基于改进粒子群算法的梯级水电站优化调度

电　网　技　术一０ｌＡｚ　ｖｖ》ｚ０　ＪＩ∽工ｃ　基奇改进粒子群算法的梯级水电站优化调度　欧阳俊　，袁中祥　，郑　丹　，贺忠尉　（１．恩施Ｉ－ｌ，Ｉ电力公司，湖北恩施摘４４５３００；２．武汉大学电气工程学院，湖北武汉４３００７２）　要：梯级水电站的优化调度是一个具有复杂约束条件的大型动态非线性优化问题，运用标准线性粒子群算　法求解有易陷入局部最优的特点。针对这个问题对惯性权重的更新策略进行改进，减弱了典型线性寻优的局限　性，得到更优的优化结果。以恩施芭蕉河梯级水电站丰水期为例，建立以周期发电量最大为目标函数的梯级水电　站的短期优化调度模型，运用粒子群优化算法对其进行求解，得到了较好的梯级水电站优化调度结果。　关键词：梯级水电站；优化调度：粒子群算法；改进惯性权重　中图分类号：ＴＶ６９７．１１　文献标志码：Ａ　文章编号：１６７３—７５９８（２０１３）０１—００４８—０４　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ｓｃｈｅｄｕｌｉｎｇ　ｏｆ　Ｃａｓｃａｄｅ　Ｈｙｄｒｏｐｏｗｅｒ　Ｓｔａｔｉｏｎｓ　Ｂａｓｅｄ　ｏｎ　Ｉｍｐｒｏｖｅｄ　Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ａｌｇｏｒｉｔｈｍ　０Ｕ　Ｙａｎｇ－ｊｕｎ　，ＹＵＡＮ　Ｚｈｏｎｇ－ｘｉａｎｇ　，ＺＨＥＮＧ　Ｄａｎ　，ＨＥ　Ｚｈｏｎｇ—ｗｅｉ　（１．Ｅｎｓｈｉ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｃｏｍｐａｎｙ，Ｅｎｓｈｉ　４４５３００，Ｃｈｉｎａ；　２．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｏｐｔｉｍａｌ　ｓｃｈｅｄｕｌｉｎｇ　ｏｆ　ｃａｓｅａｄｅ　ｈｙｄｒｏｐｏｗｅｒ　ｓｔａｔｉｏｎｓ　ｉｓ　ａ　ｌａｒｇｅ　ｃｏｍｐｌｅｘ　ｃｏｎｓｔｒａｉｎｔｓ　ｄｙｎａｍｉｃ　ｎｏｎｌｉｎｅａｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｐｒｏｂｌｅｍ　ｗｈｉｃｈ　ｉｓ　ｖｅｒ）Ｔ　ｃｏｍｐｌｅｘ　ｔｏ　ｄｅａｌ　ｗｉｔｈ．　Ｂｅｓｉｄｅｓ，ｔｈｅ　ｓｔａｎｄａｒｄ　ｌｉｎｅａｒ　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｅａｓｙ　ｔｏ　ｆａｌｌ　ｉｎｔｏ　ｌｏｅａｌ　ｏｐｔｉｍｕｍ　ｅｈａｒａｃｔｅｒｉｓｔｉｅｓ．Ｔｏ　ｓｏｌｖｅ　ｔｈｉｓ　ｐｒｏｂｌｅｍ，ｔｈｅ　ｐａｐｅｒ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｕｐｄａｔｅ　ｓｔｒａｔｅｇｙ　ｏｆ　ｔｈｅ　ｉｎｅｒｔｉａ　ｗｅｉｇｈｔ　ＳＯ　ａｓ　ｔｏ　ｗｅａｋｅｎ　ｔｈｅ　ｌｉｍｉｔａｔｉｏｎｓ　ｏｆ　ｔｙｐｉｃａｌ　ｌｉｎｅａｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｎｄ　ｇｅｔ　ｂｅｔｔｅｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｒｅｓｕｌｔｓ．Ｔａｋｉｎｇ　ｔｈｅ　ｒａｉｎｙ　ｐｅｒｉｏｄ　ｏｆ　ｔｈｅ　Ｅｎｓｈｉ　Ｂａｊｉａｏｈｅ　ｃａｓｃａｄｅ　ｈｙｄｒｏｐｏｗｅｒ　ｓｔａｔｉｏｎｓ　ａｓ　ａｎ　ｅｘａｍｐｌｅ，ｔｈｉｓ　ｐａｐｅｒ　ｅｓｔａｂｌｉｓｈｅｓ　ｔｈｅ　ｓｈｏｒｔ－ｔｅｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｓｃｈｅｄｕｌｉｎｇ　ｍｏｄｅｌ　ｔａｋｉｎｇ　ｔｈｅ　ｍａｘｉｍｕｍ　ｏｆ　ｅｙｅｌｅ　ｇｅｎｅｒａｔｉｎｇ　ｃａｐａｃｉｔｙ　ａｓ　ｏｂｊｅｃｔｉｖｅ　ｆｕｎｃｔｉｏｎ，ｕｓｅｓ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ｐａｒｔｉｃｌｅ　ＳＷｆｌｌＸｌｌ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍ，ａｎｄ　ｏｂｔａｉｎｓ　ａ　ｂｅｔｔｅｒ　ｓｃｈｅｄｕｌｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｃａｓｃａｄｅ　ｈｙｄｒｏｐｏｗｅｒ　ｓｔａｔｉｏｎｓ；ｏｐｔｉｍｉｚａｔｉｏｎ　ｓｃｈｅｄｕｌｉｎｇ；ｐａｒｔｉｃｌｅ　ｓｗａｒｎｌ　ａｌｇｏｒｉｔｈｍ；ｍｏｄｉｉｆｅｄ　ｉｎｅｒｔｉａ　ｗｅｉｇｈｔ　沌粒子群算法加以改进，较好地避免了ＰＳＯ算法过　Ｏ　引言　梯级水电站群是由建造在同一江河流域的若干　个水电站构成的群体。梯级水电站之间既存在水的　联系又存在电的联系，其优化运行是一个具有复杂　约束条件的大型动态非线性优化问题，处理起来非　常复杂　Ｉ。目前，已经有许多最优化方法和技术在　快收敛于局部最优解的问题；文献ｆ６］研究了粒子群　算法在经济调度中的应用也得到了很好的优化结　果，文献『７］对粒子群算法的适应度和惯性权重加以　改进并运用于梯级水电站的调度，取得了良好的经　济效益。文献『８—１５ｌ也分别从不同方而对水电优化　调度进行了研究。本文将粒子群算法运用于梯级水　电站的优化调度．并对惯性权重加以改进，建立以周　期发电量最大为目标函数的模型，对水电站进行优　这个领域获得到了广泛应用，如线性规划法、非线性　规划法、动态规划法和人Ｔ智能算法等　水电优化　调度目标常采用在调度周期内水电系统的发电量或　经济效益最大、耗水量或发电支　费用最小和弃水　化调度的计算取得了明显的经济效益，惯性权重的改　进增加了算法的全局搜索能力，提高了算法的性能　量最小等。粒子群算法作为一种简便而又准确的方　法近年来被广泛地用于各种优化调度的研究，文献　『５１ｑ％￣粒子群算法用于无功的优化调度，并提出｛昆　基金项目：阁家重点基础研究９７３计划（２０１２ＣＢ２１５２０１）　１　梯级水电站短期优化调度数学模型　图１为由３个水电站串行构成的梯级水电站，　从左至右依次为第一级、第二级和第　级水电站。图　１中　ｒ　分别表示各级水电站在调度期内时段天　４８　４９　然来水量；９　、９　、ｐ；分别表示各级水电站在调度期　内时段发电引用流量；ｓｌ、ｓ　和ｓ　分别表示各级水电站　在调度期内时段弃水量。这里以第二级水电站为例　来说明各级水电站之间的关系，该级水电站在制定　（３）弃水流量约束　Ｓ　Ｉ＞０　（４）　（４）蓄水量约束　≤　．　≤　．一　（５）　调度计划时，不仅受到自身库容、天然来水量的影　响，还受到上游水电站的发电引用流量、弃水量和相　邻电站之间水流时滞的影响，同时该级水电站的发　电引用流量、弃水量还会影响到下级水电站发电计　划的制定。因此，在制定梯级水电站最优调度计划　式中：　和　分别为水电站　允许的水库最小和　最大蓄水量。　（５）机组输出功率约束　Ｐ　≤ｐ　Ｉ，　≤ｐ　ｆ．一，，　（６）　式中：Ｐｎｌ，ｔ为水电站　的机组Ｚ在时段ｔ的输出功率；　时，除了满足系统负荷需求外，还需要考虑各级水电　站之间水资源方面的联系。　图’串行的梯级水电站示意图　１．１　目标函数的建立　以发电站一天内发电量最大为目标函数：　＾＿　Ｌ　ｍａ　∑∑∑９．８１　Ｈ　，　Ａｔ　（１）　ｎ＝２　ｔ＝ｌ　／＝１　式中：Ⅳ为梯级水电站总数：　为调度时段总数：Ｚ为水　电站　的机组总数；　．　水电站　机组ｆ的发电效率；　Ｑ　为水电站凡机组ｆ在时段ｔ的发电流量；　－ｆ　＿为水电　站ｎ机组Ｚ在时段ｔ的发电净水头；　为单时段小时数。　令ｋ＝９．８１叼，　称为出力系数，根据水电站规模　的大小，一般对大型水电站取Ｋ＝８．５：中型水电站　＝　８．０～８．５；小型水电站Ｋ＝６．０～７．５。待选择机组时，应根　据水轮机模型试验，考虑效率不同的影响给予修正。　１＿２约束条件　（１）水量平衡　Ｌ．　｝　、－１、－１　Ｖ　＝　，　＋ｇ　，　＋２　Ｑ　ｆｌｆ　＋ｓ　，　，　一２　Ｑ　，ｆ．　－Ｓ　，　（２）　式中：Ｖ　、　分别为水电站ｉ在ｔ＋ｌ时段的水库初末　蓄水量；５　为水电站　在时段ｔ的弃水流量；，Ｊ　为水电　站ｎ的上级水电站“的发电机组总数；Ｑ　为水电　站ｉ的上级水电站“的机组ｆ在ｔ一　ｒ时段的发电流量；　５　为水电站ｎ的上级水电站／／，在ｔ一　ｒ时段的弃水流　量；丁为时滞系数。　（２）机组发电流量约束　Ｑ　≤Ｑ　，　≤Ｑ　ｌ　（３）　式中Ｑ　．　和Ｑ　，　分别为水电站凡的机组ｆ允许的最　小和最大发电流量。　，＾　和　“．～分别为水电站ｎ的机组ｆ允许的最小和　最大输出功率。　（６）水头约束　≤日　≤日　，　，　一　，（７）　式中日　．　和日　．一分别为水电站　的机组ｚ允许的最　小和最大水头。　２　粒子群算法　２．１　粒子群优化的基本原理　粒子群优化算法（Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ，　ＰＳ０）与遗传算法类似。是一种基于群体的优化工　具。其基本概念来源于对鸟群捕食行为的研究。试　想，一群鸟在随机搜索食物，它们知道当前的位置离　食物有多远，但不知道食物的具体方位，最有效的方　法就是搜寻目前离食物最近的鸟的周围区域。在　ＰＳＯ中，把每个优化问题的潜在解搜索空间中的一　只鸟称之为“粒子”，粒子通过跟踪２个极值来更新自　己。第一个极值是粒子本身所找到的最优解，即个体　极值，另一个极值是整个种群目前找到的最优解。对　于如式（８）所示的函数优化问题：　｛【ｍ　八　ｌ，　２，…，　ｎ　电　网　技　术ｒ８、　一ＤＩｓ．ｔ．Ｒ１，≤　７≤　，ｊ＝ｌ，２，Ｌ，凡　随机选择粒子的速度和位置。运用式（９）计算个　体极值　：　（　＋１）＝　』ｌ　Ｐｂｘｌ（ｔ＋１）ｆ　（　）　ｌ　ｌ（（　＋１），　＋１），Ｘ２（ｘｚ（　＋１），…，ｔ＋１），…，　（％（　＋１））≥ｐｂ　＋１））　ｈｃｓ　　运用式（１０）计算种群目前找到的最优解Ｇ　即：　Ｇ　＝ｍａｘ（ｆ（ｐ　（　））　Ｐ　（　）），…　ｐ　（　）））（１０）　利用式（１１）和式（１２）对粒子的速度和位置进行　优化：　ｖ０．（　＋１）＝　＋ｃｌｒ１（ｐｂ　（　）一　（　））　＋ｃ２ｒ　（Ｇ　（　）一　（　））　（１１）　（　＋１）＝　（　）＋　（　＋１）　（１２）　／＼，＞》ｚ＼露　网　技　术ｌＤＩＡｚ、＾，》ｚ　ＪＩ∽工ｃ　式中：Ｃ。，Ｃ２为学习速率、ｒ　，ｒ。为服从［０，１］均匀分布的　随机数。　标准ＰＳＯ算法通过惯性权重Ｗ来协调其全局和　局部寻优能力。将速度方程修改为式（１３）：　（ｆ＋１）＝ＷＹｉｉ－ＰＣｌｒｌ（ｐｌ　｝（　）一　（　）　－］－Ｃ２ｒ２（Ｇ　（￡）一　（　））　（１３）　ＰＳＯ具有如下优点：简单易于实现，不仅具有　较好的局部寻优能力，而且具有良好全局寻优能力。　但其容易陷入局部最小，搜索精度不高，因而在实践　中还需要进一步改进。　２＿２惯性权重的改进　在ＰＳＯ算法的可调整参数中，惯性权重Ｗ是最重　要的改进参数，它决定了粒子先前飞行速度对当前　飞行速度的影响程度，因此通过调整惯性权重的值　可以实现全局搜索和局部搜索之问的平衡。Ｗ值较　大，则全局搜索寻优能力强，局部搜索寻优能力弱：　反之，则局部搜索寻优能力增强，而全局搜索寻优能　力减弱。因此恰当的惯性权重值可以提高算法性能　和寻优能力，同时减少迭代次数。　原始的典型惯性策略是线性递减策略，由Ｙ．Ｓｈｉ　和Ｒ．Ｃ．Ｅｂｅｒｕｈａｎｔ提出，Ｗ的计算公式为：　（ｔ）＝　Ⅲ一（Ｗｓｌａｒｔ－Ｗ　１）　／　～　（１４）　式中：Ｗ　为惯性权重最大值，通常取０．９；　为　惯性权重最小值，通常取０．４；　为当前迭代次数；ｆ～　为总迭代次数　惯性权重呈线性递减，但是随着Ｗ的减小，局部　搜索能力加强，就易陷入局部最优，　本文采用文献ｉ１　１１中介绍的线性微分递减策略进　行改进。线性微分递减策略惯性权重更新方式为：　（　）＝　ｓｔａｒｔ－ｗｓｔａｒｌ－Ｗ　ｉ）　ｔ２］ｔ２．　（１５）　由于在算法初期的减小趋势缓慢，全局搜索能　力很强，有利于找到很好的优化种子，Ｗ在算法后　期，Ｗ的减小趋势加快。因此一旦在前期找到合适的　种子，可以使算法的收敛速度加快，在一定程度上减　弱了线性递减策略的局限性，相应算法在性能提高　上也有了很大改善　２．３求解步骤　水电站优化调度是一个强约束、非线性、多阶段　的组合优化问题，水电站优化调度可表述为：找到一　个水位变化序列（Ｚ。，　，…，　），在满足各种约束条件　下使发电收入最大。用ＰＳＯ求解模　时，一个粒子就　是水电站的一种运行策略，粒子位置向量的元素为水　库各时段末水位，速度向量的元素为水库各时段末水　位的涨落速度，水库各时段末水位的变换必须满足上　述模型的各种约束条件，为了增加初始可行解，可采　用罚函数将约束转为无约束。具体算法步骤如下：　（１）在各时段允许的水位变化范围内，随机生成　ｍ组时段末水位变化序列（　，　，…，　），…，（ｚ　ｚ　，…，ｚ　），随机生成组时段末水位涨落速度变化　序列（　，　，…，　），…，（　；　，　，…，Ｖ　），及随机　初始化ｍ个粒子，粒子ｉ的　坐标设置为粒子的当前　位置尸ｆ＝Ｚ：（ｉ＝１，２，…，ｍ；ｔ＝ｌ，２，…，Ｄ），并按优化调　度的目标函数计算出其相应个体极值Ｅ（ｉ），找出ｍ　个个体极值中最大的一个使全局极值Ｅ　＝ｍａｘ｛Ｅ　，　１，２，…，ｍ１，记录下最好例子的序号　，　设置为该粒　子的位置　＝　（　＝１，２，…，Ｄ）。　（２）按优化调度的目标函数计算各粒子目标函　数值，如果好于粒子当前的个体极值Ｅ（ｉ），则将　设　置为该粒子的位置，且更新全局极值。　（３）更新粒子的速度和位置。　（４）检验是否满足迭代终止条件。如果当前迭代次　数达到了预先设定的最大迭代次数或达到最小误差要　求，则迭代终止，输出结果，否则转到第２步，继续迭代。　（５）迭代终止，记录下全局极值点即为水库的最　优调度线　３算例分析　３．１　数据处理　３．１．１　库容水位关系　根据恩施州芭蕉河的历年水库库容和水位的数　据，可以模拟得到库容随水位变化的曲线和水位随　库容变化的关系曲线，用于程序的迭代计算。　邑蕉河一级水电站的库容　为：　Ｖｌ＝（２．０５５　４ｘＨ￣，一２　４ｌ３．５００　２ｘＨｌ＋７０９　９３４．６５）ｘ１０　（１４）　芭蕉河二级水电站的库容　为：　Ｖｚ＝（２．６４０　８ｘ　－２　７６３．６３９　２×日　７２４　０１４．９０）ｘ１０　（１　５）　芭蕉河一级水电站的水位Ⅳ，为：　Ｈ１＝４１８．８７ｘ（　，／ｌ０　）。　，　（１６）　芭蕉河二级水电站的水位　为：　Ｈ２＝４１０．５４７　３ｘ（Ｖ２／１０　）叭　。　（１７）　３．１．２来水量统计　以恩施的芭蕉河二级梯级水电站丰水期发电为　例，已知芭蕉河一级二级水电站水电发电统计表平　均来水量如表ｌ。　按照平均来水量将来水量随机取值，将其作为　５００　ｋＶ直流架空输电线路设计技术导则》进行海拔　修ｌ卜，确定本　程的电气绝缘强度　３　张殿生．电力『　程高压输电线路设计手册【Ｍ１．北京：中【玉Ｉ　电力　版社，２００３．　（２）根据闰内外直流高压、特高乐输电线路下　电场限制值的研究成果和相关设计规程，确　　１４ｌ　Ｑ／ＧＩ）Ｗ　ｌ８１—２００８．＋５００　ｋＶ直流架空输电线路设计技术　规定　．　定±５００　ｋＶ直流特高压架空输电线路电磁环境限值　标准　ｆ５１　ＤＩＪＴ　４３６—２００５．高压直流架空送电线路技术导则　．　『６１中国电力科学研究院．电磁环境影响建议限值『ＲＩ．北京：　中　电力科学研究院，２００５．　［７］中同电力Ｔ程顾问集团公　．＋５００　ｋＶ同塔双回直流输　电Ｔ程导线对地距离及交叉跨越距离研究【Ｒ】．北京：巾　电力ｒ　程顾问集团公廿ｊ，２０１０．　【８１黄欲成，赵伞汀，李翔，等．＋８００　ｋＶ向卜直流输电线路埘　地及交叉跨越距离『Ｊ１．电力建设，２０１　１，３２（１）：１５—１７．　Ｉ９ｌ薛春林．云广＋＿８００　ｋＶ线路对地及交义距离研究ｌＪ１＿高电　压技术，２００６，３２（１２）：ｌ８３—１８８．　（３）计算得￣￣５ｏｏ　ｋＶ同塔双吲直流输电线路　对地及交叉跨越最小问隙距离。　（４）直流输电线路邻近民房时，边导线５　ｍ范围　内房屋全部拆除；导线最大风偏时保证电气间隙　８．５　ｍ要求；边导线５　ｍ外的房屋根据地面未畸变合　成电场１５　ｋＶ／ｍ限值要求决定是否拆除。　参考文献　…张爱玲．溪洛渡送电广东同塔双叫直流输电１　干旱控制保　｝ｒｌ策略研究　电力系统保护　ｊ控制，２０１１，３８（９）：７２—　７６．　ｆ１０１　ＧＢ　５０５４５—２０１０．１　１０～７５０　ｋＶ架空输电线路设计规范［ｓ１．　（责任编辑收稿日期：２０１２—０８—２２　张健）　２父健，『Ｌｌ晓存，张辉．输变电１．程与一般电磁辐射源的　）ＪｑｌＪ１．陕ｐ　电　，２００７，３５（１０）：３４—３６．　作者简介：郭尤弼（１９８３一），男．湖北制州人，小科，ｌ　程师，从‘打送　电线路电气设计方面的１‘作．　．”—＋＿一—＋＿～—　一—’一一—卜一—十一十一十一＋一十“＋“＋一十“＋“＋“十“＋“＋“—卜“—卜一＋“＋”＋“＋ｗ＋“＋“—　“＋一十”＋“＋“＋一＋“＋“＋一＋一＋～＋一＋　＋”＋”＋”＋”＋　（上接第５１页）　日一表现　一定的动态性和时滞现象。利用优化算法　对陔问题求解．处理起来很复杂，也很难从理论上找　最优解　，本文紧紧围绕梯级水电站短期优化调度　卡廿关问题，在理论和方法卜重点研究了智能优化算　１７ｌ段金长．梯级水电站优化调度的改进粒子群算法ｌＪ１．水　电自动化　ｊ大坝监测，２００９．１０（２４）：８～１　１．　ｆ８１吴杰康．采用梯级水电站动态弃水策略的多Ｈ标短期优　化蒯度ＩＪ１．中　电机１二程学报，２０１　１，３１（４）：１５－２３．　１９ｌ　ＬＩ　ＬＥ　Ｊ　Ｄ　Ｃ．　Ｆｈｅ　Ｕｓｅ　ｏｆ　Ｓｔｏｒａｇｅ　Ｗａｔｅｒ　ｉｎ　ａ　Ｈｙｄｒｏｅｌｅｃｔｒｉｃ　Ｓｙｓｔｅｍ［Ｊ］．Ｏｐｅｒａｔｉｏｎｓ　Ｒｅｓｅａｒｃｈ，１９５５，（３）：１８７—１９７．　【１０１　ＡＮＴＩＰＯＶＡ　Ｅ．Ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ＳｙｒＤａｒｙａ　Ｗａｔｅｒ　ａｎｄ　Ｅｎｅｒｇｙ　法在该问题中的应用。并以改进的粒子群优化算法　求解梯级水电站口优化运行方案为例，验证了粒子　群优化箅法求解该问题的合理性及实用性，取得了　比较满意的结果　参考文献　ｌ１ｌ帏冰，ｊ长粒子，舒隽．梯级水电站优化调度力‘法综述梯　级水电站优化调度　法综述ｌＪ１＿现代电力，２００７，２４（１）．　７８—８３．　Ｕｓｅｓ［Ｊ１．Ｗａｔｅｒ　Ｉｎｔｅｒｎａｔｉｏｎａｌ，２００２，２７（４）：５０５—５１６．　１１１胡建秀，曾建湖．微粒群算法中惯性权审的调整策略…．　计算机１　程．２００７，３３（１）：１９３—１９５．　　Ｉ１２ｌ炅杰康．基丁连续线性规划的梯级水电站优化调度ｌＪＩ＿电　技术，２００９，３３（８）：２４—２９．　『１３１　Ｊｌ｝永吕．梯级水电站短期优化调度建模研究『Ｄ１．哈尔　滨：哈尔滨ｆ　业大学，２０１０．　１２Ｉ圳　ｆ强，贺ｆ：晡．梯级水电站多日标模糊优化凋度模　ｆｌ４１胡同强，贺ｆ＿睦．梯级水电站多目标模糊优化调度模型　及求解方法　电工技术学报，２００７，２２（１）：１５４一ｌ５８．　及』　求　方法…．电＿ｒ技术学报，２００７，２２（１）：１５４—１５８．　３　ｆｕ』伟．苏巾ｆ１河流域梯级水电站短期优化调度研究　．天　津：大淬火学建筑ｒ程学院．２００７．　丛琳．　于免疫克降选择算法的水站水库优化调度ｌＩＩＩ　＿陕两电力，２０１】，３９（８）：１５－２２．　１５Ｉ心忠琼．　丁改进批了群算法的电　系统无功优化研究　…．陕阿电力，２００８，３６（６）：１８－２１．　『１５１胡明是，练继建．基于改进遗传算法的水电站“优化调　度　法研究ｌＪ］＿水力发电学报，２００４，２３（２３）：１７—２１．　（责任编辑收稿日期：２０１２—１１－０４　张健）　作者简介：欧阳俊（１９６２一），男，湖北恩施人，商级】．程师，从事电力　系统运行　拧制方而的Ｔ　作。　６１　袁瑛．粒ｒ群算法红　济调度巾的应用研究［Ｄ］．两发：　安　ｌ：大　、　：，２０１０．　５６