基于改进引水规则的跨流域供水水库联合优化调度研究

针对已有引水规则的引水效率有待进一步提高的问题,本文提出了一种引水规则的有效改进型式,以及改进规则下受水水库引水量的确定方法.该改进规则同时考虑了调水水库和受水水库的蓄水状态,并且在受水水库采用双引水控制线型式(引水控制线上限和下限).若调水水库可调水,当受水水库蓄水状态处于引水控制线下限之下,即缺水量较大时,满引;当受水水库蓄水状态处于引水控制线上下限之间,即缺水量较小时,引水量为满引与不引之间的线性插值;若受水水库蓄水状态处于引水控制线上限之上,即无缺水时,不引水.最后以辽宁省水资源联合调度北线工程为背景,采用多核并行PSO算法求解基于该改进引水规则的跨流域水库群联合优化调度模型.结果表明该改进引水规则在保证供水的情况下,提高了(特别是丰、平水年的)引水效率,减少了引"弃水"的情况.     

基于集对分析的供水水库群联合调度规则

集对分析可以较全面地描述水资源系统中的不确定性,据此提出了确定供水水库群联合调度规则的集对分析新方法. 根据离散微分动态规划（DDDP）和拟定供水调度图确定的相同时段同一蓄水状态下的水库供水决策构成一组集对,通过遗传算法优化调度图中各调度线的位置,使两种供水决策联系度最大,从而得到最优调度图. 根据该原理,以水库群虚拟聚合水库为研究对象,采用多维DDDP与遗传算法可以确定聚合水库最优调度图,并以此作为水库群的供水规则. 在多维DDDP确定的供水决策样本系列中,选取与当前时段蓄水、来水情况最相似（联系度最大）的若干样本作为参照样本,将参照样本下水库放水量的加权平均值作为该水库当前时段的放水量. 以观音阁、葠窝水库群为例,验证了采用集对分析方法确定供水水库群联合调度规则的有效性和合理性.     

基于数据挖掘的水库供水调度规则提取

以供水调度为例对数据挖掘用于水库调度规则提取进行了研究.经分析主要选取了水库蓄水量、调度时段编号、需水量、径流量和水文年型5个特征属性构成数据集,通过数据挖掘从中发掘水库供水调度规则模式.采用径向基函数网络作为数据挖掘算法,将复杂的属性空间上的数据样本,映射为几种离散的供水调度模式,从而完成供水调度规则的模式划分.为了验证数据挖掘方法在调度规则提取上的效果,给出了调度图和调度函数方法用于供水调度的计算结果,三种方法的调度结果对比分析显示,数据挖掘方法在供水调度模式分类正确率和缺水指数两方面都是最好的,这反映出数据挖掘方法用于水库调度是合理有效的.     

基于Swarm的跨流域调水多Agent交互和协作仿真研究

阐述和分析以供、需方聚集体Agent相互之间、Agent与环境进行交互-协作-适应为特征的跨流域调水水资源配置和调度管理的复杂适应性.引入合同网协议,设计了改进的合同网协议以及任务分派、角色分配和承诺的兑现等交互协作行为规则,以及合同网协议自动状态机与算法.提出了跨流域调水多Agent仿真模型.与基于传统系统动力学的水资源系统配置和调度管理仿真方法不同,采用复杂适应系统为科学基础的系统仿真技术,在Swarm平台上建立仿真实验系统,仿真结果验证了多Agent模型和基于合同网协议的交互协作行为规则的合理性.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

水库联合调度的多目标多模型及分解协调算法

结合黄河干流水库联合调度，本文在探讨了调度目标选取、流达时间考虑、多年调节水库调度特点等有关问题的基础上，建立了水库优化调度的多目标多模型系统；应用大系统分解协调原理，提出了目标、模型组合问题及相应的分解协调算法；并给出详细的求解步骤。研究表明，文中提出的多目标多模型及算法对解决复杂河流大系统的水库联合调度具有重要意义和参考价值.     

水库调度PSO优化模型及求解方法

水库优化调度是水资源系统工程的一个典型,其实质是一个非线性的不等式约束优化问题,然而现行的求解方法中针对离散精度和复杂约束处理两个问题一直考虑不足,相关方面的研究也较少。将连续域寻优的粒子群算法引入到水资源系统工程中,建立水库调度的PSO优化模型,避免因离散而引起的寻优瓶颈,并针对传统粒子群算法的趋同性问题和复杂约束问题,提出退火罚函数法和混沌变异因子法,使改进后的粒子群能更有效地解决水库调度问题。通过实例分析,验证该方法的可靠性,为水库调度提供了一种新的求解途径。     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

用大系统分析方法解决梯级水电站群调度问题的新途径

梯级水电站水库群的调度方案,是梯级水电站群效益发挥好坏的关键问题之一。为了满足实际运行的需要,本文拟采用大系统分析技术来绘制梯级水电站水库群的调度图,以便于应用。最后,以安康和石泉水库调度为例进行验证,其软件运行结果令人满意。     

梯级水库联合运行水位控制方式研究

梯级水库联合运行的水库水位控制方式是充分发挥梯级水库综合经济效益的重要课题,尤其是对具有较强调节能力的大型梯级水库,联合运行的梯级水库蓄水水位,消落水位控制方式的合理性和有效性决定了梯级电站综合效益的好坏.本文以雅砻江下游梯级水库为例,建立了梯级水库群优化调度模型,提出并采用二重逐步优化计算方法,探讨了蓄水起始时间,最低运行水位的确定等水位控制方式中的两个关键性问题,并以该成果为基础,得到了不同来水频率下的优化水库水位控制方式,所得结论可为雅砻江下游梯级水库实际运行中调度方案的制定提供参考.     

无人机集群网电攻击行动协同目标分配建模

以一体化综合防空系统中的雷达为作战对象,从体系对抗的高度研究了无人机集群网电攻击行动协同目标分配的思路与方法,并以目标重分配规则与有人机/无人机协同规则为重点构建了基于协同目标分配规则的协同目标分配模型。然后研究了基于智能优化算法的协同目标分配模型求解方法,运用混合离散粒子群优化算法模拟有人机目标分配,运用基于协议规则算法模拟无人机目标分配。最后进行了仿真实验测试,实验结果证明了协同目标分配模型的有效性,并反映了集群自组网状态对于集群作战效能的重大影响,为无人机集群以及反无人机集群的战法设计提供定量依据。     

大型客运枢纽行人标识导向系统设计优化模型及其解法

大型客运换乘枢纽往往具有复杂空间结构,行人标识导向系统对提高枢纽换乘服务水平、引导公共交通出行具有积极促进作用.基于复杂建筑空间特点和枢纽功能管理要求,行人导向标识布设问题本质上可以归纳为复杂决策问题.基于此,建立考虑公交优先和财政投入的多目标优化模型,采用基于距离的粒子群改进算法(DISMOPSO)对模型进行求解.在铁路上海南站枢纽新一轮行人标识导向系统布设的实例中验证优化模型和算法的有效性.实证表明,本研究给出的优化模型与算法可以为大型客运换乘枢纽行人标识导向系统设计提供借鉴与帮助.     

考虑随机冲击影响的多部件系统视情维修与备件库存联合优化

视情维修与备件库存联合优化是确保装备内关键部件安全运行, 降低维修保障成本的有效方法。针对现有模型忽略复杂环境中随机冲击影响的问题, 提出一种考虑随机冲击影响的多部件系统视情维修与备件库存联合优化模型。首先, 建立随机冲击影响下的退化模型及可靠度函数模型, 在首达时间的意义下利用阈值转换思想推导出剩余寿命概率分布, 采用极大似然法估计退化模型参数; 然后, 制定视情维修与备件库存联合策略, 以平均费用率最低为目标建立联合优化模型, 利用粒子群优化算法和蒙特卡罗仿真进行求解; 最后, 通过实例分析和敏感性分析验证了所提模型的有效性和应用价值。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

干旱期供水水库运行策略优化分析

比较分析了标准运行策略及限制供水规则运用于干旱期水库供水系统运行策略模拟分析方面的特征;针对建立的基于供水限制规则的干旱期水库运行策略分析数学规划模型,为了克服多面体搜索法和线性逐步迭代法在模型求解过程中的不足,提出了将混合规划模型看作为供水限制控制参数的隐性非线性函数,而其非线性函数关系则由线性混合整数规划模型表达的新概念,并阐述了可解决该类问题的混合线性规划分枝定界法与模矢搜索法相结合的求解技术,最后以实例计算验证了该方法的有效性。     

基于Hammerstein-Wiener模型的广义预测控制

提出了一种新型的基于Hammerstein-Wiener模型的广义预测控制策略。采用基于最小二乘支持向量机的Hammerstein-Wiener模型描述非线性系统动态特性,作为被控对象预测模型。同时,针对现有遗传算法和混沌粒子群优化算法收敛速度慢和精度低等缺点,给出一种拟牛顿信赖域混沌粒子群混合优化算法,作为预测控制的滚动优化策略,函数测试和非线性对象的广义预测控制的滚动优化表明该算法的优越性。最后,对设计的预测控制器进行实例仿真,结果表明它能满足系统实时稳定运行的需求,取得了良好的控制效果。