遗传算法应用于火电厂机组优化组合.pdf

2008中国电力系统保护与控制学术研讨会论文集 遗传算法应用于火电厂机组优化组合 戴光武，都洪基，贾磊，章柯 (南京理工大学，江苏南京210094) 摘要：提高机组运行的经济性，降低成本，是火电厂所面临的迫切任务，所以在电厂各发电机组问实行机组负荷优化分配， 提高运行效率，降低生产成本意义重大。然而，由于机纽优化组合问题本质上属于大规模非线性混合整数规划问题，到目前 为止还没有得到一种绝对严格的优化求解方法。遗传算法采纳了自然进化模型，是一种全局有哪些信誉好的足球投注网站优化方法．将该算法改进用 于解决机组优化组合问题，通i蜘ATLAB加以实现，并用实际算例验证其可行性与可靠性。 关键词： 遗传算法；机组优化；MATLAB；负荷；功率；损耗 0引言 gi(x)-0，j=l，二，．2一，P是普通实值函数。 在发电计划中，机组的组合问题主要是用来解 决开停机问题，合理的开停机计划将会带来很大的 经济效益，其优化求解方法得到了研究人员广泛的 关注。遗传算法(Genetic Algorithm，简称GA)是一 种在思想上和方法上都很新的全局有哪些信誉好的足球投注网站优化方法， 克服了传统优化算法容易收敛到局部最优解的缺 点，以其简单通用、鲁棒性强、适合于并行处理和 适应性好等特点。随着电力系统改革及课题研究的 深入，遗传算法也被引入到电力系统负荷优化调度 项目的研究中来。 1 遗传算法用于机组优化组合问题 图1遗传算法运算流程图 FlowchartofGenetic Fig．1 Algorithm 遗传算法是一种群体型操作，该操作以群体中 1．1初始化 的所有个体为对象。选择、交叉和变异是遗传算法 将多时段的最优化问题简化为各时段的最优 的3个主要操作算子，它们构成了所谓的遗传操作． 化问题。根据贝尔曼的最优化原理，将机组优化组 使遗传算法具有了其它传统算法没有的特性。遗传 合分解为一系列单时段最优决策问题来求解，即把 算法包含了如下5个基本要素：1)初始群体的设定； 多时段的最优化问题简化为各时段的最优化问题， 2)参数编码；3)适应度函数的设计；4)遗传操作设 逐时段求解，每时段的变量数为2G，显然这将使总 计；5)控制参数设计。这5个要素构成了遗传算法的 的计算量大大地减少。另外设置两个数组，分别贮 核心内容，其基本流程如下图1所示。 存各机组本时段前24d时的值和前ltJ、．时的Pit值， 负荷优化属于单目标数学规划问题，其 以便处理跨时段问题。各时段值的初始化采用启发 f(x) fmin 式以产生比较好的初始解，方法如下：若系统负荷 一般形式可以写为：{ s．t． 较前一时段增加，初始化时对已运行的机组一般不 Igj(x)≤O，J=1,2，…，P 停机；若系统负荷较前一时段减少，初始化时对已 (1)