研究水电站优化调度翻译.docVIP

考虑生态用水需求水电站优化调度研究 Abstract- 考虑到标准粒子群优化收敛速度慢和容易局部最优解,提出了一种动态邻域拓扑的改进算法,粒子之间的联系动态邻居粒子的结构变化调整。在早期的阶段的算法, 为了维持的多样性和防止算法局部最优,最优粒子的影响削弱了然后添加粒子间连接算法有更多后期快速收敛。关注水电最优调度问题,我们讨论了相关技术,建立了考虑生态用水需求调度模型,研究了水电站生态生态河流用水需求的计算。我们结合生态调度和发电调度最大的发电目标和河的生态因子水库的水平衡限制,放电容量限制输出限制等,然后,我们使用一种改进的粒子群算法解决优化问题。仿真调度结果表明,该算法具有较强的全局快速搜索能力和收敛速度,有效解决这样一个,非线性问题水电站调度。 Keywords-站;最优调度;生态水需求;算法;动态邻域结构;西北小 世界 1 介绍 水电开发是一满足能源需求自然资源,这是人类发展人类社会和社会进步的客观需求必然选择。目前,我们的水电开发已经取得了一些显著成果;然而,很多水力发电的快速发展区域暴露出严重的生态环境问题,所以人们关注。水力发电是一种清洁、可再生能源的来源,然而,水力发电建设和运营将在当地产生不良影响生态环境。因此,生态的概念提出。 生态操作指的是考虑河流生态系统的符合经济和社会目标,如发电、防洪、导航和供水操作。传统的水电站最优运行目标是电能最大化[1]或发电的[2]而忽略了生态效益的需求和库区追求经济效率,因此让许多负面影响脆弱的生态系统。近年来,一些学者提高生态环境意识开始对生态进行分类因素的调度计划。Symphorien[3] 认为生态调度是指水库的灌溉调度可以满足人类对水的需求量和生态系统的水需求。难得出这样的结论:生态调度的核心是指水库发展的最新阶段,生态因素现有水电调度以满足目标水的最优资源调度和河流生态系统健康[4] 粒子群优化(PSO)算法肯尼迪和Eberhart[5],它是基于群 情报。基本的想法是他们的对群体行为建模与仿真的鸟群早期结果。在近年来,简单的原则,容易理解和实现,PSO算法已成功(6 - 8)应用于水库操作问题,并实现好的结果。基肖尔:[9]等使用神经网络方法解决水电厂的。但是,粒子群优化算法忽略了一个非常重要的因素,即不考虑信息及其。在现实中,人类或其他生物的行为不仅能力影响,外部因素如社会群体行为的限制。事实上周围的同伴的行为和经验,以及信息交换很大程度上影响个决策。基于上述考虑,本文将模型粒子群算法作为其社会认知结构,并提出一种基于西北社区的粒子群优化算法结构;然后预防PSO算法从局部最优目的一种动态新型拓扑结构。该算法随着每次迭代更新动态邻域结构这既能保持算法的随机搜索粒子的多样性,防止算法过早收敛。最后,算法应用于水电站模拟,标准粒子群(SPSO)算法的调度结果和数值分析。结果表明,改进后的算法比SPSO的算法具有更好的搜索能力和收敛速度。 二动态邻域考虑生态用水需求水电站最优调度模型 水电站优化调度的第一次使用系统工程构建水利水电系统的目标函数,集中在水力发电站,协助设置的约束条件,然后优化方法用于求解目标函数和约束条件组成的方程,帮助我们实现最优调度结果。最优水电站的调度模型包含了最佳的操作和约束条件的目标函数。目标函数采用优化调度准则有关。常用的优化调度模型一般包括以下几种:最大的输出功率,发电的经济效益,长期和存储、短期负荷调节能力最小的水浪费等等,而他们中大多数最大输出功率为优化目标,从经济效益方面水资源的最大化。 生态需水量指维持河流生态系统的平衡的水量。目前,第一问题是需要考虑水电站的经济效益将生态因素到调度模型将减少的发电量。他们是一对矛盾。这是水电生态调度的关键和难点满足河流生态需水量,并在同一时间提高最大的综合效益。最优调度的目标在一定的经济效益和生态效益之间寻求平衡的结果 a:目标函数 本质上是一个通过算法来获得的需求解决方案多目标生态操作优化问题。但每个目标解决方案非主导的倾向在很大程度上,取决于制造商的决策的偏好,它不仅仅是一个技术问题[10]。此外,没有一个具体的 解决方案或对生态系统价值评价指标,不同的评价方法可能会带来更大的价值变化。因此,本文将生态系统的目标转化为社会和经济目标的约束条件,通过将生态调度问题转化为的生态流水电优化调度约束下的问题。因此,多目标优化转换为单目标优化问题 在水电站的调度,我们基于的水电资源市场的事实和需要,为了最大化利用电力能源。目标函数是: B 约束 水电优化调度约束包括传统的约束和生态流约束。 1)传统的约束 传统的约束包括阶段,输出和其他约束。表达式如下: 2)生态流约束 生态流约束实际上是流约束,即在一段时间,通过的总流率应该等于或 大于生态需水量。 生态需水量指满足河流生态的需要所需的水数量