自适应混合粒子群算法在梯级水电站群优化调度中的应用 application of self-adaptive hybrid particle swarm optimization algorithm to optimal operation of cascade reservoirs.pdfVIP

下载本文档

7
0
约1.63万字
约 7页
2017-11-26 发布于上海
举报
版权申诉

自适应混合粒子群算法在梯级水电站群优化调度中的应用 application of self-adaptive hybrid particle swarm optimization algorithm to optimal operation of cascade reservoirs.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

自适应混合粒子群算法在梯级水电站群优化调度中的应用 application of self-adaptive hybrid particle swarm optimization algorithm to optimal operation of cascade reservoirs

第31卷第 1期水力发电学报 V01．31 No．1 2012年 2月 JOURNALOFHYDR0ELECTRICENGINEERING Feb．，2012 自适应混合粒子群算法在梯级水电站群优化调度中的应用王森，武新宇，程春田，郭有安，李红刚 (1．大连理工大学水电与水信息研究所，大连 116024；2．华能澜沧江水电有限公司，昆明 650000) 摘要：针对梯级水电站群长期优化调度发电量最大模型，提出了一种自适应混合粒子群进化算法 (AHPSO)。该算法引入混沌思想生成初始解，并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度，同时结合遗传变异思想进行粒子操作，最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明，AHPSO比基本粒子群算法有更好的收敛性和优化结果，计算时间比逐步优化算法少，且优化结果相近，是一种可供选择的计算方法。关键词：工程水文学；梯级水电站群；优化调度；粒子群算法；自适应；粒子能量中图分类号：TV697 文献标识码：A Application ofself-adaptivehybridparticleswarm optimization algorithm tooptimaloperation ofcascadereservoirs WANG Sen ，WU Xinyu ，CHENG Chuntian ，GUO Youan ，LIHonggang (1．InstituteofHydropowerhydroinformation，DalianUniversityofTechnology，Dalian 116024； 2．HydroLancangRiverCorporation，Kunming 650000) Abstract：A self-adaptivehybridparticleswarmoptimizationalgorithm (AHPSO)isproposedtosolvethe long—termoptimaloperationmodelofcascadereservoirs．Withtotalpoweroutputasobjectivefunction，this modelgeneratesinitialsolutionswith chaosand definesvariablesofparticleenergy，particlesimilarityand theirthresholdstodescribethealgorithm self—adaptivechangesandtheswarm—evolvingdegree．Inthemodel， arandom greedysearchingstrategyofneighborhood isadoptedtoovercometheshortcomingofslow evolvingat thelaterstage．ApplicationinacasestudyofthecascadereservoirsontheLancan~iangrivershowsthatthe self—adaptiveAHPSO isbetterinconvergenceandoptimizedsolutionthanthetraditionalparticleswarm method andthatitiscomparabletotheprogressiveoptimizationalgorithm butitscomputationalcostislower． Keywords：engineeringhydrology；cascadereservoirs；optimaloperation；particlesw