一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法

摘要

本发明公开了一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法，首先给实际热力发电厂建立稳态仿真模型，进而在稳态仿真模型的基础上进行运行优化，实时给出优化运行参数配置。优化方法采用混沌遍历迭代算法，通过给传统随机优化算法增加混沌搜索前置处理，引入混沌映射算法，利用混沌的无序性，初步地完成了对全局最优值的搜索和初始搜索位置的设定，优化了经典随机优化算法对初始值敏感和容易陷入局部最小值的问题。设计了维度匹配算法，解决了混沌映射核维度和目标函数(参数配置)维度不一致的问题。本发明方法可给出发电厂在不同运行模式下的最优参数配置方案，提高了电厂不同工况下的能效，提高了电厂的灵活性及调峰能力。

说明书

技术领域

本发明涉及一种热电厂模型寻优算法，尤其涉及一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法。

背景技术

对传统的火力发电机组进行供热改造，是我国能源行业的大趋势，当电厂内多个不同供热方式的机组同时运行时，不合理的负荷分配，会造成全厂总体能源利用效率和经济效益的降低。电厂数字模型是使用动态仿真技术对实际电厂的数字化表达，可以仿真电厂在不同参数下的运行行为。如果在电厂数字模型的基础上开发一种全局寻优能力强的优化算法，用来给出基于电厂数字模型的最优负荷分配方案，对于电厂提高能效、深度调峰、减少碳排放具有重要的意义。

发明内容

针对上述背景技术中存在的缺陷，本发明提供一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法。

本发明采用以下技术方案实现：

一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法，包括以下步骤：

Step1：建立实际电厂的稳态仿真模型。电厂的热电联产机组的热力系统一般由锅炉、汽轮机、凝汽器、给水加热器等设备以及连接管道组成，对各个部分建立机理或者数据模型，进而建立全厂的稳态仿真模型。稳态仿真模型用于计算在各个工况下的全厂性能指标，如供电煤耗、供热煤耗、供热量、发电量等。电厂中各个部分及设备的参数组成一种工况，工况的参数配置记为

Step2：根据运行需求，选择相应的全厂性能指标作为优化目标，优化目标可以是最大化供热量、最大化供电量、最大化发电效率等。不同工况下的优化指标由稳态仿真模型进行计算得出。

Step3：生成m个混沌点，初始化混沌点状态。每个混沌点代表一种电厂运行工况的参数配置

Step4：通过电厂稳态仿真模型，计算每个混沌点当前的优化指标值f(x)，并将各个混沌点的优化指标值进行比较，记录达到最优优化指标值的参数配置。

Step5：使用混沌映射算法更新m个混沌点的参数配置：

其中：

i：step3生成的混沌点的索引号，i＝1,2,3，……，m；m为混沌点个数。

α：跳跃幅度。

chaos()：混沌映射算法，chaos()算法包括混沌映射核和维度匹配算法。

混沌映射核：

p维混沌映射核，可以选择p＝1的Logistic混沌映射核、p＝2的henon混沌映射核或者其他合适的混沌映射核。

维度匹配算法：

当混沌映射核的维度p与混沌点参数配置的维度n不相等时，需要使用维度匹配算法匹配混沌映射核的维度与混沌点参数配置的维度。

A、计算

其中，d为结果的整数部分，c为结果的余数部分,且有c

B、完整分组

对于x的前p*d个分量，可以按照将每p个分量为一组进行映射，共d组，即

[x

C、补充分组

对于剩下的c个分量，通过补充维度的方式增加维度到p，即

[x

其中，r

至此，将n维的

Step6：检查是否满足混沌寻优终止条件。若不满足，则重新回到step4；若满足，则执行step7。终止条件可以是固定迭代次数，也可以是目前x

Step7：根据预处理得到的粗略最优位置x

本发明的有益效果为：

本发明为电厂深度调峰机组开发了一种寻找不同运行工况下最优参数配置 (负荷分配)的方法，具有全局寻优能力强的特点，可以实时指导电厂机组按照性能最优的参数配置运行，提高能效。通过建立实际电厂的稳态仿真模型、生成混沌点的方式完成了对电厂机组及运行参数配置的数字化建模，为寻优方法的开展打下了数字基础；通过混沌遍历迭代算法实现了对全局最优参数配置的初步搜索，混沌映射算法具有数学形式简单、无序性强的特点，可以提高全局寻优能力，加快计算速度；通过维度匹配算法，解决了混沌映射核维度和参数配置维度不一致的问题，从而可以根据实际问题选择多种混沌映射核；通过混沌遍历迭代算法的搜索结果与其他成熟的随机优化算法相结合，充分利用搜索到的全局最优的参数配置、具有良好分散性的大量混沌点作为启发条件，加快了其他成熟的随机优化算法的收敛速度，优化了经典随机优化算法对初始值敏感和容易陷入局部最小值的问题。

附图说明

图1为本发明的一种基于混沌遍历修正迭代算法的电厂深度调峰机组负荷分配优化方法流程图。

具体实施方式

下面结合具体的情况，结合附图对本算法进行具体说明。

本例中展示了本方法在东北某热电厂的运行方式。如图1所示为本发明方法的流程图。

Step1：如图1中1所示，建立实际电厂的稳态仿真模型。使用机理建模软件Ebsilon对该电厂建立全厂的稳态仿真模型。稳态仿真模型用于计算在各个工况下的全厂性能指标，包括供电煤耗、供热煤耗、供热量、发电量等。电厂中各个部分及设备的参数组成一种工况，记为

Step2：如图1中2所示，根据运行需求，选择相应的全厂性能指标作为优化指标，优化目标可以是最大化供热量、最大化供电量、最大化发电效率等。本例中电厂希望获得深度调峰的政府补贴，因此在保证供热的情况下选择最小发电量作为优化目标。不同工况下的发电量由稳态仿真模型进行计算得出。

Step3：如图1中3示，生成m个混沌点，初始化混沌点状态。每个混沌点代表一种电厂运行工况的参数配置

Step4：如图1中4所示，通过电厂稳态仿真模型，计算每个混沌点当前工况的发电量，并将各个混沌点的发电量进行比较，记录达到最小发电量的混沌点位置

Step5：如图1中5所示，使用混沌映射算法更新m个混沌点的配置值：

其中：

i：step2生成的混沌点的索引号，i＝1，2，3，……，m，m为混沌点个数。

α：跳跃幅度，此处α＝1。

chaos()为混沌映射算法，包括混沌映射核和维度匹配算法两部分。

混沌映射核：

p维混沌映射核，可以选择p＝2的henon混沌映射核或者其他合适的混沌映射核。

此处使用henon混沌映射核，变换核：

其中，a，b为参数，有如下限制：

0＜a＜0.4

0.2＜b≤0.314

此处选择a＝1.28，b＝0.3。

k为迭代步数。

p、q为迭代变量，其初值在step3中已经进行设置。

维度匹配算法：

当混沌映射核的维度p与混沌点参数配置的维度n不相等时，需要使用维度匹配算法匹配混沌映射核的维度与混沌点参数配置的维度。此处p＝2，n＝7，需要使用分组组合的方式匹配混沌算法与混沌点的维度。

A、计算

计算得d＝3，c＝1

B、完整分组

对于配置向量

C、补充分组

对于剩下的c＝1个分量，通过补充位数的方式增加维度到p＝2，即

这里补充了一个固定值0，这个值也可以通过随机算法或者其他算法生成。

至此，将n＝7维的混沌点分成了4组，每组维度为2，继而可以使用p＝2维的henon混沌映射进行下一步迭代。

Step6：检查是否满足混沌寻优终止条件。若不满足，则重新回到step4；若满足，则执行step7。此处的终止条件选用固定迭代次数1000次。

Step7：如图1中6所示，根据预处理得到的粗略最优位置x

此处选用经典粒子群算法，具体步骤如下。

Step7.1：根据混沌搜索的启发信息，生成粒子群。粒子群初始值包括粒子的初始位置和初始速度，初始位置选用前面混沌搜索结束时的混沌点的值

v

rand()：随机数生成算法

Step7.2：计算每个粒子的函数值，将其作为当前粒子的局部最优值x

Step7.3：更新每个粒子的速度和位置。

速度按照如下公式更新：

v

其中

ω：惯性因子，其值非负，值越大全局寻优能力越强，越小局部寻优能力越强。

rand()：介于0和1之间的随机数；

c

Step7.4：计算新的粒子的函数值，评估并更新粒子的局部最优值x

Step7.5：检查是否满足结束条件，若不满足则继续执行Step7.3。若满足结束条件，则停止迭代。

Step7.6：根据搜索结果，得到问题最优解。