組織進(jìn)化粒子群算法的水電站水庫(kù)優(yōu)化調(diào)度

介紹了混沌粒子群算法,并將其用于水庫(kù)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(kù)優(yōu)化調(diào)度的強(qiáng)約束、多階段、非線(xiàn)性組合問(wèn)題。

針對(duì)粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問(wèn)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(kù)調(diào)度領(lǐng)域,設(shè)計(jì)了基于該算法的水電站水庫(kù)優(yōu)化調(diào)度問(wèn)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。

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(wèn)題的方法,粒子群算法模擬了鳥(niǎo)類(lèi)群體覓食的搜索過(guò)程來(lái)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(xiàn)性水電站優(yōu)化調(diào)度問(wèn)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(xiàn)性、強(qiáng)約束組合優(yōu)化問(wèn)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(wèn)題提供了一種具有較高應(yīng)用價(jià)值的方法。

在基于常規(guī)方法的水電站水庫(kù)發(fā)電調(diào)度圖繪制方法中,由于選取典型水文年樣本數(shù)量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有歷史實(shí)測(cè)資料繪制水電站發(fā)電運(yùn)行調(diào)度圖。該算法通過(guò)粒子間的信息共享來(lái)實(shí)現(xiàn)求解,具有計(jì)算簡(jiǎn)便,收斂速度快的優(yōu)點(diǎn)。通過(guò)實(shí)際生產(chǎn)項(xiàng)目的應(yīng)用,證明采用粒子群算法繪制水電站水庫(kù)發(fā)電運(yùn)行調(diào)度圖能夠克服常規(guī)繪制方法中的一些缺點(diǎn),在保證可靠性指標(biāo)的同時(shí),提高了水電站的運(yùn)行效益,為優(yōu)化方法在水電站中長(zhǎng)期調(diào)度中的應(yīng)用提供了一種實(shí)用的途徑。

針對(duì)高維、復(fù)雜的梯級(jí)水庫(kù)優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問(wèn)題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對(duì)初始種群的依賴(lài)和易陷入局部最優(yōu)的不足。通過(guò)實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級(jí)水庫(kù)優(yōu)化調(diào)度提供了新的思路。

【目的】解決傳統(tǒng)粒子群算法在求解水庫(kù)優(yōu)化調(diào)度問(wèn)題中存在的早熟、收斂速度慢和易陷入局部最優(yōu)的問(wèn)題?！痉椒ā炕诳贵w克隆選擇學(xué)說(shuō)理論,提出了一種量化正交免疫克隆粒子群算法(oicpso/q)。采用正交交叉策略來(lái)增強(qiáng)子代個(gè)體解分布的均勻性;通過(guò)接種疫苗和計(jì)算親合度等操作,對(duì)算法的進(jìn)化過(guò)程進(jìn)行有目的、有選擇地指導(dǎo),使得算法快速收斂,同時(shí)保持一定的多樣性,抑制了早熟現(xiàn)象。提出一種自學(xué)習(xí)算子,避免個(gè)體鄰域內(nèi)最優(yōu)解的丟失。建立了基于量化正交免疫克隆粒子群算法的水庫(kù)優(yōu)化調(diào)度數(shù)學(xué)模型,并給出其具體的求解步驟。最后應(yīng)用該方法與標(biāo)準(zhǔn)粒子群算法(spso)及動(dòng)態(tài)規(guī)劃方法進(jìn)行比較?！窘Y(jié)果】與spso算法和動(dòng)態(tài)規(guī)劃方法計(jì)算結(jié)果相比,oicpso/q算法計(jì)算時(shí)間明顯降低,但發(fā)電量明顯增加,說(shuō)明oicpso/q算法可提高解的精度,加快其收斂速度,其性能優(yōu)于標(biāo)準(zhǔn)粒子群算法和動(dòng)態(tài)規(guī)劃方法?！窘Y(jié)論】oicpso/q算法為求解水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了一條新的有效求解途徑。

將混沌和變尺度思想引入粒子群算法中,提出一種變尺度混沌粒子群算法,并將其應(yīng)用于梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度中.該算法采用混沌初始化粒子的位置和速度;再利用混沌提高了種群的多樣性和粒子搜索的遍歷性;最后采用變尺度思想,根據(jù)搜索進(jìn)程不斷縮小優(yōu)化變量的搜索空間,來(lái)改善pso算法擺脫局部極值點(diǎn)的能力,提高算法的全局優(yōu)化能力.計(jì)算結(jié)果表明:變尺度混沌粒子群優(yōu)化算法求解精度高,可以求解具有復(fù)雜約束條件的非線(xiàn)性梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題.

針對(duì)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題,提出了將改進(jìn)遺傳算法和混沌優(yōu)化相耦合的改進(jìn)混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對(duì)混沌變量進(jìn)行編碼,表示成染色體,然后對(duì)其進(jìn)行選擇、交叉和變異,通過(guò)增加混沌擾動(dòng),不斷進(jìn)化收斂得到最優(yōu)解。實(shí)例計(jì)算并與其他方法比較表明,該算法在求解水電站優(yōu)化調(diào)度這樣的復(fù)雜非線(xiàn)性?xún)?yōu)化問(wèn)題時(shí),搜索效率高,收斂性能好,能以較快的速度收斂于全局最優(yōu)解,為水電站水庫(kù)優(yōu)化調(diào)度模型求解提供了一種新方法。

隨著經(jīng)濟(jì)與科學(xué)技術(shù)的不斷發(fā)展,社會(huì)的需求使得對(duì)水庫(kù)調(diào)度管理水平的要求越來(lái)越高,使得越來(lái)越多的因素被考慮在水庫(kù)調(diào)度決策中,水庫(kù)調(diào)度逐漸進(jìn)入了優(yōu)化階段。本文主要針對(duì)基于梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度的,粒子群優(yōu)化方法進(jìn)行研究,提出了相應(yīng)的改進(jìn)措施,并通過(guò)實(shí)踐進(jìn)行了有效分析。

介紹了一種基于模擬退火的粒子群算法,并用其求解以水電站年發(fā)電量最大建立的優(yōu)化調(diào)度的數(shù)學(xué)模型?？紤]到基本的粒子群算法(pso)后期粒子趨向同一化,使其進(jìn)化速度變慢,精度較差,本文將模擬退火的思想應(yīng)用到具有雜交和變異的粒子群算法當(dāng)中,通過(guò)模擬退火的降溫過(guò)程來(lái)提高算法后期的進(jìn)化速度和精度。最后,以普定水電站的優(yōu)化調(diào)度為例進(jìn)行了計(jì)算,結(jié)果表明,該算法的性能較基本粒子群算法有了較大改善,且明顯優(yōu)于常規(guī)調(diào)度方法和動(dòng)態(tài)規(guī)劃。

【目的】針對(duì)傳統(tǒng)優(yōu)化算法的不足,將微分進(jìn)化算法應(yīng)用到水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題中,建立新的優(yōu)化算法模型?！痉椒ā拷⒒谖⒎诌M(jìn)化算法的水電站水庫(kù)優(yōu)化調(diào)度模型,并給出具體求解步驟。為驗(yàn)證算法的有效性,將其應(yīng)用于具體水電站水庫(kù)的優(yōu)化調(diào)度計(jì)算中,最后將該方法與遺傳算法的計(jì)算結(jié)果進(jìn)行了對(duì)比?！窘Y(jié)果】實(shí)例計(jì)算結(jié)果表明,與遺傳算法相比,微分進(jìn)化算法收斂速度快,可調(diào)參數(shù)少,計(jì)算精度高,穩(wěn)定性好,且該算法簡(jiǎn)單、容易實(shí)現(xiàn),具有較強(qiáng)的全局搜索能力?！窘Y(jié)論】微分進(jìn)化算法在解決水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題時(shí)具有很強(qiáng)的適用性,為求解水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了新思路。

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(xiàn)性規(guī)劃問(wèn)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(wèn)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。

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(wèn)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(xiàn)性梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)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。

現(xiàn)在我國(guó)的主要供電方式是電氣供電，這種形式的供電已不能滿(mǎn)足社會(huì)的多方面需要。所以國(guó)家大力發(fā)展水利發(fā)電，就水利發(fā)電來(lái)講，水電站水庫(kù)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(guó)內(nèi)外水電站水庫(kù)優(yōu)化調(diào)度研究的進(jìn)展，列舉了三種水庫(kù)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。

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(wèn)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(kù)優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫(kù)優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開(kāi)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(kù)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(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。

agc機(jī)組調(diào)節(jié)比較頻繁，如果僅考慮經(jīng)濟(jì)性而調(diào)用大量機(jī)組去響應(yīng)并非特別大的隨機(jī)負(fù)荷調(diào)整是不盡合理的，尤其是對(duì)機(jī)組臺(tái)數(shù)眾多的大型水電廠(chǎng)，不僅經(jīng)濟(jì)上得不償失，而且會(huì)帶來(lái)安全隱患．隨著電力市場(chǎng)理論研究的深入和市場(chǎng)規(guī)則的完善，輔助服務(wù)市場(chǎng)將引入競(jìng)爭(zhēng)逐步走向市場(chǎng)機(jī)制，電廠(chǎng)通過(guò)競(jìng)價(jià)方式確定是否承擔(dān)agc服務(wù)，這種承諾性交易使水電廠(chǎng)可預(yù)先

以洪家渡水電站為例,探討了模擬退火粒子群算法(sapso)在水電站中長(zhǎng)期優(yōu)化調(diào)度中的應(yīng)用方法及效果。結(jié)果表明:該算法可以求解具有復(fù)雜約束條件的非線(xiàn)性水庫(kù)優(yōu)化調(diào)度問(wèn)題,并具備求解精度高、收斂速度快的優(yōu)點(diǎn),為解決水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了一種有效的方法。

針對(duì)pso算法中的早熟收斂問(wèn)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(guò)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。

隨著電力市場(chǎng)的開(kāi)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(kù)優(yōu)化調(diào)度的數(shù)學(xué)模型,并以實(shí)例結(jié)果來(lái)說(shuō)明模型的可行性。

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(guò)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(kù)優(yōu)化調(diào)度問(wèn)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(kù)優(yōu)化調(diào)度問(wèn)題提供了一種有效方法.