水电站水库优化调度的随机动态规划方法

以浙江枫树岭水电站为例,较详细完整地介绍了一种由动态规划与马尔可夫随机决策过程理论发展形成的随机动态规划水库优化发电调度的理论和方法,并用此方法建立了枫树岭水电站随机动态规划水库优化调度模型,通过计算,编制了电站的优化发电调度图。     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

确定梯级水库联合防洪预报调度方式优化方法研究

针对梯级水库拟定联合调度方式的复杂性,将常规优化调度和预报调度规划方式相融合,提出一种确定梯级水库联合预报调度方式的优化方法.首先,对于选定的调度目标,采用优化手段寻求梯级水库不同频率设计洪水的最优联合调度方式,并综合分析归纳最优泄流过程的特点;其次,对各库的预报调度潜力进行分析,结合最优泄流过程的特点选择预报判别指标,在不考虑预报误差的情况下拟定理想联合预报调度规则;最后,对预报判别指标的误差进行分析,在理想联合预报调度规则的基础上制定满意的联合预报调度规则.将该方法应用于昭平台与白龟山梯级水库,结果表明此方法在一定程度上减少了确定梯级水库联合调度方式的复杂性,为库群防洪预报调度方式研究提供了新途径.     

区间优化方法在水库调度中的应用

应用区间分析思想,将区间优化方法引入水库调度问题,同时以水库防洪调度为例,建立了区间优化模型．结合实例对水库调度区间优化方法进行验证,并与传统的动态规划方法做了对比．结果表明,区间优化方法用于水库调度问题,不仅优化原理清晰、计算方法易于理解,而且所得结果优于动态规划方法．     

基于混合DE—PSO算法的水库优化调度模型及其应用

水库优化调度实质上是一个非线性的不等式约束优化问题,在现行的求解方法中,对计算精度和复杂约束处理这两个问题一直考虑不足,相关方面的研究也较少．将粒子群算法和差分进化算法引入到水资源系统工程中,建立了水库调度的DE—PSO优化模型,避免了寻优瓶颈;针对复杂约束问题,提出退火罚函数法,有效地解决了水库调度问题．通过实例分析,验证了所给方法的可靠性．     

粒子群优化算法在水文科学中的应用进展

介绍了粒子群算法的标准算法及流程,探讨了粒子群算法在水库优化调度、水电站经济运行、参数优选等水文领域中的研究成果和存在的问题,指出未来应该加强粒子群算法改进机理和收敛性能的研究,并与其他算法技术相比较、结合,拓展其在水文科学领域的应用范围,为解决水文领域中大量优化问题提供新途径。     

水电站群随机优化调度方法的研究

本文应用大系统随机控制理论,提出了面临时段有径流预报且预报可信度高,和无径流预报或预报可信度差时,水电站群长期优化调度随机递阶控制方法。它不仅可同时考虑水电站群入库径流、水库蓄放水序列间的时空随机相关,避免了“维数灾”,而且给出了简单易行的水库群最优放水决策规则,以便对水电站水库群调度实现计算机控制。算例表明,该法是解决入库径流、水库蓄放水时空随机相关多目标多水库非线性优化调度问题的一条新途径。     

基于二维调度图的双库联合供水调度规则研究

针对双库库群联合供水调度问题,提出了一种基于二维水库调度图的水库群联合供水优化调度方法.二维水库调度图在由表示双库系统中各水库蓄水量的2条坐标轴与时间轴构成的三维坐标系下充分考虑每个水库蓄水量,在此基础上确定水库群的联合供水决策,并采用粒子群优化算法对调度图关键控制点位置进行优化.碧流河、英那河水库群的调度实验表明：二...     

发电水库群调度随机优化统计迭代算法研究

给出发电厂水库群优化调度随机统计迭代算法,通过计算最优余留效益函数,从而向了最优调度规则函数,其最优性与随动态规划方法相同,证明了算法的收敛性。     

面向汛期多任务的水库水资源优化调度研究

该文以面向汛期多任务的水库水资源优化调度为研究对象,探讨了基于多目标优化模型的水库优化调度方法,论文对汛期水库调度进行分期研究,利用多目标理论方法将多目标进行转换,使用动态规划法对汛限水位进行控制,并与传统调度方法进行对比分析,水电站水库优化调度是水电站长期经济运行的中心内容,是管理和控制水库安全可靠性,合理利用水资源、发挥水库综合效益的重要措施,是水电站及其水库长期运行计划的制定和实施的核心问题。相信对从事相关工作的同行能有所裨益。     

发电水库群调度随机优化统计迭代算法研究

给出发电水库群优化调度随机统计迭代算法,通过计算最优余留效益函数,从而得出最优调度规则函数,其最优性与随机动态规划方法相同．证明了算法的收敛性．     

粒子群优化算法在水库调度中的应用

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中。该算法通过个体间的协作与竞争,实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点。将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果。     

清江梯级水库群联合优化调度图研究

针对清江梯级水库群中长期调度问题,根据最优凋度结果确定了调度图的型式,引入了可能出力的概念,对水库群进行聚合,建立梯级总出力与梯级可能出力之间的关系.然后根据总出力是否为保证出力进行决策分解,由此采用一连串的二维水库调度图来描述水库群的联合调度规则.基于模拟调度.建立了优化模型,采用多目标遗传算法NSGA-Ⅱ进行优化计算,得到较好的联合优化调度图.模拟计算表明:对于1951～2005年实测径流系列,若采用梯级水库群联合优化调度图较常规调度方案年均发电量增幅可达2.62%;对于两种随机模拟方法生成的水文径流系列,若采用梯级水库群联合优化调度图,年均发电量可分别提高1.77%和2.52%,理论上经济效益显著.     

基于组织进化粒子群算法的水电站水库优化调度研究

为解决粒子群优化算法存在的早熟和易陷入局部最优的问题,提出了一种组织进化粒子群算法（OEPSO）。该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,较好地克服了基本粒子群算法易于早熟和陷入局部最优的缺点。在分析水库优化调度的数学模型和OEPSO算法特点的基础上,提出了基于OEPSO算法的水库优化调度的方法,建立了数学模型,并给出了具体求解步骤。实例验证表明,OEPSO算法具有良好的收敛速度和计算精度,为水库优化调度问题提供了一条新的有效求解途径。     

基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题

多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet, multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。     

一种求解产品设计项目调度问题的启发式方法

针对产品设计项目(product design project,PDP)调度问题,考虑任务工期的随机性特点和任务的返工可能性,扩展了传统的优先规则计算方法.提出了一种启发式调度方法,采用扩展优先规则和随机串行调度生成方案,以项目交付期最小为目标构造调度方案.通过抽样得来的随机工期向量获得近优调度策略.在不同工期可变幅度下对方法进行测试,实验结果验证了该方法的有效性,并显示在任务工期的不确定程度和任务返工可能性较大时,采用随机调度方法解决PDP的调度问题可以获得更高质量的调度方案.     

电力系统经济调度的量子粒子群改进算法

电力系统经济调度(economic dispatch,ED)通过合理配置电力资源,在满足实际运行约束的前提下,使发电成本率最小化。针对ED问题,将量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法与随机扰动策略相结合,提出了一种改进的随机扰动量子粒子群优化(QPSO with random perturbation,RPQPSO)算法。扰动策略采用2种方式,在进化后期根据随机概率对群中的每个粒子进行扰动,避免算法陷入局部最优。为了验证其有效性,利用一组标准测试函数对RPQPSO算法进行了性能测试,测试表明,该算法有助于增加种群多样性,提高算法的全局搜索能力。通过将该算法应用到典型电力系统中进行测试,该算法相较于传统遗传算法、粒子群算法和QPSO算法,在解的质量、鲁棒性和收敛性等方面都取得了较大的提高,表现出优异的求解性能。     

改进混沌优化算法在水电站水库优化调度中的应用

为提高多维目标函数全局最优解的计算精度,提出了一种改进的混沌优化算法(MCOA).利用混沌运动的随机性、遍历性和规律性进行全局寻优;通过引入解向量的优选,将解向量定位到最优解的附近,从而找出全局最优解.最后将该算法应用于水电站水库优化调度问题,并进行仿真计算,计算结果验证了算法的有效性.MCOA原理简单,易于编程实现,具有较大的实用价值,为求解水电站水库优化调度问题提供了一种有效方法.     

协同演化免疫算法提取水库调度规则研究

从复杂适应系统角度探讨了水库调度的复杂性,分析比较了水库调度规则提取过程与人体免疫反应中抗体种群协同演化的相似性,提出了基于协同演化人工免疫系统(CoEISM)水库调度规则提取模型,并应用于某水库供水调度规则提取,所获规则对训练与检验样本识别率分别为92.5%和84.4%,缺水指数为2.23(1014m6),与神经网络(RBF)提取结果相当。进一步研究表明,CoEISM用于水库调度规则提取是可行、有效的,不仅所获规则易于理解,能提供更为丰富的决策信息;而且调度规则自适应调整有利于调度人员做出适应调度环境变化的水库蓄泄决策。     

弹性粒子群优化算法及其在水电优化调度中的应用

为有效避免粒子群优化算法后期收敛速度慢的问题,提高寻优能力,设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法,建立了水电优化调度数学模型,提出了弹性粒子群优化算法解决水电优化调度问题的实现方法,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于Matlab语言的优化程序.实例仿真结果表明:弹性粒子群优化算法是有效的;相比基本粒子群优化算法和自适应粒子群优化算法,弹性粒子群优化算法求解水电优化调度问题具有更强的全局寻优能力和更快的收敛速度.