（检测技术与自动化装置专业论文）基于混沌遗传和模糊决策算法的负荷经济调度.pdf

中文摘要 电力市场化是2 1 世纪全球电力工业发展的趋势，也是近年来电力工业改革的 方向。随着电力市场化改革的实施和电网中用电负荷谷峰差的日益增大，本文以 三个科研项目为背景来研究负荷经济调度系统将具有重要的意义。 本文提出了一种可以同时得到最优机组组合和负荷分配结果的混沌遗传和模 糊决策算法，该方法结合了改进优先顺序法、启发式遗传算法、混沌优化和模糊 决策的优点。 针对负荷分配问题，首先给出了常见的经济负荷分配模型，然后在此基础上， 又结合了快速性负荷分配的决策模型，通过对目标函数进行无量纲化处理，建立 了基于经济性和快速性多目标优化的负荷分配数学模型，该模型通过调节权重系 数的大小，就能迅速改变负荷分配的经济性和快速性指标。最后，使用遗传算法 进行并行搜索处理负荷分配问题，同时在最优点附近利用混沌优化的遍历性进行 局部寻优，避免遗传算法陷入局部最优，有效地提高了收敛速度。 为求解机组组合问题，首先给出其数学模型，该模型考虑了机组的启停耗量 和各种约束条件，然后按改进的优先顺序法确定各时段运行的机组序列，并且用 启发式遗传算法确定机组组合状态，同时对遗传算法中的交叉率和变异率进行模 糊决策。 本文使用m a t l a b 语言编制了负荷经济调度系统的算法程序，并将该算法应 用于多个算例中。结果表明，该算法不仅较好地处理了负荷经济调度系统的各种 约束条件，如功率平衡约束、机组最小运行和停机时间限制、启停次数约束等。 大大减少了不可行解，加快了收敛速度，而且对煤耗特性曲线没有要求，提高了 求解精度。 论文指出，运用混沌遗传和模糊决策算法来计算机组在整个调度周期上的优 化组合和负荷分配问题是可行的，并可进而计算各种经济效益指标，从而更好地 帮助发电企业参与市场竞争。 关键词：机组组合；负荷分配；多目标优化；遗传算法；混沌优化；模糊决策 分类号：t m 7 3 4 ；t m 7 4 4 a bs t r a c t m a r k e t - o r i e n t a t i o no fe l e c t r i c p o w e ri s t h et r e n d so fg l o b a lp o w e ri n d u s t r y d e v e l o p m e n ta n di n n o v a t i o na sw e l l w i t ht h ep e r f o r m a n c eo fe l e c t r i cm a r k e tr e f o r l 1 1 1 a n dt h eg r e a t e rd i f f e r e n c eb e t w e e nm a x i m u ma n dm i n i m u mo fl o a di np o w e rn e t w o r k ，i t h a sg r e a tv a l u et or e s e a r c ht h ee c o n o m i cl o a dd i s p a t c h i n g ( e l d ) o nt h eb a c k g r o u n do f t h r e es c i e n t i f i cr e s e a r c hp r o j e c t s c h a o sg e n e t i ca l g o r i t h ma n df u z z yd e c i s i o n ( c g a f d ) w h i c hc a l lo b t a i no p t i m a l u n i tc o m m i t m e n t ( u c ) a n dl o a dd i s t r i b u t i o n ( l d ) s i m u l t a n e o u s l yi sp r e s e n t e d t h e a d v a n t a g e so fi m p r o v e dp f i o r i t yl i s t ，h e u r i s t i cg e n e t i ca l g o r i t h m ，c h a o t i co p t i m i z a t i o n , a n df u z z yd e c i s i o ni sc o m b i n e d i no r d e rt os o l v et h ep r o b l e mo fl d ，f i r s to fa l l ，e c o n o m i cl dm o d e li sp r e s e n t e d a n dt h e n ，t h el dm o d e lb a s e do ns p e e d i n e s si sc o m b i n e d ，a n do p t i m a ll dm o d e lb a s e d o ne c o n o m ya n ds p e e d i n e s sv i ah a v i n gd i m e n s i o n l e s sd i s p o s a lt oa i mf u n c t i o n si s p r e s e n t e d e c o n o m ya n ds p e e d i n e s si n d e xc a nb ec h a n g e dr a p i d l yb ya d j u s t i n gw e i g h t c o e f f i c i e n t f i n a l l y , t h ec h a r a c t e r i s t i co fp a r a l l e ls e a r c h i n go fg e n e t i ca l g o r i t h m ( g a ) i s u s e dt os o l v et h el dp r o b l e m m e a n w h i l e ，s e a r c h i n ga tt h eb e s tp o i n t sn e i g h b o r h o o d b yu s i n gc h a o t i co p t i m i z a t i o n c a r la v o i dg at r a p p i n gi n t ol o c a lm i n i m u m ，a n d e f f e c t i v e l ya c c e l e r a t et h es p e e do fc o n v e r g e n c e i no r d e rt os o l v et h ep r o b l e mo fu c ，f i r s t l y , t h em o d e li sp r e s e n t e d ，w h i c hc o n t a i n s t h ec o s to fu n i ts t a r ta n d s t o pa n dk i n d so fc o n s t r a i n t s s u c h 弱p o w e rb a l a n c ec o n s t r a i n t , t h em i n i m u mr u n n i n gt i m ea n dm i n i m u mh a l t i n gt i m e ，s t a r ta n ds t o pt i m e s ，e t c f u r t h e r m o r e ，u ci sd e t e r m i n e db yh e u r i s t i cg ao nt h eb a s i so fu s i n gi m p r o v e dp r i o r i t y l i s tt oc o n f i r mt h eu n i ts e q u e n c ei nd i f f e r e n tp e r i o d so ft i m e m e a n w h i l e ，t h ec r o s s o v e r r a t ea n dm u t a t i o nr a t eo fg ai sc o n t r o l l e db yf u z z yd e c i s i o n t h i st h e s i su s e sm a t l a bt o d e s i g na l g o r i t h mp r o g r a m so fe l d ，a n dt h e a l g o r i t h mi su s e di ns e v e r a le x a m p l e s s i m u l a t i o nr e s u l t ss h o wt h a tn o to n l yt h e a l g o r i t h mt a c k l e sv a r i o u sc o n s t r a i n t so fe l dv e r yw e l l ，b u ta l s oi tc a nl a r g e l yr e d u c e t h en u m b e ro fu n f e a s i b l es o l u t i o n s ，a n dg r e a t l yi m p r o v ec o n v e r g e n c er a t e m o r e o v e r , t h e r ei sn os p e c i a ld e m a n do nt h ef u e l c o s t c u r v e ，w h i c he n s u r e st h ep r e c i s i o no ft h e s o l u t i o n i ti sf e a s i b l et os o l v et h ep r o b l e mo fo p t i m a lu ca n dl di nt h ee n v i r o n m e n to f e l e c t r i cp o w e rm a r k e tb yc g a f d m o r e o v e r , a l lk i n d so fe c o n o m i ci n d i c a t o r sc a nb e v c o m p u t e d ，w h i c hi sh e l p f u lt ot a k ep a r ti nt h ec o m p e t i t i o no fe l e c t r i cm a r k e tf o rp o w e r g e n e r a t i o ne n t e r p r i s e k e y w o r d s ：u n i tc o m m i t m e n t ；l o a d d i s t r i b u t i o n ；m u l t i - o b j e c t i v eo p t i m i z a t i o n ； g e n e t i ca l g o r i t h m ；c h a o t i co p t i m i z a t i o n ；f u z z yd e c i s i o n c l a s s n 0 ：t m 7 3 4 ：t m 7 4 4 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：吴冠帝 签字日期： 抛8 年6 月p p t 导师签名： 砂彩、了 签字日期：2 口0 跽6 月lo 日 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：签字日期：年月日 7 1 致谢 在论文即将完成之际，对那些曾教导鼓励我的师长、帮助我的朋友、支持我 的亲人，表示诚挚的感谢，没有他们，不可能完成本论文的工作。 首先要感谢的是直接关心我论文选题、研究和撰写的导师，在此向导师王爽 心教授表示深深的感谢和崇高的敬意。王爽心教授悉心指导我们完成了实验室的 科研工作，在学习上和生活上都给予了我很大的关心和帮助。王老师渊博的专业 知识、严谨求实的治学念度以及孜孜不倦的科研精神一直激励着我前进。导师诲 人不倦的同时又富有启发性，不论在学业上还是做人上，她的言传身教都将使我 终生受益。 其次要感谢的是李平康老师、齐红元老师、张家栋老师、杨江天老师、周明 连老师、陈科山老师和实验室的刘如九老师等所有教导过我、帮助过我的老师， 谢谢你们在我求学过程中给我的关怀和指点，你们的教诲将成为我人生中的宝贵 财富。 第三要感谢的是师姐杨辉、王玎婷，师兄刘国栋，在我学习和工作上的指导， 感谢赵金光同学等在学习和生活方面的帮助，在此也感谢李涵、王智琴和董呖等 师弟师妹们。实验室良好、和谐、融洽、积极向上的学习和工作氛围为我的学习 和论文工作的顺利完成提供了保证。 最后，我要感谢我的父母。感谢他们对我生活上无微不至的关怀和学业上无 怨无悔的支持，他们的理解和支持使我能够在学校专心完成我的学业，谨以此文 献给他们! 1 1 课题的研究背景和意义 1 1 1 课题来源和研究背景 1 绪论 本课题是以如下三个科研项目为背景来进行研究的：基于混沌优化的复杂热 工系统建模与控制研究( 国家自然科学基金课题) ，混沌优化理论在机电控制系统 设计中的研究( 北京交通大学十一五规划基金课题) ，以及火力发电厂负荷经济调 度决策系统( 国电靖远公司横向课题) 。 1 1 2 研究意义 电力工业作为国民经济的基础产业，一直是国家支持的重点行业，在我国经 济发展中起着重要的作用。我国在9 0 年代提出了电力市场改革，以“打破垄断， 引入竞争，降低成本，实现资源优化配置 为目标，以“厂网分开，竞价上网” 为主要内容。改革以后，发电企业从生产型企业转变为经营型企业，作为独立的 经济实体参与市场竞争。因此，发电企业必须最大限度地降低生产成本，以求在 激烈的竞争中获得生存和发展，而降低燃料耗量则是企业降低生产成本的有力手 段。 近年来，电力市场在国内外的普遍运行，更促进了经济调度理论的进一步研 究和发展。电力系统运行管理的目标就是在满足系统安全和电能质量的前提下确 保系统取得最佳的经济性，其实现手段是电力系统经济调度。通过经济调度，可 以正确地预测负荷，优化发电机组合以决定系统内所有发电设备的运行策略，从 而极大限度地降低发电燃料消耗，降低网络损耗等，使系统在满足功率平衡的条 件下总的运行费用最小【。 在我国，随着国民经济的快速发展，电力负荷需求迅速增长，用电结构发生 了很大的变化，电网用电的谷峰差日益增大，这就要求火电机组要参与调峰，合 理规划机组启停，确定哪台机组增负荷，哪台机组减负荷，这将对电厂经济效益 造成很大影响。因此如何在满足用电负荷的基础上，优化调度系统中各发电机组 的运行工况，合理分配各机组负荷使机组保持在经济状态运行，从而使系统发电 所需的总费用或消耗的燃料耗量达到最小这样一个运筹决策问题，成为当今急需 探讨的问题之一。 负荷经济调度系统主要包括机组优化组合和并列运行的机组问负荷优化分 配。所谓机组优化组合主要指在保证系统安全的前提下，在所研究的周期内根据 各机组的启停耗量及机组正常运行的煤耗量特性，合理安排机组的运行、停机， 即寻求机组的最优组合方式和启停机顺序，使得该组合下总煤耗最小。合理的优 化组合结果不仅能保证系统安全稳定运行而且能节省能源，还能延长机组使用寿 命。而负荷优化分配则是在机组组合方式一定，并保证满足用电需要，机组出力 限制的前提下，考虑全厂各个运行机组的煤耗特性，合理分配各机组所带负荷， 以求得到最佳的电力生产安全性及经济效益【2 3 】。资料表明，恰当地在机组间分配 负荷可以带来巨大的经济效益，据国外资料和东北、华北等电网的实际测算，节 省能源可达总耗量的o 5 - - - - 1 5 ，而最优机组组合带来的经济效益更加显著，其 效益大致可达2 5 t 4 1 。 1 2 负荷经济调度系统的求解方法 实现电力系统安全经济运行对国民经济发展具有重大的意义，从2 0 世纪3 0 年代开始，世界各国对发电厂的经济负荷分配、系统的负荷经济调度等问题都作 了深入地研究，并逐步将各种优化调度方法应用到实际系统中。负荷经济调度问 题具有高维数、非线性、约束条件多等特点，传统的解决方法主要有：优先顺序 法、动态规划法、等微增率等；现代优化算法主要有：拉格朗日松弛法、遗传算 法、人工神经网络、模拟退火算法等【5 】，现如今为了充分利用各种算法的优点，混 合算法的研究也日益深入。 1 2 1 传统方法 一、优先顺序法 优先顺序法( p r i o r i t yl i s t ) 将系统可调度的机组按某种经济特性指标事先排出 顺序，然后根据系统负荷的大小按该顺序依次投切机组。优先顺序法提出较早， 它简单实用，计算量小，在国内外电力系统中仍然有广泛地应用，但它未计及启 动耗量，不能保证获得最优解，一般情况下能满足系统简单的应用要求。优先顺 序法既可以单独使用，也可与其它方法结合起来应用，如动态规划法等。文献f 6 1 采用优先顺序法和等煤耗微增率准则考虑一个多区域电网的经济调度问题。经典 的优先顺序法在排序过程中不考虑负荷变化，是一种静态排序策略。文献 7 】提出 了一种考虑负荷变化的优先顺序法，称为顺序投入法( s e q u e n t i a lu n i t 2 c o m m i t m e n t ) ，在调度过程中动态地考虑机组排列。文献【8 将传统的经济指标即 平均满负荷费用( a v e r a g ef u l ll o a dc o s t ) 和投入利用因子( c o m m i t m e n tu u t i l i z a t i o n f a c t o r ) 结合使用，作为排序的指标，取得了更好的效果。文献 9 】在顺序投入法中 引入了一个全局决策过程，以克服这种方法有时找不到最优解或次优解的缺陷。 文献 1 0 将优先顺序法与动态规划法相结合，既克服了优先顺序法没有考虑启停耗 量的不足，也解决了动态规划的“维数灾”，最后同时计算出了机组最优组合和负 荷分配结果。 此外，启发式优先顺序法现已被广泛应用到其它智能优化算法中，如遗传算 法、专家系统等，本文也在遗传算法的基础上结合启发式方法来求解机组优化组 合问题。 二、动态规划法 动态规划法( d y n a m i cp r o g r a m m i n g ) 是解决多阶段决策过程最优化的一种数 学方法【i ，其实质就是将一个给定的问题，分解为几个阶段性的子问题，然后依 次解决各个子问题，最后一个子问题的最优解就是该问题的最优解，这种方法巧 妙地摒弃了那些不需要考虑的解，但要求所求解的问题具有明确的阶段性。 七八十年代动态规划法被用于解决机组组合问题，在求解问题时，整个调度 期间被分成若干个时段，每个时段即动态规划过程中的一个阶段，各阶段的状态 即为该时段所有可能的机组组合状态。从初始阶段开始，首先枚举出该时段各种 可能的状态组合，然后从前向后计算到达各阶段各状态的累计费用( 包括开停机 费用和运行时的燃料费) ，再从最后阶段累计费用最小的状态开始，由后向前回溯， 依次记录各阶段使总的累计费用最小的状态，这样就可得到最优的开停机方案， 在计算运行所需的燃料费用时，需调用负荷分配程序。 由上所述，可以得知它考虑了机组的启停耗量，但计算量较大，存在“维数 灾 ，使计算时间太长而无法达到实用化，文献 3 先按优先顺序法压缩各时段机组 组合状态，再用动态规划法进行计算，既克服了优先顺序法未计及启停耗量的不 足，也解决了动态规划法的“维数灾问题。 三、等微增率 为求解负荷分配问题，工程上常用的求解方法是经典的等微增率法，等微增 率法通过寻找各机组煤耗微增率相等的负荷点，并将该点确定为负荷分配的最优 方案【1 2 1 。该方法揭示了机组负荷分配的实质，而且模型简单，计算速度快，但由 于它以数学极值理论为基础，为了达到目标函数最小，要求机组煤耗特性曲线的 二次项系数大于零，而实际拟合的煤耗特性曲线的二次项系数可正可负，同时对 微增率曲线有严格的精度要求，实际的机组煤耗特性很难满足，因此该方法在实 际应用中有很大的局限性。 3 1 2 2 现代优化算法 随着现代电力系统的发展，上述方法很难达到实用化要求。8 0 年代至今，现 代优化算法特别是拉格朗日松弛法、遗传算法等，使得负荷经济调度问题取得了 较为满意的进展。 一、拉格朗日松弛法 拉格朗日松弛法( l a g r a n g i a nr e l a x a t i o n ) 是解决复杂整数问题和优化组合问 题的一类优化算法，它建立在下述思想的基础上：许多困难的整数规划问题可以 说是由一些边界约束条件联系在一起的一系列相对容易的子问题组成，利用这个 特点，在目标函数中针对系统耦合约束分别引入拉格朗日乘子，写成惩罚项的形 式，加入目标函数，形成相对容易解决的拉格朗同问题。 拉格朗日松弛法在机组组合问题中的应用研究始于7 0 年代，8 0 年代逐渐得到 推广，9 0 年代成为主流，已有大量的理论和应用成果。拉格朗日松弛法用于机组 组合，其优点是对于大规模机组组合问题用对偶方法求解，使其能够考虑不同的 约束。且随着机组数目的增加，计算量近似线性增长，克服了维数障碍，且机组 数目越多，算法效果越好。与动态规划法相比，不需要与优先顺序法相结合，其 缺点是存在对偶间隙，由于目标函数的非凸性，用对偶方法求解时，很难得出原 问题严格意义上的对偶问题，因此存在对偶间隙，需要根据对偶问题的优化解采 取一定的措施构造原问题的优化可行解，计算的过程中有可能出现振荡和奇异现 象，得到可行解比较困难【l 引。 二、遗传算法 遗传算法( g e n e t i ca l g o r i t h m ，g a ) 是目前广泛研究和应用的模拟自然界生物 进化过程的优化组合算法。遗传算法是一个框架性的算法，可以根据具体问题进 行不同的考虑。 1 9 9 3 年，文献 1 3 将遗传算法用于解决机组优化组合问题，仿真结果证明遗传 算法可以较好地找到近似全局最优解。 同年，d a v i dc w a l t e r s 【1 4 】利用遗传算法处理经济调度f 1 题，并考虑了阀点效 应，和动态规划法的优化结果相比，表明遗传算法优化效果更好，耗时更少。 s a k a z a r l i s 1 5 】在1 9 9 6 年提出将改进遗传算法用于机组组合问题，为了解决 基本遗传算法最优解收敛过早的问题，文中引入变量函数技术，并针对具体问题 加入特殊算子。论文最后比较了拉格朗日松弛法和改进遗传算法的优化结果，结 果表明遗传算法在多机系统中优化效果更胜一筹。 同年，t i mt m a i f e l d t l 6 】在用遗传算法解决经济负荷分配问题时，将变异算子 进行了特殊处理，算法包含了任何可转化成实际费用的约束，具有很好的鲁棒性， 4 可以在合理的计算时问内找到好的分配方案。 同年，t i n gk u o t l7 】等人针对遗传算法不能保证收敛至最优解的缺陷，提出一 种分开选择法( d i s r u p t i v es e l e c t i o n ) ，它采用变化的适应度函数进行评价，这不同 于基本遗传算法所使用的单一适应度函数。结果表明，分开选择法在解决多变量 系统问题时非常有效。 1 9 9 7 年，a h m n a t a w y _ 【1 8 】提出一种改进遗传算法来解决机组组合问题，它使 用混合二进制和整数进行编码，适应度函数取自发电机组的总煤耗量，且没有惩 罚项。设计的遗传算子增强了搜索速度和寻优空间，论文表明使用该改进算法， 比文献中使用的传统方法取得了更好的优化效果。 同年，文献 1 9 又提出一种增强型遗传算法，它的特点就是采用染色体映射 ( c h r o m o s o m em a p p i n g ) ，设计特殊遗传操作算子和局部搜索技术。针对经济负荷 分配问题，它表现出更令人满意的优化效果。 左浩等人【2 0 2 0 0 1 年提出了机组负荷最优分配的改进遗传算法，针对常规遗传 算法缺点，对火电厂内机组优化组合中的遗传算法从各个环节进行了改进，计算 结果表明，该方法收敛性好，适应性强，能有效地达到或接近全局最优。 同年，高山等人【2 l 】设计了一些启发式技术用于求解机组组合问题，并提出了 优化搜索路径的操作方法，该算法大大提高了求解质量和效率，但应用该算法的 机组启停过于频繁，机组运行的经济性差。 国家电力公司的汪峰等人【2 2 】于2 0 0 3 年针对遗传算法应用于机组组合问题的具 体实现技术进行了深入地研究，采用不同采样空间、不同选择策略、不同适值函 数和不同遗传算子对1 0 机系统和1 1 0 机系统的仿真计算进行了分析和比较，结果 表明各种不同实现技术的遗传算法应用到机组组合问题上具有不同程度的有效 性。 华北电力大学的武瀚等人【2 3 】研究了遗传算法在水火电力联合系统经济调度中 的应用。针对电力系统负荷分配目标的改变，建立在电力市场体制下负荷分配的 数学模型。根据负荷分配问题的特点，对初始种群的生成方法进行改进，使得遗 传算法在初始种群中的所有个体都是可行解。对过度满足约束条件的个体，采用 了一种有效减小冗余的手段。 华北电力大学的倪敏等人【2 4 】在2 0 0 6 年依据火电机组的实时煤耗特性曲线，针 对目前较实用的负荷优化分配方法动态规划法的弊端，提出了改进的遗传算 法，提高了寻优速率，保证了群体的多样性。 而文献 2 5 贝j j 提出了改进的进化操作算子和移民算子等概念，算例结果表明该 方法能有效地搜索到全局最优解，但当机组数目增多时，会出现计算量大、“早熟 等问题。 5 遗传算法的优点是：对目标函数形态没有特殊要求，用它解决电力系统经济 调度问题时不必将发电曲线近似化，从而避免产生较大误差；从理论上来说可以 找到全局最优解，因为它属于全局随机搜索方法；可以得到多个可选方案；方法 比较灵活，可以考虑多种约束；适合于并行处理。因此用它求解电力系统负荷经 济调度问题将具有很好的应用前景。 其缺点是：遗传算法本质上属于无约束优化算法，如何处理约束条件将在很 大程度上影响算法的效率：由于是随机优化算法，不能保证得到全局最优解；计 算量比较大，所需时间长；容易陷入局部最优解，出现“早熟 的缺吲2 6 1 。 在解决电力系统安全经济调度中，遗传算法有如下几个发展趋势：设计快速 高效的遗传算法；与演化规则相结合；与人工智能、人工神经网络相结合等【2 7 】。 三、混沌优化法 混沌是非线性动力学系统所特有的一种运动形式，是在确定性系统中出现的 内在随机性。混沌具有独特的性质之一：遍历性，即能在一定范围内按其自身的 规律永不重复地遍历所有状态，可利用这点特性作为在优化搜索过程中避免陷入 局部极小、实现全局优化的一种机制，这种独特的特点受到国内外学者的广泛重 视和大量研究，提出了许多基于混沌搜索的优化方法，并在一些领域内获得了成 功的应用。混沌优化方法具有良好的全局寻优能力，而且由于其搜索过程完全按 混沌运动自身的规律和特性进行，因而获得最优解的可能性更强，而且结构简单、 容易实现，是一种极有前途的优化手段。 文献 2 8 】采用混沌优化方法来解决经济负荷分配问题，并考虑了网损和阀点效 应，达到了搜索速度快，求解精度高等目标，但混沌优化方法也有它自身的缺陷： 当搜索空间小时效果显著，搜索空间大时其效果却不能令人满意【2 9 1 。为克服混沌 优化的以上缺点，文献【3 0 提出了一种改进的变尺度混沌优化法( i m p r o v e dm u t a t i v e s c a l ec h a o so p t i m i z a t i o na l g o r i t h m ，i m s c o a ) ，取得了更为优化的负荷分配结果。 1 2 3 混合算法 由于各种优化方法均有各自的优缺点，为了充分发挥它们的优点，混合算法 的研究也日益深入。例如，遗传算法的一个趋势就是和其它智能计算方法相互渗 透、结合。针对不同的优化问题，学者们曾研究过各种混合遗传算法，如遗传算 法和模拟退火法的结合、免疫遗传算法、混沌遗传算法等。 1 9 9 9 年，雷德吲3 l j 首次将遗传算法与混沌算法进行混合。 2 0 0 2 年，上海交通大学的李亚东【3 2 】在分析了遗传算法与混沌优化方法的优缺 点的基础上，提出了一种新的遗传混沌优化组合方法。该算法能克服混沌优化在 6 大范围内失效的缺点，并能提高遗传算法的局部搜索能力和搜索精度。同时证明 该算法能以概率l 收敛到全局最优值。 章敬东等人【3 3 】在2 0 0 3 年又将两者进行智能集成，给出混沌遗传算法，能保证 求得全局最优解，并且寻优速度有很大提高。 g w o c h i n gl i a o 【3 4 】于2 0 0 4 年提出采用混沌遗传算法和模拟退火法相结合的方 法来解决短期火电厂经济负荷分配问题，它将遗传算法和混沌搜索相结合，首先 产生一组可变机组负荷表，然后利用模拟退火法来解决下一步的问题。因为混沌 遗传算法有很好的全局搜索最优解的能力，但是局部搜索最优解的能力却很有限； 相反，模拟退火算法有很好的局部搜索最优解的能力。 为了进一步改善遗传算法的局部搜索能力，提高优化质量，文献 3 5 】将遗传算 法、神经网络和优先顺序法结合起来解决短期发电计划，算例表明混合算法比单 一算法的优化性能更好。 文献 3 6 则采用优先顺序法、遗传算法与混沌相结合的混合算法处理经济调度 问题，大大提高了遗传算法的搜索效率，但该方法产生的不可行解较多，计算耗 时较长。 而文献【3 7 】则将混沌搜索、免疫算法、遗传算法和模糊系统结合起来解决机组 组合问题，多例仿真结果表明该算法性能好，而且运算速度快。 1 3 论文的主要内容 本文在参考大量文献的基础上，综合各种优化方法的理论研究成果，以电力 系统为研究对象，对机组间负荷经济调度问题进行分析研究，提出了一种可以同 时得到最优机组组合和负荷分配结果的混沌遗传和模糊决策算法( c h a o sg e n e t i c a l g o r i t h ma n df u z z yd e r i s i o n ，c g a f d ) ，并将该算法应用到仿真算例中，全文内容 安排如下： 第一章，简单概述了本课题的研究背景和意义，并对求解经济调度系统的各 种优化算法作了简要介绍，重点介绍了遗传算法的研究现状及发展趋势，对其研 究成果做了较为详细的评述； 第二章，介绍了负荷经济调度系统的数学模型，该系统主要包括负荷分配和 机组优化组合两大部分，首先给出负荷分配传统意义上的模型经济负荷分配 的模型，同时为适应我国当前电力市场新的运作模式，本文又结合快速性负荷分 配决策模型，采用了基于经济性和快速性多目标优化的负荷分配数学模型，该模 型走出了负荷分配以经济指标最优的普遍做法，为新形势下电网调度提供了科学 的依据。最后介绍了机组优化组合的数学模型，这为后面各章节的研究奠定了基 7 础： 第三章，针对并列运行机组的负荷分配问题进行分析，总结前人的研究成果， 学习研究了基本遗传算法和混沌优化的基本原理、方法，了解各自的优缺点。在 此基础上，对两种算法进行混合，提出了混沌遗传混合算法，并进行了数值仿真， 最后用该混合算法求解负荷分配问题。算例表明，该算法改善了遗传算法的搜索 性能，进一步提高了算法的优化质量； 第四章，针对机组优化组合问题，本文通过比较传统求解方法和现代优化方 法，并考虑到解决实际问题的需要，对传统的遗传算法作了改进，同时结合启发 式方法、改进优先顺序法和模糊决策，提出采用改进遗传算法和模糊决策求解机 组组合问题。算例表明，该算法充分考虑了影响机组负荷经济调度的各种因素， 如启停耗量、旋转备用约束和启停约束等，而且大大减少了不可行解，根据计算 结果，对在电力市场中的机组，提出了合理的运行方式和调度建议； 第五章，应用m a t l a b 语言编制了负荷经济调度系统的算法程序，并进行了 仿真计算，经理论分析和仿真计算表明：在使用启发式方法和改进优先顺序法限 制了机组的组合数目后，大大减少了不可行解，加快了收敛速度；用改进遗传算 法和模糊决策确定机组组合状态，并调用采用混沌遗传混合算法的负荷分配子程 序，避免了遗传算法陷入局部最优，有效地提高了收敛速度，而且对煤耗特性曲 线没有要求，提高了求解精度。该方法可以同时得到机组最优负荷分配和优化组 合结果，进一步表明了该方法的实用性和有效性，这为系统的进一步实际应用创 造了条件。 第六章，总结全文，提出展望。总结了全文的主要研究成果，指出进一步有 待研究的方向。 2 负荷经济调度系统的数学模型 在绪论中我们已指出负荷经济调度系统主要包括机组问负荷分配和机组优化 组合两大问题，下面我们分别论述一下各自的数学模型。 2 1 负荷分配的数学模型 一般负荷分配都以经济性指标最优为目标，即求得最小煤耗量或燃料量，这 种分配方式称为经济负荷分配。为适应我国当前电力市场新的运作模式，本文结 合快速性负荷分配决策模型，采用了基于经济性和快速性多目标优化的负荷分配 数学模型。该模型走出了负荷分配以经济指标最优的普遍做法，为新形势下电网 调度提供了科学的依据。 2 1 1 经济性目标函数及约束条件 在确定的机组组合状态下，考虑电网中各个运行机组的煤耗特性，按经济特 性合理分配各机组所带负荷，以实现经济负荷分配。因为火电厂在运行时，是要 消耗燃料的，所以经济负荷分配问题可以归结为如何j 下确地安排系统各机组的发 电功率，使得总的燃料消耗量为最少。由于无功功率对燃料消耗量影响很小，因 此，只考虑有功功率对燃料的影响问题。具体某一时段的经济负荷分配问题的目 标函数为【3 8 】： 旦 m i n f = e ( 曰) ( 2 - 1 ) 一 。 i = l 式中，f 为系统总煤耗量或燃料耗量，它可以由每小时消耗燃料所含热量计算， 单位为k j h ，也可以用与之相当的标准煤吨数来计算，单位为t l l ；g 为系统内机 组数；b 为第f 台机组发出的有功功率，单位为m w ；鼻( p ) 为第f 台机组的耗量 特性。 在实际应用中，机组的耗量特性曲线常用二次函数近似表示，即 f , ( p ) = 口2 p 2 + 口1 只+ 口o( 2 - 2 ) 式中，a ：，a 。，a o 为第f 台机组的耗量特性参数。 经济负荷分配问题的约束条件有如下两条： ( 1 ) 功率平衡约束 三 乞= p d t ( t = l ，2 ，t ) ( 2 - 3 ) 9 式中，u ，为第i 台机组在第t 个时段的状态，运行为1 ，停机则为0 ；r 为第 f 台机组在第t 个时段发出的有功功率，单位为m w ；乞，为第t 个时段的系统总负 荷。 ( 2 ) 发电机组输出功率的上下限约束 e m i n e ( 2 4 ) 式中，只一，鼻曲为机组发电功率的上下限。 针对第一个约束条件功率平衡约束，因为遗传算法属于无约束优化算法， 本文采用罚函数来处理，将目标值和罚函数确定为寻优目标，得优化目标函数如 下： ggg m i n f = 互( 只) = z ( p ) 般i 只一i ( 2 - 5 ) ，= li = li = l 式中，k 为罚函数系数；乃为该时段的系统总负荷，单位为m w 。 而第二个约束条件机组输出功率上下限约束，只要设置好算法的给定参 数，就可以严格满足。 2 1 2 快速性目标函数及约束条1 牛【3 9 】 上小节我们讨论了经济负荷分配的数学模型，然而此模型在保证经济性最优 的同时，却不能有助于快速完成电网的升降负荷需求( 第三章的算例二将给出证 明) 。因此，如何通过负荷优化分配，快速完成负荷需求成为一个继续研究的课 题。 一、理想状态下电厂完成给定负荷的最小时间 当给定系统总负荷乃时，如果要保证电厂以最快的速率升降负荷，就必须保 证每台机组完成负荷所用的时间趋于相等。因为任何一台先完成所分配负荷的机 组都可以继续帮助另外没有完成所分配负荷的机组做部分升降负荷工作，从而使 整个电厂升降负荷的时间达到最小。所求得的这个时间是理想状态下的最小时间 乃d c ，因为在负荷分配时必须假设所分配的负荷满足各个机组的上、下限约束及功 率平衡约束等条件。 这个理想状态下的最短时间表示为： dd 瓦= 1 d r - - 1 n o w ( 2 - 6 ) kj _ i = i 其中，正d 。为理想状态下系统完成负荷n 升降所用的最小时间；功为该时段的 系统总负荷，单位为m w ；尸n o w 为系统当前承担的总负荷，单位为m w ；k 为每台 1 0 机组的升降负荷速率，单位为m w m i n ：g 为系统内运行机组的总台数。 下面我们给出正d 。的数学证明。机组完成负荷升降过程可表示为： 1 只一只。i = ( 2 7 ) 假设所有机组完成负荷升降的最长时间为死i g ，各台机组所用时间与最长时间 死i g 之间的差值为越，式( 2 - 7 ) 可以转化为 1 只一已。l = 杉( 瓦；。- a t ；) ( 2 8 ) 经整理得 f 只一| + k 他 = 丁l ( 2 - 9 ) k 要保证死j g 取得最小值，就必须使= o ，也就是说= 瓦；。一t = 瓦；。，即f f 部 是相等的。所以，以上关于乃d 。是完成给定负荷最短时间的分析是正确的。 二、快速性负荷优化分配的数学模型 各台机组完成负荷升降的时间为： ：旺纠( 2 - 1 0 ) ，f 其中，只。为第i 台机组当前发出的有功功率；为第f 台机组完成负荷分配 实际所用的时间。 为了使t i 向无限逼近，提出快速性负荷优化分配的目标函数为： m i n t ( p , ) = ( 一玩) 2 ( 2 1 1 ) 约束条件同式( 2 3 ) 、( 2 4 ) 。通过数学极值知识可知，该目标函数能实现快速 性负荷优化分配。 2 1 3多目标优化的负荷分配数学模型删 基于经济性号决速性指标的负荷优化分配属于多目标优化问题，既要保证负 荷分配的经济性，同时也要保证系统完成电网分配负荷的快速性。本文在文献 3 6 】 和文献【4 0 的基础上，利用标量化方法，或者说是权重方法，建立多目标优化的负 荷分配数学模型。这个方法的本质是体现了电厂对不同目标的侧重点。它首先对 每个目标赋予一个权重，然后把所有的目标乘上权重，再累加作为一个新的目标 函数，最后在与原问题相同的约束下求解。 用标量化方法来解决多目标优化问题的前提是：构成新目标函数的所有目标 必须具有相同的量纲，若量纲不同，必须进行统一量纲或无量纲化处理。明显可 以看出本文的两个目标函数量纲明显不同，因此如果使用标量化方法来解决基于 快速性与经济性多目标优化的负荷分配问题将不太可能。为此在不影响目标函数 效果的前提下进行无量纲化处理。 新的快速性目标函数为： m i n r ，( p i ) = ( 孚照) 2 ( 2 - 1 2 ) 经济性目标函数的量纲是讹，假设式( 2 5 ) 在式( 2 3 ) 、( 2 4 ) 约束下取得最优经 济负荷分配为 ，乞，乞) ，则新的经济性目标函数为： r n j nr ( 只) = ( 8 - 0 2 ( 2 1 3 ) 同时在不影响目标函数性能的前提下进行改进，对式( 2 1 3 ) 进行无量纲化处 理，选取 ，乞，f g ) 作为基量，易得新的目标函数为： m i n r 。( 8 ) = ( 罕) 2 ( 2 1 4 ) 基于以上分析，通过对目标函数加权求和，得出基于快速性与经济性多目标 优化的负荷优化分配数学决策模型为： m i n m ( p ) ：g 吣) ：心r a p , ) + 比础) ：比羔( 华) ：+ 兰( 学) z ( 2 - 1 5 ) 式中，为经济性权重，即基于经济性的负荷优化分配在整个目标中的比重， 它体现了系统对经济性负荷优化分配的重视程度；m 为快速性权重，即基于快速性 的负荷优化分配在整个目标中的比重，它体现了系统对快速性负荷优化分配的重 视程度，且彬+ = l 。 约束条件如式( 2 3 ) 、( 2 4 ) 所示。为了满足功率平衡约束，即式( 2 3 ) 的约束， 与经济负荷分配的模型一样，同样采用罚函数来处理，将目标值和罚函数确定为 寻优目标，得优化目标函数如下： l 旦 r n i n 眦) ：g 吣胤兰( 孚) 2 + 心妻( 争) 2 + 七掣( 2 - 1 6 ) 式中，硇罚函数系数，n 为该时段的系统总负荷。另外有： 乙= m a x t i ，t 2 ，乞)( 2 - 1 7 ) 式中，为系统完成电网分配负荷用时，单位为m i i l 。 2 2 机组优化组合的数学模型 1 2 上一节分析了机组间负荷优化分配问题，它是建立在参加发电运行的机组已 经确定的前提下，对于不断变化的负荷值，有时只需要部分机组投入发电才是最 优的，负荷变化时参与发电机组的数目应如何改变，如何找出既满足系统需要又 能使总的燃料耗量最小，这是机组优化组合所要解决的问题。 2 2 1目标函数 机组在运行时，功率不同，运行效率和燃料消耗量也不同，一般机组的最高 效率点在额定功率附近。如果不改变参加运行的机组数目，当系统负荷较高时， 各机组的运行效率将较高，而当系统负荷减低时，各机组运行点将降低，效率当 然也会降低。如果系统负荷减小的同时，减少参加运行的机组台数，那么将有可 能提高正在运行的机组效率，从而使整个系统的燃料耗量减少。 实际上，不