免疫进化的蚁群算法在梯级水库优化调度中的应用研究

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。

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。

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

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用中都取得了较好的效果。

分析了人工鱼群算法存在的问题,提出一种改进人工鱼群算法,并将其用于梯级水库群的优化调度.其改进思想是采用动态调整人工鱼视野和步长的方法,较好地平衡了人工鱼群算法的全局搜索能力和局部搜索能力的矛盾;在此基础上,针对算法局部更新策略引起的更新操作前后个体空间位置变化较大,降低收敛速度这一问题,在局部更新时采用了阈值选择的策略.通过实例验证了该改进算法的有效性,并对改进算法的阈值参数进行了率定.

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。

以差分进化算法(de)为基本框架,结合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索优势以及多核并行计算技术(pc),提出一种新的并行混合差分进化算法(phde),即将de与ca、slfa进行有机融合,分别对精英个体进行混沌局部搜索和对较差个体进行蛙跳局部更新,且差分进化运算、混沌局部搜索和蛙跳局部更新均采用pc,以有效缩短计算时间。phde具有三点优势:一是保留了de简单易行、收敛迅速的特点;二是继承了ca、slfa的遍历性,能够避免早熟收敛现象;三是通过合理的并行模式,有效降低了计算时间。典型测试函数表明了phde的可行性、高效性和鲁棒性。实例研究表明,phde具有较好的优化性能和计算效率,为高效求解水库群优化调度问题提供了一种可行途径。

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。

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。

乌溪江梯级电站水力资源丰富,湖南镇水库又具有高水头、高调节性能,优化调度空间较大。介绍湖南镇电站的年度计划编制、中短期优化调度方法、乌溪江梯级电站机组的优化组合以及电力营销工作,并对2004年的调度效益作了分析和总结。图2幅,表6个。

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。

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。

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。

针对水库群供水优化调度问题，建立改进蚁群算法求解带罚函数的水库群供水优化调度数学模型，重点研究蚁群算法的改进。在对传统蚁群算法研究的基础上，提出一种自适应调整信息素挥发系数、信息量及转移概率的改进蚁群算法，克服传统蚁群算法收敛速度慢且容易陷入局部极值等方面的缺陷，并将其应用于黑河三水库联合供水优化调度中。与传统蚁群算法优化结果的比较表明，应用改进蚁群算法的优化调度结果较传统蚁群算法更为合理，该算法有利于提高计算效率、优化质量及改善收敛性能，为解决水库群供水优化调度问题提供了新方法。

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度模型求解提供了一种新的途径。

利用变尺度混沌优化算法(mutativescalechaosoptimizationalgorithm,mscoa)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域s的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域s的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。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梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。

提出一种求解梯级水电站中长期优化调度问题的方法—蚁群算法(antcolonyalgorithm,aca)。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。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梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。

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。

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(qacoa),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。qacoa融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用qacoa对梯级水电系统经济调度进行仿真,结果表明qacoa使调度期内实发电能和储蓄电能得到了明显提高。

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。

建立一种梯级水电站中长期水库优化调度模型,利用混沌优化算法对梯级水电站中长期水库调度问题进行优化计算。实例计算结果表明,该算法可求解复杂约束条件的非线性梯级水电站水库优化调度问题,精度高、收敛速度快,为求解梯级水电站水库优化调度提供了一种有效算法。