量子蚁群优化算法的梯级水电系统经济调度

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。

水是生命之源,也是生产的重要根本,环境生态的基础配备,在近几年的经济发展和国家建设中,针对水力发电的策略也有了相关的技术人员安排,有效的推进可再生能源发电的合理性和完备性,提升电力系统运行状态的综合性和灵活性,促进该种发电形式的有效开展。本文就基于改进蚁群算法的梯级水库群优化调度研究进行分析和归纳。

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（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，算法可以求裤一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．图1表2参8

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。

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。

为促进风电更好地消纳、减少传统化石能源造成的污染,充分发挥梯级水电站的调节能力,制定了一种包含风、火、梯级水电系统的联合优化调度策略。该策略确定了优先风电上网、火电平稳出力、梯级水电补偿运行的调度模式,并依据该策略建立了多目标联合优化模型。针对传统粒子群算法存在容易陷入局部最优解的缺点,采用基于鲶鱼效应改进的粒子群算法对模型进行求解,并在matlab软件中进行仿真。算例的仿真结果表明,基于鲶鱼效应改进的粒子群算法能够有效地应用于风、火、梯级水电联合优化调度问题中,能够发挥出梯级水电站调节特性的同时有效地增加风电的上网电量、提高系统的综合效益。

首次将量子粒子群优化算法用于水电系统经济运行研究中。该算法是量子理论与粒子群算法的融合,在粒子编码过程中引入了量子的态矢量表达,并将量子比特的概率幅表示应用于粒子的编码,使得粒子可以表达为多个态的叠加;在粒子更新操作过程中,利用量子逻辑门实现了粒子的演化,具有比常规粒子群算法更好的目标优化性能。仿真结果证实该算法可有效解决水电机组经济运行问题。性能对比显示,该算法求得的解优于常规粒子群算法及其它优化算法所求得的解。

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。

提出一种求解梯级水电系统短期发电计划问题的新方法——混沌杂交进化算法(chea)。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷。仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高、收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法

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。

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。

提出一种基于ｌａｇｒａｎｇｉａｎ松驰技术的梯级水电系统优化调度算法，能够综合处理离散运行区间、最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值验证表明了本算法的有效性和实用性。

梯级水电站中长期经济调度是一个典型非线性优化问题，通常要求在满足复杂的水力、电力约束条件，兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题，通过改进标准蝙蝠算法（batalgorithm，ba）更新策略和引入差分进化算法（differentialevolution，de）变异、选择操作，提出一种改进的蝙蝠算法（improvedbatalgorithm，iba）。对标准蝙蝠算法更新策略进行以下改进：1）蝙蝠个体脉冲频率不随种群迭代而更新；2）蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新；3）无条件接受全局搜索产生的新解，有条件接受局部搜索产生的新解；4）改进飞行速度公式，缩小新个体与当前种群最优个体的偏离值。同时，针对蝙蝠算法种群多样性差、易陷入局部最优的缺点，引入差分进化算法中的变异、选择操作，实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型，利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例，从流域长系列径流资料中选取典型年，对iba的主要控制参数（缩放因子、最大迭代次数）进行测试与分析。采用iba、ba、逐步优化算法（poa）对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看，对于复杂的梯级水电站经济调度问题，改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力，同时缩短计算时间，获得更高精度解。

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．

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。

针对以发电为主的梯级小水电群,以各水库的发电引用流量为决策变量,建立了以发电量最大为目标的梯级小水电群优化调度数学模型;设计了pso算法和apso算法的工程实现方法,具体包括编码设计、迭代方法设计以及惯性权重设计等;通过一个具有两库串联的梯级小水电群实例,将pso算法和apso算法的仿真寻优过程进行了比较,结果显示两种算法是有效的,并且apso算法具有更强、更快的全局搜索能力;将apso算法的仿真结果与同一条件下的ga算法的仿真结果进行了比较,结果显示apso算法的仿真结果更优,更能充分利用水能资源。

建立了梯级水电站中长期联合优化调度模型,并采用逐步优化算法对其进行求解。以金沙江中游梯级水电站群为例,通过计算,得到了合理的联合优化调度方案。与各水库单独运行对比,其多年平均发电量、枯期发电量及水量利用率均有不同程度的提高。该结果表明此方法应用于实际生产中切实有效,也为梯级水电站联合优化调度运行提供了一种可行的途径。

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。

梯级水电站经济调度是一个具有多维数、多目标、非线性的新问题,调度策略随决策者期望而变化。根据不同调度期望,构建三个分别以发电量最大、耗水量最小、末期蓄水量最大为目标的优化调度模型。本文提出的仿水循环算法是一种受自然界水循环过程启发提出的全新算法,即含多种约束的仿水循环算法cwca,引入水滴权重因子,可根据寻优情况自适应地调整权重值,有效解决迭代速度与计算精度的权衡问题,以及因水滴粒子处于局部最优而导致迭代停滞的问题。利用不同测试函数求解结果对比表明,cwca比改进粒子群算法mpso更具有效性与优越性。经对三座梯级水电站优化调度策略的仿真结果证明了cwca的可行性,也显示了mpso可显著提高优化结果,大幅降低收敛时间,是一种更优越的智能种群算法。

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。

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。