耦合航运要求的三峡-葛洲坝梯级水电站短期调度快速优化决策

考虑航运和短期电力调度需求, 进行三峡-葛洲坝梯级水电站短期调度快速优化决策研究. 以航运保证率、库水位符合率和平均坝前水位为决策指标, 提出航运条件的评价方法和短期调度快速优化决策策略. 结果表明: 在确定三峡电站日运行方案下, 所提策略可以快速得出可行和最优的三峡-葛洲坝梯级水电站联合运行方案. 最优方案不仅符合航运要求, 而且可以提高三峡-葛洲坝梯级水电站的日发电量, 达到同步实现改善航运和优化电力调度的双重目标.     

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。     

基于文化克隆选择算法的梯级水电站联合优化调度

为求解梯级水电站联合优化调度问题,提出文化克隆选择算法（CCSA）。CCSA将克隆选择算法（CSA）嵌入文化算法（CA）框架,并根据克隆选择算法的特点,重新定义了文化算法信念空间的4种知识结构,进而利用这些知识结构指导克隆选择算法的演化过程,避免了高频变异对收敛速度的不利影响,从而提高了算法的收敛速度和搜索效率。函数仿真测试结果表明CCSA在继承CSA多样性好、不易早熟特点的基础上,收敛速度也有进一步提高。将CCSA应用于梯级水电站联合优化调度问题的求解,取得满意效果,为求解该问题提供了一种新的可行方法。

Abstract：

A novel optimization approach-cultured clone select algorithm （CCSA） was proposed to solve optimal dispatch problem of cascade hydroelectric stations.CCSA used cultural algorithm （CA） as its framework and clone select algorithm （CSA） in its population space.Considering the characteristics of CSA,CCSA redefined four knowledge structures in belief space and used these structures to guide the evolution process of CSA.By doing this,CCSA abated the adverse affect caused by high-frequency to convergence rate,thus it converged faster without destroying diversity.CCSA is first tested by several test functions,it is found that CCSA can avoid premature convergence effectively and has fast convergence rate.Then CCSA is applied to an optimal dispatch problem of cascade hydroelectric stations,the results show that it is effective and can be an alternative for this problem.     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

基于改进粒子群-模糊神经网络的短期电力负荷预测

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.     

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.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

一种新型自适应混沌粒子群算法在联盟运输调度问题中的研究

提出了一种新的自适应混沌粒子群优化算法.该算法在运行过程中根据群体适应度方差和最优解的大小确定当前最佳粒子引入混沌搜索有效位置的概率,有效结合粒子群全局和混沌局部搜索,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决联盟运输调度问题,实验结果表明该算法具有较好的性能.     

基于蚁群算法的海洋工程群项目资源调度研究

针对海洋工程项目管理的热点问题——群项目管理中的难点,即人力、资金、设备及材料等资源的合理、动态调度问题,提出了一种基于蚁群算法(ACO)的资源调度方法.该方法利用群项目间资源调度问题与旅行商问题(TSP)的相似性,结合ACO算法的特点,将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理.海洋工程群项目管理中资源调度的实例表明,该方法实现了资源的合理、动态调度,为海洋工程群项目管理提供了一较为有效的资源调度算法,对提高我国海洋工程及其他领域群项目管理水平具有一定意义.     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求。针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型。并提出基于凸优化的改进烟花算法（improved fireworks algorithm based on convex optimization, CVX-FWA）来对模型进行求解,对用户任务进行合理的卸载与资源分配。仿真结果表明,提出的计算卸载方案有效降低了任务总时延成本值,实现计算卸载资源的整体优化配置。     

大规模复杂决策问题求解的2+3模型及其分形性质

<正> 决策过程的任务是,选择一组互相联系的决策变量(决策行动、决策函数),在给定的环境条件或初始条件下,使一组互相冲突的要求得到某种意义上的满足。 研究决策方法的目的,是为了发现控制成功的复杂决策过程的一般规律,尤其是涉及开放的复杂巨系统的决策过程的一般规律,以便能     

运用样本更新的实时神经网络进行短期电力负荷预测

用多层神经网络模型解决短期电力负荷预测问题 ,提出了运用基于非梯度的单参数动态搜索(SPDS)算法训练网络 .这种学习算法可以克服 BP学习算法对规模大、特征多的问题难以收敛的困难 .根据预测日的天气信息进行样本集的动态构造和网络的实时训练 .计算结果表明 ,文中提出的模型可以较好地进行短期电力负荷预测 ,也验证了 SPDS学习算法的有效性.     

基于改进人工鱼群算法的梯级水库群优化调度

分析了人工鱼群算法存在的问题, 提出一种改进人工鱼群算法, 并将其用于梯级水库群的优化调度. 其改进思想是采用动态调整人工鱼视野和步长的方法, 较好地平衡了人工鱼群算法的全局搜索能力和局部搜索能力的矛盾; 在此基础上, 针对算法局部更新策略引起的更新操作前后个体空间位置变化较大, 降低收敛速度这一问题, 在局部更新时采用了阈值选择的策略. 通过实例验证了该改进算法的有效性, 并对改进算法的阈值参数进行了率定.     

基于免疫蛙跳算法的梯级水库群优化调度

针对混洗蛙跳算法存在的问题,结合克隆选择算法和混洗蛙跳算法各自优势,提出了一种免疫蛙跳算法(ISFLA),并将其应用于梯级水库群优化调度中. ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对整个群体循环进行分组进化与混合,在混合之后构造子群体执行克隆选择操作, 以提高算法的局部搜索能力.通过实际工程验证了该算法的可行性与高效性,从而为梯级水库群发电调度问题的求解提供了一种新的途径.     

基于仿真优化的集装箱港口大门作业调度研究

提出基于仿真优化的集装箱港口大门通道作业的调度优化方法.首先,建立了大门作业的离散事件仿真模型和调度优化数学模型;其次,设计了启发式Tabu搜索算法和仿真模型相结合的仿真优化方法;然后,结合仿真自动化方法和在线数据库实现了仿真优化系统;最后,用实例验证并分析了本方法的有效性及效率问题.结果表明了本方法对在线、实时作业调度优化问题的适用性.     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

实数编码遗传操作机制的研究

分析了典型的实数编码遗传操作机制存在的缺陷，在此基础上提出了两种算法稳定、搜索效率高的遗传操作机制，针对3个著名的测试函数，应用这三种遗传操作机制分别进行了多次的性能测试，通过仿真结果的多方横、纵向比较分析，结果表明改进的遗传操作机制的有效性和合理性。     

基于并行云变异蛙跳算法的梯级水库优化调度研究

本文针对混合蛙跳算法(shuffled frog leaping algorithm,SFLA)早熟收敛的问题,将云模型算法融合于SFLA算法中,形成一种云变异蛙跳算法(normal cloud mutation SFLA,NCM-SFLA),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.NET4的并行拓展库(parallel extensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(MDP)相比,NCM-SFLA方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.