基于混合智能算法的火电厂机组灵活发电控制策略研究

发布时间：2023-02-15 08:48

　　本文主要是利用混合算法的思路来弥补单一算法在求解能力上的不足,通过混合人工蜂群算法和蚁群算法来提高人工蜂群算法的学习能力,保留其较好的搜索能力,以便于更好的利用于多目标规划下的优化厂级负荷分配问题中的。文中以某具有三台机组的电厂作为研究对象,采用的混合智能算法的性能也经过某具有十台机组的电厂进行验证。灵活控制策略主要指的是建立决策库来进行辅助负荷分配的决策过程。所谓的灵活控制策略主要从两个层面进行,一是要解决多目标优化下的厂级负荷分配难题,通过对群体智能算法的学习,提出一种综合了蚁群算法和人工蜂群算法的混合智能算法,大幅提高了算法的搜索能力和寻优能力。二是针对多目标动态规划问题中的权重系数进行深入研究,使用层次分析法确定权重系数,并设计相关备选方案,通过仿真计算验证方案的可行性和准确性。研究结果显示,与传统的单一智能算法相比,本文提出的蚁群-人工蜂群混合智能算法在收敛速度和搜索能力等方面均有更好的表现能力,能够为电厂负荷分配的决策提供更加科学的参考。通过对比几种不同权重系数分配的方案,可以体现控制策略的灵活性特性,仿真结果与方案设计相符合,证明了方案的可靠性和准确性。该结果表明采用混合...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状及发展动态
    1.3 主要研究内容
    1.4 本文创新点
第2章 基本控制策略分析
    2.1 引言
    2.2 热力发电厂负荷分配的研究
        2.2.1 热负荷分配方案
        2.2.2 电负荷的分配方案
    2.3 厂级自动发电控制模式
        2.3.1 控制形式的研究
        2.3.2 控制策略研究
    2.4 基于灵活性策略的权重系数分析
    2.5 本章小结
第3章 混合智能算法的研究
    3.1 算法概述
        3.1.1 蚁群算法
        3.1.2 人工蜂算法
        3.1.3 混合智能算法
    3.2 算法流程
        3.2.1 蚁群算法
        3.2.2 人工蜂群算法
        3.2.3 混合智能算法
    3.3 性能测试
        3.3.1 仿真结果
        3.3.2 收敛速度和求解时间的比较
    3.4 本章小结
第4章 混合智能算法在灵活发电策略中的应用
    4.1 引言
    4.2 多目标优化下的厂级负荷分配问题建模
        4.2.1 能耗特性基本曲线
        4.2.2 建模约束条件分析
        4.2.3 负荷分配目标函数的优化
    4.3 基于智能混合算法的负荷分配
        4.3.1 不同分配模式下的仿真计算
        4.3.2 计算结果比较与分析
    4.4 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献
攻读硕士学位期间发表的论文及其它结果
致谢



本文编号：3743194