[发明专利]基于免疫优化和模糊决策的多目标厂级负荷优化方法

说明书

技术领域

本发明属于节能发电技术领域，尤其涉及一种基于免疫优化和模糊决策的多目标厂级负荷优化方法。

背景技术

随着“厂网分开，竞价上网”的逐步实施以及智能电网的发展，新能源得到了大力发展，但火力发电在电网中的核心支柱地位不仅没有改变，反而对其提出了更高要求，即迫切需要厂级负荷优化调度是以安全性、快速性、经济性、环保性等多目标的优化调度而非从前的单目标或双目标优化调度。

厂级负荷优化分配是一个高维数、非凸的、离散的、非线性优化问题，常见电厂负荷优化算法主要为以下几种：

1、传统优化算法

机组间负荷分配的传统方法主要有平均分配法、优先次序法、等微增率法。其中，等微增率法简单明了、使用方便，是目前各国电力实行经济调度的主要方法，效果显著。但等微增率法是建立在古典变分学基础上的，要求总煤耗目标函数为凸严格函数，且对电厂的汽机、锅炉及其不同组合的微增率曲线有严格的精度要求，一般难以满足，从而限制了该算法的应用范围。

2、基于数学规划的优化算法

主要包括线性规划法、动态规划法、非线性规划法、拉格朗日松弛法等。其中，动态规划法既可以避开微增率，对机组的热力特性也无任何要求，因而得到了广泛应用。但动态规划法需全局寻优，用动态模型可以求出最优解，它采用枚举法对每个阶段和每个决策进行比较和计算，故当状态变量的维数变大时存在“维数灾”现象，且全局寻优时具有多个局部最小值，一旦步长选择不当，只能找到次优解。

3、现代智能优化算法

与传统方法的显著区别在于不需要精确的数学模型，允许非线性和不连续性，对目标函数没有特殊的要求。基于这些优势，近年来各种智遗传算法、禁忌算法、模拟退火法、神经网络法和免疫算法被应用在电厂负荷优化方面。综合来看，这些智能算法的优点主要是成本函数不受限制，结构适合以并行处理技术予以实现，可提升其运算效率。缺点是参数决定不易，搜索方向决定不易，搜索最优解的时间过长，且经常过早收敛至次优解。

目前，国内厂级负荷优化分配的研究，仍然主要围绕着基于煤耗特性曲线的经济最优化的算法改进上。然而，随着电力市场的发展，用电需求不断变化，电网峰谷差持续加剧，环境污染问题的日益突出，新能源的加入又提高了对火电机组参与调峰等快速性的要求，经济性不再是衡量火电厂性能的唯一标准，反映经济性、环保性、快速性的多目标厂级负荷优化分配受到广泛关注。

发明内容

本发明的目的在于，提供一种基于免疫优化和模糊决策的多目标厂级负荷优化方法，用于解决现有火电厂厂级负荷优化分配方法存在的问题。

为了实现上述目的，本发明提出的技术方案是，一种基于免疫优化和模糊决策的多目标厂级负荷优化方法，其特征是所述方法包括：

步骤1：分别建立火电厂煤耗量模型、完成分配的负荷所需耗时模型和氮氧化物排放量模型；

所述火电厂煤耗量模型为minF=min{Σi=1N(aiPi2+biPi+ci)};]]>其中，F为火电厂煤耗量，P_i为火电厂第i台机组的有功功率，a_i、b_i和c_i分别为火电厂第i台机组的煤耗特性参数；