多策略人工蜂群算法在梯级水电站优化调度中的应用

发布时间：2021-01-26 20:53

　　梯级水电站优化调度问题的准确、快速求解,是水利学科领域需解决的基本问题。针对该问题,提出了一种新的多策略人工蜂群算法。为更好地平衡算法的全局搜索与局部搜索能力,新算法在两个具有代表性的解搜索策略基础上,对其融合构成新的搜索策略,同时保留了原有的两个解搜索策略。新算法的三个候选解搜索策略,增强了对各类优化问题求解的适应性。为验证新算法的适应性及可行性,不仅在经典的基准测试函数中对其进行测试,并且将其应用于梯级水电站优化调度问题。实验结果表明,新算法具有适应性强、收敛速度快等优点。 

【文章来源】：南水北调与水利科技. 2019,17(02)北大核心

【文章页数】：7 页

【部分图文】：

图１ＭｓＡＢＣ算法流程Ｆｉｇ．１ＦｌｏｗｃｈａｒｔｏｆＭｓＡＢＣａｌｇｏｒｉｔｈｍ

．６９９１ＭｓＡＢＣ４０５．３１３７８６．５０６７４９１．８２０４从表４的实验结果来看，ＭｓＡＢＣ算法所求的总发电量最大。相比于ＡＢＣ算法，算法ＡＢＣＶＳＳ与ＭＡＢＣ在经典的函数测试集中能取得较好的效果，但在实际的优化调度问题中，所求解却不如ＡＢＣ算法，可知对于不同的优化问题，算法表现的性能不同。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。图２为各算法与评估次数的关系，该关系体现了算法收敛性。从图２可看出ＭｓＡＢＣ算法在图２适度值与评估次数的关系Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｆｉｔｎｅｓｓａｎｄｎｕｍｂｅｒｏｆｅｖａｌｕａｔｉｏｎ７万次评估次数已达到最优值附近，表明了前期具有较快的收敛速度，其中ＡＢＣ算法１次迭代次数对应２倍蜜源数，即１００次评估次数，７万次评估次数对应７００次迭代次数。本文所使用的算法所求得发电弃水量均为０，主要原因是求解非汛期的梯级水库优化调度问题，故不列出各算法的发电弃水量。４结论标准ＡＢＣ算法具有参数少、鲁棒性强、搜索效率高等优点，为求解梯级水电站优化调度问题提供了基础。同样地，标准ＡＢＣ算法存在收敛速度慢、局部搜索能力若等缺点。本文通过对解搜索策略的改进，提出了一种新的改进ＡＢＣ算法，并以经典的基准测试函数和梯级水库优化调度问题为基础进行实验。实验结果表明，新算法性能优于经典的改进ＡＢＣ算法。

【参考文献】：
期刊论文
[1]基于自适应罚函数优化粒子群的WSN定位算法[J]. 刘宏,韩亚波,张时斌,关业欢.  传感技术学报. 2018(08)
[2]面向煤矿井下局部复杂空间的机器人三维路径规划方法[J]. 谭玉新,杨维,徐子睿.  煤炭学报. 2017(06)
[3]基于狼群算法的水电站优化调度模型参数优选[J]. 焦钰,王建群,贾洋洋.  南水北调与水利科技. 2017(02)
[4]自适应人工蜂群算法在梯级水库优化调度中的应用[J]. 李冰,孙辉,王坤,赵嘉,王晖.  水电能源科学. 2016(08)
[5]雅砻江下游梯级水库综合调度规则优化方法[J]. 蹇德平,缪益平.  南水北调与水利科技. 2016(04)
[6]基于改进布谷鸟算法的梯级水库优化调度研究[J]. 明波,黄强,王义民,刘登峰,白涛.  水利学报. 2015(03)
[7]基于云变异人工蜂群算法的梯级水库群优化调度[J]. 李文莉,李郁侠,任平安.  水力发电学报. 2014(01)
[8]基于改进人工蜂群算法的水电站水库优化调度研究[J]. 成鹏飞,方国华,黄显峰.  中国农村水利水电. 2013(04)
[9]人工蜂群算法在移动机器人路径规划中的应用[J]. 黎竹娟.  计算机仿真. 2012(12)
[10]一种改进的约束优化粒子群算法[J]. 吴华伟,陈特放,胡春凯,许炳.  计算机应用研究. 2012(03)

博士论文
[1]蜂群算法及在图像处理中的应用研究[D]. 肖永豪.华南理工大学 2011

硕士论文
[1]改进人工蜂群算法在梯级水库群优化调度中的应用[D]. 王坤.南昌工程学院 2017
[2]三峡—葛洲坝梯级水电站非汛期优化调度研究[D]. 边巴罗布.天津大学 2008



本文编号：3001797