改進(jìn)螢火蟲算法梯級水庫優(yōu)化調(diào)度

針對梯級水庫群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問題提出改進(jìn)的蟻群算法。為提高算法搜索效率采用新的信息素更新策略——ant-proportion,綜合考慮全局和局部信息。以漫灣—大朝山梯級水電站優(yōu)化調(diào)度為例,計(jì)算結(jié)果表明,改進(jìn)算法與基本蟻群算法相比具有更好的優(yōu)化結(jié)果和收斂速度,與逐步優(yōu)化法相比可靠有效。

水是生命之源,也是生產(chǎn)的重要根本,環(huán)境生態(tài)的基礎(chǔ)配備,在近幾年的經(jīng)濟(jì)發(fā)展和國家建設(shè)中,針對水力發(fā)電的策略也有了相關(guān)的技術(shù)人員安排,有效的推進(jìn)可再生能源發(fā)電的合理性和完備性,提升電力系統(tǒng)運(yùn)行狀態(tài)的綜合性和靈活性,促進(jìn)該種發(fā)電形式的有效開展。本文就基于改進(jìn)蟻群算法的梯級水庫群優(yōu)化調(diào)度研究進(jìn)行分析和歸納。

本文提出了一種基于懲罰改進(jìn)的蟻群最優(yōu)化算法,并應(yīng)用于水庫群的梯級調(diào)度優(yōu)化研究中。本算法以蟻群蜂群算法中群體協(xié)作的反饋機(jī)制、隨機(jī)搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計(jì)算性及較強(qiáng)的魯棒性為基礎(chǔ),進(jìn)行問題空間的全局尋優(yōu);同時(shí)針對梯級調(diào)度優(yōu)化中常見的多維變量約束條件,借鑒模擬退火算法思想,在目標(biāo)函數(shù)中構(gòu)造了懲罰因子,使得帶約束問題轉(zhuǎn)化為了純粹的優(yōu)化問題。經(jīng)實(shí)例驗(yàn)證,本算法具有普遍的梯級調(diào)度優(yōu)化解決能力,并與傳統(tǒng)的遺傳算法及人工粒子群算法相比,具有更好的精度、收斂速度和尋優(yōu)能力。

為了進(jìn)一步增強(qiáng)微粒群算法的優(yōu)化性能,提出了一種改進(jìn)微粒群算法,并將其用于求解梯級水庫群的優(yōu)化調(diào)度。該算法引進(jìn)了類似遺傳算法的交叉和變異算子來提高搜索效率,其中交叉是微粒在解空間中的位置以一定的概率隨機(jī)進(jìn)行算術(shù)交叉,變異是微粒以一定的概率隨機(jī)使速度矢量的某一維分量變?yōu)?。為了加速收斂,初始微粒群生成時(shí)采用了有條件的隨機(jī)自動(dòng)生成方式,并利用懲罰函數(shù)法來處理邊界條件和其它非等式約束。實(shí)例計(jì)算結(jié)果表明,改進(jìn)微粒群算法具有比常規(guī)動(dòng)態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計(jì)算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

針對高維、復(fù)雜的梯級水庫優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對初始種群的依賴和易陷入局部最優(yōu)的不足。通過實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級水庫優(yōu)化調(diào)度問題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級水庫優(yōu)化調(diào)度提供了新的思路。

隨著我國水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨(dú)特的優(yōu)勢作用下,梯度水庫群的優(yōu)化調(diào)度研究取得了顯著的成果.不過在如今越來越復(fù)雜的水庫調(diào)度問題中,傳統(tǒng)的算法已不能得以很好地解決此類問題.通過采用三種經(jīng)過改進(jìn)的人工蜂群算法（isc-abc、cl-abc、ims-abc）應(yīng)用到渾江流域的3個(gè)水電站中進(jìn)行實(shí)驗(yàn)測試,來對梯級水庫進(jìn)行優(yōu)化調(diào)度研究,結(jié)果表明,3種算法有著比較好的尋優(yōu)精度和搜索效率,在渾江流域水庫的實(shí)際應(yīng)

針對人工魚群算法的不足,提出了人工魚群遺傳算法(afsa-ga),采用人工魚群算法模擬梯級水庫優(yōu)化調(diào)度,再用遺傳算法進(jìn)行局部細(xì)化搜索。實(shí)例結(jié)果表明,人工魚群遺傳算法應(yīng)用于梯級水庫優(yōu)化調(diào)度行之有效。

隨著我國水利事業(yè)的迅速發(fā)展,在人工蜂群算法獨(dú)特的優(yōu)勢作用下,梯度水庫群的優(yōu)化調(diào)度研究取得了顯著的成果。不過在如今越來越復(fù)雜的水庫調(diào)度問題中,傳統(tǒng)的算法已不能得以很好地解決此類問題。通過采用三種經(jīng)過改進(jìn)的人工蜂群算法(isc-abc、cl-abc、ims-abc)應(yīng)用到渾江流域的3個(gè)水電站中進(jìn)行實(shí)驗(yàn)測試,來對梯級水庫進(jìn)行優(yōu)化調(diào)度研究,結(jié)果表明,3種算法有著比較好的尋優(yōu)精度和搜索效率,在渾江流域水庫的實(shí)際應(yīng)用中都取得了較好的效果。

針對蟻群算法在求解過程中出現(xiàn)初期信息素匱乏、易陷入局部最優(yōu)解的問題,結(jié)合梯級水庫優(yōu)化調(diào)度的特點(diǎn),提出了基于免疫進(jìn)化的蟻群算法。該混合算法充分利用了免疫進(jìn)化算法的全局快速收斂性和蟻群算法的正反饋性,提高了求解效率。實(shí)例計(jì)算表明該混合算法在求解梯級水庫優(yōu)化調(diào)度問題時(shí),與逐次逼近動(dòng)態(tài)規(guī)劃相比較,結(jié)果合理、可靠,計(jì)算效率較高,從而為求解高維、復(fù)雜的梯級水庫優(yōu)化調(diào)度提供了一條新的求解思路。

利用廣義蟻群算法對梯級水庫進(jìn)行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機(jī)自動(dòng)生成方式生成初始蟻群,并利用懲罰函數(shù)法處理邊界條件和其他非等式約束。實(shí)例結(jié)果表明,該算法搜索能力強(qiáng)、精度高、可靠、有效實(shí)用。

結(jié)合梯級水庫群聯(lián)合運(yùn)行的實(shí)際情況,分析目前國內(nèi)外水庫調(diào)度算法不足,本論文利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對梯級水電站群中長期水庫調(diào)度問題應(yīng)用研究,建立一種梯級水電站群中長期水庫優(yōu)化調(diào)度模型,通過實(shí)際數(shù)據(jù)驗(yàn)證,此方法可以獲得梯級各電站的最優(yōu)運(yùn)行方式,為指導(dǎo)梯級各水電站的實(shí)際運(yùn)行最優(yōu)化提供科學(xué)決策依據(jù)。

梯級水庫優(yōu)化調(diào)度模型的求解一直是水利學(xué)科需要深入研究的基本問題。使用改進(jìn)布谷鳥算法求解梯級水庫優(yōu)化調(diào)度模型是一種新思路。布谷鳥算法是近年來提出的一種新穎的啟發(fā)式全局搜索算法,該算法參數(shù)少、魯棒性強(qiáng)、搜索效率高,已得到廣泛的研究和應(yīng)用。對標(biāo)準(zhǔn)布谷鳥算法的尋優(yōu)機(jī)制作了闡述,并嘗試在算法進(jìn)化過程中采用動(dòng)態(tài)發(fā)現(xiàn)概率以及引入變異機(jī)制對標(biāo)準(zhǔn)算法進(jìn)行改進(jìn),提出了改進(jìn)的布谷鳥算法,并將其應(yīng)用于某梯級水庫優(yōu)化調(diào)度中。以實(shí)例驗(yàn)證了布谷鳥算法在梯級水庫優(yōu)化調(diào)度中的可行性和有效性,提出的改進(jìn)策略可有效克服標(biāo)準(zhǔn)算法中的\"早熟\"現(xiàn)象,改進(jìn)算法搜索效率更高,尋優(yōu)結(jié)果更穩(wěn)定。

采用改進(jìn)的pso并行算法對遼寧中西部4座梯級水庫生態(tài)進(jìn)行并行優(yōu)化聯(lián)合調(diào)度研究。研究結(jié)果表明:相比于傳統(tǒng)pso算法,改進(jìn)的pso并行算法可加速搜索梯級水庫生態(tài)調(diào)度目標(biāo)的最優(yōu)解,經(jīng)過pso并行算法優(yōu)化求解后,豐水期(5~9月)各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達(dá)到82.0%和77.9%,在枯水期(10~12月和1~4月)各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達(dá)到70.8%和66.6%,生態(tài)優(yōu)化調(diào)度結(jié)果明顯好于傳統(tǒng)算法。研究成果可為梯級水庫生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考。

本文針對粒子群算法在求解高維、復(fù)雜的梯級水庫發(fā)電優(yōu)化調(diào)度時(shí)后期種群缺乏多樣性、收斂于局部最優(yōu)解的缺陷,結(jié)合梯級水庫發(fā)電優(yōu)化調(diào)度的特點(diǎn),提出了應(yīng)用差分演化算法改進(jìn)粒子群的混合優(yōu)化算法。通過實(shí)際算例驗(yàn)證了該混合方法的合理性和可靠性,從而為高維、復(fù)雜梯級水庫發(fā)電優(yōu)化調(diào)度模型求解提供了一種新的途徑。

采用改進(jìn)的ps0并行算法對遼寧中西部4座梯級水庫生態(tài)進(jìn)行并行優(yōu)化聯(lián)合調(diào)度研究.研究結(jié)果表明：相比于傳統(tǒng)ps0算法,改進(jìn)的ps0并行算法可加速搜索梯級水庫生態(tài)調(diào)度目標(biāo)的最優(yōu)解,經(jīng)過ps0并行算法優(yōu)化求解后,豐水期（5~9月）各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達(dá)到82.0%和77.9%,在枯水期（10~12月和1~4月）各梯級水庫下游河道最小生態(tài)及適宜生態(tài)用水保證率均值分別達(dá)到70.8%和66.6%,生態(tài)優(yōu)化調(diào)度結(jié)果明顯好于傳統(tǒng)算法.研究成果可為梯級水庫生態(tài)聯(lián)合調(diào)度優(yōu)化提供方法參考.

為充分挖掘梯級水庫間的水文補(bǔ)償和庫容補(bǔ)償潛力,獲取更高的綜合利用效益,利用判別系數(shù)與水庫蓄供水控制線相結(jié)合的方法,對烏江梯級水庫的蓄供水方式進(jìn)行了研究,并結(jié)合免疫粒子群算法,以梯級水電站發(fā)電量最大為目標(biāo)對水庫蓄供水控制線進(jìn)行優(yōu)化。聯(lián)合調(diào)度結(jié)果表明,優(yōu)化后的水庫蓄供水控制線不但可以合理控制水庫蓄放水次序和蓄放水量,達(dá)到合理控制水庫群運(yùn)行方式的目的,還在實(shí)際調(diào)度中具有良好的可操作性和抗風(fēng)險(xiǎn)性。

【水利水電工程】 梯級水庫群發(fā)電優(yōu)化調(diào)度評述 李小芹1,李延頻 2 ,趙夢蝶 2 ,張澤中 3 (1.中國農(nóng)業(yè)大學(xué),北京100083;2.華北水利水電學(xué)院,河南鄭州450011; 3.西安理工大學(xué),陜西西安710048) 摘　要:總結(jié)了水庫群發(fā)電優(yōu)化調(diào)度的研究過程,并對現(xiàn)有研究方法的優(yōu)缺點(diǎn)進(jìn)行了歸納,分析了梯級水庫群發(fā)電調(diào)度 研究面臨的問題及發(fā)展趨勢,指出今后研究的策略為:研究多年調(diào)節(jié)水庫年末消落水位變化規(guī)律;應(yīng)用新的模擬進(jìn)化算 法,求解發(fā)電調(diào)度模型,制訂發(fā)電計(jì)劃;研究梯級水庫長期負(fù)荷分配的最優(yōu)準(zhǔn)則、數(shù)學(xué)模型及求解方法,在梯級水庫間合 理分配電網(wǎng),下達(dá)發(fā)電任務(wù);研究梯級水庫調(diào)度圖的制訂以及發(fā)電會(huì)商系統(tǒng)的開發(fā)建設(shè);開發(fā)發(fā)電調(diào)度軟件系統(tǒng)。 關(guān)　鍵　詞:優(yōu)化調(diào)度;發(fā)電;梯級水庫群 中圖分類號(hào):tv697.1　　　

以差分進(jìn)化算法(de)為基本框架,結(jié)合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索優(yōu)勢以及多核并行計(jì)算技術(shù)(pc),提出一種新的并行混合差分進(jìn)化算法(phde),即將de與ca、slfa進(jìn)行有機(jī)融合,分別對精英個(gè)體進(jìn)行混沌局部搜索和對較差個(gè)體進(jìn)行蛙跳局部更新,且差分進(jìn)化運(yùn)算、混沌局部搜索和蛙跳局部更新均采用pc,以有效縮短計(jì)算時(shí)間。phde具有三點(diǎn)優(yōu)勢:一是保留了de簡單易行、收斂迅速的特點(diǎn);二是繼承了ca、slfa的遍歷性,能夠避免早熟收斂現(xiàn)象;三是通過合理的并行模式,有效降低了計(jì)算時(shí)間。典型測試函數(shù)表明了phde的可行性、高效性和魯棒性。實(shí)例研究表明,phde具有較好的優(yōu)化性能和計(jì)算效率,為高效求解水庫群優(yōu)化調(diào)度問題提供了一種可行途徑。

本文結(jié)合梯級水庫中長期發(fā)電優(yōu)化調(diào)度問題,針對差分演化算法在進(jìn)化過程中,其適應(yīng)度的進(jìn)化模式未考慮進(jìn)化的外部環(huán)境與進(jìn)化成分之間的內(nèi)在聯(lián)系,借鑒生態(tài)學(xué)對個(gè)體生存環(huán)境與種群競爭的關(guān)系,提出了協(xié)同差分演化算法在梯級水庫中長期發(fā)電優(yōu)化調(diào)度中的應(yīng)用。通過實(shí)例驗(yàn)證,結(jié)果表明該算法具有可靠性與合理性,提高了計(jì)算精度和計(jì)算效率,為高維、復(fù)雜的梯級水庫中長期發(fā)電優(yōu)化調(diào)度模型提供了一個(gè)新的求解途徑。

根據(jù)沅水各斷面歷史水文資料及湖南當(dāng)前豐枯電價(jià)水平,運(yùn)用動(dòng)態(tài)規(guī)劃優(yōu)化理論歸納了沅水流域梯級電站聯(lián)合運(yùn)行規(guī)律,提出了調(diào)節(jié)能力較強(qiáng)的三板溪、五強(qiáng)溪兩個(gè)水庫的運(yùn)行方式。實(shí)例結(jié)果表明,該方式對沅水流域水庫聯(lián)合調(diào)度、充分發(fā)揮流域梯級發(fā)電效益具有指導(dǎo)意義。

粒子群優(yōu)化算法是通過粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來尋找問題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點(diǎn),本研究對遞減慣性權(quán)值進(jìn)行了改進(jìn),將其表示為粒子群進(jìn)化速度與群體平均適應(yīng)度方差的函數(shù);給出了適合pso算法的約束處理機(jī)制,提出了一種改進(jìn)自適應(yīng)粒子群算法,并將其應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算并與經(jīng)典方法相比,表明該方法原理簡單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

將改進(jìn)型螞蟻算法用于梯級水電站短期優(yōu)化調(diào)度問題,并通過引入遺傳算法的交叉和變異思想以及自適應(yīng)搜索半徑方法提高了螞蟻算法的搜索能力．以最小耗水率模型為例,給出了梯級水電站短期優(yōu)化調(diào)度問題改進(jìn)型螞蟻算法的數(shù)學(xué)描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實(shí)例驗(yàn)證了改進(jìn)型螞蟻算法的優(yōu)越性．結(jié)果表明,與遺傳算法相比,改進(jìn)型螞蟻算法獲得了更優(yōu)的調(diào)度方案．優(yōu)化結(jié)果在取得更低耗水率的同時(shí),減少了機(jī)組的啟停次數(shù),并且使所有機(jī)組連續(xù)高效運(yùn)行,從而降低了機(jī)組的維護(hù)費(fèi)用,并增加了梯級的經(jīng)濟(jì)效益．