一种发电机机组优化的方法   0    0

本发明提供一种发电机机组优化的方法。本发明机组组合优化是一个双层优化问题，第一层优化是机组投入优化问题，采用改进的遗传算法来优化机组投入，在机组投入情况确定的基础上，进行第二层优化，第二层优化是机组出力优化，采用二次规划来解决，二次规划的结果作为适应度函数来进一步影响遗传算法中个体的进化。本方法可以为电力公司高效快速优化机组组合，减少能耗，方便机组检修，延长发电机寿命，为社会提供高质量电能。改进的遗传算法具有全局收敛性，平稳性，收敛更快，更加鲁棒的特点，与二次规划相结合更加适合优化机组组合优化。

1.一种发电机机组优化的方法，其特征在于，该方法步骤如下：
步骤(1).确定机组组合优化问题数学模型的目标函数
式中：T为总时段数，N为机组数，uit为机组i在时段t的状态，uit的值为0表示关机，uit的值为1表示开机，Pit为机组i在时段t的出力，Fi(Pit)为机组i在时段t的发电费用，Fsi(t)为机组i在时段t的启动费用，计算公式如下：
式中：ai,bi,ci为机组i的运行费用参数，S0,i,S1,i,τi为机组i的启动费用参数， 为机组i在时段t的已停机时间；目标函数的约束条件如下：
Pimin≤Pit≤Pimax
‑RDRi≤Pit‑Pi,t‑1≤RURi
式中：PDt为t时段机组的负荷备用，PRt为t时段机组的旋转备用；Pimin为机组i的最小发出功率，Pimax为机组i的最小和最大发出功率，RDRi为机组i爬升率的上限，RURi为机组i爬升率的下限，不包括机组启停； 为机组i启动后必须保持运行状态的最短时间， 为机组i停机后必须保持停机状态的最短时间， 为机组i在t时段的连续运行时间， 为机组i在t时段的停机时间；
将启动费用设为常数，简化后的模型为：
Pimin≤Pit≤Pimax
‑RDRi≤Pit‑Pi,t‑1≤RURi
步骤(2).获取模型的各类参数；
所述的各类参数包括预测好的负荷量、发电机损耗特性系数、发电机发出功率的上限与下限、发电机爬坡约束；
步骤(3).设定遗传算法参数；
定义遗传算法种群个数、个体编码维度、最大进化次数，产生满足约束条件二的个群个体，采用单时间段逐步生成个体的方式，对于单时段不满足约束的编码，要重新随机生成，所述的约束条件二包括最大功率、保持运行状态的最短时间、保持停机状态的最短时间；发电机在各时段的启停情况和出力作为优化变量，发电机的出力要满足功率平衡约束和发电机出力的上下限约束；
步骤(4).设定适应度函数；
通过如下公式对目标函数进行变换，将变换后的值作为适应度函数的适应值；
N为种群中的个体数目
步骤(5).通过适应度函数进行个体选择；
个体选择策略基于旋轮法，即适应度值大的有更大的概率被保留并进化到下一代，并将优秀基因传给下一代；
步骤(6).对保留下来的个体采用两点交叉方法进行交叉操作，与变异操作；
因为采用0，1编码，传统的两点交叉方法波动性大，算法运行不稳定，所以采用改进后的两点交叉方法进行交叉操作；所述的改进的两点交叉方法，先随机确定一个交叉点的位置，以该点的位置为均值，以16为方差，利用高斯分布选取另一个交叉点，对选取的另一个交叉点进行四舍五入，确定选取的另一个交叉点；进行交叉操作后，若不满足约束条件二，则进行反交叉操作，然后重新进行交叉操作，直到满足约束条件二为止；
然后进行变异遗传操作，采用按位变异，进行变异操作后，若不满足约束条件二，则进行反变异操作，然后重新进行变异操作，直到满足约束条件二为止；
步骤(7).通过二次规划优化机组出力；
将二次规划的结果作为优化目标函数，将二次规划和遗传算法融合进优化目标函数，通过改进后的优化目标函数协同优化机组启停状态与机组出力；使遗传算法种群个体一代一代进化，在满足负荷需求的情况下，使总能耗达到最小；
步骤(8).判断运行次数是否达到设定的最大进化次数，若未达到设定的最大进化次数，则返回步骤(5)继续运行；若达到设定的最大进化次数，则终止计算并输出结果，输出的结果即为各发电机的最优启停状态、发出功率大小以及能耗大小。