1、控制理论与控制工程专业毕业论文 精品论文 小水电群智能优化调度方法及系统开发关键词：小水电群 智能优化调度 粒子群优化 Memetic 算法 数学模型摘要：小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数学模型更多地考
2、虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，能够体现小水电
3、的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化算法的小水电群优
4、化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA） ，并将其应
5、用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度系统。结合温州电
6、网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。正文内容小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数学模型
7、更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，能够体
8、现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化算法的小
9、水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA） ，
10、并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度系统。结
11、合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数学模型
12、更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，能够体
13、现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化算法的
14、小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA）
15、，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度系统。
16、结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数学模
17、型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，能够
18、体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化算法
19、的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA）
20、 ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度系统
21、。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数学
22、模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，能
23、够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化算
24、法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA
25、） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度系
26、统。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度数
27、学模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型，
28、能够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文化
29、算法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMC
30、A） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调度
31、系统。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调度
32、数学模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模型
33、，能够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于文
34、化算法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GM
35、CA） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化调
36、度系统。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化调
37、度数学模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学模
38、型，能够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基于
39、文化算法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（G
40、MCA） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优化
41、调度系统。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优化
42、调度数学模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数学
43、模型，能够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了基
44、于文化算法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（
45、GMCA） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试比较，证明了 GMCA 作为一种综合算法，能组合多种遗传操作算子，有优良的性能；本文对八种小水电群智能优化调度方法进行了比较分析。 （6）开发了地方电网小水电群优
46、化调度系统。结合温州电网实例，提出了系统功能、系统模块以及系统实现方法等；开发了系统并投入了实际的应用。 最后，对全文的研究工作进行了总结，展望了小水电群优化调度问题研究的前景。小水电是优质的再生能源，是可持续利用的洁净能源。我国的小水电建设已经取得了很大的成效，现在如何高效地运行管理小水电越来越得到重视。随着传统水利向资源水利、可持续发展水利转变，小水电运行管理也应由常规调度管理向优化调度转变。将小水电联合起来优化调度，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展。小水电群优化调度问题是大规模、多目标、非线性优化问题，数学模型和优化调度方法是研究的关键。以发电量最大为目标的优
47、化调度数学模型更多地考虑了水的资源功能，而对水的生态环境功能考虑不足；基于动态规划法的优化调度存在“维数灾”等问题；遗传算法容易出现“早熟” ，计算时间随问题规模显著增加。 本文主要研究小水电群优化调度数学模型、优化调度方法以及地方电网小水电群优化调度系统。主要研究工作如下： （1）首先介绍了小水电群、小水电群优化调度的研究背景及意义，在总结归纳大量文献的基础上，综述了小水电群优化调度问题的主要研究内容和国内外研究现状。 （2）系统研究了小水电群优化调度数学模型。建立了能够统一描述串联、并联和混联小水电群以发电量最大为目标的优化调度数学模型；提出了以控制水位和弃水最小为目标的小水电群优化调度数
48、学模型，能够体现小水电的生态环境功能；分析了发电引用流量约束，并设计了流量调节因子，以保证下游生态需水要求。 （3）研究了基于粒子群优化算法的小水电群优化调度。将自适应粒子群优化算法（APSO）应用于小水电群优化调度问题，实例仿真结果证明了算法可以有效地处理小水电群大规模优化调度问题；将自适应机制引入弹性粒子群优化算法（RPSO） ，并应用于小水电群优化调度问题，实例仿真证明了 RPSO 算法可以很好地克服 APSO 算法容易陷入局部最优的弱点；分析了 RPSO 算法的时间复杂度，并将 RPSO 和 PSO、APSO 算法联合应用，经测试比较，RPSO 算法具有较好精度和稳定度。 （4）研究了
49、基于文化算法的小水电群优化调度。深入研究了双空间双演化双促进文化算法，将改进遗传算法作为种群空间的全局搜索策略，将各子群体的优秀个体提升为对应文化单元的知识，以一定概率引入遗传模拟退火算法和粒子群优化算法作为优秀知识指导种群进化的局部变异策略。将算法应用于小水电群优化调度问题，实例仿真并作算法比较，验证了文化算法可以综合各算法的优点，具较好的性能；将文化算法应用于不同水文年的优化调度，且采用不同的数学模型，分析了径流随机性对优化调度结果的影响，并验证了小水电群以控制水位和弃水最小为目标的数学模型简单有效。 （5）研究基于基因拟子协同进化算法的小水电群优化调度。提出了一种新的基因拟子协同进化算法（GMCA） ，并将其应用于小水电群优化调度问题。针对描述生物进化的遗传算法，提出了编码拟子和特殊拟子，并将它们和遗传操作拟子一起形成算法文化；设计了多种拟子并形成多种文化，使不同的文化指导不同的生物群体进化；提出了文化进化的发展和消亡算子，以粒子群优化算法作为文化感染策略，并以对应种群的适应值增幅大小作为判别文化衰老的标准；分析得出了 GMCA 的一代算法时间复杂度最高不超过整个群体采用最复杂文化策略的时间复杂度；经实例仿真、算法测试
