調度管理論文范文
前言：我們精心挑選了數篇優質調度管理論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。
第1篇
所謂的風險管理，其實就是管理可能發生的危險，以及危險發生時可能帶來的各項損失。風險管理的宗旨在于將可能發生的危險扼殺在搖籃里，同時將已經發生了的危險的破壞性降到最低。從電力調度安全管理的角度上來說，電力調度工作的核心其實就是一個安全性、穩定性的管理。
既然電力調度安全管理中的風險管理指的是對可能對電力系統運行的穩定性和高效性產生危害的易變性因素的管理，風險管理工作中就需要至少經過以下三個步驟：首先是風險辨認。風險辨認的對象是不確定因素。對電力系統自身中諸如對外界影響的抵抗力、外界對電力系統運行的干擾性因素等內容進行辨認。并最終形成風險辨認的條目表。其次是風險評估。在通過風險辨認工作獲取到風險種類的目錄之后，接下來的工作就是對不同的風險種類所可能產生的破壞性影響進行評估。這種評估工作應該重視量的衡定。比如某一臺特定發電機組在發生故障時，可能對整個電力系統和供電區域造成的巨大的損害，但是這種損害必須是用經濟單位來衡量的。最后是風險控制。風險控制是風險管理的出發點和歸宿。風險控制工作是在經過了形成風險種類目錄、初步掌握風險性因素帶來的破壞性影響之后，借助相關的制度、設備等形成完善的預警系統和應急機制，將風險產生的可能性和風險帶來的損失降到最低。
2 我國電力調度安全管理中風險管理的現狀
2.1 我國電力調度安全管理中風險管理工作成果斐然
電力調度的安全管理作為電力系統正常運作的基礎和支撐，歷來被電力行業各個部門高度重視，并通過及時對電力系統的關鍵設備進行更新換代、借鑒先進電力調度技術提高電力調度工作安全性、通過網絡信息技術建成各級統一的調度信息共享和交流平度等方式對調度工作中的風險性因素進行了有效的管理和控制，并最終取得了顯著地實績：我國電力運行系統日漸穩定，供電和輸電機組設備先進，效率，調度工作的安全性被極大鞏固和完善。
2.2 我國電力調度安全管理中風險管理工作仍存上升空間
電力調度工作中安全管理的最大威脅就是調度工作本身的瞬時性和不可逆轉性。這種特定的工作特質注定了電力調度工作的風險管理是一項永無止境，必須時刻關注的重大課題。從當前我國電力調度風險管理工作現狀來看，在以下兩個方面還存在著明顯的上升空間：首先是我國電力調度工作中風險管理人員的素質需要進一步提升。電力調度工作雖然可以借助網絡信息技術獲取極大便利，但是人工是其中必不可少的因素，同時也是關鍵性因素。然而當前我國電力調度工作人員由于習慣了日常倒閘、供電、放電等常規工作內容，而往往忽略了對電力系統的認真鉆研，降低了自己發現危險和應對危機的素質與能力。其次是電力系統本身也存在問題。當前我國電力系統中仍然存在著電力運輸通道單一，甚至造假的現象，這種單通道的存在造成了電力調度工作難度的倍增。此外，電力系統中預警信號燈過多，一些無用的燈光信號往往混淆了安全管理人員對危險性信號的判斷。此外，我國基本建設完成了對電力調度安全管理系統的信息化建設，但是當前電力調度信息網絡使用的是三層橋式分段網絡或者是MIS網絡，這些技術短板容易造成信息系統較為脆弱，進而產生威脅性因素。
3 關于強化電力調度安全管理中風險管理工作的對策性建議
3.1 建設高度統一的風險預警和應急機制
前文提到，電力調度工作的特征是突發性和瞬間性。往往危機在剎那間產生并能夠在很短的時間內擴散到整個電力系統，產生無法估量的損失。因此，完善的預警機制和應急機制十分必要。當可能導致風險的易變性因素出現時，能夠通過嚴密的防護措施進行規避和報警。即使無法避免，危機爆發，也能夠通過嚴格、高效的應急機制將損失控制到最小。比如建立微機防誤閉鎖、電力機組實時監控系統、各層級統一的電力調度信息平臺等都是極為有效的預警和應急手段。
3.2 建設一支高素質的電力調度工作團隊
風險管理是一項體系性工程和課題，需要高素質的人才隊伍作為執行者。這樣一支人才隊伍的建設可以通過在諸如華北電力大學等知名學府中選撥專業人才、對既有員工進行專業培訓、建立嚴謹的企業文化，將風險意識和安全意識借助文化產生潛移默化地影響等方式來建立。此外，組織定期的危機、事故處理和應對演練也是極為有效的風險管理方式之一。
3.3 對當前的電力市場進行充分的預估
電力系統必須服務于特定的電力市場，因此，電力市場的發展趨勢同樣對電力系統的運作產生巨大的影響。在考察電力市場情況時，不能片面重視市場可能對供電系統提出的最大要求，而同時要注意電力系統可能產生的電量飽和情況。畢竟，特定區域內電量太多或者太少都可能對服務與這個地區的特定的電力系統產生破壞性影響。這就要求風險管理工作提前做好電力市場的預估工作。
4 結語
第2篇
1、賽格儲運有限公司整體概況
1.1公司整體的概況
深圳賽格儲運有限公司隸屬于深圳市賽格股份有限公司（深證A、B股公眾上市公司），是一家專業從事集多式聯運、倉儲、產品包裝、流通加工、信息處理一體化的第三方物流企業。公司成立于1989年1月，1994年10月，在福田保稅區投資建設賽格儲運大廈（建筑面積為25000平方米的保稅倉）；1995年5月，經國家經貿委批準在香港設立分支機構(賽格儲運（香港）有限公司)，從事海、空運輸、港深陸路運輸及貨代業務。經過十幾年的不懈努力，公司已發展成為擁有資產總額超過億元的，擁有5噸、8噸箱式車和施頭車共24輛，形成貨運能力達14萬噸/年，同時擁有28000平方米的保稅倉庫，具備完善的物流服務設施、能力、許可和經驗，能夠為客戶提供全程的第三方物流服務的現代物流企業，成為深港兩地頗具實力和影響的大型商貿服務性企業。
1.2公司運輸車輛概況
在運輸方面，深圳賽格儲運有限公司主要服務客戶為大型的加工廠、通訊公司、國際大型貨代公司等。目前，公司自有各式兩地車輛48輛（集裝箱30輛；噸車18輛。其中12輛集裝箱和7輛噸車是三地牌照車，可以同時進出福田保稅區）；每部車輛裝備無線電話及對講機，能隨時與司機溝通，靈活指揮車輛。運輸車輛部分配備GPS衛星定位系統，可以隨時掌握車輛的具置；固定停車場面積香港8000平方米；蛇口車場8000平方米。
1.3公司國內運輸車輛概況
在國內運輸方面，深圳賽格儲運有限公司主要服務于國內外大型生產型廠商和國際貨代公司。目前，公司自有國內集裝箱海關監管運輸車輛44輛（其中貨柜42輛；噸車2輛），部分國內運輸車輛配備GPS衛星定位系統，可以隨時掌握車輛的具置，國內運輸車固定停車場面積蛇口車場8000平方米。
2、車輛運作現狀分析
2.1車輛資源總體不夠
物流業是個系統性的服務行業，車輛在物流中集現代運輸倉儲、保管搬運、包裝流通以及物流信息于一體，發揮著綜合性的作用，因此，可以講，車輛資源是最基本的資源，是物流企業物流整體能力提升的重要保障。從目前深圳賽格儲運有限公司的運輸車輛和國內運輸車輛資源來看，現有的集裝箱車、噸車和貨柜已遠不能滿足日益增長的貨運和國內貨運物流業務需要，存在著物流配送車輛資源總體不夠的問題，制約了企業物流能力的全面提升。
2.2淡季旺季業務及車輛分配不均
受社會消費環境影響，物流行業存在明顯的淡季和旺季。一般來講，每年春節后的2、3月份，五一、國慶、春節等法定假日期間，6、7、8月是物流行業的淡季。其余的月份則是物流行業的旺季。從目前深圳賽格儲運有限公司的車輛分配上來看，由于公司對淡季旺季業務缺乏深入分析，加之收貨價格彈性不夠，班車運營、自備車輛運營專線網點等車輛空置率較高，在淡季存在車輛資源利用不夠的問題。在旺季，由于相關的物流業務量大增，現有車輛不能滿足業務要求，許多能夠實現的利潤白白流失。另外，在車輛分配上，缺乏有效的手段對車輛資源分配使用進行統籌安排，各個運營線路存在的車輛分配不均的問題，形成了有的線路存在部分車輛閑置，而有的線路車輛配置卻嚴重不足的資源配置矛盾，影響了公司整體的物流運營效率。
2.3車輛與司機運行時間的管理
在車輛與司機運行時間的管理上，深圳賽格儲運有限公司缺乏科學的管理方式和手段。一方面，在行車排班計劃制定方面，行車計劃、車輛排班計劃、人員排班計劃結合的不夠緊密，時間管理意識、流程管理意識等觀念不強，車輛生產調度和運營考核需要進一步優化考核，使之更加科學合理。另一方面，發車調度管理、行車調度管理中，發車調度與司機運行的時間，行車調度與司機運行的時間銜接的不夠緊密，存在粗放化管理的問題，時間管理優化不夠，營運業績考核不夠，需要進一步開展物流業務流程優化工作，激勵司機的工作積極性和主動性，提高時間管理水平。
2.4車輛長短途運行比例的分配
長短途管理是物流企業車輛管理中的一項重要內容，涉及企業各部門的主要業務，有效的、科學的、合理的長短途管理，對于實現營運車次和車輛優化調度，降低物流企業的運營成本，提高企業的整體運作效率和服務水平，有著重要意義。目前，深圳賽格儲運有限公司在車輛長短途運行比例的分配上優化不夠，缺乏精細化的優化措施和方法，存在一定程度的車輛長短途運行比例分配不均的問題，制約了整體車輛使用效率的提高。
2.5對司機的業務及安全操作培訓
抓好司機專業訓練，使駕駛員具備良好駕駛技術和心理素質，對于提高物流運輸的整體水平，保證行車安全有著不可低估的作用。因此，抓好駕駛員專業培訓，提高其綜合素質，是做好物流運輸工作，預防車輛事故工作的有效途徑之一。在這方面，深圳賽格儲運有限公司主要存在三種問題，一是對駕駛員的“安全第一”思想觀念培訓不夠，部分司機安全觀念仍然匱乏，存在較嚴重的僥幸心理，二是相關的安全培訓制度不夠健全完善，培訓內容、手段、方法需要進一步更新和完善。
3、提高車輛周轉率的解決方案
3.1充分利用現有車輛資源
上述的分析中，我們能夠看到，雖然表面上深圳賽格儲運有限公司存在車輛資源總體不夠的情況，但是對車輛資源的整體統籌不夠，淡旺季車輛使用不夠科學等也是造成車輛資源總體不夠的重要因素。鑒于此，在車輛管理中，公司應該從車輛統籌管理、淡旺季市場用車等方面進行優化，充分利用現有車輛資源，實現資源使用效率最大化。一是要對公司所有車輛的使用進行統計、調研和分析，摸底車輛的空置率，重點優化空置率較高的車輛，使車輛使用上物盡其用；二是要具體問題具體分析，針對物流市場的淡旺季，采取靈活措施，進行車輛管理，針對淡季市場，公司應靈活定價，提高收貨的彈性，提高車輛使用效率，針對旺季，可以采取臨時租用車等方式，把握市場資源。
3.2加強使用GPS等的信息化應用
從深圳賽格儲運有限公司的物流信息化程度來看，目前仍處于傳統的物流管理格局之中，企業原有管理方式已不能適應形勢的新發展需要。企業應借助微機輔助管理，全面開展信息化管理建設，從靜態管理向動態管理的轉變，通過安裝使用GPS、GIS等物流企業車輛管理信息系統，對車輛運行進行動態監控，突出對車輛和駕駛員的時間管理，優化時間節點，提高運營效率，實現企業管理水平的全面提升，適應市場形勢。
3.3協調客戶裝卸貨時間以便提高效率
在車輛管理中，客戶裝卸貨時間對于整體物流效率有著重要影響，因此在實際車輛管理中，應突出對客戶裝卸貨時間的協調，以提高效率。針對這一情況，在實際車輛管理中，應通過開展流程優化工作，重點對裝卸貨流程進行優化完善，以客戶為中心，形成起端于貨主，以公司配送過程中的裝卸貨位主要銜接紐帶，以收貨客戶為終結的送貨工作流程，并通過制定作業手冊等方式，使相關員工熟悉掌握整個裝卸貨工作流程，剔除影響裝卸貨時間的工作環節，形成簡單、實用，富有可操作性的流程。在裝貨現場管理方面，裝貨前要做好和貨主的溝通銜接，做好相關準備工作，提前與貨主確定裝貨時間、地點和貨物數量、空間等，做好科學銜接，提高裝貨環節的銜接，提高效率，縮短裝貨時間。同樣，在卸貨環節，應提前與收貨主溝通聯系，確定好收貨時間、地點和相應的人員準備，避免貨物到站后收貨主不能及時到達，進行收貨，造成時間上的浪費。
3.4控制車輛的往返空載率以提高效率
傳統物流的一個突出的不足就是車輛往返空載率較高，導致物流運輸的整體效率較低，制約了企業競爭能力的提升。針對車輛的往返控制較高的問題，建議公司引起重視，一是通過全面實施GPS系統，提高車輛管理的信息化水平，GPS系統的車輛導航作用，解決目前貨物跟蹤、合理調度車輛等工作中存在的問題和矛盾，減少往返車輛空載率，二是對去程車輛的裝載率要嚴格控制，實施滿載發車，并與相關人員的薪資待遇相掛鉤，將車輛滿載發車作為一項重要指標，加強考核，最大化利用車輛的裝載空間。
3.5引進專業化的調度人才和加強對司機的培訓
在對車輛管理上，公司應以人為本，通過對專業化調度人才的引進和對全體司機人員的培訓，提高管理人員和執行人員的知識水平、技能結構，為車輛管理能力提高奠定人員基礎。一方面，應通過開展校園招聘、社會人才招聘等方式引進物流調度專業人才，促進公司車輛管理等工作的專業化水平的提高，實現整個車輛調度技巧的提升。另一方面，應針對司機人員，廣泛開展物流管理知識、物流成本管理、車輛管理等相關知識技能的培訓，提高司機員工的工作素質和能力，進而切實提高司機人員的車輛管理能力。
第3篇
金盆水庫是西安黑河引水工程的主要水源工程，是一項以西安市供水為主，兼顧周至、戶縣37萬畝農田灌溉，還有發電、防洪和養魚等多種功能的大型綜合利用水利工程。如何合理的調度金盆水庫，發揮其最大效益，對緩解西安市供水緊張的局面以及實現社會經濟的可持續發展和人民生活穩步提高都具有極其重要的意義和價值。
水庫優化調度是一典型的多維非線性函數優化問題，目前常用的方法有模擬法、動態規劃及其系列算法、非線性規劃等等。這些方法各具特色，但應用中也常有一些問題，模擬法不能對問題直接尋優，動態規劃（DP）隨著狀態數目的增加會出現所謂“維數災”問題，增量動態規劃（IDP）可能收斂到非最優解，逐步優化算法（POA）需要一個好的初始軌跡才能收斂到最優解[1]。因此，這些方法還有待進一步的完善。
遺傳算法（GA）作為一種借鑒生物界自然選擇思想和自然基因機制的全局隨機搜索算法，可模擬自然界中生物從低級向高級的進化過程，GA在優化計算時從多個初始點開始尋優，對所求問題沒有太多的數學約束，而且優化求解過程與梯度信息無關[2]，因此在多個不同領域得到了廣泛應用。而GA在水庫優化調度方面GA應用相對較少[3]，馬光文等[4]使用基于二進制編碼的遺傳算法對水庫優化調度進行了研究。由于二進制編碼存在的編碼過長、效率低及需要反復的數據轉換等問題，暢建霞、王大剛分別提出了基于整數編碼的遺傳算法[5-6]，并將GA與動態規劃的計算結果進行了比較。
自適應遺傳算法（AdaptiveGA，AGA）使得交叉概率Pc和變異概率Pm能夠隨個體適應度的大小以及群體適應度的分散程度進行自適應的調整，因而AGA能夠在保持群體多樣性的同時，保證遺傳算法的收斂性。本文根據黑河金盆水庫的具體情況，建立了水庫長期優化調度的自適應遺傳算法模型，并將其與動態規劃的計算結果進行了比較。
2.水庫優化調度數學模型的建立
金盆水庫為多功能水庫，其優化調度應使其達到城市供水量最大、灌溉缺水量最小、年發電量最大和棄水量最小等目標要求。但此多目標優化模型如果直接采用多維多目標動態規劃或其它方法求解，則可能因為目標、狀態、和決策變量較多的占用計算機內存和時間，因而有必要先做適當處理，將多目標問題轉化為單目標，再進行求解?？紤]到城市供水和灌溉用水要求保證率高，因此將水庫優化調度目標定為年發電量最大，而將城市與灌溉供水當作約束條件進行處理。
這樣，金盆水庫優化調度的目標函數就可以描述為：在滿足水庫城市供水、灌溉用水和蓄水要求條件下，使水庫年發電量最大。
目標函數：F=max（1）
上式中，N（k）為各時段的發電量。
約束條件：
①水量平衡約束：（2）
②水庫蓄水量約束：（3）
③電站水頭約束：（4）
④水輪機最大過流量約束：（5）
⑤電站出力約束；（6）
⑥城市供水約束：（7）
⑦灌溉供水約束：（8）
⑧非負約束。
其中，Nmin與Nmax分別為電站允許的最小及最大機組出力，Hmin與Hmax分別為電站最小及最大工作水頭，qmax為機組過水能力，WCt、WIt分別為第t時段城市和灌溉供水量。DIt為第t時段灌溉需水量，DCt,max與DCt,min分別為第t時段城市需水上下限。
3.自適應遺傳算法的實現
在水庫優化調度中，水庫的運行策列一般用發電引用流量序列來表示，而該序列又可以轉換為水庫水位或庫容變化序列。對于水庫優化調度的遺傳算法可以理解為：在水位的可行變化范圍內，隨機生成m組水位變化序列,,…,，其中，m為群體規模，n為時段數，再通過一定的編碼形式分別將其表示為稱作染色體（個體）的數字串，在滿足一定的約束條件下，按預定的目標函數評價其優劣，通過一定的遺傳操作（選擇、交叉和變異），適應度低的個體將被淘汰，只有適應度高的個體才有機會被遺傳至下一代，如此反復，直至滿足一定的收斂準則。
3.1個體編碼
為簡化計算，本文采用實數編碼。個體的每一向量（基因）即為水庫水位的真值。表示
為：（9）
式中，分別為時段t水庫水位的最大值和最小值。m為控制精度的整數，Nrand為小于m的隨機數。
3.2適應度函數
在遺傳算法中，用適應度函數來標識個體的優劣。通過實踐，采用如下適應度函數，效果更好。
（10）
式中為目標函數值，c為目標函數界值的保守估計，并且≥0,≥0。水庫優化調度為約束優化問題，關于約束條件的處理，本文采用罰函數法,
（11）
式中，為原優化問題的目標函數值，M為罰因子，Wi為與第i個約束有關的違約值，p為違約數目。
3.3遺傳操作
交叉運算交叉的目的是尋找父代雙親已有的但未能合理利用的基因信息。設x和y是兩父代個體，則交叉產生的后代為=ax+(1-a)y和=ay+(1-a)x，這里，a為[0,1]內均勻分布的一個隨機數。
變異運算通過變異可引入新的基因以保持種群的多樣性，它在一定程度上可以防成熟前收斂的發生。具體方法為：個體Z的每一個分量Zi,i=0,1…,n以概率1/n被選擇進行變異。設對分量ZK進行變異，其定義區間為（ZK,min,ZK,max）,則
=（12）
式中，Rand為0到1之間的隨機數，rand（u）函數產生最大值為u的正整數。
3.3參數的自適應調整
遺傳算法的參數中交叉概率Pc和變異概率Pm的選擇是影響遺傳算法行為和性能的關鍵所在，直接影響算法的收斂性，Pc越大，新個體產生的速度就越快。然而，Pc過大，遺傳模式被破壞的可能性越大。對于變異概率Pm，如果Pm過小，不易形成新的個體；如果Pm過大，則遺傳算法就成了純粹的隨機搜索算法。自適應遺傳算法（AGA）使得Pc和Pm能夠隨適應度按如下公式自動調整：
Pc=（13）
Pm=（14）
式中，為群體中最大的適應度值；為每代群體的平均適應度值；為要交叉的兩個個體中較大的適應度值；為要變異的的個體的適應度值。,,,為自適應控制參數，其變化區間為（0,1）。
綜上所述，算法的運算步驟為：
(1)初始化，設置控制參數，產生初始群體；
(2)計算各個體的目標函數，應用(5)式進行適應度變換；
(3)按隨機余數選擇法對母體進行選擇；
(4)對群體進行交叉和變異操作pc和pm分別按式(2)與(3)計算，得到新一代群體；
(5)檢驗新一代群體是否滿足收斂準則，若滿足，輸出最優解，否則轉向步驟2。
4.模型求解及成果分析
金盆水庫壩高130米，總庫容2億方。該水庫是以給西安供水為主（按照設計年均向西安供水3.05億方），兼顧周至、戶縣共37萬畝農田灌溉（年均灌溉供水1.23億方），還有發電、防洪等多功能的大型綜合利用水利工程。水庫的特征參數為：正常蓄水位594m，死水位520m，電站出力系數8.0，裝機容量2萬KW，保證出力4611KW，水輪機過流能力32.6m3/s，汛限水位591米，汛期7-9月，以某中水年為例，入庫徑流已知，用上述算法按年發電量最大求解水庫優化調度，結果見表一。
表一自適應遺傳算法計算結果
Table1.Resultsbyadaptivegeneticalgorithm
月份
入庫水量(108m3)
月末水位(m)
城市需水(108m3)
城市供水(108m3)
灌溉需水(108m3)
灌溉供水(108m3)
棄水(m3/s)
發電流量(m3/s)
水頭(m)
出力
(KW)
7
1.5160
572.63
0.3050
0.3050
0.2301
0.2301
20.10
40.04
6437.88
8
1.3178
591.00
0.2898
0.2898
0.2196
0.2196
24.75
68.87
13637.35
9
0.6973
591.00
0.2593
0.2593
0.1342
0.1342
26.90
77.50
16679.24
10
0.8464
594.00
0.2410
0.2410
0.0000
0.0000
30.05
78.69
18918.95
11
0.2063
589.33
0.2349
0.2349
0.0879
0.0879
12.47
76.88
7667.76
12
0.1963
587.96
0.2257
0.2257
0.0440
0.0440
10.08
75.26
6069.95
1
0.1513
585.61
0.2257
0.2257
0.0000
0.0000
8.43
73.38
4947.77
2
0.1260
582.23
0.2349
0.2349
0.0000
0.0000
9.72
70.31
5467.50
3
0.3000
581.54
0.2410
0.2410
0.0810
0.0810
12.20
68.38
6673.10
4
0.3732
581.75
0.2440
0.2440
0.1206
0.1206
14.07
68.14
7671.54
5
0.2373
561.68
0.2593
0.2593
0.0226
0.0226
31.83
59.00
15023.79
6
0.1776
520.00
0.2898
0.2898
0.2900
0.2900
32.56
32.06
8350.21
注：年發電量E=8608.3萬KW·h；POP=100；Gen=200；==0.85；==0.01。
作為比較，本文又使用了基本遺傳算法（SGA）、動態規劃法（DP）進行計算，其目標函數、約束條件完全相同。對應的計算結果見表二，其中，DP的離散點為300。
表二動態規劃及基本遺傳算法計算結果比較
parisonofResultsofDPandSGA
月份
動態規劃（DP)計算結果
基本遺傳算法（SGA）計算結果
月末水位(m)
棄水(m3/s)
發電流量(m3/s)
水頭(m)
出力
(KW)
月末水位(m)
棄水(m3/s)
發電流量(m3/s)
水頭
(m)
出力
(KW)
7
572.5
20.23
39.95
6466.38
572.65
20.08
40.05
6433.56
8
591
24.62
68.82
13553.20
591.00
24.77
68.88
13650.11
9
591
26.90
77.50
16679.20
591.00
26.90
77.50
16679.24
10
593.5
30.02
78.72
18905.40
594.00
30.05
78.69
18918.97
11
588.5
13.10
76.68
8037.72
589.33
12.46
76.88
7663.79
12
586.5
10.53
74.83
6303.83
587.96
10.09
75.26
6075.39
1
584.5
8.79
72.28
5084.92
585.21
8.85
73.20
5180.34
2
581.5
9.82
69.17
5434.83
581.83
9.88
69.90
5524.98
3
580.5
12.46
67.30
6706.82
581.04
12.39
67.93
6733.84
4
580.5
14.40
66.90
7705.63
580.87
14.66
67.46
7911.34
5
562
29.42
58.24
13706.00
561.62
30.56
58.38
14273.88
6
520
0.32
32.60
32.31
8426.54
520.00
32.50
32.02
8323.96
注：DP年發電量8568.9萬KW·h；SGA年發電量8581.3萬KW·h，POP=100,Gen=200。
比較表一和表二可見，動態規劃在控制精度為0.5m時，優化結果為8568.9萬KW·h，低于SGA的8581.3萬KW·h和改進本文算法的8608.3萬KW·h，主要是因為DP的離散點數較后兩類算法少。為了說明本文算法的優越性，將其與SGA在不同的進化代數時分別進行10次計算，結果列于表三。
表三不同進化代數的兩類算法年發電量比較比較
parisonofResultsoftheTwoAlgorithmsinDifferentGeneration
編號
本文算法（AGA）
基本遺傳算法（SGA）
Gen=200
Gen=500
Gen=200
Gen=500
1
8607.1
8596.8
8374.1
8594.2
2
8597.5
8607.2
8581.6
8571.9
3
8604.7
8612.7
7957.2
8433.1
4
8601.2
8603.5
8593.4
8475.3
5
8596.6
8595.4
8599.1
8596.2
6
8606.8
8607.2
7837.2
8608.4
7
8608.3
8608.4
8365.9
7892.1
8
8525.4
8611.3
8521.5
8592.6
9
8605.9
8551.6
8575.3
8610.3
10
8603.4
8603.7
8121.6
8441.2
注：表中年發電量單位為萬KW·h。
從上表可以看出，隨著進化代數的增加，兩算法計算結果都越接近最優解；無論是自適應遺傳算法還是基本遺傳算法，其計算結果明顯優于動態規劃；在進化代數相同時，AGA的計算結果優于SGA，并且未收斂次數也有明顯減少，表明AGA能夠有效加快收斂速度。
5.結論
本文建立了水庫優化調度的自適應遺傳算法模型，并將其用于黑河金盆水庫優化調度。與動態規劃相比，遺傳算法能夠從多個初始點開始尋優，能有效的探測整個解空間，通過個體間的優勝劣汰，因而能更有把握達到全局最優或準全局最優；自適應遺傳算法通過參數的自適應調整，能更有效的反映群體的分散程度以及個體的優劣性，從而能夠在保持群體多樣性的同時，加快算法的收斂速度。
ApplicationofAdaptiveGeneticAlgorithmstotheoptimaldispatchingofJinpenreservoir
FuYongfeng1ShenBing1LiZhilu1ZhangXiqian1
(1Xi’anUniversityofTechnology,Xi’an710048,
2HeadquartersofHeiheWaterDiversionProject,Xi’an,710061)
AbstractBasedontheanalysisofthecharacteristicsituationofJinpenreservoir,acomprehensiveoptimaloperationmodelisdevelopedwithconsiderationofitsmulti-objectiveandnonlinearfeatures.Themodelissolvedbythethreemethodsofdynamicprogram,thesimplegeneticalgorithmandtheadaptivegeneticalgorithm.Itisshowedthattheadaptivegeneticalgorithm,withthecharacterofitsparametercanbeadjustedadaptivelyaccordingtothedispersiondegreeofpopulationandthefitnessvalueofindividuals,hasthefastestconvergencevelocityandthebestresultcomparedtoothertwoalgorithms.
Keywords:optimaloperation；geneticalgorithms；dynamicprogram
參考文獻
[1]方紅遠,王浩,程吉林.初始軌跡對逐步優化算法收斂性的影響[J].水利學報,2002,11:27-30.
[2]潘正君,康立山,陳毓屏.演化計算[M].北京:清華大學出版社,1998.
[3]RobinWardlawandmohdSharif.Evaluationofgeneticalgorithmsforoptimalreservoirsystemoperation[J].WaterResour.Plng.andMgmt.,1999,125(1):25-33.
[4]馬光文,王黎.遺傳算法在水電站優化調度中的應用[J].水科學進展,1997,8(3):275-280.
