改進(jìn)的免疫粒子群算法及梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題的研究.pdf

1、隨著水電事業(yè)的發(fā)展和大規(guī)模水庫(kù)群的開(kāi)發(fā)，形成了許多大型梯級(jí)水庫(kù)群。如何在已有的約束條件下，運(yùn)用優(yōu)化理論和系統(tǒng)工程方法，制訂并實(shí)現(xiàn)梯級(jí)水庫(kù)群的最優(yōu)運(yùn)行調(diào)度，對(duì)于解決我國(guó)能源緊張非常重要。因此，求解梯級(jí)水庫(kù)群的優(yōu)化調(diào)度問(wèn)題是一個(gè)具有十分重要的學(xué)術(shù)意義和實(shí)用價(jià)值的研究課題。
　　 由于梯級(jí)水庫(kù)群優(yōu)化調(diào)度模型的求解是一個(gè)復(fù)雜的多約束優(yōu)化問(wèn)題，傳統(tǒng)的優(yōu)化方法在解決梯級(jí)水庫(kù)群優(yōu)化調(diào)度問(wèn)題時(shí)受時(shí)間、效率、計(jì)算機(jī)存儲(chǔ)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(qiáng)“魯棒性”的智能優(yōu)化算法，如人工神經(jīng)網(wǎng)絡(luò)、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(jí)水庫(kù)群聯(lián)合優(yōu)化調(diào)度提供了新的途徑。但是由于梯級(jí)水庫(kù)群優(yōu)化調(diào)度問(wèn)題的復(fù)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(wèn)題的求解。因此往往是將多種算法結(jié)合起來(lái)使用以求解水庫(kù)調(diào)度問(wèn)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(jìn)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(jìn)化的多樣性，克服粒子群算法的早熟現(xiàn)象。通過(guò)柯西變異，提高算法的全局搜索能力，通過(guò)高斯變異，提高算法的局部搜索能力。此外，為解決隨機(jī)地沒(méi)有指導(dǎo)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(cè)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(jìn)的免疫粒子群算法求解梯級(jí)水庫(kù)群長(zhǎng)期優(yōu)化調(diào)度的算例，仿真結(jié)果表明改進(jìn)的免疫粒子群算法的可行性和有效性，能夠?yàn)榻鉀Q復(fù)雜的梯級(jí)水庫(kù)長(zhǎng)期優(yōu)化調(diào)度