火電系統(tǒng)節(jié)能減排論文

導語：火電系統(tǒng)節(jié)能減排論文一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1火電系統(tǒng)的節(jié)能減排優(yōu)化調度問題的模型構建

顧名思義，所謂“節(jié)能”就是在能源的利用上做到節(jié)約、不浪費，“減排”就是在生產過程中減少有害物質的排放，進而減少污染，而“優(yōu)化調度”是指在滿足一定的條件下對資源做到合理安排、分配。短期火電系統(tǒng)的節(jié)能減排優(yōu)化調度是指在一定的調度周期內，即24小時內，在滿足系統(tǒng)負荷和一定的約束條件下，對整個電力系統(tǒng)的各機組負荷實現(xiàn)最優(yōu)分配。而所應用的優(yōu)化發(fā)電調度方式，是按照機組發(fā)電效率確定次序的調度規(guī)則，是實現(xiàn)電力工業(yè)節(jié)約發(fā)展、安全發(fā)展和科學發(fā)展的重要措施，也是落實科學發(fā)展觀的具體體現(xiàn)?？梢蕴岣唠娏ο到y(tǒng)整體的效率，對緩解我國的能源供應壓力有重大意義?；痣娤到y(tǒng)的節(jié)能減排優(yōu)化調度問題是一個高維、非凸、非線性的有約束多目標優(yōu)化問題。國內外學者也對此進行了大量研究，常見的方法有遺傳算法、差分進化法、粒子群優(yōu)化算法等。本文即采用粒子群優(yōu)化算法來分析解決火電系統(tǒng)的節(jié)能減排優(yōu)化調度問題。

2優(yōu)化算法在節(jié)能減排調度中的應用

國內外學者對應用到火電系統(tǒng)的算法進行了大量研究，主要有遺傳算法、差分進化法、粒子群算法等，接下來對各算法一一進行分析。

2.1遺傳算法（GeneticAlgorithm）遺傳算法是是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優(yōu)解的方法。遺傳算法是解決搜索問題的通用算法，其步驟一般為復制、交叉、變異。

2.2差分進化算法（DifferentialEvolution）

差分進化算法是由Storn等人于1995年提出的，它是一種模擬生物進化的隨機模型，通過反復迭代，使得那些適應環(huán)境的個體被保存了下來。本質上說，它是一種基于實數(shù)編碼的具有保優(yōu)思想的貪婪遺傳算法，同遺傳算法一樣，差分進化算法包含變異和交叉操作，但同時相較于遺傳算法的選擇操作，差分進化算法采用一對一的淘汰機制來更新種群。對于優(yōu)化問題。

2.3粒子群算法（ParticleSwarmOptimization）

粒子群算法是在1995年由Eberhart博士和Kenned博士提出，源于對鳥群捕食的行為研究。該算法最初是受到飛鳥集群活動的規(guī)律性啟發(fā)，進而利用群體智能建立的一個簡化模型。粒子群算法在對動物集群活動行為觀察基礎上，利用群體中的個體對信息的共享使整個群體的運動在問題求解空間中產生從無序到有序的演化過程，從而獲得最優(yōu)解。粒子群算法和遺傳算法類似，也是一種基于迭代的優(yōu)化算法，但是它沒有遺傳算法中的交叉和變異，而是粒子在解空間追隨最優(yōu)的粒子進行搜索。同遺傳算法比較，PSO的優(yōu)勢在于簡單容易實現(xiàn)并且沒有許多參數(shù)需要調整?；诖?，決定用粒子群算法來解決短期火電系統(tǒng)的節(jié)能減排優(yōu)化調度問題。

3結論

本文是為解決短期火電系統(tǒng)的節(jié)能減排優(yōu)化調度問題，建立了火電系統(tǒng)多目標優(yōu)化調度模型，找到了適合該模型的目標函數(shù)、約束條件等。分析了遺傳算法、差分進化算法以及粒子群優(yōu)化算法的特點，由于粒子群算法規(guī)則簡單，容易實現(xiàn)，收斂速度快，且有很多措施可以避免陷入局部最優(yōu)，并且對于參數(shù)的選擇已經(jīng)有成熟的理論研究成果，進而選擇了粒子群優(yōu)化算法來解決該調度問題，為后續(xù)的實例仿真計算奠定基礎。

作者:周雪孫夢雅于晨晨韓羞草李曉飛單位:中國礦業(yè)大學〈北京〉機電與信息工程學院