采用粒子群算法的热电厂热电负荷分配优化

为了优化热电厂内多台机组的热电负荷分配以提高热电厂的经济效益,建立了热电联产机组能耗分析模型和基于粒子群算法的热电厂热电负荷优化分配模型,研究获得了某330 MW热电联产机组的运行区间及运行区间内能量利用效率和■效率的分布规律,进而研究热电负荷分配对热电厂整体能耗特性的影响规律。结果表明:对于单台机组在供热机组的运行区间内,供热量是影响能量利用效率的主要因素,能量利用效率最大、最小值分别为72.11%和34.08%,发电量是影响■效率的主要因素,■效率最大、最小值分别为38.51%和29.97%;通过合理的热电负荷分配,热电厂总煤耗降低,■效率提高。以某热电厂热电负荷边界为例,通过负荷分配优化,热电厂的总煤耗量降低了49.17 t/d,发电标准煤耗率降低了2.56 g/(kW·h)。     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

调整抽汽式机组高背压供热技术经济性分析

近些年来,热电联产在城市集中供热的方式中所占比例逐渐增长,为了进一步提高热电联产机组在冬季供暖期间的经济性,提高供热机组的供热能力,加强节能减排效果,在现有热电联产机组装机容量基础上,对汽轮机进行供热节能改造是供热机组的发展趋势,而高背压循环水供热则是利用汽轮机低压缸供热改造而发展的一项节能环保技术,可使燃料利用率达90%以上。通过已经改造机组的运行情况看,高背压供热工况下机组具有较好的热效率、发电煤耗等。通过理论计算分析,在不受供热面积、供热管径等条件的限制下,对某厂两台300 MW 调整抽汽机组进行高背压改造,改造后全厂的供热能力可达到800 MW,机组供热能力和经济性有较大的提升,为北方同类型机组提供借鉴意义。     

基于混沌粒子群优化的火电机组负荷分配

为进一步优化电厂负荷的分配,有效提高发电厂的经济效益,在粒子群算法的基础上结合混沌优化等算法对电厂负荷的分配进行了改进研究。该方法从火电厂的实际发电情况出发,考虑了阀点效应和机组在实际运行过程中的约束条件,建立了发电机组负荷优化分配模型,并利用罚函数法将此模型转化为非约束问题求解,实现了利用混沌粒子群算法来优化发电机组负荷,解决了局部最优和收敛速度慢等问题。通过实例分析证明了该算法的可行性。     

水电站经济运行云自适应量子群居蜘蛛优化

针对水电站经济运行的复杂性和高维性,将云自适应量子群居蜘蛛优化算法与离线稳定最优表负荷分配模型相结合,实现了同时优化水电站机组组合和开机机组间的负荷分配.采取多种有效措施提高模型算法的收敛性能及运行效率:结合量子理论中量子比特和量子旋转门,实现机组开停机状态及其状态空间的搜索;结合传统智能算法更新理论改进群居蜘蛛优化算法的更新过程,降低算法在产生新一代蜘蛛群体时的盲目性;利用云模型理论解决算法运行前期及运行后期关键参数选择的不合理性,针对每个蜘蛛个体的适应度值实现参数的自适应选择.分析了所提算法在三峡水电站三种水头下经济运行实例中的运行结果,验证了其在工程实际中的可行性,以及各项改进措施的有效性.     

混合遗传算法在电厂机组负荷分配中的应用

机组负荷优化分配是一种可提高电厂经济性的手段,越来越成为一个令人有兴趣的研究课题,但目前还没有得到一种绝对严格的算法.引入模糊理论建立了电站机组负荷分配模型,并运用混合遗传算法求解,该算法不同于常规优化算法特点在于:容易得到全局最优解,有较强的鲁棒性,适合大规模的复杂系统求解.最后给出了一个具体的例子来阐述方法的有效性.     

大型水电站整体时空经济运行模型及其算法

针对大型水电站厂内经济运行问题的高维性、复杂非线性和实时性,将空间负荷优化分配模型与时间机组组合优化模型相耦合为整体时空经济运行模型,提出一种扩展蚁群算法.采用多蚁群、多起点、多路径模式进行机组组合优化,依据动态规划法制定的稳定最优表进行经济负荷分配,避开空蚀振动区.引入信息素平滑机制避免优化算法的收敛早熟,采用启发式开停机策略和备用容量补充策略有效处理多重约束,运用全程开停机策略在大型水电站机组台数较多的情况下缩小搜索空间的大小,使算法更快收敛于最优解.以三峡水电站为应用实例对算法的可行性进行了验证,计算结果表明所提出的算法模型不仅具有较强的收敛性和稳定性,而且能够兼顾计算速度和优化精度.     

求解约束优化问题的改进粒子群优化算法

针对约束优化问题,提出了一种改进的粒子群优化算法.该算法利用罚函数法将约束优化问题处理为无约束优化问题,并利用可行基规则来更新个体极值和全局极值,使不可行的粒子尽快飞向可行域,显著提高了算法的全局搜索能力.在标准粒子群算法研究基础上,为了提高粒子群算法求解非线性复杂优化问题的性能,对速度方程和惯性权重做了改进.数值算例表明,该算法是求解约束优化问题的一种较为有效的全局优化算法.     

一种布谷鸟-交叉熵混合优化算法及其性能仿真

为了提高布谷鸟搜索算法在求解复杂优化问题时的收敛速度和搜索精度,基于交叉熵方法,构建了一种新的布谷鸟-交叉熵混合优化算法.该算法将基于模型的交叉熵随机优化算法和基于种群的布谷鸟搜索进行有机融合,采用协同演化策略,既提升了混合算法收敛速度,又改善了其全局优化能力.对经典测试函数和PID控制器整定问题的仿真结果表明,新算法具有全局搜索能力强、求解精度高和鲁棒性好等特性,是一种求解复杂优化问题的可行和有效算法.     

一个求解约束优化问题的混合算法

通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解.