调度管理论文范文
前言：我们精心挑选了数篇优质调度管理论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
所谓的风险管理，其实就是管理可能发生的危险，以及危险发生时可能带来的各项损失。风险管理的宗旨在于将可能发生的危险扼杀在摇篮里，同时将已经发生了的危险的破坏性降到最低。从电力调度安全管理的角度上来说，电力调度工作的核心其实就是一个安全性、稳定性的管理。
既然电力调度安全管理中的风险管理指的是对可能对电力系统运行的稳定性和高效性产生危害的易变性因素的管理，风险管理工作中就需要至少经过以下三个步骤：首先是风险辨认。风险辨认的对象是不确定因素。对电力系统自身中诸如对外界影响的抵抗力、外界对电力系统运行的干扰性因素等内容进行辨认。并最终形成风险辨认的条目表。其次是风险评估。在通过风险辨认工作获取到风险种类的目录之后，接下来的工作就是对不同的风险种类所可能产生的破坏性影响进行评估。这种评估工作应该重视量的衡定。比如某一台特定发电机组在发生故障时，可能对整个电力系统和供电区域造成的巨大的损害，但是这种损害必须是用经济单位来衡量的。最后是风险控制。风险控制是风险管理的出发点和归宿。风险控制工作是在经过了形成风险种类目录、初步掌握风险性因素带来的破坏性影响之后，借助相关的制度、设备等形成完善的预警系统和应急机制，将风险产生的可能性和风险带来的损失降到最低。
2 我国电力调度安全管理中风险管理的现状
2.1 我国电力调度安全管理中风险管理工作成果斐然
电力调度的安全管理作为电力系统正常运作的基础和支撑，历来被电力行业各个部门高度重视，并通过及时对电力系统的关键设备进行更新换代、借鉴先进电力调度技术提高电力调度工作安全性、通过网络信息技术建成各级统一的调度信息共享和交流平度等方式对调度工作中的风险性因素进行了有效的管理和控制，并最终取得了显著地实绩：我国电力运行系统日渐稳定，供电和输电机组设备先进，效率，调度工作的安全性被极大巩固和完善。
2.2 我国电力调度安全管理中风险管理工作仍存上升空间
电力调度工作中安全管理的最大威胁就是调度工作本身的瞬时性和不可逆转性。这种特定的工作特质注定了电力调度工作的风险管理是一项永无止境，必须时刻关注的重大课题。从当前我国电力调度风险管理工作现状来看，在以下两个方面还存在着明显的上升空间：首先是我国电力调度工作中风险管理人员的素质需要进一步提升。电力调度工作虽然可以借助网络信息技术获取极大便利，但是人工是其中必不可少的因素，同时也是关键性因素。然而当前我国电力调度工作人员由于习惯了日常倒闸、供电、放电等常规工作内容，而往往忽略了对电力系统的认真钻研，降低了自己发现危险和应对危机的素质与能力。其次是电力系统本身也存在问题。当前我国电力系统中仍然存在着电力运输通道单一，甚至造假的现象，这种单通道的存在造成了电力调度工作难度的倍增。此外，电力系统中预警信号灯过多，一些无用的灯光信号往往混淆了安全管理人员对危险性信号的判断。此外，我国基本建设完成了对电力调度安全管理系统的信息化建设，但是当前电力调度信息网络使用的是三层桥式分段网络或者是MIS网络，这些技术短板容易造成信息系统较为脆弱，进而产生威胁性因素。
3 关于强化电力调度安全管理中风险管理工作的对策性建议
3.1 建设高度统一的风险预警和应急机制
前文提到，电力调度工作的特征是突发性和瞬间性。往往危机在刹那间产生并能够在很短的时间内扩散到整个电力系统，产生无法估量的损失。因此，完善的预警机制和应急机制十分必要。当可能导致风险的易变性因素出现时，能够通过严密的防护措施进行规避和报警。即使无法避免，危机爆发，也能够通过严格、高效的应急机制将损失控制到最小。比如建立微机防误闭锁、电力机组实时监控系统、各层级统一的电力调度信息平台等都是极为有效的预警和应急手段。
3.2 建设一支高素质的电力调度工作团队
风险管理是一项体系性工程和课题，需要高素质的人才队伍作为执行者。这样一支人才队伍的建设可以通过在诸如华北电力大学等知名学府中选拨专业人才、对既有员工进行专业培训、建立严谨的企业文化，将风险意识和安全意识借助文化产生潜移默化地影响等方式来建立。此外，组织定期的危机、事故处理和应对演练也是极为有效的风险管理方式之一。
3.3 对当前的电力市场进行充分的预估
电力系统必须服务于特定的电力市场，因此，电力市场的发展趋势同样对电力系统的运作产生巨大的影响。在考察电力市场情况时，不能片面重视市场可能对供电系统提出的最大要求，而同时要注意电力系统可能产生的电量饱和情况。毕竟，特定区域内电量太多或者太少都可能对服务与这个地区的特定的电力系统产生破坏性影响。这就要求风险管理工作提前做好电力市场的预估工作。
4 结语
第2篇
1、赛格储运有限公司整体概况
1.1公司整体的概况
深圳赛格储运有限公司隶属于深圳市赛格股份有限公司（深证A、B股公众上市公司），是一家专业从事集多式联运、仓储、产品包装、流通加工、信息处理一体化的第三方物流企业。公司成立于1989年1月，1994年10月，在福田保税区投资建设赛格储运大厦（建筑面积为25000平方米的保税仓）；1995年5月，经国家经贸委批准在香港设立分支机构(赛格储运（香港）有限公司)，从事海、空运输、港深陆路运输及货代业务。经过十几年的不懈努力，公司已发展成为拥有资产总额超过亿元的，拥有5吨、8吨箱式车和施头车共24辆，形成货运能力达14万吨/年，同时拥有28000平方米的保税仓库，具备完善的物流服务设施、能力、许可和经验，能够为客户提供全程的第三方物流服务的现代物流企业，成为深港两地颇具实力和影响的大型商贸服务性企业。
1.2公司运输车辆概况
在运输方面，深圳赛格储运有限公司主要服务客户为大型的加工厂、通讯公司、国际大型货代公司等。目前，公司自有各式两地车辆48辆（集装箱30辆；吨车18辆。其中12辆集装箱和7辆吨车是三地牌照车，可以同时进出福田保税区）；每部车辆装备无线电话及对讲机，能随时与司机沟通，灵活指挥车辆。运输车辆部分配备GPS卫星定位系统，可以随时掌握车辆的具置；固定停车场面积香港8000平方米；蛇口车场8000平方米。
1.3公司国内运输车辆概况
在国内运输方面，深圳赛格储运有限公司主要服务于国内外大型生产型厂商和国际货代公司。目前，公司自有国内集装箱海关监管运输车辆44辆（其中货柜42辆；吨车2辆），部分国内运输车辆配备GPS卫星定位系统，可以随时掌握车辆的具置，国内运输车固定停车场面积蛇口车场8000平方米。
2、车辆运作现状分析
2.1车辆资源总体不够
物流业是个系统性的服务行业，车辆在物流中集现代运输仓储、保管搬运、包装流通以及物流信息于一体，发挥着综合性的作用，因此，可以讲，车辆资源是最基本的资源，是物流企业物流整体能力提升的重要保障。从目前深圳赛格储运有限公司的运输车辆和国内运输车辆资源来看，现有的集装箱车、吨车和货柜已远不能满足日益增长的货运和国内货运物流业务需要，存在着物流配送车辆资源总体不够的问题，制约了企业物流能力的全面提升。
2.2淡季旺季业务及车辆分配不均
受社会消费环境影响，物流行业存在明显的淡季和旺季。一般来讲，每年春节后的2、3月份，五一、国庆、春节等法定假日期间，6、7、8月是物流行业的淡季。其余的月份则是物流行业的旺季。从目前深圳赛格储运有限公司的车辆分配上来看，由于公司对淡季旺季业务缺乏深入分析，加之收货价格弹性不够，班车运营、自备车辆运营专线网点等车辆空置率较高，在淡季存在车辆资源利用不够的问题。在旺季，由于相关的物流业务量大增，现有车辆不能满足业务要求，许多能够实现的利润白白流失。另外，在车辆分配上，缺乏有效的手段对车辆资源分配使用进行统筹安排，各个运营线路存在的车辆分配不均的问题，形成了有的线路存在部分车辆闲置，而有的线路车辆配置却严重不足的资源配置矛盾，影响了公司整体的物流运营效率。
2.3车辆与司机运行时间的管理
在车辆与司机运行时间的管理上，深圳赛格储运有限公司缺乏科学的管理方式和手段。一方面，在行车排班计划制定方面，行车计划、车辆排班计划、人员排班计划结合的不够紧密，时间管理意识、流程管理意识等观念不强，车辆生产调度和运营考核需要进一步优化考核，使之更加科学合理。另一方面，发车调度管理、行车调度管理中，发车调度与司机运行的时间，行车调度与司机运行的时间衔接的不够紧密，存在粗放化管理的问题，时间管理优化不够，营运业绩考核不够，需要进一步开展物流业务流程优化工作，激励司机的工作积极性和主动性，提高时间管理水平。
2.4车辆长短途运行比例的分配
长短途管理是物流企业车辆管理中的一项重要内容，涉及企业各部门的主要业务，有效的、科学的、合理的长短途管理，对于实现营运车次和车辆优化调度，降低物流企业的运营成本，提高企业的整体运作效率和服务水平，有着重要意义。目前，深圳赛格储运有限公司在车辆长短途运行比例的分配上优化不够，缺乏精细化的优化措施和方法，存在一定程度的车辆长短途运行比例分配不均的问题，制约了整体车辆使用效率的提高。
2.5对司机的业务及安全操作培训
抓好司机专业训练，使驾驶员具备良好驾驶技术和心理素质，对于提高物流运输的整体水平，保证行车安全有着不可低估的作用。因此，抓好驾驶员专业培训，提高其综合素质，是做好物流运输工作，预防车辆事故工作的有效途径之一。在这方面，深圳赛格储运有限公司主要存在三种问题，一是对驾驶员的“安全第一”思想观念培训不够，部分司机安全观念仍然匮乏，存在较严重的侥幸心理，二是相关的安全培训制度不够健全完善，培训内容、手段、方法需要进一步更新和完善。
3、提高车辆周转率的解决方案
3.1充分利用现有车辆资源
上述的分析中，我们能够看到，虽然表面上深圳赛格储运有限公司存在车辆资源总体不够的情况，但是对车辆资源的整体统筹不够，淡旺季车辆使用不够科学等也是造成车辆资源总体不够的重要因素。鉴于此，在车辆管理中，公司应该从车辆统筹管理、淡旺季市场用车等方面进行优化，充分利用现有车辆资源，实现资源使用效率最大化。一是要对公司所有车辆的使用进行统计、调研和分析，摸底车辆的空置率，重点优化空置率较高的车辆，使车辆使用上物尽其用；二是要具体问题具体分析，针对物流市场的淡旺季，采取灵活措施，进行车辆管理，针对淡季市场，公司应灵活定价，提高收货的弹性，提高车辆使用效率，针对旺季，可以采取临时租用车等方式，把握市场资源。
3.2加强使用GPS等的信息化应用
从深圳赛格储运有限公司的物流信息化程度来看，目前仍处于传统的物流管理格局之中，企业原有管理方式已不能适应形势的新发展需要。企业应借助微机辅助管理，全面开展信息化管理建设，从静态管理向动态管理的转变，通过安装使用GPS、GIS等物流企业车辆管理信息系统，对车辆运行进行动态监控，突出对车辆和驾驶员的时间管理，优化时间节点，提高运营效率，实现企业管理水平的全面提升，适应市场形势。
3.3协调客户装卸货时间以便提高效率
在车辆管理中，客户装卸货时间对于整体物流效率有着重要影响，因此在实际车辆管理中，应突出对客户装卸货时间的协调，以提高效率。针对这一情况，在实际车辆管理中，应通过开展流程优化工作，重点对装卸货流程进行优化完善，以客户为中心，形成起端于货主，以公司配送过程中的装卸货位主要衔接纽带，以收货客户为终结的送货工作流程，并通过制定作业手册等方式，使相关员工熟悉掌握整个装卸货工作流程，剔除影响装卸货时间的工作环节，形成简单、实用，富有可操作性的流程。在装货现场管理方面，装货前要做好和货主的沟通衔接，做好相关准备工作，提前与货主确定装货时间、地点和货物数量、空间等，做好科学衔接，提高装货环节的衔接，提高效率，缩短装货时间。同样，在卸货环节，应提前与收货主沟通联系，确定好收货时间、地点和相应的人员准备，避免货物到站后收货主不能及时到达，进行收货，造成时间上的浪费。
3.4控制车辆的往返空载率以提高效率
传统物流的一个突出的不足就是车辆往返空载率较高，导致物流运输的整体效率较低，制约了企业竞争能力的提升。针对车辆的往返控制较高的问题，建议公司引起重视，一是通过全面实施GPS系统，提高车辆管理的信息化水平，GPS系统的车辆导航作用，解决目前货物跟踪、合理调度车辆等工作中存在的问题和矛盾，减少往返车辆空载率，二是对去程车辆的装载率要严格控制，实施满载发车，并与相关人员的薪资待遇相挂钩，将车辆满载发车作为一项重要指标，加强考核，最大化利用车辆的装载空间。
3.5引进专业化的调度人才和加强对司机的培训
在对车辆管理上，公司应以人为本，通过对专业化调度人才的引进和对全体司机人员的培训，提高管理人员和执行人员的知识水平、技能结构，为车辆管理能力提高奠定人员基础。一方面，应通过开展校园招聘、社会人才招聘等方式引进物流调度专业人才，促进公司车辆管理等工作的专业化水平的提高，实现整个车辆调度技巧的提升。另一方面，应针对司机人员，广泛开展物流管理知识、物流成本管理、车辆管理等相关知识技能的培训，提高司机员工的工作素质和能力，进而切实提高司机人员的车辆管理能力。
第3篇
金盆水库是西安黑河引水工程的主要水源工程，是一项以西安市供水为主，兼顾周至、户县37万亩农田灌溉，还有发电、防洪和养鱼等多种功能的大型综合利用水利工程。如何合理的调度金盆水库，发挥其最大效益，对缓解西安市供水紧张的局面以及实现社会经济的可持续发展和人民生活稳步提高都具有极其重要的意义和价值。
水库优化调度是一典型的多维非线性函数优化问题，目前常用的方法有模拟法、动态规划及其系列算法、非线性规划等等。这些方法各具特色，但应用中也常有一些问题，模拟法不能对问题直接寻优，动态规划（DP）随着状态数目的增加会出现所谓“维数灾”问题，增量动态规划（IDP）可能收敛到非最优解，逐步优化算法（POA）需要一个好的初始轨迹才能收敛到最优解[1]。因此，这些方法还有待进一步的完善。
遗传算法（GA）作为一种借鉴生物界自然选择思想和自然基因机制的全局随机搜索算法，可模拟自然界中生物从低级向高级的进化过程，GA在优化计算时从多个初始点开始寻优，对所求问题没有太多的数学约束，而且优化求解过程与梯度信息无关[2]，因此在多个不同领域得到了广泛应用。而GA在水库优化调度方面GA应用相对较少[3]，马光文等[4]使用基于二进制编码的遗传算法对水库优化调度进行了研究。由于二进制编码存在的编码过长、效率低及需要反复的数据转换等问题，畅建霞、王大刚分别提出了基于整数编码的遗传算法[5-6]，并将GA与动态规划的计算结果进行了比较。
自适应遗传算法（AdaptiveGA，AGA）使得交叉概率Pc和变异概率Pm能够随个体适应度的大小以及群体适应度的分散程度进行自适应的调整，因而AGA能够在保持群体多样性的同时，保证遗传算法的收敛性。本文根据黑河金盆水库的具体情况，建立了水库长期优化调度的自适应遗传算法模型，并将其与动态规划的计算结果进行了比较。
2.水库优化调度数学模型的建立
金盆水库为多功能水库，其优化调度应使其达到城市供水量最大、灌溉缺水量最小、年发电量最大和弃水量最小等目标要求。但此多目标优化模型如果直接采用多维多目标动态规划或其它方法求解，则可能因为目标、状态、和决策变量较多的占用计算机内存和时间，因而有必要先做适当处理，将多目标问题转化为单目标，再进行求解。考虑到城市供水和灌溉用水要求保证率高，因此将水库优化调度目标定为年发电量最大，而将城市与灌溉供水当作约束条件进行处理。
这样，金盆水库优化调度的目标函数就可以描述为：在满足水库城市供水、灌溉用水和蓄水要求条件下，使水库年发电量最大。
目标函数：F=max（1）
上式中，N（k）为各时段的发电量。
约束条件：
①水量平衡约束：（2）
②水库蓄水量约束：（3）
③电站水头约束：（4）
④水轮机最大过流量约束：（5）
⑤电站出力约束；（6）
⑥城市供水约束：（7）
⑦灌溉供水约束：（8）
⑧非负约束。
其中，Nmin与Nmax分别为电站允许的最小及最大机组出力，Hmin与Hmax分别为电站最小及最大工作水头，qmax为机组过水能力，WCt、WIt分别为第t时段城市和灌溉供水量。DIt为第t时段灌溉需水量，DCt,max与DCt,min分别为第t时段城市需水上下限。
3.自适应遗传算法的实现
在水库优化调度中，水库的运行策列一般用发电引用流量序列来表示，而该序列又可以转换为水库水位或库容变化序列。对于水库优化调度的遗传算法可以理解为：在水位的可行变化范围内，随机生成m组水位变化序列,,…,，其中，m为群体规模，n为时段数，再通过一定的编码形式分别将其表示为称作染色体（个体）的数字串，在满足一定的约束条件下，按预定的目标函数评价其优劣，通过一定的遗传操作（选择、交叉和变异），适应度低的个体将被淘汰，只有适应度高的个体才有机会被遗传至下一代，如此反复，直至满足一定的收敛准则。
3.1个体编码
为简化计算，本文采用实数编码。个体的每一向量（基因）即为水库水位的真值。表示
为：（9）
式中，分别为时段t水库水位的最大值和最小值。m为控制精度的整数，Nrand为小于m的随机数。
3.2适应度函数
在遗传算法中，用适应度函数来标识个体的优劣。通过实践，采用如下适应度函数，效果更好。
（10）
式中为目标函数值，c为目标函数界值的保守估计，并且≥0,≥0。水库优化调度为约束优化问题，关于约束条件的处理，本文采用罚函数法,
（11）
式中，为原优化问题的目标函数值，M为罚因子，Wi为与第i个约束有关的违约值，p为违约数目。
3.3遗传操作
交叉运算交叉的目的是寻找父代双亲已有的但未能合理利用的基因信息。设x和y是两父代个体，则交叉产生的后代为=ax+(1-a)y和=ay+(1-a)x，这里，a为[0,1]内均匀分布的一个随机数。
变异运算通过变异可引入新的基因以保持种群的多样性，它在一定程度上可以防成熟前收敛的发生。具体方法为：个体Z的每一个分量Zi,i=0,1…,n以概率1/n被选择进行变异。设对分量ZK进行变异，其定义区间为（ZK,min,ZK,max）,则
=（12）
式中，Rand为0到1之间的随机数，rand（u）函数产生最大值为u的正整数。
3.3参数的自适应调整
遗传算法的参数中交叉概率Pc和变异概率Pm的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性，Pc越大，新个体产生的速度就越快。然而，Pc过大，遗传模式被破坏的可能性越大。对于变异概率Pm，如果Pm过小，不易形成新的个体；如果Pm过大，则遗传算法就成了纯粹的随机搜索算法。自适应遗传算法（AGA）使得Pc和Pm能够随适应度按如下公式自动调整：
Pc=（13）
Pm=（14）
式中，为群体中最大的适应度值；为每代群体的平均适应度值；为要交叉的两个个体中较大的适应度值；为要变异的的个体的适应度值。,,,为自适应控制参数，其变化区间为（0,1）。
综上所述，算法的运算步骤为：
(1)初始化，设置控制参数，产生初始群体；
(2)计算各个体的目标函数，应用(5)式进行适应度变换；
(3)按随机余数选择法对母体进行选择；
(4)对群体进行交叉和变异操作pc和pm分别按式(2)与(3)计算，得到新一代群体；
(5)检验新一代群体是否满足收敛准则，若满足，输出最优解，否则转向步骤2。
4.模型求解及成果分析
金盆水库坝高130米，总库容2亿方。该水库是以给西安供水为主（按照设计年均向西安供水3.05亿方），兼顾周至、户县共37万亩农田灌溉（年均灌溉供水1.23亿方），还有发电、防洪等多功能的大型综合利用水利工程。水库的特征参数为：正常蓄水位594m，死水位520m，电站出力系数8.0，装机容量2万KW，保证出力4611KW，水轮机过流能力32.6m3/s，汛限水位591米，汛期7-9月，以某中水年为例，入库径流已知，用上述算法按年发电量最大求解水库优化调度，结果见表一。
表一自适应遗传算法计算结果
Table1.Resultsbyadaptivegeneticalgorithm
月份
入库水量(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)
弃水(m3/s)
发电流量(m3/s)
水头(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：年发电量E=8608.3万KW·h；POP=100；Gen=200；==0.85；==0.01。
作为比较，本文又使用了基本遗传算法（SGA）、动态规划法（DP）进行计算，其目标函数、约束条件完全相同。对应的计算结果见表二，其中，DP的离散点为300。
表二动态规划及基本遗传算法计算结果比较
parisonofResultsofDPandSGA
月份
动态规划（DP)计算结果
基本遗传算法（SGA）计算结果
月末水位(m)
弃水(m3/s)
发电流量(m3/s)
水头(m)
出力
(KW)
月末水位(m)
弃水(m3/s)
发电流量(m3/s)
水头
(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年发电量8568.9万KW·h；SGA年发电量8581.3万KW·h，POP=100,Gen=200。
比较表一和表二可见，动态规划在控制精度为0.5m时，优化结果为8568.9万KW·h，低于SGA的8581.3万KW·h和改进本文算法的8608.3万KW·h，主要是因为DP的离散点数较后两类算法少。为了说明本文算法的优越性，将其与SGA在不同的进化代数时分别进行10次计算，结果列于表三。
表三不同进化代数的两类算法年发电量比较比较
parisonofResultsoftheTwoAlgorithmsinDifferentGeneration
编号
本文算法（AGA）
基本遗传算法（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：表中年发电量单位为万KW·h。
从上表可以看出，随着进化代数的增加，两算法计算结果都越接近最优解；无论是自适应遗传算法还是基本遗传算法，其计算结果明显优于动态规划；在进化代数相同时，AGA的计算结果优于SGA，并且未收敛次数也有明显减少，表明AGA能够有效加快收敛速度。
5.结论
本文建立了水库优化调度的自适应遗传算法模型，并将其用于黑河金盆水库优化调度。与动态规划相比，遗传算法能够从多个初始点开始寻优，能有效的探测整个解空间，通过个体间的优胜劣汰，因而能更有把握达到全局最优或准全局最优；自适应遗传算法通过参数的自适应调整，能更有效的反映群体的分散程度以及个体的优劣性，从而能够在保持群体多样性的同时，加快算法的收敛速度。
ApplicationofAdaptiveGeneticAlgorithmstotheoptimaldispatchingofJinpenreservoir
FuYongfeng1ShenBing1LiZhilu1ZhangXiqian1
(1Xi’anUniversityofTechnology,Xi’an710048,
2HeadquartersofHeiheWaterDiversionProject,Xi’an,710061)
AbstractBasedontheanalysisofthecharacteristicsituationofJinpenreservoir,acomprehensiveoptimaloperationmodelisdevelopedwithconsiderationofitsmulti-objectiveandnonlinearfeatures.Themodelissolvedbythethreemethodsofdynamicprogram,thesimplegeneticalgorithmandtheadaptivegeneticalgorithm.Itisshowedthattheadaptivegeneticalgorithm,withthecharacterofitsparametercanbeadjustedadaptivelyaccordingtothedispersiondegreeofpopulationandthefitnessvalueofindividuals,hasthefastestconvergencevelocityandthebestresultcomparedtoothertwoalgorithms.
Keywords:optimaloperation；geneticalgorithms；dynamicprogram
参考文献
[1]方红远,王浩,程吉林.初始轨迹对逐步优化算法收敛性的影响[J].水利学报,2002,11:27-30.
[2]潘正君,康立山,陈毓屏.演化计算[M].北京:清华大学出版社,1998.
[3]RobinWardlawandmohdSharif.Evaluationofgeneticalgorithmsforoptimalreservoirsystemoperation[J].WaterResour.Plng.andMgmt.,1999,125(1):25-33.
[4]马光文,王黎.遗传算法在水电站优化调度中的应用[J].水科学进展,1997,8(3):275-280.
