資源描述：
《分析水電站水庫優(yōu)化調(diào)度混沌粒子群算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第12卷第6期南水北調(diào)與水利科技Vo1．12No．62014年12月South-to-NorthWaterTransfersandWaterScience&TechnologyDec．2014DOI：10．13476／j．cnki．nsbdqk．2014．06．041水電站水庫優(yōu)化調(diào)度混沌粒子群算法國海濤，劉性泉，岳峻。，趙含雨(1．山東商業(yè)職業(yè)技術(shù)學(xué)院信息技術(shù)學(xué)院，濟(jì)南250103；2．山東黃河河務(wù)局東平湖管理局，山東泰安271000；3．魯東大學(xué)信息科學(xué)與工程學(xué)院，山東煙臺(tái)264O25)摘要：針對(duì)粒子群算法易陷入局部最優(yōu)問題，從數(shù)學(xué)角度分析了粒子
2、群算法易陷入局部最優(yōu)的理論原因，提出一種自適應(yīng)混沌變異粒子群算法，對(duì)陷入局部最優(yōu)的粒子產(chǎn)生變異，增加算法的遍歷性、種群的多樣性，以跳出局部最優(yōu)解，用來解決水庫優(yōu)化調(diào)度問題。與現(xiàn)有算法相比，自適應(yīng)混沌變異粒子群算法計(jì)算快，穩(wěn)定性強(qiáng)，既避免了粒子群算法陷入局部最優(yōu)，同時(shí)在一定程度上又保證了收斂性。關(guān)鍵詞：水庫優(yōu)化調(diào)度；粒子群優(yōu)化；混沌；變異；自適應(yīng)；局部最優(yōu)；收斂性中圖分類號(hào)：TV697文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1672—1683(2014)06—0181—03Chaoticparticleswarmoptimizationalgorithmforopti
3、maloperationofhydropowerstationGUOHai—tao，LIUXing-quan2，YUEJun3，ZHAOHan-yuz(1．InformationTechnologyCollege，ShandongInstituteofCommerceAndTechnology，Jinan250103，China；2．DongpinghuLakeBureau，YRSB，Tai’an271000，China；3．CollegeofInformationScienceandEngineering，LuDongUniversity，Yant
4、ai264025，China)Abstract：Theparticleswarrfloptimization(PSO)algorithmcaneasilyfallintothelocaloptimization．Inthispaper，thetheoreticreasonsoflocaloptimizationwereanalyzedfromthemathematica1perspective，andanewself-adaptivechaoticmutationPSOal—gorithmwasproposedandappliedtoahydropo
5、werstation．Theresultsshowedthatthenewalgorithmcanmutatetheparticleswhichfallintothelocaloptimization，increasethealgorithmergodicityandswarrudiversity，andfindtheglobaloptimizationSO—lution，whichisusefulfortheoptimaloperationofreservoir．Comparedwiththecurrentalgorithms，theself-ad
6、aptivechaoticmutationPSOalgorithmhasfastcomputationandstrongstability，avoidsthelocaloptimization，andensurestheconvergence．Keywords：optimaloperationofreservoir；particleswarmalgorithm；chaos；mutation；adaptive；localoptimal；convergence水庫優(yōu)化調(diào)度是一類動(dòng)態(tài)最優(yōu)控制問題。傳統(tǒng)的解決異操，產(chǎn)生極值變異，繼續(xù)搜索，以便獲得更優(yōu)解。方法
7、主要基于數(shù)學(xué)規(guī)劃技術(shù)，如線性規(guī)劃、動(dòng)態(tài)規(guī)劃等_1]。1問題描述隨著生物智能仿真算法的興起，有學(xué)者用遺傳算法_2]、模擬退火算法l7解決此問題。實(shí)驗(yàn)表明，現(xiàn)有算法存在“維數(shù)災(zāi)1．1目標(biāo)函數(shù)難”、收斂速度慢等問題。以發(fā)電為主，兼顧灌溉、防洪等任務(wù)的水庫為研究對(duì)象，粒子群算法l_8](PSO算法)因收斂速度快，計(jì)算簡(jiǎn)單，較確定的優(yōu)化目標(biāo)是發(fā)電量最大。因此目標(biāo)函數(shù)為易實(shí)現(xiàn)等優(yōu)點(diǎn)，獲得廣大學(xué)者的青睞，并被弓I入水庫優(yōu)化調(diào)TE=max∑AQHMi(1)度研究領(lǐng)域中[9。但研究表明，與其他仿生算法一樣，粒t一】式中：E為電站的年發(fā)電量；A為電站的綜合出力系數(shù)；Q為
8、子群算法依然存在早收斂問題。為此，諸多學(xué)者對(duì)粒子群算第i時(shí)段發(fā)電流量；Hi為第i時(shí)段平均發(fā)電凈水頭；T為總法
