基于徑向基函數(shù)神經(jīng)網(wǎng)絡的實時電力調(diào)度策略研究.pdf

1、電力系統(tǒng)在運轉(zhuǎn)調(diào)度策略上，一般均以經(jīng)濟為導向。然而，由于環(huán)保意識日漸覺醒，同時考慮經(jīng)濟與環(huán)保的運轉(zhuǎn)調(diào)度方式也漸受重視。在政府開放民營發(fā)電業(yè)加入市場的后，由于火力機組數(shù)量的增加，其污染排放程度勢必與日俱增，未來將更加難以控制。因此，如何在發(fā)電運過程中降低污染排放量為當前重要課題。利用電力調(diào)度方式降低污染量為一種經(jīng)濟有效的防治方法。通常污染排放量可表示為發(fā)電量的非線性函數(shù)。
　　本論文將污染量模型并入傳統(tǒng)經(jīng)濟調(diào)度模式中，藉由調(diào)度各發(fā)電

2、機輸出電力的方式達到降低污染量的目的。論文中首先將燃料成本以及污染排放量各別的上、下限值以單一目標函數(shù)方式求解出來，再通過權(quán)值整合方法(weighted-sum method)求出不同負載情況下的調(diào)度解。由于其求解過程極花費時間，所以較不適合于實時線上電力調(diào)度方式。為使電力調(diào)度工作更適合于解制后的電力市場，本論文于脫機時段(off-line)建立同時考慮燃料成本與污染排放的電力調(diào)度數(shù)據(jù)庫，再藉由徑向基函數(shù)神經(jīng)網(wǎng)絡加以學習訓練。當模式訓練