基于免疫微粒群算法的梯级水电站水库优化调度研究

论文摘要

针对当前梯级水电站水库优化调度方法中普遍存在的“维数灾”问题,本文提出一类基于免疫微粒群算法（I-PSO）的梯级水电站水库优化方法。微粒群算法（PSO）是一类随机全局优化技术,其流程简单易实现、算法依赖的参数少。I-PSO是将免疫信息处理机制和标准PSO有机结合在一起的一种改进的微粒群算法,一方面采用微粒浓度选择机制来保持微粒多样性,较好的解决了算法可能出现的局部收敛问题;另一方面通过在算法中加入疫苗接种等操作来指导寻优过程,加快了算法后期的收敛速度。经实例验证,运用I-PSO调度模型在梯级水电站水库的长期和短期调度中取得良好的优化效果,能够为解决复杂的梯级水电站优化问题提供一条有效、可行的新途径。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的选题背景
• 1.2 梯级水电站水库优化调度
• 1.3 水电站水库优化调度的国内外研究动态
• 1.3.1 变分法（Variation Method）
• 1.3.2 线性规划法（Linear Programming，LP）
• 1.3.3 非线性规划法（Nonlinear Programming，NP）
• 1.3.4 网络分析法（Analytic Network Process，ANP）
• 1.3.5 动态规划（Dynamic Programming）
• 1.3.6 等微增率法（Equation Incremental Rate，EIR ）
• 1.3.7 人工神经网络方法（Artificial Neural Network，ANN）
• 1.3.8 遗传算法（Genetic Algorithms，GA）
• 1.4 集群智能方法（Swarm Intelligence）
• 1.5 本文所作的工作
• 第二章 免疫微粒群算法研究
• 2.1 引言
• 2.2 基本微粒群算法
• 2.2.1 基本原理
• 2.2.2 算法流程
• 2.2.3 带惯性权重的微粒群算法
• 2.2.4 算法的应用研究现状
• 2.2.5 算法的改进
• 2.3 生物免疫系统及其特征
• 2.4 免疫微粒群算法
• 2.4.1 免疫微粒群优化算法原理
• 2.4.2 免疫微粒群优化算法流程
• 2.5 本章小结
• 第三章 梯级水电站水库长期优化运行的免疫微粒群算法研究
• 3.1 引言
• 3.2 梯级水电系统长期优化运行问题
• 3.2.1 时段中的水能计算
• 3.2.2 数学模型
• 3.3 梯级水电站水库长期优化调度的I-PSO实现
• 3.3.1 实现水电站系统I-PSO优化调度的关键问题
• 3.3.2 实现梯级水电站水库I-PSO优化调度的关键问题
• 3.4 运用实例
• 3.4.1 清江流域简介
• 3.4.2 I-PSO优化调度模型的求解
• 3.4.3 计算结果
• 3.5 本章小结
• 第四章 梯级水电站群短期优化调度的I-PSO算法研究
• 4.1 引言
• 4.2 隔河岩—高坝洲梯级短期优化调度的I-PSO模型
• 4.3 实例计算
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文情况
• 在校期间参加的科研情况