基于多目标遗传算法的火电机组负荷优化分配方法

为了优化火电机组负荷分配效果,减少能耗,实现节能降耗目标,开展了基于多目标遗传算法的火电机组负荷优化分配方法研究。首先,利用多目标遗传算法,以火电机组能耗成本、环境成本与负荷分配响应时间为目标,建立火电机组负荷优化分配模型。然后,计算火电机组煤耗,作为负荷优化分配的指标,获取火电机组自身的发电性能,反映火电机组运行的经济性。在此基础上,采用等效微增法,对负荷进行等效微增优化分配处理,得出煤耗量最小的火电机组负荷优化分配方案。实验分析结果表明,提出的优化分配方法应用后,火电机组的平均煤耗由最高328.41 g/(kW·h)减少至306.17 g/(k W·h),负荷优化分配效果优势显著。

水电站机组负荷降维优化分配中的时间尺度效应

时间尺度是影响水电站负荷优化分配结果的重要因素。为探究时间尺度对水电站负荷分配的影响,研究论述了水电站调度中的时空尺度效应内涵及出现的原因,提出了包含发电耗水量、跨越振动区次数、机组启停次数、求解耗时等的尺度效应量化指标,并以ZM水电站为研究对象,基于水电站机组负荷优化分配模型,逐次递进分析了典型日考虑负荷过程随机性与负荷水平的水电站机组负荷优化分配尺度效应。结果表明:1)时间尺度越小更易捕捉负荷变化与水库运行过程,电站负荷优化分配的耗水量、机组启停与跨越振动区次数越大。时间尺度越大更易忽视或弱化机组启停以及跨越振动区等行为,产生潜在的安全运行风险。2)考虑负荷过程的随机性时,水电站负荷优化分配同样呈现尺度效应现象,但其影响程度与时间尺度大小影响相当。3)负荷水平越小或越大,不同时间尺度下电站机组运行方式变化较小,时间尺度效应越不显著;负荷水平居中时,时间尺度效应相对显著。研究结果可为水电站负荷优化分配的时间尺度选择以及模型降维求解算法提供科学依据。

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。

基于改进混沌算法的供热机组热电负荷优化分配系统

热电负荷拟合效果不佳会导致供热机组实际耗能量大幅增加,为此,该文设计基于改进混沌算法的供热机组热电负荷优化分配系统。按照主供热单元连接形式,实现热电负荷循环模式规划,确定热电负荷优化布置标准。根据混沌指数计算结果,求解改进罚函数,完成对混沌算法的改进,构建供热机组热电负荷分配的数学模型,并设计负荷分配模型的约束条件,完成供热机组热电负荷优化分配系统设计。实验结果表明,热电负荷参量与标准拟合曲线之间的误差不会超过30%,可以解决因热电负荷拟合效果不佳导致的供热机组实际耗能量增加的问题。

基于LSTM神经网络算法的超超临界机组负荷优化分配

目前研究的超超临界机组负荷优化分配方法成本较高,分配时间过长,导致节能效果不佳。为此,该文基于LSTM神经网络算法研究了一种新的超超临界机组负荷优化分配方法。利用LSTM中的记忆块、遗忘门、输入门、输出门和记忆单元,实现对递归神经网络的简单处理,建立目标函数,采用正平衡法和反平衡法计算电荷吸收效率,确定超超临界机组负荷优化分配数学模型。针对单元制机组模型和母管制机组模型在忘记阶段、选择记忆阶段与输出阶段进行优化,反复迭代,得到迭代最大次数后停止运行,输出优化结果。实验结果表明,与传统优化方法相比,所设计超超临界机组负荷优化分配方法可将成本降低50%以上,1000 MW内负荷分配时间低于10 min。

基于多目标模糊规划的水电机组运行负荷分配方法

为减少耗水量,在满足电量需求的基础上提高电站效益,对此,研究基于多目标模糊规划的水电机组运行负荷分配方法。以满足约束条件下使总耗水量达到最少为目的构建水电机组经济运行数学模型;利用数学组合理论建立机组联合动态振动区;采用多目标模糊规划算法划机组用水量;按照机组权重大小进行级别判定,完成水电机组运行负荷的分配。经实验论证分析,所提方法有效避免了机组的振动区和机组的频繁开关机情况,具有良好的负荷分配效果,所提方法负荷分配的水电机组耗水量明显减少,提高了经济效益,证明所提方法更具可靠性。

多目标约束下的电力网络负荷优化分配研究

当电力网络某些区域负荷过重时,会导致电压下降、频率不稳定,进而影响电子设备的正常工作和供电质量。合理优化分配电力网络的负荷,是典型的多目标优化问题。对此,提出电力网络负荷多目标优化分配方法。以负荷平衡与功率总和作为约束条件,建立多目标下的电力网络负荷优化分配模型。引入非劣分层理论改进差分粒子群混合算法,求解负荷优化分配模型,以获取负荷优化分配解集。利用基点和熵的多指标评价方法,在负荷优化分配解集中确定唯一解,以完成电力网络负荷优化分配。试验结果表明,该方法可有效优化分配电网中的负荷,减少供电煤耗、污染物排放量与调度机组数量,缩短负荷调整时间,提升电力网络发电机组出力值,且具有较高的负荷优化性能。该研究对智能电网和智能优化领域具有借鉴意义,能使电力网络运行和管理更加高效和智能化。

多机组、多供热模式热电负荷优化分配算法的研发

为了解决热电厂机组间负荷均衡不合理的问题,提出一种基于模型预测的多供热模式热电厂多机组间实时负荷均衡方法。以国能长源汉川发电工业原有的依靠冷、热再蒸汽低压供热的6台机组为例,给出经改造后不同热电负荷组合情况下的厂内加热分配工况。结果表明,该算法的研发可有效依据热电负荷的实时指示,在线获得全厂机组间经济优化的负荷分配方案。

集中式电力现货市场下厂级煤电机组负荷优化分配研究

传统厂级煤电机组负荷优化分配以确定的电量和电价水平为基础进行研究,而在电力现货场景下,电量和电价都是不确定且波动的,因此相比传统模式下的厂级煤电机组负荷优化分配问题更加复杂和具有挑战性。基于对市场供需形势的判断,考虑煤耗、爬坡速率、出力上下限、非经济运行区间等生产条件约束,以发电利润最大化为目标,利用二次混合整数规划算法确定最优的负荷分配方案,支持煤电企业以此为目标进行电力现货市场的报量报价决策。结果表明:负荷优化分配可以有效提升煤电机组利润,并且多日联合优化比单日优化能获得更大的发电利润,对于煤电企业优化运行方式、提升交易决策水平、提高效益水平具有重要意义。

联合运行冷水机组负荷分配的多目标优化研究

根据冷水机组的性能系数(COP)和能耗与其部分负荷率(PLR)的特性,提出了同时考虑性能系数和能耗最优的机组负荷分配多目标优化模型。基于改进的非支配解排序的多目标遗传算方法(NSGAII),求出Pareto最优解。采用理想点方法得到最优折中解。文中给出了4台机组运行的优化算例。

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—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。

多台冷水机组联合运行空调系统的负荷优化分配

多台冷水机组联合运行系统中,各冷水机组大部分时间处于部分负荷运行状态.根据冷水机组的性能系数(COP)与其负荷率R之间关系的特性,提出一种新的负荷优化分配方法:将自适应方法用于获取R与COP的关系,进而建立系统能耗方程,利用最优化方法得到最优负荷分配率.结果表明,应用自适应方法获取R与COP的关系,并运用于多台冷水机组联合运行系统的在线运行控制,节能效果优于采用回归方法获取R与COP关系的优化策略.

动态系统实现火电厂机组负荷优化分配

利用连续型Hopfield神经网络(CHNN)可以将负荷优化分配问题转化为求解多变量非线性动态系统的稳态值。文中直接将负荷上下限约束条件作为神经元激活函数，构造出了通用的网络拓扑结构，理论和仿真试验证明了该方法能够全局收敛。并通过动态仿真手段获取稳态负荷优化分配结果。通用软件包开发和仿真过程表明该方法简单、可靠且适用。

考虑电网调度实时性要求的机组负荷优化分配

为了满足电网调度对火电厂负荷优化分配的实时性要求,提出了负荷优化分配总时间的概念并给出了具体计算公式。对煤耗、污染物排放、负荷调整时间的多目标数学模型进行了改进,将全厂煤耗量、污染物排放量两个目标统一为经济性成本目标,将负荷调整时间目标处理为机组变负荷范围的约束条件。通过引入遗传算法中的自然选择机制,提出了自然选择粒子群算法,并对算法的惯性权重及约束条件的处理进行了改进。实例计算结果表明:该方法与现有多目标优化方法相比可有效地缩短优化计算时间,在满足电网调度对负荷分配总时间的硬性要求的同时,更能满足电厂降低成本需求。

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。

多台冷水机组负荷分配优化策略仿真研究

以广州某商场冷水机组系统为研究对象,根据机组全年运行数据,采用最小二乘法对机组能效模型的参数进行辨识,建立了各台冷水机组运行能效模型,并根据空调系统全年冷负荷分布特性,以冷水机组总能耗最小为目标,探讨了基于遗传算法的多台冷水机组负荷优化分配策略。对该商场夏季和过渡季节多台冷水机组优化运行策略进行了仿真实验,结果表明：与原有运行方式相比,夏季负荷率为50%-75%时,冷水机组优化运行后的能耗比原运行方式降低25.75%;过渡季节负荷率为25%-50%时,冷水机组优化运行后的能耗比原运行方式降低5.35%。

热电联产机组热、电负荷优化分配

针对太原钢铁(集团)有限公司(太钢)自备电厂热电联产汽轮机组(简称联产机组)热力系统,建立了联产机组特性关系式和热、电负荷优化分配模型,通过对机组运行数据的优化计算,表明优化分配与常规操作相比,可节约蒸汽47.83t/h。提出了联产机组热、电负荷优化分配方法。

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。

冷连轧机组负荷分配智能优化新方法

提出基于免疫遗传算法与BP网络混合模型的冷连轧机组负荷分配的智能优化新方法,该方法具有学习功能强、计算精度高、使用方便等特点,且适合在线计算.实验证明了该方法的有效性.

供热机组间热电负荷优化分配的研究

通过分析供热机组间热、电负荷分配的特点 ,建立了热、电负荷优化分配的数学模型。利用复形调优法 ,对宁波中华纸业有限公司热电厂 2台供热机组间热、电负荷最优分配方案进行了优化分析计算。实际运行表明 :该优化方法性能可靠 ,操作方便 ,可提高热电机组运行的经济性。表 2参