本文從國民經濟綜合效益最大角度出發,協調發電和航運的之間矛盾,盡可能按經濟指標之優劣來判定水電站應采用的合理運行方式,建立了考慮航運和調峰要求的水電站日水量最優分配模型,并以黃河某水電站為計算實例,先后在ibm-pc微機和m-360大型機上實現.運算結果表明,本模型的經濟效益是巨大的,按模型分配日水量比只考慮調峰發電要求分配日水量增加日效益24.76萬元,比只考慮航運要求分配日水量增加日效益2.25萬元,比水電站實際運行增加日效益11.73萬元.本模型具有較好的通用性,只要輸入某些參數(預測的日負荷、日平均流量、水頭、水電站效率),即可自動打印出日水量最優分配表,可有效地指導水電站運行.

通過建立某水電站廠內經濟運行的數學模型,運用遺傳算法制訂該水電站廠內經濟運行的控制計劃。通過對初值的敏感性、收斂速度和優化結果三方面驗證,發現遺傳算法對初值不敏感且收斂速度較快。當遺傳算法精度逐漸增大時,搜索速度逐漸減慢,且搜索效率降低,這時需要進行算法的改進。

1概述\r\n遺傳算法《geneticalgorithm）是一種基于生物遺傳和進化過程的計算機模擬，遺傳算法使得各種人工系統具有優良的自適應能力和優化能力，遺傳算法所借鑒的生物學基礎就是生物的遺傳和進化。在進化論中，每一物種在不斷的發展過程中都是越來越適應環境，物種的基本特征被后代繼承，但后代又不完全與父代相同。對于這種新的變化，若適應環境，則被保留下來；否則，就將被淘汰。亦即適者生存，不適者淘汰。遺傳算法就是模仿了生物的遺傳、進化原理，并引用了隨機統計原理而形成的優化算法。

水電站實行經濟運行既可帶來巨大的經濟效益,又可以節約寶貴的水資源。文章介紹了一種新的模擬優化算法——蟻群算法,并根據水電站廠內經濟運行問題與旅行商問題的相似性,通過合理處理約束條件與目標函數,將水電站廠內經濟運行問題轉化為旅行商問題,從而提出了一種用蟻群算法求解水電站廠內經濟運行問題的數學模型。實例驗證表明此方法具有較高的實用價值。

介紹一種將懲罰函數、動態修正出力-流量(n-q)關系與優化算法相結合實現水電站廠內經濟運行的方法。該方法可針對短期優化調度結果(日負荷過程)制定啟停計劃,實現負荷的經濟分配,并且考慮了機組間的效率差異、機組啟停成本、氣蝕振動區、機組可用性及主接線方式等約束條件。算例表明該方法不僅能解決廠內經濟運行的多約束問題,而且能與電力市場下的短期優化調度很好地結合起來。該方法易于實現程序設計且計算速度快。

本文應用動態規劃法建立了水電站機組間水量最優分配模型.模型求解過程中,通過處理空載流量,只需計算一種機組組合方案,即可求出機組間水量最優分配方案,對于四臺機組,其計算工作量只是通常方法的1/15,機組臺數越多,節省的計算工作量越大.此外,通過對模型的改進,在可用水量一定的情況下,可用漢字打印出多個最優分配方案,增加了水電站經濟運行的靈活性.實例表明,用該模型分配水量比用平均法分配水量增加年發電量3212萬kw·h.本模型對提高水電站的經濟效益、有效地指導水電站經濟運行,是切實可行的.

本文提出求解水電站廠內經濟運行問題的新方法－遺傳算法，它不同于常規優化算法的特點在于，從多個初值點開始，沿多路徑搜索實現全局或準全局最優，計算過程不需要存貯狀態或決策變量的離散點，減少計算機內存，不必求導計算，編程簡單，是一種有效的自適應隨機搜索算法。

針對徑流式水電站基本無調節能力的運行特點,提出其發電量最大優化調度模型,并采用罰函數法與自組織進化規劃法相結合進行模型求解.選擇某徑流式水電站進行模擬計算,說明該方法具有求得整體最優解的能力,算法可行.

作者研究了一種新的水電站最優發電實時控制迭代算法,其基本思想簡單清晰,易于實現。這種算法對水電站發電機組的負荷經濟分配和機組的最優組合相當有效,以該算法為基礎的控制系統已實際應用于黃壇口水電站的微機實時監控系統中,現場運行表明,本算法具有實時性、平穩性和最優性。

梯級水電站中長期經濟調度是一個典型非線性優化問題，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梯級發電量最大。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、易陷入局部最優的缺點，引入差分進化算法中的變異、選擇操作，實現動態控制變異概率。建立兼顧梯級最小出力最大化的梯級總發電量最大模型，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（縮放因子、最大迭代次數）進行測試與分析。采用iba、ba、逐步優化算法（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定的出力，同時縮短計算時間，獲得更高精度解。

提出一種應用搜索法、動態規劃法實現梯級水電站日經濟運行的數學模型和算法。它既可用于實時的梯級水電站發電控制，又可用于控制梯級水電站日發電計劃。本數學模型和算法理論上嚴謹、計算時間比較短，能滿足實際運行的需求，此模型和算法應用于東江梯級電站、仿真計算的結果比較滿意。

針對梯級水電站廠內經濟運行調度模型約束條件多、求解復雜的問題,提出了一種基于遺傳算法的雙層耦聯求解算法,該算法兼有機組負荷分配和機組組合雙重優化的特點,可同時求得廠內經濟運行優化調度模型的全局最優解。研制開發了基于此算法的梯級水電站廠內經濟運行優化調度程序軟件,并且已應用于某流域梯級水電站廠內經濟運行實際調度計算中,取得了較高的工程應用價值。

擬改建夏島水電站及庫區所在區域屬城市及郊區,賀達紙業公司年產7萬t全漂白硫酸鹽桉木漿工程生產廢水經公司污水處理廠處理后于夏島水電站壩址下游50m處排入賀江。兩大主要污染源直接影響到夏島水電站改建工程的實施,在大量調查資料及預測的基礎上,結合對近幾年來的科研成果及相關資料分析,從系統的角度,研究了夏島水電站最小下泄流量,并提出了在一定條件下水電站蓄水建議。

就提高水電站水能利用率為目標,建立模型,通過數值方式進行運算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機組優化運行;并比較了電站比較了采用傳統方法、采用優化算法以及采用優化算法下縮小峰谷負荷差和無峰谷負荷差幾種工況下耗水量,能夠提高水輪機發電效率的運行參數.

水電站的出力值n為通過水輪機的流量q、凈水頭h及水輪發電機組效率η的函數值,即n=f(q,h,η)。北方河流及黃河中游的水利樞紐工程,多以綜合利用為開發目標,往往將發電放在“兼顧”的位置上。因此,綜合利用水庫的

水電站廠內經濟運行問題在本質上是一個目標函數連續和變量離散的非線性約束優化問題。針對其求解困難,本文將模型轉換為只具有兩界約束和離散約束條件的優化問題,并首次將罰函數法和一種新型的群智能算法——仿電磁學算法融合起來對該優化問題進行求解。詳細闡述了算法的改進過程、離散變量的處理和基本求解步驟。通過兩個算例的仿真分析及其與遺傳算法的比較可知所提算法在水電站廠內經濟運行方面正確有效。

水電站大壩最小下泄流量的分析 1前言 在小水電開發建設過程中，過去考慮較多的是對區域經濟的發展和發電效益， 而對保護生態水環境考慮的較少，如不考慮電站大壩最小下泄流量而引起下游河段 水環境惡化等問題，已越來越引起社會各界的關注。特別是引水式電站，由于其大 壩與廠房之間往往會形成一定的脫水段，脫水段的形成必然會給下游生態環境造成 一定的影響。如何確定大壩下泄最小流量，才能滿足下游生態環境需水量的要求呢， 國內外有許多學者提出了各種生態環境需水量計算方法，如濕周法、河道內流量增 加法、“r2cross法”、最枯月平均流量法等等，但是在我國目前還沒有一個統一 的計算標準。本文結合《福建省將樂縣鄧坊一級電站》實例，用代表年法和長系列 法，對大壩下泄最小流量的確定進行了分析和初步探討。 2工程概況 鄧坊一級電站位于福建省將樂縣高塘鎮鄧坊村境內的鄧坊溪河畔，為一引水式 電站。壩

水電站大壩最小下泄流量的分析——在小水電開發建設過程中，過去考慮較多的是對區域經濟的發展和發電效益，而對保護生態水環境考慮的較少，如不考慮電站大壩最小下泄流量而引起下游河段水環境惡化等問題，已越來越引起社會各界的關注。特別是引水式電站，由于其...

針對水電站廠內經濟運行中需要考慮的關鍵問題,建立了相關的數學模型。根據該模型的特點,提出了一種基于遺傳算法求解的新思路。該算法采用浮點數編碼技術和以發電運行總成本倒數為適應度函數,并設計了一些啟發式技術和遺傳操作算子有效地處理模型中的各種約束條件,使得算法在遺傳操作迭代過程中的所有個體都是可行解。實例研究表明,模型合理,算法可行、有效。

水電站廠內經濟運行是電力系統的重要研究課題,能有效增加水電站的經濟效益。本文將類電磁機制算法用于水電站廠內經濟運行研究中。該算法模擬電磁場中帶電粒子間的吸引與排斥機制,將搜索解類比為帶電粒子,然后按一定的準則通過局部搜索、計算合力和移動粒子等環節使搜索粒子朝最優解移動。該算法具有全局優化能力強,編程實現簡單,收斂性好等優點。與水電站廠內經濟運行研究的多種已有方法進行仿真對比,結果證實該算法可有效解決水電站廠內經濟運行問題,可將該算法推廣應用到電力系統的其它問題研究中。

通過分析緊水灘水電站機組特性曲線,應用動態規劃法提出各機組最優運行組合,實現機組安全高效運行,達到節能降耗的目的。

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。