供热机组间负荷优化分配的算法综述.doc

《供热机组间负荷优化分配的算法综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、供热机组间负荷优化分配的算法综述摘耍：重点探讨负荷优化分配的一系列传统算法、数学规划算法和智能算法的原理、优缺点。为其他学者及电力行业研究或解决电力系统经济负荷分配问题的提供有价值的参考。关键词：负荷优化分配数学模型优化算法Abstract:Basedonthestudyofdifferentoptimisationtechniques,thispaperpresentstheachievementsanddeficienciesoftraditionalalgorithm,mathematicalprogrammingalgorithmandmodernintell

2、igenceoptimizationmethodsapplyingtounitcommitmentinelectricpowersystem.Keyword:1oadoptiinaldistribution,mathematicalmodel,optimizationalgorithm中图分类号：TU833+.1文献标识码：A1引言负荷优化分配是在全厂机组组合方式一定的情况下，全盘考虑全厂各运行机组的煤耗特性，从而合理分配各机组所带负荷，使全厂总煤耗量最小。供热机组间负荷优化分配是电力系统经济调度的重要环节，从国内外经验可知机组负荷优化的相对效率可达1%-2,5%,经

3、济效益相当可观。在国内外经过了长期的研究和广泛的应用，目前已出现了很多有价值的负荷优化分配方法。对各种算法进行归类，主要可以分为三种情况，一是传统的优化方法,包括效率法，等微增法；二是基于数学规划的优化方法，包括线形规划，动态规划等；三是现代优化算法，包括遗传算法，禁忌算法，模拟退火算法，混沌算法，人工神经网络法，蚁群算法等。2传统优化方法2.1效率法该方法是最早提出的方法的一种负荷分配方法又称为优先次序法。它以机组的运行效率为依据，先计算出各机组独立运时的最大效率，然后按照各机组的运行效率由高到低的顺序列，在此基础上各机组依次带负荷。其思想来源于实际调经验，实现简单

4、，计算速度快，占用内存少，但常找不最优解，只能满足一般的应用要求，效率法既可以单独使用，也可与动态规划法等方法结合使用。2.2等微增率法这是一种连续变量的拉各朗口乘子法，至今已有70多年历史，它利用基于数学极值理论的等微增法来实现机组间的负优化分配，简单有效，是目前各国电力实行经济调度的主要方法。该方法借助拉各朗H乘子建立经济负荷分配的增广函数，在计算过程中以目标函数对各负荷变量的一阶导数相等为原则，直接求出各负荷值，然后检验是否满足约束条件，不满足再用迭代法修止，直到所有解都满足约束条件为止。由于其建立在古典变分学基础上，为了达到系统标准煤耗最小，耍求总煤耗目标函数

5、为严格凸函数，即各机组的煤耗，煤微增率曲线为单调递增可微。另外，该方法对电厂的汽机，锅炉及其不同组合的微增率曲线有严格的精度要求，在计算处理过程屮则有可能出现失真的情况。3基于数学规划的优化算法2.1线性规划法线性规划是目前比较实用的方法之一。主要用于求解线形目标函数，线性约朿条件的优化问题。即：首先要把表示机组经济特性的曲线分段线性化，即分段建立目标函数和约束条件，小区间内等微增耗为常数，然后采用线性规划的数值方法进行求解。线性规划分配电厂机组间负荷的方法更简便，它适用于机组耗量特性为线性或接近线性规律的情况。线性规划特性曲线计算工作量少于等微增率法，但由于火电机组

6、负荷分配是非线性化问题，对冃标函数和约朿条件线性化处理后，再用线性规划，会造成计算精度降低，使分配结果偏离实际最优方案。3.2动态规划法动态规划是基于多阶段决策和最优化原理的优化方法。其实质是将n个多变量函数的最优分配问题转化为n步递推函数的优化问题［3］。即：对于状态现取较大的格点间隔求出较粗糙的最优解，在最优轨线附近缩小格点间隔，再求最优解，如此循环直到求出满意的最优解。目前也有把局部加密引入动态规划法，以进一步提高运算精度，缩短计算时间。该方法对目标数和约束条件无特殊的要求，可以解决任意形状报价曲线的负荷经济分配问题，能得到全局最优解；求解过程物理意义明确，计算

7、精度高，计算时长小。但对于机组数目较大的电力系统，计算量大，须采用近似方法加以简化，这样不可避免丢失最优解；另外，该方法要求所求解的问题具有明显的阶段性，难于考虑与时间有关的约束条件和机组爬坡率等限制，考虑整个系统的问题时，使用起来不够灵活。4现代优化算法4.1遗传算法遗传算法是一种基于生物界自然选择和口然遗传机制的随机化搜索算法，可以解决组合优化问题以及目标函数或某些约束条件下不可微的混合非线性优化和多目标函数问题。其思路为：首先将解的搜索空间映射为遗传空间，把每一个可能的解称为一个染色体或个体，由所采用的编码表示，个体的每个元索称为基因。所有染色