并行混合差分进化算法的梯级水库群优化调度

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度。该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0。为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束。实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意。

针对梯级水库群优化调度的大系统多维多阶段优化决策问题提出改进的蚁群算法。为提高算法搜索效率采用新的信息素更新策略——ant-proportion,综合考虑全局和局部信息。以漫湾—大朝山梯级水电站优化调度为例,计算结果表明,改进算法与基本蚁群算法相比具有更好的优化结果和收敛速度,与逐步优化法相比可靠有效。

利用广义蚁群算法对梯级水库进行优化调度,采用以水量平衡方程为主要约束的随机自动生成方式生成初始蚁群,并利用惩罚函数法处理边界条件和其他非等式约束。实例结果表明,该算法搜索能力强、精度高、可靠、有效实用。

本文提出了一种基于惩罚改进的蚁群最优化算法,并应用于水库群的梯级调度优化研究中。本算法以蚁群蜂群算法中群体协作的反馈机制、随机搜索的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造了惩罚因子,使得带约束问题转化为了纯粹的优化问题。经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力。

结合梯级水库群联合运行的实际情况,分析目前国内外水库调度算法不足,本论文利用变尺度混沌优化算法(mutativescalechaosoptimizationalgorithm,mscoa)对梯级水电站群中长期水库调度问题应用研究,建立一种梯级水电站群中长期水库优化调度模型,通过实际数据验证,此方法可以获得梯级各电站的最优运行方式,为指导梯级各水电站的实际运行最优化提供科学决策依据。

针对高维、复杂的梯级水库优化调度在求解时易出现\"维数灾\"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足。通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路。

采用改进的pso并行算法对辽宁中西部4座梯级水库生态进行并行优化联合调度研究。研究结果表明:相比于传统pso算法,改进的pso并行算法可加速搜索梯级水库生态调度目标的最优解,经过pso并行算法优化求解后,丰水期(5~9月)各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到82.0%和77.9%,在枯水期(10~12月和1~4月)各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到70.8%和66.6%,生态优化调度结果明显好于传统算法。研究成果可为梯级水库生态联合调度优化提供方法参考。

采用改进的ps0并行算法对辽宁中西部4座梯级水库生态进行并行优化联合调度研究.研究结果表明：相比于传统ps0算法,改进的ps0并行算法可加速搜索梯级水库生态调度目标的最优解,经过ps0并行算法优化求解后,丰水期（5~9月）各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到82.0%和77.9%,在枯水期（10~12月和1~4月）各梯级水库下游河道最小生态及适宜生态用水保证率均值分别达到70.8%和66.6%,生态优化调度结果明显好于传统算法.研究成果可为梯级水库生态联合调度优化提供方法参考.

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。

针对人工鱼群算法的不足,提出了人工鱼群遗传算法(afsa-ga),采用人工鱼群算法模拟梯级水库优化调度,再用遗传算法进行局部细化搜索。实例结果表明,人工鱼群遗传算法应用于梯级水库优化调度行之有效。

针对梯级水库群优化调度多约束、高维、非线性和难以求解的特点,将鲶鱼效应机制引入到粒子群算法中提出鲶鱼效应粒子群算法。该算法在进化中通过鲶鱼启发器引入鲶鱼粒子,依据鲶鱼效应调整种群的飞行模式,一方面利用鲶鱼粒子的驱赶作用使粒子种群跳出稳定状态激发活力,从而提高种群多样性;另一方面利用鲶鱼的高素质动态调节对进化过程进行有目的指导,进而保持算法的高搜索性能。算例表明,和标准粒子群算法、混沌粒子群算法相比,鲶鱼效应粒子群算法具有更好的全局寻优能力和较快的收敛速度,能有效地应用于梯级水库群优化调度中。

梯级水库群优化调度规律是指导梯级水库群优化运行的重要工具。本文应用概率统计法和相关分析法对乌江流域的兼顾保证出力发电量最大计算结果进行统计归纳,通过引入经验频率分析了各库在不同调度期的水位变化规律和建立时段平均出力与本时段可用水量相关关系图来研究各库在不同调度期的发电规则,为挖掘梯级水库长期运行结果中蕴藏的潜在规律提供了一种方法。通过对乌江梯级各库水位变化规律和发电规则的研究,为乌江梯级水库群优化运行提供了理论支撑。

为解决水火电力系统短期发电优化调度中存在的问题,提出基于mpi平台的并行小种群差分进化算法。该算法将进化种群分为若干个小种群(单个种群规模为3~10个),每个进化种群由不同的cpu进程独立执行差分进化算法,并在种群间引入集合、分散操作以协调各小种群的寻优过程；为降低小种群初始化和进化过程中多样性的损失,引入正交化初始化方法和种群重构技术；最后以典型案例验证了算法的有效性。结果表明,该方法在求解精度、收敛速度和求解耗时上均较有竞争力。

随着我国水利事业的迅速发展,在人工蜂群算法独特的优势作用下,梯度水库群的优化调度研究取得了显著的成果.不过在如今越来越复杂的水库调度问题中,传统的算法已不能得以很好地解决此类问题.通过采用三种经过改进的人工蜂群算法（isc-abc、cl-abc、ims-abc）应用到浑江流域的3个水电站中进行实验测试,来对梯级水库进行优化调度研究,结果表明,3种算法有着比较好的寻优精度和搜索效率,在浑江流域水库的实际应

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的\"早熟\"现象,改进算法搜索效率更高,寻优结果更稳定。

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(ga)、粒子群算法(pso)和蚁群算法(aco),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。

本文结合梯级水库中长期发电优化调度问题,针对差分演化算法在进化过程中,其适应度的进化模式未考虑进化的外部环境与进化成分之间的内在联系,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在梯级水库中长期发电优化调度中的应用。通过实例验证,结果表明该算法具有可靠性与合理性,提高了计算精度和计算效率,为高维、复杂的梯级水库中长期发电优化调度模型提供了一个新的求解途径。

为充分挖掘梯级水库间的水文补偿和库容补偿潜力,获取更高的综合利用效益,利用判别系数与水库蓄供水控制线相结合的方法,对乌江梯级水库的蓄供水方式进行了研究,并结合免疫粒子群算法,以梯级水电站发电量最大为目标对水库蓄供水控制线进行优化。联合调度结果表明,优化后的水库蓄供水控制线不但可以合理控制水库蓄放水次序和蓄放水量,达到合理控制水库群运行方式的目的,还在实际调度中具有良好的可操作性和抗风险性。

根据沅水各断面历史水文资料及湖南当前丰枯电价水平,运用动态规划优化理论归纳了沅水流域梯级电站联合运行规律,提出了调节能力较强的三板溪、五强溪两个水库的运行方式。实例结果表明,该方式对沅水流域水库联合调度、充分发挥流域梯级发电效益具有指导意义。

针对乌江流域梯级水库群中既有多年调节水库,又有年调节、季调节和日调节水库形成的混联水库群,由于上游龙头洪家渡多年调节水库的建设投运,原单一水库调度管理已不适应公司的发展要求,提出了要充分发挥流域联合调度优势,进行乌江流域梯级水库远程集中调度。经过3年的水库远程集中调度管理,按照安全高效、科学合理、充分利用的原则精心调度水库,增强了上下游水库水能补偿作用,实现了流域梯级水电站群安全经济运行,提高了梯级水电站群的水能利用率和整体经济效益,取得了良好的经济效益和社会效益。

以水电站运行成本最小为目标,提出了一种用差分进化算法(differentialevolution,de)实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。