混沌进化算法的梯级水电系统短期发电计划

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。

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．

第9卷第4期 1992年12月 计算物理 chinesejournalofcomputhonalphysics vo1．9．no．4 dec．，1992 三峡梯级水电系统多地区输电短期经济 但运 t，段虞荣徐明德刘建华il’lf7’ (重庆大学系统工程及直用数学系，重庆630044) 摘要以三峡梯级水电系统为背景，建立了多地区输电的梯级水电系统短期优化运行的 网络模型．采用线性与非线性最小费用藏相结合的方法进行梯级间的负荷分配：数据结构采用面 向弧表示的最短路算法，速度快，内存小。整个算法用fortran语言编程在ibmpc／xt机 上试算．结果较满意．验证了模型和篼法的正确性。 关键蠲苎塾查皇墅塑壅’旦规瑚法最优化方法 一 、前言 近年来，诸多文献将网络规划的理

为促进风电更好地消纳、减少传统化石能源造成的污染,充分发挥梯级水电站的调节能力,制定了一种包含风、火、梯级水电系统的联合优化调度策略。该策略确定了优先风电上网、火电平稳出力、梯级水电补偿运行的调度模式,并依据该策略建立了多目标联合优化模型。针对传统粒子群算法存在容易陷入局部最优解的缺点,采用基于鲶鱼效应改进的粒子群算法对模型进行求解,并在matlab软件中进行仿真。算例的仿真结果表明,基于鲶鱼效应改进的粒子群算法能够有效地应用于风、火、梯级水电联合优化调度问题中,能够发挥出梯级水电站调节特性的同时有效地增加风电的上网电量、提高系统的综合效益。

随着市场化的推进,水电不久将走向市场,传统上以发电量最大为准则的优化调度,已不适应新形势下的水电经济运行。文中探讨了市场环境下水电站(群)短期(日)优化调度的效益最大问题,建立了相应的数学模型,为水电公司在日前市场上科学地申报次日各时段容量提供了依据。并通过实例对比分析,验证了所给出的模型的合理性和有效性。

以二倍体遗传算法为基础,设计了一种梯级水电厂自动发电控制(agc)算法。该算法既可用于离线制定梯级水电厂的日发电计划,又可用于梯级水电厂的实时发电控制。算法中,出力限制条件在负荷分配方案的编码中自动满足,其它约束条件如负荷平衡、水量平衡(考虑梯级水库间的水流流达时间)等则在计算个体适应值时予以考虑。算法程序设计简单,收敛速度快。仿真计算验证了该算法的有效性

研究电力市场环境下梯级水电厂短期预发电计划问题,建立竞标电价预测的二次移动平均模型,在此基础上讨论了梯级水电厂短期(日)优化调度的效益最大问题,并建立了相应的数学模型和约束条件,并用逐次优化算法求解,为梯级水电公司在日前交易市场上科学地申报次日各时段的电价和电量提供了依据。算例表明,模型合理,效益显著。

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。

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(ga)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(wca)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与ga和粒子群算法(pso)所得结果进行比较。实例研究表明,wca计算的总效益在丰、平、枯典型日分别比ga和pso计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。

考虑到短期优化调度中电网限定了峰平谷段出力比,将目前较成熟的动态规划算法作了改进,选用梯级发电总收入最大为目标建立了数学模型,并用fo-dp算法寻求出宝兴河梯级水电站短期最优运行方式。计算结果表明,该方法能够较好的解决短期优化调度问题,具有一定的实用价值。

电网负荷需求量随着气候、环境的变化而变化,在很大程度上存在着不确定性,而目前制定的发电计划都是根据以往的经验进行制定的,给出的计划出力与实际负荷水平存在较大的偏差。由于存在偏离发电计划的偏差,如果单纯地按照发电计划发电,会导致电能的不平衡,从而影响电网的正常运行。为了描述这种偏差,采用模糊集理论来描述负荷的不确定性,构建了一个基于模糊负荷的梯级水电站发电耗水量最小的短期优化调度数学模型,利用模糊区间的概念来研究不同模糊置信水平下梯级水电站的优化调度问题。同时研究入库径流量、发电耗水量、弃水量、水头变化等因素,全面考虑蓄水量、弃水量、发电流量、发电水头之间的关系及其对水电站正常运行的影响,以及各级水电站间的相互影响,用二次曲线表达式描述水电站水头特性关系,既能准确描述水电站水库特性,又能减少优化问题的决策变量个数,提高求解效率。最后以一个三级水电站为例,通过遗传算法求解所建模型,利用置信区间的概念分析负荷在不同置信水平下的优化情况,结果表明了所建优化调度数学模型的正确性和可行性。

以水电站运行成本最小为目标,提出了一种用差分进化算法(differentialevolution,de)实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。

提出一种基于ｌａｇｒａｎｇｉａｎ松驰技术的梯级水电系统优化调度算法，能够综合处理离散运行区间、最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值验证表明了本算法的有效性和实用性。

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先利用混沌理论将杂乱无章的历史数据进行相空间重构,找出其中的潜在规律,并粗选预测参考点;然后利用蚁群优化算法,考虑距离因素和相点演化的相关性因素,对粗选的预测参考点作进一步精选,提高其质量;最后采用gm(1,1)灰色模型得到预测日的负荷数据。实际算例验证了提出的方法具有较好的预测精度。

本文以三峡梯级水电系统为背景,建立了梯级水电系统多地区输电的短期优化运行网络模型;采用线性与非线性最小费用流算法相结合的算法进行梯级间的负荷分配;数据结构采用面向弧表示的最短路算法,速度快,内存小。整个算法用fortran语言编程在ibmpc/xt微机上试算,结果较满意,验证了本文所提出的网络模型及算法的正确性。

以三峡梯级水电系统为背景,建立了多地区输电的梯级水电系统短期优化运行的网络模型,采用线性与非线性最小费用流相结合的方法进行梯级间的负荷分配;数据结构采用面向弧表示的最短路算法,速度快,内存小。整个算法用fortran语言编程在ibmpc/xt机上试算,结果较满意,验证了模型和算法的正确性。

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。

首次将量子粒子群优化算法用于水电系统经济运行研究中。该算法是量子理论与粒子群算法的融合,在粒子编码过程中引入了量子的态矢量表达,并将量子比特的概率幅表示应用于粒子的编码,使得粒子可以表达为多个态的叠加;在粒子更新操作过程中,利用量子逻辑门实现了粒子的演化,具有比常规粒子群算法更好的目标优化性能。仿真结果证实该算法可有效解决水电机组经济运行问题。性能对比显示,该算法求得的解优于常规粒子群算法及其它优化算法所求得的解。

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。

为解决水火电力系统短期发电优化调度中存在的问题,提出基于mpi平台的并行小种群差分进化算法。该算法将进化种群分为若干个小种群(单个种群规模为3~10个),每个进化种群由不同的cpu进程独立执行差分进化算法,并在种群间引入集合、分散操作以协调各小种群的寻优过程；为降低小种群初始化和进化过程中多样性的损失,引入正交化初始化方法和种群重构技术；最后以典型案例验证了算法的有效性。结果表明,该方法在求解精度、收敛速度和求解耗时上均较有竞争力。

传统电力市场环境下,梯级水电站的短期优化调度方式简明直观、便于理解,但考虑因素不够全面,为此构建了电力市场环境下的梯级水电站短期优化调度模型,该模型考虑了发电权转让对梯级水电站短期优化调度决策的影响,且当存在发电权交易时兼顾了发电权出让方、受让方以及电网公司三方的经济利益,模型还考虑了梯级水电站的库容、水库水头、机组出力和电网公司购电费用等约束条件。梯级水电站短期优化调度为高维、有时滞且带有大量约束条件的非线性优化问题,因此采用微分进化算法对该优化模型进行求解。算例结果验证了该模型及算法的有效性。