模拟退火粒子群算法的水电站优化调度

针对pso算法中的早熟收敛问题,提出一种文化粒子群算法(cpso)并将pso纳入文化算法模型作为群体空间的进化方式,引入一种局部随机搜索算子实现信念空间的知识结构并指导算法的演化过程,在保持种群多样性的同时提高算法的全局寻优性能。将cpso应用于某梯级水电站的优化调度中,结果表明,cpso可很好地兼顾计算速度及求解精度,为梯级水库优化调度提供了一条全新途径。

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.

重点分析了常规粒子群算法(particleswarmoptimization,pso)在水电站优化调度应用中存在的问题和出现的原因,并针对问题提出了相应的解决方法,形成了基于粒子群算法的水库优化调度改进应用方法。改进前后计算结果的对比分析表明,改进后的粒子群算法可明显提高求解水电站优化调度问题的收敛速度和求解精度。

粒子群优化算法是通过粒子记忆、追随当前最优粒子,并不断更新自己的位置和速度来寻找问题的最优解。为了克服标准粒子群算法存在着早熟收敛、难以处理问题约束条件等缺点,本研究对递减惯性权值进行了改进,将其表示为粒子群进化速度与群体平均适应度方差的函数;给出了适合pso算法的约束处理机制,提出了一种改进自适应粒子群算法,并将其应用于水库优化调度中。实例计算并与经典方法相比,表明该方法原理简单、易编程实现,能以较快的速度收敛于全局最优解。

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。

为了提高粒子群优化(particleswarmoptimization,pso)算法的计算精度和计算效率,避免\"早熟\

基于改进粒子群算法的水电站水库优化调度研究——针对粒子群优化算法容易陷入局部最优解的问题，提出一种基于模拟退火机制的改进粒子群优化算法，并将其引入水库调度领域，设计了基于该算法的水电站水库优化调度问题的求解方法。计算实例表明，该方法采用并行搜...

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。

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。

针对粒子群优化算法容易陷入局部最优解的问题,提出一种基于模拟退火机制的改进粒子群优化算法,并将其引入水库调度领域,设计了基于该算法的水电站水库优化调度问题的求解方法。计算实例表明,该方法采用并行搜索机制,计算速度快、全局寻优的可靠性较高,具有较好的应用前景。

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。

提出了一种协调粒子群算法,利用多粒子群的信息协调和扰动策略的方法,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,具有良好的收敛速度和计算精度。实例计算表明,协调粒子群算法能够求解水电站优化调度这样的非线性、强约束组合优化问题,原理简单,易于编程,占用内存少,为水电站优化调度问题提供了一种具有较高应用价值的方法。

agc机组调节比较频繁，如果仅考虑经济性而调用大量机组去响应并非特别大的随机负荷调整是不尽合理的，尤其是对机组台数众多的大型水电厂，不仅经济上得不偿失，而且会带来安全隐患．随着电力市场理论研究的深入和市场规则的完善，辅助服务市场将引入竞争逐步走向市场机制，电厂通过竞价方式确定是否承担agc服务，这种承诺性交易使水电厂可预先

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。

以洪家渡水电站为例,探讨了粒子群算法在水电站中长期优化调度的应用方法及效果。实例计算结果表明,该算法可以求解复杂约束条件的非线性水库优化调度,精度高、收敛速度快,为解决水电站中长期优化调度问题提供了一种有效的方法。

在基于常规方法的水电站水库发电调度图绘制方法中,由于选取典型水文年样本数量有限,使其水文特征代表性有局限性。引入粒子群算法,利用所有历史实测资料绘制水电站发电运行调度图。该算法通过粒子间的信息共享来实现求解,具有计算简便,收敛速度快的优点。通过实际生产项目的应用,证明采用粒子群算法绘制水电站水库发电运行调度图能够克服常规绘制方法中的一些缺点,在保证可靠性指标的同时,提高了水电站的运行效益,为优化方法在水电站中长期调度中的应用提供了一种实用的途径。

针对梯级水电站短期优化调度的不确定性问题,研究了不确定性因素的概率分布规律,并根据实际系统的运行要求,给出了概率分布密度函数的假设检验方法。探索发电用水量与各种随机因素的互动关系及影响机理,构建了一种新的计及概率的梯级水电站短期优化调度策略。把灾变理论、混沌优化思想和基本粒子群算法结合起来,形成一种混合粒子群算法。该算法扩大了种群的搜索空间,增加了种群的多样性,改善了基本粒子群算法摆脱局部极值点的能力,并能从理论上证明其依概率收敛至全局最优解。将混合粒子群算法嵌入蒙特卡罗随机模拟中对本文提出的模型进行求解,求解方法简单有效。仿真结果表明,该策略能较好地处理不确定性条件下梯级水电站的短期优化调度问题。

为降低变电站工频电场曝露水平,避免工作人员长期曝露其中可能造成的健康威胁,通过优化电站设备布局来降低一次设备周围近地面空间电场强度。建立220kv户外配电设备3维几何模型,采用软件仿真计算出220kv户外配电区电场分布,并将电场强度高于限值的设备区作为待优化区域。提出适用于变电站电场优化问题的粒子群优化算法的适应度函数和限制条件。以降低设备区外部电场分布作为优化目标,对其进行整体优化计算,在此基础上,以降低设备区内部高场强分布作为优化目标对相关设备位置进行微调。最后将计算所得最优电场分布与原电场分布进行对比,整体优化后的适应度函数值减小了83.4%,局部优化后适应度函数值再次减小了29.1%。优化结果表明,利用粒子群算法对设备排布重新优化,可以在不增加建设成本的前提下降低目前变电站工频电场曝露水平。

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过ieee14节点系统算例证明本算法的有效性。

分析了当前厂用电考核管理中存在的问题,提出了用直接厂用电率代替综合厂用电率考核电厂厂用电水平。采用经粒子群算法改进的最小二乘法,克服了常规方法拟合误差大的缺点,大幅提高了计算精度,有效地应用于某个西南地区的常规水电站用电量的考核中,取得了良好效果,表明了算法的有效性。

济钢的氧气系统一直存在着供需不平衡的问题,导致氧气放散率高,影响经济效益。通过对氧气系统的生产、存储和使用等环节进行综合分析,以氧气放散率最低,经济效益最大为目标函数,建立氧气系统优化调度的模型,并利用改进的粒子群算法求得最优解,取得了良好的效果。