基于遺傳算法的多變量負荷分配研究.pdf

1、隨著電力體制改革的不斷深入，電力企業(yè)之間的競爭愈加激烈?；剂涎杆贉p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)提高市場競爭力，提高經(jīng)濟效益的唯一出路。近年來，電網(wǎng)對發(fā)電廠的負荷指令由原來的機組負荷指令變?yōu)槿珡S負荷指令。所以，必須依照各臺機組的實際運行特性為其分配合理的負荷，使得全廠的能耗降到最低，實現(xiàn)效益最大化。因此，研究各臺機組之間的負荷分配是不增加設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、灰色預測法填補屬性空值三種方法對數(shù)據(jù)進行了有效性檢測。同時，對數(shù)據(jù)進行了冗余性處理、穩(wěn)態(tài)篩選以及時效性分析。利用灰色關聯(lián)分析法選取了與熱耗率關聯(lián)度大于90%的變量作為模型的邊界參數(shù)。利用改進的K-means算法對熱耗空間進行了劃分。為建立描述機組變工況運行特性的數(shù)學模型提供數(shù)據(jù)基礎。由BP神經(jīng)網(wǎng)絡算法建立了熱耗特性數(shù)學模型。該模型具有較高的精確度，能夠準確地

3、描述機組變工況運行特性。
　　本研究以遺傳算法為優(yōu)化工具，根據(jù)BP神經(jīng)網(wǎng)絡算法建立的數(shù)學模型，研究了多變量負荷分配優(yōu)化。結(jié)果表明：各臺機組負荷隨著總負荷的增加而增加，600MW機組的增負荷速率大于300MW機組的增負荷速率。熱耗率隨著總負荷的增加而下降。將本文的研究結(jié)果與應用等微增率法的負荷分配結(jié)果進行了對比。對比結(jié)果表明，在所有負荷范圍內(nèi)基于遺傳算法的多變量負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