狼群算法水电站优化调度模型参数优选

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。

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。

水电站水库群优化调度的关联平衡法模型谈飞（管理工程系）水电站水库群具有高维性、关联复杂性、分散性、不确定性和多目标性等大系统的特点，其优化调度问题属于大系统的最优控制问题。由于用经典的控制理论和运筹学方法求解此类问题所需的计算工作量和运算存储量与系统...

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。

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。

大规模水电站群短期发电优化调度计算量大,实际应用中为满足计算过程和结果可复现需求,多采用各类改进动态规划算法,求解速度难以满足需求。对此,结合大规模水电站群短期发电优化调度模型,同时给定起始状态和最终状态的特性,分析了从起始状态和最终状态同时进行求解的可行性,提出了改进的双向动态规划并行解算方法,实例计算表明,应用此方法可使大规模流域水电站群短期发电优化调度计算速度提高一倍。研究成果可供类似工程参考。

为解决自适应遗传算法应用于水电站优化调度时易陷入局部最优解的问题,在自适应遗传算法中加入了初始群体变异策略,首先对初始种群进行深度变异并保存优秀个体,然后再对保存的优秀个体采用自适应遗传算法进行全局搜索。水电站优化调度实例表明:采用初始种群变异策略的遗传算法具有更高的全局搜索能力,得出的结果比自适应遗传算法更佳,克服了自适应遗传算法易过早陷入局部最优的缺陷。

研究在分时电价制度下水电系统短期优化调度问题,建立了优化调度数学模型。采用变分原理,导出其最优性条件,给出了适于梯级水电系统的最优性条件的具体形式。通过分析水电站水价的估计式,得到了具有普遍适用性的、形式统一的最优性条件。特例分析说明所提模型具有广泛的适用性。

以黄河上游梯级水电站群为例，考虑水电站水库已备有的短期或中长期预报方案，建立其优化调度模型。以该模型所确定的调度方案为依据，对黄河上游５座水电站的各种可能来水进行调度，从而对这些水电站的期望电能及其抽样误差作出分析。结果表明，预报信息对于合理地预估总电能具有一定意义。

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。

提出了求解大规模水电站水库群优化调度非凸结构模型的递阶优化算法;给出将不可分高度模型所构造的拉格朗日函数转化为可分函数的方法及三级道阶优化算法。

对调度模型以隐随机优化为基本途径求解,采用两个决策变量,用传统最小二乘法及水能计算方法,寻求合理、有效的水电站优化调度规则。通过实例计算表明:双决策调度实际应用所得的经济效益明显优于常规调度。

在电力市场环境下,水电站短期优化调度作为优化发电计划、指导市场竞价的重要环节,在水电站生产实践中应用广泛。目前,短期优化研究常侧重于提高算法的精度和计算速度,而忽略了短期优化调度模型本身的合理性和准确性。如短期优化调度模型中的出力系数计算问题的研究就很少,而它都是影响短期优化调度计算精度的重要因素。为此,提出了厂内经济运行为短期优化调度提供出力系数的思想。该方法能提高出力系数的精度,从而达到改善短期优化调度精度的目的,同时它不会增加短期优化调度的计算量,因此具有一定的实用价值。

研究了电力市场下的梯级水电站的长期优化调度问题,建立了多发电主体梯级水电站优化调度模型.该模型通过调节上下游不同发电主体下电站的效益补偿,可以协调上下游不同发电主体的利益,保证总的梯级效益接近最优化.将建立的多目标调度模型用权重法转化为单目标求解,可获得不同权重组合下的一组非劣解集.同时还探讨了浮动上网电价对存在多发电主体情况下梯级效益的影响,梯级效益的变化趋势与枯水期电价上浮与丰水期下浮比例x/y有关,只有x/y足够大时,梯级总效益才会比电价不浮动时有所增加.

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.

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。

分析研究了梯级电站长期发电优化调度的理论与方法，针对传统遗传算法应用于梯级电站长期发电优化调度问题时存在的缺陷，如传统遗传算法用于求解梯级电站优化调度问题时，存在随机种群可行率难以控制；遗传操作过程中可能破坏较优个体；易”早熟”等问题，提出一种改进的遗传算法，即在产生随机种群和变异过程中提出考虑连续阶段约束，对个体的可行性进行检验、修正和保护；通过优化设计变量在各次计算中产生联系，实现算法的逐步寻优，避免算法的”早熟”。通过实例仿真分析，验证了改进算法的可行性和优越性。

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。

逐步优化算法(poa)在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析poa寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了poa的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的\"自上而下逐电站\"寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比poa算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法（seoa）是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将seoa应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法（改进seoa）。实例表明,在梯级水电站发电优化调度模型的求解中,改进seoa搜索效率高、寻优能力强、稳定性好。

在我国电力系统中,水电占有举足轻重的地位。搞好水电站群日优化调度,是搞好全系统经济调度的基础。水电站群日优化调度作为一项系统工程,一方面要揭示其内在因素之间的相关关系,用有效的、逼真的优化模型概化此问题,并用计算机语言编制出尽可能通用的,适用的计算机程序;但另一方面,也是更重要的,就是要密切结合生产实际,反映电力系统现状,具有真实性,可用性,切忌纸上谈兵。我们在进行渔子溪梯级日优化调度的研究时,接触了一些实际问题。归纳起来,笔者认为:当前水电站群日优化调度存在的,且急于需要解决的主要有以下几个问题:

针对以发电为主的小水电站单库和串联小水电站群,以水电站的发电引用流量为决策变量,以水电站在调度周期内发电量最大为目标,分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算,从而提高了算法的搜索效率。基于vc++编程设计了小水电站运行调度智能算法系统软件,用类cbestga封装了求解一般水库调度问题的遗传算法,并应用于一个实际的小水电站调度,实验结果说明了遗传算法用于水库优化调度的可行性和有效性