本文關(guān)鍵詞：基于改進遺傳算法的梯級水電站優(yōu)化調(diào)度研究

  更多相關(guān)文章： 梯級水電站 優(yōu)化調(diào)度 遺傳算法 模擬退火

【摘要】：近年來,人們認識到水力發(fā)電的優(yōu)勢,水電資源被不斷開發(fā)。隨著大量的水電站在全國建成,梯級水電站群已經(jīng)成為主要的水電系統(tǒng)。梯級水電站優(yōu)化調(diào)度可以提高水電站與電力系統(tǒng)的經(jīng)濟管理水平,具有相當(dāng)高的投入產(chǎn)出比,是挖掘水電站潛力的重要手段。隨著梯級水電站的規(guī)模不斷擴大、優(yōu)化調(diào)度需求逐漸復(fù)雜,相關(guān)的優(yōu)化調(diào)度問題日益突出,需要不斷探索研究更好的優(yōu)化理論與優(yōu)化方法。針對梯級水電站優(yōu)化調(diào)度中普遍存在的“維數(shù)災(zāi)”及尋優(yōu)效果差等問題,結(jié)合改進遺傳算法進行了梯級水電站發(fā)電量的優(yōu)化計算。首先介紹了遺傳算法的基本原理,結(jié)合梯級水電站優(yōu)化調(diào)度對遺傳算法各個元素做了闡述。針對存在的易局部收斂和收斂精度低等問題,使用自適應(yīng)的控制理論對交叉算子和變異算子進行了改進,讓其根據(jù)適應(yīng)度的值自動改變。在算法中引入了混沌理論生成初始種群,有效地保持了種群的多樣性。其次,結(jié)合模擬退火算法生成了改進模擬退火遺傳算法,提升了全局尋優(yōu)能力和局部搜索能力,避免了算法陷入局部最優(yōu)解。最后,結(jié)合具體流域建立了梯級水電站長期優(yōu)化調(diào)度的數(shù)學(xué)模型,使用MATLAB作為計算工具對參數(shù)進行了設(shè)定,將改進后的算法程序應(yīng)用于建立的模型進行了求解。通過與傳統(tǒng)遺傳算法計算結(jié)果的比較與分析,得出了改進后的遺傳算法計算效果更好的結(jié)論,為解決梯級水電站優(yōu)化調(diào)度提供了又一種較為有效的途徑。
【關(guān)鍵詞】：梯級水電站 優(yōu)化調(diào)度 遺傳算法 模擬退火
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TV737;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 選題的背景及意義9-10
• 1.2 梯級水電站優(yōu)化調(diào)度的研究現(xiàn)狀10-14
• 1.2.1 傳統(tǒng)優(yōu)化方法在梯級水電站優(yōu)化調(diào)度中的研究概況10-12
• 1.2.2 智能算法在梯級水電站優(yōu)化調(diào)度中的研究概況12-14
• 1.3 本文研究的主要內(nèi)容14-15
• 第二章 遺傳算法15-24
• 2.1 遺傳算法的特點15-16
• 2.2 遺傳算法的基本流程16-23
• 2.2.1 編碼17-18
• 2.2.2 適應(yīng)度函數(shù)18-19
• 2.2.3 遺傳算子19-21
• 2.2.4 種群的初始化21
• 2.2.5 控制參數(shù)選擇21-22
• 2.2.6 約束條件的處理22-23
• 2.3 本章小結(jié)23-24
• 第三章 針對梯級水電站優(yōu)化調(diào)度的遺傳算法的改進24-33
• 3.1 傳統(tǒng)遺傳算法存在的弊端24
• 3.2 實現(xiàn)具體遺傳算法的優(yōu)化調(diào)度的元素設(shè)置24-27
• 3.2.1 選擇合適的編碼方式24-26
• 3.2.2 混沌算法生成初始種群26-27
• 3.2.3 適應(yīng)度函數(shù)的處理27
• 3.3 遺傳算法中遺傳算子的改進27-28
• 3.3.1 選擇算法的改進27
• 3.3.2 交叉算子的選擇27-28
• 3.3.3 變異算子的選擇28
• 3.4 遺傳算子的自適應(yīng)改進28-29
• 3.5 模擬退火遺傳算法29-32
• 3.6 本章小結(jié)32-33
• 第四章 梯級水電站最大蓄能的計算及優(yōu)化調(diào)度模型的建立33-41
• 4.1 梯級水電站蓄能計算的概述33-35
• 4.1.1 國網(wǎng)現(xiàn)行梯級水電站蓄能計算方法33-34
• 4.1.2 獨立水庫蓄能值計算方法34
• 4.1.3 梯級水電站蓄能值計算方法34-35
• 4.1.4 計算方法的不足35
• 4.2 基于實際可調(diào)水量的梯級水電站蓄能計算方法35-37
• 4.2.1 基本思想35
• 4.2.2 基于實際可調(diào)水量的梯級水電站蓄能計算方法35-36
• 4.2.3 計算方法分析36-37
• 4.3 梯級水電站長期優(yōu)化調(diào)度模型的建立37-40
• 4.3.1 目標(biāo)函數(shù)的選取37-38
• 4.3.2 約束條件的建立及處理辦法38-40
• 4.4 本章小結(jié)40-41
• 第五章 模型的求解及結(jié)果分析41-49
• 5.1 瀾滄江流域介紹41-42
• 5.2 算法的計算條件42-45
• 5.2.1 進行計算的水電站特性42-44
• 5.2.2 計算參數(shù)的選取44-45
• 5.3 計算結(jié)果分析45-48
• 5.4 本章小結(jié)48-49
• 第六章 總結(jié)49-51
• 6.1 全文總結(jié)49
• 6.2 展望49-51
• 參考文獻51-55
• 致謝55

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王森;程春田;武新宇;李保健;;自適應(yīng)混沌整體退火遺傳算法在水電站群優(yōu)化調(diào)度中的應(yīng)用[J];水力發(fā)電學(xué)報;2014年05期

2 申建建;程春田;廖勝利;張俊;;基于模擬退火的粒子群算法在水電站水庫優(yōu)化調(diào)度中的應(yīng)用[J];水力發(fā)電學(xué)報;2009年03期

3 陳立華;梅亞東;董雅潔;楊娜;;改進遺傳算法及其在水庫群優(yōu)化調(diào)度中的應(yīng)用[J];水利學(xué)報;2008年05期

4 周念來;紀(jì)昌明;;基于蟻群算法的水庫調(diào)度圖優(yōu)化研究[J];武漢理工大學(xué)學(xué)報;2007年05期

5 游進軍,紀(jì)昌明,付湘;基于遺傳算法的多目標(biāo)問題求解方法[J];水利學(xué)報;2003年07期

6 宗航,李承軍,周建中,張勇傳;POA算法在梯級水電站短期優(yōu)化調(diào)度中的應(yīng)用[J];水電能源科學(xué);2003年01期

7 王金文,袁曉輝,張勇傳;隨機動態(tài)規(guī)劃在三峽梯級長期發(fā)電優(yōu)化調(diào)度中的應(yīng)用[J];電力自動化設(shè)備;2002年08期

8 王孟林,陶家琪,周瑩,郭建宇,王天慧;水電優(yōu)化中的四邊形法則與準(zhǔn)單調(diào)收斂[J];電網(wǎng)技術(shù);2002年03期

9 劉俊萍,黃強,田峰巍,蔣曉輝;漢江上游梯級發(fā)電與航運的優(yōu)化調(diào)度研究[J];水力發(fā)電學(xué)報;2001年04期

10 羅強,宋朝紅,雷聲隆;水庫群系統(tǒng)非線性網(wǎng)絡(luò)流規(guī)劃法[J];武漢大學(xué)學(xué)報(工學(xué)版);2001年03期

，

本文編號：1056798