基于粒子群算法的火电厂机组负荷优化分配研究

负荷优化分配是火电厂运行优化的一个重要研究领域,在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。针对火电厂实际的运行情况,考虑多个实际约束条件,建立了并行火电机组间连续多时段动态负荷优化分配的数学模型;提出运用新近发展起来的智能算法-粒子群算法来解决动态负荷优化分配问题,详细介绍和研究了该算法的基本原理以及在负荷优化分配问题上的实现过程,并针对原算法的不足,对算法进行了改进;根据负荷分配和算法的特性,对初始种群的生成方法进行了改进,同时对约束条件进行了有效处理。仿真实例表明,该方法收敛性好,收敛速度快,能够有效地达到或接近全局最优,从而为火电厂机组负荷优化分配的求解提供了新的有效算法。     

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。     

求解全局优化问题的多策略改进灰狼算法

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI＿GWO)。从参数、搜索机制以及最优解扰动3个方面引入3种改进策略。对控制参数a,采用非线性调整策略,改进算法的勘探和开发能力;采用动态权重策略进行位置更新,提高算法的收敛性;设计小波最优解扰动策略,提高种群多样性,同时避免算法陷入局部最优。对MSI＿GWO算法的寻优性能进行验证,选取单峰多峰共9个测试函数完成仿真实验,并与其他改进灰狼优化算法以及粒子群、天鹰优化算法、蜜獾算法进行比较,结果表明,MSI＿GWO算法在收敛速度和寻优效率方面均为最优的。     

基于灰狼优化聚类算法的日负荷曲线聚类分析

针对模糊C-均值聚类算法(Fuzzy C-Means,FCM)应用于日负荷曲线聚类分析时存在易受初始聚类中心影响,易收敛于局部最优值以及日负荷曲线的内在特性难以通过距离得到充分反映的问题,利用日负荷特征值指标对日负荷曲线进行数据降维处理。提出了基于灰狼算法(Grey Wolf Optimizer,GWO)优化的模糊C-均值聚类算法(GWO-FCM)。该算法利用GWO为FCM优化初始聚类中心,结合了GWO的全局搜索能力和FCM的局部搜索能力。算例结果表明所提方法可有效提高日负荷曲线聚类效果,算法鲁棒性好。     

基于灰狼优化算法的多机电力系统稳定器参数最优设计

灰狼优化(grey wolf optimizer,GWO)算法作为一种新的、高效的群体智能优化算法,可应用于电力系统优化问题。提出了采用GWO算法的多机电力系统稳定器参数优化设计方案。将传统超前-滞后型电力系统稳定器(PSS)的参数设计建模为基于特征值的二次性能目标优化问题,通过向左半复平面移动机电振荡特征值实现对不同运行状态下机电模态阻尼系数的最大化进行寻优。GWO算法具有对初始取值不敏感,优化效率较高和全局寻优性能好等特点,因此被用来迭代搜索最优PSS参数值。通过IEEE New England 39节点算例的特征值分析和非线性时域仿真,验证了基于GWO算法优化整定的电力系统PSS在各种系统运行状态下抑制系统机电振荡的有效性和鲁棒性,并通过与传统相位补偿方法设计的PSS阻尼性能对比,表明所提GWO算法优化PSS参数具有明显优越性。进一步的算法性能分析表明,GWO算法具有对初值不敏感和稳健性强等优点。     

基于GWO-BP神经网络算法的WFGD系统在线优化

以浆液循环泵运行情况作为工况划分条件,通过提出的灰狼优化(GWO)-BP神经网络(GWO-BP神经网络)算法建立了针对湿法烟气脱硫(WFGD)系统多模态在线优化模型组,分析了机组负荷、入口SO2质量浓度对出口SO2质量浓度变化量的影响,并利用某660 MW机组切换试验对该模型组性能进行验证.结果 表明:随着机组负荷和入...     

改进等微增率算法求解火电负荷分配问题的实用化研究与应用

结合贵州电网实际,分析讨论了等微增率算法应用求解火电机组负荷分配时可能碰到的实际问题,提出了融入火电机组发电排序表的机组组合策略与等微增率准则相结合的算法。该方法以火电机组发电排序表为基础,通过机组组合策略确定参与优化计算的机组组合方案,然后利用等微增率准则分配火电负荷。贵州电网自从2008年进入节能发电调度试点运行,一直到2009年正式运行以来,很好地验证了所提出的算法,结果显示该算法很好地解决了传统等微增率法在实际应用中所碰到的问题,同时也说明该方法是一种切实可行的负荷分配算法。     

大规模风电接入的电力系统优化调度新方法

针对风电功率的反调峰和不确定等特性,建立水电调峰效益模型,并结合风、火电运行价格模型,构建了考虑机组组合的新型多目标动态优化调度模型.同时,为应对多目标优化问题中粒子群算法陷入局部最优和效率问题,提出了基于优先排序和多子群协同进化的多目标粒子群算法(multi-objective particle swarm optimization algorithm with multi-swarm co-evolution,MOPSO-MC)的优化调度新方法,即通过优先排序法确定机组最优组合状态,对负荷分配规划分为两层,并采用MOPSO-MC求解.将该方法应用于含大规模风电的甘肃电网优化调度问题,结果表明所提模型和算法为解决风电并网运行提供了一种对策.     

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.     

基于群灰狼优化算法的双馈感应电机最优控制

设计了一种新颖的群灰狼优化算法(Gathered Grey Wolf Optimizer, GGWO),用于整定双馈感应电机(Doubly-fed Induction Generator, DFIG)的比例-积分控制器(Proportional-integral, PI)最优参数,从而实现变风速下的最大功率点跟踪(Maximum Power Point Tracking, MPPT)并提高系统的故障穿越能力(Fault Ride-through, FRT)。GGWO在原始灰狼优化算法(Grey Wolf Optimizer, GWO)的基础上引入分组机制,将灰狼分为相互独立的合作狩猎组和随机侦察组。其中,随机侦察组中的灰狼负责进行广泛的全局搜索,而合作狩猎组的灰狼实现深度的局部探索。同时,设计狼群间的角色互换机制,可根据当前适应度函数,在下次迭代中对不同分工的狼进行角色互换,进而平衡全局搜索和局部探索的矛盾。通过阶跃风速、随机风速和电网电压跌落三个算例对GGWO的优化性能进行了研究。仿真结果表明,与遗传算法、粒子群算法、飞蛾扑火算法和GWO相比,所提算法具有更好的全局收敛性、MPPT精确性和FRT能力。     

基于MATLAB的计及阀点效应的有功功率经济分配

为了在电厂机组间进行负荷经济分配,提高电力系统运行的经济性,针对汽轮机进汽阀突然开启时出现的拔丝现象即阀点效应,提出了采用改进的粒子群算法(HPSO)对火电机组负荷进行经济分配,并将遗传算法的交叉思想引入到PSO算法当中,使其避免局部最优。通过MATLAB仿真,算例结果表明改进的算法寻优质量更好,效率更高,可望应用于更广泛的优化问题。     

梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。     

基于负荷曲线量化的抽水蓄能电站运行优化

在抽水蓄能电站运行优化过程中,从抽水蓄能电站参与负荷分配使火电机组运行环境改善的角度出发,提出了对火电机组承担的负荷曲线波动程度进行量化的思想和方法。以负荷曲线量化值最小为目标函数,在计及各种约束条件下运用动态规划法对抽水蓄能电站运行进行优化。并以广东省电网为例,对惠州抽水蓄能电站进行了运行优化,结果显示优化后火电机组承担的负荷曲线波动程度降低,提高了火电机组的发电负荷率,并对供电煤耗进行了校验。结论表明,对火电机组承担的负荷曲线波动程度进行定量计算的方法对抽水蓄能电站的优化运行调度有一定的指导意义。     

融合设备状态的单元机组负荷优化分配研究

根据发电厂的运行特点,以发电成本最低为目标,建立了厂内单元机组间负荷优化分配的数学模型,并通过动态规划方法求出模型的最优解,获得各台机组的经济负荷分配方案。在此基础上,以单元机组中各类主要运行设备的状态综合评价结果为依据,对经济负荷分配方案进行调整,实现了具有经济性和安全性的负荷优化分配。     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

融合改进灰狼优化算法和人工势场法的路径规划

传统灰狼优化算法(Grey Wolf Optimization, GWO)规划的路径全局较优,但存在求解效率低和易陷入局部最优的缺陷,而人工势场法(Artificial Potential Field, APF)规划的路径虽然平滑,但有规划路径存在震荡和目标不可达的问题｡针对两种算法的不同缺陷,提出一种兼顾全局和局部特性的算法-灰狼势场算法(Grey Wolf Potential Field Algorithm, GWPFA)｡首先,提出一种建立特征栅格地图的新方法;其次,通过设置灰狼个体的相对距离d和调节因子λ,将参数a改进成非线性衰减;再次,提出节点优先级的概念,根据此概念重新对路径规划问题进行建模;最后,将改进GWO算法全局路径规划的节点作为APF算法的临时目标点,并改进临时目标点为临时边界,再进行局部路径规划｡仿真结果表明,在全局静态环境下,GWPAF算法的运行时间､最优路径长度及转弯角度相比于GWO算法分别优化了224.5s､16.3m及38.9°;在局部动态环境下,GWPFA算法在保证路径最优性的同时可以成功避障｡仿真结果验证了GWPFA算法的有效性、可行性及优越性｡     

大型火电机组制粉系统运行优化

对某电厂1 000 MW火电机组实际运行数据进行分析,发现机组相同的发电负荷下,各磨煤机总给煤量波动范围较大,表明各磨煤机负荷的分配影响着机组的运行效率。针对该机组提出了制粉系统优化运行方案,优化各磨煤机给煤量,并进行了验证性试验。结果表明:机组负荷在700~900 MW时,优化分配各磨煤机给煤量,锅炉效率得到提高。     

基于改进多智能体进化算法的机组负荷优化分配

对发电机组输出功率速度限制等条件下的最优机组组合问题进行了研究,提出了基于多智能体进化算法的求解方法.首先选取二次函数作为机组煤耗量特性曲线,建立了负荷优化分配模型,同时考虑了机组运行的约束条件,并选取多智能体进化算法进行优化设计,从而达到机组组合与运行的良好协调,最后通过一个包含十台机组的火电厂负荷分配算例仿真,证明了这种新方法的可行性,获得了较满意的效果,为机组负荷优化分配问题提供了一种新的思路和方法.     

基于深度学习及混沌优化的燃机电站机组热电负荷优化分配

提出了一种基于深度学习及混沌优化的燃机电站机组热电负荷优化分配的新方法。采用深度学习理论中长短时记忆（LSTM）神经网络算法建立机组能耗模型,通过对模型中机组能耗和电负荷、热负荷、环境参数之间非解析函数关系训练学习,并采用混沌优化算法对LSTM神经网络算法训练得到的模型进行负荷优化分配,得到机组最优负荷分配下最小气耗量。实际算例计算结果表明,本文方法计算结果有效,可提高机组运行的经济性。     

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。