改进花粉算法的梯级水电站多目标优化

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。

为保证电力市场运行的有序性、电力供应和电价的稳定性，国家积极组织发电公司与电网之间签订电力合约。当梯级水电站与电网签订年度电力合约后，电网通过预测用户用电需求，年初时，确定各电站在各月份担任的负荷任务，而水电站的来水具有很大的随机性，导致出力受其影响较大的水电站在履行电网分配的任务时可能存在风险。优化发电资源配置、提高系统的运行安全是电力市场改革的重要目标。分析了梯级水电站多目标发电优化调度的相关内容。

以发电量和保证出力为目标建立梯级水电站的多目标发电优化调度模型,对三峡梯级中长期发电优化调度进行研究。针对传统方法求解多目标优化问题的局限,提出一种强度pareto差分进化算法(strengthparetodifferenti-alevolution,spde)用于求解梯级水电站的多目标发电优化调度问题。spde以差分进化算法(differentialevolution,de)为基础,采用spea2的适应度评价方法,并根据多目标优化的特点对de的进化算子进行修正。同时,提出一种自适应柯西变异策略(adaptivecauchymutation,acm)用于克服算法的早熟收敛问题。三峡梯级水电站实例研究结果表明,spde可同时考虑两个目标并有效处理复杂约束条件,一次运行即可得到一组在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选。

将改进型蚂蚁算法用于梯级水电站短期优化调度问题,并通过引入遗传算法的交叉和变异思想以及自适应搜索半径方法提高了蚂蚁算法的搜索能力．以最小耗水率模型为例,给出了梯级水电站短期优化调度问题改进型蚂蚁算法的数学描述和求解的算法步骤,并通过龙羊峡-李家峡梯级水电站实例验证了改进型蚂蚁算法的优越性．结果表明,与遗传算法相比,改进型蚂蚁算法获得了更优的调度方案．优化结果在取得更低耗水率的同时,减少了机组的启停次数,并且使所有机组连续高效运行,从而降低了机组的维护费用,并增加了梯级的经济效益．

在一种典型多目标进化算法nsga-ⅱ基础上做了以下改进:1)引入了外部档案集并提出一种基于局部搜索的算子,用于提高其收敛性及非劣解的分布性;2)为了便于决策者决策,采用一种基于偏好的简单有效决策方法优选调度方案;3)为提高算法的效率,在建立偏序集时,采用快速排序算法对子目标进行排序.最后,采用改进ns-ga-ⅱ算法求解三峡梯级水电站多目标发电优化调度问题,结果表明算法能够有效地处理复杂约束,得到分布完备且均匀的非劣调度方案集,并计算出各非劣调度方案的相对优属度以便于决策者进行决策.

根据梯级水电站水库来水特点和运行特点,提出一种在一年中从汛期和非汛期两个时间段分别建立不同的多目标长期优化调度模型,采用线性加权法和外点罚函数法将含约束条件多目标问题转化为无约束单目标问题,应用粒子群算法(pso)进行求解.算例表明了该模型的正确性和求解方法的可行性,为梯级水电站优化调度提供了一种更全面、具体的模型.

现代水电站的运行,不仅要满足电力系统运行要求,而且还要考虑多个目标之间的协调,才能使综合效益最大。文中概述了现代水电站各项指标之间的联合运行,并对其算法进行分类。针对常规多目标联合经济运行给出解决方法,以期达到各项指标相平衡的发展目标。

梯级水电站中长期经济调度是一个典型非线性优化问题，通常要求在满足复杂的水力、电力约束条件，兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题，通过改进标准蝙蝠算法（batalgorithm，ba）更新策略和引入差分进化算法（differentialevolution，de）变异、选择操作，提出一种改进的蝙蝠算法（improvedbatalgorithm，iba）。对标准蝙蝠算法更新策略进行以下改进：1）蝙蝠个体脉冲频率不随种群迭代而更新；2）蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新；3）无条件接受全局搜索产生的新解，有条件接受局部搜索产生的新解；4）改进飞行速度公式，缩小新个体与当前种群最优个体的偏离值。同时，针对蝙蝠算法种群多样性差、易陷入局部最优的缺点，引入差分进化算法中的变异、选择操作，实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型，利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例，从流域长系列径流资料中选取典型年，对iba的主要控制参数（缩放因子、最大迭代次数）进行测试与分析。采用iba、ba、逐步优化算法（poa）对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看，对于复杂的梯级水电站经济调度问题，改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力，同时缩短计算时间，获得更高精度解。

为科学求解梯级水电站群多目标优化调度模型,提出一种基于量子行为进化机制的多目标量子粒子群算法(moqpso)。该方法以标准量子粒子群算法(qpso)为基础,引入外部档案集合存储非劣粒子,利用个体支配关系实现档案集合的动态更新维护;依据个体领导能力优劣选择粒子历史最优位置与种群全局最优位置,维持搜索过程中个体进化方向的多样性;采用混沌变异算子对个体进行局部扰动,提升算法的全局收敛性能。乌江流域模拟调度结果表明,所提方法具有良好的收敛速度与寻优能力,可快速获得兼顾梯级水电系统经济性与可靠性要求的pareto解集,能够为工程人员提供科学的决策依据。

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。

提出一种求解梯级水电站中长期优化调度问题的方法—蚁群算法(antcolonyalgorithm,aca)。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。

为保障梯级水电站群多目标优化调度问题的计算效率和求解精度,提出了基于fork/join多核并行框架的并行多目标遗传算法.该方法以多目标遗传算法为基础,引入多种群异步进化策略保证种群间个体多样性;采用迁移机制保障子种群的信息有机互馈,提升算法收敛性和解集多样性;利用并行技术实现子种群在各内核的同步求解,提高计算效率.针对问题特点,耦合个体实数串联编码方法、混沌初始化种群策略和约束pareto占优机制等,进一步提升方法寻优性能.澜沧江流域梯级水电站群多目标优化调度结果表明,所提方法可充分利用多核资源,提升模型计算效率与求解精度,并能获得分布均匀、合理可行的调度方案集,为水电系统多目标高效决策提供科学依据.

根据梯级水电站不仅具有电力联系而且具有水力联系的运行特点,提出一种以年发电量和一级水电站耗水量为优化目标的梯级水电站多目标长期优化调度模型。通过定义各目标的隶属度函数,将多目标优化问题模糊化;采用最大模糊满意度法将多目标优化问题转化为单目标非线性规划问题;应用协调粒子群算法(cpso)求解单目标优化问题。仿真验证了模型的正确性和求解方法的可行性,为梯级水电站优化调度提供了一种新颖有效的途径。

弃水是影响梯级水电站经济运行的一个重要因素,针对静态弃水策略的不足,在协调条件的基础上,建立了梯级水电站的动态弃水模型,以此为基础建立调度期内发电量最大、年调节或季调节水库末蓄水量最大、日调节水库末蓄水量偏差平方和最小、总耗水量最小及末级水电站弃水量最小的多目标短期优化调度模型。针对仿电磁学算法原理(electro-magnetism-likemechanism,elm)简单及收敛迅速的特点,采用嵌入数据包络分析(dataenvelopmentanalysis,dea)的混合仿电磁学算法对多目标优化调度模型进行求解,该算法避免了传统权重系数法的盲目性。对一个8级梯级水电站系统进行仿真分析,结果表明所提出的动态弃水策略可以有效地提高梯级水电站的发电效益,同时也验证了混合仿电磁学算法在求解多目标优化问题时的有效性。

山东举利专科学校学报 journalofshandonghydraulicengineering]lstitutc 431：35̂一40 l992—8 了 多目标梯级水电站水库群补偿调节 的关联平衡法 倪深海 (水资源系) 弋＼}7≥6 摘要根据发电、航运为主的梯级水电站群联合优化运行的特点，建立了保证出力 和航运保证率最大的多目标数学模型。采用把大系统递阶控制理论的关联平衡法相嵌干 多目标决策的满意权衡法之中的求解方法。第一级使用随机模式寻优法求解每个子问 题j第二叛采用梯度法进行协调经过上下两筑反复迭代，不仅使供水期出力和相等的 关联约束达到7平衡，也使班策者得到7满意的结果。 关键词 对于同一 满意权衡法；随机模式寻优法术醐波宠√ 站，当其区间面积较大时，一般采用补偿调

在实行分时电价政策的背景下,为指导梯级水电站群联合优化运行,本文建立了以梯级年最大发电收益和可靠出力最大化为目标的数学模型。实际运行中,常将可靠出力最大化这一目标转化为梯级可靠出力约束,采用传统poa求解将会出现维数灾的问题,很难求解,本文提出一种poa改进算法用于上述模型求解。使用雅砻江梯级水电站的实际数据进行计算,结果表明,算法计算速度快,收敛效果好,能够得到满意的优化结果。

建立一种梯级水电站中长期水库优化调度模型,利用混沌优化算法对梯级水电站中长期水库调度问题进行优化计算。实例计算结果表明,该算法可求解复杂约束条件的非线性梯级水电站水库优化调度问题,精度高、收敛速度快,为求解梯级水电站水库优化调度提供了一种有效算法。

针对三峡梯级水电站汛末蓄水调度的复杂问题,以汛末蓄水、下游补水和梯级发电为目标,构建了梯级联合多目标蓄水调度模型,提出了两阶段约束法对模型目标进行降维处理,进而采用动态规划求解模型,并通过对不同来水过程的调度计算与方案比较。结果表明,随着三峡水库汛末蓄水位的抬高,梯级向下游补水能力逐渐减弱;若三峡水库汛末蓄水位相同,则梯级下游控制补水流量越大,梯级总发电量越大;若梯级下游控制补水流量相同,则汛末蓄水位越低,梯级发电量越大;下游控制补水流量越大,则梯级下泄流量越均匀,发电出力峰谷差越小,也越有利于下游通航安全。

建立了梯级水电站中长期联合优化调度模型,并采用逐步优化算法对其进行求解。以金沙江中游梯级水电站群为例,通过计算,得到了合理的联合优化调度方案。与各水库单独运行对比,其多年平均发电量、枯期发电量及水量利用率均有不同程度的提高。该结果表明此方法应用于实际生产中切实有效,也为梯级水电站联合优化调度运行提供了一种可行的途径。

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法（seoa）是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将seoa应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法（改进seoa）。实例表明,在梯级水电站发电优化调度模型的求解中,改进seoa搜索效率高、寻优能力强、稳定性好。

如今，广大民众对能源的需求量越来越高，但是我国的能源可用量却越来越少，在这种情况下，对水、电能源结构进行调整是势在必行的。其实，梯级水电站优化调度已经得到了广大民众的普遍关注．而本研究就将针对“梯级水电站优化调度模型与算法研究”这一主题进行详细的阐述，使广大民众对这方面的内容有一个更加全面且深入的了解。

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法(seoa)是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将seoa应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法(改进seoa)。实例表明,在梯级水电站发电优化调度模型的求解中,改进seoa搜索效率高、寻优能力强、稳定性好。