基于非支配排序遗传算法的无约束多目标优化配煤模型

分析单目标动力配煤模型的缺点,提出多目标优化配煤模型,模型将所有煤质指标都作为优化目标,根据每个指标的特点构建出安全性、经济性和环保性3个目标函数。引入带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)作为该模型的寻优算法,并结合配煤问题的特点对原算法进行适当改进和调整,对某电厂的实际配煤问题进行求解,得到分布较好的Pareto最优解集,这些解为电厂配煤人员在多个相互关联的目标之间进行决策时提供了多样的选择,具有很好的指导作用和应用价值。     

基于多约束目标优化的呼伦贝尔能源基地煤电开发潜力研究

文章基于对呼伦贝尔煤炭资源情况的分析,以水资源、煤炭储量和产能、环保空间等多项因素对煤电开发规模的影响及限制为约束条件,对煤电装机进行优化,提出基于多约束目标优化的呼伦贝尔煤电开发规模,并通过算例分析验证方法的有效性。     

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。     

基于机会约束规划的广义电源多目标优化配置

针对配电网间歇性电源渗透水平逐渐增大、分布式电源和电容器组分开规划的现状,将能提供有功功率和无功功率的电源统称为广义电源。考虑风电、光伏出力的随机性,以投资效益、污染气体排放和反映系统供电可靠性的支路电压稳定裕度为优化目标,建立基于机会约束规划的配电网广义电源多目标配置模型,采用内嵌蒙特卡洛模拟的改进多目标粒子群算法对模型求解。IEEE-33节点系统的仿真结果表明,协调优化配置配电网有功无功资源,在提高资源利用率的同时也降低了污染气体排放量,并且从概率的角度对电压质量进行评估,辅助规划人员进行科学决策。     

基于EPSILON约束法的配电自动化设备多目标优化布点模型

通过在配电网中配置自动化设备可以有效限制故障带来的负面影响,从而提高供电可靠性,减少停电损失,但采用全覆盖式的布点方案会极大程度地加剧电力公司的资金压力。为了合理地配置各类自动化设备,最大程度地发挥资金效能,提出了配电自动化设备的多目标优化布点模型。首先,分析了各类设备布点情况与负荷停电时间之间的关系,进而获得了供电可靠性与停电损失关于设备布点情况的表达式。然后,以各类设备的全生命周期费用作为约束,搭建了基于混合整数线性规划的配电自动化设备多目标优化布点模型,并通过数学求解器配合EPSILON约束法对其进行求解,以有限的资金获得最大的供电可靠性以及最小的停电损失。最后,基于IEEE RBTS-BUS4的算例结果表明,所提出的模型可以精确有效地对配电自动化设备进行优化布点,并直观地反映供电可靠性与停电损失之间的关系,为电网规划人员提供了辅助材料。     

电力市场下考虑煤质影响的火电机组多目标优化调度

为了解决火电厂发电的经济效益与环境保护之间的矛盾,研究了电厂入炉煤质对煤耗和排放的影响,建立了电力市场下火电机组短期多目标协调优化调度模型,并采用重构归一化欧氏距离评价函数的方法处理多目标问题。采用5个火电机组的系统算例进行仿真计算,结果表明:多目标优化调度能够协调经济与环境之间的矛盾;入炉煤质影响电厂效益和污染排放;重构归一化欧氏距离评价函数能够获得较满意的多目标优化结果;电力市场下的优化调度能获得更高的经济效益。     

基于SPEA2算法的火电厂负荷分配的多目标优化研究

针对火电厂中以煤耗最小的单目标负荷分配优化的局限性,综合考虑机组运行的经济性、快速性和稳定性要求,应用多目标模糊规划方法建立了负荷优化分配新模型,并利用SPEA2算法进行优化求解。仿真结果表明,相比只考虑煤耗最小的单目标优化方法,多目标加权法具有更好的多样性,便于运行人员从中选择最优的负荷分配方案。     

基于多目标拟态物理学优化算法的城配网安全性评价方法研究

提出一种城配网安全性综合评价方法。该方法首先采用多目标优化方法构建安全性综合评价模型,模型包含了短路容量比、N-1越限数、重载变压器比例和电压越限率等4个子目标,然后基于不同运行方式的运行数据采用拟态物理学优化算法对指标值进行优化,最后采用组合赋权法量化计算安全性综合评价值和安全排名。以某城配网的实际运行情况作为仿真算例,首先验证了所提算法的计算性能,收敛速度最快约为28步,迭代结果也最小,安全性最好;然后实现了对不同城配网的安全性评价,EZ网安全性最好,AP网安全性最差,对城配网运行具有一定的指导意义。     

确定煤质方法的探讨

设计煤质的确定是火电厂建设中一项重要的基础工作。目前,我国尚无确定煤质的技术标准。蒲城电厂用正在运行电厂的炉前煤分析数据作为燃用相同煤种的新建电厂的设计煤质参数,以此作为确定煤质的方法。经过调研,秦岭电厂燃烧的煤种与蒲城电厂相同,因此,选定秦岭电厂炉前煤的自动采样分析数据作为蒲城电厂一期工程设计的煤质数据。在1 号炉投产后,将1 号炉投产后至1997 年底燃用煤质的工业分析化验(月平均) 数据与前述数据比较,误差较小,这说明用上述方法作为确定新建电厂设计煤质的方法是正确的。     

传统多目标优化方法和多目标遗传算法的比较综述

多目标优化是最优化领域的一个重要的研究方向。论述了多目标优化模型,同时介绍了常用的几种传统优化方法和常用的几种多目标遗传算法,对改进后的遗传算法与传统优化方法求解效果进行了比较,认为要进一步研究求解多目标优化问题的更多高效算法,若能结合两者的优点,处理多目标问题的效果将越来越好。     

基于粗糙集和多目标规划的火电厂优化选址

新形势下如何根据负荷中心的用电需求,综合考虑技术、经济、社会各方面因素,合理选择待建火电厂的厂址,以增强电网的安全和企业的竞争力,已成为电网和发电企业共同关注的问题.首先基于粗糙集方法获得指标的权重,集结指标值后得到备选火电厂的综合评价值,并以建设成本最小化和建厂综合效益最大化的综合评价值为目标,建立双目标规划模型.算例分析结果表明,该方法具有较好的适用性和可行性,对优化火电厂选址具有重要意义.     

基于模糊多目标优化的负荷优化分配研究

针对火电厂负荷优化分配,基于煤耗最小的单目标优化的局限性,提出了兼顾全厂煤耗最小和完成变负荷时间最短的双目标负荷优化分配模型,利用模糊理论将此双目标函数处理成相同约束条件下的单目标函数;然后用动态规划法求解,并将此结果同只考虑煤耗最小的单目标优化模型的结果相比较;最后对4台机组进行仿真。结果表明:采用多目标模糊优化设计对负荷优化分配效果良好。     

基于合作博弈的多目标无功电压优化模型及其解法

为了在在线无功电压控制中协调考虑系统的安全性和经济性,提出了一种基于多目标优化的无功电压优化模型。除传统的经济目标外,该模型将系统的静态安全性加入到寻优目标中,以同时寻求系统经济性和安全性的最优化。基于合作博弈理论,提出了该模型的求解方法。在博弈过程中,经济目标和安全目标作为博弈参与方轮流给出决策策略,直至博弈达到均衡。基于2节点原理系统和IEEE 9节点系统的若干算例分析,证明了所提出的模型及求解方法的可行性和优越性。     

基于GA的背压动态设定值多目标优化研究

为了解决中国多数空冷机组背压值设定存在的缺陷,利用某300 MW直接空冷机组运行过程中所获取的参数,使用多目标优化遗传算法（GA）建立具体的背压和空冷风机耗电量数学模型,在约束条件下求解最优背压和最小空冷风机耗电量。该背压动态设定方法,实现了空冷机组在变负荷及AGC考核条件下背压设定值的动态优化,对空冷机组运行参数的调整以及控制策略的优化有实用价值,有利于提高空冷机组的安全经济运行水平。     

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Pareto最优的电力系统多目标优化研究

针对基于Pareto最优的电力系统多目标优化问题研究进行了综述。首先对Pareto多目标优化问题进行概述,其次对基于Pareto最优的电力系统多目标优化问题的处理方法进行分析,并归纳了目前求解该领域Pareto最优的MOEA、ε-MOEA、SPEA、NSGA-II、NPGA和MOPSO智能优化算法的特点。最后对基于Pareto最优的电力系统多目标优化的研究趋势和发展方向进行了展望。     

基于约束多目标骨干粒子群的污水处理过程优化控制

为了取得污水处理过程能耗和出水水质这对冲突目标之间的最佳平衡,提出一种基于约束多目标骨干粒子群的污水处理过程智能优化控制方法。首先,利用数据驱动的思想建立能耗和出水水质的模糊神经网络预测模型;其次,利用带自适应扰动的约束多目标骨干粒子群优化算法对溶解氧和硝态氮浓度的设定值进行动态寻优,并利用模糊隶属函数法设计智能决策系统用于从Pareto最优解集中确定最优设定值;最后,利用模糊逻辑控制器实现底层跟踪控制。基于国际基准平台BSM1实验结果表明,建立的数据驱动模型能够有效辨识污水处理过程;同时,所提的多目标优化控制方法在保证出水水质参数达标前提下,能够有效地降低污水处理过程的能耗。     

基于改进NSGA-III的多目标优化调度方法及应用

多目标优化调度是生产过程中最优规划问题,对此提出了一种基于改进NSGA-III算法的多目标优化调度方法并将其应用于供电运维排班规划中.在基本NSGA-III算法的基础上,通过保留精英代策略、快速非支配排序和自适应归一化技术提高算法的收敛性,同时结合运维班组任务优化过程中的影响任务完成的人员静态因素和动态因素进行量化处理,实现变电运维人员的优化调配, 提高运维效率. 最后通过实际算例验证了模型及算法的合理性和可靠性.     

基于DWT-MOSMA-SVM的多目标优化短期母线负荷预测

母线负荷基数小,波动性和不确定性大,随着光伏、风电等可再生能源的接入,母线负荷受天气等随机性因素的影响增加,母线负荷的高精度预测受到很大影响。针对小样本场景下母线负荷预测问题,提出了一种基于离散小波变换-多目标黏菌算法-支持向量机(discrete wavelet transformation-multiple objective slime mould algorithm-support vector machine, DWT-MOSMA-SVM)的多目标优化短期母线负荷预测方法。首先采用离散小波变换对母线负荷数据进行处理;然后兼顾预测的精度和稳定性两个目标函数,采用多目标黏菌算法对支持向量机的惩罚因子和核函数参数进行优化;最后在优化所得的Pareto前沿面上选择Pareto最优解,以此搭建支持向量机(support vector machine, SVM)预测模型进行训练,并将预测结果与长短期记忆网络(long short-term memory, LSTM)、未优化的SVM以及多目标黏菌算法(multi-objective slime mold algorithm, MOSSA)优化的SVM模型预测结果进行对比。实验结果表明,提出的MOSMA-SVM模型的预测精度和稳定性更佳。     

多目标优化分段竞标电力市场的研究

提出了一种兼顾污染物排放量最小和购电费用最小等多目标综合优化的电力市场分段竞标新模型。采用2种算法求解该模型：一是模糊算法．即首先分别求解各单目标分段竞标模型,接着将各目标函数模糊化,然后采用最大满意度法将多目标问题转化为新的单目标分段竞标问题,由此求得兼顾多目标的竞标结果;二是目标函数转化为约束算法,即将污染物排放量作为约束构成新的购电费用最小分段竞标模型。算例仿真结果表明了该模型的有效性。也表明该模型不仅具有分段竞标的优点,还可使经济、环保等多目标综合优化,从而体现竞标机组多因素贡献的公平性。