火电厂厂级负荷分配的多目标优化和决策研究

火电厂的负荷优化分配系统通常是以机组煤耗特性为基础的，其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求，以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性，将基于进化算法的多目标优化技术与多属性决策方法联合运用，针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题，采用改进的非支配解排序的多目标遗传算法，求出Pareto最优解，由Pareto最优解构成决策矩阵，使用客观赋权的信息熵方法对最优解的属性进行权值计算，然后用逼近理想解的排序方法进行多属性决策研究，对Pareto最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。     

基于多目标优化随机权系数加权和的机组负荷分配

火电厂机组负荷优化分配不仅要考虑机组煤耗,还要考虑机组的污染物排放水平。采用随机权系数方法将多目标优化问题转换成单目标问题,基于试验方法确定初始样本集,利用序列二次规划方法获得多目标问题最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto解和Pareto前沿。与固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。由Pareto最优解构成决策矩阵,使用赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解排序。讨论了3台机组间负荷分配的多目标优化和决策,算例表明文中提出的联合方法能够迅速搜寻到Pareto解。     

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。     

基于多目标遗传算法和多属性决策的水轮机PID控制器参数整定

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用多目标遗传算法求出Pareto最优解.由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序.计算了一个水轮机控制的数值算例,结果表明所设计的PID性能优异,适合工程实际应用.     

基于多目标遗传算法和多属性决策的主蒸汽温度PID参数优化

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法.综合考虑了系统超调量、稳定时间和时间乘以误差绝对值积分(JTAE)指标,采用改进非支配解排序的多目标遗传算法(NSGA II)求出帕雷托(Pareto)最优解,并用逼近理想解的序数偏好方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.通过计算锅炉主蒸汽温度PID控制的数值算例结果表明,采用多目标进化算法和多属性决策技术相结合的方法通用性好,所设计的PID性能优异,适合实际应用.     

基于改进NSGA-Ⅱ算法的电厂多目标负荷分配

针对电厂负荷分配通常以经济性单目标进行优化的局限性,综合国内外研究情况。确定了以负荷分配中的经济性和快速性为目标建立多目标优化的数学模型。运用改进的NSGA-Ⅱ算法求解负荷分配问题,得到Pareto最优解集,并引入模糊优化理论将优化得到的Pareto最优解集进行隶属度计算得到最优解。实例运行结果表明,该优化方法是正确的、有效的。     

火电厂负荷分配的多目标优化算法

本文研究了兼顾经济性与环保性的火电机组负荷优化分配算法。针对机组经济性和环保性分别构建负荷分配最优模型,编程求解负荷分配,得到满足约束条件的非支配解集合。然后由这些解集合构成待决策的负荷分配方案矩阵,采用逼近理想解排序法,考虑不同目标权重对于最终决策方案的影响,采用多目标融合、剔除同一层相近个体、保留不同层差异个体,建立考虑阀点效应的多目标负荷分配模型,讨论了目标权重的取值与负荷分配方案的一致性。最后将本文多目标优化算法、粒子群(PSO)算法和改进帕累托进化(SPEA)算法应用于6台机组的负荷优化分配,仿真结果表明采用本文方法可以进一步降低火电机组煤耗成本和污染物排放量,并且负荷分配方案的设定目标权重越大,优先考虑相应目标越优。     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

基于多属性决策的微电网多目标优化运行

微电网的优化运行能够有效的减少微电网的运行成本,提高能源的利用效率。对微电网多目标能量优化模型的求解大多采用将多目标优化问题转化成单目标优化问题的方法。文中针对并网运行的微电网,考虑了需求侧响应,建立了微电网多目标动态优化模型。对于模型的求解,首先运用层次分析法确定各个目标的权重,然后利用非占主元排序遗传算法(NSGA-Ⅱ)对重要的两个目标函数进行优化,多次优化并取每次优化得到的最优的解作为候选方案,然后对候选方案的目标函数值进行评价,再利用基于证据推理的多属性决策方法确定最终方案。仿真结果验证了文中所提方法的有效性,为微电网多目标优化运行问题的求解提供了一种新的思路。     

风光联合优化配置的多目标机会约束规划方法

针对风速、太阳辐射、负荷的随机性和相关性,综合考虑成本、网损和电压质量,应用蒙特卡洛模拟法和机会约束规划法建立了风力发电机组和光伏方阵两种分布式可再生能源接入现有配电网的多目标优化配置模型。在蒙特卡洛法的基础上,提出了多区间划分、建立概率分布的方法,从而减少抽样次数。在求解模型过程中,首先利用多目标微分进化算法进行全局寻优,得到一组pareto最优解集,然后采用基于熵的模糊多属性决策方法选取折衷最优解。IEEE-33节点配电系统规划结果验证了模型的合理性和方法的有效性。     

分布式电源选址定容的多目标优化算法

在综合考虑网损、电压质量和电流质量3个指标的基础上,建立了分布式电源选址定容的多目标决策模型,并提出了一种改进多目标微分进化算法(improved differential evolution for multiobjective optimization,IDEMO).该算法引入混沌搜索策略以提高初始种群利用率,采用...     

考虑环境因素和电压稳定性的多目标最优潮流

建立了综合考虑环境因素和电压稳定性的多目标最优潮流模型。模型中将减少发电成本、污染气体排放量和提高静态电压稳定裕度作为子目标函数;由于继电保护误动是引起电压崩溃的重要因素,模型中计及了线路距离Ⅲ段保护动作裕度约束。设计了包含多目标优化和辅助决策的两阶段法对模型进行求解。在优化阶段,提出一种自适应多目标差分进化算法来获取Pareto前沿;在决策阶段,首先利用模糊C均值算法对Pareto最优集进行聚类,进而在每一类中应用超效率数据包络分析法评估各决策方案的相对效率,以帮助运行人员提取出有效折中解。IEEE 118节点系统算例结果验证了模型的合理性和解法的有效性。     

基于协同多目标粒子群优化的交直流系统最优潮流

为了统一协调经济性和电压偏差,提出一种基于协同多目标粒子群优化(CMOPSO)的含基于电压源型变流器的高压直流(VSC-HVDC)输电的交直流系统多目标最优潮流(MOPF)算法。首先,基于VSC-HVDC稳态模型,以最小化发电成本和电压偏差为目标,构建交直流系统的MOPF模型;然后,采用CMOPSO算法优化该模型,得到具有良好分布的帕累托最优解集;最后,在通过模糊C均值算法将所得解集进行聚类的基础上,采用灰关联投影法计算各决策方案的优属度,确定反映决策者不同偏好的最优折中解。应用于IEEE 14节点和IEEE 118节点系统的测试结果验证了所提方法的有效性。     

考虑负荷不确定性与差异化需求的配电网网架结构混合多属性评价优选模型

传统配电网网架结构选择以定性决策为主,受人为因素影响大,决策繁琐。提出了一种考虑负荷不确定性与差异化需求的混合多属性评价优选模型。从拓扑结构、可靠性、经济性3个方面建立多属性评价指标体系,基于集对分析的混合多属性评价方法在评价过程中量化负荷不确定性,在此基础上进一步利用熵权法得到各指标客观权重及由指标权重表征的各网架性能;引入K-means聚类算法及模糊层次分析法建立多专家决策加权的需求方案静态获取模型,得到差异化需求方案以及指标主观权重;利用基于主客观权重及模糊熵的多属性关联关系分析模型,计算差异化需求方案与各备选网架的关联程度,最终建立考虑负荷不确定性与差异化需求的混合多属性评价优选模型。以多个地区的配电网规划为研究对象,利用所提出的混合多属性评价优选模型,分析了不同地区差异化需求下所适合建设的最优网架,验证了所提模型的有效性。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。