微粒群算法的梯級水電廠短期優(yōu)化調(diào)度

筆者依據(jù)實際工作經(jīng)驗及相關(guān)文獻(xiàn)資料的記載,對梯級水電廠群短期經(jīng)濟(jì)運行原則進(jìn)行分析,希望可以在日后提升水電廠群運行經(jīng)濟(jì)效益的過程中,起到一定促進(jìn)性作用,最終在我國社會經(jīng)濟(jì)發(fā)展進(jìn)程向前推進(jìn)的過程中,做出一定貢獻(xiàn)。

提出一種求解梯級水電站中長期優(yōu)化調(diào)度問題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調(diào)度計劃。算法把問題解抽象為螞蟻路徑,利用狀態(tài)轉(zhuǎn)移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解。實例計算結(jié)果表明,算法可以求解具有復(fù)雜約束條件的非線性梯級優(yōu)化調(diào)度問題。算法求解精度高、收斂速度快,為解決梯級水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

將改進(jìn)型螞蟻算法用于梯級水電站短期優(yōu)化調(diào)度問題,并通過引入遺傳算法的交叉和變異思想以及自適應(yīng)搜索半徑方法提高了螞蟻算法的搜索能力．以最小耗水率模型為例,給出了梯級水電站短期優(yōu)化調(diào)度問題改進(jìn)型螞蟻算法的數(shù)學(xué)描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實例驗證了改進(jìn)型螞蟻算法的優(yōu)越性．結(jié)果表明,與遺傳算法相比,改進(jìn)型螞蟻算法獲得了更優(yōu)的調(diào)度方案．優(yōu)化結(jié)果在取得更低耗水率的同時,減少了機(jī)組的啟停次數(shù),并且使所有機(jī)組連續(xù)高效運行,從而降低了機(jī)組的維護(hù)費用,并增加了梯級的經(jīng)濟(jì)效益．

將量子計算理論引入到蟻群優(yōu)化算法中,形成量子蟻群優(yōu)化算法(qacoa),用于梯級水電系統(tǒng)經(jīng)濟(jì)調(diào)度研究中,以系統(tǒng)在調(diào)度期內(nèi)實發(fā)電能和儲蓄電能最大為準(zhǔn)則構(gòu)造優(yōu)化目標(biāo)函數(shù)。qacoa融入了量子計算理論的疊加態(tài)和概率表達(dá)特性,以量子態(tài)為基本信息單元,將量子比特的概率幅用于螞蟻位置的編碼,利用量子旋轉(zhuǎn)門實現(xiàn)蟻群位置的更新,達(dá)到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運用qacoa對梯級水電系統(tǒng)經(jīng)濟(jì)調(diào)度進(jìn)行仿真,結(jié)果表明qacoa使調(diào)度期內(nèi)實發(fā)電能和儲蓄電能得到了明顯提高。

所謂梯級水電站聯(lián)合優(yōu)化調(diào)度就是指對于梯級水電站運行情況進(jìn)行全方位的監(jiān)控,在此基礎(chǔ)上通過現(xiàn)代化的信息技術(shù)以及優(yōu)化控制理論對于發(fā)電計劃進(jìn)行優(yōu)化,從而提升水電系統(tǒng)的安全性以及可靠性,并且有效降低發(fā)電成本,提升水電企業(yè)的經(jīng)濟(jì)效益。因此在進(jìn)行流域梯級水電站的優(yōu)化調(diào)度研究對于提升企業(yè)的效益非常重要。

遺傳算法是一種簡單、適用的搜索方法,經(jīng)常用于解決非線性復(fù)雜的問題。水庫群的最優(yōu)調(diào)度問題,就是利用搜索算法根據(jù)水庫群進(jìn)出水和綜合利用情況,把水電站水庫看作一個系統(tǒng),把系統(tǒng)的各元素,輸入/輸出參數(shù)等簡化和假設(shè)后建立簡化通用的數(shù)學(xué)模型,用搜索算法對該數(shù)學(xué)模型進(jìn)行優(yōu)化仿真,得出最優(yōu)解。

分析了人工魚群算法存在的問題,提出一種改進(jìn)人工魚群算法,并將其用于梯級水庫群的優(yōu)化調(diào)度.其改進(jìn)思想是采用動態(tài)調(diào)整人工魚視野和步長的方法,較好地平衡了人工魚群算法的全局搜索能力和局部搜索能力的矛盾;在此基礎(chǔ)上,針對算法局部更新策略引起的更新操作前后個體空間位置變化較大,降低收斂速度這一問題,在局部更新時采用了閾值選擇的策略.通過實例驗證了該改進(jìn)算法的有效性,并對改進(jìn)算法的閾值參數(shù)進(jìn)行了率定.

水是生命之源,也是生產(chǎn)的重要根本,環(huán)境生態(tài)的基礎(chǔ)配備,在近幾年的經(jīng)濟(jì)發(fā)展和國家建設(shè)中,針對水力發(fā)電的策略也有了相關(guān)的技術(shù)人員安排,有效的推進(jìn)可再生能源發(fā)電的合理性和完備性,提升電力系統(tǒng)運行狀態(tài)的綜合性和靈活性,促進(jìn)該種發(fā)電形式的有效開展。本文就基于改進(jìn)蟻群算法的梯級水庫群優(yōu)化調(diào)度研究進(jìn)行分析和歸納。

針對梯級水庫群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問題提出改進(jìn)的蟻群算法。為提高算法搜索效率采用新的信息素更新策略——ant-proportion,綜合考慮全局和局部信息。以漫灣—大朝山梯級水電站優(yōu)化調(diào)度為例,計算結(jié)果表明,改進(jìn)算法與基本蟻群算法相比具有更好的優(yōu)化結(jié)果和收斂速度,與逐步優(yōu)化法相比可靠有效。

利用廣義蟻群算法對梯級水庫進(jìn)行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機(jī)自動生成方式生成初始蟻群,并利用懲罰函數(shù)法處理邊界條件和其他非等式約束。實例結(jié)果表明,該算法搜索能力強、精度高、可靠、有效實用。

以二倍體遺傳算法為基礎(chǔ),設(shè)計了一種梯級水電廠自動發(fā)電控制(agc)算法。該算法既可用于離線制定梯級水電廠的日發(fā)電計劃,又可用于梯級水電廠的實時發(fā)電控制。算法中,出力限制條件在負(fù)荷分配方案的編碼中自動滿足,其它約束條件如負(fù)荷平衡、水量平衡(考慮梯級水庫間的水流流達(dá)時間)等則在計算個體適應(yīng)值時予以考慮。算法程序設(shè)計簡單,收斂速度快。仿真計算驗證了該算法的有效性

梯級水電站優(yōu)化調(diào)度對于增加系統(tǒng)發(fā)電量,降低耗水率,充分利用流域水能資源,提高整個梯級水電站群的經(jīng)濟(jì)效益和運行水平具有重要意義。建立\"一庫多級\"梯級水電站群短期優(yōu)化調(diào)度模型,研究采用逐步優(yōu)化算法(poa算法)進(jìn)行模型求解的方法和步驟,在此基礎(chǔ)上開發(fā)調(diào)度軟件,并以金溪流域梯級電站群為例對算法實際應(yīng)用效果進(jìn)行分析。研究結(jié)果表明,采用poa算法能夠有效提高水電站發(fā)電量3%以上,且poa算法具有易于計算機(jī)程序?qū)崿F(xiàn)的特點,在水電站自動優(yōu)化調(diào)度方面具有較大優(yōu)勢。

鑒于梯級水電站優(yōu)化運行的高復(fù)雜度、強非線性、多約束等特點,構(gòu)建了基于峰谷分時電價下的梯級水電站日最大發(fā)電效益模型。針對遺傳算法(ga)等傳統(tǒng)智能算法對復(fù)雜模型求解易陷入局部最優(yōu)的問題,提出一種水循環(huán)算法(wca)與水位廊道約束耦合、降低約束復(fù)雜度、規(guī)范尋優(yōu)空間的方法,并以湖北某梯級短期優(yōu)化調(diào)度為背景進(jìn)行建模仿真,將計算結(jié)果分別與ga和粒子群算法(pso)所得結(jié)果進(jìn)行比較。實例研究表明,wca計算的總效益在豐、平、枯典型日分別比ga和pso計算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強,為解決梯級水電站優(yōu)化調(diào)度問題提供了新思路。

提出一種求解梯級水電站中長期優(yōu)化調(diào)度問題的方法一蟻群算法（antcolonyalgorithm，aca）．算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調(diào)度計劃．算法把問題解抽象為螞蟻路徑，利用狀態(tài)轉(zhuǎn)移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解．實例計算結(jié)果表明，算法可以求褲一具有復(fù)雜約束條件的非線性梯級優(yōu)化調(diào)度問題．算法求解精度高、收斂速度快，為解決梯級水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法．圖1表2參8

著重介紹了清江流域梯級水電廠實現(xiàn)聯(lián)合優(yōu)化調(diào)度,無論是對提高電網(wǎng)安全穩(wěn)定運行水平和改善電能質(zhì)量,還是對提高發(fā)電企業(yè)的經(jīng)濟(jì)效益都具有重要作用;探索了在與電網(wǎng)經(jīng)營企業(yè)聯(lián)合優(yōu)化調(diào)度過程中各種不同效益的補償方式,同時也探討了實現(xiàn)梯級聯(lián)合優(yōu)化調(diào)度應(yīng)解決的幾個問題,以便電力企業(yè)在激烈的市場競爭中進(jìn)一步降低成本,提高效益,為國家的能源基礎(chǔ)產(chǎn)業(yè)作出更突出的貢獻(xiàn)。

本文提出了一種基于懲罰改進(jìn)的蟻群最優(yōu)化算法,并應(yīng)用于水庫群的梯級調(diào)度優(yōu)化研究中。本算法以蟻群蜂群算法中群體協(xié)作的反饋機(jī)制、隨機(jī)搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計算性及較強的魯棒性為基礎(chǔ),進(jìn)行問題空間的全局尋優(yōu);同時針對梯級調(diào)度優(yōu)化中常見的多維變量約束條件,借鑒模擬退火算法思想,在目標(biāo)函數(shù)中構(gòu)造了懲罰因子,使得帶約束問題轉(zhuǎn)化為了純粹的優(yōu)化問題。經(jīng)實例驗證,本算法具有普遍的梯級調(diào)度優(yōu)化解決能力,并與傳統(tǒng)的遺傳算法及人工粒子群算法相比,具有更好的精度、收斂速度和尋優(yōu)能力。

＆ 71 蓋葷善夤期in1．。水】州妻嗜yd源rnatiohaloe科lect學(xué)ricehercttrn●lour丑置量ltoi．1ono．35ep．192 神經(jīng)網(wǎng)絡(luò)理論在梯級水電廠 短期優(yōu)化調(diào)度中的應(yīng)用 虞錦江 (華中理工大學(xué)) 摘要 、j。 苯文將人工神縫元只絡(luò)用于求解梯級批電廠短期經(jīng)濟(jì)運行問題，鲞于 hopfield模型建立了一類非線性規(guī)劃問題的人工神經(jīng)元網(wǎng)絡(luò)模型，并提出了筮 期經(jīng)濟(jì)調(diào)度的神經(jīng)同絡(luò)方法． 關(guān)蕾飼譴塹終．梯級電廠·短期選哩塞布簪t。遙廠． 1號l窘 電力系繞梯級水電廠短期經(jīng)濟(jì)運行方式的編制是電力系統(tǒng)運行調(diào)度中復(fù)雜的問魎之 一 ．梯級水電廠的短期經(jīng)濟(jì)調(diào)度問題可描述為滿足水、機(jī)、電方面的各種約束條件，計及 永、火電廠的發(fā)電特性、電網(wǎng)傳輸特性、永庫

水庫調(diào)度圖是水電站發(fā)電調(diào)度運行的基礎(chǔ),然而現(xiàn)有研究和算法大都集中在單庫調(diào)度圖,庫群發(fā)電調(diào)度圖成果較少。本文結(jié)合我國開發(fā)得較為完善的烏江流域梯級水電站群,提出了一種實用的梯級水電站群發(fā)電優(yōu)化調(diào)度圖制定方法。該方法以單庫調(diào)度圖為基礎(chǔ),綜合形成初始的庫群調(diào)度圖,并以此進(jìn)行模擬調(diào)度,即根據(jù)兩種調(diào)度圖對長系列資料逐時段計算,獲得兩種負(fù)荷結(jié)果,最終運用庫群負(fù)荷分配調(diào)整兩種負(fù)荷的偏差,獲得調(diào)度結(jié)果;然后以模擬調(diào)度統(tǒng)計的多年平均發(fā)電量最大為目標(biāo),采用逐次逼近算法不斷修正兩種調(diào)度圖的基本調(diào)度線,最終獲得滿足精度要求的單庫調(diào)度圖和庫群調(diào)度圖。較常規(guī)方法,本方法方便一次性得出水電站(群)調(diào)度圖。模擬調(diào)度結(jié)果表明所建立的方法有效、實用,在兼顧電網(wǎng)對電站要求的基礎(chǔ)上,大大提高了梯級長期發(fā)電效益。

針對以發(fā)電為主的梯級小水電群,以各水庫的發(fā)電引用流量為決策變量,建立了以發(fā)電量最大為目標(biāo)的梯級小水電群優(yōu)化調(diào)度數(shù)學(xué)模型;設(shè)計了pso算法和apso算法的工程實現(xiàn)方法,具體包括編碼設(shè)計、迭代方法設(shè)計以及慣性權(quán)重設(shè)計等;通過一個具有兩庫串聯(lián)的梯級小水電群實例,將pso算法和apso算法的仿真尋優(yōu)過程進(jìn)行了比較,結(jié)果顯示兩種算法是有效的,并且apso算法具有更強、更快的全局搜索能力;將apso算法的仿真結(jié)果與同一條件下的ga算法的仿真結(jié)果進(jìn)行了比較,結(jié)果顯示apso算法的仿真結(jié)果更優(yōu),更能充分利用水能資源。

建立了梯級水電站中長期聯(lián)合優(yōu)化調(diào)度模型,并采用逐步優(yōu)化算法對其進(jìn)行求解。以金沙江中游梯級水電站群為例,通過計算,得到了合理的聯(lián)合優(yōu)化調(diào)度方案。與各水庫單獨運行對比,其多年平均發(fā)電量、枯期發(fā)電量及水量利用率均有不同程度的提高。該結(jié)果表明此方法應(yīng)用于實際生產(chǎn)中切實有效,也為梯級水電站聯(lián)合優(yōu)化調(diào)度運行提供了一種可行的途徑。

針對梯級水電站群短期統(tǒng)一優(yōu)化調(diào)度中調(diào)度期水量不平衡問題，基于水量平衡原理提出了考慮水流滯時影響的梯級水電站群短期統(tǒng)一優(yōu)化數(shù)學(xué)模型，將受水流滯時影響的調(diào)度期分為受前一調(diào)度期影響時段、本調(diào)度期影響時段和影響下一調(diào)度期時段3部分。在此基礎(chǔ)上，采用基于poa的模型分塊求解方法，選取大渡河瀑布溝及以下梯級水電站群開展實例研究。結(jié)果表明，采用的方法能夠很好地克服水流滯時所帶來的計算困難，較好的體現(xiàn)受水流滯時影響的調(diào)度期發(fā)電效益，簡單實用，有較強的通用性。

以差分進(jìn)化算法(de)為基本框架,結(jié)合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索優(yōu)勢以及多核并行計算技術(shù)(pc),提出一種新的并行混合差分進(jìn)化算法(phde),即將de與ca、slfa進(jìn)行有機(jī)融合,分別對精英個體進(jìn)行混沌局部搜索和對較差個體進(jìn)行蛙跳局部更新,且差分進(jìn)化運算、混沌局部搜索和蛙跳局部更新均采用pc,以有效縮短計算時間。phde具有三點優(yōu)勢:一是保留了de簡單易行、收斂迅速的特點;二是繼承了ca、slfa的遍歷性,能夠避免早熟收斂現(xiàn)象;三是通過合理的并行模式,有效降低了計算時間。典型測試函數(shù)表明了phde的可行性、高效性和魯棒性。實例研究表明,phde具有較好的優(yōu)化性能和計算效率,為高效求解水庫群優(yōu)化調(diào)度問題提供了一種可行途徑。