机组最优化问题的改进遗传算法

机组组合问题十分复杂,变量数和约束条件又很多,是一个高维数、非凸的、离散的、非线性的优化问题,很难找出理论上的最优解.提出了改进的遗传算法,即将ALOPEX算法和遗传算法结合起来从而解决复杂的机组组合问题.     

改进GA算法的电力系统机组优化组合研究

提出了一种新的基于实数和二进制数统一编码的改进遗传算法.把机组组合问题分解为两个优化子问题,分别对其优化.应用实数编码来模拟功率并用实数遗传算法解决负荷经济分配问题,同时结合二进制编码模拟机组启停状态,解决了机组优化组合的0-1混合整数非线性规划问题.本算法运用到模拟10台机组的优化组合研究中,取得了很好的效果.     

电力市场环境下AGC机组评估指标的仿真

通过在电力市场环境下AGC控制的仿真研究，讨论了目前有代表性的AGC机组考核指标方法：AGC机组调节效能定量评估方法，AGC机组指令／出力相关系数法等的特点．结果表明：AGC机组调节效能评估方法的3个指标中，只有控制偏差P可以反映机组的实际运行能力；相关系数法可以反映机组的跟踪能力．但是这两种方法都与CPS1，CPS2的区域控制指标不存在明确的联系：即可能会出现所有机组都满足要求，而区域性能指标却不满足要求的情况．故需要进一步建立合适的机组评估指标与区域指标之间的联系。     

火电机组AGC(自动发电控制)功能的开发与应用

本文在研究国内外火电厂自动化技术发展的基础上,分析了我国火电机组自动发电控制的现状,提出了火电机组自动发电控制功能的开发思想,并结合工程应用经验,描绘了其在火电厂控制系统中的应用前景.     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

基于自适应PSO算法的机组优化组合研究

提出了解决电力系统机组优化组合问题的一种新的方法——自适应粒子群优化算法(APSO)．PSO算法能解决许多遗传算法能解决的优化问题，但却只需要一些简单的参数就可稳定收敛得到高质量的解．将该算法应用到IEEE10机系统中，结果表明该算法用于求解机组优化组合是有效可行的。     

电力市场下基于改进遗传算法的AGC机组的选择

针对电力市场下参与竞标的各AGC机组的选择问题,提出了一种基于实数和二进制数混合编码,个体分段交叉变异的改进遗传算法.该算法采用实数模拟AGC机组的调节容量,无需解码,具有较高的收敛精度,同时采用二进制编码模拟AGC机组中标状态,充分利用了两种编码方式的优点;对群体中的个体采用了轮盘赌选择,并按容量段、状态段分别进行交叉、变异的遗传操作方法,较好的解决了电力市场下AGC机组选择这一0-1混合整数非线性规划问题.最后通过对某省实际电网的算例分析,验证了该算法的可行性.     

电力市场下利用模糊规划理论对AGC机组功率的分配

通过对电力市场下AGC的控制思路和运行机制发生变化的分析，提出了在电力市场下电网进行统一AGC调整时，兼顾电网利益及电厂利益时机组功率分配的数学模型；并应用模糊优化理论将这一双目标数学模型转换为常规的单目标线性规划问题。运用这一方法可以很好地协调各目标间的关系且易于实现，有利于电力市场的发展。     

基于遗传算法的火电厂机组间负荷分配的研究

讨论了在火电厂负荷分配中常用的三种方法:等微增率法、动态规划法和遗传算法.采用不同的方法对火电厂机组间的负荷分配进行计算,并对结果进行比较.使用遗传算法来计算火电厂机组间的负荷分配,计算结果简单准确.该算法具有广阔的应用前景.     

基于模糊遗传算法的机组组合问题的求解

为求解机组组合问题,提出一种模糊优化与遗传算法紧密结合的新的模糊遗传算法.通过建立模糊推理规则,对交叉率和变异率进行模糊控制,从而提高了收敛速度,避免了不成熟收敛.将该模糊遗传算法应用于一工程算例中求解机组组合问题,与传统遗传算法相比,在同样的种群规模和终止准则下,采用该算法的收敛迭代次数减少,减幅最大达122次,而每次迭代计算时间最多仅增加约0.01 s;优化组合的发电成本减小,减幅最大时达总发电成本的0.73%.     

遗传算法在机组启停中的应用及改进

提出了一种遗传算法应用于机组启停的新思路。针对一启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。     

机组组合的扩散并行遗传算法

研究了在细粒度并行机上的扩散并行遗传算法．遗传算法中个体为矩阵个体,选种采用竞争法．并行处理机拓扑结构为三维网格．对一个十机系统的机组组合问题进行了串行模拟,结果表明,当最大遗传代数或并行处理机个数增大时,均可找到更好的解,同时加速比也得以提高,且异步法优于同步法．     

基于遗传算法的火电机组运行优化

火电机组运行优化正成为火电厂运行工作和技术攻关的重要方面.文中结合某300MW燃煤机组运行实例,对其主要性能参数进行敏感性分析,得出性能参数偏差对煤耗率的影响规律,其中,飞灰含碳量、炉膛出口烟气含氧量、排烟温度、凝汽器真空度、给水温度、主蒸汽压力6个参数的每工程单位偏差对煤耗率的影响最大.在此基础上,建立了以煤耗率最低为目标函数的优化模型,并采用遗传算法进行寻优求解.最后,开发了火电机组运行优化软件,并在其上进行机组运行优化计算,得到了一个参数最优化的运行方案.优化结果表明,供电标准煤耗率比原来降低了约1.41 g/(kW.h).     

人工神经网络与动态搜索的机组组合算法

为了使机组达到最优组合,减少运行成本,研究了基于修正BP人工神经网络与动态搜索的快速算法在机组组合中的运用．采用修正Levenberg-Marquardt算法训练BP神经网络,并针对该算法占用内存大的缺点,提出了减少内存占用量的修正．由此,根据负荷预测曲线,应用修正BP人工神经网络产生机组的预开停计划,在此基础之上,针对预计划中某些机组状态不确定的阶段,应用动态规划法进行全局调整以确定机组的状态组合．实验数据表明,所提出的算法与传统的动态规划算法相比,可以在有效地减少时间与内存的占用量的前提下,有效地避免动态规划法中的维数灾的问题．     

含风电场机组组合的模糊建模和优化

环境保护的兴起和传统化石能源的日益枯竭增加了人们将可再生能源融入现有系统的兴趣。风电是最有前途的可再生能源之一。但由于风力发电的间歇性和不可预测性使得控制发电频率和实际调度变得困难,在含可再生能源的混合电力系统中存在许多问题。针对风电场出力的间歇性与不可预测性,应用模糊理论建立了含风电场的机组组合模型,综合考虑了一次能源的消耗与风电加入给系统带来的风险。通过定义隶属度函数将确定性问题模糊化,采用最大化满意度指标法将问题转化为非线性规划问题,并采用遗传算法求解该优化问题。对一个10机算例进行了仿真,结果表明本文的算法可行,且能根据决策者的意愿在一次能源的消耗与风险之间折中,为运行和计划提供了宝贵的信息。     

基于改进遗传算法的线材排样优化

针对线材排样优化问题,在分析线材排样方案数学模型的基础上,提出了基于改进遗传算法的优化求解方案。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。实验表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了线材排样问题。