下载文档原格式
龙源期刊网 动态规划-粒子群算法在水库优化调度中的应用
作者：李顺新,杜辉
来源：《计算机应用》2010年第06期
摘要:水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。
针对这些问题,利用动态规划粒子群(DP-PSO)算法加以求解。
利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。
数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划遗传算法(DP GA)少。
关键词:水库调度;粒子群算法;动态规划
中图分类号:TP301.6
文献标志码:A。
基于粒子群算法的水电站水库优化调度方法发布时间：2022-05-31T05:26:58.490Z 来源：《新型城镇化》2022年11期作者：宋征祥蔡祥管念华[导读] 在研究水电站水库优化调度方法过程中，研究的重点就在于改进水电站水库优化调度的模型，从而使调度模型能够更好地反映水电站水库的实际情况[1]。
杭州华辰电力控制工程有限公司浙江省杭州市 310000摘要：传统的水电站水库调度算法复杂，计算时间长，并且得出的调度方案仍有缺陷，为此，提出基于粒子群算法的水电站水库优化调度方法。
设计基于粒子群算法的新的水电站水库优化调度方法，在建立水电站水库优化调度模型的基础上，使用粒子群算法，对调度模型进行优化计算，以得出最优的水电站水库优化调度方案。
最后的实验结果表明，设计的优化调度方法，对比传统方法更具优势，计算效率大大提高，能够得出最优的优化调度方案。
关键词：粒子群算法；水电站调度；优化调度；水库调度；中图分类号:G642 文献标识码:A0引言在研究水电站水库优化调度方法过程中，研究的重点就在于改进水电站水库优化调度的模型，从而使调度模型能够更好地反映水电站水库的实际情况[1]。
传统的调度算法计算复杂，且耗时长，并且得出的调度方案并不能满足实际的需求，仍有部分缺陷[2]。
为此，本文提出了基于粒子群算法的水电站水库优化调度方法。
本文设计了基于粒子群算法的、水电站水库新型改进调度方案，在建立水电站水库优化调度模型的基础上，使用粒子群算法，对调度模型进行优化计算，分析取得最佳的水电站水库优化调整策略。
最后的实验结果表明，设计的优化调度方法，对比传统方法更具优势，计算效率大大提高。
并且在此基础上，本文研究模型求解的最优化方法，实现了得出最优的优化调度方案。
1基于粒子群算法的水电站水库优化调度方法设计1.1建立水电站水库优化调度模型本文以水电站和发电型水库为主要讨论目标，设立水电站水库的优化调度模型。
优化调度的目标就是使发电收益达到最大值[3]，为此，相应的计算公式表示为：在上述公式中，不等式左边表示的是的最小出力参数，右边表示的是的最大装机容量参数。
数学建模校内竞赛论文论文题目：基于粒子群算法的水库群联合优化调度问题2013-07-18基于粒子群算法的水库群联合优化调度问题摘要由于水库在水资源的优化配置中发挥着重要的作用，本文基于粒子群算法建立了水库群联合调度的优化模型，使得它们在保证安全运行的基础上发挥最大的“群体”效应。
针对问题一，由于本题是关于各级枢纽电站的统一优化调度问题，具有非线性、离散性等特点。
本文采用基于群体智能的启发式全局搜索算法——粒子群（Particle Swarm Optimization）算法，通过更新粒子的个体最优解和全局最优逐渐向全局最优靠近。
而在枢纽电站的寻求全局最优解的时候，容易陷入局部最优（pBest)的陷阱当中，而本文运用的PSO算法能够有很多措施可以避免它，而找到全局最优（gBest）本文在构造库容—水位的关系时，运用SPSS进行了回归分析，得出了关于水位的回归函数。
在本文构建水库联合调度优化模型，以嘉陵江上的利泽，渭沱，草街和井口作为水库阶梯分析其在各个约束条件下的发电量最大值优化。
发现在仅考虑本段优化的条件下，得到一年之内的最大发电电量为35.63亿千瓦时，相对常年平均发电电量29.016亿千瓦时增长近21.8%。
得到了最优化调度的水位和流量关系。
针对问题二，运用第一题中的模型，考虑上游枢纽对第一级阶梯的入库流量的影响，考察枯水期时，分析得出上游枢纽电站对于枢纽工程的影响程度。
得到最优化调度的流量水位关系。
针对问题三，考虑梯级水库的正常蓄水位的提高和水轮机效率对联合调度的影响，运用第一题中得到的模型，考虑正常蓄水位提高0.5米，水轮机效率提高10%的工作效率情况下的最优化水位流量调度关系，分析每个水电站对于正常蓄水位和水轮机效率的灵敏度，并且分析得出其中的影响因素。
关键词：粒子群算法（PSO） SPSS回归分析水库群联合调度优化一问题重述随着水资源的不断开发利用，往往在一条河流上或一个流域内建成一批水库，形成了一个水库群。
混合粒子群算法在水库中长期发电优化调度中的应用马志鹏;周耀强;王森;史文杰【摘要】针对传统粒子群算法(PSO)早熟收敛、局部搜索能力不足等问题,提出一种混合粒子群算法(HPSO)求解水库优化调度问题.该算法引入混沌思想的遍历性特点生成初始解,提高初始种群质量;采用自适应惯性权重法平衡个体搜索行为,避免陷入局部最优.百色水库中长期发电优化调度实例研究表明,HPSO比PSO有更好的收敛性和优化结果,同时计算时间较传统动态规划方法大幅缩减,且优化结果相近,是一种水库优化调度可供选择的计算方法.【期刊名称】《人民珠江》【年(卷),期】2018(039)009【总页数】5页(P82-86)【关键词】水库优化调度;混合粒子群;自适应惯性权重;混沌【作者】马志鹏;周耀强;王森;史文杰【作者单位】珠江水利科学研究院,广东广州 510611;水利部珠江河口动力学及伴生过程调控重点实验室,广东广州 510611;河海大学水利水电学院,江苏南京210098;珠江水利科学研究院,广东广州 510611;水利部珠江河口动力学及伴生过程调控重点实验室,广东广州 510611;广州珠科院工程勘察设计有限公司,广东广州 510611【正文语种】中文【中图分类】TV697.1在水电站水库优化调度中，通常使用的模型求解方法[1]有非线性规划(NLP)、动态规划法(DP)、逐步优化算法(POA)等。
这些方法或多或少存在一些问题，如NLP方法需要对问题进行简化，降低优化结果精度；DP方法在求解过程中，其精度受限于离散点的个数，若个数较少，计算精度较差，若个数较多，计算时间呈指数增加，易出现“维数灾”；POA方法虽能有效地解决“维数灾”问题，但计算过程过度依赖初始解，容易陷入局部最优。
随着计算机技术的快速发展，越来越多的启发式智能算法，如遗传算法(GA)、模拟退火算法(SA)、蚁群算法(ACO)等，被越来越多地应用到水库优化调度中。
一些学者对这些智能算法做了进一步研究[2]，并对算法的运行机制[3-4]不断改进，对水库优化调度问题的研究提供有效的方法和经验。
