水电站发电优化调度初始粒子群生

重点分析了粒子群算法(Particle Swarm Optimization, PSO)在水电站优化调度应用中存在的收敛速度慢等问题,并针对问题提出了一种新的初始粒子群生成方法,形成了粒子群算法求解水库优化调度的改进应用方法。改进前后仿真计算结果的对比分析表明,改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度。     

MATLAB粒子群算法工具箱求解水电站优化调度问题

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用.本文探讨和分析了Matlab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法.计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算法更好的精度.     

市场环境下水电站发电风险调度模型研究

市场环境下,由于水电站来水及上网电价的不确定性,研究水电风险调度问题,综合考虑效益最大化和风险控制,是很有必要的。探讨了电力市场环境下水电风险调度问题,首次提出了同时考虑效益和风险的风险调度数学模型。该模型能很好的反映发电企业风险控制的意愿,并应用粒子群算法对此模型进行解算,可以得到该水电站更加经济合理的市场调度模式,还能得到效益与风险的定量关系。实例研究表明该模型及其解算方法是可行与有效的。     

水电站群中长期调度优化

比较了遗传算法和Tabu搜索两种算法的优缺点，针对水电站群中长期调度优化的复杂性﹑高维性和非线性特点，提出利用TS-GA组合算法的策略，应用于水电站群中长期调度优化中。计算机仿真结果表明:与单一优化算法相比较，TS-GA组合算法具有更强的全局寻优能力和更少的寻优时间，因而是一种很有应用前景的水电站群中长期调度优化方法。     

基于自适应弹性粒子群算法的小水电长期优化调度研究

以三插溪电站为研究对象,建立了该电站以控制水位和弃水最小为目标的优化调度数学模型;设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法求解该优化调度数学模型,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于MATLAB语言的优化程序。仿真结果表明:自适应弹性粒子群算法是有效的,比基本粒子群优化算法和自适应粒子群优化算法具有更强的全局寻优能力;和常用的以发电量最大为目标的优化调度模型相比,数学模型可以实现水位控制,更充分地利用水能资源,是简单可行的小水电优化调度数学模型。     

水库优化调度的粒子群算法

提出了在用粒子群算法求解水库优化调度问题时,将模拟退火因子引入罚函数,可以克服不变罚因子的缺陷.采用动态规划法和PSO算法优化调度程序,结果发现PSO算法计算结果更优于动态规划结果.实例计算表明,粒子群算法原理简单,易于编程,占用内存少,求解精度高,适合求解具有复杂约束的水库优化调度问题.     

基于改进粒子群算法的排涝泵站优化调度分析

针对泵站节能降耗问题,建立了站内优化调度模型,并利用混沌理论改进粒子群算法,开展站内调度方案寻优问题研究。研究结果表明,采用混合粒子群算法,收敛速度快,求解精度高,较适合泵站优化调度求解;采用3时段优化分析时,优化方案耗电量为23.34万kWh,节省电量3.46万kWh,取得了较好的优化调度结果。     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

MATLAB粒子群算法工具箱求解水电

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用。本文探讨和分析了Matlab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法。计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算法更好的精度。     

基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型.给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程.模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解.通过一个车间调度问题的实例验证了此调度模型和算法的有效性.     

韶关地区电网水电站群优化调度决

归纳总结了地区电网内小水电开发存在的特殊问题及技术难点,并针对这些问题设计开发了地区电网水电站群优化调度决策支持系统,介绍了系统的设计思想,并阐述了系统功能设计及其软件开发,对于充分发挥水库的发电、防洪、灌溉、航运等综合效益、对于提高韶关地区水电资源利用效率具有重要意义。     

多级提水泵站优化调度研究

泵站可用于田间配水、城市用水,多级泵站大多建在西北黄土高原地区,由于各区域用水分布不均,输水系统复杂以及运行管理等问题,多级提水泵站需要进行系统的优化调度。以某多级提水泵站为研究对象,当泵站在正常情况下运行时,即流量为6.1 m^3/s,对于泵站级间采用粒子群算法,优化结果与实际运行情况相比,各级泵站水位发生微调,在该流量下水位实现一个相对较好的组合,单位时间内可节约1.66%的能量,一年大约可节约98万kWh。优化后多级泵站从整体降低了能耗,在尽可能提高其运行效率、降低能耗的基础上,使其在安全、经济的情况下运行。     

基于并行粒子群算法的跨流域调水优化模型研究

根据跨流域调水工程供水需求和经济成本关系,构建了以减小供水成本为目标的供水优化调度模型,并借鉴了并行遗传算法的模式,设计了粗粒度并行粒子群算法,更加高效地求解此类高维、多约束、非线性问题。通过在多核计算机的实例运算,证明了并行算法相比一般算法具有计算速度快、精度高的优点,并行算法是求解跨流域调水优化问题的有效方法。     

基于改进粒子群优化神经网络的拖拉机排放方法研究

针对农用拖拉机排放污染严重的问题,特别是限制氮氧化物（NOx）和碳烟（Soot）的排放,以中国一拖集团某型号农用柴油机为研究对象,采用系统建模仿真、台架试验验证和仿真分析结合的方法对发动机排放优化进行了研究。首先构建了农用拖拉机燃烧室三维模型并导入CONVERGE进行燃烧排放模拟与仿真,通过对模型缸内压力、热释放率试验值与仿真值的对比,证明该模型具有较高精确度,能够较好地描述发动机内部燃烧排放过程。之后以燃烧室的缩口率、凸台深度、燃烧室深度为输入,以发动机NOx和Soot排放量为输出建立人工神经网络作为代理模型。计算决定系数R2和平均相对误差（MRE）来验证人工神经网络的精确度。然后在此基础上提出一种改进的粒子群优化算法,从而获得燃烧室缩口率、凸台深度、燃烧室深度的最佳参数组合,形成新的燃烧室结构并导入CONVERGE软件中进行排放模拟计算并与原燃烧室的排放量进行对比。结果表明采用新的燃烧室结构后能够降低发动机NOx和Soot排放,可为相关农用拖拉机燃烧室系统设计和开发提供参考和思路。     

基于粒子群算法的抛物线形渠道断面优化方法

针对试算法工作量大、计算误差大和精度低等问题,建立了以计算流量和设计流量之差最小为目标函数的抛物线形渠道断面优化数学模型,将粒子群优化算法引入到抛物线形渠道断面优化计算中,采用粒子群算法在全局空间下搜索渠道断面优化问题的全局最优解。并以陕西省石头河灌区五丈源支渠抛物线形混凝土渠道为例,对其二次抛物线形渠道断面的方程形状参数a和设计水深h进行了优化设计。结果表明,得到满足约束条件的最优方程形状参数a为5.06,最优设计水深h为0.398 2 m。与原设计相比模型计算所得渠道过水断面面积减少了0.102 1%,渠道土方量减少了6.225 4 m~3,混凝土衬砌量减少了4.764 1 m~3,工程占地面积也随之减少。粒子群优化算法能有效地解决抛物线形渠道断面设计中的优化问题,且具有收敛速度快、计算精度高和全局寻优能力强等优点。     

基于粒子群神经网络的农机调度网络安全态势评价

在规模化农机作业过程中,由于农机作业信息发布滞后和农机资源调度不合理,会造成农机作业效率低下的问题,特别是在农忙时节,会影响农作物的收割效果。为了提高农机作业效率,往往需要具备大规模的农机调度网络系统,以对农机资源进行合理的分配。农忙时网络系统使用的时间比较集中,为了不耽误作业调度系统的顺利运行,网络安全问题不容忽视;而农机调度网络系统的数据较为庞大,想要对其进行网络态势安全评价需要高效的处理算法。为此,将粒子群优化的神经网络算法引入到了农机调度网络安全态势评价过程中,并对其可行性和可靠性进行了验证。实验结果表明:采用粒子群优化的神经网络算法对于网络安全评价的效率较高,可以满足农机网络调度系统网络安全态势评价的需要。     

基于粒子群算法的区域水资源优化配置研究

随着经济的快速发展,人类对水的需求量的增加和供水量减少之间的矛盾越来越突出,合理配置有限的水资源显得非常重要。本文运用多目标规划理论建立了区域水资源可持续利用的多目标优化配置模型,该模型以社会、经济、环境的综合效益最大为目标,用粒子群算法求解,得到银川市规划年（2020年）3种不同保证率下的优化配置方案,为银川市水资源管理问题提供了科学依据。结果表明,所建模型合理、可行,算法有效。     

基于粒子群算法的含风电电力系统无功优化

针对风电系统并网,由于风力的不确定性导致的适应度不稳定性较大,劣性粒子较多,难以快速收敛到最优值,进而造成系统电压偏差较大、网损剧增的问题,提出了基于粒子群算法的含风电电力系统无功优化方式。将粒子群优化算法应用到电力系统无功优化中,以网损最小为目标函数,建立无功优化的数学模型,并进行仿真。仿真结果表明,粒子群算法具有较好的全局寻优能力和较快的收敛速度,在无功优化领域有广阔的前景。     

基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度

针对水库水沙联合优化调度多目标、高维、非线性和难以求解的特点,将鲶鱼效应机制引入多目标粒子群算法中提出基于鲶鱼效应的多目标粒子群算法,该算法在利用收敛速度较快的Sigma方法的基础上,通过触发鲶鱼启发器引入外部鲶鱼粒子,利用鲶鱼粒子对种群的驱赶效应增加种群多样性,从而提高算法的收敛性和非劣解集的多样性;数值分析证明,与MOPSO和σ-MOPSO相比,该算法的效率和质量更高,同时三峡水库实际算例也表明,该算法能给出代表整个可行调度空间、收敛较好、分布均匀的Pareto最优前沿,具有较好的适应性。