基于遺傳算法的多變量負(fù)荷分配研究.pdf

1、隨著電力體制改革的不斷深入，電力企業(yè)之間的競(jìng)爭(zhēng)愈加激烈。化石燃料迅速減少，使得燃煤發(fā)電成本不斷上升。因此，節(jié)能降耗是發(fā)電企業(yè)提高市場(chǎng)競(jìng)爭(zhēng)力，提高經(jīng)濟(jì)效益的唯一出路。近年來(lái)，電網(wǎng)對(duì)發(fā)電廠的負(fù)荷指令由原來(lái)的機(jī)組負(fù)荷指令變?yōu)槿珡S負(fù)荷指令。所以，必須依照各臺(tái)機(jī)組的實(shí)際運(yùn)行特性為其分配合理的負(fù)荷，使得全廠的能耗降到最低，實(shí)現(xiàn)效益最大化。因此，研究各臺(tái)機(jī)組之間的負(fù)荷分配是不增加設(shè)備等任何投資情況下的一種節(jié)能降耗手段。該方法不僅能夠降低燃料成本，還能

2、減少污染物的排放，具有一定的使用價(jià)值。以數(shù)據(jù)保存格式的一致性、屬性值的變化范圍、灰色預(yù)測(cè)法填補(bǔ)屬性空值三種方法對(duì)數(shù)據(jù)進(jìn)行了有效性檢測(cè)。同時(shí)，對(duì)數(shù)據(jù)進(jìn)行了冗余性處理、穩(wěn)態(tài)篩選以及時(shí)效性分析。利用灰色關(guān)聯(lián)分析法選取了與熱耗率關(guān)聯(lián)度大于90%的變量作為模型的邊界參數(shù)。利用改進(jìn)的K-means算法對(duì)熱耗空間進(jìn)行了劃分。為建立描述機(jī)組變工況運(yùn)行特性的數(shù)學(xué)模型提供數(shù)據(jù)基礎(chǔ)。由BP神經(jīng)網(wǎng)絡(luò)算法建立了熱耗特性數(shù)學(xué)模型。該模型具有較高的精確度，能夠準(zhǔn)確地

3、描述機(jī)組變工況運(yùn)行特性。
　　本研究以遺傳算法為優(yōu)化工具，根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法建立的數(shù)學(xué)模型，研究了多變量負(fù)荷分配優(yōu)化。結(jié)果表明：各臺(tái)機(jī)組負(fù)荷隨著總負(fù)荷的增加而增加，600MW機(jī)組的增負(fù)荷速率大于300MW機(jī)組的增負(fù)荷速率。熱耗率隨著總負(fù)荷的增加而下降。將本文的研究結(jié)果與應(yīng)用等微增率法的負(fù)荷分配結(jié)果進(jìn)行了對(duì)比。對(duì)比結(jié)果表明，在所有負(fù)荷范圍內(nèi)基于遺傳算法的多變量負(fù)荷分配使得熱耗率更低，兩種算法熱耗率的最大差值為41.72kJ/(kW