收藏本站
《新疆大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

混合粒子群算法在水电站优化调度中的应用研究

张贺  
【摘要】:不管是从全世界还是中国来说,能源危机已经到来,由于之前为了经济的发展、技术的进步没有考虑给环境带来的危害,现在深刻意识到了严重的环境问题。针对能源的不足我们需要开发新的清洁的能源来满足日常生活的需要,而水资源是我国开发新能源的首选,因为我国水资源很丰富在世界上也是出于领先地位。但是由于我国水电开发技术的落后与没有合理、有效的科学技术对水库进行优化调度使其产能最优,所以本文提出了一种新的优化算法来对水库进行优化调度,其主要研究内容如下:(1)综合考虑建立水电站优化调度模型需要满足的一些因素以及建立目标函数的一些约束条件;水库优化调度的本质是在满足经济效益最大的前提下,对水库进行水量、发电量、水位等一些约束;(2)研究标准粒子群优化算法中惯性权重对于优化的影响,研究表明恒定不变的惯性权重使得算法在后期易陷入局部最优解,很难得到全局最优解,所以本文经过试验把惯性权重设置为线性递减模式,发现这种线性递减的分布可以更好的得到全局最优解;(3)标准粒子群算法中学习因子有两个,一个是自我学习能力的体现,另外一个是粒子之间相互学习能力的体现;所以如果保持这两个粒子不变就很难得到最优解,所以我们经过不断地研究得出两个学习因子的变化规律,如果让这两个粒子进行异步变化将有一个最大点可以满足,自我学习能力最强以及粒子之间的学习能力也是最强;(4)根据前面的研究发现模拟退火算法在后期具有较强的跳出局部最优的能力,所以在本文考虑让其与粒子群算法相结合,得到了一种混合粒子群算法被作者称为自适应模拟退火粒子群算法(SA-PSO),该算法用粒子的位置和速度带入目标函数进行优化得到解,然后再进行退火处理。本文采用几个简单函数和复杂函数进行研究对比,发现新的算法在各方面都有着较好的效果;(5)将这种新的算法应用在水电站优化调度模型中,取得了较好的结果;
【学位授予单位】:新疆大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TV737;TP18

手机知网App
【参考文献】
中国期刊全文数据库 前5条
1 成鹏飞;方国华;黄显峰;;基于改进人工蜂群算法的水电站水库优化调度研究[J];中国农村水利水电;2013年04期
2 吴佩鹏;杨永红;;雅鲁藏布江水电开发的生态水工学思考[J];西藏科技;2013年01期
3 牟谦;;低碳经济与水电开发[J];水电与新能源;2010年06期
4 邵琳;王丽萍;黄海涛;杨子俊;喻杉;;水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法[J];电力系统保护与控制;2010年12期
5 郭壮志;吴杰康;孔繁镍;祝宇楠;;梯级水电站水库蓄能利用最大化的长期优化调度[J];中国电机工程学报;2010年01期
中国硕士学位论文全文数据库 前4条
1 李笑竹;改进布谷鸟算法在水电站水库群优化调度的应用[D];新疆大学;2017年
2 邵琳;水电站发电调度图优化研究[D];华北电力大学(北京);2010年
3 张丽娜;水电站优化调度模型及其应用研究[D];大连理工大学;2007年
4 刘群明;粒子群优化方法在梯级水电站水库优化调度中的应用研究[D];河海大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 鲁春霞;马聪;章予舒;徐增让;;中国水电开发的生态足迹及其温室气体减排(英文)[J];Journal of Resources and Ecology;2013年04期
2 刘鹏;;中印在跨界河流上的利益诉求与相互依赖——以雅鲁藏布江—布拉马普特拉河为例[J];南亚研究;2013年04期
3 侍翰生;程吉林;方红远;陆小伟;;南水北调东线工程江苏段水资源优化配置[J];农业工程学报;2012年22期
4 葛晓琳;舒隽;张粒子;;考虑检修计划的中长期水火电联合优化调度方法[J];中国电机工程学报;2012年13期
5 吴杰康;严进;;基于数据包络分析的梯级水电站发电效率优化模型[J];中国电机工程学报;2011年S1期
6 谢维;纪昌明;杨子俊;张晓星;;水电站短期发电调度规则制定[J];电力系统保护与控制;2011年21期
7 张超然;陈先明;;长江上游流域水电开发在我国低碳经济中的地位[J];水力发电学报;2011年05期
8 吴杰康;唐力;;基于模糊机会约束规划的水火电力系统多目标随机调度模型[J];中国电机工程学报;2011年25期
9 武新宇;程春田;王静;唐红兵;李崇浩;;受送电规模限制下水电长期可吸纳电量最大优化调度模型[J];中国电机工程学报;2011年22期
10 纪昌明;喻杉;张晓星;赵璧奎;刘新;;按日负荷图运行的梯级水电站群短期效益比较[J];电力系统保护与控制;2011年14期
中国硕士学位论文全文数据库 前10条
1 徐坤;基于改进蚁群算法的小区快递配送路径规划研究[D];新疆大学;2019年
2 张贺;混合粒子群算法在水电站优化调度中的应用研究[D];新疆大学;2019年
3 叶子龙;用户关注行为价值评估模型设计及工具实现[D];北京邮电大学;2019年
4 张丁;多时间尺度融合的水库发电优化调度研究[D];西安理工大学;2018年
5 李笑竹;改进布谷鸟算法在水电站水库群优化调度的应用[D];新疆大学;2017年
6 孙宇;年调节水电站兴利调度图绘制方法及应用研究[D];大连理工大学;2017年
7 刘浩;松江河梯级水电站联合调度研究[D];长春工程学院;2017年
8 范金骥;基于改进遗传算法的梯级水电站优化调度研究[D];华北电力大学;2016年
9 于昊明;基于POA算法的小东江水库优化调度[D];华北水利水电大学;2016年
10 段云辉;小型梯级水电站优化调度运行研究[D];郑州大学;2014年
【二级参考文献】
中国期刊全文数据库 前3条
1 明亮;芮钧;徐松;;水电站优化调度人工蜂群新算法[J];水电自动化与大坝监测;2012年03期
2 胡中华;赵敏;;基于人工蜂群算法的无人机航迹规划研究[J];传感器与微系统;2010年03期
3 贾金生;马静;张志会;;应对气候变化必须大力发展水电[J];中国水能及电气化;2010年Z1期
中国硕士学位论文全文数据库 前8条
1 钱玉杰;我国水电的地理分布及开发利用研究[D];兰州大学;2013年
2 吴月秋;金沙江梯级水电站群优化调度研究[D];华北电力大学(北京);2009年
3 柴亚民;用改进的模拟退火遗传算法优化BP神经网络的研究[D];吉林大学;2008年
4 夏仁强;多种群自适应模拟退火遗传算法求解TSP问题[D];贵州大学;2008年
5 张丽娜;水电站优化调度模型及其应用研究[D];大连理工大学;2007年
6 岳海燕;混沌神经网络模拟退火参数研究[D];哈尔滨工程大学;2007年
7 庞峰;模拟退火算法的原理及算法在优化问题上的应用[D];吉林大学;2006年
8 韦强;基于模拟退火遗传算法的CDMA多用户检测的研究[D];安徽大学;2001年
【相似文献】
中国期刊全文数据库 前10条
1 周佳莉;;浅谈粒子群算法的应用[J];计算机产品与流通;2019年11期
2 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期
3 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期
4 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期
5 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期
6 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期
7 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期
8 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期
9 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期
10 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集(上册)[C];2013年
8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年
9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年
10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年
2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年
3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年
4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年
5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
6 王芳;粒子群算法的研究[D];西南大学;2006年
7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
中国硕士学位论文全文数据库 前10条
1 叶润舟;基于改进混合粒子群算法的快递最后一公里配送优化[D];合肥工业大学;2019年
2 陈爱博;基于柔性负荷的电网经济运行优化方法研究[D];沈阳工程学院;2019年
3 李晓航;增量配网型售电市场建模及运营策略研究[D];华北电力大学;2019年
4 胡康;一种改进粒子群算法及其应用[D];华北电力大学;2019年
5 康朝虎;融合向—位错模型和量子粒子群算法的断层参数反演研究[D];长安大学;2019年
6 余铖铨;考虑驾驶风格的混合动力汽车队列速度优化研究[D];江苏大学;2019年
7 张贺;混合粒子群算法在水电站优化调度中的应用研究[D];新疆大学;2019年
8 李思佳;文物虚拟挖掘真实感模拟的研究与应用[D];西北大学;2019年
9 茅继晨;改进粒子群算法在天线设计中的应用[D];杭州电子科技大学;2019年
10 徐练淞;多目标粒子群算法的改进研究[D];西华师范大学;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026