[发明专利]基于改进遗传算法的抽汽供热机组热电负荷分配优化方法

摘要

基于改进遗传算法的抽汽供热机组热电负荷分配优化方法，属于发电厂节能监测技术领域。本发明为了实现电厂多台供热机组热电负荷分配优化，使电厂的电负荷、热负荷在满足用户需求的同时能够最优分配，并减少总能耗达到节能的目的。设置机组实际热耗和耗差曲线，得到机组设计热耗曲线；获取各个机组的电负荷和抽汽量；基于改进遗传算法求出满足所有机组的总热耗值最小时的各台机组的电负荷和抽汽量值：通过改进遗传编码和适应度函数，遗传算法的选择、交叉、变异操作，使优化过程在满足约束条件的情况下，输出满足所有机组的总热耗值最小时的各台机组的电负荷和抽汽量值最优解和相应的最小总热耗。本方法提高了优化过程的速度和优化结果的准确性。

主权项

1.一种基于改进遗传算法的抽汽供热机组热电负荷分配优化方法，其特征在于：所述方法的具体过程为：步骤一、设置机组实际热耗曲线：根据试验得到每台机组的实际热耗曲线；所述实际热耗曲线是指以功率P和抽汽量为Q为自变量，热耗值R为因变量的一族曲线，即第1台机组：R₁＝f(P₁，Q₁)；第2台机组：R₂＝f(P₂，Q₂)；……第n台机组：R_n＝f(P_n，Q_n)；步骤二、设置机组耗差修正曲线，确定机组耗差修正总系数θ_i，i为机组编号，i＝1，2，…，n，n表示机组数目：基于冷凝器背压、主蒸汽压力、主蒸汽温度、再热压力、再热蒸汽温度、给水温度这六个因素偏离设计值时都会对热耗产生影响，然后根据厂家提供或电厂的耗差修正曲线查得每台机组的各个影响因素的热耗修正系数Δ_1iΔ_2iΔ_3i…Δ_6i，Δ_1iΔ_2iΔ_3i…Δ_6i分别为每台机组的冷凝器背压、主蒸汽压力、主蒸汽温度、再热压力、再热蒸汽温度、给水温度的热耗修正系数；令θ_i＝Δ_1iΔ_2iΔ_3i…Δ_6i；步骤三、得到机组设计热耗曲线：根据每台机组耗差修正总系数θ_i对机组实际热耗进行修正得到机组设计热耗曲线，各台机组的设计热耗曲线为：第1台机组：R₁＝θ₁·f(P₁，Q₁)；第2台机组：R₂＝θ₂·f(P₂，Q₂)；……第n台机组：R_n＝θ_n·f(P_n，Q_n)；步骤四、获取各个机组的抽汽量Q_i(用其表征热负荷)和电负荷P_i：先测 得各个机组的抽汽量Q_i和电负荷P_i，然后通过步骤三所述的机组设计热耗曲线得到相应的热耗R_i，i∈[1，n]，得到电厂n台机组的电负荷分别为P₁，P₂，…，P_n，抽汽量分别为Q₁，Q₂，…，Q_n，热耗值为R₁，R₂，…，R_n，n为机组数目；优化的目的是得到使所有机组的总热耗值最小时的P₁，P₂，…，P_n，Q₁，Q₂，…，Q_n的分配方案，其中目标函数为：设定约束条件：第一个约束条件为：Q_z＝Q₁+Q₂+…+Q_n＝const，P_z＝P₁+P₂+…+P_n＝const    (2)即所有所有机组的总抽汽量Q_z和总电负荷P_z分别为常数；第二个约束条件为：Q_i∈(Q_imin，Q_imax)，P_i∈(P_imin，P_imin)    (3)即每台机组的最大最小电负荷分别为：P_1min，P_1max；P_2min，P_2max；…；P_nmin，P_nmax；最大最小抽汽量分别为Q_1min，Q_1max；Q_2min，Q_2max；…；Q_nmin，Q_nmax)；步骤五、基于改进遗传算法求出满足所有机组的总热耗值最小时的各台机组的电负荷和抽汽量值：具体过程如下，1、初始种群设定用2n×m的矩阵则能表示初始种群：m为设定的个体数目，抽汽量Q_i和电负荷P_i均为满足第二个约束条件的随机数；上述初始种群采用满足第二个约束条件的约束编码的形式构造； 对上述初始种群中前(n-1)个机组的电负荷和抽汽量进行满足第二个约束条件的约束编码，而最后一个机组通过下式计算：这样即可得到所有机组满足第一个约束条件和前(n-1)个机组满足第二约束条件的初始种群：上式第n台机组为满足其电负荷最大值与最小值之差最大并且最大热负荷与最小热负荷不等的机组，即：P_nmax-P_nmin＞P_imax-P_iminQ_nmax-Q_nmin≠0P_nmax，P_nmin表示被选出来的第n台机组的最大电负荷与最小电负荷；P_imax，P_imin表示剩余机组的最大电负荷和最小电负荷；Q_nmax，Q_nmin表示被选出来的第n台机组的最大热负荷与最小热负荷。