改进萤火虫算法梯级水库优化调度

针对梯级水库群优化调度的大系统多维多阶段优化决策问题提出改进的蚁群算法。为提高算法搜索效率采用新的信息素更新策略——ant-proportion,综合考虑全局和局部信息。以漫湾—大朝山梯级水电站优化调度为例,计算结果表明,改进算法与基本蚁群算法相比具有更好的优化结果和收敛速度,与逐步优化法相比可靠有效。

水是生命之源,也是生产的重要根本,环境生态的基础配备,在近几年的经济发展和国家建设中,针对水力发电的策略也有了相关的技术人员安排,有效的推进可再生能源发电的合理性和完备性,提升电力系统运行状态的综合性和灵活性,促进该种发电形式的有效开展。本文就基于改进蚁群算法的梯级水库群优化调度研究进行分析和归纳。

本文提出了一种基于惩罚改进的蚁群最优化算法,并应用于水库群的梯级调度优化研究中。本算法以蚁群蜂群算法中群体协作的反馈机制、随机搜索的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造了惩罚因子,使得带约束问题转化为了纯粹的优化问题。经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力。

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度。该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0。为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束。实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意。

针对高维、复杂的梯级水库优化调度在求解时易出现\"维数灾\"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足。通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路。

随着我国水利事业的迅速发展,在人工蜂群算法独特的优势作用下,梯度水库群的优化调度研究取得了显著的成果.不过在如今越来越复杂的水库调度问题中,传统的算法已不能得以很好地解决此类问题.通过采用三种经过改进的人工蜂群算法（isc-abc、cl-abc、ims-abc）应用到浑江流域的3个水电站中进行实验测试,来对梯级水库进行优化调度研究,结果表明,3种算法有着比较好的寻优精度和搜索效率,在浑江流域水库的实际应

针对人工鱼群算法的不足,提出了人工鱼群遗传算法(afsa-ga),采用人工鱼群算法模拟梯级水库优化调度,再用遗传算法进行局部细化搜索。实例结果表明,人工鱼群遗传算法应用于梯级水库优化调度行之有效。

随着我国水利事业的迅速发展,在人工蜂群算法独特的优势作用下,梯度水库群的优化调度研究取得了显著的成果。不过在如今越来越复杂的水库调度问题中,传统的算法已不能得以很好地解决此类问题。通过采用三种经过改进的人工蜂群算法(isc-abc、cl-abc、ims-abc)应用到浑江流域的3个水电站中进行实验测试,来对梯级水库进行优化调度研究,结果表明,3种算法有着比较好的寻优精度和搜索效率,在浑江流域水库的实际应用中都取得了较好的效果。

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。

利用广义蚁群算法对梯级水库进行优化调度,采用以水量平衡方程为主要约束的随机自动生成方式生成初始蚁群,并利用惩罚函数法处理边界条件和其他非等式约束。实例结果表明,该算法搜索能力强、精度高、可靠、有效实用。

结合梯级水库群联合运行的实际情况,分析目前国内外水库调度算法不足,本论文利用变尺度混沌优化算法(mutativescalechaosoptimizationalgorithm,mscoa)对梯级水电站群中长期水库调度问题应用研究,建立一种梯级水电站群中长期水库优化调度模型,通过实际数据验证,此方法可以获得梯级各电站的最优运行方式,为指导梯级各水电站的实际运行最优化提供科学决策依据。

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的\"早熟\"现象,改进算法搜索效率更高,寻优结果更稳定。

采用改进的pso并行算法对辽宁中西部4座梯级水库生态进行并行优化联合调度研究。研究结果表明:相比于传统pso算法,改进的pso并行算法可加速搜索梯级水库生态调度目标的最优解,经过pso并行算法优化求解后,丰水期(5~9月)各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到82.0%和77.9%,在枯水期(10~12月和1~4月)各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到70.8%和66.6%,生态优化调度结果明显好于传统算法。研究成果可为梯级水库生态联合调度优化提供方法参考。

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度模型求解提供了一种新的途径。

采用改进的ps0并行算法对辽宁中西部4座梯级水库生态进行并行优化联合调度研究.研究结果表明：相比于传统ps0算法,改进的ps0并行算法可加速搜索梯级水库生态调度目标的最优解,经过ps0并行算法优化求解后,丰水期（5~9月）各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到82.0%和77.9%,在枯水期（10~12月和1~4月）各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到70.8%和66.6%,生态优化调度结果明显好于传统算法.研究成果可为梯级水库生态联合调度优化提供方法参考.

为充分挖掘梯级水库间的水文补偿和库容补偿潜力,获取更高的综合利用效益,利用判别系数与水库蓄供水控制线相结合的方法,对乌江梯级水库的蓄供水方式进行了研究,并结合免疫粒子群算法,以梯级水电站发电量最大为目标对水库蓄供水控制线进行优化。联合调度结果表明,优化后的水库蓄供水控制线不但可以合理控制水库蓄放水次序和蓄放水量,达到合理控制水库群运行方式的目的,还在实际调度中具有良好的可操作性和抗风险性。

【水利水电工程】 梯级水库群发电优化调度评述 李小芹1,李延频 2 ,赵梦蝶 2 ,张泽中 3 (1.中国农业大学,北京100083;2.华北水利水电学院,河南郑州450011; 3.西安理工大学,陕西西安710048) 摘　要:总结了水库群发电优化调度的研究过程,并对现有研究方法的优缺点进行了归纳,分析了梯级水库群发电调度 研究面临的问题及发展趋势,指出今后研究的策略为:研究多年调节水库年末消落水位变化规律;应用新的模拟进化算 法,求解发电调度模型,制订发电计划;研究梯级水库长期负荷分配的最优准则、数学模型及求解方法,在梯级水库间合 理分配电网,下达发电任务;研究梯级水库调度图的制订以及发电会商系统的开发建设;开发发电调度软件系统。 关　键　词:优化调度;发电;梯级水库群 中图分类号:tv697.1　　　

梯级水库群优化调度规律是指导梯级水库群优化运行的重要工具。本文应用概率统计法和相关分析法对乌江流域的兼顾保证出力发电量最大计算结果进行统计归纳,通过引入经验频率分析了各库在不同调度期的水位变化规律和建立时段平均出力与本时段可用水量相关关系图来研究各库在不同调度期的发电规则,为挖掘梯级水库长期运行结果中蕴藏的潜在规律提供了一种方法。通过对乌江梯级各库水位变化规律和发电规则的研究,为乌江梯级水库群优化运行提供了理论支撑。

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。

利用变尺度混沌优化算法(mutativescalechaosoptimizationalgorithm,mscoa)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,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发电调度的最优调度线。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水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。

以差分进化算法(de)为基本框架,结合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索优势以及多核并行计算技术(pc),提出一种新的并行混合差分进化算法(phde),即将de与ca、slfa进行有机融合,分别对精英个体进行混沌局部搜索和对较差个体进行蛙跳局部更新,且差分进化运算、混沌局部搜索和蛙跳局部更新均采用pc,以有效缩短计算时间。phde具有三点优势:一是保留了de简单易行、收敛迅速的特点;二是继承了ca、slfa的遍历性,能够避免早熟收敛现象;三是通过合理的并行模式,有效降低了计算时间。典型测试函数表明了phde的可行性、高效性和鲁棒性。实例研究表明,phde具有较好的优化性能和计算效率,为高效求解水库群优化调度问题提供了一种可行途径。

本文结合梯级水库中长期发电优化调度问题,针对差分演化算法在进化过程中,其适应度的进化模式未考虑进化的外部环境与进化成分之间的内在联系,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在梯级水库中长期发电优化调度中的应用。通过实例验证,结果表明该算法具有可靠性与合理性,提高了计算精度和计算效率,为高维、复杂的梯级水库中长期发电优化调度模型提供了一个新的求解途径。