基于状态空间模型的机组优化组合进化算法研究

摘要

机组优化组合是电力系统运行计划的核心问题，合理的安排机组启停计划及负荷分配能节约能源、减少对机组的损耗，带来可观的经济效益和社会效益。机组组合问题是一个高维、非凸、离散的混合整数非线性规划问题，特别是针对较大规模的系统，很难找出满足某种求解精度要求的全局最优解。到现在为止，还没有找到一种不仅能真正满足实际系统模型又能快速找到高精度的全局最优解的算法，所以，探索具有更高性能的机组优化组合算法具有重要研究意义。
　　进化算法(EA)是一类模拟生物进化机制的智能优化方法，如遗传算法(GeneticAlgorithm，GA)、蚁群算法(Ant Colony Algorithm，ACO)、模拟退火算法(SimiulatedAnnealling，SA)等。本文针对传统优化算法的不足，本文提出了一种基于状态空间模型的进化算法，这种算法采用实数编码方式，利用状态进化矩阵来实现种群的进化，利用选种池实现“优胜劣汰”的自然选择机制。通过典型函数优化问题的仿真计算，验证了该算法具有搜索能力强、收敛速度快、计算精度高、操作简单等优点。
　　本文针对电力系统机组启停的特点及负荷变化规律，给出了机组组合问题的数学模型。此模型以发电机组在一个调度周期内的总煤耗量最小为目标函数，考虑了几种基本约束，包括功率平衡约束、容量约束、爬坡速率约束、启停约束。将基于状态空间模型的进化算法应用到求解机组优化组合问题中，设计了算法的具体实施步骤以及程序流程，并在Matlab软件平台上对10机组电力系统进行了仿真计算。通过比较和分析算例结果，验证了本文提出的基于状态空间模型的进化算法能找到更好的解，具有更高的求解精度、更好的寻优能力和收敛速度，在解决机组优化组合问题中具有良好的应用前景。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．2 机组优化组合问题的研究现状与发展趋势

1．2．1 常规优化方法

1．2．2 智能优化方法

1．2．3 发展趋势

1．3 论文的研究内容及章节规划

第二章 机组优化组合问题的数学模型

2．1 引言

2．2 目标函数

2．3 约束条件

2．3．1 系统基本约束

2．3．2 发电机组约束

2．4 本文所用的机组组合问题数学模型

2．5 本章小结

第三章 基于状态空间模型的进化算法

3．1 进化算法的概述

3．2 基于状态空间模型的进化算法

3．2．1 算法原理

3．2．2 种群的编码方式

3．2．3 状态进化矩阵

3．2．4 选择操作

3．2．5 算法步骤

3．3 本章小结

第四章 SEA算法在函数优化中的应用

4．1 函数优化问题概述

4．2 典型测试函数

4．3 状态进化矩阵对算法性能的影响

4．3．1 按方案一构造状态进化矩阵

4．3．2 按方案二构造状态进化矩阵

4．3．3 结果分析

4．4 种群规模对算法性能的影响

4．5 本章小结

第五章 SEA算法在机组优化组合中的应用

5．1 引言

5．2 用SEA算法解决机组优化组合问题

5．2．1 个体编码及初始化

5．2．2 个体调整方法

5．2．3 算法流程及程序设计

5．3 算例仿真

5．3．1 算例数据及参数设置

5．3．2 算例结果分析

5．4 本章小结

结论与展望

参考文献

致谢

附录A (攻读硕士学位期间发表论文目录)