梯级水库群优化调度并行动态规划方法

针对动态规划方法求解梯级水库群优化调度易造成计算耗时长、求解效率低等缺点,提出了梯级水库群优化调度并行动态规划方法。该方法将调度期内所有离散状态点组合计算求解作为父任务,采用Fork/Join多核并行框架将父任务分解为多个子任务进行并行化求解。以西江干流梯级水库群长期发电优化调度为研究实例,在多核配置上验证所提方法的有效性。计算结果表明,在4核并行环境下,最大加速比可达到3.84,大幅度缩减计算耗时,计算效率显著提升。     

基于出力场景库的梯级水库群短期优化调度研究

随着各大流域梯级水库群的建成投运，梯级水库群短期优化调度问题的研究也越来越受到人们的关注，但该优化问题包含的变量多、约束复杂，其模型建模与求解难度随着水库群规模的扩大也越来越大。虽然传统优化方法或智能优化方法能够得到满足相关目标与约束的最优解，但往往优化算法下的结果太过于偏重目标值的大小，结果波动性、随机性大，难以满足实际调度需求。鉴于此，从历史已发生的调度结果出发，基于历史的详细调度数据，采用聚类分析等数据挖掘方法，考虑调度时期、业务类型、调度期长度、调度对象等场景要素，提出了电站出力场景构建技术，通过挖掘基于长系列历史运行数据的典型出力场景，形成出力场景库，并在此基础上提出了基于出力场景库的梯级水库群短期优化调度方法。以沙溪梯级水库群为例进行实例分析，结果表明，相比于传统优化调度方法，所提方法不仅能够得到满足实际调度要求的出力过程，而且计算时间也相对大大缩短，验证了该方法的可行性与实用性，研究成果对其他流域梯级水库群短期优化调度具有很好的参考借鉴意义。     

基于改进遗传算法的水库群水质水量优化调度研究

研究水库群水质水量优化调度。根据水库群水质水量调度特点,建立多目标优化调度模型。针对水库群水质水量优化调度模型求解的复杂问题,提出了利用部分非可行解域来对模型进行分步优化的改进遗传算法,并探讨了主要参数对优化结果的影响。该算法成功应用于洪汝河流域的水质水量优化调度中。与传统遗传算法比较表明:改进算法的调度结果更优,计算效率及收敛性能更高,在水库群水质水量优化调度中具有高效性和实用性。     

基于协同差分演化算法的梯级水库短期发电优化调度研究

随着我国水电事业不断发展,流域梯级水库群联合调度的新格局已逐渐形成.针对梯级水库发电优化调度问题,在差分演化算法中适应度的进化模式中计及进化成分与外部环境之间的内在联系,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法,并将其引入梯级水库短期发电优化调度中.实例仿真计算结果表明,该算法具有可靠性与合理性,计算速度显著提升,为解决高维复杂、多约束、非线性的梯级水库优化调度问题提供了一条新路径.     

基于改进蚁群算法的雅砻江流域梯级联合优化调度研究

提出一种改进蚁群算法(IACO,Improved ant colony optimization algorithm)求解梯级水库群优化调度问题,算法的改进主要包括嵌入邻域搜索和禁忌搜索,初始解生成技术和基于可行性的目标函数比较规则。论文以雅砻江流域梯级五级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

基于粒子群的水库群联合防洪预报调度规则设计方法

科学合理的水库群联合调度在缓解日趋紧张的水资源供需矛盾及充分发挥水库防洪兴利综合效益等方面发挥着重要的作用。为解决梯级水库群联合调度规则制定过程中的复杂问题,结合洪水预报信息的可利用性,提出基于粒子群算法的梯级水库群联合防洪预报调度规则设计方法。该方法首先通过粒子群算法调节不同频率设计洪水求解最优联合调度方案,其次拟定多个合理联合调度规则,最后比较最优联合调度方案和合理联合调度规则的调洪结果,与前者最为接近者即为满意联合调度规则。昭平台-白龟山梯级水库群的实例表明,制定的联合预报调度规则的调洪结果均满足防洪约束要求,故是安全的。     

遗传算法在余码头泵站优化调度中

遗传算法是模仿生物界遗传与进化过程的一种寻优方法,用遗传算法来指导泵站的优化运行,可以克服经典优化算法要求的目标函数可求导以及约束条件连续等缺点。以余码头泵站为例对泵站的优化运行问题进行了探讨,建立了泵站优化运行的数学模型,并设计了相应的遗传算法进行了求解,结果证明,将遗传算法用于余码头泵站的优化调度是可行的。     

多层嵌套动态规划并行算法在梯级水库优化调度中的应用

为增强动态规划算法对梯级水库群联合优化调度问题的求解能力,基于多层嵌套的思想,提出了多层嵌套多维动态规划算法,通过与传统多维动态规划算法的对比分析,发现该方法能在内存占用量以及程序复杂度两方面有效缓解多维动态规划算法应用于梯级水库群联合优化调度时的维数灾问题。针对该方法在运行时间上的缺陷,引入并行处理技术,利用状态离散点间的计算独立性构建了多层嵌套多维动态规划并行算法,以李仙江流域三库梯级为背景进行了实例研究,并从运行时间、并行加速比、并行效率以及CPU核数等方面对该并行算法进行了详细的性能分析,结果表明在现有的计算条件下该并行算法能有效的提高计算效率和缓解多维动态规划维数灾问题。     

水库(群)发电优化调度计算的并行策略研究

为有效缩短水库(群)优化调度求解的计算时间,近些年来学者们对水库(群)优化计算的并行策略展开了相关研究,基于大系统分解协调方法提出了串联水库群中长期发电优化调度的异步并行计算。之后以李仙江两水库组成的串联水库群为例,在其中长期发电优化调度中,对分解协调异步并行计算方法进行了相关验证。该新型并行策略在解决混联水库群优化调度问题中为提高计算效率提供了新的研究与应用方向。     

灌溉渠道分水IEI非等流量配水优化模型研究

灌溉配水优化模型旨在解决渠道各分水口运行时流量调度的最优组合方案，常规的轮灌分组模型只适用于分水口相同流量情况，且采用以小时为单位的各引水时段作为状态变量，变量多，求解不易。对于分水口的流量不相同的情况，提出了以引水开闸时刻和引水结束时刻作为优化变量，以灌溉期总流量保持恒定为目标函数的优化模型，该模型自然满足一次性引水约束条件。采用了多点交叉的改进遗传算法对该模型进行优化求解，提高了收敛速度，优化结果表明该优化模型及求解方法较好地解决了分水口非等流量的问题，具有普遍的适用意义。     

梯级泵站供水系统水资源优化调度模型研究

采用系统分析理论 ,研究了梯级泵站供水系统的水资源优化调度问题 ,建立了具有提调水量和泄弃水量两个决策变量及多级泵站、多个水库、多个供水片的多目标水资源优化调度模型 ,给出了自优化模拟调度方法。经实例研究表明 ,模型是可行和实用的     

灌溉渠道分水口非等流量配水优化模型研究

灌溉配水优化模型旨在解决渠道各分水口运行时流量调度的最优组合方案,常规的轮灌分组模型只适用于分水口相同流量情况,且采用以小时为单位的各引水时段作为状态变量,变量多,求解不易。对于分水口的流量不相同的情况,提出了以引水开闸时刻和引水结束时刻作为优化变量,以灌溉期总流量保持恒定为目标函数的优化模型,该模型自然满足一次性引水约束条件。采用了多点交叉的改进遗传算法对该模型进行优化求解,提高了收敛速度,优化结果表明该优化模型及求解方法较好地解决了分水口非等流量的问题,具有普遍的适用意义。     

改进微粒群算法及其在水库优化调

介绍了一种新的集群智能算法—微粒群算法（PSO），该算法具有实现简单、参数少且收敛快的特点。针对其易于陷入局部最优的缺陷，文中通过引入遗传算法中的“杂交”算子，并采用自适应的惯性权重，对原算法进行了改进，并将其应用于水库长期优化调度问题。文中用实际算例验证了该算法的有效性，从而为水库优化调度问题提供了一种新的求解途径。     

基于pareto front的多目标遗传算法在灌区水资源配置中的应用

为了解决灌区非充分灌溉时,灌区作物产量最高与供水部门收益最大之间的矛盾,建立了灌区一次灌水水资源配置的多目标优化数学模型.该模型目标函数之一为高度非线性的,为了克服传统方法在求解非线性多目标优化问题时容易陷入局部最优点的缺点,引入了基于Pareto front的多目标遗传算法来解该模型.实例应用表明,基于Pareto front的多目标遗传算法可以快速求解灌区多目标优化问题,并为之提供非劣集,以便决策者参考.     

双种群遗传算法解决车间调度问题

车间调度问题是个NP-hard问题,针对该问题的求解过程中存在容易陷入局部最优、效率不高的不足,提出了双种群遗传算法解决车间调度问题.该算法用两个种群的分工协作来解决上述的不足:一个种群负责探索可能存在最优值的区域;另一种群是在第一种群所探索区域中寻找最优解.通过仿真实验表明该算法是可行的、高效的.     

梯级水库联合防洪调度风险计算模型

入库径流随机性的存在使得梯级水库群联合防洪调度面临一定的风险,针对梯级水库调度的各个目标建立了联合防洪调度风险评价指标体系,以洪水预报中偶然误差的正态量化为基础,提出了入库洪水过程的随机模拟方法,基于对洪水频率进行分级考虑的思想构建了梯级水库群联合防洪调度风险计算模型,并给出了基于模拟最大熵理论的求解方法。应用于溪洛渡和三峡水库的联合防洪调度算例分析表明：该方法与模型合理可行,能够给出不同预报误差时的风险大小,具有一定的适用性,为调度决策提供参考。     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

复杂注水系统泵站优化调度的改进遗传算法

以耗电量最小为目标函数,排量、压力等限制为约束条件,建立了复杂注水系统泵站优化调度数学模型.针对系统运行特点,采用改进遗传算法对模型进行求解,同时优化出泵的运行状态和排量.改进遗传算法采用实数编码,并设计了随机多父辈交叉方法,改进了变异操作,操作过程中,给出了泵排量的处理方法,使各水量约束条件得到满足,大大减少了不可行解的产生,使算法的优化性能得到了提高.算例说明了该优化方法的有效性.     

模拟退火遗传算法在灌溉水量最优分配中的应用

建立了灌区多种作物间灌溉水量的最优分配问题的数学模型,并采用了一种混合式遗传算法——模拟退火遗传算法（SAGA）来求解。该算法不仅保证了全局收敛,而且提高了算法收敛速度和稳定性。应用于某灌区灌溉水量分配优化的实例,显示了该算法的优越性能,为农业水资源管理提供了一种新的思路和方法。     

峰谷电价下的梯级水电站短期优化

依据发电企业既要服从电网调度又要追求自身效益的特点，建立了两个考虑峰谷分时电价因子的梯级短期调度模型，并选用逐次优化和逐步逼近的混合算法(POA－DPSA)求解。该模型简单，算法易于实现。将该理论应用于电站实际演算中，结果表明这两个优化模型对促进电网的安全、提高企业发电效益具有较高的应用价值。