改進的免疫粒子群算法及梯級水庫優(yōu)化調(diào)度問題的研究.pdf

1、隨著水電事業(yè)的發(fā)展和大規(guī)模水庫群的開發(fā)，形成了許多大型梯級水庫群。如何在已有的約束條件下，運用優(yōu)化理論和系統(tǒng)工程方法，制訂并實現(xiàn)梯級水庫群的最優(yōu)運行調(diào)度，對于解決我國能源緊張非常重要。因此，求解梯級水庫群的優(yōu)化調(diào)度問題是一個具有十分重要的學術(shù)意義和實用價值的研究課題。
　　 由于梯級水庫群優(yōu)化調(diào)度模型的求解是一個復雜的多約束優(yōu)化問題，傳統(tǒng)的優(yōu)化方法在解決梯級水庫群優(yōu)化調(diào)度問題時受時間、效率、計算機存儲能力和局部最優(yōu)等方面的限制。

2、隨著現(xiàn)代智能優(yōu)化算法的發(fā)展，有較強“魯棒性”的智能優(yōu)化算法，如人工神經(jīng)網(wǎng)絡、粒子群優(yōu)化算法、蟻群算法、遺傳算法、免疫算法等的引入，為梯級水庫群聯(lián)合優(yōu)化調(diào)度提供了新的途徑。但是由于梯級水庫群優(yōu)化調(diào)度問題的復雜性，這些方法都或多或少地存在一定局限性,采用任何一種算法都制約著問題的求解。因此往往是將多種算法結(jié)合起來使用以求解水庫調(diào)度問題。
　　 本文在現(xiàn)有的免疫粒子群算法的基礎(chǔ)上，提出了改進的免疫粒子群優(yōu)化算法，使用交叉和高頻變異操作

3、，以保證種群進化的多樣性，克服粒子群算法的早熟現(xiàn)象。通過柯西變異，提高算法的全局搜索能力，通過高斯變異，提高算法的局部搜索能力。此外，為解決隨機地沒有指導地交叉變異操作可能引起的退化現(xiàn)象，引入了疫苗提取和疫苗接種策略。經(jīng)典的測試函數(shù)結(jié)果表明了算法的收斂速度和精度都有明顯提高。
　　 最后，用改進的免疫粒子群算法求解梯級水庫群長期優(yōu)化調(diào)度的算例，仿真結(jié)果表明改進的免疫粒子群算法的可行性和有效性，能夠為解決復雜的梯級水庫長期優(yōu)化調(diào)度