本文選題：水電站優(yōu)化調(diào)度 + 粒子群算法��； 參考：《水力發(fā)電》2017年09期

【摘要】：針對(duì)求解水電站優(yōu)化調(diào)度粒子群算法的改進(jìn),分析了粒子群算法在求解水電站優(yōu)化調(diào)度問題時(shí)對(duì)關(guān)鍵參數(shù)慣性權(quán)重調(diào)整的需要,提出了線性微分遞減的自適應(yīng)粒子群算法。通過前期減小緩慢的慣性權(quán)重,增加算法的探索能力跳出局部最優(yōu)解;通過后期減小較快的慣性權(quán)重,提升算法的開發(fā)能力加快算法收斂。以葛洲壩水電站優(yōu)化調(diào)度為例,對(duì)比了改進(jìn)算法和傳統(tǒng)算法。優(yōu)化調(diào)度實(shí)例表明:線性微分遞減自適應(yīng)策略增強(qiáng)了算法的尋優(yōu)能力和穩(wěn)定性。改進(jìn)算法能夠有效改善由于水電站優(yōu)化調(diào)度目標(biāo)函數(shù)非凸性帶來的粒子群求解易早熟問題,為水電站優(yōu)化調(diào)度粒子群算法慣性權(quán)重的改進(jìn)提供了新思路。
[Abstract]:Aiming at the improvement of particle swarm optimization (PSO) algorithm for optimal operation of hydropower station, the need of adjusting inertia weight of key parameters in PSO is analyzed. An adaptive particle swarm optimization algorithm with linear differential decline is proposed. By reducing the inertia weight slowly in the early stage, increasing the exploring ability of the algorithm to jump out of the local optimal solution, and by reducing the inertial weight quickly in the later stage, improving the development ability of the algorithm to accelerate the convergence of the algorithm. Taking the optimal operation of Gezhouba Hydropower Station as an example, the improved algorithm and the traditional algorithm are compared. The optimal scheduling example shows that the linear differential decrement adaptive strategy enhances the optimization ability and stability of the algorithm. The improved algorithm can effectively improve the precocity problem caused by the non-convexity of the objective function of the optimal operation of hydropower station, and provide a new idea for the improvement of the inertia weight of the particle swarm optimization algorithm for hydropower station optimization.
【作者單位】： 四川省都江堰東風(fēng)渠管理處;
【分類號(hào)】：TV737

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方衛(wèi)華;徐蘭玉;樂國興;梅星;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[J];大壩與安全;2012年03期

2 陳秀銅;李璐;;基于改進(jìn)粒子群算法的土石方調(diào)配優(yōu)化研究[J];水力發(fā)電學(xué)報(bào);2010年02期

3 劉方;紀(jì)昌明;向騰飛;周茜;;基于鯰魚效應(yīng)多目標(biāo)粒子群算法的水庫水沙聯(lián)合優(yōu)化調(diào)度[J];中國農(nóng)村水利水電;2012年11期

4 唐如洋;凌江;;基于粒子群算法的水利類試算問題求解[J];黑龍江水利科技;2013年10期

5 王仁超;劉金飛;李仕奇;張宗亮;;基于螞蟻和粒子群算法的土石方調(diào)運(yùn)優(yōu)化方法研究[J];水利學(xué)報(bào);2006年11期

6 程春田;唐子田;李剛;楊斌斌;;動(dòng)態(tài)規(guī)劃和粒子群算法在水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用比較研究[J];水力發(fā)電學(xué)報(bào);2008年06期

7 孫曉嬌;侯旭東;劉長良;;基于改進(jìn)粒子群算法的水輪機(jī)調(diào)速器參數(shù)優(yōu)化[J];自動(dòng)化與儀表;2010年05期

8 徐寶松;苗艷東;李波;雷霆;徐華俊;;基于粒子群算法的大壩力學(xué)參數(shù)反演[J];水力發(fā)電;2009年03期

9 龔曉雯;顧沖時(shí);;基于改進(jìn)粒子群算法的水口重力壩壩體參數(shù)反演[J];水電能源科學(xué);2010年02期

10 周佳佳;楊侃;鄧麗麗;;基于粒子群算法的水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行新算法[J];中國農(nóng)村水利水電;2014年06期

相關(guān)會(huì)議論文 前2條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

2 李慧峗;王本德;張永強(qiáng);曹明亮;;MATLAB粒子群算法工具箱在水文模型參數(shù)優(yōu)化中的應(yīng)用[A];變化環(huán)境下的水資源響應(yīng)與可持續(xù)利用——中國水利學(xué)會(huì)水資源專業(yè)委員會(huì)2009學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)碩士學(xué)位論文 前4條

1 王朝輝;基于粒子群算法的壩料動(dòng)參數(shù)反演[D];大連理工大學(xué);2016年

2 周逸之;基于粒子群算法的水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行分析[D];南昌大學(xué);2013年

3 余明明;基于混沌粒子群算法的大型水電站自動(dòng)電壓控制優(yōu)化研究[D];華中科技大學(xué);2013年

4 唐子田;水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行新型算法的研究[D];大連理工大學(xué);2007年

，

本文編號(hào)：2106223