发电机组负荷分配的遗传算法

介绍了遗传算法的机理和特点,针对电力系统非线性和水火电联合系统的经济调度不易协调的特点,将遗传算法应用于电力系统经济调度的计算,并给出了计算的一般步骤,通过对一个三机水火电联合系统的经济调度的计算,验证了遗传算法对于计算电力系统经济调度的有效性。结果表明,遗传算法对目标函数的连续性及其导数的存在性没有严格的限制,因而非常适合于电力系统的优化计算;此外,运用遗传算法解算经济调度避免了对协调方程的求解     

基于改进遗传算法的经济负荷分配

研究了遗传算法在水火电力联合系统经济调度中的应用。针对电力系统负荷分配目标的改变，建立在电力市场体制下负荷分配的数学模型；根据负荷分配问题的特点，对初始种群的生成方法进行改进，使得遗传算法在初始种群中的所有个体都是可行解；对过度满足约束条件的个体，采用了一种有效减小冗余的手段。通过数字仿真，证明了该方法的正确性与有效性。     

动态规划方法在机组负荷最优分配中的应用

在竞价上网中 ,针对拥有多台机组的火电厂在全厂总负荷变化的情况下 ,在各机组间分配负荷时存在的问题 ,采用改进的动态规划方法进行机组负荷的最优分配 ,降低了计算的复杂性 ,分配后制定的发电计划在满足负荷需求的条件下 ,确保了总成本的最低 ,可以明显提高电厂运行的经济性。同时给出了具体的算例 ,验证了该方法的实用性和合理性。     

基于DE算法的电力系统经济负荷分配

建立了计及发电机阀点效应和网络损耗的电力系统经济负荷分配的数学模型。对优化算法进行了研究,并对微分进化算法(DE算法)以及遗传算法(GA算法)进行对比;提出了DE算法的计算流程;以IEEE3机9节点标准测试系统为例,采用微分进化算法进行测试,计算结果验证了所提算法的有效性。     

考虑环境污染的机组出力经济分配

对传统意义下经济调度模型进行修正,同时考虑最小化燃料费用和污染排放量,提出了多目标环境经济调度模型,并应用多目标蚁群算法(MOACA)加以求解。指出MOACA将信息素交流和基于全局最优经验指导两种寻优方式相结合,以指导蚂蚁向更好解的方向前进,可以获得分布良好的Pareto最优解。利用文内算法对IEEE-30节点系统的机组出力进行环境经济调度,并与现有一些算法进行比较。     

火电厂负荷经济调度的前景分析

火电厂负荷经济调度是根据各机组热力特性确定应承负荷，以达煤耗最低的一种优化调度。针对我国火电厂运行的现状，用优化理论实现机组间负荷的优化分配，将取得显著的经济效益。文章介绍负荷经济调度的发展情况，优化的基本方法，优化负荷分配需注意的问题，并给出了应用实例。     

机组负荷经济调度的研究分析

针对地区负荷峰谷的悬殊情况及石洞口二电厂机组的性能特点,研究分析机组我荷经济调度问题。通过理论分析,实测计算,函数求解,提出了调度方案,指导运行生产。经现场实施验证,省煤效果很好。     

厂级负荷优化分配系统应用研究

针对双细则考核标准执行后,各电厂在执行过程中暴露出的一些问题为研究重点,提出了厂级负荷优化分配方案,并就其在电网优化调度方面所具有的优势进行了分析研究。介绍了现阶段国内外学者针对厂级负荷优化分配方案的研究成果,而后就其数学模型的建立、煤耗曲线的获得做了详细分析。在工程应用方面,使用等微增算法对实际的机组负荷分配进行了仿真研究,证明了其在电网经济调度方面所具有的优越性。     

邻近发电机组的冲击负荷对功率分配的影响

针对交流电弧炉运行中所产生的巨幅频繁变化的冲击负荷,分析了在调速器动作之前和调速器动作之后对邻近发电机组功率分配的影响,并提出通过合理选择冲击负荷接入点,来减少对系统发电机的冲击影响,最后通过某地区实际电网验证了分析结论的正确性和可行性。     

用ARMA模型实时补偿的负荷经济调度方法

分析了将发电燃料成本视为发电量的２次模型函数的缺陷;建立了一种用ＡＲＭＡ模型实时补偿的负荷经济调度方法,并提出了该方法的快速求解途径。     

彭城发电厂汽轮发电机组甩负荷试验分析

根据鼓城发电厂两台３００ＭＷ机组甩负荷试验实践，介绍部分与甩负荷试验相关的逻辑控制功能及注意事项，并根据试验结果计算有关动态特性数据。     

基于凝聚函数的电力系统经济负荷分配

经济负荷分配(Economic Load Dispatch,ELD)是提高电力系统运行经济性的重要措施之一。基于ELD优化问题一般数学模型,针对传统数学方法难以处理不可微非线性问题,借助于最大熵理论,利用其推导出的凝聚函数来处理不可微的约束条件,构建了基于凝聚函数的负荷经济分配优化模型,并采用光滑化的方法将所建立的模型转化为一般非线性优化问题,采用原对偶内点法进行求解。仿真结果表明:该算法能有效地处理不可微的非线性规划问题,在算法的计算效率以及目标优化的结果中显示出了优越性,为解决电力系统经济负荷分配问题提供了有效手段。     

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。     

浅谈发电厂的负荷经济分配

分别利用等微增原理，对发电厂进行边际成本分析来进行负荷的经济分配，并利用建立数学模型来帮助分析。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。