針對梯級水電站群長期優化調度發電量最大模型,提出了一種自適應混合粒子群進化算法(ahpso)。該算法引入混沌思想生成初始解,并定義了粒子能量、粒子能量閾值、粒子相似度和粒子相似度閾值來描述算法的自適應變化以及群體進化程度,同時結合遺傳變異思想進行粒子操作,最后提出了一種基于鄰域的隨機貪心策略以解決算法后期進化速度慢的缺點。以瀾滄江下游梯級水電站群為計算實例的結果表明,ahpso比基本粒子群算法有更好的收斂性和優化結果,計算時間比逐步優化算法少,且優化結果相近,是一種可供選擇的計算方法。

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.

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。

為了提高粒子群優化(particleswarmoptimization,pso)算法的計算精度和計算效率,避免\"早熟\

為科學求解梯級水電站群多目標優化調度模型,提出一種基于量子行為進化機制的多目標量子粒子群算法(moqpso)。該方法以標準量子粒子群算法(qpso)為基礎,引入外部檔案集合存儲非劣粒子,利用個體支配關系實現檔案集合的動態更新維護;依據個體領導能力優劣選擇粒子歷史最優位置與種群全局最優位置,維持搜索過程中個體進化方向的多樣性;采用混沌變異算子對個體進行局部擾動,提升算法的全局收斂性能。烏江流域模擬調度結果表明,所提方法具有良好的收斂速度與尋優能力,可快速獲得兼顧梯級水電系統經濟性與可靠性要求的pareto解集,能夠為工程人員提供科學的決策依據。

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．

建立了梯級水電站短期周優化調度的梯級蓄能最大模型,在此基礎上采用動態搜索算法對其進行求解。通過嚴密的理論推導和詳盡的實例分析探討了流域梯級電站負荷最優分配規律。梯級電站負荷最優分配主要由梯級水庫的區間入流關系和水庫特性決定,其結論可指導流域梯級電站優化運行,為集控中心調度和指導實際應用提供參考。調度決策者尚需根據本文的研究方法針對本流域和電站的特性制定符合自身的最優調度規則。

遺傳算法是一種簡單、適用的搜索方法,經常用于解決非線性復雜的問題。水庫群的最優調度問題,就是利用搜索算法根據水庫群進出水和綜合利用情況,把水電站水庫看作一個系統,把系統的各元素,輸入/輸出參數等簡化和假設后建立簡化通用的數學模型,用搜索算法對該數學模型進行優化仿真,得出最優解。

在市場環境中系統電價和負荷一定的情況下,將效益最大化作為系統優化準則,運用水資源價值系數、設備運行費、折舊費及其他費用等成本因素,建立分時電價梯級水電站短期優化調度模型;構造了求解該模型的層結構蟻群算法,采用啟發式規則解決解的多樣性和機組啟停問題,采用精英策略節約計算內存和優化時間。最后,運用我國西南地區某梯級流域中三個連續水電站的數據建立了調度模型并運用層結構算法進行仿真;并從理論方面分析了仿真結果中的每一個變化,對精英區大小的選擇作了討論,分析表明仿真結果與理論分析保持一致,說明建立的模型是合理的,提出的方法是可行而有效的。

粒子群優化算法是通過粒子記憶、追隨當前最優粒子,并不斷更新自己的位置和速度來尋找問題的最優解。為了克服標準粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點,本研究對遞減慣性權值進行了改進,將其表示為粒子群進化速度與群體平均適應度方差的函數;給出了適合pso算法的約束處理機制,提出了一種改進自適應粒子群算法,并將其應用于水庫優化調度中。實例計算并與經典方法相比,表明該方法原理簡單、易編程實現,能以較快的速度收斂于全局最優解。

將混沌和變尺度思想引入粒子群算法中,提出一種變尺度混沌粒子群算法,并將其應用于梯級水電站水庫優化調度中.該算法采用混沌初始化粒子的位置和速度;再利用混沌提高了種群的多樣性和粒子搜索的遍歷性;最后采用變尺度思想,根據搜索進程不斷縮小優化變量的搜索空間,來改善pso算法擺脫局部極值點的能力,提高算法的全局優化能力.計算結果表明:變尺度混沌粒子群優化算法求解精度高,可以求解具有復雜約束條件的非線性梯級水電站水庫優化調度問題.

隨著經濟與科學技術的不斷發展,社會的需求使得對水庫調度管理水平的要求越來越高,使得越來越多的因素被考慮在水庫調度決策中,水庫調度逐漸進入了優化階段。本文主要針對基于梯級水電站水庫優化調度的,粒子群優化方法進行研究,提出了相應的改進措施,并通過實踐進行了有效分析。

梯級水電站優化調度對于增加系統發電量,降低耗水率,充分利用流域水能資源,提高整個梯級水電站群的經濟效益和運行水平具有重要意義。建立\"一庫多級\"梯級水電站群短期優化調度模型,研究采用逐步優化算法(poa算法)進行模型求解的方法和步驟,在此基礎上開發調度軟件,并以金溪流域梯級電站群為例對算法實際應用效果進行分析。研究結果表明,采用poa算法能夠有效提高水電站發電量3%以上,且poa算法具有易于計算機程序實現的特點,在水電站自動優化調度方面具有較大優勢。

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。

傳統電力市場環境下,梯級水電站的短期優化調度方式簡明直觀、便于理解,但考慮因素不夠全面,為此構建了電力市場環境下的梯級水電站短期優化調度模型,該模型考慮了發電權轉讓對梯級水電站短期優化調度決策的影響,且當存在發電權交易時兼顧了發電權出讓方、受讓方以及電網公司三方的經濟利益,模型還考慮了梯級水電站的庫容、水庫水頭、機組出力和電網公司購電費用等約束條件。梯級水電站短期優化調度為高維、有時滯且帶有大量約束條件的非線性優化問題,因此采用微分進化算法對該優化模型進行求解。算例結果驗證了該模型及算法的有效性。

預報和調度是水調自動化系統的重要高級應用功能。為了實現預報和調度功能,必須研究和開發相應的應用軟件。本文介紹了黃河上游梯級水電站短期(日)優化調度軟件的開發及應用:短期優化調度模型和廠內經濟運行模型及相應的算法;調度軟件的開發;軟件的功能及應用。

針對梯級水電站采用的以發電效益最大化為目標的優化數學模型具有一定局限性且未考慮峰谷電價影響的問題,在原有發電效益的基礎上增加峰、平、谷電價,不同時段給予不同電價進行優化,提出基于分時電價的梯級水電站優化調度數學模型.以黃河上游的梯級水電站為例,采用matlab軟件的模式搜索法、遺傳算法分別對模型進行求解,驗證該優化調度數學模型的正確性及算法的合理性和可靠性,從而為市場環境下高維、復雜的梯級水電站短期優化調度提供了一種新的求解途徑.

鑒于梯級水電站優化運行的高復雜度、強非線性、多約束等特點,構建了基于峰谷分時電價下的梯級水電站日最大發電效益模型。針對遺傳算法(ga)等傳統智能算法對復雜模型求解易陷入局部最優的問題,提出一種水循環算法(wca)與水位廊道約束耦合、降低約束復雜度、規范尋優空間的方法,并以湖北某梯級短期優化調度為背景進行建模仿真,將計算結果分別與ga和粒子群算法(pso)所得結果進行比較。實例研究表明,wca計算的總效益在豐、平、枯典型日分別比ga和pso計算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強,為解決梯級水電站優化調度問題提供了新思路。

以一定時期內期望發電效益最大化為目標,采用馬爾可夫鏈對梯級水電站機組未來調度時段的預想故障及上網電價進行概率預測,構建了一種新的梯級水電站短期概率優化調度的模型,并且采用服從正態分布的負荷波動來分析時變負荷對優化調度的影響。該模型全面考慮了梯級水電站蓄水量、棄水量、水位、發電引用流量等約束條件,實現了機組運行狀態概率預測與優化調度決策的密切結合。利用微分進化算法魯棒性強、搜索效率高的特點,與蒙特卡洛方法對模型進行求解。以一梯級水電站系統為例進行計算分析,表明所提出的模型合理和有效。

考慮到短期優化調度中電網限定了峰平谷段出力比,將目前較成熟的動態規劃算法作了改進,選用梯級發電總收入最大為目標建立了數學模型,并用fo-dp算法尋求出寶興河梯級水電站短期最優運行方式。計算結果表明,該方法能夠較好的解決短期優化調度問題,具有一定的實用價值。

將蟻群優化算法用于求解分時電價下梯級水電站間短期優化調度模型,考慮市場競爭下的電價和電量、水庫存水價值、水流時滯以及設備折舊等因素,建立了利益最大化為優化準則的短期優化調度模型.給出了蟻群算法求解梯級短期優化調度模型的數學描述及算法的求解步驟.最后以某梯級流域中三個水電站的相關數據建立了相應的優化調度模型,運用蟻群算法進行了計算仿真,并與傳統的動態規劃法進行對比.仿真結果證實了所采用算法的有效性和可行性.

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。