电站机组负荷优化分配算法分析比较

目前,节能减排已成为火电厂面临的迫切任务。在发电厂各发电机组间实行机组的负荷优化分配意义重大。所以,优化算法的发展日益受到广大学者的关注。对国内外出现的负荷优化算法进行了较为全面的总结,将其分为传统优化算法、人工智能优化算法和新兴优化算法。针对相关算法的优缺点加以分析比较。     

机组经济运行的负荷优化分配方法研究

并列运行的火电机组负荷优化分配是火电厂乃至电力系统优化运行的重要部分。在分析燃耗特性的基础上，建立了负荷优化分配的等微增率模型、线性规划模型和二次规划模型．并对某电力系统十台并列运行的单元机组进行求解计算，得到三种方法不同的负荷分配优化值和系统燃耗量。结果表明：二次规划分配方法节能效果最明显，线性规划分配方法的节能效果介于二次规划分配方法和等微增率分配方法之间。     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。     

机组负荷在线优化分配技术在闵行电厂的应用

电网要求每台机组的出力都由电网调度直接控制(AGC运行方式)，因而传统的经济调度手段在电厂内部已经不再适用。从经济调度的必要性出发，提出采用机组负荷在线优化分配技术。采用这一技术的关键，是对电厂总出力的调控能力要达到电网调度直接控制每台机组出力时的水平。结合具体工程项目，对优化目标函数、约束条件及最优化求解方法等进行了研究。图1参3     

基于蚁群算法的水电站AGC机组组合与负荷分配优化

针对水电站厂级自动发电控制(AGC)中的经济运行问题,采用蚁群算法求解,所建模型综合考虑了功率平衡、机组出力约束、旋转备用和机组开停机时间约束等多重安全运行限制条件,并根据等微增率原则导出经济负荷分配公式嵌入并行随机搜索模式中,减少负荷分配时的迭代次数。算例中的机组耗量特性曲线根据实际数据采用二次曲线拟合。仿真结果表明,该方法既带有智能算法搜索的随机性又具有传统算法的稳定性,优化速度快且精度较高。     

火电机组负荷优化分配算法分析比较

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4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。     

电厂负荷优化分配的专家系统

在机组之间合理的优化分配负荷能够提高整个电厂运行的经济性。根据某电厂4台300MW机组的负荷分配经验和煤耗特性,开发了负荷优化分配的专家系统,它采用供电煤耗等微增率的方法进行负荷分配。实际的运行结果表明:该系统有较好的实用性、可行性。图3表1参2     

改进PSO算法在电力系统机组组合中的运用

采用改进的PSO算法实现在机组组合中的运用,避免了其他算法产生“维数灾”的缺点。通过实例进行仿真计算表明．该方法能够快速的求解．具有有效性和实用性。     

部分解约束改进遗传算法在火电厂机组负荷优化分配中的应用

针对实数遗传算法应用于火电厂机组负荷优化分配问题中存在因早熟收敛的难题,首次提出部分解约束结合惩罚函数的改进实数遗传算法,在约束条件的处理、变异策略、初始化等多方面针对该问题的特点对实数遗传算法提出了新的改进思路,解决了遗传算法应用于多峰值优化问题中早熟而收敛于局部极值点的难题,对5台机组的火电厂机组负荷优化分配的仿真表明优化成功率能达到100%。     

混沌优化方法在灰色非线性水环境规划中的应用

通过把灰色参数和灰色变量视为混沌变量，利用混沌运动的遍历性、随机性、规律性以及对初值敏感性的特点，尝试应用具有优秀随机搜索性能的混沌优化方法求解水环境灰色非线性规划问题。实例研究证明，该方法具有搜索速度快、求解精度高的优点，因此对目标函数的优化结果比常规数值解法、遗传算法更加有效。     

基于改进的鱼群算法的厂级负荷分配优化

本文从机组经济性的角度出发,建立了在假定目标下的最优负荷分配模型,并结合由多种智能算法改进后的鱼群算法对模型进行最优值的求取,切实提高了算法的收敛速度及寻优的准确度。在实例中,选择3台机组进行负荷优化分配,仿真结果表明了模型的合理性及改进算法的可行性,同时本文在最后的内容当中对模型进行变化,引入了"附加经济函数",即在原有目标函数的基础上增添了新的目标函数,利用目标函数的变化去限制机组负荷分配过程中的频繁变动,进而达到减少机组负荷的频繁反调的目的。     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

基于遗传算法的热电厂负荷优化计算方法

供热机组待优化的变量多,传统的负荷优化方法虽然各具优点,但它们共同的无法解决的困难是当问题规模扩大,变量和约束条件很多时,会很容易陷入局部最优,而使数值稳定性降低,最终导致收敛困难。本文利用遗传算法良好的非线性映射能力,以某热电厂为例,介绍了应用遗传算法建立热电厂负荷优化模型的方法,并将其成功应用于该热电厂的负荷优化。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

一种用于AGC机组调配的混沌多Agent双重粒子群算法

AGC机组调配问题是一个含连续和离散变量的混合非线性优化问题,提出了一种基于混沌多Agent的双重粒子群算法。该算法以混沌和粒子群优化算法以及多Agent技术为基础,利用混沌映射提高初始种群的质量,引入临界算子增强Agent的多样性。在算法迭代中,每一个Agent通过与其随机配置的邻居竞争、合作,并且吸收了粒子群优化算法的进化机制,可以更稳定、快速地收敛到全局最优解。通过算例仿真结果表明,所提出的算法具有质量高的解、稳定性好的收敛特征和快的寻优速度。     

基于改进BA算法的光伏发电系统MPPT优化控制

为优化光伏阵列在部分遮蔽情况下的多峰值MPPT控制,保证光伏发电系统实时功率的最大输出,提出了基于改进BA算法的最大功率追踪控制方法,即在基本BA算法的基础上,融入了小生境技术的共享机制与排挤策略,减少相似个体数量,从而增加了BA算法在迭代过程中的种群多样性,提高了BA算法在MPPT控制中的全局搜索能力,增强了最大功率追踪的稳定性,并将该算法与PSO、PO算法在不同光照及温度条件下的MPPT控制效果进行了仿真试验对比。结果表明,与传统算法相比,改进的BA算法具有更好的追踪效果,不仅避免了光伏系统在遮蔽情况下输出功率陷入局部最大值的问题,且提高了发电效率。     

基于混沌优化算法的城市供水绩效DEA评价模型

针对目前城市水资源短缺现象,阐述了城市供水绩效评价的重要性。介绍了数据包络分析方法及其非线性模型,并提出了混沌优化求解算法。实例表明:用混沌优化算法对城市供水绩效的DEA评价模型的优化结果与前人采用线性求解结果一致,证明了混沌算法求解DEA模型的可行性。