电站机组负荷优化分配算法分析比较

目前,节能减排已成为火电厂面临的迫切任务。在发电厂各发电机组间实行机组的负荷优化分配意义重大。所以,优化算法的发展日益受到广大学者的关注。对国内外出现的负荷优化算法进行了较为全面的总结,将其分为传统优化算法、人工智能优化算法和新兴优化算法。针对相关算法的优缺点加以分析比较。     

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。     

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。     

混合蛙跳算法和投影寻踪模型的洪水分类研究

采用混合蛙跳算法优化投影寻踪模型对西江流域进行洪水分类的实例研究,并与其他优化算法进行比较.结果表明,混合蛙跳算法和投影寻踪模型进行洪水分类可行、有效.     

随机优化算法在水文地质参数识别中的应用

根据抽水试验资料,运用随机优化算法中的实数编码遗传算法和模拟退火算法求解导水系数和储水系数.通过与传统算法比较结果表明,基于遗传算法和模拟退火算法求取的参数误差小、准确,显示这两种随机优化算法在求解该问题中的有效性.     

基于粒子群的支持向量机在径流预测中的应用

针对中长期水文预报中样本缺乏问题,以大伙房水库月径流预测为例,基于粒子群优化算法寻优选择,构建了粒子群优化算法的支持向量机回归预测模型,并与未优化的预测模型进行比较.结果表明,该模型收敛速度快、推广能力强,预测精度高.     

基于正弦余弦算法的汽轮机热耗率预测

为了准确建立汽轮机热耗率预测模型,提出了一种基于量子位Bloch坐标编码自适应的改进后正弦余弦算法(ASCA)和快速学习网(FLN)综合建模的方法.首先将ASCA算法与经典的人工蜂群优化算法(ABC)、教与学优化算法(TLBO)和正弦余弦算法(SCA)进行比较,最后利用某600MW超临界汽轮机组现场运行数据建立汽轮机热耗率预测模型,并将ASCA算法优化的FLN模型(即ASCA-FLN模型)的预测结果与FLN、ABC-FLN、TLBO-FLN和SCA-FLN模型的预测结果进行比较.结果表明:ASCA-FLN模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率.     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

基于粒子群优化PCA-LSSVM算法的高压断路器机械故障诊断研究

为了对高压断路器操作机构进行故障诊断,提出了基于粒子群优化的PCA-LSSVM算法模型（PCA-PSO-LSSVM）,该模型的输入为高压断路器操作机构分合闸线圈电流曲线上的5组特征点,输出为1—5的故障类别。对某台高压断路器进行故障模拟,建立了PCA-PSO-LSSVM算法模型,对测试的断路器操作机构进行故障分类。结果表明,基于粒子群优化的PCA-LSSVM算法能够准确地对高压断路器操作机构进行故障分类。将PCA-PSO-LSSVM算法和多种基于SVM的故障诊断算法进行比较,比较结果表明：在综合考虑了算法准确率和运算时间的基础上,PCA-PSO-LSSVM算法是几种算法中最优的。     

基于风驱动算法的锅炉NO_x排放模型优化

为了准确地预测电站锅炉的NO_x排放量,以某300 MW亚临界循环流化床锅炉为研究对象,利用自适应风驱动优化(AWDO)算法和极端学习机(ELM)进行综合建模,并根据不同工况下现场收集的样本数据检验该模型的预测能力;将该模型的预测值与基本极端学习机、差分进化算法、粒子群算法和基本风驱动算法优化的极端学习机模型预测值进行比较.结果表明:AWDO算法可以更好地找到优化参数,该算法优化的极端学习机模型具有良好的预测精度和泛化能力,可以准确、有效地预测电站锅炉的NO_x排放量.     

基于CFO的海上风电场微观选址优化算法研究

海上风电场用海面积有限,尾流影响比陆上大,微观选址是其规划设计的关键技术。传统优化算法大多采用离散化变量,使得潜在解空间减少到有限个,难以达到最优化的效果。为了提高海上风电场微观选址优化效率,文章提出了一种基于中心引力优化(CFO)算法的海上风电场微观选址方法。该算法使用实数编码,通过将微观选址优化的变量假设为天体,各个天体之间相互作用,达到平衡的原理,具有可能得到全局最优解和效率高的优点。使用该算法对海上风电场微观选址优化进行仿真,并与现有方法比较。结果表明,所提出的算法得到的排布方式发电量最高,并具有优化精度高、速度快和优化排布较为均匀的特点。该研究结果可以为实际工程应用提供参考。     

基于改进人工蜂群算法的锅炉NO_x排放预测优化

针对电厂循环流化床锅炉NOx排放问题进行了研究,并对人工蜂群算法进行了改进,结合最小二乘支持向量机建立了锅炉燃烧NOx排放模型,对锅炉可调参量进行了优化,降低了NOx排放浓度。将改进的人工蜂群算法与基本的人工蜂群算法和粒子群算法进行比较,说明基于改进人工蜂群算法所建立的模型能够很好的预测NOx的排放浓度,具有很强的辨识能力和泛化能力,同时也表明了改进人工蜂群算法计算速度快的优点及优化数据上的优势,通过仿真试验,优化后NOx排放浓度明显降低,体现了其工程实用价值。     

考虑机组组合问题的机组检修计划优化新模型

以经济费用最小为目标函数,建立了发电机组检修计划优化问题（UMS）新模型。由于生产费用在经济费用中占有的比例最大,因此在计算新模型的生产费用时考虑了发电机组组合优化问题（UC）。鉴于考虑UC问题的UMS问题为双层优化问题,其中UMS问题为上层优化问题,UC问题为下层优化问题,提出了一种改进离散粒子群算法（MDPSO）,并将其用于搜索UMS问题的最优解向量,即解决上层优化问题;而由于拉格朗日松弛法在解决UC问题上具有计算速度快、结果精度高等优点,将其用于解决下层优化问题。利用该新模型和MDPSO算法对IEEE-RTS系统的机组的年检修计划进行优化,并与离散粒子群算法（DPSO）比较,结果表明DPSO算法在解决UMS问题上具有精度高、收敛速度快等优点。     

基于多储能技术经济性比较的可再生能源发电系统多目标容量优化

研究基于蓄电池、熔盐储热、抽水蓄能及储氢技术经济性比较的可再生能源发电系统多目标容量优化。该容量优化模型以最小化平准化度电成本及失负荷率为目标,应用4种代表性多目标进化算法进行求解。提出基于超体积的多目标算法综合评价指标,此外考虑了储能运行特性及资源不确定性提高仿真计算的准确性。算法性能比较结果表明,非劣排序遗传算法的平均排序等级为1.6,其具有最优的综合性能;储能的定量技术经济性比较结果表明,不同可靠性条件下熔盐储热系统的经济性均为最优;不同负荷曲线及不同资源水平的敏感性分析验证了储能经济性比较结果的有效性。     

基于量子迭代混沌的涡流搜索算法预测锅炉飞灰含碳量

为了准确建立锅炉飞灰含碳量预测模型,首先提出了基于量子比特的Bloch球面坐标编码和迭代混沌映射的改进涡流搜索(I-VS)算法,然后对I-VS算法、涡流搜索(VS)算法、粒子群优化(PSO)算法、正余弦(SCA)算法和樽海鞘群(SSA)算法的性能进行比较。基于某热电厂300 MW循环流化床锅炉现场运行数据,采用I-VS算法优化并行感知机的极端学习机(PELM),得到飞灰含碳量的综合预测模型(即I-VS-PELM模型)。最后将I-VS-PELM模型的预测结果与PELM、PSO-PELM、SCA-PELM、SSA-PELM和VS-PELM模型的预测结果进行比较。结果表明:与其他模型相比,I-VS-PELM模型具有更高的预测精度和更好的泛化性能,能更准确地预测锅炉飞灰含碳量。     

风电汇集区的UPFC优化配置方法

文章基于改进飞蛾火焰优化算法,提出了一种风电汇集区域统一潮流控制器优化配置方案。该方案以潮流平衡及各系统参数为约束,以降低有功网损、改善电压水平、合理控制线路负载率为目标,开展统一潮流控制器补偿地点与容量的联合寻优。采用改进飞蛾火焰优化算法,引入Kent混沌搜索策略增强寻优能力,并与原飞蛾火焰算法进行比较。通过IEEE-14标准节点测试模型开展实验,表明所得优化配置方案能够有效提升电压与负载率水平,降低系统网损。     

丰满发电厂水电机组运行方式优化研究

为提高水能利用率和机组运行的安全稳定性,以丰满发电厂为例,研究了机组优化运行方式.考虑机组运行工况的稳定性及机组开停机损失,建立了水电机组基于耗水流量特性全成本最小数学模型,采用动态规划算法对丰满发电厂的实际运行数据优化计算,并将优化结果与实际结果进行比较分析.结果表明,该算法求解时间短、求解精度高.     

基于IFOA-GRNN的电力系统短期负荷预测

考虑到电网负荷与诸多因素有关,设计了一种带有温度、气象、日期类型的广义回归神经网络（GRNN）负荷预测模型。为了提高该模型的预测精度,提出了一种改进果蝇优化算法优化广义回归神经网络（IFOA-GRNN）的方法,即在利用果蝇优化算法（FOA）进入迭代寻优时,通过改进搜索距离优化该算法的性能和稳定性。利用改进的FOA优化GRNN的光滑参数,然后利用训练好的预测模型对甘肃省某地区进行了短期负荷预测,并与FOA-GRNN和误差反向传播神经网络(BPNN)模型结果进行了误差比较。结果表明, IFOA-GRNN具有较高的预测精度,能够满足电力系统短期负荷预测的要求。     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100％符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节.此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷.最后对IEEE 单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力.     

电力系统网络节点编号优化算法的比较研究

从新增注入元的数量、因子道路树平均路径长度以及各点集快速前代乘加次数之和三个方面,比较研究了几种不同的节点编号算法。提出了粒子群优化智能算法,通过为不同的适应值设置相应的价值函数,分别用来衡量各种启发式算法的有效性。同时,针对启发式算法没有使确定的稀疏矢量非零元的道路树平均路径长度最短这一不足之处,给出了解决这一局限性的粒子群优化算法。研究结果为解决针对电力系统不同问题,提供了合理选取节点编号算法的依据。