梯级水电站调度图优化混合模拟退火遗传算法

水库调度图是水电站发电调度运行的基础,然而现有研究和算法大都集中在单库调度图,库群发电调度图成果较少。本文结合我国开发得较为完善的乌江流域梯级水电站群,提出了一种实用的梯级水电站群发电优化调度图制定方法。该方法以单库调度图为基础,综合形成初始的库群调度图,并以此进行模拟调度,即根据两种调度图对长系列资料逐时段计算,获得两种负荷结果,最终运用库群负荷分配调整两种负荷的偏差,获得调度结果;然后以模拟调度统计的多年平均发电量最大为目标,采用逐次逼近算法不断修正两种调度图的基本调度线,最终获得满足精度要求的单库调度图和库群调度图。较常规方法,本方法方便一次性得出水电站(群)调度图。模拟调度结果表明所建立的方法有效、实用,在兼顾电网对电站要求的基础上,大大提高了梯级长期发电效益。

借鉴信息素对昆虫群体协调行为的作用,建立信息素释放模型、信息素扩散模型、信息诱导模型和信息定向模型,提出信息诱导算子(pheromoneinductionoperator,pio),并与改进遗传算法(improvedgeneticalgorithmi,ga)相结合,形成信息诱导遗传算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有较好平衡全局搜索能力和局部开发能力的仿生学原理。针对电力市场条件下梯级水电站自调度优化模型的复杂性,将piga应用于该模型的求解,通过算例分析,对比了pso、sgai、ga和piga的优化性能,表明了piga的有效性;同时通过分析pio参数对优化性能的影响,给出了pio参数的选择原则。

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的\"维数灾\"及大量约束条件不易处理的难点,将加速遗传算法(aga)应用于梯级水电站联合优化调度研究中,采用\"分类假设\"的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明:加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用\"分类假设\"的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。

应用二倍体遗传算法（ｄｇａ）对梯级水电站日优化调度问题求解，其算法采用了两条等长度的二进制码表示个体，借助于基因显性机制，将个体基因码链与梯级系统日调度计划联系起来．基因显性机制采用一种简便的布尔函数关系实现．杂交算子采用个体基因链交换与重组方式实现，具有一致杂交算子的效果．仿真计算结果验证了算法的有效性

如今，广大民众对能源的需求量越来越高，但是我国的能源可用量却越来越少，在这种情况下，对水、电能源结构进行调整是势在必行的。其实，梯级水电站优化调度已经得到了广大民众的普遍关注．而本研究就将针对“梯级水电站优化调度模型与算法研究”这一主题进行详细的阐述，使广大民众对这方面的内容有一个更加全面且深入的了解。

如今，广大民众对能源的需求量越来越高，但是我国的能源可用量却越来越少，在这种情况下，对水、电能源结构进行调整是势在必行的。其实，梯级水电站优化调度已经得到了广大民众的普遍关注．而本研究就将针对“梯级水电站优化调度模型与算法研究”这一主题进行详细的阐述，使广大民众对这方面的内容有一个更加全面且深入的了解。

进入二十一世纪以来，科技大发展，经济大发展。人们的生活越来越舒适、便捷的同时，随之而来的一系列问题也十分明显。环境的污染、能源的短缺，促进了我国水电企业模型的改革，因为只有改革才能适应时代的变化，才能解决日益严峻的能源形势。下面，我们将主要分析一下目前我国梯级水电站优化调度模型与算法。

进入二十一世纪以来，科技大发展，经济大发展。人们的生活越来越舒适、便捷的同时，随之而来的一系列问题也十分明显。环境的污染、能源的短缺，促进了我国水电企业模型的改革，因为只有改革才能适应时代的变化，才能解决日益严峻的能源形势。下面，我们将主要分析一下目前我国梯级水电站优化调度模型与算法。

以洪家渡水电站为例,探讨了模拟退火粒子群算法(sapso)在水电站中长期优化调度中的应用方法及效果。结果表明:该算法可以求解具有复杂约束条件的非线性水库优化调度问题,并具备求解精度高、收敛速度快的优点,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。

将改进型蚂蚁算法用于梯级水电站短期优化调度问题,并通过引入遗传算法的交叉和变异思想以及自适应搜索半径方法提高了蚂蚁算法的搜索能力．以最小耗水率模型为例,给出了梯级水电站短期优化调度问题改进型蚂蚁算法的数学描述和求解的算法步骤,并通过龙羊峡-李家峡梯级水电站实例验证了改进型蚂蚁算法的优越性．结果表明,与遗传算法相比,改进型蚂蚁算法获得了更优的调度方案．优化结果在取得更低耗水率的同时,减少了机组的启停次数,并且使所有机组连续高效运行,从而降低了机组的维护费用,并增加了梯级的经济效益．

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。

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。

针对传统优化算法在求解高维、复杂梯级水电站发电调度时易出现“维数灾”，或陷入局部最优解的缺陷，本文提出了免疫蛙跳算法（isfla）。该算法将克隆选择算法嵌入到混洗蛙跳算法框架中，对混合之后的蛙群构造子群体执行免疫克隆选择操作，同时使用改进的最差解更新方式提高其局部搜索能力。应用实践表明，通过将isfla与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比，isfla在求解梯级水电站发电优化问题时具有明显的优越性。

梯级水电站联合发电调度的优化模型的确定在整个电网经济、安全运行中起着非常重要的作用。文中提出一种新的梯级水电站群联合发电优化调度的调度准则——以单位水体发电电价最高优先发电,在此基础上建立梯级水电站群联合发电优化调度模型及其评价方法。首先建立基于四层水体的水库能的水电站发电模型,在此基础上提出单位水体发电电价的概念。建立优化调度模型时,将电力系统中的负荷变化和在电力市场机制下分时上网电价的影响因素考虑在内。该模型能较为客观地反映梯级水电站运行情况,能给系统调度员做出最佳调度决策提供一定的依据。优化仿真计算结果证明该调度准则具有可行性和适用性。

本文首先从目标函数和约束条件两个方面,介绍了梯级水电站优化调度的各类数学模型.然后对目前研究比较广泛的各类优化算法进行了综述.最后指出随着水电能源的开发,梯级水库优化调度下一步可能的发展方向.

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。

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法(ahpso)。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,ahpso比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。

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。

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。

宏观视角下的流域梯级水电站联合调度金沙江区域梯级水电站迈入\"调控一体化\"时代长江上游大型水电站群联合调度发展战略流域梯级水电站联合优化调度的必要性及对节能减排的作用气候变化条件下的三峡梯级水库调度长江上游大型水电站群联合调度关键科技问题探讨

建立了梯级水电站短期周优化调度的梯级蓄能最大模型,在此基础上采用动态搜索算法对其进行求解。通过严密的理论推导和详尽的实例分析探讨了流域梯级电站负荷最优分配规律。梯级电站负荷最优分配主要由梯级水库的区间入流关系和水库特性决定,其结论可指导流域梯级电站优化运行,为集控中心调度和指导实际应用提供参考。调度决策者尚需根据本文的研究方法针对本流域和电站的特性制定符合自身的最优调度规则。

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题。水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入/输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解。