基于多目標智能算法的節(jié)能減排發(fā)電調(diào)度研究.pdf

1、本文在節(jié)能減排背景下,綜合考慮最小化機組煤耗量和污染物排放量。提出了基于改進MOPSO算法的多目標負荷調(diào)度模型和基于多目標混合進化粒子群算法的機組組合問題優(yōu)化模型。
　　 基于改進MOPSO算法的多目標負荷調(diào)度模型的設(shè)計思路為:引入半可行域的概念處理約束條件,避免了懲罰因子復(fù)雜的選取過程；采用精英歸檔技術(shù)構(gòu)建外部檔案集和個體非支配解集,提高算法的收斂速度和解的質(zhì)量；采用自適應(yīng)網(wǎng)格法維護外部檔案集,獲得了分布均勻的Pareto前沿

2、；提出了基于半可行域概念的個體極值和全局極值選取規(guī)則。利用該方法對某電廠六臺機組系統(tǒng)進行節(jié)能減排最優(yōu)負荷調(diào)度,獲得了分布良好的Pareto最優(yōu)解,有效降低了系統(tǒng)煤耗和污染物排放量,分析結(jié)果驗證了該方法的有效性和可行性。
　　 基于多目標混合進化粒子群算法的機組組合問題優(yōu)化模型將多目標機組組合優(yōu)化問題,轉(zhuǎn)化為機組運行狀態(tài)0-1整數(shù)規(guī)劃和多目標負荷調(diào)度連續(xù)變量規(guī)劃二層子問題,分別采用MOEA和改進MOPSO算法加以求解。設(shè)計思路包括

3、:啟發(fā)式方法生成初始種群,有效提高算法收斂速度；對外部檔案集個體進行非劣排序,采用基于非劣排序的輪盤賭法選擇父代個體繁殖后代,保留了種群中的較好個體；采用行交叉和列交叉的方法對種群進行交叉操作,提高進化算法的探索能力；在變異操作中,考慮了開機過多情況下關(guān)停小機組,提高了算法的收斂速度；采用改進自適應(yīng)網(wǎng)格法維護外部檔案集；應(yīng)用改進MOPSO算法求解多目標負荷調(diào)度問題,同時引入并行計算概念,將求解多個個體的多目標負荷調(diào)度問題并行化,大幅提升