一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的“早熟”现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.

用改进遗传算法求解水火电力系统的有功负荷分配

水火电力系统的短期有功负荷分配在电力系统的经济运行中发挥着重要的作用 ,从本质上讲它是一个具有复杂约束条件的非线性大型动态优化问题 ,处理起来十分复杂 ,采用传统优化算法难以得到理想的结果。文中提出对决策变量直接采用浮点数编码技术 ,并根据给定的概率分布进行杂交操作和实施参数变异的改进遗传算法 ( RGA) ,用以求解此问题 ,最后用具体算例对该方法进行了验证。通过与二进制编码遗传算法所得结果进行对比分析 ,表明此法计算结果正确合理 ,收敛速度快 ,求解精度高。这也说明 RGA不失为一种行之有效的优化方法 ,具有应用潜力。

拟梯度遗传算法在水电厂厂内经济运行中的应用研究

提出一种求解水电厂厂内机组间负荷优化分配的新方法——拟梯度遗传算法 (QGA) ,详细介绍了算法的原理和实现过程。该算法采用实数编码技术和基于拟梯度的遗传变异算子 ,求解精度高而且收敛速度快 ,为水电厂内的经济运行提供了一种有效的方法 ,算例说明了该方法的有效性。

改进遗传算法在梯级电站日优化运行中的应用

针对基本遗传算法存在求解精度与收敛速度间的矛盾,研究了一种新的改进自适应遗传算法(IAGA),并用于求解梯级水电站日优化调度问题。基于提出的评价种群"早熟"程度新指标,自适应调整遗传算法的交叉概率和变异概率,同时依据当前最优个体解码所对应调度方案对约束条件的违反量,动态调整相应的惩罚系数,使调度方案获得期望的约束程度。仿真结果验证了算法的有效性和可靠性。

基于改进量子遗传算法的水电站厂内经济运行

为了克服量子遗传算法(Quantum Genetic Algorithm——QGA)存在的"早熟"问题,本文将传统遗传算法中的变异算子引入量子遗传算法,同时使用已搜索到的最优个体更新量子门,以改善QGA算法的全局收敛性,并将其成功地应用于解决水电站厂内经济运行问题。文中结合某电站实例进行计算,结果表明,改进后的量子遗传算法收敛速度更快,能够满足工程应用的实际需求。

基于遗传规划的径流预测新方法

应用遗传规划方法进行中长期径流预测,将预测模型视为遗传规划中的个体加以处理,依据生物界“优胜劣汰”的原则,运用复制、交叉和变异等遗传操作算子;根据历史样本数据自动生成最佳的径流预测模型,包括模型的函数形式以及模型参数;最后运用得到的预测模型对某水文站的年径流进行预测。仿真结果表明,基于遗传规划的径流预测模型可以明显提高径流预测精度,为解决中长期径流预测问题提供了一种行之有效的新方法。

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .

基于运行效率分布差异的水电机组劣化状态趋势预测

为解决水电机组劣化状态难以刻画及预测精度低的问题,需深入探究不同机组状态下运行效率的分布差异特性,提出了一种基于运行效率分布差异的水电机组劣化状态趋势预测方法。首先,综合考虑水电机组工况(水头、流量)与效率之间映射关系和状态监测数据随机性,利用高斯混合模型拟合多工况下机组健康状态运行效率的概率分布特性;在此基础上,计算观测样本在机组健康状态分布下的负对数似然概率,并以此作为水电机组劣化状态指标,表征观测样本与机组健康状态标准分布之间的偏差;进一步采用非因果原理和高斯误差线性单元,分别改进时间卷积网络(TCN)的膨胀卷积模块和残差模块,并融合门控循环单元(GRU),设计并构建水电机组劣化状态预测模型;最后,利用某水电站#6机组实际运行监测数据开展方法验证。结果表明,所提方法能有效提升机组劣化状态趋势预测精度。

水火电混合系统经济调度的双链态遗传算法

遗传算法（GA）为求解电力系统经济调度问题提供了一条新的途径．研究了基于双链态基因模型的遗传算法（DGA），给出了显性基因和隐性基因选优准则．应用DGA建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡、用水限制和梯级水电厂之间的水流流达时间等约束条件．在pentium计算机上对由两个火电厂和含有四个梯级水电厂组成的系统进行了仿真计算，取得了满意的效果．

基于机器学习的多模型耦合径流预报研究

为具体考虑各水文模型适用条件、灵活利用模型预报特征对研究流域进行高精度耦合径流预报,将雅砻江流域雅江~吉居区间作为研究对象,以提升径流预报精度和稳定性为首要目的,构建涵盖新安江模型、水箱模型和TOPMODEL模型的多模型径流预报方法库,引入最小二乘法、岭回归法和极端梯度提升树法耦合各模型进行水文预报,并提出多评价指标体系对各耦合方法的预测性能进行对比分析。结论表明,极端梯度提升树法相较于其余两种方法有稳定的预测性能和强大的泛化能力,为该流域其他区间的预报工作提供了新的思路。

锦东—官地梯级水电站短期调度中的电站间流量响应关系研究

针对雅砻江流域锦东—官地梯级电站在短期联合调度中流量响应关系复杂的问题,结合随机森林(RF)模型与支持向量回归(SVR)模型对其非线性关系进行挖掘,预测官地电站的入库流量响应过程,并与传统的滞时模型与马斯京根模型进行对比。在此基础上,建立了两种模拟调度模型以检验各模型在应用于梯级水电站短期调度时的适用性。结果表明,RF-SVR模型对于电站间流量响应关系具有更高的拟合能力,可减少短期调度计划制定的误差,能有效降低日发电量偏差与水位越限风险,研究成果可为复杂水力联系下的梯级电站短期调度方案制作提供参考。

数字流域——数字地球的一个重要区域层次

提出了“数字流域”这一重要课题 ,认为数字流域是数字地球的一个重要区域层次 ,是实施数字地球的一个切入点 ;并从人类文明的起源、防灾减灾。

水库群随机优化调度新算法——RBSI法

本文提出一种水库群随机优化调度新算法——余留效益统计迭代(RBSI)法。这方法基于平稳随机过程的各态历经性质,从而在时历模拟调度计算的基础上,通过统计和迭代方法得出最优余留效益函数,从而进一步求出优化调度函数。

多阶段决策问题POA算法收敛于最优解问题

本文研究多阶段决策问题的POA算法的收敛性质以及收敛解的最优性问题,给出了四个定理。

多水库优化调度的研究

本文针对红水河上四个梯级水电站建立了确定型,四库优化调度的数子模型,并用动态规划求得初始解的基础上应用逐次优化方法求解该问题。本文中对逐次优化法的收敛进行了证明,编制了计算软件,并给出计算结果。

推荐一本好书——复杂水资源系统优化模糊识别理论与应用

对陈守煜教授的新著《复杂水资源系统优化模糊识别理论与应用》做了简评。该专著提出了处理、求解复杂水资源系统优化的工程模糊集理论、模型与方法,并成功地应用于实际工程之中,是模糊水文水资源新学科的一项标志性研究成果;专著提出的决策分析的思路、理论、模型与方法,提供了一种深入、全面考虑问题的有效手段。

最优分配问题中误差对效益的影响

本文分析了费用函数误差及最优分配执行误差对最优分配效益的影响,证明了一个定理,给出了计算这些误差减少最优效益(增加费用)的方法。

粒子群优化算法在电力系统中的应用

粒子群优化方法是一种基于群体智能的新型演化计算技术。它在函数优化、神经网络设计、分类、模式识别、信号处理、机器人技术等许多领域已取得了成功应用,但在电力系统中应用的研究起步较晚,关于它实际应用的报道尚不多见。文章较为全面地详述了粒子群优化方法在配电网扩展规划、检修计划、机组组合、负荷经济分配、最优潮流计算与无功优化控制、谐波分析与电容器配置、配电网状态估计、参数辨识、优化设计等方面应用的主要研究成果。随着粒子群优化理论研究的深入,它还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥巨大的应用潜力。

基于CVaR风险计量指标的发电商投标组合策略及模型

电力市场中各类市场具有不同的价格波动特性和收益率随机变化特性。为了保证年度收益最大且风险最低,发电商需在各个市场上合理分配参与竞价的电量。借鉴金融领域风险管理的理论,以条件风险价值(CVaR)为风险计量指标,综合考虑风险和期望收益率,建立了新的发电商均值-CVaR投标组合优化模型。应用该模型,对发电商在年度合约市场、月度合约市场、日前市场和实时市场4个市场总电量的分配比例和有效前沿进行了计算。计算结果表明,所提出的模型能较真实地反映发电商所面临的市场风险的本质特征,可使发电商在保证一定期望收益率的前提下承担最小的CVaR风险,从而为发电商的投标决策与风险评估提供了新的思路。

基于条件风险价值的购电组合优化及风险管理

以条件风险价值为市场风险计量指标对供电公司收益?风险进行量化,建立了以收益最大化为目标的多市场购电组合优化模型。以在3个电力市场中购电为例,将上述模型转化为线性规划问题进行求解。计算结果表明,所提出的模型为供电公司的购电决策与风险评估提供了新方法,可使供电公司在满足一定风险约束的前提下具有最大购电收益。