考虑入库径流和负荷需求不确定性的水库优化调度研究

为量化水库入库径流和电网负荷需求的不确定性,分析二者对水库优化调度过程的影响,本文以三峡水库为例,引入鲁棒优化理论,建立径流和负荷的多面体不确定集合,结合k-means聚类算法对各不确定情景下随机模拟的入流和负荷情景进行聚类处理。建立以电站实际出力与计划出力偏差最小、总发电量最大和下游适宜生态流量改变度最小为目标的多目标优化调度模型。多目标粒子群算法求解结果表明:在考虑水库入流和负荷需求不确定性的前提下,各情景下的水库水位升降变化规律与实际水位变化规律基本相同,且与实际水位相比,水库能在更多时段维持较高水位运行,提高了三峡电站在蓄水期的整体发电水平。

梯级水库优化调度的改进ODDDP算法研究

“维数灾”问题和易陷入局部最优问题是梯级水库优化调度模型求解中的热点和难点。正交离散微分动态规划算法依据正交试验原理,解决了离散微分动态规划算法在求解水库群联合优化调度问题中的维数灾问题,但并未克服其依赖初始解质量和易陷入局部最优的缺陷。对此,借鉴入侵杂草算法空间扩散机制,引入高斯随机变量,并基于三角余弦函数的周期性质,设计提出了M-IWO-ODDDP算法,从算法全局搜索能力和搜索深度两方面,提高算法全局收敛能力。采用Schaffer、Shubert两种测试函数,分析测试了M-IWOODDDP算法的收敛性和鲁棒性。并以乌江流域11级梯级水库为例开展实例应用研究,结果表明,M-IWOODDDP寻优效果显著且对初始解质量无明显依赖性,算法收敛能力强、鲁棒性好。

考虑调水和供水规则的水库优化调度

针对用于调节当地地表水资源的水库受多水源影响需要制订新调度规则的问题,考虑非常规水调蓄能力低的特点,在优先配置非常规水的基础上对受水区水库设置调水和供水规则,建立了考虑调水和供水效率的水库优化调度模型,并采用理想点法和遗传算法对调度规则寻优。将模型应用于威海市区米山水库,结果表明:与标准调度策略相比,优化后的水库调度规则使多年平均调水量减少2692.4万m^(3),多年平均弃水量减少417.5万m^(3),提高了天然来水和外调水的利用率;枯水年对外调水的依赖性高于丰水年和平水年,平均调水量仅减少398万m^(3);在该调度规则下,减少外调水量的同时增加非常规水的配置可将农业供水保证率从75%提高到88.4%。

狼群算法在水电站水库优化调度中的应用

为探讨水电站水库优化调度问题求解的新方法,对狼群算法及其在水电站水库优化调度中的应用进行了研究。对狼群算法中的围攻算法进行了改进,给出了水电站水库优化调度问题的狼群算法设计及求解步骤。基于水电站水库优化调度实例,对狼群算法的敏感参数奔袭步长进行了模拟计算和分析,给出了奔袭步长的有效取值范围。实例计算结果表明,狼群算法是一种求解水电站水库优化调度问题的有效方法。

三角函数选择算子的遗传算法在梯级水库优化调度中的应用

针对遗传算法求解水库优化调度时传统选择算子无法克服适应度非负问题,提出了一种三角函数选择算子遗传算法的梯级水库优化调度求解方法,并通过实例对正弦函数轮盘赌选择与单纯轮盘赌选择的自适应遗传算法做了比较.结果表明,由于基于正弦函数的选择算子克服了轮盘赌对适应值非负的要求,非常适用于求解水库优化调度,且能够很好地保持种群多样性,因此在进化后期能够找到更加优良的解.在实例的选择上,选用"以水定电"的三峡梯级调度模型,并采用由大量实测资料建立的三峡出库流量和葛洲坝入库流量变系数线性回归方程来处理水库间流量传播问题.本文提出的梯级水库优化调度求解方法,有效地改善了遗传算法的收敛性能,而且由于考虑了流量演进,提高了模型精度,具有较高的实用价值.

水电站综合耗水率参数在水库优化调度中的应用

目前,水库优化调度研究常侧重于提高算法的精度和计算速度,而忽视了优化调度模型本身的合理性和准确性。如采用常数作出力系数进行水库优化调度计算往往误差较大。为此,根据水电站多年运行历史资料,推求不同发电水头下的综合耗水率,并将水电站综合耗水率应用于水库优化调度中。实例计算表明,所提出的计算方法更能反映水库实际运用情况。

自适应人工蜂群算法在梯级水库优化调度中的应用

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。

基于混沌粒子群算法的水电站水库优化调度

介绍了混沌粒子群算法,并将其用于水库调度中,指出:混沌粒子群优化算法引入了混沌搜索机制,增加了粒子的多样性,扩大了搜索的范围,不仅保持了粒子群优化算法收敛速度快的优点,而且还增强了全局收敛能力,能避免陷入局部最优的情况,可以更好地解决水库优化调度的强约束、多阶段、非线性组合问题。

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.

丹江口水库优化调度与效益分析

为了在满足防洪、灌溉、航运等综合利用要求的条件下,使丹江口电站发电量最大,建立了丹江口水库优化调度模型。采用该模型对丹江口水库1980～2008年的实际径流资料进行计算,并与实际运行数据作对比分析,总结了优化调度的基本规律。结果表明,若采用优化调度将比实际年均发电量增加4.27亿kW.h、年均弃水量减少26.42亿m3,经济效益显著,可供同类水库调度参考。

改进微粒群算法及其在水库优化调度中的应用

介绍了一种新的集群智能算法-微粒群算法(PSO),该算法具有实现简单、参数少且收敛快的特点。针对其易于陷入局部最优的缺陷,文中通过引入遗传算法中的“杂交”算子,并采用自适应的惯性权重,对原算法进行了改进,并将其应用于水库长期优化调度问题。用实际算例验证了该算法的有效性,从而为水库优化调度问题提供了一种新的求解途径。

水库优化调度中的异轨同效问题

针对确定性水库优化调度问题,引入近似最短路径方法,寻求优化调度的近似最优解,从而证实"异轨同效"现象存在的可能性。借鉴流域水文模型的"异参同效"研究成果,视隐随机调度问题中的调度规则参数为具有概率分布特征的参数,视调度目标函数为似然函数,采用贝叶斯方法估计最优调度轨迹的区间分布,开展水库调度的最优调度轨迹的等效性研究。实例分析结果表明:进行水库优化调度的"异轨同效"研究,可以估计最优调度轨迹区间,从而将传统调度的单点决策转变为区间决策,更符合调度操作实际情况。

利用多层递阶回归分析制定水库优化调度函数的研究

本文采用动态系统的多层递阶预测与回归分析相结合的方法，建立了水库决策变量与其影响因素之间的动态调度函数模型，即多层递阶回归分析模型，并对丹江口水库进行了实例研究．结果表明，模型是可行的，取得了较为满意的成果．

水库优化调度中随机动态规划方法的研究与应用

该文应用随机优化方法,以清江隔河岩水电站为例,对水电站的兴利优化调度问题进行了研究。并用此方法建立了隔河岩水电站随机动态规划水库优化调度模型,计算编制了电站的优化发电调度图。

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。

基于组织进化粒子群算法的水电站水库优化调度研究

为解决粒子群优化算法存在的早熟和易陷入局部最优的问题,提出了一种组织进化粒子群算法(OEPSO)。该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,较好地克服了基本粒子群算法易于早熟和陷入局部最优的缺点。在分析水库优化调度的数学模型和OEPSO算法特点的基础上,提出了基于OEPSO算法的水库优化调度的方法,建立了数学模型,并给出了具体求解步骤。实例验证表明,OEPSO算法具有良好的收敛速度和计算精度,为水库优化调度问题提供了一条新的有效求解途径。

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto优于关系和个体Pareto强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。

水电站水库优化调度混沌粒子群算法

针对粒子群算法易陷入局部最优问题,从数学角度分析了粒子群算法易陷入局部最优的理论原因,提出一种自适应混沌变异粒子群算法,对陷入局部最优的粒子产生变异,增加算法的遍历性、种群的多样性,以跳出局部最优解,用来解决水库优化调度问题。与现有算法相比,自适应混沌变异粒子群算法计算快,稳定性强,既避免了粒子群算法陷入局部最优,同时在一定程度上又保证了收敛性。

基于长期与中长期嵌套的水库优化调度

为解决水库优化调度过程中时间尺度不同而导致的水库综合效益不高的问题,以防洪与兴利为目标,将水库长期优化调度与中长期优化调度进行嵌套,建立水库多目标优化调度嵌套模型。其中,多目标问题通过约束法将防洪目标转换为硬性约束后,再转化为求解发电量最大值的单目标问题。算法方面,综合对比后确定长期优化调度采用动态规划算法求解、中长期优化调度采用遗传算法求解。为验证嵌套模型的优化效果,以澄碧河水库为例,进行水库优化模拟调度。结果表明:在满足防洪目标的前提下,嵌套模型优化调度方案相较于长期优化调度方案和实际调度方案效益均更高,验证了嵌套模型在水库优化调度问题中的优越性。

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。