微粒群算法的梯级水电厂短期优化调度

笔者依据实际工作经验及相关文献资料的记载,对梯级水电厂群短期经济运行原则进行分析,希望可以在日后提升水电厂群运行经济效益的过程中,起到一定促进性作用,最终在我国社会经济发展进程向前推进的过程中,做出一定贡献。

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。

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．

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(qacoa),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。qacoa融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用qacoa对梯级水电系统经济调度进行仿真,结果表明qacoa使调度期内实发电能和储蓄电能得到了明显提高。

所谓梯级水电站联合优化调度就是指对于梯级水电站运行情况进行全方位的监控,在此基础上通过现代化的信息技术以及优化控制理论对于发电计划进行优化,从而提升水电系统的安全性以及可靠性,并且有效降低发电成本,提升水电企业的经济效益。因此在进行流域梯级水电站的优化调度研究对于提升企业的效益非常重要。

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题。水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入/输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解。

分析了人工鱼群算法存在的问题,提出一种改进人工鱼群算法,并将其用于梯级水库群的优化调度.其改进思想是采用动态调整人工鱼视野和步长的方法,较好地平衡了人工鱼群算法的全局搜索能力和局部搜索能力的矛盾;在此基础上,针对算法局部更新策略引起的更新操作前后个体空间位置变化较大,降低收敛速度这一问题,在局部更新时采用了阈值选择的策略.通过实例验证了该改进算法的有效性,并对改进算法的阈值参数进行了率定.

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。

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。

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。

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

梯级水电站优化调度对于增加系统发电量,降低耗水率,充分利用流域水能资源,提高整个梯级水电站群的经济效益和运行水平具有重要意义。建立\"一库多级\"梯级水电站群短期优化调度模型,研究采用逐步优化算法(poa算法)进行模型求解的方法和步骤,在此基础上开发调度软件,并以金溪流域梯级电站群为例对算法实际应用效果进行分析。研究结果表明,采用poa算法能够有效提高水电站发电量3%以上,且poa算法具有易于计算机程序实现的特点,在水电站自动优化调度方面具有较大优势。

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。

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（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，算法可以求裤一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．图1表2参8

着重介绍了清江流域梯级水电厂实现联合优化调度,无论是对提高电网安全稳定运行水平和改善电能质量,还是对提高发电企业的经济效益都具有重要作用;探索了在与电网经营企业联合优化调度过程中各种不同效益的补偿方式,同时也探讨了实现梯级联合优化调度应解决的几个问题,以便电力企业在激烈的市场竞争中进一步降低成本,提高效益,为国家的能源基础产业作出更突出的贡献。

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。

＆ 71 盖荤善夤期in1．。水】州妻嗜yd源rnatiohaloe科lect学ricehercttrn●lour丑置量ltoi．1ono．35ep．192 神经网络理论在梯级水电厂 短期优化调度中的应用 虞锦江 (华中理工大学) 摘要 、j。 苯文将人工神缝元只络用于求解梯级批电厂短期经济运行问题，鲞于 hopfield模型建立了一类非线性规划问题的人工神经元网络模型，并提出了筮 期经济调度的神经同络方法． 关蕾饲谴堑终．梯级电厂·短期选哩塞布簪t。遥厂． 1号l窘 电力系绕梯级水电厂短期经济运行方式的编制是电力系统运行调度中复杂的问魉之 一 ．梯级水电厂的短期经济调度问题可描述为满足水、机、电方面的各种约束条件，计及 永、火电厂的发电特性、电网传输特性、永库

本文将人工神经元网络用于求解梯级水电厂短期经济运行问题,基于hopfield模型建立了一类非线性规划问题的人工神经元网络模型,并提出了短期经济调度的神经网络方法。

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。

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。

本文探讨了在梯级水电厂调度来水分析中考虑水流损失的必要性，并提出了在这种情况下的梯级水电厂优化调度问题，采用广义最小费用流算法加以解决，以期理论计算符合水电厂实际运行条件。