基于改进遗传算法的梯级水电站优化调度研究

发布时间：2017-10-18 19:42

  本文关键词：基于改进遗传算法的梯级水电站优化调度研究

  更多相关文章： 梯级水电站 优化调度 遗传算法 模拟退火

【摘要】：近年来,人们认识到水力发电的优势,水电资源被不断开发。随着大量的水电站在全国建成,梯级水电站群已经成为主要的水电系统。梯级水电站优化调度可以提高水电站与电力系统的经济管理水平,具有相当高的投入产出比,是挖掘水电站潜力的重要手段。随着梯级水电站的规模不断扩大、优化调度需求逐渐复杂,相关的优化调度问题日益突出,需要不断探索研究更好的优化理论与优化方法。针对梯级水电站优化调度中普遍存在的“维数灾”及寻优效果差等问题,结合改进遗传算法进行了梯级水电站发电量的优化计算。首先介绍了遗传算法的基本原理,结合梯级水电站优化调度对遗传算法各个元素做了阐述。针对存在的易局部收敛和收敛精度低等问题,使用自适应的控制理论对交叉算子和变异算子进行了改进,让其根据适应度的值自动改变。在算法中引入了混沌理论生成初始种群,有效地保持了种群的多样性。其次,结合模拟退火算法生成了改进模拟退火遗传算法,提升了全局寻优能力和局部搜索能力,避免了算法陷入局部最优解。最后,结合具体流域建立了梯级水电站长期优化调度的数学模型,使用MATLAB作为计算工具对参数进行了设定,将改进后的算法程序应用于建立的模型进行了求解。通过与传统遗传算法计算结果的比较与分析,得出了改进后的遗传算法计算效果更好的结论,为解决梯级水电站优化调度提供了又一种较为有效的途径。
【关键词】：梯级水电站 优化调度 遗传算法 模拟退火
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TV737;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 选题的背景及意义9-10
• 1.2 梯级水电站优化调度的研究现状10-14
• 1.2.1 传统优化方法在梯级水电站优化调度中的研究概况10-12
• 1.2.2 智能算法在梯级水电站优化调度中的研究概况12-14
• 1.3 本文研究的主要内容14-15
• 第二章 遗传算法15-24
• 2.1 遗传算法的特点15-16
• 2.2 遗传算法的基本流程16-23
• 2.2.1 编码17-18
• 2.2.2 适应度函数18-19
• 2.2.3 遗传算子19-21
• 2.2.4 种群的初始化21
• 2.2.5 控制参数选择21-22
• 2.2.6 约束条件的处理22-23
• 2.3 本章小结23-24
• 第三章 针对梯级水电站优化调度的遗传算法的改进24-33
• 3.1 传统遗传算法存在的弊端24
• 3.2 实现具体遗传算法的优化调度的元素设置24-27
• 3.2.1 选择合适的编码方式24-26
• 3.2.2 混沌算法生成初始种群26-27
• 3.2.3 适应度函数的处理27
• 3.3 遗传算法中遗传算子的改进27-28
• 3.3.1 选择算法的改进27
• 3.3.2 交叉算子的选择27-28
• 3.3.3 变异算子的选择28
• 3.4 遗传算子的自适应改进28-29
• 3.5 模拟退火遗传算法29-32
• 3.6 本章小结32-33
• 第四章 梯级水电站最大蓄能的计算及优化调度模型的建立33-41
• 4.1 梯级水电站蓄能计算的概述33-35
• 4.1.1 国网现行梯级水电站蓄能计算方法33-34
• 4.1.2 独立水库蓄能值计算方法34
• 4.1.3 梯级水电站蓄能值计算方法34-35
• 4.1.4 计算方法的不足35
• 4.2 基于实际可调水量的梯级水电站蓄能计算方法35-37
• 4.2.1 基本思想35
• 4.2.2 基于实际可调水量的梯级水电站蓄能计算方法35-36
• 4.2.3 计算方法分析36-37
• 4.3 梯级水电站长期优化调度模型的建立37-40
• 4.3.1 目标函数的选取37-38
• 4.3.2 约束条件的建立及处理办法38-40
• 4.4 本章小结40-41
• 第五章 模型的求解及结果分析41-49
• 5.1 澜沧江流域介绍41-42
• 5.2 算法的计算条件42-45
• 5.2.1 进行计算的水电站特性42-44
• 5.2.2 计算参数的选取44-45
• 5.3 计算结果分析45-48
• 5.4 本章小结48-49
• 第六章 总结49-51
• 6.1 全文总结49
• 6.2 展望49-51
• 参考文献51-55
• 致谢55

【参考文献】

中国期刊全文数据库 前10条

1 王森;程春田;武新宇;李保健;;自适应混沌整体退火遗传算法在水电站群优化调度中的应用[J];水力发电学报;2014年05期

2 申建建;程春田;廖胜利;张俊;;基于模拟退火的粒子群算法在水电站水库优化调度中的应用[J];水力发电学报;2009年03期

3 陈立华;梅亚东;董雅洁;杨娜;;改进遗传算法及其在水库群优化调度中的应用[J];水利学报;2008年05期

4 周念来;纪昌明;;基于蚁群算法的水库调度图优化研究[J];武汉理工大学学报;2007年05期

5 游进军,纪昌明,付湘;基于遗传算法的多目标问题求解方法[J];水利学报;2003年07期

6 宗航,李承军,周建中,张勇传;POA算法在梯级水电站短期优化调度中的应用[J];水电能源科学;2003年01期

7 王金文,袁晓辉,张勇传;随机动态规划在三峡梯级长期发电优化调度中的应用[J];电力自动化设备;2002年08期

8 王孟林,陶家琪,周莹,郭建宇,王天慧;水电优化中的四边形法则与准单调收敛[J];电网技术;2002年03期

9 刘俊萍,黄强,田峰巍,蒋晓辉;汉江上游梯级发电与航运的优化调度研究[J];水力发电学报;2001年04期

10 罗强,宋朝红,雷声隆;水库群系统非线性网络流规划法[J];武汉大学学报(工学版);2001年03期

，

本文编号：1056798