抽水蓄能电站极端甩负荷工况球阀协同调节

为解决某些抽水蓄能电站设计方案在极端甩负荷工况下单纯采用优化导叶关闭规律的策略不能将蜗壳和尾水管压力限制在允许范围内的问题,提出了一种进水球阀与导叶协同调节的过渡过程控制策略,并通过一维数值模拟评估了导叶关闭规律、水泵水轮机特性及球阀关闭规律等因素对机组转速、蜗壳及尾水管压力的影响。工程实例表明:进水球阀协同导叶参与调节的控制方式对机组转速、球阀进口压力以及尾水管进口压力的第1波变化影响较小,但可显著降低机组转速和球阀进口压力的第2峰值,提高尾水管进口压力的第2波谷值。该调节方式还可有效避免机组进入小开度下的"S"形不稳定区,达到改善水击压力和减小压力脉动的效果。     

抽水蓄能电站导叶关闭规律的优化

为了改善抽水蓄能电站的传统两段导叶关闭规律优化效率较低的缺陷,对一种先延时再直线关闭的特殊关闭规律进行了研究。采用延时直线关闭规律和两段关闭规律对不同转轮特性、不同额定水头的抽水蓄能电站进行了过渡过程仿真计算并对结果加以比较。延时直线关闭规律能显著地降低最大水击升值和机组转速升值,并且仅有两个控制变量,因而易于优化。在其延时段,可利用可逆机组甩负荷后转速上升和机组流量相互抑制的特点而提高关闭规律的优化效率。     

遗传算法在抽水蓄能机组导叶关闭规律优化中的应用

为优化抽水蓄能机组导叶关闭规律,引入遗传算法.将反映导叶关闭规律的特征点开度和时间值作为操作对象,通过过渡过程计算得到适应函数值,根据适应函数值计算选择概率,按照一定概率进行繁殖,杂交和变异,产生新的规律,直至收敛达到优化效果.研究表明,对水轮机工况最高水头和最低水头同时进行优化可以取得较好效果.     

加急订单扰动的多目标柔性作业车间动态调度问题研究

为了快速应对柔性作业车间生产过程中出现的突发状况,构建了一种以全局任务最大生产完成时间、机器负载和能耗为优化目标的多目标柔性作业车间动态调度模型。针对上述模型,采用适用于动态调度的动态交互层(DIL),在此基础上设计了多目标粒子群遗传算法(MOPSGA)。采用精英基因序列化策略和基因池选拔策略增加帕累托非支配解集个数和质量,再重新评估、获取帕累托非支配解集。针对柔性作业车间加急订单的意外状况,采用DIL与MOPSGA相结合的方法求解动态调度问题。仿真实验结果验证了DIL处理紧急订单的能力和MOPSGA的有效性。     

中高水头水电站水轮机导叶关闭规律鲁棒性综合评价

水电站的导叶关闭规律影响水力瞬变过程，应具有良好的鲁棒性能。本文运用罚函数和权函数从蜗壳水压最大上升率、尾水管最大真空度、机组转速最大上升率等3个方面对水轮机大波动过渡过程评价指标进行分析，构建了导叶关闭规律鲁棒性的综合评价方法。采用正交试验法，评估了中高水头水电站不同拐点时间、拐点开度和导叶有效关闭时间对这3个调节保证参数的影响。结果表明：导叶有效关闭时间对调节保证参数的影响相对较小，而拐点开度和拐点时间显著影响水锤压强和机组转速之间的平衡。导叶关闭规律的综合评价结果不仅可使各调保参数具有足够的安全裕度，而且具备良好的鲁棒性，可为中高水头水电站导叶关闭规律的合理选择提供参考。     

对水轮机导叶最优关闭规律的探讨

水电站运行的大波动过渡过程中,为了最大限度地减少水压上升值与转速上升值,通过导叶关闭规律来解决大波动过渡过程中水电站的运行安全问题是最经济的有效措施之一.目前,普遍采用导叶两段或三段关闭规律,实践表明,随着水轮发电机组容量的增大和水轮机工作水头范围的增大,这种固定的两段或三段导叶关闭方式不能有效地控制机组在大波动水力过渡过程中的稳定性.提出了根据水轮机工作参数的变化实时地改变导叶关闭方式的非固定模式的导叶关闭方式,能更有效地提高水电站运行的稳定性和安全性.     

低碳视角下的多式联运最优路径选择

为了降低多式联运运输过程中的运输成本和碳排放量,可以从承运人角度选择低成本、低排放的运输路径。以实际运输过程中火车、船舶的固定时间窗和收货人的软时间组成的混合时间窗为约束条件,以运输过程中的总成本最低、碳排放量最少为目标,建立双目标优化模型。采用带精英策略的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解双目标优化模型的帕累托最优解集,为不同目标追求下的承运人选择不同的最优运输路径和最优运输方式的组合。设计了相关算例,由NSGA-Ⅱ计算得到的帕累托最优解集包含4个点,即4条最优运输路径和运输方式组合,分布均匀、收敛性好,为承运人提供了全面的决策依据,显示了算法的可行性和优越性。     

一种基于帕累托最优的机场智能驱鸟决策模型

为防范鸟击事件的发生,提出一种就近分配与帕累托优化相结合的驱鸟器任务分配方法,研究了驱鸟器的最优驱鸟路径。首先将空中的鸟类目标点通过就近分配全部分配到驱鸟器的任务集中,得到一个每一步都是最优策略的局部最优分配结果,然后将每个驱鸟器任务集中的目标分别通过各任务集之间的帕累托优化与一个任务集之内的帕累托优化进行任务分配。结果表明:通过此方法能够得到一个基于帕累托优化的最优驱鸟路径,为驱鸟器提供了较为智能的分配算法。首次提出针对鸟群的驱鸟设备任务分配以及路径规划,在现有的鸟击防范工作基础上提供了较为智能的分配算法。     

求解多目标暂态电压紧急控制的强化学习方法

暂态电压崩溃事故严重威胁电网安全,迫切需要采取相应紧急控制.以发电机端电压参考值调节量和容抗器无功投切量为控制变量,利用轨迹灵敏度搭建多目标暂态电压安全紧急控制模型,分两阶段最小化关键负荷节点电压偏差、控制代价和发电机无功出力比例的方差.采用简化强化学习方法求解该模型,重设解空间状态函数并调整动作幅度,引进状态敏感度解决探索和应用的矛盾.将可行域划分为若干小区域,单独评判它们存在最优解的可能,缩小搜索范围.通过优化搜索策略进一步提高帕累托前沿质量,并依据实际运行状况拟定目标函数权重并确定折中解.在某省级电网进行时域仿真,结果表明,所提出方法能将暂态电压纠正到安全状态,且在求解效率和帕累托前沿质量方面比法线边界交叉法优越.     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.