基于混沌人工鱼群算法的水库发电优化调度研究

针对人工鱼群算法后期搜索盲目性较大，容易陷入局部最优值的缺点，结合混沌优化算法的遍历性优势，提出了适用于水库中长期发电优化调度的混沌人工鱼群算法。实例仿真结果表明该混合算法能有效应用于水库中长期发电优化调度中，具有收敛速度快和寻优质量高等特点，为该模型求解提供了一种新思路。     

变尺度混沌优化算法在水库优化调

利用变尺度混沌优化算法（Mutative Scale Chaos Optimization Algorithm,MSCOA）对水电站中长期水库调度问题进行优化计算。变尺度混沌优化算法解决水电站中长期水库优化调度问题的主要思想是利用混沌运动的特点,由Logistic 方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库调度的最优调度线。水库优化调度问题是一个具有复杂约束条件的大型、多目标、动态非线性优化问题,将变尺度混沌优化方法应用到水库优化调度问题中,优化计算结果表明变尺度混沌优化方法为求解水库优化调度问题提供了一种有效方法,具有较大的实用价值。     

混沌优化算法在水库优化调度中的应用

基于水库优化调度常用优化方法存在的不足，根据水库优化调度的数学模型，将混沌优化算法运用到水库优化调度中。根据混沌的迭代不重复性和遍历性，按照其“自身规律”不重复地遍历所有状态，利用混沌变量进行优化搜索，可以避免陷入局部最优点，取得全局最优，得到满意结果。将混沌优化算法运用到水库调度中，并与其他优化方法比较，结果表明混沌优化算法原理简单，计算方便，结果精度高。     

基于混沌人工鱼群混合算法确定含水层参数

以泰斯公式为基础,将混沌人工鱼群混合算法应用于求解分析抽水试验资料,确定含水层参数的函数优化问题。人工鱼群算法是一种群智能全局随机优化算法,收敛速度快,但存在早熟收敛现象;混沌序列具有遍历性和随机性等特点。为此将混沌系统与人工鱼群算法结合,构造了混沌人工鱼群混合算法。数值实验结果表明:混沌人工鱼群混合算法能成功用于确定含水层参数的函数优化问题,且与人工鱼群算法相比较具有收敛快、效率高和结果精度高等优点,从而为确定含水层参数提供了一种新方法。     

混沌优化算法在水库优化调度中的

基于水库优化调度常用优化方法存在的不足，根据水库优化调度的数学模型，将混沌优化算法运用到水库优化调度中。根据混沌的叠代不重复性和遍历性，按照其“自身规律”不重复地遍历所有状态,利用混沌变量进行优化搜索，可以避免陷入局部最优点，取得全局最优，得到满意结果。将混沌优化算法运用到水库调度中，并与其它优化方法比较，结果表明混沌优化算法原理简单，计算方便，结果精度高。     

多策略混合搜索的变时段人工蜂群算法及应用

【目的】研究非汛期洪水、中小洪水调度和发电调度模拟中时段步长和约束条件在较长系列上的融合优化,提升水库调度综合效益。【方法】建立了多策略混合搜索的变时段的人工蜂群算法,构建了长系列可变时段的多约束下发电量最大的水库优化调度模型,对万安水库进行实例应用。【结果】非汛期水量利用率提高了3%,加强了对洪水资源的利用;多策略混合搜索的人工蜂群优化算法缓解了多约束条件优化模拟计算时,时段步长选取与运算精度和收敛速度之间的矛盾,有效提升了标准人工蜂群算法的寻优效率与开发能力。【结论】研究成果可为非汛期洪水、中小洪水调度和发电调度综合效益的提升提供依据。     

动态蚁群算法在梯级水库优化调度中的应用

针对蚁群算法缺乏全局搜索与局部寻优之间的动态调整,蚁群难以保持较好的多样性,算法极易陷入局部最优的问题,以余弦递减的策略动态调整启发式因子的变化,从而平衡算法的全局搜索和局部寻优。同时,利用混沌搜索的随机性和遍历性,对蚁群每次迭代找到的路径进行混沌扰动,从而提高算法跳出局部最优的能力,避免算法早熟收敛。将改进的蚁群算法应用于梯级水库的联合优化调度,模拟计算结果表明了算法的有效性。将其结果与逐步优化法和标准蚁群算法的计算结果进行对比,体现了算法在求解速度和求解精度上的优势。     

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。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

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。     

多维确定性动态规划双收敛新算法

在总结现有多维确定性动态规划计算方法利弊的基础上,提出一种新的优化计算方法,即双收敛算法。该算法应用于引滦工程系统(五水库)实时联合供水优化调度。实践证明:该算法从根本上克服了“维数灾”,适用于多水库(五库以上)发电及供水优化调度计算。     

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。     

水电站发电优化调度初始粒子群生成方法研究

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.     

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。     

基于改进肾脏算法的梯级水库长期发电优化调度研究

梯级水库优化调度是一种实现水资源合理分配与高效利用,提升水电系统运行管理水平的重要方法。改进肾脏算法为高效求解梯级水库优化调度提供了一条有效途径。肾脏算法是一种新颖的自然启发式优化算法,因其参数少、寻优能力强、稳健性高,已被广泛应用和认可。本研究对标准肾脏算法的寻优原理进行了阐述,针对该算法的种群多样性低和收敛速度慢缺陷,采用含缩放因子的运移策略和自适应调参策略对其改进,提出了改进的肾脏算法。以某梯级水库长期发电优化调度为例,计算结果表明:相比标准肾脏算法,改进的肾脏算法可使梯级水库多年平均发电量增加3.2亿kWh(增幅为4.03%)和弃水量减少17.54%。引入的改进策略有效克服了标准肾脏算法的早熟缺陷,提高了种群多样性和收敛速度。     

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.     

考虑备用容量约束的风电水电联合发电调度

以风电水电联合发电效益最大为目标,建立以考虑旋转备用容量在满足一定置信水平为约束条件的风电水电联合发电调度模型.通过蒙特卡洛模拟风电的随机性,并与分布估计算法相结合对调度模型进行求解.采用自适应控制策略控制分布估计算法的参数,并引入爬山局部搜索有效地提高了算法的性能.以4个水库和风电的联合系统进行仿真调度测试,分析了风电不确定性因素对调度结果的影响,讨论了联合调度的经济性与可靠性之间的关系,为研究风电参与电力系提供了一个有效的解决方案.     

基于模拟退火人工鱼群混合算法确定含水层参数

水文地质参数是地下水数值模拟中重要的参数,通过抽水试验进行水文地质参数的反演,用一个复杂的非线性优化问题来描述,由于传统方法如图解法等因人为因素造成计算结果精度低。利用鱼群算法良好的全局搜索能力和模拟退火较强的局部寻优能力相结合的混合算法反演含水层参数。实例证实,混合算法计算结果比传统方法计算结果更可靠、精度更高,反演的参数代入泰斯公式后计算降深值符合实际降深值,与人工鱼群算法相比,运行更短,计算效率更高,是一种求解出含水层参数的简单、有效的方法。     

基于梯级水库预报优化调度模型的跨流域可调水量研究

通过构建梯级水库跨流域预报优化调度模型对跨流域调水实时调度过程中的供水水库的跨流域可调水量进行研究。梯级水库跨流域预报优化调度模型以最大供水能力和最大发电量为主要目标,选择逐步优化算法对跨流域调水调度系统进行优化调度。实例研究结果表明,采用预报优化调度模型进行跨流域供水和梯级水库发电调度,能够明显地提高跨流域可调水量,有效地提高水资源的利用效率。