梯級水電站優(yōu)化調(diào)度問題的準(zhǔn)確、快速求解,是水利學(xué)科領(lǐng)域需解決的基本問題。針對該問題,提出了一種新的多策略人工蜂群算法。為更好地平衡算法的全局搜索與局部搜索能力,新算法在兩個具有代表性的解搜索策略基礎(chǔ)上,對其融合構(gòu)成新的搜索策略,同時保留了原有的兩個解搜索策略。新算法的三個候選解搜索策略,增強了對各類優(yōu)化問題求解的適應(yīng)性。為驗證新算法的適應(yīng)性及可行性,不僅在經(jīng)典的基準(zhǔn)測試函數(shù)中對其進行測試,并且將其應(yīng)用于梯級水電站優(yōu)化調(diào)度問題。實驗結(jié)果表明,新算法具有適應(yīng)性強、收斂速度快等優(yōu)點。 

【文章來源】：南水北調(diào)與水利科技. 2019,17(02)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖１ＭｓＡＢＣ算法流程Ｆｉｇ．１ＦｌｏｗｃｈａｒｔｏｆＭｓＡＢＣａｌｇｏｒｉｔｈｍ

．６９９１ＭｓＡＢＣ４０５．３１３７８６．５０６７４９１．８２０４從表４的實驗結(jié)果來看，ＭｓＡＢＣ算法所求的總發(fā)電量最大。相比于ＡＢＣ算法，算法ＡＢＣＶＳＳ與ＭＡＢＣ在經(jīng)典的函數(shù)測試集中能取得較好的效果，但在實際的優(yōu)化調(diào)度問題中，所求解卻不如ＡＢＣ算法，可知對于不同的優(yōu)化問題，算法表現(xiàn)的性能不同。ＭｓＡＢＣ算法比ＡＢＣ算法提高了８．８１３×１０７ｋＷ·ｈ，比ＧＡＢＣ算法提高了１．２１３×１０７ｋＷ·ｈ。圖２為各算法與評估次數(shù)的關(guān)系，該關(guān)系體現(xiàn)了算法收斂性。從圖２可看出ＭｓＡＢＣ算法在圖２適度值與評估次數(shù)的關(guān)系Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｆｉｔｎｅｓｓａｎｄｎｕｍｂｅｒｏｆｅｖａｌｕａｔｉｏｎ７萬次評估次數(shù)已達到最優(yōu)值附近，表明了前期具有較快的收斂速度，其中ＡＢＣ算法１次迭代次數(shù)對應(yīng)２倍蜜源數(shù)，即１００次評估次數(shù)，７萬次評估次數(shù)對應(yīng)７００次迭代次數(shù)。本文所使用的算法所求得發(fā)電棄水量均為０，主要原因是求解非汛期的梯級水庫優(yōu)化調(diào)度問題，故不列出各算法的發(fā)電棄水量。４結(jié)論標(biāo)準(zhǔn)ＡＢＣ算法具有參數(shù)少、魯棒性強、搜索效率高等優(yōu)點，為求解梯級水電站優(yōu)化調(diào)度問題提供了基礎(chǔ)。同樣地，標(biāo)準(zhǔn)ＡＢＣ算法存在收斂速度慢、局部搜索能力若等缺點。本文通過對解搜索策略的改進，提出了一種新的改進ＡＢＣ算法，并以經(jīng)典的基準(zhǔn)測試函數(shù)和梯級水庫優(yōu)化調(diào)度問題為基礎(chǔ)進行實驗。實驗結(jié)果表明，新算法性能優(yōu)于經(jīng)典的改進ＡＢＣ算法。

【參考文獻】：
期刊論文
[1]基于自適應(yīng)罰函數(shù)優(yōu)化粒子群的WSN定位算法[J]. 劉宏,韓亞波,張時斌,關(guān)業(yè)歡.  傳感技術(shù)學(xué)報. 2018(08)
[2]面向煤礦井下局部復(fù)雜空間的機器人三維路徑規(guī)劃方法[J]. 譚玉新,楊維,徐子睿.  煤炭學(xué)報. 2017(06)
[3]基于狼群算法的水電站優(yōu)化調(diào)度模型參數(shù)優(yōu)選[J]. 焦鈺,王建群,賈洋洋.  南水北調(diào)與水利科技. 2017(02)
[4]自適應(yīng)人工蜂群算法在梯級水庫優(yōu)化調(diào)度中的應(yīng)用[J]. 李冰,孫輝,王坤,趙嘉,王暉.  水電能源科學(xué). 2016(08)
[5]雅礱江下游梯級水庫綜合調(diào)度規(guī)則優(yōu)化方法[J]. 蹇德平,繆益平.  南水北調(diào)與水利科技. 2016(04)
[6]基于改進布谷鳥算法的梯級水庫優(yōu)化調(diào)度研究[J]. 明波,黃強,王義民,劉登峰,白濤.  水利學(xué)報. 2015(03)
[7]基于云變異人工蜂群算法的梯級水庫群優(yōu)化調(diào)度[J]. 李文莉,李郁俠,任平安.  水力發(fā)電學(xué)報. 2014(01)
[8]基于改進人工蜂群算法的水電站水庫優(yōu)化調(diào)度研究[J]. 成鵬飛,方國華,黃顯峰.  中國農(nóng)村水利水電. 2013(04)
[9]人工蜂群算法在移動機器人路徑規(guī)劃中的應(yīng)用[J]. 黎竹娟.  計算機仿真. 2012(12)
[10]一種改進的約束優(yōu)化粒子群算法[J]. 吳華偉,陳特放,胡春凱,許炳.  計算機應(yīng)用研究. 2012(03)

博士論文
[1]蜂群算法及在圖像處理中的應(yīng)用研究[D]. 肖永豪.華南理工大學(xué) 2011

碩士論文
[1]改進人工蜂群算法在梯級水庫群優(yōu)化調(diào)度中的應(yīng)用[D]. 王坤.南昌工程學(xué)院 2017
[2]三峽—葛洲壩梯級水電站非汛期優(yōu)化調(diào)度研究[D]. 邊巴羅布.天津大學(xué) 2008



本文編號：3001797