随着我国西南地区乌江、澜沧江、红水河、金沙江等特大干流梯级水电站群的出现，这类大规模水电系统优化调度方法研究变得尤为重要。这类梯级水电站群突出的显著特点是电站级数非常多，比如，乌江流域规划11座电站，已建9座；澜沧江规划15级电站，已建6座；红水河规划10级电站，已建9座；金沙江中下游规划12级电站，已建6座。水电站群电站级数越多意味着梯级水电站之间的水力和电力联系变得愈加复杂，增加了问题的约束条件数目，对于部分求解方法而言，其计算量随电站及约束数目会呈指数增长，进一步加剧了水电系统优化问题求解难度。如何保证系统求解已成为大规模水电系统面临的核心问题之一。以往常用的非线性规划、动态规划等经典方法，在求解大规模水电系统优化问题时，存在无法避免的缺陷，建模求解非常困难。比如，非线性规划方法难以对模型约束或目标函数简化，即使采用一些线性化方法简化也易于使问题偏离实际；动态规划方法受求解规模限制，大规模问题易导致维数灾问题，造成求解困难甚至因内存不足而无法计算。为了使在有限时间内求解大规模水电站群优化调度问题成为可能，并同时保证优化结果的质量，需要探索新的合理有效的求解算法。20世纪90年代计算机技术的发展，为粒子群算法、遗传算法、模拟退火方法、混沌算法等启发式智能算法的兴起提供了有利条件。这些智能算法在求解优化问题时，并不依赖于问题本身的性质和特点，在一定条件下证明可收敛到全局最优，且具有鲁棒性强、收敛速度快、寻优机制简单等优点，在求解优化问题中被广泛应用。但是，单一的智能算法在应用时仍然存在一定的缺陷，如粒子群算法存在早熟收敛、容易陷入局部最优、停滞等，遗传算法求解容易早熟且局部搜索能力差等。因此，根据不同智能算法的优缺点，通过多种智能算法之间的相互结合，改进单一算法的缺陷，是大规模水电系统优化问题新的求解途径。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
