發(fā)布時間：2021-10-07 12:13

　　隨著近年來流域梯級水電站的依次開發(fā),水庫的優(yōu)化調(diào)度逐漸從單庫調(diào)度發(fā)展到梯級水庫群聯(lián)合優(yōu)化調(diào)度,調(diào)度求解方法從傳統(tǒng)的線性規(guī)劃演變?yōu)橹悄軆?yōu)化算法求解。然而,水庫群優(yōu)化調(diào)度中存在“維數(shù)災(zāi)”,對目標(biāo)函數(shù)求解精度不高、效率低,約束條件處理不完全等問題未得到很好解決。因此,解決梯級水庫群優(yōu)化調(diào)度中的這些問題成為該研究領(lǐng)域的重要課題。本文以某流域4座梯級電站為研究對象,對梯級水庫群發(fā)電優(yōu)化調(diào)度的模型、智能優(yōu)化算法改進(jìn)及其求解水庫群優(yōu)化調(diào)度問題進(jìn)行研究。主要工作如下:首先,確定了以梯級水庫群發(fā)電優(yōu)化調(diào)度為最優(yōu)準(zhǔn)則,以發(fā)電量最大為目標(biāo)函數(shù),以水庫群水量平衡方程、水位、發(fā)電水頭、出力等為約束條件。其次,針對果蠅算法本身求解優(yōu)化問題時易陷入局部最優(yōu)的不足,構(gòu)建改進(jìn)果蠅算法——基于模擬退火機制的果蠅算法（SAFOA）,提高了果蠅（FOA）算法的執(zhí)行效率及局部搜索能力。文中給出了 SAFOA算法的實施步驟,并用經(jīng)典復(fù)雜高維測試函數(shù)對算法的性能進(jìn)行驗證,同時與粒子群算法（PSO）、果蠅算法（FOA）對比,對比表明SAFOA算法具有高收斂速度和高求解精度,可求解一般的優(yōu)化問題。最后,本文分別將PSO算法、FOA算法... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

果蠅種群迭代覓食過程示意圖

算法的性能測試及分析OA 與 SAFOA 兩種算法的性能，本文依據(jù)高維復(fù)雜測試標(biāo)準(zhǔn)性，選出其中 8 個代表性測試函數(shù)，從函數(shù)的維數(shù)、形式展開分析驗證，如表 3-1 所示。本文在 Matlab 2014aPSO）、果蠅算法（FOA）和果蠅算法的改進(jìn)（SAFOA）性較大，分別將 3 種算法的尋優(yōu)程序各運行 20 次，取其算法的求解效率、精度及尋優(yōu)能力，不僅與算法本身的復(fù)度函數(shù)的復(fù)雜度有關(guān)。本文選用 4 個高維單峰函數(shù)及 4 個A 算法的尋優(yōu)能力和執(zhí)行效率。各函數(shù)具體介紹如下：函數(shù)數(shù) 1 = 2 =1, ∈ [ 5.12,5.12]

圖 3-5 Schwefel 函數(shù)三維圖Figure 3-5 Three-dimensional graph of Schwefel function數(shù)的全局極小點位于 x＝(0，．．．，0)，其對應(yīng)全局極小值單峰函數(shù)。函數(shù) 3 = ( =12) =1, ∈ [ 100，100]

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)螢火蟲算法的梯級水庫優(yōu)化調(diào)度研究[J]. 魏科.  水利水電技術(shù). 2017(12)
[2]烏江梯級水電站短期優(yōu)化調(diào)度研究[J]. 曹輝.  水力發(fā)電. 2017(11)
[3]基于改進(jìn)粒子群算法在尤溪流域水電站發(fā)電量最大短期優(yōu)化調(diào)度的研究[J]. 洪玉梅,楊濤.  電氣開關(guān). 2017(04)
[4]一種基于lévy飛行軌跡的果蠅優(yōu)化算法[J]. 郭德龍,楊楠,周永權(quán).  計算機與數(shù)字工程. 2017(02)
[5]果蠅優(yōu)化算法的分析[J]. 韓虎.  計算機系統(tǒng)應(yīng)用. 2017(02)
[6]果蠅算法對多峰值光伏最大功率跟蹤仿真研究[J]. 王素寧,潘三博,楊青斌.  電氣傳動. 2017(01)
[7]水庫(群)發(fā)電優(yōu)化調(diào)度計算的并行策略研究[J]. 吳昊,紀(jì)昌明,張驗科.  中國農(nóng)村水利水電. 2016(12)
[8]改進(jìn)鳥群算法及其在梯級水庫優(yōu)化調(diào)度中的應(yīng)用[J]. 崔東文,金波.  三峽大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[9]基于混沌果蠅-最小二乘支持向量機的變壓器DGA故障模式預(yù)測[J]. 董繼明.  自動化與儀器儀表. 2016(11)
[10]基于改進(jìn)粒子群算法的梯級水電站長期優(yōu)化調(diào)度研究[J]. 張宇航,唐超,姚李孝.  陜西電力. 2016(06)

博士論文
[1]基于群智能優(yōu)化的機器學(xué)習(xí)方法研究及應(yīng)用[D]. 趙東.吉林大學(xué) 2017

碩士論文
[1]基于果蠅算法的自適應(yīng)KFCM和關(guān)聯(lián)規(guī)則挖掘研究[D]. 張祎冉.西安理工大學(xué) 2017
[2]粒子群改進(jìn)算法及在水庫優(yōu)化調(diào)度中的應(yīng)用研究[D]. 余慶.南昌工程學(xué)院 2015
[3]OFDM系統(tǒng)中峰均比抑制算法研究與實現(xiàn)[D]. 李洲.哈爾濱工程大學(xué) 2011
[4]電力市場環(huán)境下水電站中長期徑流預(yù)測及優(yōu)化調(diào)度研究[D]. 楊東方.四川大學(xué) 2003



本文編號：3422023