版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、控制理論與控制工程專業(yè)畢業(yè)論文 精品論文 小水電群智能優(yōu)化調(diào)度方法及系統(tǒng)開發(fā)關(guān)鍵詞:小水電群 智能優(yōu)化調(diào)度 粒子群優(yōu)化 Memetic算法 數(shù)學(xué)模型摘要:小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮
2、了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生
3、態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙
4、演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針
5、對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及
6、系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。正文內(nèi)容 小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的
7、生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引
8、用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改
9、進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法
10、,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系
11、統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃
12、法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,
13、以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策
14、略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它
15、們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全
16、文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;
17、遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研
18、究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)
19、文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;
20、設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水
21、電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間
22、隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)
23、化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳
24、模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不
25、同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電
26、是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究
27、小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(A
28、PSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)
29、秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提
30、出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔
31、凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度
32、方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題
33、,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。
34、將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒
35、子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了
36、很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系
37、統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地
38、處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,
39、實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以
40、對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理
41、小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先
42、介紹了小水電群、小水電群優(yōu)化調(diào)度的研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將
43、自適應(yīng)機制引入彈性粒子群優(yōu)化算法(RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算
44、法可以綜合各算法的優(yōu)點,具較好的性能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文
45、化衰老的標準;分析得出了GMCA的一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利
46、向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究小水電群優(yōu)化調(diào)度數(shù)學(xué)模型、優(yōu)化調(diào)度方法以及地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。主要研究工作如下: (1)首先介紹了小水電群、小水電群優(yōu)化調(diào)度的
47、研究背景及意義,在總結(jié)歸納大量文獻的基礎(chǔ)上,綜述了小水電群優(yōu)化調(diào)度問題的主要研究內(nèi)容和國內(nèi)外研究現(xiàn)狀。 (2)系統(tǒng)研究了小水電群優(yōu)化調(diào)度數(shù)學(xué)模型。建立了能夠統(tǒng)一描述串聯(lián)、并聯(lián)和混聯(lián)小水電群以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型;提出了以控制水位和棄水最小為目標的小水電群優(yōu)化調(diào)度數(shù)學(xué)模型,能夠體現(xiàn)小水電的生態(tài)環(huán)境功能;分析了發(fā)電引用流量約束,并設(shè)計了流量調(diào)節(jié)因子,以保證下游生態(tài)需水要求。 (3)研究了基于粒子群優(yōu)化算法的小水電群優(yōu)化調(diào)度。將自適應(yīng)粒子群優(yōu)化算法(APSO)應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真結(jié)果證明了算法可以有效地處理小水電群大規(guī)模優(yōu)化調(diào)度問題;將自適應(yīng)機制引入彈性粒子群優(yōu)化算法(
48、RPSO),并應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真證明了RPSO算法可以很好地克服APSO算法容易陷入局部最優(yōu)的弱點;分析了RPSO算法的時間復(fù)雜度,并將RPSO和PSO、APSO算法聯(lián)合應(yīng)用,經(jīng)測試比較,RPSO算法具有較好精度和穩(wěn)定度。 (4)研究了基于文化算法的小水電群優(yōu)化調(diào)度。深入研究了雙空間雙演化雙促進文化算法,將改進遺傳算法作為種群空間的全局搜索策略,將各子群體的優(yōu)秀個體提升為對應(yīng)文化單元的知識,以一定概率引入遺傳模擬退火算法和粒子群優(yōu)化算法作為優(yōu)秀知識指導(dǎo)種群進化的局部變異策略。將算法應(yīng)用于小水電群優(yōu)化調(diào)度問題,實例仿真并作算法比較,驗證了文化算法可以綜合各算法的優(yōu)點,具較好的性
49、能;將文化算法應(yīng)用于不同水文年的優(yōu)化調(diào)度,且采用不同的數(shù)學(xué)模型,分析了徑流隨機性對優(yōu)化調(diào)度結(jié)果的影響,并驗證了小水電群以控制水位和棄水最小為目標的數(shù)學(xué)模型簡單有效。 (5)研究基于基因擬子協(xié)同進化算法的小水電群優(yōu)化調(diào)度。提出了一種新的基因擬子協(xié)同進化算法(GMCA),并將其應(yīng)用于小水電群優(yōu)化調(diào)度問題。針對描述生物進化的遺傳算法,提出了編碼擬子和特殊擬子,并將它們和遺傳操作擬子一起形成算法文化;設(shè)計了多種擬子并形成多種文化,使不同的文化指導(dǎo)不同的生物群體進化;提出了文化進化的發(fā)展和消亡算子,以粒子群優(yōu)化算法作為文化感染策略,并以對應(yīng)種群的適應(yīng)值增幅大小作為判別文化衰老的標準;分析得出了GMCA的
50、一代算法時間復(fù)雜度最高不超過整個群體采用最復(fù)雜文化策略的時間復(fù)雜度;經(jīng)實例仿真、算法測試比較,證明了GMCA作為一種綜合算法,能組合多種遺傳操作算子,有優(yōu)良的性能;本文對八種小水電群智能優(yōu)化調(diào)度方法進行了比較分析。 (6)開發(fā)了地方電網(wǎng)小水電群優(yōu)化調(diào)度系統(tǒng)。結(jié)合溫州電網(wǎng)實例,提出了系統(tǒng)功能、系統(tǒng)模塊以及系統(tǒng)實現(xiàn)方法等;開發(fā)了系統(tǒng)并投入了實際的應(yīng)用。 最后,對全文的研究工作進行了總結(jié),展望了小水電群優(yōu)化調(diào)度問題研究的前景。小水電是優(yōu)質(zhì)的再生能源,是可持續(xù)利用的潔凈能源。我國的小水電建設(shè)已經(jīng)取得了很大的成效,現(xiàn)在如何高效地運行管理小水電越來越得到重視。隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變,小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將小水電聯(lián)合起來優(yōu)化調(diào)度,可以最大限度地發(fā)揮小水電的積極作用,并促進小水電的可持續(xù)發(fā)展。小水電群優(yōu)化調(diào)度問題是大規(guī)模、多目標、非線性優(yōu)化問題,數(shù)學(xué)模型和優(yōu)化調(diào)度方法是研究的關(guān)鍵。以發(fā)電量最大為目標的優(yōu)化調(diào)度數(shù)學(xué)模型更多地考慮了水的資源功能,而對水的生態(tài)環(huán)境功能考慮不足;基于動態(tài)規(guī)劃法的優(yōu)化調(diào)度存在“維數(shù)災(zāi)”等問題;遺傳算法容易出現(xiàn)“早熟”,計算時間隨問題規(guī)模顯著增加。 本文主要研究
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024-2030年中國微波爐滅菌柜行業(yè)市場發(fā)展分析及競爭形勢與投資戰(zhàn)略研究報告
- 2024-2030年中國微孔塑料行業(yè)市場發(fā)展趨勢與前景展望戰(zhàn)略分析報告
- 2024-2030年中國影視劇行業(yè)市場發(fā)展現(xiàn)狀分析及發(fā)展趨勢與投資前景研究報告
- 職工福利房購房合同范本
- 電力電子課程設(shè)計大綱
- 設(shè)備加工生產(chǎn)承攬合同范本
- 豬場消毒房建設(shè)合同范本
- 代購代銷貨物合同范本
- 外墻裝修合同范本
- 信息集成系統(tǒng)服務(wù)合同范本
- 海陵區(qū)部分規(guī)模企業(yè)情況一覽表
- 拉森鋼板樁現(xiàn)場施工專項方法
- Q/GDW1376.1-2013電力用戶用電信息采集系統(tǒng)通信協(xié)議:主站與采集終端通信協(xié)議
- (完整版)窗簾通用投標書
- 有機化學(xué)課件(賀紅舉)第三章脂環(huán)烴
- 銀行關(guān)于對發(fā)放公司類貸款貸后檢查情況的通報
- HEAD Recorder采集軟件詳細操作步驟
- 畢業(yè)論文華為榮耀網(wǎng)絡(luò)營銷策略研究
- 關(guān)于建設(shè)項目安全評價收費標準
- 人工氣道氣囊的管理專家共識(2020完整版)
- 挖掘機檢驗報告.doc
評論
0/150
提交評論