关于凝汽式机组负荷优化分配算法的讨论

分析凝汽式机组进行负荷优化分配时一些错误算法产生的根源,指出负荷优化分配应以全厂总煤耗量最小为目标,针对不同的负荷优化算法,机组煤耗特曲线应采用不同的拟合方法。该方法和结果可应用于其它火电厂的负荷优化分配。     

基于改进思维进化算法的机组负荷优化分配

机组负荷优化分配是电厂提高经济效益的重要手段。思维进化算法(MindEvolutionaryComputation,MEC)模拟人类思维的进化过程,通过趋同和异化过程在解空间中搜索最优解,和其他优化方法如动态规划法等相比较,具有算法简单通用,可以得到全局最优解等优点。本文对思维进化算法进行了改进,增加禁忌区域、自适应调整散布方差、改进收敛条件,并用其解决机组负荷优化分配问题。通过两个算例的计算,并和其它优化方法相比较,证明了这种新方法的有效性,为机组负荷优化分配问题提供了一种新的思路和方法。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于混沌原理的火电机组负荷分配优化系统研究

结合国内电力市场现状,建立了火电机组负荷分配优化的模型.对比分析了机组负荷分配优化不同算法的优缺点,具有全局寻优能力的混沌算法最适合火电机组负荷分配优化的求解,并开发了机组负荷分配优化系统软件,对降低火电厂总煤耗,提高供电品质,实现火电厂机组的安全、稳定和经济运行具有一定的理论和现实意义.     

基于动态思维进化的机组负荷经济分配

在思维进化算法的框架上,提出了一种动态思维进化算法.首先给出个体评价函数,之后在趋同环节与异化环节中分别进行子群体拆分与子群体合并,保证子群体高效搜索其局部极值.并通过记录已搜索空间,避免对解空间的重复搜索.仿真算例证明该算法解决机组经济负荷分配问题(ED)迅速有效.     

火电机组负荷优化分配算法分析比较

对目前国内外出现的负荷优化算法进行了比较全面的总结,将其分为传统优化算法、基于数学规划的优化算法、现代智能优化算法、其他优化算法等四类,阐述了各种算法的基本原理,并对其中主要算法的优缺点作了分析和比较,从而为相关课题的研究提供了参考.施耐德电气工业园在北京亦庄启动建设建成后将成为施耐德电气公司在中国最大的综合性生产和物流基地     

基于MDPA算法的火电厂多目标负荷优化分配模型

在传统的火电厂经济负荷分配模型基础上,综合考虑全厂供电煤耗率、污染物排放量以及全厂负荷升、降时间3个目标,构建了厂级负荷优化分配的多目标模型。将差分粒子群混合算法发展为一种新型的多目标进化(MDPA)算法,即利用擂台赛法和凝聚层次聚类分析方法分别构造和修剪非支配集,同时加入精英保留策略,保留进化过程中的极值点。将该算法应用于以经济、环保、快速3个目标为多目标的厂级负荷优化分配,并与基于非支配排序的多目标优化(NSGA-Ⅱ)算法进行对比。结果表明,MDPA 算法较 NSGA-Ⅱ算法收敛速度更快,解集分布更均匀。     

火电厂机组负荷优化分配与调度的研究

阐述了负荷优化分配中的“等微增能耗率”的数学模型及算法;介绍了各机组在不同冷却水温度下煤耗特性曲线的现场试验;开发了在线实时负荷分配软件。     

进化多智能体技术在多目标优化中的应用

针对多目标优化研究中传统遗传算法存在的一些问题，引入人工智能领域新兴发展起来的多智能体技术，结合遗传算法形成进化多智能体系统来求解多目标优化问题，主要对进化多智能体系统框架、进化遗传算法进行了论述。     

改进量子进化混合优化算法在溪洛渡电站机组组合中的应用研究

传统方法求解水电站机组组合问题时存在易陷入局部最优、易出现"维数灾"、收敛性差等缺陷,因此提出了一种改进量子进化混合优化算法用以解决这一问题。通过将量子进化算法与基于经济运行总表的动态规划法嵌套,分别对外层机组组合和内层负荷分配问题进行迭代优化;同时,引入最短开、停机时间修补策略和备用容量修补策略,有效处理多重复杂约束,在保证计算精度的前提下,显著提高收敛速度。以溪洛渡电站经济运行中的机组组合问题为工程背景进行了实例研究,并与已有DP和IBPSO方法进行对比分析,结果显示所提算法简单高效,优化效果好,具有较强的工程实用性。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

基于云自适应遗传算法的机组负荷分配

将云自适应遗传算法应用于机组负荷优化分配,并根据负荷分配的具体要求对遗传参数的设置进行了改进。算法不仅继承自适应遗传算法计算速度快的优点,而且由于云模型既有随机性又同时具有稳定倾向性,避免了较优个体遗传概率为零的弊端,因此不易陷入早熟,鲁棒性更高,应用于机组负荷分配能够得到理想的效果。     

基于改进动态规划算法的火电厂负荷优化分配

详细论述了用于火电厂负荷优化分配的一般动态规划算法,在指出其不足后,提出了一种改进的动态规划算法,基本上克服了因步长选取不当而带来的非最优化问题.案例表明：该算法效果良好,具有工程应用价值.     

供热机组热电负荷最佳分配方法分析

以变工况热力计算为基础,分段采用改进的弗留盖尔公式,分析供热机组的热力特性。通过具体机组进行验证,表明这种热力计算方法具有足够的精度。以实际机组为例,改进热电分离、以热定电的热电负荷分配方案。方案中考虑了热化作功系数的变化,直接以总热耗最小作为电负荷分配指标。同时,依据机组的热力特性,生成热电关系曲线,从而可以将热电负荷调度范围作为限制条件,使分配结果更加合理。通过对比可以发现,这种分配方法可以有效降低机组的总热耗,因而使分配结果明显优于其他方案。该方法可以为电厂与调度部门的负荷调度提供合理的解决方案。     

采用遗传算法的供热机组间负荷分配

针对供热机组数学模型中变量和约束条件多、非线性的特点,运用循环函数法建立了供热机组间负荷优化分配的数学模型,并采用遗传算法中的实数编码对每一变量进行编码,最后以实例验证了这一方法的优化效果,计算过程具有较好的稳定性和快速收敛性。     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。     

机组负荷优化分配的遗传算法

采用遗传算法对发电机组之间负荷进行优化分配,并与等微增率法进行了比较,计算结果表明,遗传算法在计算结果和适用范围方面都较等微增率法更加优越,具有较好的稳定性和快速的收敛性。     

基于进化算法改进拉丁超立方抽样的概率潮流计算

在对电力系统安全风险评估时所需概率潮流计算的模拟法中,基于拉丁超立方抽样（Latin hypercube sampling,LHS）的蒙特卡罗（Monte Carlo,MC）模拟比简单MC模拟效率更高。但针对概率潮流问题,目前在相关性控制方面仍待改善。为提高基于LHS法的MC模拟在概率潮流计算中的效率,从两方面改进算法：一方面,对随机变量间相关系数矩阵非正定情况提出含进化算法的改进中值拉丁超立方抽样法;另一方面,为顾及概率分布的尾部特征,提出拉丁超立方重要抽样技术。对IEEE30和IEEE118节点系统进行考虑发电机无功出力约束的局部相关性试验,所提方法能有效地控制相关性,并具有良好的收敛性。试验结果表明该方法是有效和合理的。     

基于遗传算法的典型日最优负荷分配方法

合理的电源负荷分配规划对提高电力系统的安全性、可靠性以及经济型有着重要的作用。对于中长期电力系统扩展建设、规划,通过合理的计算能够有效减小成本以及获得最大利益。本文采用IEEE-RTS系统已知的机组技术与经济参数、系统典型日负荷特性、机组可靠性参数,以不低于20%系统备用容量、N-1准则为约束,建立了相应约束条件下以电力系统总费用最小的模型。利用遗传算法具有求解复杂非线性问题解的优势,得到最优的电源分配规划模型。     

改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.