火电厂厂级负荷分配的多目标优化和决策研究

火电厂的负荷优化分配系统通常是以机组煤耗特性为基础的,其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求,以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法,求出Pareto最优解,由Pareto最优解构成决策矩阵,使用客观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最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。

动力吸振器的多目标优化和多属性决策研究

在结构振动控制中,为了最大限度发挥吸振器的耗能减振作用,需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果。本文将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器的优化和决策问题。对于多目标优化问题,采用改进的非支配解排序的多目标进化算法(NSGA Ⅱ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观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(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序。文中给出了4个设计参数、3个目标函数的动力吸振器优化设计算例。

机组负荷分配的多目标优化和多属性决策

同时计及机组运行的经济性和污染排放,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂负荷优化分配问题进行了研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法(NSGAⅡ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观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(TOPSIS)进行多属性决策(MADM)研究,对Pa-reto最优解给出排序。给出了3台机组负荷分配的优化算例,计算表明所提方法适应性好,结果合理可行。

基于粒子群优化算法的极限环极值搜索控制

提出一种利用粒子群优化算法进行在线寻优的自适应控制算法,该方法可抑制极限环的振荡幅值.应用极值搜索控制的思想,在线测量极限环的振荡幅度,并将其作为优化目标,利用粒子群优化算法寻找最优控制量,使得极限环的振荡幅值最小.针对粒子群优化和极限环控制的特点,提出一种加快收敛的算法.数值实验表明,提出的算法不仅与传统基于摄动方法的极值搜索控制性能相当,而且可对非凸和不光滑目标函数进行在线寻优,鲁棒性更强.