• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于改進(jìn)磷蝦群算法的火電廠負(fù)荷優(yōu)化分配

      2021-06-25 13:07:00楊如意
      儀器儀表用戶 2021年6期
      關(guān)鍵詞:磷蝦電廠種群

      楊如意

      (國電內(nèi)蒙古東勝熱電有限公司,內(nèi)蒙古自治區(qū) 鄂爾多斯 017000)

      0 引言

      根據(jù)GB 13223《火電廠空氣污染物排放標(biāo)準(zhǔn)》的有關(guān)規(guī)定,自2012年1月1日起,電廠粉塵排放濃度需小于30mg/m3,SO2和NOx的排放濃度需小于100mg/m3。當(dāng)前除塵、脫硫和脫硝設(shè)備大多已經(jīng)過改造并用于燃煤發(fā)電機(jī)組。通過靜電除塵、低NOx燃燒、催化還原等新技術(shù),機(jī)組的污染排放指標(biāo)可以達(dá)到國家排放標(biāo)準(zhǔn)。同時(shí),由于化石燃料燃燒引起的環(huán)境問題以及日益嚴(yán)峻的環(huán)境壓力,粉塵、SO2,NOx等污染物排放費(fèi)用增加,電廠面臨提高運(yùn)營效率和減少排放的雙重壓力。經(jīng)過除塵、脫硫和脫硝設(shè)備改造后,根據(jù)經(jīng)濟(jì)效益和污染排放量,研究合理的電廠負(fù)荷分配方法,是確保電廠獲得最佳綜合經(jīng)濟(jì)效益的有效途徑。

      目前,電廠負(fù)荷優(yōu)化分配的研究主要集中在除塵、脫硫、脫硝設(shè)備改造前的負(fù)荷分配模型和智能優(yōu)化算法方面[1-10]。大部分負(fù)荷分配模型考慮了供煤耗、NOx排放、各種約束條件等因素,通過采用遺傳算法、粒子群算法、差分進(jìn)化算法進(jìn)行智能優(yōu)化。部分負(fù)荷分配模型還兼顧了除塵、脫硫、脫硝補(bǔ)償電價(jià)和各種污染物的排放費(fèi)用。但大部分模型未對(duì)負(fù)荷分配的快速性調(diào)節(jié)進(jìn)行研究,通過對(duì)負(fù)荷分配的調(diào)節(jié)進(jìn)行快速響應(yīng),能夠進(jìn)一步提升負(fù)荷分配效率,增強(qiáng)電廠靈活運(yùn)行能力,使電廠更適應(yīng)當(dāng)前激烈競爭的市場(chǎng)環(huán)境。

      本文在最新智能算法磷蝦群算法的基礎(chǔ)上,通過初始化調(diào)節(jié)優(yōu)化、超參數(shù)優(yōu)化以及增強(qiáng)種群間信息交流,對(duì)電廠負(fù)荷優(yōu)化分配快速性問題進(jìn)行了優(yōu)化求解,通過與遺產(chǎn)算法(GA)、粒子群算法(PSO)對(duì)比,表明了本文算法的有效性,同時(shí)也驗(yàn)證了本文所采取的快速調(diào)節(jié)方案的可行性。

      1 負(fù)荷優(yōu)化分配數(shù)學(xué)模型

      1.1 目標(biāo)函數(shù)

      設(shè)電廠共有N臺(tái)機(jī)組,調(diào)度的總時(shí)段數(shù)為T,第t個(gè)時(shí)段總負(fù)荷為機(jī)組負(fù)荷優(yōu)化分配的目標(biāo)函數(shù)一般是在考慮多種約束條件的情況下,最小化總的發(fā)電成本,即:

      式(2)中,ai,bi,ci為第i臺(tái)機(jī)組成本曲線系數(shù)。

      1.2 約束條件

      1)功率平衡約束

      2)旋轉(zhuǎn)備用約束

      3)機(jī)組處理上下限

      式(5)中,Pi為機(jī)組i運(yùn)行時(shí)的最小出力。

      4)機(jī)組速率爬坡約束

      1.3 快速調(diào)節(jié)解決方案

      針對(duì)AGC調(diào)節(jié)機(jī)組,其負(fù)荷響應(yīng)速率需大于等于電網(wǎng)調(diào)度速率限值,如式(7)所示:

      則單臺(tái)機(jī)組完成負(fù)荷調(diào)度的時(shí)間如式(8)所示:

      式(8)中,vunit,i是第i臺(tái)機(jī)組升降負(fù)荷速率,文中vunit,i=2%MCR[10]。則電廠完成AGC指令調(diào)度的時(shí)間如式(9)所示:

      為使電廠能達(dá)到電網(wǎng)的考核要求,電廠完成AGC指令調(diào)度時(shí)間須在電網(wǎng)調(diào)度速率限值之下,即tf<tmax,其中:

      根據(jù)式(10)的時(shí)間約束,新的機(jī)組上下限如式(11)所示:

      2 基于改進(jìn)磷蝦群算法的優(yōu)化調(diào)度

      2.1 磷蝦群算法

      磷蝦群算法(KH)作為一種新的智能優(yōu)化算法,因其具有操作簡單、搜索多樣性強(qiáng)和調(diào)整的參數(shù)較少等優(yōu)點(diǎn)而應(yīng)用廣泛[11,12]。KH算法源于磷蝦覓食和彼此之間的相互交流。KH算法之中,每只磷蝦個(gè)體的位置都代表了一個(gè)可行解。在海洋中,磷蝦個(gè)體的位置通常由如下3個(gè)因素決定:

      1)種群位置遷移引起的個(gè)體游動(dòng)

      式中:Nmax代表最大的誘導(dǎo)速度,取0.01(ms-1);ωn代表運(yùn)動(dòng)誘導(dǎo)的范圍的慣性權(quán)重,取值范圍為[0,1]代表先前運(yùn)動(dòng)和分別代表當(dāng)前位置和目標(biāo)位置。

      3)磷蝦個(gè)體的隨機(jī)擴(kuò)散

      式中:βi為磷蝦個(gè)體覓食的方向

      式(18)中,Dmax為最大的擾動(dòng)(擴(kuò)散)速度;δ是隨機(jī)方向矢量,其取值范圍在[-1,1];Di為第i個(gè)磷蝦個(gè)體隨機(jī)擴(kuò)散引起的位置變化。

      磷蝦個(gè)體的擴(kuò)散現(xiàn)象與食物源的位置有關(guān),越靠近越不明顯。磷蝦個(gè)體的游動(dòng)方向由上述3個(gè)因素共同決定,即朝著適應(yīng)度值最小的方向改變。其中,誘導(dǎo)運(yùn)動(dòng)和覓食運(yùn)動(dòng)均具有全局和局部搜索功能。隨著算法的迭代更新,這兩種措施并行進(jìn)行,使算法成為一種穩(wěn)定有效的優(yōu)化算法。

      綜上所述,從t到t+Δt時(shí)間內(nèi)的位置矢量可表示為:

      式(19)中,Δt為速度矢量的步長調(diào)節(jié)因子。

      式(20)中,NV是變量總數(shù);LBj和UBj是第j個(gè)變量的上、下界限;Ct是一個(gè)常數(shù)[0,2]。

      2.2 改進(jìn)磷蝦群算法(IKH)

      KH算法作為一種群智能算法,因?yàn)閷?yōu)搜索的隨機(jī)性,使算法有時(shí)候易陷入局部最優(yōu)點(diǎn),難以跳出[13]。針對(duì)以上KH算法的缺陷,本文提出如下改進(jìn)措施。

      2.2.1 種群初始化優(yōu)化

      1)改善種群初始化位置。本文通過采用反向?qū)W習(xí)算法對(duì)種群位置實(shí)施初始化,該算法能夠有效改善種群初始化位置的質(zhì)量。此算法具體實(shí)施過程如下(其中,NP表示可行解的維數(shù);NK表示種群數(shù)量;G表示當(dāng)前迭代次數(shù)):

      ① 初始化種群位置P(G=0)={xij}i=1,2,…NP j=1,2,…NK

      ② 計(jì)算反向種群位置P'(G=0)={x'ij},

      式(21)中,xi,min和xi,max是第i維元素的最小值和最大值。

      ③ 從組合種群位置{P(G=0)∪P'(G=0)}取NK個(gè)適應(yīng)度值較小的位置,當(dāng)作初始種群位置。

      2.2.2 超參數(shù)優(yōu)化

      從式(20)可以看出,Ct在KH算法中起著非常重要的作用,較大的步長可以加速早期的收斂,但這使得獲得精確解變得更加困難甚至不可能。為了更好地平衡算法前期的全局探索能力和后期的局部尋優(yōu)能力,從而采用線性遞減策略更新Ct:

      式(22)中,Ct∈[0,2];a=0.45,b=0.1;Gmax為最大迭代次數(shù)。

      3.2.3 增強(qiáng)種群個(gè)體間的信息交流

      根據(jù)Gandomi和Alavi的工作[15],原KH中的磷蝦個(gè)體間的信息變化不足。本文受粒子群算法中粒子更新的啟發(fā),提出如下改進(jìn)方法應(yīng)用于增強(qiáng)磷蝦之間的信息交流。在IKH中,磷蝦被部分隨機(jī)選擇,以增強(qiáng)磷蝦群之間的信息變化。在更新過程中,隨機(jī)選擇磷蝦種群的一半,使用(19)式進(jìn)行更新。而另一半更新如下:

      式中,C1和C2是常量值,本文C1=1.2,C2=0.8;r1和r2是區(qū)間[0,1]中的隨機(jī)值;w0是線性遞減的慣性權(quán)重,wmax=0.9,wmin=0.4。Xibest為磷蝦個(gè)體i的局部最優(yōu)位置矢量,Xbest為當(dāng)前所有磷蝦個(gè)體中最優(yōu)位置矢量。從IKH(23)式可知,其將磷蝦個(gè)體本身的“慣性”尋優(yōu)、個(gè)體局部優(yōu)勢(shì)以及種群全局優(yōu)勢(shì)有效結(jié)合,顯著增強(qiáng)了磷蝦種群內(nèi)部的信息交流,大大彌補(bǔ)了算法的不足。

      表1 機(jī)組二次煤耗特性數(shù)據(jù)Table 1 Characteristic data of each unit

      表2 無速率約束IKH的優(yōu)化結(jié)果Table 2 Optimization results of IKH without rate constraint

      表3 速率約束下IKH的優(yōu)化結(jié)果Table 3 Optimization results of IKH under the rate constraint

      表4 兩種運(yùn)行方式結(jié)果對(duì)比Table 4 Comparison of the results of three kinds of operation mode

      3 仿真結(jié)果及分析

      本文以某電廠四機(jī)組為例,煤耗特性方程系數(shù)見表1。在C#軟件平臺(tái)上采用IKH,對(duì)是否有速率約束進(jìn)行7個(gè)時(shí)段的優(yōu)化對(duì)比。算法中,磷蝦群算法參數(shù)為種群算量70,最大可迭代次數(shù)為200,最大感應(yīng)速度N max=0.01m/s,覓食速率Vf=0.02m/s,磷蝦群擴(kuò)散速度Dmax=0.005m/s。

      從表2表3可知(以AGC指令從1600MW變?yōu)?800MW為例),不采取快速調(diào)節(jié)的情況下,負(fù)荷分配將完全以成本(煤耗)最低位優(yōu)化方向,則分配方案優(yōu)先考慮低煤耗機(jī)組,只有#1和#4機(jī)組參與了調(diào)節(jié)。而快速調(diào)節(jié)方案則考慮了電網(wǎng)調(diào)度要求,進(jìn)行了多目標(biāo)優(yōu)化,更多的機(jī)組參與調(diào)節(jié),大大縮短負(fù)荷調(diào)節(jié)時(shí)間。

      從表4可知,雖然無速率約束的總煤耗要比速率約束的低,但低的幅度并不大,而速率約束下調(diào)節(jié)時(shí)間則大幅度縮短。結(jié)合AGC考核,煤耗所多花費(fèi)完全可以從AGC考核獎(jiǎng)勵(lì)中抵除,快速調(diào)節(jié)將獲得更高的效益。

      從上述表中的數(shù)據(jù)以及與其他優(yōu)化方法的對(duì)比結(jié)果可以看出,本文的算法以及所采取快速性方案有比較明顯的效果,說明方案是可行的。

      4 結(jié)論

      本文從電廠機(jī)組實(shí)際運(yùn)行狀況出發(fā),提出了一種在常規(guī)電廠負(fù)荷分配方式上,對(duì)于參與AGC調(diào)節(jié)的機(jī)組,通過考慮電網(wǎng)調(diào)度速率限值,計(jì)算出AGC調(diào)度的最大時(shí)間約束,從而在優(yōu)化分配過程中動(dòng)態(tài)修正負(fù)荷上下限約束,減小算法搜索,縮短負(fù)荷調(diào)節(jié)時(shí)間,增強(qiáng)電廠負(fù)荷調(diào)節(jié)靈活性能量。同時(shí),以改進(jìn)磷蝦群算法對(duì)優(yōu)化分配方案進(jìn)行算法實(shí)現(xiàn),有無約束仿真對(duì)比結(jié)果以及與GA、PSO等算法的對(duì)比可知,所提快速性調(diào)節(jié)方案和IKH算法具有較高的效率和良好的效果。

      表5 GA、PSO和IKH算法優(yōu)化結(jié)果Table 5 Optimization results of GA、PSO and IKH

      猜你喜歡
      磷蝦電廠種群
      邢氏水蕨成功繁衍并建立種群 等
      山西省發(fā)現(xiàn)刺五加種群分布
      磷蝦真是“蝦無敵”
      南極磷蝦粉在水產(chǎn)飼料中的應(yīng)用
      湖南飼料(2021年4期)2021-10-13 07:32:46
      世界上最大海上風(fēng)電廠開放
      軍事文摘(2018年24期)2018-12-26 00:57:54
      “美味”的磷蝦
      智慧電廠來襲
      能源(2018年6期)2018-08-01 03:41:50
      智慧電廠來襲,你準(zhǔn)備好了嗎?
      能源(2018年6期)2018-08-01 03:41:46
      用Citect構(gòu)造電廠輔網(wǎng)
      “美味”的磷蝦
      金昌市| 同仁县| 梓潼县| 金乡县| 辰溪县| 中超| 黄龙县| 余干县| 临沧市| 达拉特旗| 成都市| 新竹县| 福安市| 通江县| 酒泉市| 秦皇岛市| 镇平县| 利川市| 远安县| 衢州市| 禹州市| 清水河县| 永泰县| 吴江市| 安义县| 泰顺县| 台州市| 城步| 宁津县| 广西| 高唐县| 淮南市| 乌鲁木齐县| 宜宾县| 林州市| 临漳县| 五台县| 衡水市| 大名县| 宽甸| 卢氏县|