发电机组启停机计划的智能优化研究

论文摘要

由于遗传算法用于解决启停机优化问题中,常出现群体早熟和有时收敛于局部最优解等问题。而模拟退火算法在接受新解时却显示出较好的特性。为此本文在遗传算法的评价函数中引入模拟退火算法以及在选择操作中采用模拟退火算法的接受准则,将两者进行有机地结合可有效地缓解其选择压力,增强算法的全局收敛性。采用十进制编码,无需解码,可减少计算误差和时间。研究结果表明该算法可以在满足安全可靠的多种约束条件下,能较好地改善机组启停计划的经济性。在电力市场条件下发电厂为系统提供无功功率和备用容量支持都是重要的辅助服务,是保证系统安全稳定运行、提高电能质量、降低损耗、确保电能交易顺利进行的有效手段。这些是市场竞争条件下的发电机组启停机计划优化所要考虑的新问题。为此本文对无功、备用容量支持、自动发电控制等运行费用进行量化分析和研究。研究结果表明在电力市场条件下发电厂提供的无功支持等辅助服务应得到综合经济补偿,才能使发电厂积极响应电网调度需求而保证系统安全稳定运行。另外,也便于进一步研究市场竞争条件下的发电机组启停机计划优化的新模型和优化算法。在市场竞争条件下探讨发电厂机组启停机计划问题,有助于发电厂做好发电机组安全经济运行方案。本文以发电厂收益最大化为目标函数,并考虑了无功和备用收益的影响。约束条件考虑机组本身的可用状态、发电功率限制、爬坡速率、以及系统备用容量和电力市场交易等问题。综合采用二次规划、遗传算法、模拟退火算法的优点进行解算。研究结果表明在市场竞争条件下考虑了备用容量支持等服务收入的影响发电厂启停机计划发生了一些变化,发电厂为了追求更大的收益更加注重生产成本问题,发电厂所竞争获得的发电功率直接影响发电机组启停计划及其功率的分配,综合优化算法的收敛特性较好能适用于市场条件下启停机计划的优化问题。

论文目录

• 中文摘要
• Abstract
• 主要符号表
• 第一章 智能优化理论的引入
• 1.1 本文研究的学术背景和意义
• 1.2 智能优化方法在发电机组启停机计划优化中的应用综述
• 1.2.1 遗传算法
• 1.2.2 模拟退火和禁忌搜索算法
• 1.2.3 人工神经元网络和模糊优化方法
• 1.2.4 市场条件下的启停机计划的混合优化方法
• 1.3 混合遗传模拟退火算法研究
• 1.3.1 遗传算法的主要特点
• 1.3.2 模拟退火算法
• 1.3.3 遗传算法与模拟退火算法的结合
• 第二章 基于混合遗传模拟退火算法的发电机组启停机计划优化
• 2.1 发电机组启停机计划的优化问题
• 2.2 发电机组启停机计划优化的数学模型
• 2.3 基于HGSA 的启停机计划优化实施技术
• 2.4 基于HGSA 的启停机计划优化的实例系统分析
• 2.5 与其他方法优化结果的比较分析
• 2.6 本章小结
• 第三章 市场条件下的发电机组启停机计划优化应考虑的问题
• 3.1 无功支持服务补偿成本分析
• 3.1.1 发电厂无功支持服务的直接成本分析
• 3.1.2 无功支持服务的系统贡献成本分析
• 3.2 备用容量支持服务成本分析
• 3.2.1 厂内最佳备用容量及其分配
• 3.2.2 发电厂热备用容量的优化分配
• 3.2.3 发电厂热备用容量的成本分析
• 3.3 其他辅助服务成本分析
• 3.4 本章小结
• 第四章 市场条件下的发电机组启停机计划智能优化
• 4.1 市场条件下的启停机计划优化
• 4.1.1 问题的描述
• 4.1.2 市场条件下启停机计划优化的数学模型
• 4.2 市场条件下启停机计划智能优化的实例系统分析
• 4.2.1 市场条件下基于遗传算法的启停机计划优化
• 4.2.2 市场条件下基于HGSA 的启停机计划优化
• 4.3 市场条件下启停机计划智能优化的评价
• 4.4 本章小结
• 结论和展望
• 参考文献
• 致谢
• 个人简历
• 在学期间发表的学术论文及参与的科研工作