基于模拟遗传混合算法的梯级水库优化调度图制定

将遗传算法与系统模拟相结合,提出了基于模拟遗传混合算法制定梯级水库优化调度图的理论及方法,并以乌江上游梯级水库为研究对象,进行实例分析,绘制了梯级水库优化调度图。结果表明,采用该调度图指导水库运行,与长系列补偿调节计算相比,梯级电站多年平均发电量增加了4.3亿kW.h,可为乌江梯级水库群合理调度提供可靠的技术支持。     

面向生态的流域梯级电站调度研究

针对长江三峡梯级水库长期优化调度问题,建立了考虑多个生态要素的水库群优化调度模型,深入探讨了面向生态的流域梯级电站调度需要考虑的相关要素,并结合三峡梯级水利枢纽工程的实际生态环境状况,提出了7组满足生态时空需求的水库调度方案,建立了以梯级水电站发电效益最大为目标,以生态方案为约束条件的长期优化调度模型,并引入PSO优化算法进行求解,最后结合水库出流过程与天然径流的定量关系给出了调度效果的评价方法.     

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.     

改进的禁忌搜索算法在梯级水库联合优化调度中的应用研究

禁忌搜索算法是模拟人的思维的一种智能搜索算法.文章在探讨梯级水库联合优化调度的禁忌搜索算法中,针对该方法对初始解依赖性强、后期迭代效率低等局限性,提出了动态规划-禁忌搜索算法在梯级水库联合优化调度中的应用.通过实际算例验证了该方法的可靠性,从而为高维梯级水库的优化调度提供了一条新的求解途径.     

多尺度多模型的梯级水库优化调度决策支持系统

梯级水库群优化调度因来水预报不确定性强、水库群优化变量维数高、决策评估目标多等特点,一直是学术界和工程界的研究热点.本文分析了不同时间尺度的水文预报模型与优化调度模型的基本特征与数据需求,建立了多尺度多模型的梯级水库优化调度决策支持系统.该决策支持系统将数值天气预报的有效预报期(15d)作为短期调度模块与中长期调度模块的时间分界.短期调度模块采用数值天气预报降水量和数字流域模型预测未来15d的日径流过程,使用预报结果进行短期的梯级水库优化调度;中长期调度模块采用基于自回归和遥相关的组合预报模型,预报未来1年的月径流过程,用于中长期的优化调度.本文采用面向服务的软件架构(SOA),将年、月和日尺度的预报和调度模型集成,构建决策支持系统,可以实现多时间尺度的水情滚动预报和梯级水库优化调度.本系统在黄河上游干流梯级水库群和大通河流域梯级水库进行试验应用,结果表明该系统能够快速集成分析相关水情数据,开展梯级水库优化调度演算,及时为决策者提供清晰有效的决策辅助信息.     

分区优化控制在水库群优化调度中的应用

以长江中上游15座骨干水库组成的大规模混联水库群联合发电优化调度问题作为研究对象,提出一种新的优化控制方法,其思路是:从流域梯级大规模电站群整体优化角度出发,以总发电量最大为目标建立大规模水库群分区优化调度模型,根据电站所属流域相对位置以及其水力补偿关系进行虚拟分区,以控制区内电站群子系统为对象进行分区优化控制;在此基础上,采用约束廊道法有效解决长期发电优化调度问题中的多约束耦合问题.将该方法应用到长江中上游大规模混联水库群联合发电优化调度问题的求解中,结果表明:所提出的方法求解精度高、时效性好,具有较强的工程实用性,为求解高维、复杂梯级水库群优化调度问题提供了一种新思路.     

考虑生态流量的梯级水库柔性决策研究

研究了生态流量对梯级水库调度柔性决策的影响,建立了以梯级水库发电量最大和满足发电保证率为目标,且考虑河道生态用水的水库优化调度模型,借鉴异轨同效研究成果,采用了改进的动态规划法对模型进行求解.结合调度中发电量、弃水量和发电保证率与生态流量相关关系,分析了生态流量对水库调度决策空间的影响,验证了改进动态规划法在水库调度应用中的稳定性.结果表明:生态流量的变化改变了水库调度的决策范围,尤其是枯水期水库调度的决策范围,而改进的动态规划法能在决策空间改变情况下产生稳定合理的计算结果.     

三角函数选择算子的遗传算法在梯级水库优化调度中的应用

针对遗传算法求解水库优化调度时传统选择算子无法克服适应度非负问题,提出了一种三角函数选择算子遗传算法的梯级水库优化调度求解方法,并通过实例对正弦函数轮盘赌选择与单纯轮盘赌选择的自适应遗传算法做了比较．结果表明,由于基于正弦函数的选择算子克服了轮盘赌对适应值非负的要求,非常适用于求解水库优化调度,且能够很好地保持种群多样性,因此在进化后期能够找到更加优良的解．在实例的选择上,选用“以水定电”的三峡梯级调度模型,并采用由大量实测资料建立的三峡出库流量和葛洲坝入库流量变系数线性回归方程来处理水库间流量传播问题．本文提出的梯级水库优化调度求解方法,有效地改善了遗传算法的收敛性能,而且由于考虑了流量演进,提高了模型精度,具有较高的实用价值．     

基于免疫进化的蚁群算法在梯级水库优化调度中的应用研究

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。     

三峡梯级短期优化调度大系统分解协调法的应用

针对梯级间流量传播对梯级水电站短期优化调度影响的问题,采用实测资料率定梯级间流量传播系数,构建了计算梯级间下游水电站入库流量的变系数线性回归方程,建立了"以水定电"模式下考虑流量传播影响的梯级水电站群短期优化调度系统分解协调模型.三峡梯级应用实例表明,当上游水库出库流量较小时,流量传播对梯级短期优化调度结果影响较大,且分解协调算法较轮库迭代法可有效减少解算时间,提高模型运算效率.