進入二十一世紀以來，科技大發(fā)展，經濟大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進了我國水電企業(yè)模型的改革，因為只有改革才能適應時代的變化，才能解決日益嚴峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調度模型與算法。

如今，廣大民眾對能源的需求量越來越高，但是我國的能源可用量卻越來越少，在這種情況下，對水、電能源結構進行調整是勢在必行的。其實，梯級水電站優(yōu)化調度已經得到了廣大民眾的普遍關注．而本研究就將針對“梯級水電站優(yōu)化調度模型與算法研究”這一主題進行詳細的闡述，使廣大民眾對這方面的內容有一個更加全面且深入的了解。

進入二十一世紀以來，科技大發(fā)展，經濟大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進了我國水電企業(yè)模型的改革，因為只有改革才能適應時代的變化，才能解決日益嚴峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調度模型與算法。

如今，廣大民眾對能源的需求量越來越高，但是我國的能源可用量卻越來越少，在這種情況下，對水、電能源結構進行調整是勢在必行的。其實，梯級水電站優(yōu)化調度已經得到了廣大民眾的普遍關注．而本研究就將針對“梯級水電站優(yōu)化調度模型與算法研究”這一主題進行詳細的闡述，使廣大民眾對這方面的內容有一個更加全面且深入的了解。

介紹了目前國內對于梯級水電站優(yōu)化調度問題的研究和實踐現(xiàn)狀,重點研究了優(yōu)化調度模型的建立和優(yōu)化算法。

隨著經濟社會不斷發(fā)展,我國能源結構也隨著不斷變化,水電資源作為一項重要能源,其發(fā)展好壞直接關系到我國的可持續(xù)發(fā)展道路.梯級水電站作為水電的一種關鍵形式,必須對其進行發(fā)電優(yōu)化調度,從而保證水資源得到合理利用.本文主要針對梯級水電站的主要特點和未來發(fā)展方向,總結了我國的一些成果,并深入分析了其運行過程中的主要問題,通過對模型進行改進,對其進行優(yōu)化調度,提出了新的調度模型.

本文首先從目標函數(shù)和約束條件兩個方面,介紹了梯級水電站優(yōu)化調度的各類數(shù)學模型.然后對目前研究比較廣泛的各類優(yōu)化算法進行了綜述.最后指出隨著水電能源的開發(fā),梯級水庫優(yōu)化調度下一步可能的發(fā)展方向.

將改進型螞蟻算法用于梯級水電站短期優(yōu)化調度問題,并通過引入遺傳算法的交叉和變異思想以及自適應搜索半徑方法提高了螞蟻算法的搜索能力．以最小耗水率模型為例,給出了梯級水電站短期優(yōu)化調度問題改進型螞蟻算法的數(shù)學描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實例驗證了改進型螞蟻算法的優(yōu)越性．結果表明,與遺傳算法相比,改進型螞蟻算法獲得了更優(yōu)的調度方案．優(yōu)化結果在取得更低耗水率的同時,減少了機組的啟停次數(shù),并且使所有機組連續(xù)高效運行,從而降低了機組的維護費用,并增加了梯級的經濟效益．

提出一種求解梯級水電站中長期優(yōu)化調度問題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調度計劃。算法把問題解抽象為螞蟻路徑,利用狀態(tài)轉移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解。實例計算結果表明,算法可以求解具有復雜約束條件的非線性梯級優(yōu)化調度問題。算法求解精度高、收斂速度快,為解決梯級水電站中長期優(yōu)化調度問題提供了一種有效的方法。

為有效求解梯級水電站多目標聯(lián)合優(yōu)化問題,充分發(fā)揮水電的發(fā)電效益和容量效益,提出一種新型的改進多目標布谷鳥算法(imocs)。針對傳統(tǒng)布谷鳥算法存在收斂速度慢的問題,將動態(tài)發(fā)現(xiàn)概率和步長融入到算法中,并結合非支配排序遺傳算法(nsga-ii)的非支配排序思想以及擁擠距離維護外部檔案集策略,提出imocs;通過測試函數(shù)驗證了所提算法的有效性。將imocs應用到烏江梯級水電站多目標優(yōu)化調度中,得到了分布均勻的非劣調度方案集。最后通過模糊決策模型,主客觀確定目標權重法,從非劣解集中選擇一個折中方案,得到各水電站發(fā)電用水過程。結果表明,調度方案合理、可靠,且均能滿足各項約束條件。梯級水電站優(yōu)化調度采用imocs具有較大的實用意義。

針對pso算法中的早熟收斂問題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進化方式,引入一種局部隨機搜索算子實現(xiàn)信念空間的知識結構并指導算法的演化過程,在保持種群多樣性的同時提高算法的全局尋優(yōu)性能。將cpso應用于某梯級水電站的優(yōu)化調度中,結果表明,cpso可很好地兼顧計算速度及求解精度,為梯級水庫優(yōu)化調度提供了一條全新途徑。

逐步優(yōu)化算法（poa）在求解梯級水電站聯(lián)合優(yōu)化調度中,其優(yōu)化結果受初始解的影響較大,不同的初始解對優(yōu)化迭代過程的收斂性影響不同,導致優(yōu)化結果可能陷入局部最優(yōu)。針對這一問題,本文在深入分析poa尋優(yōu)機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,揭示了poa的兩階段尋優(yōu)策略和梯級水電站優(yōu)化調度在求解兩階段問題時傳統(tǒng)的＂自上而下逐電站＂尋優(yōu)模式對算法收斂能力的影響規(guī)律,進而提出了基于逐步差分和變階段優(yōu)化改進策略的變階段逐步優(yōu)化算法,有效消弱了原始算法在求解梯級電站聯(lián)合調度問題中對初始解的依賴性,在一定程度上保證算法收斂于全局最優(yōu)解。實例研究表明所提算法優(yōu)化得到的梯級發(fā)電量比poa算法提升0.15%左右,有效克服了原始算法的局部收斂問題,且改進算法效率更高,尋優(yōu)結果更穩(wěn)定。

探索新的調度模型求解方法一直是水庫優(yōu)化調度研究的熱點之一。社會情感優(yōu)化算法(seoa)是一種新興的啟發(fā)式智能優(yōu)化算法,但目前在水庫優(yōu)化調度中未見應用。將seoa應用于梯級水電站發(fā)電優(yōu)化調度中,并針對算法初始種群隨機生成造成的初始解代表性低,引入了初始種群均勻設計,針對部分個體過早收斂導致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進社會情感優(yōu)化算法(改進seoa)。實例表明,在梯級水電站發(fā)電優(yōu)化調度模型的求解中,改進seoa搜索效率高、尋優(yōu)能力強、穩(wěn)定性好。

逐步優(yōu)化算法(poa)在求解梯級水電站聯(lián)合優(yōu)化調度中,其優(yōu)化結果受初始解的影響較大,不同的初始解對優(yōu)化迭代過程的收斂性影響不同,導致優(yōu)化結果可能陷入局部最優(yōu)。針對這一問題,本文在深入分析poa尋優(yōu)機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,揭示了poa的兩階段尋優(yōu)策略和梯級水電站優(yōu)化調度在求解兩階段問題時傳統(tǒng)的\"自上而下逐電站\"尋優(yōu)模式對算法收斂能力的影響規(guī)律,進而提出了基于逐步差分和變階段優(yōu)化改進策略的變階段逐步優(yōu)化算法,有效消弱了原始算法在求解梯級電站聯(lián)合調度問題中對初始解的依賴性,在一定程度上保證算法收斂于全局最優(yōu)解。實例研究表明所提算法優(yōu)化得到的梯級發(fā)電量比poa算法提升0.15%左右,有效克服了原始算法的局部收斂問題,且改進算法效率更高,尋優(yōu)結果更穩(wěn)定。

探索新的調度模型求解方法一直是水庫優(yōu)化調度研究的熱點之一。社會情感優(yōu)化算法（seoa）是一種新興的啟發(fā)式智能優(yōu)化算法,但目前在水庫優(yōu)化調度中未見應用。將seoa應用于梯級水電站發(fā)電優(yōu)化調度中,并針對算法初始種群隨機生成造成的初始解代表性低,引入了初始種群均勻設計,針對部分個體過早收斂導致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進社會情感優(yōu)化算法（改進seoa）。實例表明,在梯級水電站發(fā)電優(yōu)化調度模型的求解中,改進seoa搜索效率高、尋優(yōu)能力強、穩(wěn)定性好。

針對電力市場中買賣雙方通過簽訂遠期合同進行交易的市場交易類型,結合水庫優(yōu)化調度理論與方法,建立物理合同和金融合同下的梯級水庫優(yōu)化模型,并以清江梯級水電站為例進行應用研究,驗證了模型的合理性與有效性,為今后市場環(huán)境下水電商針對不同的合同簽訂方式做出決策提供了參考和依據(jù)。

針對流域梯級水電站優(yōu)化調度的特點,提出了計及atc影響的梯級水電站優(yōu)化調度模型。根據(jù)電網典型運行方式和上一時間段的調度情況,利用最優(yōu)潮流計算水電上網通道的atc容量。將atc容量約束直接引入到梯級水電站優(yōu)化調度模型中,利用粒子群優(yōu)化算法的全局尋優(yōu)能力對梯級水電站中長期優(yōu)化調度進行尋優(yōu)。以四川某流域梯級的4個電站優(yōu)化調度為例,計算結果表明采用所建模型和方法能夠有效提高梯級水電站發(fā)電量和發(fā)電收益。

梯級水電站中長期經濟調度是一個典型非線性優(yōu)化問題，通常要求在滿足復雜的水力、電力約束條件，兼顧求解效率的同時實現(xiàn)梯級發(fā)電量最大。為有效解決這一問題，通過改進標準蝙蝠算法（batalgorithm，ba）更新策略和引入差分進化算法（differentialevolution，de）變異、選擇操作，提出一種改進的蝙蝠算法（improvedbatalgorithm，iba）。對標準蝙蝠算法更新策略進行以下改進：1）蝙蝠個體脈沖頻率不隨種群迭代而更新；2）蝙蝠個體脈沖發(fā)射率和脈沖音量隨種群迭代而更新；3）無條件接受全局搜索產生的新解，有條件接受局部搜索產生的新解；4）改進飛行速度公式，縮小新個體與當前種群最優(yōu)個體的偏離值。同時，針對蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點，引入差分進化算法中的變異、選擇操作，實現(xiàn)動態(tài)控制變異概率。建立兼顧梯級最小出力最大化的梯級總發(fā)電量最大模型，利用大渡河流域瀑布溝、深溪溝、枕頭壩一級梯級水電站經濟調度問題實例，從流域長系列徑流資料中選取典型年，對iba的主要控制參數(shù)（縮放因子、最大迭代次數(shù)）進行測試與分析。采用iba、ba、逐步優(yōu)化算法（poa）對同一典型年進行模擬調度。從枯期出力特征、梯級發(fā)電量、算法運行時間3項指標綜合來看，對于復雜的梯級水電站經濟調度問題，改進的蝙蝠算法能夠在枯水期給電網提供盡可能大而穩(wěn)定的出力，同時縮短計算時間，獲得更高精度解。

針對粒子群算法容易早熟和易于陷入局部極值的缺點,提出一種梯級水電站優(yōu)化調度的模糊自適應粒子群算法.在該算法中將慣性權值表示為粒子群進化速度因子和群體適應度方差的模糊函數(shù),在每次迭代過程中動態(tài)改變慣性權值,以適應非線性優(yōu)化搜索過程.針對違反約束的粒子,設計了一種動態(tài)空間調整策略來修復約束要求.為了驗證算法的性能,用2個測試函數(shù)和擁有4個水電站的系統(tǒng)進行了測試,在求解精度和速度上與標準粒子群算法和改進慣性權值線性遞減粒子群算法進行了對比,結果表明模糊自適應粒子群算法收斂速度快、精度高.

本文針對目前各種梯級水電站優(yōu)化調度算法存在不足,以云南滾朋羊梯級水電站優(yōu)化調度為工程背景,著力考慮該梯級總發(fā)電量和最大保證出力2個重要指標,并且圍繞這2個指標建立該梯級水電站優(yōu)化調度的目標函數(shù),采用蟻群算法獲得該目標函數(shù)的解。最后通過仿真證明,采用蟻群算法獲得的解將是全局最優(yōu)解。

http://www.***.*** 烏溪江梯級水電站優(yōu)化調度研究 芮鈞 國電自動化研究院，江蘇南京（210003） e-mail：ruijun12@163.com 摘要：以烏溪江梯級水電站為例，詳細介紹了用逐步優(yōu)化算法求解梯級水電站發(fā)電優(yōu)化調 度的全過程。此方法可以獲得梯級各電站的最優(yōu)運行方式，指導梯級各水電站的實際運行。 關鍵詞：烏溪江梯級電站，逐步優(yōu)化算法，優(yōu)化調度 1.引言 水電站的單庫優(yōu)化調度問題，可以使用常規(guī)動態(tài)規(guī)劃算法來求解，其計算時間和計算精 度均能滿足實際生產的需要[1]。但是，梯級水電站優(yōu)化調度決策變量較多，且各水庫之間互 相影響，利用常規(guī)的動態(tài)規(guī)劃來求解會遇到維數(shù)災問題[2]。目前比較適合用于求解梯級水電 站優(yōu)化調度的算法主要有逐步優(yōu)化算法和基因遺傳算法。本文主要討論用逐步優(yōu)化算法求解 梯級水電站優(yōu)化調度問題的方法。 逐步優(yōu)化算法（

建立一種梯級水電站中長期水庫優(yōu)化調度模型,利用混沌優(yōu)化算法對梯級水電站中長期水庫調度問題進行優(yōu)化計算。實例計算結果表明,該算法可求解復雜約束條件的非線性梯級水電站水庫優(yōu)化調度問題,精度高、收斂速度快,為求解梯級水電站水庫優(yōu)化調度提供了一種有效算法。