发电机的优化调度
电力系统优化调度
电力系统优化调度随着社会的发展和人民生活水平的提高，对电力供应的需求日益增加。
电力系统作为现代社会必不可少的基础设施，承担着保障电力供应的重要任务。
为了实现电力系统的高效运行，电力系统优化调度变得至关重要。
本文将探讨电力系统优化调度的意义、方法和挑战。
一、电力系统优化调度的意义电力系统优化调度是指根据电力系统的负荷需求和发电资源等因素，合理地安排各个电源单元的出力，以实现电网稳定运行和资源的最优利用。
优化调度的核心目标是在保证电供可靠的前提下，最大程度地降低电力系统的总体成本，提高系统的经济效益。
首先，优化调度能够提高电力系统的供应可靠性和稳定性。
通过合理调度电源单元的出力，可以保证系统在任何负荷情况下都能满足用户的用电需求。
此外，优化调度还可以有效避免电力系统出现电压波动、频率偏离等问题，确保电网的稳定运行。
其次，优化调度可以实现电力资源的最优利用。
电力系统中的发电资源种类繁多，包括火力发电、水电、风电、太阳能等多种形式。
通过优化调度，可以合理安排不同类型的电源单元，使各种能源资源得到充分利用，提高整个系统的能源利用效率。
最后，优化调度对于降低电力系统的总体成本具有重要意义。
电力系统中的成本主要包括燃料成本、运行维护成本和环境排放成本等。
通过合理安排发电单元的出力，可以有效降低燃料成本和运行维护成本，减少环境排放，提高电力系统的经济效益。
二、电力系统优化调度的方法电力系统优化调度是一个复杂的问题，需要综合考虑多个因素。
传统的优化调度方法主要包括基于经验的调度和基于模型的调度。
基于经验的调度方法是基于调度员多年的工作经验，结合实时监测数据和历史数据，来做出决策。
这种方法简单直接，但是主观性较强，容易受到人为因素和个人偏好的影响。
而且，随着电力系统规模的不断扩大，传统的经验调度已经很难适应现代电力系统的要求。
基于模型的调度方法是通过建立电力系统的数学模型，利用计算机进行调度策略的优化。
这种方法需要充分考虑电力系统的各种约束条件和目标函数，例如发电能力、负荷需求、输电线路容量等。
大型燃煤火力发电机组调峰优化控制技术
第42卷,总第243期2024年1月,第1期《节能技术》ENERGY CONSERVATION TECHNOLOGYVol.42,Sum.No.243Jan.2024,No.1 大型燃煤火力发电机组调峰优化控制技术李 阳,周迎迎(河南平煤神马东大化学有限公司,河南 开封 475000)摘 要:调峰优化控制可以使得电网的源荷供需处于平衡状态,对提高火力发电机组调峰的稳定性至关重要。
为此,提出一种大型燃煤火力发电机组调峰优化控制技术。
构建爬坡压力缓解的目标函数,通过对火电机组、失负荷、储能以及光伏发电进行约束,以缓解爬坡压力。
构建火力发电机组调峰优化控制的目标函数,结合火力发电机组在运行功率、功率平衡、启停机时间等方面的约束,实现了大型燃煤火力发电机组的调峰优化控制。
实验结果表明,文中技术能够缓解大型燃煤火力发电机组的爬坡压力,优化了响应速度。
通过所提技术的调峰优化实现了火力发电稳定运行,顺利完成调峰任务。
关键词:火力发电机组;源荷平衡;爬坡压力;优化控制;燃煤机组;调峰优化中图分类号:TM743 文献标识码:A 文章编号:1002-6339(2024)01-0077-05 Optimal Control Technology of Peak Shaving for Large Coal-firedThermal Power Generating UnitsLI Yang,ZHOU Ying-ying(Henan Pingmei Shenma Dongda Chemical Co.,Ltd.,Kaifeng475000,China)Abstract:Peak shaving optimization control can balance the supply and demand of power grid sources and loads,which is crucial for improving the stability of peak shaving of thermal power generation units. Therefore,a peak shaving optimization control technology for large coal-fired power generation units is proposed.Build an objective function for relieving climbing pressure by constraining thermal power units, load loss,energy storage,and photovoltaic power generation to alleviate climbing pressure.The objective function of peak shaving optimization control for thermal power generation units was constructed,and combined with the constraints of thermal power generation units in terms of operating power,power bal⁃ance,startup and shutdown time,the peak shaving optimization control for large coal-fired thermal pow⁃er generation units was achieved.The experimental results show that the technology in the article can al⁃leviate the climbing pressure of large coal-fired power generation units and optimize the response speed. Through the peak shaving optimization of the proposed technology,stable operation of thermal power gen⁃eration was achieved and the peak shaving task was successfully completed.Key words:thermal power generating set;source-load balance;climbing pressure;optimal control; coal-fired units;peak shaving optimization收稿日期 2023-06-01 修订稿日期 2023-08-10作者简介:李阳(1991~),女,本科,工程师,研究方向为化工环保。
火力发电站电力调度
火力发电站电力调度火力发电站是一种利用化石燃料等能源通过燃烧产生热能，再转化为机械能，最终通过发电机发电的装置。
火力发电站的运营和管理离不开电力调度，它是确保电力供应稳定的重要环节。
一、电力调度的作用和意义电力调度是指根据系统负荷、供电能力以及风、光等可再生能源情况，通过调控火力发电机组的出力和备用机组的运行，保持电力系统的运行稳定。
它的作用和意义主要体现在以下几个方面：1. 确保电力供应的稳定性：电力调度通过合理安排火力发电机组的出力，保证电力系统能够满足各个时段的负荷需求。
在负荷波动较大的情况下，电力调度可以及时采取措施，保障电力供应的稳定性。
2. 提高电网的可靠性：电力调度及时了解电力系统的运行状况，对发电机组进行监控，并做好预防性维护工作，以减少停机事故的发生，提高电网的可靠性。
3. 优化火力发电机组的经济性：电力调度根据市场价格和供需情况，合理安排火力发电机组的出力，以保证电力供应的同时，降低供电成本，提高火力发电的经济效益。
二、电力调度的流程和方法电力调度的流程通常包括观测和监控、数据分析、计划编制、实施和评估等环节。
其中，数据分析是电力调度的关键，主要包括以下几个方面：1. 负荷预测：通过历史负荷数据、天气预报、就业产业状况等信息，对未来一段时间的负荷进行预测。
这样可以提前做好发电机组的调度安排，确保电力供应的稳定。
2. 供电能力评估：根据火力发电机组的容量、可靠性和可用性等指标，对发电机组的供电能力进行评估。
这有助于制定合理的调度计划，确保电力系统的可靠性和安全性。
3. 风、光等可再生能源的考虑：随着可再生能源的不断发展和应用，电力调度还需要考虑风、光等可再生能源的供应情况。
在调度时，需要根据可再生能源的特点和变化情况，合理调度火力发电机组的出力。
4. 电力市场的参考：电力调度还需要参考电力市场的需求和价格情况。
通过合理分配电力资源，实现市场优化配置，提高火力发电的经济效益。
三、火力发电站电力调度的挑战和应对火力发电站电力调度面临着一些挑战，主要包括火电装机过剩、电力市场竞争激烈以及环境保护的压力。
电力系统中的潮流分析与优化调度
电力系统中的潮流分析与优化调度第一章概述电力系统是现代社会运行的重要基础设施之一，其稳定运行对保障经济发展和社会稳定至关重要。
潮流分析与优化调度是电力系统运行和规划中的关键环节，通过对电力系统潮流进行准确分析和优化调度，可以有效保障电力系统的可靠运行和经济运行，提高电能利用效率和供电质量。
第二章潮流分析2.1 潮流方程潮流分析的基础是潮流方程，它描述了电力系统中电流、电压和功率之间的关系。
潮流方程是一组非线性方程，可以通过牛顿-拉弗森法或高斯-赛德尔法等迭代算法求解。
2.2 网络模型电力系统可以用网络模型来描述，常见的网络模型包括节点模型和支路模型。
节点模型以节点电压为变量，支路模型以支路电流为变量，通过节点间的功率平衡关系和支路阻抗等参数来建立电力系统的潮流模型。
2.3 潮流计算潮流计算是对电力系统进行潮流分析的关键步骤。
通过对潮流方程进行求解，可以得到电力系统中各节点的电压、相角和功率等信息。
常用的潮流计算方法包括迭代法、直接法和快速解法等。
第三章优化调度3.1 优化目标优化调度的目标是通过合理配置电力系统中的发电机、变压器和负荷等设备，使得电力系统在满足电力需求的同时，实现经济性、可靠性和环境友好性的统一。
其中经济性是优化调度的主要目标，包括降低发电成本、减少线损和提高电能利用效率等方面。
3.2 优化方法优化调度可以采用各种优化算法和调度策略。
常见的优化方法包括线性规划、整数规划、动态规划和遗传算法等。
调度策略包括负荷预测、发电机组合优化、输电网优化和电能质量控制等。
3.3 调度实施优化调度的实施需要考虑电力系统的实际运行情况和各种限制条件。
调度实施包括调度执行、数据采集和监控等环节，通过对电力系统运行情况的监测和调度命令的下达，可以实现优化调度方案的准确实施。
第四章实例分析通过对具体电力系统的潮流分析和优化调度实例进行分析，可以更好地理解和应用潮流分析与优化调度技术。
本章将以某地区电力系统为例，分析该电力系统的潮流特性和优化调度需求，并设计相应的优化调度方案。
百万千瓦发电机组协调控制策略分析与优化
百万千瓦发电机组协调控制策略分析与优化摘要：随着新能源应用规模的逐步扩大，风力发电和太阳能发电所占比重不断增加。
新能源燃料成本极低，能够承担一部分传统负荷，降低电力系统运行成本，由于新能源功率输出具有随机性、间歇性的特点，对电力系统的功率平衡产生了一定程度的影响，因此电力系统必须保留一部分扩展容量，以平衡电源输出功率的波动，保证新能源既承担传统负荷，又保证了电力系统的可靠性。
关键词：发电机组；协调控制；分析；优化引言电力供需监测信息显示，随着江河汛、枯来水流量变化以及煤炭产量、价格等因素的变化，导致水电、火电发电机组出力也随之变化，进而使得电网电力供求形势发生较大震荡，电网在低谷阶段的负荷甚至只有高峰阶段的40%左右，在供大于求的阶段为保障电网安全运行，机组负荷时常被安排在较低负荷运行，偏离设计工况较多，对机组运行经济性带来较大影响。
因此做好机组低负荷时段的经济运行应对措施，对于促进发电企业开展生产精益化管理、提高市场竞争力来说有着重要意义。
1协调控制系统协调控制系统将锅炉和汽轮发电机作为整体来进行控制，协调锅炉控制系统与汽轮发电机控制系统的工作，以消除锅炉和汽轮发电机在动态特性方面的差异，使机组既能够适应电网的负荷变化，又能够保证安全稳定经济运行。
协调控制系统回路主要包括负荷指令处理回路、汽轮发电机主控回路、锅炉主控回路和相关子回路。
为适应机组大范围变负荷，增强对变负荷的适应能力，协调控制系统以间接能量平衡控制为主，同时增加其它必要的调节手段，如热值修正自适应参数控制策略等，提高协调控制系统在各种工况下对不同煤质状况的适应性。
2风力发电机组的部件目前最新的技术所呈现出的风力发电机组机型包含三种类型，分别是定桨距失速型机组、全桨叶变距型机组以及基于变速恒频技术的变速型机组。
三种基础类型虽然有所不同，但是都采用三叶片和水平轴的叶轮结构。
布局上一般会安放在上风向位置，风车舱内的机械结构需要按照轴线的位置来进行逐一的设计。
可再生能源发电系统的调度与优化
可再生能源发电系统的调度与优化一、引言随着全球能源需求的不断增长，传统能源资源的枯竭和环境污染问题日益凸显。
可再生能源作为一种清洁、可持续的能源形式，正在得到越来越广泛的关注和应用。
可再生能源发电系统的调度和优化，对于提高能源利用效率、降低发电成本以及保障电网的可靠性具有重要意义。
二、可再生能源发电系统概述1. 可再生能源发电系统的定义可再生能源发电系统是指利用天然资源（如太阳能、风能、水能等）进行发电的系统，这些资源具有可再生性和低排放的特点。
2. 可再生能源发电技术（1）太阳能光伏发电技术：通过将太阳能转化为直接电能，实现发电。
（2）风能发电技术：利用风力驱动风机转子转动，产生机械能并通过发电机将其转化为电能。
（3）水能发电技术：利用水流的动能或水的潜能转变为机械能，再通过发电机转化为电能。
三、可再生能源发电系统调度1. 调度概述可再生能源发电系统调度是指根据电力市场需求、天气预报和发电设备性能等因素，合理安排可再生能源发电机组的运行方式和时间，以实现电网供需平衡。
2. 调度任务（1）发电机组调度：根据发电机组的技术指标和电力市场需求，合理安排发电机组的发电容量和运行时间。
（2）储能系统调度：利用储能系统的电能存储功能，调整发电机组的出力波动，提供电网调频和峰谷平衡服务。
（3）电力市场交易：将可再生能源发电系统的余电或储能系统的储能以市场化方式进行交易，提高系统运行效率。
四、可再生能源发电系统优化1. 优化目标（1）经济性：降低发电成本，提高发电效率。
（2）可靠性：保证电能供应的稳定性和可靠性。
（3）可持续性：提高可再生能源发电系统的可持续发展水平。
2. 优化方法（1）机器学习算法：利用大数据和机器学习算法对发电系统进行建模和优化，实现对天气预报、负荷预测等因素的精确预测，以优化发电调度。
（2）多目标优化算法：将经济性、可靠性和可持续性等多个目标纳入优化模型，通过权衡不同目标之间的关系，得出最优解。
最优化理论在电力系统调度中的应用
最优化理论在电力系统调度中的应用在电力系统调度中，最优化理论被广泛应用于提高电力系统的运行效率和经济性。
最优化理论通过数学建模和计算方法来寻找最优的调度方案，以最大程度地满足电力系统的供需平衡，提高电力系统的能源利用率和稳定性。
一、最优化理论简介最优化理论是数学和计算机科学中的一个分支，研究如何寻找最优的解决方案。
它的主要方法包括数学规划、动态规划、遗传算法、模拟退火等。
在电力系统调度中，最常用的最优化方法是线性规划和整数规划。
二、电力系统调度的最优化问题电力系统调度是指根据供需情况和各种约束条件，以最优的方式调配电力资源，确保电力系统的安全、稳定、经济运行。
电力系统调度的最优化问题主要包括短期调度和中长期调度。
1. 短期调度短期调度是指对电力系统进行小时甚至分钟级的调度安排，旨在满足实时的电力需求和保持系统的平衡。
在短期调度中，最优化理论可以应用于以下方面：- 发电机出力调度：最优化方法可以确定各个发电机的出力分配，以最小化总发电成本或最大化系统利润。
- 输电网功率分配：最优化方法可以帮助确定输电线路的功率分配，以最大化输电效率。
- 负荷调度：最优化方法可以通过合理分配负荷，以降低系统的负载损耗和功率不平衡。
2. 中长期调度中长期调度是指对电力系统进行日、周、月等较长时间尺度的调度计划，旨在优化电力系统的经济性和可靠性。
在中长期调度中，最优化理论可以应用于以下方面：- 电力市场运营：最优化方法可以帮助市场运营商制定合理的电力市场机制和定价策略，以提高市场效率和竞争性。
- 发电机组扩建规划：最优化方法可以帮助确定新的发电机组扩建方案，以最小化总投资成本和满足系统可靠性要求。
- 新能源消纳规划：最优化方法可以帮助确定可再生能源的优化消纳方案，以最大化可再生能源的利用率。
三、最优化理论的优势和挑战最优化理论在电力系统调度中具有一系列优势，包括：- 提高系统效率：最优化方法可以帮助降低电力系统成本，提高能源的利用效率。
电力系统中基于遗传算法的优化研究
电力系统中基于遗传算法的优化研究电力系统是国家经济发展的重要支柱之一，在电力系统的运行中，随着能量的转化，电力的质量和效率都成为了技术发展中需要优化的方面，因此，在电力系统中运用数学算法进行优化的研究得到了广泛的关注。
遗传算法是其中的一种重要算法，被广泛应用于电力系统中的优化问题，本文将重点阐述电力系统中基于遗传算法的优化研究。
1. 遗传算法简介遗传算法是模拟生物进化过程的一种计算方法，其基本模型由基因、染色体、适应度函数三部分组成。
基因是代码片段，编码了个体某一特定性状的信息。
染色体就是基因的集合，它代表了个体的一个完整的基因组，该染色体的变化是在演化过程中发生的。
适应度函数是用来评价个体之间优劣程度的函数，即在演化过程中，它的值能够反映个体对问题的适应性。
遗传算法通过复制、交叉、变异和选择这四个基本遗传操作，在各个群体中产出新的个体，使得良好的个体逐渐趋于优化。
2. 电力系统的研究优化问题电力系统中的优化问题是一个多目标的问题，与电力运行的安全性、经济性、环境保护等方面有关。
电力系统的问题主要包括发电机组的优化调度、电力质量的优化和电力的节约等方面。
2.1 发电机组的优化调度电力系统中的发电机组是整个系统的核心，其调度优化能否合理，直接影响到电力系统的质量和效率。
在发电机组的调度中，可以利用遗传算法来进行优化调度。
通过适当的传递优良特性的基因，使新的个体逐步趋于优良，不断优化，求得最优解。
2.2 电力质量的优化电力质量问题在电力系统内已经成为一个关键问题。
电力质量的优化主要是指在电力三相不平衡、电压闪变、频率跳变、电力谐波、电磁干扰等方面对电力质量进行有效的控制。
在优化过程中，可以利用遗传算法对问题进行分析和解决。
2.3 电力的节约在电力系统中，节约电力成为了一个重要课题。
通过遗传算法对于能源中节能的部分进行充分的探讨，能更好的研究和利用电力系统的优化问题。
3. 遗传算法在电力系统中的应用目前，在电力系统领域中，遗传算法已经被广泛应用，下面将分别介绍其在发电机组的优化调度、电力质量的优化和电力节约等方面的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
发电机的优化调度何敏洪1 郑碧珍2 任冠峰11. 韶关学院2002级数学系数学与应用数学班，广东韶关5120052. 韶关学院2001级数学系数学与应用数学(1)班，广东韶关512005[摘要]:本文探讨的是如何在满足负荷要求的条件下，寻求一种最佳的机组组合方案，使得发电总费用最低。
我们以一天为周期，由于一天中不同时段的电力负荷不同，所以应考虑到开停机的情况，于是我们以各个时段发电总费用的叠加为目标函数，在满足负荷要求和机组特性的条件下，使目标函数值最小建立发电机组经济组合模型。
然后以模型二的2条原则用MATLAB 编程求得总费用为996042.8. 各时段的费用分别为,210300,2.239667,156300,1296004321====C C C C .6.2601755=C 根据各时段的费用设置利率就可以算得各时段的电费定价。
另外，模型二的2条原则给出了三类机组在各种状态下的优先级，基于优先级进行调度，这个模型较好地解决了在已知负荷改动或发电机检修情况下，能迅速得出新的调度方案。
关键词：经济组合模型；优先级；盈利率.1 问题的提出电能作为现代社会中的主要能源，其生产、分配与国民经济各部门和人民生活有着极为密切的关系，乃至于在经济、生活着起支柱作用。
电能不能大量存储的特点注定了对于电能的生产安排必须满足于负荷的要求，即在一定的负荷条件下，如何安排电能的生产，这就提出了发电机调度问题，而在经济的要求下，就要涉及到发电机组的优化组合问题。
2 模型的假设1 不考虑机组间的相互影响，各机组独立运行.2 各时段电力负荷稳定，负荷增加不超过15%.3 电力生产在任何时刻满足“发电机组发电功率=负荷功率”.4 调度时，每台发电机都具备开或停的能力，且有足够的机供调度.5 发电机检修时须停机，即不生产电力.6 开关发电机的时间都在一个时段末或下个时段初.7 各发电机的开关都在同一时刻完成.3 符号的约定（下列符号中的j i ,均为1,2,3.j .5,,2,1== i ）i T 一天中负荷不同的5个时段中的第i 个时段长度（单位：小时） i C 第i 时段的发电费用j C 第j 类型发电机在最低水平每小时费用 ⎪⎪⎪⎭⎫ ⎝⎛=300026001000Cj g 第j 类型发电机每兆瓦每小时费用 ⎪⎪⎪⎭⎫ ⎝⎛=33.12gj S 第j 类型发电机的开动费用 ⎪⎪⎪⎭⎫ ⎝⎛=50010002000Sj m in P 第j 类型发电机运行发电的最低水平 (单位：ＭＷ) ⎪⎪⎪⎭⎫⎝⎛=150********Pj P m ax 第j 类型发电机运行发电的最高水平(单位：ＭＷ) ⎪⎪⎪⎭⎫ ⎝⎛=400017502000Pij P 第i 时段第j 类型发电机的实际运行功率 ij n 第i 时段第j 类型发电机的运行台数 j N 第j 型发电机的总台数i M 第i 时段电力负荷要求(单位：ＭＷ)η负载增量()%15=η4 模型的建立4.1 模型一：发电机组经济组合模型我们以一天为周期来考虑，以各时段发电费用叠加为目标，ij ij P n ,为决策变量建立如下模型：为方便计算，我们引入下列符号关系：()3,,1.5,,1,0,1,1,6,,1,,1 ===⎩⎨⎧≤=++j i n n n n n n f j j j i j i j i j i建立目标函数和约束条件：()()[]∑∑∑∑==+==⎭⎬⎫⎩⎨⎧⎥⎦⎤⎢⎣⎡⋅-⋅+⎭⎬⎫⎩⎨⎧⋅-+⋅⋅31j 51,,151i 31min min f n n S g P P C n T i j i j i j j j j ij j ij i()()⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧==≤≤≤≤≤≤≤≤+⨯≥⋅=⋅∑∑==3,2,1 .5,,2,10001 ..332211max min 31max 31j j i Nn N n Nn P P P M P n M P n t s i i i jij j i j j ij iij ij 其中η 4.2 模型二原则1：各类机组同时运行的功率分配原则下图是用MATLAB 编程做出的各类机组运行中的不计开机费时的单位功率每小时平均费用曲线：（程序见附录3）由曲线可看出，当1，2，3类机同时运行时，1类机组的优先级最高，2类机次之，3类机最低。
原则2：基于经济性优先级的开机选择原则设q P 为缺额的功率，vj C 是缺额时在T ∆内单位功率平均每小时平均费用，则 (1) . 24,max min 时当≠∆≤≤T P P P q ()TP S T P p g T C C q jj q j j vj ∆⨯+∆⨯-⨯+∆⨯=min(2) . 24,min 时当≠∆T P P q记(),,,,0min 0'平表示其原来运行功率水类机组表示第k q j k k P k k j k P P P P ≠--=,,min '水平类机组功率下降后运行时类机组运行与就表示在启动第k P j P j k ()()则时的每小时费用类机组功率为表示,min k j k j j k k P k P P g C P f -⨯+=()()[]TP TP f P f S T C C j k k k k j j vj ∆⨯∆⨯--+∆⨯=min '0.(3) ()().2,1max max 考虑部分，然后将余下的按时，先考虑当P P P q .(4) 的情况就如同原则时当1,24=∆T . 5 模型的求解5. 1 模型一的求解依照上面2条原则，基于优先级将各个时段的情况用MATLAB 编程搜索求解模型一.（部分程序见附录1,2）将求得的5个时段的3类发电机运行台数ij n 写成矩阵形式，实际运行功率ij P 也写成矩阵形式.[]⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=091221012081206120012n ， []⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=0174893915001750162501748918017501625001250P 。
用MATLAB 求得的各时段的费用为：6.293175,242300,2.269667,180300,153600'5'4'3'2'1=====C C C C C再减去已经开动发电机的开动费用即为各时段的实际成本.129600200012'11=⨯-=C C , 156300200012'22=⨯-=C C , .6.260175 ,210300 ,2.2396671000620001254'33===⨯-⨯-=C C C C5.2 边际费用的求解假设电力生产公司的盈利率%20=λ，则各时段的电价i r 为：()λ+⨯=1iii M C r .563.11 ,309.6 ,504.11 ,252.6 ,368.1054321=====r r r r r6 模型的评价在求解模型一时，程序将状态变量离散点存储在计算机中，占用了很大内存，增加了程序运行时间，但还是求得了令人满意的结果。
模型二的2个原则简洁、直观地确定了机组优先级，更主要的是在负载改动或发电机检修时不用重新全局计算，只需在条件允许的情况下，迅速完成发电机组优化组合和调度任务。
参考文献：[1].MATLAB6.5辅助优化计算与设计. 北京.电子工业出版社.2003.1 [2].萧树铁等. 数学实验. 北京.高等教育出版社. 1999.7 [3].何仰赞等. 电力系统分析. 湖南.华中科技大学出版社.2002.3 附录1%第二时段的程序 tic,clear,clc B1=[];B2=[];B3=[]; for p1=850:2000 for j=2:10for p2=1250:1750if 12*p1+j*p2-30000==0 & 12*2000+j*1750>=30000*1.15 B1=[B1,p1];B2=[B2,j];B3=[B3,p2];[12,p1,j,p2]; endendendendfor j0=1:length(B1)C(j0)=2000*12+1000*3*12+(B1(j0)-850)*6*12+1000*B2(j0)+2600*3*B2(j0) +(B3(j0)-1250)*3.9*B2(j0);endmin_c=C(1);for j1=1:length(B1)if C(j1)<min_cmin_c=C(j1);j2=j1;endendB4=[12,B1(j2),B2(j2),B3(j2),min_c]time=toc附录2%第四时段的程序tic,clear,clcD1=[];D2=[];D3=[];for p1=1300:2000for p2=1250:1750for p3=1500:2000if 12*p1+10*p2+2*p3==40000D1=[D1,p1];D2=[D2,p2];D3=[D3,p3];endendendendfor j0=1:length(D1)C(j0)=12*2000+1000*36+(D1(j0)-850)*72+10000+2600*30+(D2(j0)-1250)*39 +1000+18000+(D3(j0)-1500)*18;endmin_c=C(1);for j1=1:length(D1)if C(j1)<min_cmin_c=C(j1);j2=j1;endendD4=[12,D1(j2),10,D2(j2),2,D3(j2),min_c]time=toc附录3（略）。