如何优化调度结果？

不同频率来水条件下各算法的优化结果见表7.2、图7.6以及图7.7，其中计算时间为多次测试平均值。从表7.2中的计算年发电量可以看到，CSADE优于POA和DE。丰水年，CSADE比DE增加7.15亿kW·h，比POA增加1.678亿kW·h，并且计算时间缩短了98s。平水年，CSADE比DE增加7.059亿kW·h，比POA增加1.51亿kW·h，并且计算时间缩短了102s。枯水年，CSADE比DE增加6.725亿kW·h，比POA增加0.447亿kW·h，并且计算时间缩短了99s。从计算时间可以看到，丰水年和枯水年各算法耗时相对平水年更多，主要是因为在求解过程中丰水年需对弃水作频繁的处理，枯水年需保证系统最小出力。其中，POA算法作为传统的经典优化方法，其计算耗时与迭代步长、惩罚函数处理方式以及收敛精度有关，通常情况下，要获得精度较高的优化解，计算耗时越长；CSADE在初始解生成、进化控制参数动态调整以及局部搜索方面增加了算法运行时间，故比DE耗时略多。

表7.2　不同频率来水条件下的水电站群优化结果统计

图7.6　不同频率来水条件下各算法计算发电量(www.xing528.com)

图7.7　不同来水频率条件下各算法计算耗时

图7.8中描绘了丰水年CSADE算法得到的天生桥一级水电站、光照水电站、龙滩水电站、岩滩水电站水位-出力过程图，虚线表示水库的水位上限，汛期为汛限水位，其他时段为正常高水位。CSADE算法的红水河梯级水电站群优化调度过程与AHPSO相似，因此，优化结果是有效合理的。

图7.9描绘了CSADE和DE算法的最优适应度迭代过程。从图7.9中可以看到，CSADE由于引入了tent映射的初始解生成方法，初始最大适应度优于随机生成初始种群的DE；同时，通过控制参数动态调整以及局部搜索能力的改善，CSADE的收敛速度比DE明显更快，且具有更强的全局搜索能力。