基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。

基于变尺度混沌算法的混联水电站水库群优化调度

提出一种求解混联水电站水库群中长期优化调度问题的方法—变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)。算法利用混沌运动的内在随机性、遍历性和规律性来寻找混联水电站水库群中长期最优调度计划。算法利用混沌运动的特点,将混沌变量映射到待寻优变量区间,通过尺度变换不断缩小优化变量的搜索空间,利用改变"二次搜索"的调节系数提高搜索精度以获取全局最优解。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混联水电站水库群优化调度问题。算法求解精度高、收敛速度快,为解决混联水电站水库群中长期优化调度问题提供了一种新的方法。

大渡河流域混联水库群长期优化调度

以大渡河混联水电站水库群为研究对象,建立了兼顾不同保证出力情形下以发电量最大为目标的长期优化调度模型,并采用逐步优化算法(POA)及基于变域变步长搜索的POA改进算法求解。结果表明:在总发电量增加前提下,改进算法计算耗时较传统POA缩短约90倍;不同保证出力情形下,梯级、整体考虑惩罚较单库惩罚考虑,其流域多年平均发电量分别增加了241GW.h和309GW.h。