学位论文 > 优秀研究生学位论文题录展示

混合智能算法在梯级水库中长期优化调度中的应用

作　者: 李庚
导　师: 邹进
学　校: 昆明理工大学
专　业: 水文学及水资源
关键词: 混合人工智能遗传算法智能算法蚁群算法水库调度
分类号: TV697.11
类　型: 硕士论文
年　份: 2010年
下　载: 88次
引　用: 0次
阅　读: 论文下载

内容摘要

调度是水库运行管理的核心内容之一,尤其是各种智能算法相继引入调度优化模型领域之后,水库优化调度一直是研究的热点。智能算法打破了传统的建立问题精确模型的计算模式,适合于解决那些传统方法难以有效解决,抑或无法解决的问题。这些智能方法为解决水库优化调度问题提供了全新的思路。本文研究以澜沧江流域小湾和漫湾两梯级水电站为背景,根据小湾、漫湾梯级水库的特点,建立梯级水库优化调度模型,并应用遗传算法、蚁群算法、模拟退火算法以及以这些方法为基础的混合智能方法对模型进行求解。本文通过查阅大量文献,深入研究各种模型、方法,分析其优缺点,尤其是智能算法优点及局限性剖析。在此基础上将遗传算法,蚁群算法,模拟退火算法等相互结合,得出一种混合智能算法。针对本文的混合算法应用于求解梯级水库调度优化模型,在Visual C++平台上编制计算机程序,包括遗传算法程序,遗传模拟退火程序,蚁群算法程序,用爬山算法改进的蚁群算法程序,改进的遗传蚁群算法程序。最后将小湾、漫湾电站数据输入程序进行计算,分析比较计算结果,得出混合算法效率和精度方面均较好的结论。本文创新点主要包括：提出遗传算法用于梯级水库调度问题的模拟退火适应度函数,即在梯级水库调度优化目标函数函数基础上,加上正修改常数及模拟退火约束惩罚函数作为适应度函数；本文针对水库调度问题将适应度概念引入蚁群算法蚁群算法的信息素更新策略；应用大变异机制及模拟退火原理,并加入排序选择机制与之对应,形成用于水库调度的大变异模拟遗传算法；遗传算法、蚁群算法、爬山算法、模拟退火算法四种智能方法优势互补形成一种有效梯级水库调度混合人工智能方法。

全文目录

摘要  3-4
Abstract  4-9
第一章绪论  9-27
  1.1 选题背景及研究意义  9-10
  1.2 水库水电站优化调度国内外研究进展概述  10-12
    1.2.1 单库优化调度国内外研究概述  11
    1.2.2 库群优化调度国内外研究概述  11-12
  1.3 水库水电站优化调度模型及方法概述  12-25
    1.3.1 线性规划模型及非线性规划模型  13-15
    1.3.2 动态规划模型  15-18
    1.3.3 人工神经网络模型  18-19
    1.3.4 遗传算法模型  19-21
    1.3.5 蚁群算法模型  21-22
    1.3.6 粒子群算法模型  22-23
    1.3.7 模拟退火算法模型  23-24
    1.3.8 多目标优化模型  24
    1.3.9 模拟模型  24
    1.3.10 大系统分解协调模型  24
    1.3.11 整数规划及混合整数规划模型  24-25
    1.3.12 模糊数学模型及其他模型  25
  1.4 本文研究的主要内容  25-27
第二章水库(群)中长期优化调度理论  27-35
  2.1 水库中长期优化调度概述  27-29
    2.1.1 单库优化调度  27
    2.1.2 库群优化调度  27-28
    2.1.3 确定性优化调度  28
    2.1.4 显随机性优化调度  28
    2.1.5 隐随机优化调度  28-29
  2.2 水电站水库(群)中长期优化调度数学模型  29-34
    2.2.1 确定性水电站水库优化调度数学模型  29-32
    2.2.2 水库调度显随机性数学模型  32-34
  2.3 本章小结  34-35
第三章混合智能算法在水库优化调度中的应用  35-51
  3.1 智能算法概述  35
  3.2 遗传算法  35-42
    3.2.1 编码问题  35-37
    3.2.2 控制参数设定及初始种群生成  37-38
    3.2.3 适应度函数  38
    3.2.4 遗传操作  38-42
  3.3 蚁群算法  42-44
  3.4 模拟退火算法  44-46
  3.5 爬山算法  46-47
  3.6 混合智能算法  47-49
  3.7 本章小结  49-51
第四章应用编程计算及结果分析  51-73
  4.1 小湾、漫湾水库优化调度基本资料  51-54
    4.1.1 小湾、漫湾梯级水库流域概况  51-52
    4.1.2 小湾、漫湾梯级水电站主要特征参数  52
    4.1.3 小湾、漫湾天然径流量  52-53
    4.1.4 小湾、漫湾水电站特性曲线  53-54
  4.2 遗传算法(GA)应用及主要步骤  54-56
  4.3 遗传退火算法(SAGA)应用及主要步骤  56-58
  4.4 蚁群算法(ACO)应用及主要步骤  58-59
  4.5 爬山蚁群算法(HCMACO)应用及主要步骤  59-60
  4.6 混合智能算法(SAGA-HCMACO)应用及主要步骤  60-61
  4.7 各算法计算结果对比分析  61-72
  4.8 本章小结  72-73
第五章全文总结及展望  73-76
  5.1 全文总结  73-74
  5.2 研究展望  74-76
致谢  76-77
参考文献  77-81
附录 (攻读硕士期间发表论文目录)  81

混合智能算法在梯级水库中长期优化调度中的应用

内容摘要

全文目录

相似论文