仿生型算法和人工智能方法在發(fā)電廠群優(yōu)化運(yùn)行中的應(yīng)用研究.pdf

1、提高電力工業(yè)能源轉(zhuǎn)換效率，減少污染排放，實(shí)現(xiàn)電力市場環(huán)境下發(fā)電廠（群）安全、經(jīng)濟(jì)、高效運(yùn)行，是我國電力工業(yè)迫切需要研究的重大課題。本文以電力系統(tǒng)負(fù)荷預(yù)測、市場出清電價(jià)預(yù)測、水庫徑流預(yù)測和發(fā)電廠（群）優(yōu)化運(yùn)行為研究對象，對預(yù)測方法、數(shù)學(xué)模型、求解算法和優(yōu)化運(yùn)行策略等關(guān)鍵技術(shù)進(jìn)行了系統(tǒng)研究。
　　進(jìn)行了電力市場環(huán)境下短期負(fù)荷變化規(guī)律和影響因素的研究，給出了負(fù)荷、電價(jià)相似度劃分準(zhǔn)則，得出了影響短期負(fù)荷突變的主要因素，提出7種新型粒子群仿

2、生型算法，建立了與神經(jīng)網(wǎng)絡(luò)結(jié)合的4種短期負(fù)荷智能預(yù)測模型和組合預(yù)測模型，提出了自適應(yīng)變尺度粒子群仿生型算法求解時(shí)變權(quán)重組合預(yù)測模型的方法，解決了常規(guī)預(yù)測方法精度不高的難題。
　　開展了多因素影響下市場出清電價(jià)的變化機(jī)理與規(guī)律研究，得出了電價(jià)變化的周期性、相似性、差異性、突變性和隨機(jī)性規(guī)律，指出負(fù)荷是影響短期電價(jià)突變的直接因素，溫度、濕度、降雨和風(fēng)是主要因素。提出了自適應(yīng)粒子群、彈性自適應(yīng)人工魚群和動(dòng)態(tài)調(diào)整蟻群仿生型算法，建立了與神

3、經(jīng)網(wǎng)絡(luò)結(jié)合的4種短期電價(jià)智能預(yù)測模型和組合預(yù)測模型，研究了自適應(yīng)變尺度遺傳算法求解組合預(yù)測模型的方法。解決了傳統(tǒng)電價(jià)預(yù)測模型需要將工作日和周末電價(jià)單獨(dú)建模的問題，解決了一般預(yù)測方法對“價(jià)格釘”預(yù)測敏感性差的問題，所提出的智能預(yù)測模型和組合預(yù)測模型可顯著提高電價(jià)和“價(jià)格釘”的預(yù)測精度。
　　開展了漢江流域徑流變化機(jī)理與規(guī)律研究，得出了徑流的分布、變化和周期性規(guī)律，建立了動(dòng)態(tài)調(diào)整粒子群-霍爾特模型、動(dòng)態(tài)調(diào)整蟻群-神經(jīng)網(wǎng)絡(luò)模型、自適應(yīng)人

4、工魚群-BP神經(jīng)網(wǎng)絡(luò)模型、模糊神經(jīng)網(wǎng)絡(luò)-馬爾科夫模型及其組合預(yù)測模型。解決了漢江流域徑流預(yù)測精度不高的難題;利用自適應(yīng)變尺度蟻群算法求解最優(yōu)權(quán)重組合預(yù)測模型，解決了非線性組合預(yù)測模型權(quán)重系數(shù)難以求解的問題，提高了求解效率和預(yù)測精度。
　　在短期電力負(fù)荷、市場出清電價(jià)和水庫徑流預(yù)測的基礎(chǔ)上，建立了電力市場環(huán)境下單一水電站一元目標(biāo)非線性優(yōu)化運(yùn)行模型、梯級水電站群二元目標(biāo)優(yōu)化運(yùn)行模型、火電站（群）三元目標(biāo)優(yōu)化運(yùn)行模型和水、火電站群多元目