基于分布式计算的电力系统机组组合研究

《基于分布式计算的电力系统机组组合研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广西大掌硕士(高校硕士)掌位论文基于分布式计算的电力系统机组组合研究量和启停时间等约束条件下，确定一个调度周期内各时段机组启停组合方式和各机组在运行时段的出力，使得在该周期内开停机费用和运行费用之和最小。从数学上讲，机组组合问题是一个高维数、非凸的、离散的、非线性的组合优化问题，理论上还难以找到全局最优解。但由于其显著的经济效益，一直备受关注，许多方法被用于解决机组组合问题。下面按机组组合研究的历史进程介绍各种方法。启发式方法(Heuristicmethod)是人们最早的选择，由于理论依据缺乏严密性，在寻找最优解

2、的过程中直观的判断或长期的经验起主要的作用。在机组组合问题研究中启发式方法演变出两种情形：局部寻优和优先顺序(Prioritylist)。局部寻优以一个尽可能好的解为起点在邻域内寻优，通过迭代寻求最优解或次优解，[2]～[4]是局部寻优关于机组组合的早期研究。优先顺序就是以某种经济指标为依据，静态或动态地对系统可调度的机组排出顺序，在决定机组投切时，按顺序依次选择。[5]～[8]是按不同经济特性指标形成优先顺序选择机组投切以寻求机组组合最优解或次优解。优先顺序法虽然常常找不到最优解，但以其快速、占用内存少的优点在

3、许多场合得到应用，它能满足一般的应用要求。动态规划法(Dynamicprogramming)作为最优化的一种数学方法用于解决多阶段决策过程。在每个决策阶段枚举满足约束条件的可行状态组合，在所有决策阶段所形成的可行状态组合序列中寻优。动态规划法在理论上既可用于离散域也可用于连续域问题的寻优，但实际中当状态变量数目超过6个时，将出现“维数灾”，从而使其应用大受限制。为避免这个现象，研究者往往根据具体情况采取合理的策略来限制状态的数目。首先利用约束条件过滤掉不可行的组合，然后再采用各种手段进行综合处理，主要是将动态规划

4、法和优先顺序法结合使用阳1n∞，希望通过增加少量的计算量而使优化效果得到较大的提高，但无论如何没有根本解决“维数灾"问题。混合整数规划(Mixed-integerprogramming)是指既有离散变量又有连续变量的数学规划问题，根据除离散变量以外的其它变量的函数类型，又可分为线性混合整数规划和非线性混合整数规划。这类规划问题非常难以解决，常用方法有分支定界法阻¨、Benders分解法n幻、广义Benders分解法n31等。[14]以分支定界法为基本框架搜索可行解，用拉格朗日松弛法计算各结点的下界；[15]是分支

5、定界法的另一种尝试，它首先假设机组一天只开停一次，机组组合就转变为确定机组的开停区间，然后用分支定界法试探各种可能的区间，最后使用负荷经济分配算法评估各结点的下界；[16]将离散变量线性规划(DiscretedecisionIinearprogramming，缩写为DDLP)和启发式方法结合起来进行寻优，用分支定界法进行状态空间搜索以求解DDLP问题。[17]应用Benders分解2广西大掌硕士(高校硕士)学位论文基于分布式计算的电力系统机组组合研究法把原问题分解，一个是以热力机组启停为整数变量的主问题，另一个是

6、只包括连续变量进行经济负荷分配的子问题。[18]应用广义Benders分解法将整个问题分为3层，上层作为主问题确定机组组合，非线性水力机组问题在中层进行处理，热力机组和随机问题在底层加以考虑。在机组组合问题中，混合整数规划法产生了一些有价值的理论成果，但将成果进行实用化转换的不多。上世纪70年代，拉格朗日松弛法开始用于机组组合问题中的应用研究，经过20多年的研究推广，90年代成为主流。由于有着成熟的理论基础，拉格朗日松弛法非常适于大系统优化问题的求解。[19]将水火电厂机组组合问题首先分解成火电厂和水电厂两个子问

7、题，然后用常规的拉格朗日松弛法求解火电厂子问题，其次将水电子问题分为流域和水库两级，针对流域级用网络流规划法，针对水库级用优先顺序的动态规划法，最后用连续逼近法呦1优化水电子问题的拉格朗日乘子。[21]在兼顾传输线容量约束和环境约束的情况下，用网络流法分配负荷，用增广拉格朗日法避免线性费用函数造成的振荡。[22]在求解资源计划问题时，用增广拉格朗日法考虑优化潮流约束确定机组开停，针对约束经济调度强化拉格朗日乘子。[23]针对传输线容量限制，在构造拉格朗日函数时引入相应的惩罚项。拉格朗日松弛法在机组组合问题中的一系

8、列应用使其得到更广泛的推动，此外拉格朗日松弛法还有大量的理论和应用成果。遗传算法Ⅲ3是在1975年首次由Holland提出来的，它的基本思想来源于Darwin的进化论和Mendel的遗传学说。算法模拟生物进化过程的一些特性，是一种新的全局最优搜索算法，遗传算法在机组组合问题的研究中也得到应用。[25]为避免遗传算法陷于局部最优解而出现早熟现象，采用改变性质函数的策略，加入