能,表明了piga的有效性;同時(shí)通過分析pio參數(shù)對(duì)優(yōu)化性能的影響,給出了pio參數(shù)的選擇原則。

水庫(kù)調(diào)度圖是水電站發(fā)電調(diào)度運(yùn)行的基礎(chǔ),然而現(xiàn)有研究和算法大都集中在單庫(kù)調(diào)度圖,庫(kù)群發(fā)電調(diào)度圖成果較少。本文結(jié)合我國(guó)開發(fā)得較為完善的烏江流域梯級(jí)水電站群,提出了一種實(shí)用的梯級(jí)水電站群發(fā)電優(yōu)化調(diào)度圖制定方法。該方法以單庫(kù)調(diào)度圖為基礎(chǔ),綜合形成初始的庫(kù)群調(diào)度圖,并以此進(jìn)行模擬調(diào)度,即根據(jù)兩種調(diào)度圖對(duì)長(zhǎng)系列資料逐時(shí)段計(jì)算,獲得兩種負(fù)荷結(jié)果,最終運(yùn)用庫(kù)群負(fù)荷分配調(diào)整兩種負(fù)荷的偏差,獲得調(diào)度結(jié)果;然后以模擬調(diào)度統(tǒng)計(jì)的多年平均發(fā)電量最大為目標(biāo),采用逐次逼近算法不斷修正兩種調(diào)度圖的基本調(diào)度線,最終獲得滿足精度要求的單庫(kù)調(diào)度圖和庫(kù)群調(diào)度圖。較常規(guī)方法,本方法方便一次性得出水電站(群)調(diào)度圖。模擬調(diào)度結(jié)果表明所建立的方法有效、實(shí)用,在兼顧電網(wǎng)對(duì)電站要求的基礎(chǔ)上,大大提高了梯級(jí)長(zhǎng)期發(fā)電效益。

針對(duì)傳統(tǒng)優(yōu)化算法在求解高維、復(fù)雜梯級(jí)水電站發(fā)電調(diào)度時(shí)易出現(xiàn)“維數(shù)災(zāi)”，或陷入局部最優(yōu)解的缺陷，本文提出了免疫蛙跳算法（isfla）。該算法將克隆選擇算法嵌入到混洗蛙跳算法框架中，對(duì)混合之后的蛙群構(gòu)造子群體執(zhí)行免疫克隆選擇操作，同時(shí)使用改進(jìn)的最差解更新方式提高其局部搜索能力。應(yīng)用實(shí)踐表明，通過將isfla與標(biāo)準(zhǔn)混洗蛙跳算法、粒子群算法以及逐步優(yōu)化方法對(duì)比，isfla在求解梯級(jí)水電站發(fā)電優(yōu)化問題時(shí)具有明顯的優(yōu)越性。

本文首先從目標(biāo)函數(shù)和約束條件兩個(gè)方面,介紹了梯級(jí)水電站優(yōu)化調(diào)度的各類數(shù)學(xué)模型.然后對(duì)目前研究比較廣泛的各類優(yōu)化算法進(jìn)行了綜述.最后指出隨著水電能源的開發(fā),梯級(jí)水庫(kù)優(yōu)化調(diào)度下一步可能的發(fā)展方向.