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。     

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。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

火电机组耗量特性的在线确定与机组间负荷最优分配

本文指出了国内现行负荷分配方法存在的缺点，提出采用在线监测系统，通过建立机组有关单元的性能模型，得到机组的最新特性曲线或方程，为实现负荷最优分配提供依据．在负荷分配算法上，采用了非线性规划方法。结果表明，采用最新的机组耗量特性曲线进行负荷分配．大大优于传统的根据热力试验或厂家提供的机组特性曲线进行的负荷分配．对提高电厂及电力系统的经济性具有重要意义。     

老愚公水电厂水能优化调度动态分析

小型水电厂水能优化调度涉及水量，机组组合和机组的负荷分配等相关问题，通过对梯级水电站机组多阶段水量分配，可行域的分析计算,推求梯级电站整体最优功能解，达到水电厂经济效益最优。     

水电厂经济运行的优先表动态规划方法

基于常规动态规划方法，将负荷最优分配与开停机组合寻优过程同时在线计算，机组组合方案按参与运行的机组台数递增选取，最优负荷分配亦随机组台数递推，排除不符合日发电计划中负荷要求的机组组合，以流量最小为优先原则，存储有限项可行组合，减少中间数据存储，降低寻优维数，缩短计算时间，适合机组特性数据经常变化的要求。对12台机组的实例计算表明，合理选择有限项的个数，可较快地解算出最优开停机计划。     

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。     

660 MW机组低负荷运行负荷优化分配方法研究

随着煤电机组总体负荷率的降低,长时间的低负荷运行逐渐成为常态。基于某电厂660 MW超临界机组全负荷段的锅炉效率、汽机热耗率、厂用电率试验数据,计算得出全负荷段煤耗率,并从经济性角度分析在不同电厂总负荷率条件下中单台机组的临界调峰时间、2台机组单元的最优负荷分配方法和全厂4台机组的最优负荷分配方法。     

火电厂机组负荷最优分配软件开发

研究通过对火电厂机组间负荷进行最优分配提高电厂效益的方法。在探讨如何应用计算机程序形成火电厂的锅炉-发电机组的耗量曲线的基础上，根据等微增率原理开发了一套火电厂机组负荷最优分配软件。该软件适用于电厂指导生产，降低煤耗，提高发电效益。     

机组负荷分配的多目标优化和多属性决策

同时计及机组运行的经济性和污染排放,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,针对火电厂负荷优化分配问题进行了研究。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(NSGAⅡ),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(TOPSIS)进行多属性决策(MADM)研究,对Pa-reto最优解给出排序。给出了3台机组负荷分配的优化算例,计算表明所提方法适应性好,结果合理可行。     

应用微机实现火电厂机组负荷的闭环最优分配

一、前言在具有多台机组的火电厂中,实现机组间负荷的最优分配可以节约燃料。我们于1984年12月,对成都热电厂型号各异的5台汽轮发电机组,应用微型计算机实现了负荷的闭环最优分配。该厂装机容量为135MW,在系统中承担基本负荷。     

辅助设备状态的厂级优化负荷分配系统

提出了在SIS系统负荷分配模块平台上,实现综合考虑辅机设备状态的厂级优化负荷分配系统。介绍了如何拟合各机组实时B-P特性曲线,如何确定各辅助设备状态值,如何修正进行第二次负荷分配和修正,如何进行机组间负荷的最优分配。最终负荷分配结果作为机组的目标负荷调节值直接送至控制系统,实现全厂总负荷优化分配指导,提高全厂的经济效益。     

基于生物地理学算法的网厂两级经济负荷分配

提出了一种针对大规模机组的网厂两级负荷优化分配策略。首先将电网内所有机组进行分组,预先以厂内负荷优化分配的最优结果拟合虚拟电厂煤耗成本特性曲线,据此完成电网侧负荷优化分配,然后再进行厂内负荷优化分配,所提模型还兼顾了机组的阀点效应。针对虚拟电厂煤耗成本特性曲线的高度非线性,采用生物地理学算法( Bio-geography Based Optimization, BBO)来求解网厂两级负荷优化分配问题。仿真结果表明,所提优化策略能够快速高效地处理大规模机组的负荷优化分配问题,更易于寻到全局最优解。     

基于遗传算法的发电厂负荷最优分配

简要介绍了遗传算法的基本原理，将其应用于发电厂解决了多台机组运行相互间负荷的最优分配问题。从仿真算例结果可见，采用的优化算法具有运算速度快、使用方便的特点，能够在线实现机组负荷的动态优化，改善机组的运行经济性。     

基于灰狼优化算法的火电机组负荷优化分配经济性研究

火电机组运行负荷优化分配问题直接影响着整个电网的经济性运行,对供电可靠性、稳定性和安全性都至关重要。为此,针对传统算法在负荷优化分配上存在收敛性差以及容易陷入局部最优解的问题,提出了一种灰狼优化算法(GWO)用于火电机组运行负荷的优化分配中的方案,并以三台火电机组进行负荷优化分配为例,建立以机组煤耗量最小为优化目标的数学模型,验证了算法的收敛性和实用性。最后使用灰狼优化算法(GWO)与传统遗传算法(GA)对比求解,结果表明,所提方法制定的负荷分配方案最优,能够很好地实现了机组的最经济化运行。     

基于大数据技术的小水电机组负荷分配优化平台研究及应用

为提高水能利用率,解决小水电机组以最优效率为目标负荷分配问题,开发了一套基于大数据技术的小水电机组负荷优化分配平台。平台通过对基础数据和在线测量数据的分析,自动识别机组的状态条件、运行工况、稳定性能等情况。在此基础上,给出一种在线基于实时动态自校正的逐次迭代效率曲面拟合方法,解决大数据样本误差噪声引起的效率拟合误差以及机组的运行状态改变后效率变化引起的误差问题,实现了在线效率曲面的自动实时动态绘制。给出了基于机组综合稳定指标及临界振动区的小水电机组最优有功分配方法,解决了机组在最优有功分配负荷时机组的安全稳定运行问题,对多机组最优效率进行协调控制,最终实现小水电机组的节能增效。经工程实际应用,验证了技术的可行性。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

市场环境下梯级电站厂间–厂内负荷分配模型

市场环境下梯级负荷分配包括厂间负荷分配和厂内机组两个层次,厂间负荷分配目标为梯级效益最大化,厂内负荷分配目标为在安全前提下满足耗水量最小化。本文建立两个层次分配模型：厂间采用发电收益最大目标,使用逐步优化算法解决;厂内机组负荷分配采用耗水量最小目标,使用双动态规划解决,先采用动态规划解决逐时段内安全约束下最优分配,在此基础上时段间采用动态规划解决机组启停优化。两层次间以时段综合出力系数为协调变量的策略进行协调优化,将厂间负荷分配作为第一阶段,将厂内负荷分配作为第二阶段,两阶段迭代求解,得到最优分配结果。实例表明算法高效、快速完成了厂间–厂内负荷分配的统一调度,提高市场环境下梯级电站的竞争能力。     

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。     

基于多目标多元非线性规划模型及“以大代小”方法的电力负荷预测方案设计

以某区域火电机组在各个时段的发电负荷为决策变量,以电力系统煤耗总量和CO2排放总量为目标函数,以电力系统平衡约束、机组出力约束为约束条件,建立了多目标多元非线性规划模型。采用评价函数线法将模型进行单目标优化,最后根据单目标优化问题的求解方法,利用LINGO软件求解出负荷分配的最优方案。