基于免疫优化和模糊决策的多目标厂级负荷优化方法

摘要

本发明公开了节能发电技术领域中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。包括：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；确定火电厂各机组的煤耗特性参数、当前承担负荷、允许负荷变化速率和氮氧化物排放特性系数；确定模型的约束条件，包括有功功率的上下限约束条件和平衡约束条件；采用免疫多目标算法求取火电厂各机组的有功功率、火电厂煤耗量、火电厂完成分配的负荷所需耗时和火电厂氮氧化物排放量的解集；从解集中选择出最优解作为火电厂各机组的输出功率。本发明将免疫多目标算法应用于多目标厂级负荷分配问题，根据模糊决策理论决策出电厂机组最优功率分配方案，计算过程更加快速准确。

主权项

1.一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$\min F=\min \left\{\underset{i=1}{\overset{N}{\Sigma }}(a_i{P}_i^2+b_i{P}_i+c_i)\right\};$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；所述火电厂完成分配的负荷所需耗时模型为minT=min{max(|P_i-P_inow/v_i|)}；其中，T为火电厂完成分配的负荷所需耗时，P_inow为火电厂第i台机组当前承担负荷，v_i为火电厂第i台机组的允许负荷变化速率；所述火电厂氮氧化物排放量模型为$\min E=\min \left\{\underset{i=1}{\overset{N}{\Sigma }}({\alpha }_i{P}_i^3+{\beta }_i{P}_i^2+{\gamma }_i{P}_i+{\lambda }_i)\right\};$其中，E为火电厂的氮氧化物排放量，α_i、β_i、γ_i和λ_i分别为火电厂第i台机组的氮氧化物排放特性系数；上述三个模型中，i=1,2,...,N，N为火电厂的机组总数；步骤2：确定火电厂各机组的煤耗特性参数、当前承担负荷、氮氧化物排放特性系数和允许负荷变化速率；步骤3：确定上述模型的约束条件，所述约束条件包括有功功率上下限约束条件和有功功率平衡约束条件；其中，所述有功功率上下限约束条件为P_i,min≤P_i≤P_i,max，P_i为火电厂第i台机组的有功功率，P_i,min为火电厂第i台机组的有功功率的下限，P_i,max为火电厂第i台机组的有功功率的上限；所述有功功率平衡约束条件为P为火电厂的总有功功率；步骤4：采用免疫多目标算法求取火电厂各机组的有功功率、火电厂煤耗量、火电厂完成分配的负荷所需耗时和火电厂氮氧化物排放量的解集；步骤5：从火电厂各机组的有功功率、火电厂煤耗量、火电厂完成分配的负荷所需耗时和火电厂氮氧化物排放量的解集中选择出最优解作为火电厂各机组的输出功率。