差分进化算法水电站短期经济运行

针对径流式水电站基本无调节能力的运行特点,提出其发电量最大优化调度模型,并采用罚函数法与自组织进化规划法相结合进行模型求解.选择某径流式水电站进行模拟计算,说明该方法具有求得整体最优解的能力,算法可行.

以发电耗流量最小建立经济运行数学模型,通过模拟蜜蜂交配过程中的婚飞行为,提出了一种蜜蜂进化算法(hbea),在杂交过程中引入了外来雄蜂提高子代多样性,又引入工蜂对子代喂以蜂王浆提高群体适应度。通过schwefel’s函数仿真测试证明了hbea的可行性。以乌江渡水电站经济运行为例,结果表明该算法解决水电站经济运行问题行之有效。

针对水电站经济运行受固有误差和电站设备在制造、安装、检修、运行等方面因素的影响,其理论优化方案与实际运行存在偏差的问题,基于误差理论,对厂内经济运行存在的误差进行了系统分析,并就误差源的采集以及误差的传递公式给出了合理化的建议。

通过建立某水电站厂内经济运行的数学模型,运用遗传算法制订该水电站厂内经济运行的控制计划。通过对初值的敏感性、收敛速度和优化结果三方面验证,发现遗传算法对初值不敏感且收敛速度较快。当遗传算法精度逐渐增大时,搜索速度逐渐减慢,且搜索效率降低,这时需要进行算法的改进。

以水电站运行成本最小为目标,提出了一种用混合遗传算法实现大型电站最优运行计划的方法。该方法考虑了机组能量特性差异,并能在旋转备用、起停成本、空蚀振动区、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。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,同时提高了遗传算法的精度。算例表明,方法精度高,计算速度快。

1概述\r\n遗传算法《geneticalgorithm）是一种基于生物遗传和进化过程的计算机模拟，遗传算法使得各种人工系统具有优良的自适应能力和优化能力，遗传算法所借鉴的生物学基础就是生物的遗传和进化。在进化论中，每一物种在不断的发展过程中都是越来越适应环境，物种的基本特征被后代继承，但后代又不完全与父代相同。对于这种新的变化，若适应环境，则被保留下来；否则，就将被淘汰。亦即适者生存，不适者淘汰。遗传算法就是模仿了生物的遗传、进化原理，并引用了随机统计原理而形成的优化算法。

水电站实行经济运行既可带来巨大的经济效益,又可以节约宝贵的水资源。文章介绍了一种新的模拟优化算法——蚁群算法,并根据水电站厂内经济运行问题与旅行商问题的相似性,通过合理处理约束条件与目标函数,将水电站厂内经济运行问题转化为旅行商问题,从而提出了一种用蚁群算法求解水电站厂内经济运行问题的数学模型。实例验证表明此方法具有较高的实用价值。

介绍一种将惩罚函数、动态修正出力-流量(n-q)关系与优化算法相结合实现水电站厂内经济运行的方法。该方法可针对短期优化调度结果(日负荷过程)制定启停计划,实现负荷的经济分配,并且考虑了机组间的效率差异、机组启停成本、气蚀振动区、机组可用性及主接线方式等约束条件。算例表明该方法不仅能解决厂内经济运行的多约束问题,而且能与电力市场下的短期优化调度很好地结合起来。该方法易于实现程序设计且计算速度快。

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。

给出求解水电厂内经济运行问题的新方法,这种方法基于进化规划原理,具有编程简单,计算方便的特点,是一种有效的自适应随机搜索算法

本文提出求解水电站厂内经济运行问题的新方法－遗传算法，它不同于常规优化算法的特点在于，从多个初值点开始，沿多路径搜索实现全局或准全局最优，计算过程不需要存贮状态或决策变量的离散点，减少计算机内存，不必求导计算，编程简单，是一种有效的自适应随机搜索算法。

该水电站建成投产17年来,在水库优化调度与经济运行探索实践方面取得了一定成果。随着各水库的扩容、水流域联合调度以及电站新一代水情测报系统的建成和综合自动化系统的进一步应用,电站硬环境建设与软环境的管理水平将不断提高,使该水电站经济运行将迈上一个新的台阶。

通过分析紧水滩水电站机组特性曲线,应用动态规划法提出各机组最优运行组合,实现机组安全高效运行,达到节能降耗的目的。

分发电和供电2个方面,结合十几年运行管理经验,从加强设备运行、检修、维护和提高工作人员的技术水平和管理水平等几个方面提出促进冯家山水电站经济运行的具体措施。

水电站经济运行是充分利用水能资源的一项增产措施,也是减少水能消耗的一项节能措施.但水电站经济运行涉及影响因素多,约束条件复杂,是一项较复杂的系统工程.不同水电站特征千差万别,加大了水电站经济运行的实施难度.结合某流域的情况从控制方式等分析了水电站经济运行.

经济的快速发展导致我国对电力资源的需求量越来越大，水电站的建立无疑解决了我国的这一需求。但由于在实际的开发利用中缺乏稳定有效的运行制度，这使得优化水电站的经济运行管理成为了当今我国进行能源和环境战略的重要举措。本文就水电站经济运行的必要因素进行了介绍，并提出了提升水电站经济运行的相关措施。

为节约能源、减少损失,创造最大经济效益,提出建立构皮滩水电站经济运行体系。通过制定合理的开停机策略、优化机组组合、强化人员争电意识、避免机组空载和超额定出力运行、量化发电指标及合理运行辅助设备等措施,在保障电厂安全稳定运行的前提下,实现了企业经济效益的最大化。

水电站厂内经济运行问题在本质上是一个目标函数连续和变量离散的非线性约束优化问题。针对其求解困难,本文将模型转换为只具有两界约束和离散约束条件的优化问题,并首次将罚函数法和一种新型的群智能算法——仿电磁学算法融合起来对该优化问题进行求解。详细阐述了算法的改进过程、离散变量的处理和基本求解步骤。通过两个算例的仿真分析及其与遗传算法的比较可知所提算法在水电站厂内经济运行方面正确有效。

水电站厂内经济运行是电力系统的重要研究课题,能有效增加水电站的经济效益。本文将类电磁机制算法用于水电站厂内经济运行研究中。该算法模拟电磁场中带电粒子间的吸引与排斥机制,将搜索解类比为带电粒子,然后按一定的准则通过局部搜索、计算合力和移动粒子等环节使搜索粒子朝最优解移动。该算法具有全局优化能力强,编程实现简单,收敛性好等优点。与水电站厂内经济运行研究的多种已有方法进行仿真对比,结果证实该算法可有效解决水电站厂内经济运行问题,可将该算法推广应用到电力系统的其它问题研究中。

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。

针对水电站厂内经济运行中需要考虑的关键问题,建立了相关的数学模型。根据该模型的特点,提出了一种基于遗传算法求解的新思路。该算法采用浮点数编码技术和以发电运行总成本倒数为适应度函数,并设计了一些启发式技术和遗传操作算子有效地处理模型中的各种约束条件,使得算法在遗传操作迭代过程中的所有个体都是可行解。实例研究表明,模型合理,算法可行、有效。

随着电站装机容量和机组台数的不断增加,利用动态规划求解水电站厂内经济运行问题,将面临\"维数灾\"和实效性问题。近些年,粒子群算法作为一种新型的群体智能优化方法,由于能够弥补动态规划计算时间长、内存占用量大等诸多不足,在水电站厂内经济运行等方面得到了广泛重视。现有文献,大多数从方法的应用角度探讨较多,但从替代动态规划的必然性和潜力方面探讨较少,鲜有实例分析。本文以百万级装机千瓦的乌江渡水电站为实例,深入分析与比较了粒子群算法与动态规划的优劣,认为粒子群算法是代替动态规划、求解装机规模庞大的巨型水电站厂内经济运行的有效方法。