线性微分递减自适应粒子群算法在水电站优化调度中的应用

发布时间：2018-07-07 20:44

  本文选题：水电站优化调度 + 粒子群算法　； 参考：《水力发电》2017年09期

【摘要】：针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。
[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.
【作者单位】： 四川省都江堰东风渠管理处;
【分类号】：TV737

【相似文献】

相关期刊论文 前10条

1 方卫华;徐兰玉;乐国兴;梅星;;改进粒子群算法在大坝力学参数分区反演中的应用[J];大坝与安全;2012年03期

2 陈秀铜;李璐;;基于改进粒子群算法的土石方调配优化研究[J];水力发电学报;2010年02期

3 刘方;纪昌明;向腾飞;周茜;;基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度[J];中国农村水利水电;2012年11期

4 唐如洋;凌江;;基于粒子群算法的水利类试算问题求解[J];黑龙江水利科技;2013年10期

5 王仁超;刘金飞;李仕奇;张宗亮;;基于蚂蚁和粒子群算法的土石方调运优化方法研究[J];水利学报;2006年11期

6 程春田;唐子田;李刚;杨斌斌;;动态规划和粒子群算法在水电站厂内经济运行中的应用比较研究[J];水力发电学报;2008年06期

7 孙晓娇;侯旭东;刘长良;;基于改进粒子群算法的水轮机调速器参数优化[J];自动化与仪表;2010年05期

8 徐宝松;苗艳东;李波;雷霆;徐华俊;;基于粒子群算法的大坝力学参数反演[J];水力发电;2009年03期

9 龚晓雯;顾冲时;;基于改进粒子群算法的水口重力坝坝体参数反演[J];水电能源科学;2010年02期

10 周佳佳;杨侃;邓丽丽;;基于粒子群算法的水电站厂内经济运行新算法[J];中国农村水利水电;2014年06期

相关会议论文 前2条

1 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

2 李慧峗;王本德;张永强;曹明亮;;MATLAB粒子群算法工具箱在水文模型参数优化中的应用[A];变化环境下的水资源响应与可持续利用——中国水利学会水资源专业委员会2009学术年会论文集[C];2009年

相关硕士学位论文 前4条

1 王朝辉;基于粒子群算法的坝料动参数反演[D];大连理工大学;2016年

2 周逸之;基于粒子群算法的水电站厂内经济运行分析[D];南昌大学;2013年

3 余明明;基于混沌粒子群算法的大型水电站自动电压控制优化研究[D];华中科技大学;2013年

4 唐子田;水电站厂内经济运行新型算法的研究[D];大连理工大学;2007年

，

本文编号：2106223