超(超)临界循环流化床机组非线性控制模型研究

循环流化床(circulating fluidized bed,CFB)燃烧技术及超(超)临界燃煤发电技术均较为成熟,二者的结合具有低成本污染控制及高供电效率两个优势,发展超(超)临界参数必然成为CFB技术下一步发展的重要方向。为提升运行控制性能,该文从超临界CFB机组协调控制系统的层面,分析锅炉侧热量释放动态过程,并对响应更快、相变点复杂的直流炉汽水侧动态过程进行有效简化和提炼,建立了超临界CFB机组非线性控制模型。利用稳态推导、函数拟合及遗传算法寻优对系统模型的参数进行了辨识。以四川白马600MW超临界CFB机组实际对象为例,验证模型结构的正确性和辨识方法的有效性。     

用于电网中长期分析的超（超）临界火电机组建模

大停电事故表明,电网中长期稳定性对现代互联电网更为重要。超（超）临界机组在中国火电装机容量中的占比飞速增长,建立适用于电网中长期稳定性分析的超（超）临界机组数学模型具有重要的意义。推导了描述超（超）临界机组动态特性的物理方程,建立了简化的非线性传递函数数学模型,并采用某1 000 MW超超临界机组的实测数据对该模型进行了参数辨识和模型验证。结果表明：所建立模型仅有12个模型参数,可方便地通过实测数据的参数辨识获得,所建立的1 000 MW超超临界机组数学模型及其辨识得到的参数与实测结果相比具有较高的精度,适合于大规模电网的中长期稳定性分析。     

基于遗传算法的超临界机组模型的参数辨识

以某厂1 000MW超临界机组为研究对象,采用实数编码自适应遗传算法对其模型进行了参数辨识,得到目标函数的全局最优解.所得传递函数能较好反映机组在额定工况条件下的动态特性,其结果为超临界机组协调控制的设计打下了基础.     

应用混合遗传算法的超磁致伸缩致动器磁滞模型的参数辨识

针对遗传算法爬山能力差的弱点，该文把信赖域算法作为一个与选择、交叉和变异平行的算子，嵌入到遗传算法中，得到一种混合计算智能算法。该方法兼顾了遗传算法和信赖域算法的长处，既有较快的收敛速度，又能以非常大的概率求得最优解。应用该混合遗传算法对超磁致伸缩致动器的磁滞非线性动态模型进行参数辨识，仿真和实验研究表明，该算法能有效地辨识非线性系统的非线性参数，并具有一定的抗噪声能力。     

基于改进的混合遗传算法的负荷建模参数辨识

针对传统遗传算法存在早熟及收敛速度慢等问题,采用了改进的遗传算法和局部搜索能力很强的单纯形法相结合的方法进行负荷模型的参数辨识.具体研究了算法的软件实现,包括编码、初始种群形成、适应度函数确定、自适应交叉变异、移民策略、排序选择、单纯形优化及终止条件的实现方法.算例表明了经改进后的混合遗传算法具有辨识精度高、速度快和参数分散性小等优点.     

600 MW超临界机组简化非线性模型研究

目前,在国内对超临界机组模型的研究中大多将其简化为一个传递函数矩阵,不能观测机组内部其他参数的动态特性。通过采用机理分析和参数辨识相结合的方法,建立了600 MW超临界机组的简化非线性模型,利用某600 MW“W”火焰超临界直流锅炉机组负荷变动试验运行工况点的数据确定模型动静态参数。通过对Simulink仿真结果与实际运行数据对比表明,该模型能够很好地反映机组的非线性动态特性,可用于“W”火焰锅炉超临界机组协调控制策略研究及动态特性分析,通过修正参数也可以用于其他超临界机组相关方面的研究。     

基于改进遗传算法的直流锅炉主蒸汽温度自校正控制

针对变负荷下的超(超)临界机组主蒸汽温度控制问题,提出了一种基于改进遗传算法(GA)的自校正控制策略.采用GA辨识被控对象模型参数,并对种群初始化方法和遗传算子部分结构进行了改进;采用最小方差率构造控制器,并结合GA设计了自校正控制的运算流程.对某超临界直流锅炉主蒸汽温度控制的仿真结果表明,所提自校正控制方法具有更快的响应速度和更强的抗干扰能力,能够满足变负荷下的主蒸汽温度控制需求.     

基于Matlab GUIDE的汽轮机及调速系统参数辨识数据处理软件

汽轮机组的容量超大型化和参数超临界化的趋势,使得汽轮机及调速系统模型参数的确定对各种热力发电机组的仿真、控制系统的设计及电力系统动态研究具有更加重大意义。由Matlab GUIDE开发平台设计汽轮机及调速系统参数辨识数据处理软件,对原始数据实现图形化截取,并进行小波去噪、数据标幺化、归一化处理,为参数的准确辨识提供基础。软件使用简捷明了,可提高工作效率。对600 MW超超临界机组汽轮机调速系统的试验数据进行处理计算,并用经典与改进模型针对特殊的阶跃响应作出仿真和分析。     

改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.     

基于遗传算法的联合循环机组建模和参数辨识

随着联合循环机组的不断增加,其对电力系统稳定性的影响也逐步得到重视,建立符合联合循环机组复杂非线性特性并易于通过参数测试获得的数学模型具有重要的现实意义.文中从模型参数辨识的角度出发,在经典联合循环机组非线性模型的基础上,提出了适用于参数测试和辨识的联合循环机组数学模型结构,针对参数辨识的特点提出了基于遗传算法的改进参数辨识算法,并将其应用于某400 MW联合循环机组的参数测试建模.基于遗传算法参数辨识所建立的联合循环机组数学模型的仿真结果与实测信号相一致,证明了所提出的模型和建模方法的可行性与有效性.     

实数编码的遗传算法在厂级负荷优化分配中的应用

提出了一种改进的实数编码遗传算法来解决厂级负荷优化问题。选取了简单且符合电厂实际的数学模型和机组煤耗特性的拟合方法。在遗传操作上，突破了传统的选择-交叉-变异模式，采用了融入交叉和变异的双个体组进化来进行选择操作，以及固定替代的变异操作。针对负荷优化问题高维、约束条件多、对实时性要求高的特点，文中提出了对初始群体的随机产生过程加入边界约束的方案。迭代过程结束后，在小邻域内用枚举法搜索更优的值，进一步提高了算法的准确性。仿真结果证明，改进后的遗传算法简单、高效、全局搜索能力强，具有较高的实用价值。     

无功功率优化的改进退火选择遗传算法

作提出的改进退火选择遗传算法用于电力系统无功优化,其特点在于采用灵敏度选择无功补偿地点,缩小了遗传算法的搜索范围;用退火选择进行个体更新,保持了群的多样性,避免陷入局部最优;采用十进制编码、竞争繁殖和逐代记录最优法来加快计算速度和精度;用不定交叉和变异概率来更好地发挥交叉和变异的作用,并且进行适应度定标,促进全局最优。通过对TEEE6节点系统计算分析表明,该方法和简单遗传算法相比有更快的计算速度和更强的全局收敛能力。     

改进遗传算法在牵引变压器优化设计中的应用

提出了一种改进的遗传算法，并将其应用到牵引变压器优化设计中，该方法采用进化前后期分别调整交叉概率和变异概率、二次交叉、对指定基因集中变异以及移民策略等以保证在整个进化过程都能进行有效的空间搜索，克服了传统算法容易陷入局部最优的缺点。并以200km／h电力机车用牵引变压器为例，分别采用传统算法和改进算法对其进行优化，对两者的效率和全局收敛性进行了比较，结果充分证明了改进遗传算法的有效性和先进性。     

改进遗传算法在铁心电抗器优化设计中的应用

提出了一种改进的遗传算法,它采用进化前后期分别调整交叉概率、变异概率,二次交叉,对指定基因集中变异以及移民策略等手段保证在整个进化过程都能有效搜索空间,克服了传统算法容易陷入局部最优的缺点。它在铁心电抗器优化设计中的应用及与传统算法的比较,证明了改进算法的有效性和先进性。     

改进自适应遗传算法用于电力系统无功优化

为了克服自适应遗传算法早熟现象和改善收敛速度,在自适应遗传算法中引入二次变异操作。考虑到遗传操作后存在大量相同个体,捡出这些重复的个体进行二次变异,产生邻近的个体,这种方法不仅避免了重复计算而且增强了算法局部搜索能力,并且改善了算法的收敛性。通过对IEEE30节点系统进行计算测试,验证了该算法的合理性和可行性。     

基于改进遗传算法的电流互感器优化计算软件的开发

结合工程实际进行了基于改进遗传算法的电磁式电流互感器优化计算软件的设计,该改进方法采用进化前后期分别调整交叉概率和变异概率、二次交叉、对指定基因集中变异以及移民策略等,以保证在整个进化过程都能有效地进行空间搜索,克服了传统算法容易陷入局部最优的缺点。     

改进的遗传算法在CFB锅炉热工过程建模中的应用

针对循环流化床(CFB)锅炉热工被控对象的特点及遗传算法存在的问题,提出一种用于热工过程建模的改进遗传算法,此算法引入模糊集理论,实现交叉概率和变异概率的模糊自整定,有效抑制了算法早熟,提高了算法的全局搜索能力.利用阶跃响应法获得现场特性曲线,基于模糊遗传算法得到典型负荷处的传递函数,将建模结果用于现场控制器的设计.对主汽温系统现场控制器进行内模控制整定,并进行了仿真研究和实际应用,结果表明该方案有较好的鲁棒性和抗干扰能力.     

Efficient real coded genetic algorithm to solve the non-convex hydrothermal scheduling problem

A simple and efficient optimisation procedure based on real coded genetic algorithm is proposed for the solution of short-term hydrothermal scheduling problem with continuous and non-smooth/non-convex cost function. The constraints like load-generation balance, unit generation limits, reservoir flow balance, reservoir physical limitations and reservoir coupling are also considered. The effectiveness of the proposed algorithm is demonstrated on a multichain-cascaded hydrothermal system that uses non-linear hydro generation function, includes water travel times between the linked reservoirs, and considers the valve point loading effect in thermal units. The proposed algorithm is equipped with an effective constraint-handling technique, which eliminates the need for penalty parameters. A simple strategy based on allowing infeasible solutions to remain in the population is used to maintain diversity. The same problem is also solved using binary coded genetic algorithm. The features of both algorithms are same except the crossover and mutation operators. In real coded genetic algorithm, simulated binary crossover and polynomial mutation are used against the single point crossover and bit-flipping mutation in binary coded genetic algorithm. The comparison of the two genetic algorithms reveals that real coded genetic algorithm is more efficient in terms of thermal cost minimisation for a short-term hydrothermal scheduling problem with continuous search space.     

考虑电网脆弱性的输电网扩展规划模型

基于电网脆弱性与均匀性理论,提出了电网全局结构与状态脆弱因子模型,用于衡量不同电网模型的脆弱程度。构建了综合考虑电网全局脆弱性、经济性与电网安全约束集的多目标电网规划模型。采用改进混沌交叉变异遗传算法进行优化得到最优规划方案。其中,针对多目标量纲不统一,权重不易定的问题,采用主成分析法对每代种群中个体进行综合评估,使评估结果更加客观可信。通过对Garver-6节点系统和Garver-18节点系统的仿真分析证明了所提模型的可行性和有效性。