梯級水庫調(diào)度問題是一類典型的大規(guī)模、多約束的非線性優(yōu)化問題,傳統(tǒng)的動態(tài)規(guī)劃算法會隨著解維度增加出現(xiàn)“維數(shù)災難”,而智能優(yōu)化算法可以克服此問題,且其原理簡單,求解快速。本論文采用人工蜂群算法（Artificial Bee Colony Algorithm,ABC）來解決此問題。ABC算法具有較好的魯棒性,對求解函數(shù)的連續(xù)性和凹凸性沒有要求,能為梯級水庫群優(yōu)化調(diào)度求解問題提供滿意的解。ABC算法根據(jù)引領蜂、跟隨蜂和偵查蜂的分工合作,迭代過程中能同時進行局部和全局搜索最優(yōu)的解。本論文在分析ABC算法的構成要素前提下,針對梯級水庫調(diào)度問題的特性,產(chǎn)生了一種改進蜂群算法——精英蜂群算法（Elite Artificial Bee Colony,EABC）,EABC算法對偵查蜂的全局搜索策略進行了改進,引入了精英種群,在每次偵查蜂身份轉(zhuǎn)換時用其重心的擾動點作為引導,提高全局搜索效率。為考察EABC算法的性能,論文首先在若干經(jīng)典的標準函數(shù)測試其對高維度函數(shù)的優(yōu)化能力。接著,論文又測試了EABC算法在梯級水庫群短期優(yōu)化調(diào)度的經(jīng)典水火電聯(lián)合運行的模擬仿真問題上的優(yōu)化性能,并與遺傳算法、鳥群算法和標準蜂群算... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

標準人工蜂群算法流程圖

水庫和若干個火電廠機組。4.3.1 四庫混聯(lián)模型搭建四庫混聯(lián)的具體拓撲結構如下圖 4-1 所示。圖 4-1 四庫的拓撲結構四庫混聯(lián)的調(diào)度總時段是 24 個小時，每個時段 1 小時，表示為 T=24。圖 3-1 中I（i 1,2,3,4）i表示每個水庫本身的區(qū)間來水量，每個上游水庫到達下游水庫的水留滯時間分別為： 2h1,3 ， 3h2,3 ， 4h3,4 。其中，幾個火電廠機組的出力系數(shù)分別為 5000、19.2 和 0.002；出力上限maxPt 為 2500MW，出力的下限minPt為 500MW。其他更為詳細的數(shù)據(jù)見附錄中的表 4-1~表 4-4

華 中 科 技 大 學 碩 士 學 位 論 文比 PN/3 取整時候的最優(yōu)解 922991MW 和 PN/2 取整時的最優(yōu)解 923以得出初步結論，EABC 的精英種群數(shù)量在 PN/4 左右時候得到的解優(yōu)。圖 4-3 用統(tǒng)計圖表示了 20 次計算過后，不同的精英種群數(shù)量對結果生成的初始值不同，所以結果會有所不同，其最后的結果正顯示了算幅度顯示了算法的穩(wěn)定性�？梢钥吹�，Q 值越大，其計算過后的目標兩種情況之外，穩(wěn)定性也有所下降。9.2439.245成本×105ABC GABC EABC

【參考文獻】：
期刊論文
[1]基于全局無偏搜索策略的精英人工蜂群算法[J]. 杜振鑫,劉廣鐘,韓德志,余學山,賈建鑫.  電子學報. 2018(02)
[2]基于改進差分進化算法的水火電短期優(yōu)化調(diào)度[J]. 黃迪,徐剛,向紅艷,李英海.  水力發(fā)電. 2017(05)
[3]自適應人工蜂群算法在梯級水庫優(yōu)化調(diào)度中的應用[J]. 李冰,孫輝,王坤,趙嘉,王暉.  水電能源科學. 2016(08)
[4]優(yōu)化高維復雜函數(shù)的改進人工蜂群算法[J]. 王志剛,王明剛.  東北師大學報(自然科學版). 2016(02)
[5]梯級水電站群中長期優(yōu)化調(diào)度的正交離散微分動態(tài)規(guī)劃方法[J]. 馮仲愷,廖勝利,牛文靜,程春田,唐建興,蘇華英.  中國電機工程學報. 2015(18)
[6]梯級水庫群聯(lián)合優(yōu)化調(diào)度算法研究綜述[J]. 馬黎,冶運濤.  人民黃河. 2015(09)
[7]全局較優(yōu)解引導的人工蜂群算法[J]. 王冰.  數(shù)學的實踐與認識. 2015(13)
[8]遺傳-人工蜂群融合算法及其Markov收斂性分析[J]. 高雷阜,佟盼.  數(shù)學雜志. 2017(01)
[9]基于改進局部搜索策略的人工蜂群算法[J]. 韓建權,毛力,周長喜.  計算機科學與探索. 2015(06)
[10]具有自適應全局最優(yōu)引導快速搜索策略的人工蜂群算法[J]. 趙輝,李牧東,翁興偉.  控制與決策. 2014(11)

博士論文
[1]梯級水電站群跨電網(wǎng)短期聯(lián)合運行及經(jīng)濟調(diào)度控制研究[D]. 盧鵬.華中科技大學 2016
[2]水電站水庫群調(diào)度優(yōu)化及其效益評價方法研究[D]. 周婷.華北電力大學 2014
[3]水電站水庫群中長期徑流預報及短期優(yōu)化調(diào)度研究[D]. 張新明.華北電力大學 2014
[4]人工蜂群算法的改進方法與收斂性理論的研究[D]. 邱劍鋒.安徽大學 2014
[5]梯級水庫群聯(lián)合優(yōu)化調(diào)度運行方式研究[D]. 周研來.武漢大學 2014
[6]人工蜂群算法的研究與應用[D]. 王艷嬌.哈爾濱工程大學 2013
[7]約束優(yōu)化問題的一類罰函數(shù)方法與誤差界理論及其應用[D]. 趙文玲.大連理工大學 2008
[8]非線性規(guī)劃中的罰函數(shù)及填充函數(shù)方法[D]. 韓伯順.上海大學 2006

碩士論文
[1]水庫適應性調(diào)度方法研究[D]. 劉斌.西安理工大學 2017
[2]基于人工蜂群算法的改進K-均值聚類算法及其應用[D]. �？劭�.蘭州交通大學 2017
[3]改進人工蜂群算法在梯級水庫群優(yōu)化調(diào)度中的應用[D]. 王坤.南昌工程學院 2017
[4]人工蜂群算法的改進研究[D]. 尹雅麗.江西理工大學 2016
[5]改進的GABC-SVM及其在MOOC學習模式識別中的應用[D]. 李瀟亞.華南理工大學 2016
[6]人工蜂群算法理論及其在信息處理中的應用研究[D]. 劉蓓蕾.山東大學 2016
[7]面向電力市場的梯級水電站短期優(yōu)化調(diào)度研究[D]. 孫志璇.蘭州理工大學 2016
[8]改進人工蜂群算法及在梯級水庫群優(yōu)化調(diào)度中的應用[D]. 李冰.南昌工程學院 2015
[9]人工蜂群算法研究及其應用[D]. 曹金保.陜西師范大學 2013
[10]人工蜂群算法的研究及其應用[D]. 銀建霞.西安電子科技大學 2012



本文編號：3312405