組織進(jìn)化粒子群算法的水電站水庫優(yōu)化調(diào)度

介紹了混沌粒子群算法,并將其用于水庫調(diào)度中,指出:混沌粒子群優(yōu)化算法引入了混沌搜索機(jī)制,增加了粒子的多樣性,擴(kuò)大了搜索的范圍,不僅保持了粒子群優(yōu)化算法收斂速度快的優(yōu)點,而且還增強(qiáng)了全局收斂能力,能避免陷入局部最優(yōu)的情況,可以更好地解決水庫優(yōu)化調(diào)度的強(qiáng)約束、多階段、非線性組合問題。

針對粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問題,提出一種基于模擬退火機(jī)制的改進(jìn)粒子群優(yōu)化算法,并將其引入水庫調(diào)度領(lǐng)域,設(shè)計了基于該算法的水電站水庫優(yōu)化調(diào)度問題的求解方法。計算實例表明,該方法采用并行搜索機(jī)制,計算速度快、全局尋優(yōu)的可靠性較高,具有較好的應(yīng)用前景。

文章提出了應(yīng)用改進(jìn)粒子群算法求解水電站優(yōu)化調(diào)度問題的方法,粒子群算法模擬了鳥類群體覓食的搜索過程來尋找水電站最優(yōu)調(diào)度計劃。對傳統(tǒng)粒子群算法進(jìn)行了改進(jìn),克服了早熟和陷入局部最優(yōu)的缺點。實例計算表明,粒子群算法可以求解具有復(fù)雜約束條件的非線性水電站優(yōu)化調(diào)度問題,與經(jīng)典算法相比,該算法原理簡單,易于編程,占用內(nèi)存少,求解精度高,收斂速度快,是一種有效的搜索算法。

提出了一種協(xié)調(diào)粒子群算法,利用多粒子群的信息協(xié)調(diào)和擾動策略的方法,較好地克服了基本粒子群算法易于早熟和陷入局部最優(yōu)的缺點,具有良好的收斂速度和計算精度。實例計算表明,協(xié)調(diào)粒子群算法能夠求解水電站優(yōu)化調(diào)度這樣的非線性、強(qiáng)約束組合優(yōu)化問題,原理簡單,易于編程,占用內(nèi)存少,為水電站優(yōu)化調(diào)度問題提供了一種具有較高應(yīng)用價值的方法。

在基于常規(guī)方法的水電站水庫發(fā)電調(diào)度圖繪制方法中,由于選取典型水文年樣本數(shù)量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有歷史實測資料繪制水電站發(fā)電運(yùn)行調(diào)度圖。該算法通過粒子間的信息共享來實現(xiàn)求解,具有計算簡便,收斂速度快的優(yōu)點。通過實際生產(chǎn)項目的應(yīng)用,證明采用粒子群算法繪制水電站水庫發(fā)電運(yùn)行調(diào)度圖能夠克服常規(guī)繪制方法中的一些缺點,在保證可靠性指標(biāo)的同時,提高了水電站的運(yùn)行效益,為優(yōu)化方法在水電站中長期調(diào)度中的應(yīng)用提供了一種實用的途徑。

針對高維、復(fù)雜的梯級水庫優(yōu)化調(diào)度在求解時易出現(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。通過實例計算表明,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。

【目的】解決傳統(tǒng)粒子群算法在求解水庫優(yōu)化調(diào)度問題中存在的早熟、收斂速度慢和易陷入局部最優(yōu)的問題。【方法】基于抗體克隆選擇學(xué)說理論,提出了一種量化正交免疫克隆粒子群算法(oicpso/q)。采用正交交叉策略來增強(qiáng)子代個體解分布的均勻性;通過接種疫苗和計算親合度等操作,對算法的進(jìn)化過程進(jìn)行有目的、有選擇地指導(dǎo),使得算法快速收斂,同時保持一定的多樣性,抑制了早熟現(xiàn)象。提出一種自學(xué)習(xí)算子,避免個體鄰域內(nèi)最優(yōu)解的丟失。建立了基于量化正交免疫克隆粒子群算法的水庫優(yōu)化調(diào)度數(shù)學(xué)模型,并給出其具體的求解步驟。最后應(yīng)用該方法與標(biāo)準(zhǔn)粒子群算法(spso)及動態(tài)規(guī)劃方法進(jìn)行比較?！窘Y(jié)果】與spso算法和動態(tài)規(guī)劃方法計算結(jié)果相比,oicpso/q算法計算時間明顯降低,但發(fā)電量明顯增加,說明oicpso/q算法可提高解的精度,加快其收斂速度,其性能優(yōu)于標(biāo)準(zhǔn)粒子群算法和動態(tài)規(guī)劃方法。【結(jié)論】oicpso/q算法為求解水庫優(yōu)化調(diào)度問題提供了一條新的有效求解途徑。

將混沌和變尺度思想引入粒子群算法中,提出一種變尺度混沌粒子群算法,并將其應(yīng)用于梯級水電站水庫優(yōu)化調(diào)度中.該算法采用混沌初始化粒子的位置和速度;再利用混沌提高了種群的多樣性和粒子搜索的遍歷性;最后采用變尺度思想,根據(jù)搜索進(jìn)程不斷縮小優(yōu)化變量的搜索空間,來改善pso算法擺脫局部極值點的能力,提高算法的全局優(yōu)化能力.計算結(jié)果表明:變尺度混沌粒子群優(yōu)化算法求解精度高,可以求解具有復(fù)雜約束條件的非線性梯級水電站水庫優(yōu)化調(diào)度問題.

針對水電站水庫優(yōu)化調(diào)度問題,提出了將改進(jìn)遺傳算法和混沌優(yōu)化相耦合的改進(jìn)混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進(jìn)行編碼,表示成染色體,然后對其進(jìn)行選擇、交叉和變異,通過增加混沌擾動,不斷進(jìn)化收斂得到最優(yōu)解。實例計算并與其他方法比較表明,該算法在求解水電站優(yōu)化調(diào)度這樣的復(fù)雜非線性優(yōu)化問題時,搜索效率高,收斂性能好,能以較快的速度收斂于全局最優(yōu)解,為水電站水庫優(yōu)化調(diào)度模型求解提供了一種新方法。

隨著經(jīng)濟(jì)與科學(xué)技術(shù)的不斷發(fā)展,社會的需求使得對水庫調(diào)度管理水平的要求越來越高,使得越來越多的因素被考慮在水庫調(diào)度決策中,水庫調(diào)度逐漸進(jìn)入了優(yōu)化階段。本文主要針對基于梯級水電站水庫優(yōu)化調(diào)度的,粒子群優(yōu)化方法進(jìn)行研究,提出了相應(yīng)的改進(jìn)措施,并通過實踐進(jìn)行了有效分析。

介紹了一種基于模擬退火的粒子群算法,并用其求解以水電站年發(fā)電量最大建立的優(yōu)化調(diào)度的數(shù)學(xué)模型。考慮到基本的粒子群算法(pso)后期粒子趨向同一化,使其進(jìn)化速度變慢,精度較差,本文將模擬退火的思想應(yīng)用到具有雜交和變異的粒子群算法當(dāng)中,通過模擬退火的降溫過程來提高算法后期的進(jìn)化速度和精度。最后,以普定水電站的優(yōu)化調(diào)度為例進(jìn)行了計算,結(jié)果表明,該算法的性能較基本粒子群算法有了較大改善,且明顯優(yōu)于常規(guī)調(diào)度方法和動態(tài)規(guī)劃。

【目的】針對傳統(tǒng)優(yōu)化算法的不足,將微分進(jìn)化算法應(yīng)用到水電站水庫優(yōu)化調(diào)度問題中,建立新的優(yōu)化算法模型?！痉椒ā拷⒒谖⒎诌M(jìn)化算法的水電站水庫優(yōu)化調(diào)度模型,并給出具體求解步驟。為驗證算法的有效性,將其應(yīng)用于具體水電站水庫的優(yōu)化調(diào)度計算中,最后將該方法與遺傳算法的計算結(jié)果進(jìn)行了對比?！窘Y(jié)果】實例計算結(jié)果表明,與遺傳算法相比,微分進(jìn)化算法收斂速度快,可調(diào)參數(shù)少,計算精度高,穩(wěn)定性好,且該算法簡單、容易實現(xiàn),具有較強(qiáng)的全局搜索能力。【結(jié)論】微分進(jìn)化算法在解決水電站水庫優(yōu)化調(diào)度問題時具有很強(qiáng)的適用性,為求解水電站水庫優(yōu)化調(diào)度問題提供了新思路。

針對粒子群算法易陷入局部最優(yōu)的缺點,提出了一種雙適應(yīng)度方法、動態(tài)鄰域算子和隨機(jī)動態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡單有效的方法。文中探討了梯級水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時電價因素,建立了梯級水電站長期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實際梯級水電站計算表明,該模型使枯水期大部分時間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計算速度快、收斂精度高,為梯級水電站長期優(yōu)化調(diào)度提供了一種簡單實用的求解方法。

建立一種梯級水電站中長期水庫優(yōu)化調(diào)度模型,利用混沌優(yōu)化算法對梯級水電站中長期水庫調(diào)度問題進(jìn)行優(yōu)化計算。實例計算結(jié)果表明,該算法可求解復(fù)雜約束條件的非線性梯級水電站水庫優(yōu)化調(diào)度問題,精度高、收斂速度快,為求解梯級水電站水庫優(yōu)化調(diào)度提供了一種有效算法。

現(xiàn)在我國的主要供電方式是電氣供電，這種形式的供電已不能滿足社會的多方面需要。所以國家大力發(fā)展水利發(fā)電，就水利發(fā)電來講，水電站水庫優(yōu)化是一項相當(dāng)關(guān)鍵的工作。本文主要介紹了當(dāng)下國內(nèi)外水電站水庫優(yōu)化調(diào)度研究的進(jìn)展，列舉了三種水庫優(yōu)化調(diào)度計算方法：變尺度混沌粒子群算法、改進(jìn)粒子群算法和免疫克隆粒子群算法。

在遺傳算法中為避免采用二進(jìn)制編碼時存在的編碼冗余問題,本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法,并進(jìn)行水電站水庫優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫優(yōu)化調(diào)度計算可從多個初始點開始尋優(yōu),占用內(nèi)存少,能以較快速度找到全局最優(yōu)解。實例計算并與常規(guī)優(yōu)化相比,表明該方法簡便、快速,可避免水庫優(yōu)化調(diào)度中的維數(shù)災(zāi)

在研究了人工免疫系統(tǒng)中的克隆選擇學(xué)說和克隆選擇算法的基礎(chǔ)上,研究了1種新的人工免疫算法——免疫克隆選擇算法,并將其應(yīng)用到水庫優(yōu)化調(diào)度中,提出了1種基于免疫克隆選擇算法的水庫優(yōu)化調(diào)度方法。該算法通過在克隆選擇算法中引入免疫基因操作,提高了算法的求解精度和求解效率,避免了"維數(shù)災(zāi)"和早熟問題。實例研究結(jié)果表明,相對于動態(tài)規(guī)劃,免疫克隆選擇算法計算速度快、收斂性好,提高了計算效率,較好地解決了傳統(tǒng)的動態(tài)規(guī)劃方法求解水庫(群)優(yōu)化調(diào)度問題存在"維數(shù)災(zāi)"問題。

agc機(jī)組調(diào)節(jié)比較頻繁，如果僅考慮經(jīng)濟(jì)性而調(diào)用大量機(jī)組去響應(yīng)并非特別大的隨機(jī)負(fù)荷調(diào)整是不盡合理的，尤其是對機(jī)組臺數(shù)眾多的大型水電廠，不僅經(jīng)濟(jì)上得不償失，而且會帶來安全隱患．隨著電力市場理論研究的深入和市場規(guī)則的完善，輔助服務(wù)市場將引入競爭逐步走向市場機(jī)制，電廠通過競價方式確定是否承擔(dān)agc服務(wù)，這種承諾性交易使水電廠可預(yù)先

以洪家渡水電站為例,探討了模擬退火粒子群算法(sapso)在水電站中長期優(yōu)化調(diào)度中的應(yīng)用方法及效果。結(jié)果表明:該算法可以求解具有復(fù)雜約束條件的非線性水庫優(yōu)化調(diào)度問題,并具備求解精度高、收斂速度快的優(yōu)點,為解決水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

針對pso算法中的早熟收斂問題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進(jìn)化方式,引入一種局部隨機(jī)搜索算子實現(xiàn)信念空間的知識結(jié)構(gòu)并指導(dǎo)算法的演化過程,在保持種群多樣性的同時提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計算速度及求解精度,為梯級水庫優(yōu)化調(diào)度提供了一條全新途徑。

隨著電力市場的開放和分時電價制度的實施,傳統(tǒng)以發(fā)電量最大作為準(zhǔn)則的情況已不能適應(yīng)水電站優(yōu)化調(diào)度的要求,文章提出了分時電價條件下水電站水庫優(yōu)化調(diào)度的數(shù)學(xué)模型,并以實例結(jié)果來說明模型的可行性。

為提高多維目標(biāo)函數(shù)全局最優(yōu)解的計算精度,提出了一種改進(jìn)的混沌優(yōu)化算法(mcoa).利用混沌運(yùn)動的隨機(jī)性、遍歷性和規(guī)律性進(jìn)行全局尋優(yōu);通過引入解向量的優(yōu)選,將解向量定位到最優(yōu)解的附近,從而找出全局最優(yōu)解.最后將該算法應(yīng)用于水電站水庫優(yōu)化調(diào)度問題,并進(jìn)行仿真計算,計算結(jié)果驗證了算法的有效性.mcoa原理簡單,易于編程實現(xiàn),具有較大的實用價值,為求解水電站水庫優(yōu)化調(diào)度問題提供了一種有效方法.