一种基于繁殖粒子群算法的火电厂负荷优化分配方法组成比例

本发明专利技术公开了一种基于繁殖粒子群算法的火电厂负荷优化分配方法，针对目前火电厂负荷优化分配的问题，提出了负荷优化分配总时间的概念，并给出了具体计算公式。在标准粒子群优化算法中引入遗传算法中的杂交思想，提出了基于繁殖粒子群优化算法的负荷优化分配方法，并引入自适应惯性权重对算法进行了改进，避免了标准粒子群算法易陷入局部最优及遗传算法优化计算时间长的缺点，对算法应用在负荷优化分配中的具体问题进行了分析处理，缩短了优化计算时间，提高了算法精度。本发明专利技术能够同时满足火电厂对降低成本及电网调度对负荷优化分配总时间的硬性要求。

【技术实现步骤摘要】

本专利技术涉及一种基于繁殖粒子群算法的火电厂负荷优化分配方法，属于火电厂负荷优化分配

技术介绍
随着电网的用电负荷峰谷差日益增大，火电厂大部分时间不在满负荷状态下运行，各机组的负荷如何分配才能保证全厂的总能耗最小，成为各发电企业普遍关心的问题。同时，为保证电网调度过程中电力系统频率的稳定，对负荷优化分配总时间有严格的要求。因此，研究能同时满足火电厂及电网调度要求的负荷优化分配方法具有现实意义。火电厂负荷优化分配是高维、非凸、非线性、多约束并且对实时性要求较高的复杂问题，合理地选择优化算法至关重要。典型的智能优化计算方法有神经网络算法、蚁群算法、免疫算法、遗传算法GA、模拟退火算法和粒子群算法等。这些优化算法在大规模、非线性优化问题上比传统数学优化算法有一定的优势，但也存在着对参数的过分依赖、搜索方向决定不易、搜索最优解的时间过长以及易陷入局部最优等问题。此外，这些优化算法并未提及负荷优化分配的总时间。对于多目标优化，由于其数学模型及优化算法的复杂性，优化计算时间远大于经济性单目标优化，这也增加了负荷优化分配的总时间。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的本文档来自技高网...

【技术保护点】
一种基于繁殖粒子群算法的火电厂负荷优化分配方法，其特征在于，包括如下步骤：1)：定义负荷优化分配总时间；2)：建立负荷优化分配数学模型；3)：使用繁殖粒子群算法求解所建立的模型。

【技术特征摘要】
1.一种基于繁殖粒子群算法的火电厂负荷优化分配方法，其特征在于，包括如下步骤：1)：定义负荷优化分配总时间；2)：建立负荷优化分配数学模型；3)：使用繁殖粒子群算法求解所建立的模型。2.根据权利要求1所述的一种基于繁殖粒子群算法的火电厂负荷优化分配方法，其特征在于：所述负荷优化分配的总时间是指从接收电网调度负荷指令开始，进行负荷优化分配，到完成负荷指令的总时间，即负荷优化过程中算法的计算时间与负荷调整时间之和。3.根据权利要求1所述的一种基于繁殖粒子群算法的火电厂负荷优化分配方法，其特征在于：所述建立负荷优化分配数学模型，是指选取全厂供电标准煤耗量作为目标函数；选取功率平衡约束及发电机组出力的上下限作为约束条件：Pmin,i≤Pi≤Pmax,i(7)其中：f(Pi)为负荷优化分配的目标函数，g(Pi)为功率平衡约束条件，Pi为第i台机组负荷，Pmin,i，Pmax,i为第i台机组的负荷指令下限和上限，n表示厂内机组总数，P∑为全厂总负荷。4.根据权利要求1所述的一种基于繁殖粒子群算法的火电厂负荷优化分配方法，其特征在于：所述使用繁殖粒子群算法求解所建立的模型，步骤如下：3-1)：初始化机组的特性参数和给定负荷数据，以及种群中各粒子的位置和速度；3-2)：评价每个粒子的适应值，将当前各粒子的位置和适应值储存在各粒子的最好位置即个体最优值pbest中，将所有pbest中适应值最优个体的位置和适应值储存在整个种群的最好位置即全局最优值gbest中；3-3)：更新粒子的速度和位移，更新公式如下：vi,j(t+1)＝wvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)](8)xi,j(t+1)＝xi,j(t)+vi,j(t+1)j＝1,2,….n(9)其中：i为粒子数；n为空间维数；w为惯性权重；vi,j(t+1)为t+1时刻粒子i在j维的速度，vi,j(t)为t时刻粒子i在j维的速度，xi,j(t)为t时刻粒子i在j维的位置；xi,j(t+1)为t+1时刻粒子i在j维的位置；pi,j和pg,j分别为个体最优值和全局最优值；c1和c2为学习因子；r1、r2为0～1之间均匀分布的...

【专利技术属性】
技术研发人员：陆文涛，陆文伟，王蒙，顾佳易，马寿虎，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏;32