基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。在基本粒子群算法的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习。通过该算法进行仿真计算,证明了该算法的有效性。     

基于实数编码免疫算法的发电机机组组合

本文提出一种改进的人工免疫算法,免疫算法是根据动物免疫系统的机理设计而成的。对免疫算法的种群采用实数编码的同时引入矢量距的概念保证种群的多样性。实际计算表明该算法有搜索能力强,收敛速度快的优点。     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

蚁群算法在电力系统机组优化组合中的应用研究

采用模拟进化优化算法———蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。仿真证明利用蚁群优化算法求解机组最优启停问题是可行的、有效的。     

考虑安全约束的机组组合免疫算法模型

根据机组组合问题的特点,尤其是电力系统中安全约束的特性,提出了一种基于改进免疫算法的机组组合算法.免疫算法的优势是处理0-1变量,该算法对免疫算法有2个改进:一是以一个抗体片段表示一个机组在调度期间的状态,并以抗体片段记忆库形式保留优秀抗体的信息;二是扩展抗体,将起作用的安全约束信息也作为抗体信息的一部分,并形成安全约束记忆库,从而模拟了调度中"人工选择起作用的约束"过程,解决了以往基于启发式算法的机组组合模型一般难以处理大规模安全约束的问题.此外,算法中采用基于群搜索优化的最优逼近变异法,减少了抗体随机变异的盲目性.最后用IEEE 118节点系统算例对所提出的方法的有效性和合理性进行了验证.     

用于机组优化组合的改进单亲遗传算法

为了有效地解决火电厂机组优化组合问题,作提出了一种改进的单亲遗传算法。该算法使用实数编码,不使用在两条染色体之间操作的交叉算子,所有遗传操作全部在一条染色体上进行,简化了遗传操作过程,提高了计算效率,且不要求初始群体中的个体具有多样性,也不存在“早熟”收敛现象。与传统的机组优化组合方法相比,该方法能方便地处理机组优化组合问题的复杂约束条。计算实例验证了这种算法的有效性。     

基于粒子群算法的火电厂机组负荷优化分配研究

负荷优化分配是火电厂运行优化的一个重要研究领域,在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。针对火电厂实际的运行情况,考虑多个实际约束条件,建立了并行火电机组间连续多时段动态负荷优化分配的数学模型;提出运用新近发展起来的智能算法-粒子群算法来解决动态负荷优化分配问题,详细介绍和研究了该算法的基本原理以及在负荷优化分配问题上的实现过程,并针对原算法的不足,对算法进行了改进;根据负荷分配和算法的特性,对初始种群的生成方法进行了改进,同时对约束条件进行了有效处理。仿真实例表明,该方法收敛性好,收敛速度快,能够有效地达到或接近全局最优,从而为火电厂机组负荷优化分配的求解提供了新的有效算法。     

火电厂机组负荷优化分配办法

火电机组负荷优化分配以机组的煤耗成本特性为基础,目的是使发电成本最低,其中不但将煤耗量降为最低,并且使全厂机组负荷的变化满足自动发电控制(AGC)的速率和精度的要求,提高供电品质.此外,在机组变负荷过程中尽可能地降低负荷调节频率,提高机组的稳定性,延长主、辅机设备的寿命.对此,研究以煤耗最低为原则,合理分配全厂机组负荷的方法,实现发电厂机组的安全、稳定和经济运行.     

基于改进型免疫遗传算法的母管制机组负荷优化分配

改进型免疫遗传算法在遗传算法中引入了免疫系统的抗原识别、抗体多样性、免疫记忆、浓度调节等机制,且将遗传竞争分为子种群间和子种群内部个体间的两级竞争,从而能够快速、稳定地收敛到全局最优点.为此,提出了一种基于免疫遗传算法的母管制机组负荷优化分配方法,以提高机组运行的经济性.实际计算结果证明,该方法对机组的负荷优化分配具有良好的优越性.     

基于改进布谷鸟算法的火电厂机组组合优化

电力系统机组组合是一个多维,复杂的整数规划问题,利用传统方法较难求解。在通过研究布谷鸟搜索(cuckoo search)算法的基本原理,分析布谷鸟算法的优缺点基础上,结合粒子群算法,提出一种改进的布谷鸟搜索算法。通过在10机组系统中进行验证,结果表明,算法比粒子群算法、标准布谷鸟算法更好。改进的布谷鸟搜索算法同样也在收敛速度等更具有优势。     

单亲遗传算法及其在火电厂机组优化组合中的应用

本文首先简单介绍了序号编码的单亲遗传算法,然后针对火电厂电机组优化组合问题的具体特征,提出了一种实数编码的单亲遗传算法,并构造了两种遗传算子,最后给出了一个计算实例,计算结果表明这种算法是非常有效的。     

模拟退火算法在供热机组负荷分配中的应用研究

分析了供热机组热、电负荷分配的特点，建立了供热机组负荷优化分配的数学模型。运用模拟退火算法，对某厂2台机组间的热、电负荷进行了优化分配。结果表明：该优化方法简单易行，可提高热电机组的经济性。     

火电厂内机组优化组合的改进遗传算法

本文针对常规遗传算法缺点，根据具体问题的特征，对火电厂内机组优化组组合中的遗传算法从各个环节进行了改进。实例计算表明，该方法收敛性好、适应性强、能更有效地达到或接近全局最优。     

AGC机组调配经济性的改进免疫算法研究

对于电力市场的买卖双方,成交电量及价格直接关系到厂网的经济效益。采用考虑机组调节容量和调节速度约束条件的机组数学模型,提出了一种解决电力系统AGC（自动发电控制）机组调配问题的改进免疫算法。采用启发式方法产生初始解,对参调机组与参调容量进行双层优化,使优化调度问题的收敛速度和效率有了显著的提高。通过实际系统的算例分析以及与常用算法的效果比较,验证了本算法在优化机组调配经济性方面应用的优越性及有效性。     

关于凝汽式机组负荷优化分配算法的讨论

分析凝汽式机组进行负荷优化分配时一些错误算法产生的根源,指出负荷优化分配应以全厂总煤耗量最小为目标,针对不同的负荷优化算法,机组煤耗特曲线应采用不同的拟合方法。该方法和结果可应用于其它火电厂的负荷优化分配。