《表3 梯级电站耗水率：基于动态廊道遗传算法的流域梯级水电站厂间负荷分配研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于动态廊道遗传算法的流域梯级水电站厂间负荷分配研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图4～7的水位过程来看:图4为龙头水库，两种算法所得水位过程均是缓慢下降的放水发电过程，也未出现水位过程频繁波动现象；但从图5～7明显可以看出动态廊道遗传算法与传统遗传算法优化结果的差异:传统遗传算法优化结果的水位过程波动很大，呈现明显的锯齿状（图5、7尤为明显），而动态廊道遗传算法由于加入动态廊道的约束机制，使出力过程平稳，水位波动小，有效避免水位过程急剧上升或下降的现象。从优化目标来看:梯级各电站均未出现弃水，动态廊道遗传算法梯级发电用水更少，耗水率略优于传统遗传算法和实际运行统计值（如表2、3所示）。综上，本文提出的动态廊道遗传算法合理可行，对流域梯级电站负荷匹配与优化及梯级电站日内发电计划的编制有一定的实用价值。