抽汽机组热电负荷的联合预测及分配优化.docxVIP

抽汽机组热电负荷的联合预测及分配优化

报告人：付俊丰

指导教师：万杰

单位：哈尔滨工业大学

时间：2019年09月25日

汇报提纲

一、研究背景及现状概述

二、基于改进遗传算法的热电负荷优化分配

三、基于人工经验和实际大数据的耗差曲线集获取方法

四、融合小指标考核的热电负荷动态分配优化综合决策支持系统

五、实际应用测试

六、总结与展望

一、研究背景及现状概述

◆1.1研究背景

?在节能环保的迫切需要下、在市场竞争越来越激烈的条件下，全厂机组的安全高效运

行调度控制需求变得更加强烈；

?火电厂存在大量的純凝机组，为了满足供热需要，往往将其改造成抽凝机组。对单台

机组的优化提出了新的要求。同时对于厂级多台机组的整体优化使得全厂热电负荷分

配问题既存在节能优化空间、又存在优化实施难度；

?随着能源互联网和大数据技术的发展，给全厂机组间热电负荷分配优化问题的解决，

带来了新的机遇和挑战；

?通过对于分配策略的研究，对能源的高效利用，以及对电厂降低污染物的排放，进而

对整个电力行业的绿色发展，都具有十分重要的意义。

关键词：燃煤机组、节能环保、热电负荷分配、大数据技术

一、研究背景及现状概述

◆1.2现状概述

◆目前研究成果主要集中在两大方面：

?优化算法探索方面，如动态规划、遗传算法、人工免疫算法、复形调优法等；

?供热机组的热效率计算、热电解耦及等效建模策略；

?实际电厂多工况的应用及测试：机组型号组合、复杂边界条件、考核指标等；

◆关键研究基础：

?通过大量专有试验的方法，建立每台机组不同主蒸汽流量以及不同电负荷和热负荷时的

机组耗差关系曲线；

?基于遗传算法，根据给定的整个电厂的电负荷、热负荷以及每台机组的当前背压（基于

出厂设计耗差曲线进行修正），输出每台机组最优的电负荷和热负荷设定值；

◆典型测试案例效果显著：热耗率最大降低50kJ/kW.h。

二、基于改进遗传算法的热电负荷优化分配

2.1机组间热电负荷的分配优化是典型的随机优化问题

最常用的随机优化算法：遗传算法

?原理：遗传算法的基本步骤包括选择、交叉、变异。选

择和交叉基本上完成了遗传算法的大部分有哪些信誉好的足球投注网站功能,变异

增加了遗传算法找到最优解的能力。

?优势：快速随机的有哪些信誉好的足球投注网站能力；具有潜在的并行性，可以

进行多个个体的同时比较，具有随机性；具有可扩展性，

容易与其他算法结合。

由于该项目属于多机组间优化，同时存在大量复杂的限

制条件。而遗传算法的快速有哪些信誉好的足球投注网站和灵活解算能力是处理该项

遗传算法基本解决步骤

目突出问题的最佳选择。

二、基于改进遗传算法的热电负荷优化分配

适应度函数改进：更好地适应复杂实际问题

一般算法缺点：适应度函数尺度变换：

遗传算法在适应度函

数选择不当的情况下有可

提出改进

在遗传算法的运算后

期，算法能对个体适应度进

能收敛于局部最优，而不行适当放大，提高个体之间

能达到全局最优。的竞争性。

进一步

适应度函数定义：

幂尺度变换：

ObjV

=

1

?

R?e(??)

深度创新

新的适应度是原有适

应度的某个指定乘幂。可以

在算法的执行过程中不断对

其修正，满足竞争性要求。

二、基于改进遗传算法的热电负荷优化分配

算法基本步骤：

本项目采用轮盘赌法，即基于适应度比例

选择：

F

pi=

iN

?

F

j

j

的选择策略。个体适应度越高，被选中的概率

越大。

针对交叉操作，采用浮点数编码，故相应

?=+?

XaX(1a)X

ABA

?=+?

交叉：

XaX(1a)X

?

BAB

的交叉策略选取算术交叉，是由两个个体的线

性组合而产生出两个新的个体。

()2

xq

?

1

?

变异：()

2

fxe

=

2q

2q?2

高斯变异也是重点有哪些信誉好的足球投注网站原有个体附近的局

部区域。具体操作时用符合均值为原有参数值，

方差为原有参数值平方的正态分布的一个随机

数来替换原有的基因值。

二、基于改进遗传算法的热电负荷优化分配

针对遗传算法中适应度函数的定义问题，提出了一种基于试验数据的指

数尺度变换系数改进方法，解决了常规遗传算法易陷入局部优化的问题，实

现快速准确的全局优化。

?

1

符合条件:ObjV(PPPQQQ)

=????

?

?minnmaxminnmax

?

R

?

1

?=????

不符合条件:ObjV(PPorPPQQorQQ)

??

?nminnmaxnminnmax

?Re

(??)

P

为常系数，目标是使得当计算出的，超过设定阈值100%时，

n

Q

n

其适应度值大(于)满足条件下适应度值的100倍，即=1，100；

在实验中取5；