飞蛾火焰优化算法及其在梯级水库优化调度中的应用

详细信息    查看全文 | 推荐本文 |

英文篇名：Moth-Flame Optimization Algorithm and Its Application in Reservoir Optimal Operation 作者：郭荣 ; 崔东文 英文作者：GUO Rong;CUI Dongwen;Wenshan Municipal Water Affairs Bureau,Yunnan Province;Yunnan Province Wenshan Water Bureau; 关键词：飞蛾火焰优化算法 ; 混合蛙跳算法 ; 粒子群优化算法 ; 布谷鸟搜索算法 ; 入侵杂草优化算法 ; 优化调度 ; 梯级水库 英文关键词：moth-flame optimization algorithm;;shuffled frog leaping algorithm;;particle swarm optimization algorithm;;cuckoo search algorithm;;invasive weed optimization algorithm;;optimal scheduling;;cascade reservoirs 中文刊名：RMZJ 英文刊名：Pearl River 机构：云南省文山市水务局;云南省文山州水务局; 出版日期：2019-01-07 14:38 出版单位：人民珠江 年：2019 期：v.40;No.249 语种：中文; 页：RMZJ201901018 页数：5 CN：01 ISSN：44-1037/TV 分类号：96-100

摘要

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。
        Using a new type of swarm intelligence mimic algorithm-moths to a flame optimization( MFO) algorithm to solve a cascade reservoir, flat, dry optimization scheduling problem. And the results are compared with results of SFLA( SFLA), particle swarm optimization( PSO), the cuckoo search algorithm( CS) and the intrusion weed optimization algorithm( IWO). The results show that the optimal scheduling power generation of the MFO algorithm is 0. 1792 ～ 0. 9602, 0. 0972 ～ 0. 5641, and 0. 0824 ～ 0. 3220 million k W/h higher than the other four algorithms, respectively, and has a better optimal scheduling effect. This paper applies the MFO algorithm to practical engineering and verifies that the algorithm has good convergence accuracy and global extremum optimization ability. It is an effective and feasible solution method to the reservoir group optimization scheduling model, and it can provide a new solution to reservoir optimal scheduling problems.

引文

[1]王福岭,原文林,于健,等.改进粒子群算法在梯级水库优化调度中的应用[J].人民黄河,2012,34(3):88-91.
    [2]彭勇,唐国磊,薛志春.基于改进人工鱼群算法的梯级水库群优化调度[J].系统工程理论实践,2011,31(6):1118-1125.
    [3]杨道辉,马光文,过夏明,等.粒子群算法在水电站优化调度中的应用[J].水力发电学报,2006,25(5):5-7.
    [4]向波,纪昌明,罗庆松.免疫粒子群算法及其在水库优化调度中的应用[J].河海大学学报(自然科学版),2008,36(2):198-202.
    [5]白小勇,苏华英,舒凯,等.人工鱼群算法在水库优化调度中的应用[J].水电能源科学,2008,26(5):51-53.
    [6]徐刚,马光文,梁武湖,等.蚁群算法在水库优化调度中的应用[J].水科学进展,2005,16(3):397-400.
    [7]刘玒玒,汪妮,解建仓,等.水库群供水优化调度的改进蚁群算法应用研究[J].水力发电学报,2015,34(2):31-36.
    [8]王文川,雷冠军,邱林,等.群居蜘蛛优化算法在水电站优化调度中的应用及其效能分析[J].水力发电学报,2015,34(10):80-87.
    [9]明波,黄强,王义民,等.基于改进布谷鸟算法的梯级水库优化调度研究[J].水利学报,2015,46(3):341-349.
    [10]纪昌明,李继伟,张新明.梯级水电站短期发电优化调度的免疫蛙跳算法应用研究[J].水力发电学报,2015,34(1):29-36.
    [11]纪昌明,李继伟,张新明,等.基于免疫蛙跳算法的梯级水库群优化调度[J].系统工程理论实践,2013,33(8):2125-2132.
    [12]王建群,贾洋洋,肖庆元.狼群算法在水电站水库优化调度中的应用[J].水利水电科技进展,2015,35(3):1-4.
    [13]崔东文,金波.改进鸟群算法及其在梯级水库优化调度中的应用[J].三峡大学学报(自然科学版),2016,38(06):7-14.
    [14]崔东文.鲸鱼优化算法在水库优化调度中的应用[J].水利水电科技进展,2017,37(3):72-76.
    [15]MIRJALILI S.Moth-Flame Optimization Algorithm:A Novel Nature-inspired Heuristic Paradigm[J].Knowledge-Based Systems,2015(11):228-249..
    [16]崔东文.飞蛾火焰优化算法在承压含水层参数反演中的应用[J].长江科学院院报,2016,33(7):28-33.
    [17]崔东文,金波.飞蛾火焰优化算法在马斯京根模型参数优化中的应用[J].人民珠江,2016,37(8):30-34.
    [18]吴伟民,李泽熊,林志毅,等.改进飞蛾捕焰算法在网络流量预测中的应用[J].计算机工程,2017,43(10):153-159,166.
    [19]吴学文.考虑生态的多目标水电站水库混沌优化调度研究[M].北京:中国水利水电出版社,2011.