基于量化正交免疫克隆粒子群算法的水电站水库优化调度研究

[目的]解决传统粒子群算法在求解水库优化调度问题中存在的早熟、收敛速度慢和易陷入局部最优的问题.[方法]基于抗体克隆选择学说理论,提出了一种量化正交免疫克隆粒子群算法(oicpso/q).采用正交交叉策略来增强子代个体解分布的均匀性;通过接种疫苗和计算亲合度等操作,对算法的进化过程进行有目的、有选择地指导,使得算法快速收敛,同时保持一定的多样性,抑制了早熟现象.提出一种自学习算子,避免个体邻域内最优解的丢失.建立了基于量化正交免疫克隆粒子群算法的水库优化调度数学模型,并给出其具体的求解步骤.最后应用该方法与标准粒子群算法(spso)及动态规划方法进行比较.[结果]与spso算法和动态规划方法计算结果相比,oicpso/q算法计算时间明显降低,但发电量明显增加,说明oicpso/q算法可提高解的精度,加快其收敛速度,其性能优于标准粒子群算法和动态规划方法.[结论]oicpso/q算法为求解水库优化调度问题提供了一条新的有效求解途径.