進入二十一世紀以來，科技大發展，經濟大發展。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。環境的污染、能源的短缺，促進了我國水電企業模型的改革，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，科技大發展，經濟大發展。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。環境的污染、能源的短缺，促進了我國水電企業模型的改革，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化調度問題的研究和實踐現狀,重點研究了優化調度模型的建立和優化算法。

隨著經濟社會不斷發展,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,其發展好壞直接關系到我國的可持續發展道路.梯級水電站作為水電的一種關鍵形式,必須對其進行發電優化調度,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,對其進行優化調度,提出了新的調度模型.

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

將改進型螞蟻算法用于梯級水電站短期優化調度問題,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化調度問題改進型螞蟻算法的數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的調度方案．優化結果在取得更低耗水率的同時,減少了機組的啟停次數,并且使所有機組連續高效運行,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調度計劃。算法把問題解抽象為螞蟻路徑,利用狀態轉移、信息素更新和鄰域搜索以獲取最短路徑即最優解。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合優化問題,充分發揮水電的發電效益和容量效益,提出一種新型的改進多目標布谷鳥算法(imocs)。針對傳統布谷鳥算法存在收斂速度慢的問題,將動態發現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性能。將cpso應用于某梯級水電站的優化調度中,結果表明,cpso可很好地兼顧計算速度及求解精度,為梯級水庫優化調度提供了一條全新途徑。

逐步優化算法（poa）在求解梯級水電站聯合優化調度中,其優化結果受初始解的影響較大,不同的初始解對優化迭代過程的收斂性影響不同,導致優化結果可能陷入局部最優。針對這一問題,本文在深入分析poa尋優機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,揭示了poa的兩階段尋優策略和梯級水電站優化調度在求解兩階段問題時傳統的＂自上而下逐電站＂尋優模式對算法收斂能力的影響規律,進而提出了基于逐步差分和變階段優化改進策略的變階段逐步優化算法,有效消弱了原始算法在求解梯級電站聯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解。實例研究表明所提算法優化得到的梯級發電量比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,尋優結果更穩定。

探索新的調度模型求解方法一直是水庫優化調度研究的熱點之一。社會情感優化算法(seoa)是一種新興的啟發式智能優化算法,但目前在水庫優化調度中未見應用。將seoa應用于梯級水電站發電優化調度中,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化算法(改進seoa)。實例表明,在梯級水電站發電優化調度模型的求解中,改進seoa搜索效率高、尋優能力強、穩定性好。

逐步優化算法(poa)在求解梯級水電站聯合優化調度中,其優化結果受初始解的影響較大,不同的初始解對優化迭代過程的收斂性影響不同,導致優化結果可能陷入局部最優。針對這一問題,本文在深入分析poa尋優機制的基礎上,探求了影響算法全局收斂能力的關鍵因素,揭示了poa的兩階段尋優策略和梯級水電站優化調度在求解兩階段問題時傳統的\"自上而下逐電站\"尋優模式對算法收斂能力的影響規律,進而提出了基于逐步差分和變階段優化改進策略的變階段逐步優化算法,有效消弱了原始算法在求解梯級電站聯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解。實例研究表明所提算法優化得到的梯級發電量比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,尋優結果更穩定。

探索新的調度模型求解方法一直是水庫優化調度研究的熱點之一。社會情感優化算法（seoa）是一種新興的啟發式智能優化算法,但目前在水庫優化調度中未見應用。將seoa應用于梯級水電站發電優化調度中,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化算法（改進seoa）。實例表明,在梯級水電站發電優化調度模型的求解中,改進seoa搜索效率高、尋優能力強、穩定性好。

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。

針對流域梯級水電站優化調度的特點,提出了計及atc影響的梯級水電站優化調度模型。根據電網典型運行方式和上一時間段的調度情況,利用最優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化調度模型中,利用粒子群優化算法的全局尋優能力對梯級水電站中長期優化調度進行尋優。以四川某流域梯級的4個電站優化調度為例,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電量和發電收益。

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,在每次迭代過程中動態改變慣性權值,以適應非線性優化搜索過程.針對違反約束的粒子,設計了一種動態空間調整策略來修復約束要求.為了驗證算法的性能,用2個測試函數和擁有4個水電站的系統進行了測試,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.

http://www.***.*** 烏溪江梯級水電站優化調度研究 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化算法求解梯級水電站發電優化調 度的全過程。此方法可以獲得梯級各電站的最優運行方式，指導梯級各水電站的實際運行。 關鍵詞：烏溪江梯級電站，逐步優化算法，優化調度 1.引言 水電站的單庫優化調度問題，可以使用常規動態規劃算法來求解，其計算時間和計算精 度均能滿足實際生產的需要[1]。但是，梯級水電站優化調度決策變量較多，且各水庫之間互 相影響，利用常規的動態規劃來求解會遇到維數災問題[2]。目前比較適合用于求解梯級水電 站優化調度的算法主要有逐步優化算法和基因遺傳算法。本文主要討論用逐步優化算法求解 梯級水電站優化調度問題的方法。 逐步優化算法（

建立了梯級水電站中長期聯合優化調度模型,并采用逐步優化算法對其進行求解。以金沙江中游梯級水電站群為例,通過計算,得到了合理的聯合優化調度方案。與各水庫單獨運行對比,其多年平均發電量、枯期發電量及水量利用率均有不同程度的提高。該結果表明此方法應用于實際生產中切實有效,也為梯級水電站聯合優化調度運行提供了一種可行的途徑。

為有效利用水能資源,蘇北灌溉總渠沿線高良澗閘、運東閘、運西分水閘及阜寧腰閘4座水閘兩側均裝設了水輪機組,組成了成梯級混聯式布置水電站。為獲得最大經濟效益,實現站間最優水位組合調度,采用期望值模型構建法建立由4個水電站組成的水電站群總發電效益模型,應用動態隨機最優控制中極值理論分析研究了水電站機組流量和水頭及上下游電站間水位的聯系,計算出發電效益最大的聯合最佳水位,以實現4座梯級混聯水電站聯合優化調度。

針對傳統優化算法在求解高維、復雜梯級水電站發電調度時易出現“維數災”，或陷入局部最優解的缺陷，本文提出了免疫蛙跳算法（isfla）。該算法將克隆選擇算法嵌入到混洗蛙跳算法框架中，對混合之后的蛙群構造子群體執行免疫克隆選擇操作，同時使用改進的最差解更新方式提高其局部搜索能力。應用實踐表明，通過將isfla與標準混洗蛙跳算法、粒子群算法以及逐步優化方法對比，isfla在求解梯級水電站發電優化問題時具有明顯的優越性。