《表3 不同方法计算结果Table 3 Results computed by different methods》
以某一枯水年实测径流过程为输入项,分别采用理论较为成熟的PSO算法、逐次逼近动态规划算法(DPSA)、标准SFLA算法以及本文所提AISFLA算法,在同等条件下对李仙江梯级水库进行仿真计算。参照文献[10]和文献[15]中的参数设置建议,设置如下的算法参数:AISFLA中,蛙群规模F=200,子群中青蛙数h=20,子群总数M=10,子群迭代次数Num_local=10,蛙群迭代次数Num_general=500,蛙群相对多样性阈值μ*=0.4,激励因子Mf=1.5;标准SFLA中,参照AISFLA进行参数设置;PSO中,学习因子c1,c2分别取1.5,2.0,惯性权重w=0.5,迭代次数取500;DPSA水位离散点取100。各智能算法独立运行10次,统计10次运算中各种方法的最大发电量、平均发电量和标准差等指标,结果如表3所示。可以看出,与表中列举的2种智能优化算法相比,AISFLA的计算结果有明显提高(且最接近DPSA优化结果),与此同时,寻优结果的稳定性得到了有效提升,如相比于SFLA和PSO,AISFLA的标准差分别降低了70.17%和72.22%。
图表编号 | XD008648700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 李荣波、纪昌明、孙平、刘丹、张璞、李继清 |
绘制单位 | 华北电力大学可再生能源学院、长江勘测规划设计研究有限公司、华北电力大学可再生能源学院、中国电建集团北京勘测设计研究院有限公司、中国水利水电科学研究院、华北电力大学可再生能源学院、华北电力大学可再生能源学院 |
更多格式 | 高清、无水印(增值服务) |