大规模梯级水火电机组多目标检修优化的改进向量序优化算法

采用向量序优化算法求解大规模梯级水火电机组多目标检修优化问题时,在表征集合构建、粗糙评估模型构建、序曲线形状辨识等方面均存在技术难点,为此提出一种改进的向量序优化算法。首先,基于随机森林分类器快速从庞大的解空间中抽取指定数目可行解形成表征集合;其次,为精确贴合多目标检修优化模型的特性,借助反向传播神经网络建立具有更高计算精度的粗糙模型;最后,引入动态时间规整方法评估标准序曲线与排序分层序曲线之间的相似度,精确判断多目标检修优化问题的类型并最终求解得到Pareto足够好解集。基于某省级电网的算例结果表明:相比于常规向量序优化算法、ε-约束法,所提算法计算速度分别提高了83.07%、64.50%。所提出的改进向量序优化算法能保证快速求取大规模多目标检修优化问题的足够好解,具有计算速度高、工程适用性强等优点。

考虑需求响应的多目标机组检修调度优化

随着用户多元化用能差异化发展,针对用户的需求响应可以为机组检修调度提供便利。提出了一种考虑需求响应的多目标发电检修调度模型,考虑了环境、经济以及系统可靠性的目标,并利用词典编纂算法进行求解。首先提出了四阶段求解流程和词典编纂算法,说明了鼓励指标与系统备用水平指标的含义。并针对需求侧管理和需求响应建立相应模型。然后建立了多目标机组检修调度优化模型。在环境目标方面,考虑了区域排放值和排放水平的影响,并将两者计入到下一阶段的约束中。对运行、维护和备用成本最小化优化,考虑了含有需求侧管理的可靠性指标最大化。最后利用24节点系统进行仿真,说明了该模型的有效性和适用性。