混合粒子群算法并计及概率的梯级水电站短期优化调度

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.

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。

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\

为科学求解梯级水电站群多目标优化调度模型,提出一种基于量子行为进化机制的多目标量子粒子群算法(moqpso)。该方法以标准量子粒子群算法(qpso)为基础,引入外部档案集合存储非劣粒子,利用个体支配关系实现档案集合的动态更新维护;依据个体领导能力优劣选择粒子历史最优位置与种群全局最优位置,维持搜索过程中个体进化方向的多样性;采用混沌变异算子对个体进行局部扰动,提升算法的全局收敛性能。乌江流域模拟调度结果表明,所提方法具有良好的收敛速度与寻优能力,可快速获得兼顾梯级水电系统经济性与可靠性要求的pareto解集,能够为工程人员提供科学的决策依据。

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．

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。

在市场环境中系统电价和负荷一定的情况下,将效益最大化作为系统优化准则,运用水资源价值系数、设备运行费、折旧费及其他费用等成本因素,建立分时电价梯级水电站短期优化调度模型;构造了求解该模型的层结构蚁群算法,采用启发式规则解决解的多样性和机组启停问题,采用精英策略节约计算内存和优化时间。最后,运用我国西南地区某梯级流域中三个连续水电站的数据建立了调度模型并运用层结构算法进行仿真;并从理论方面分析了仿真结果中的每一个变化,对精英区大小的选择作了讨论,分析表明仿真结果与理论分析保持一致,说明建立的模型是合理的,提出的方法是可行而有效的。

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。

将混沌和变尺度思想引入粒子群算法中,提出一种变尺度混沌粒子群算法,并将其应用于梯级水电站水库优化调度中.该算法采用混沌初始化粒子的位置和速度;再利用混沌提高了种群的多样性和粒子搜索的遍历性;最后采用变尺度思想,根据搜索进程不断缩小优化变量的搜索空间,来改善pso算法摆脱局部极值点的能力,提高算法的全局优化能力.计算结果表明:变尺度混沌粒子群优化算法求解精度高,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.

随着经济与科学技术的不断发展,社会的需求使得对水库调度管理水平的要求越来越高,使得越来越多的因素被考虑在水库调度决策中,水库调度逐渐进入了优化阶段。本文主要针对基于梯级水电站水库优化调度的,粒子群优化方法进行研究,提出了相应的改进措施,并通过实践进行了有效分析。

梯级水电站优化调度对于增加系统发电量,降低耗水率,充分利用流域水能资源,提高整个梯级水电站群的经济效益和运行水平具有重要意义。建立\"一库多级\"梯级水电站群短期优化调度模型,研究采用逐步优化算法(poa算法)进行模型求解的方法和步骤,在此基础上开发调度软件,并以金溪流域梯级电站群为例对算法实际应用效果进行分析。研究结果表明,采用poa算法能够有效提高水电站发电量3%以上,且poa算法具有易于计算机程序实现的特点,在水电站自动优化调度方面具有较大优势。

针对流域梯级水电站优化调度的特点,提出了计及atc影响的梯级水电站优化调度模型。根据电网典型运行方式和上一时间段的调度情况,利用最优潮流计算水电上网通道的atc容量。将atc容量约束直接引入到梯级水电站优化调度模型中,利用粒子群优化算法的全局寻优能力对梯级水电站中长期优化调度进行寻优。以四川某流域梯级的4个电站优化调度为例,计算结果表明采用所建模型和方法能够有效提高梯级水电站发电量和发电收益。

传统电力市场环境下,梯级水电站的短期优化调度方式简明直观、便于理解,但考虑因素不够全面,为此构建了电力市场环境下的梯级水电站短期优化调度模型,该模型考虑了发电权转让对梯级水电站短期优化调度决策的影响,且当存在发电权交易时兼顾了发电权出让方、受让方以及电网公司三方的经济利益,模型还考虑了梯级水电站的库容、水库水头、机组出力和电网公司购电费用等约束条件。梯级水电站短期优化调度为高维、有时滞且带有大量约束条件的非线性优化问题,因此采用微分进化算法对该优化模型进行求解。算例结果验证了该模型及算法的有效性。

预报和调度是水调自动化系统的重要高级应用功能。为了实现预报和调度功能,必须研究和开发相应的应用软件。本文介绍了黄河上游梯级水电站短期(日)优化调度软件的开发及应用:短期优化调度模型和厂内经济运行模型及相应的算法;调度软件的开发;软件的功能及应用。

针对梯级水电站采用的以发电效益最大化为目标的优化数学模型具有一定局限性且未考虑峰谷电价影响的问题,在原有发电效益的基础上增加峰、平、谷电价,不同时段给予不同电价进行优化,提出基于分时电价的梯级水电站优化调度数学模型.以黄河上游的梯级水电站为例,采用matlab软件的模式搜索法、遗传算法分别对模型进行求解,验证该优化调度数学模型的正确性及算法的合理性和可靠性,从而为市场环境下高维、复杂的梯级水电站短期优化调度提供了一种新的求解途径.

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(ga)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(wca)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与ga和粒子群算法(pso)所得结果进行比较。实例研究表明,wca计算的总效益在丰、平、枯典型日分别比ga和pso计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。

以一定时期内期望发电效益最大化为目标,采用马尔可夫链对梯级水电站机组未来调度时段的预想故障及上网电价进行概率预测,构建了一种新的梯级水电站短期概率优化调度的模型,并且采用服从正态分布的负荷波动来分析时变负荷对优化调度的影响。该模型全面考虑了梯级水电站蓄水量、弃水量、水位、发电引用流量等约束条件,实现了机组运行状态概率预测与优化调度决策的密切结合。利用微分进化算法鲁棒性强、搜索效率高的特点,与蒙特卡洛方法对模型进行求解。以一梯级水电站系统为例进行计算分析,表明所提出的模型合理和有效。

考虑到短期优化调度中电网限定了峰平谷段出力比,将目前较成熟的动态规划算法作了改进,选用梯级发电总收入最大为目标建立了数学模型,并用fo-dp算法寻求出宝兴河梯级水电站短期最优运行方式。计算结果表明,该方法能够较好的解决短期优化调度问题,具有一定的实用价值。

将蚁群优化算法用于求解分时电价下梯级水电站间短期优化调度模型,考虑市场竞争下的电价和电量、水库存水价值、水流时滞以及设备折旧等因素,建立了利益最大化为优化准则的短期优化调度模型.给出了蚁群算法求解梯级短期优化调度模型的数学描述及算法的求解步骤.最后以某梯级流域中三个水电站的相关数据建立了相应的优化调度模型,运用蚁群算法进行了计算仿真,并与传统的动态规划法进行对比.仿真结果证实了所采用算法的有效性和可行性.

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。