基于双重遗传算法的火电机组组合优化

根据火电机组优化组合问题的非线性特性,建立了组合优化模型.该模型将组合问题提炼为粗算和精算2个步骤,利用双重遗传算法计算机组启停计划和负荷分配个体的适应度,并保存可行的启停计划以及对应的适应度.引入最速下降法变异算子,解决了机组组合优化的各种约束条件,从而有效地减少了搜索空间和重复运算.应用此模型求解算例,结果表明,根据所提出方法计算得到的目前最优总煤耗为标准煤79 480.55 t,启停费用为标准煤269.55 t,比文献中提供的结果节约成本0.409%,减少计算重复启停计划的适应度的运算量为30%.可见,所提出的模型有很高的计算精度和运行效率,可扩充性较强,能够为火电机组组合优化问题提供较好的解决方案.

双重遗传算法在文本聚类中的应用

为提高文本聚类效果,将影响聚类效果的两大因素聚类数目和初始中心点作为自变量,聚类结果的适应度作为因变量,利用双重遗传算法控制两大自变量,提出TCDGK算法模型。引入经典的k-means聚类算法获得不同初始中心点下的聚类结果,针对内外层遗传算法控制的变量的差异,采用分层编码策略,利用聚类紧密度评价聚类结果的优劣;算法终止后,获得相对最优的聚类数和某聚类数目下的最优初始中心点。仿真结果表明,该算法具有很好的有效性。

基于多目标双重动态遗传算法的含分布式电源冷热电联供型综合能源运行优化

综合能源系统优化运行对提高综合能源利用、消纳可再生资源具有重要作用。为了使系统中各设备的出力得到进一步优化以及解决系统污染的环境问题,构建了一种含有分布式电源、燃气锅炉、电制冷机、储能等机组的冷热电多能源联供系统的优化模型,并以系统总成本、运行成本及环境成本为优化目标,求解模型的优化配置;提出一种双重动态遗传算法,提高求解的收敛精度、收敛速度及稳定性;最后利用算例进行结构分析。结果表明双重动态遗传算法相比于标准粒子群算法及标准遗传算法提高了系统的经济效益和环保效益,并且在全局寻优和搜索精度等方面更具优势。