中期火电开机优化的混合搜索算法

以电网实际需求为出发点,以指定时段内参与计算电站装机利用小时数相等为目标,提出了中期火电开机优化的混合搜索算法。算法包括2步:以启发式思想获取可行初始解;将基于逐步优化算法的纵向搜索和用以跳出局部寻优的横向搜索相互结合进行优化计算。其算法流程简单,收敛速度快,能够避免求解过程陷入局部最优。对云南电网9个电站、27台机组的系统,以实际数据进行计算,结果表明,该算法能够有效地解决中期火电开机优化问题,计算效率和结果精度均能满足生产实际的需求。     

基于多核并行的中期火电开机优化算法

以指定时间段内参与计算电站的装机利用小时数相等为目标建立中期火电开机优化模型.针对问题的多状态、多阶段决策优化的特点,结合基于分治策略的Fork/Join框架,提出了多核并行的中期火电开机优化算法.该算法将原问题划分为规模较小的多个子问题分别进行求解,每个子问题从启发式搜索获得的初始可行解出发,采用逐步优化算法(POA...     

基于改进粒子群算法的火电机组经济优化调度

为了提高火电机组运行的经济性,以火电机组运行成本最小为目标函数,综合考虑火电机组运行过程中的 各项约束,利用收缩因子对粒子群算法进行改进,建立基于改进粒子群算法的火电机组经济优化调度模型,并采用 IEEE30节点系统进行算例分析,结果表明采用IPSO算法优化的火电机组最小运行成本为24.13万元,IPSO算法在 迭代次数和收敛精度上均优于PSO算法,验证了模型的正确性和实用性.     

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     

中期火电开机优化模型研究及系统设计

针对中期火电开机优化的特点,建立了应用于不同实际需求的三种优化模型:基于电量差别计划的等利用小时数模型、等利用率模型和能耗最小模型,同时结合逐步优化算法(POA)算法搜索能力强、收敛速度快等特点,给出了模型的统一求解流程.采用可扩展的模型接口方式、基于Fork/Join框架的多核并行优化、基于MVC模式手动开机及异步优化等关键技术设计开发了中期火电开机优化系统,并成功应用于云南电网实际运行.最后以云南电网9座火电站27台机组的计算结果为例,分析验证了模型的灵活性、合理性及系统的实用性.     

中期火电开机优化模型研究及系统设计

针对中期火电开机优化的特点,建立了应用于不同实际需求的三种优化模型：基于电量差别计划的等利用小时数模型、等利用率模型和能耗最小模型,同时结合逐步优化算法（POA）算法搜索能力强、收敛速度快等特点,给出了模型的统一求解流程。采用可扩展的模型接口方式、基于Fork/Join框架的多核并行优化、基于MVC模式手动开机及异步优化等关键技术设计开发了中期火电开机优化系统,并成功应用于云南电网实际运行。最后以云南电网9座火电站27台机组的计算结果为例,分析验证了模型的灵活性、合理性及系统的实用性。     

大型火电机组运行优化目标值的研究和确定

对火电机组运行优化目标值进行研究，提出对相对独立系统进行优化从而达到整个机组优化的方法，建立了机组主要优化参数的目标函数。该方法在多台大型机组上的应用表明，该火电机组运行优化目标值的确定和计算方法适用于国内同类型机组。     

火电机组启停机经济调度新算法

合理的开停机方案能带来经济效益，提出一种混合模拟退火－遗传算法模型进行火电机组的优化启停计划调度，采用十进制编码，无需解码，可减少计算误差的时间，由于引入了模拟退火算法，使得这种算法能接受新特性，不仅改进了忆部收敛性且能加速寻优过程，最终可得到近于全局最优的解，经算例验算表明，该算法可以满足安全可靠的多种约束条件下，较好地改善机组启停计划的经济性，是安排火电机组启停机计划的一种可行方法。     

火电机组优化运行潜力分析

从火力发电机组滑压运行、冷端优化、回热系统、冷却塔、锅炉燃烧控制等方面论述了火力发电机组节能降耗的方法和途径。     

混流式水电机组开机方式优化研究

通过对大型混流式水电机组分别采用导叶大加速开环启动、导叶小加速开环启动、机组加速度控制闭环启动和开环+闭环启动等4种开机方式时,机组运行稳定性试验研究,全面分析比较了机组在不同开机方式时的机组稳定性.结果表明,综合考虑开机时长和机组稳定性等因素,机组的最佳开机方式为导叶小加速开环启动.该研究成果为混流式水轮机开机方式的...     

一种用于机组组合问题的改进双重粒子群算法

为了更经济快速地解决机组组合问题,提出一种改进双重粒子群优化(particle swarm optimization,PSO)算法,包含离散部分和连续部分。离散PSO分时段优化机组的启停状态,在种群更新时加入了临界算子,改进了可行解的判别条件,各机组出力最低值的和要在一定程度上低于负荷需求值,并考虑机组启停时间的向前继承和向后约束。连续PSO用于启停状态确定过程中和确定后的负荷分配,考虑功率平衡约束、热备用约束和机组的出力上下限约束。求解经济负荷分配时,利用罚函数的方法满足机组的爬坡速率约束,最后得到煤耗最小值。采用2个24时段的算例进行仿真,实验结果表明新算法减少了搜索量,提高了收敛速度,并为机组组合问题提出了新思路。     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。在基本粒子群算法的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习。通过该算法进行仿真计算,证明了该算法的有效性。     

求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法

提出了一种求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法。其特点包括:采用固定阈值处理表示机组运行状态的0、1整型变量,从而可直接应用粒子群算法求解机组组合问题,避免求解各时段中的经济负荷分配子问题;在粒子群算法迭代过程中应用变异操作更新进化速度缓慢的粒子,增强了算法的搜索能力;算法收敛后,采用基于优先列表的贪婪搜索机制做进一步寻优,既加快了算法收敛速度,又提高了解的质量。算例结果表明所提出的方法在求解机组组合问题时具有很强的搜索能力和适应性。     

求解机组组合问题的改进混合整数二次规划算法

混合整数二次规划(MIQP)算法求解机组组合问题具有全局优化能力,但是针对大规模优化问题,其计算速度和计算精度将受影响.文中提出了求解机组组合问题的改进MIQP算法.该算法的核心思想是引入了松弛和解耦2种改进策略.通过求解松弛整数变量的二次规划模型,首先获得机组组合的下界空间,然后再通过拉格朗日解耦算法获得机组组合的上界空间,进而在上下界确定的寻优空间内采用MIQP算法进行再优化.不同测试算例表明,改进的MIQP算法快速且有效,可以降低优化问题的复杂度,显著减少计算时间.     

基于改进二进制粒子群算法的电力系统机组组合

提出了1种改进的BPSO(二进制粒子群)方法求解机组组合问题.首先,利用优先顺序法确定初始的机组组合,根据这个结果,确定优化窗口的范围,在此范围内利用BPSO进行求解.在每次迭代过程中,通过启发式的调整策略使每代中的粒子都满足约束条件.在经济负荷分配问题上,采用经典的拉格朗日乘子法结合二分法进行求解,大大提高了求解效率.最后将所得结果与其他算法所得结果进行比较,证明所提方法有较强的优越性和实用性.     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

解决机组组合问题的改进动态规划方法

提出了一种确定机组组合的改进动态规划方法,用以解决多种约束条件下机组的组合问题。该算法可以考虑机组功率上升、下降速度约束,机组启停约束,并有效避免了常规动态规划方法的“维数灾”问题,计算方法简单,计算速度快。用MATALB语言编制了程序,对一个10机系统进行了计算,结果表明该算法实用性较强。     

无功优化的改进模拟退火算法

介绍了模拟退火算法的基本原理,在原算法的基础上,针对实际应用中最后当前解是近似最优解且有可能比中间解差的情况,提出了将搜索过程与最优解更新序列分离的改进措施,通过设定阈值分别判断抽样过程和退火过程是否结束以保证解的最优性。最后,通过IEEE—30节点和IEEE—118节点系统无功优化算例说明改进算法具有建模简单,对系统的规模量不敏感,计算内存小及具有较好鲁棒性等优点。     

基于改进布谷鸟算法的火电厂机组组合优化

电力系统机组组合是一个多维,复杂的整数规划问题,利用传统方法较难求解。在通过研究布谷鸟搜索(cuckoo search)算法的基本原理,分析布谷鸟算法的优缺点基础上,结合粒子群算法,提出一种改进的布谷鸟搜索算法。通过在10机组系统中进行验证,结果表明,算法比粒子群算法、标准布谷鸟算法更好。改进的布谷鸟搜索算法同样也在收敛速度等更具有优势。     

用于机组组合优化的蚁群粒子群混合算法

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时,用一个粒子群处理一个时段的优化问题,通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。