电力系统负荷经济分配的算法和程序设计
电气系统负荷计算ppt课件.ppt
2. 多台用电设备的尖峰电流的计算
N 1
I NF K I N ,i IQ,max i1
（3-22）
式中 IQ,max-用电设备中启动电流与额定电流之差为最大 的那台设备的启动电流；
N 1
I
N
,i
-将用电设备中启动电流与额定电流之差为最
i1
大的那台设备外的n-1台设备的额定电流之和；
K∑- n-1台设备的同时系数(同时系数指设备同时间使 用的概率)，其值按台数多少而定，一般为
在实际工程中应根据具体情况从表中选取一个恰当 的值进行负荷计算。一般而言，当用电设备组内的设 备数量较多时，需要系数应取较小值；反之，则应取 较大值。设备使用率较高时，需要系数应取较大值； 反之，则应取较小值。
部分用电设备的需用系数和功率因数参 见教材中P24~26表2-2和2-5或参考教材P98~ 99 中表3-9和3-10。
否可以直接将各组的视在计算负荷相加而得？为 什么？ 6. 什么叫“尖峰负荷”？确定尖峰负荷的目地是什 么？如何计算多台设备的尖峰负荷？ 7. 某实验室有220V的单相加热器5台，其中3台各 1KW，2台各3KW.试合理分配各单相加热器在 3和8I0cV. ∕220V的线路上，并求其计算负荷Pc、Qc、Sc
【解】三相平均容量为：（3.6＋4＋5）/3=4.2kW
三相负载不平衡容量占三相平均容量的百分比为：
（5-4.2）/4.2=0.8÷4.2=19%，大于15%，所以白炽 灯的设备容量为3×5=15kW；
改善后：（4.8-4.2）÷4.2=14.29%，小于15%，所以 白炽灯的设备容量为3.6+4+5=12.6kW。
这四台电焊机应尽量均衡地分配到三相上， 两台电焊机接于AB相，其它两台电焊机分别 接于BC相、AC相。
电力系统机组最优负荷分配
第一章绪论第一节机组最优负荷分配研究背景及意义我国是一个人口大国，虽然物产丰富，但分布非常不均衡，人均资源十分短缺，加上长期以来在资源开发利用方面存在过度开发、破坏严重等问题，使国民经济在快速进步的同时对我们地球的环境造成了不可估量的损害。
伴随着“节能、减排、环保”的观念深入人心，我国可持续发展战略要求建立经济友好型，能源节约型社会。
因此可以看出节约能源是可持续发展战略的主要内容之一。
然而火力发电是一个化石能源消耗巨大的产业，到2050 年，我国的年耗煤量将达到2～2.5Gt。
而随着化石能源的逐渐枯竭以及化石能源所带来的环境问题，届时，煤炭资源很难满足整个社会的发展，这就要求电力系统在优化能源结构的同时，更要进一步节约能源，提高能源的能效比。
在如此巨大的能源消耗的基数下，如果每发一度电节约1g 煤的话，根据我国2014年的火电发电量41731亿千瓦时来算，我国每年将可以节约煤417 万吨以上。
由上文叙述可以发现，如果对火电厂的机组进行组合优化，使机组负荷的分配与组合更加合理，能提高该体系的经济运作，可以以此来提升效益。
电力系统机组负荷的最好的分布与配置就是研究火力发电机组的运作效率，减少普通燃料的消耗，同时减小系统运作时所产生的废气等对环境的破坏。
使得“节能、减排、环保”的方针在生活中得以实现，为我国今后能持续稳定的发展，建设环境友好型，资源节约型的社会添砖加瓦。
且在电力市场化运行体制下，以及近几十年电力装机容量的快速增长，而我国的经济增长放缓，经济提升速率已不及电力装机容量的增长，我国已经开始出现供大于需的局面。
在这样的背景条件下，供电公司要获得生存和发展，就一定要不断提高自身的硬实力。
因此需要供电公司不断降低生产成本，提高效益。
供电公司通过合理安排机组出力，降低煤耗量，增强其核心竞争力。
[1]第二节国内外研究现状电力系统机组最优负荷分配的意思是在一系列实际生产中的基本要求下，通过提高控制机组运作以及机组符合的配置的合理性，来达到降低费用的一种关于电力系统的经济性调度的办法。
电力能源系统中的经济调度算法设计
电力能源系统中的经济调度算法设计电力能源系统是现代社会的重要基础设施之一，对于保障国家经济的正常运行和人民生活的正常需求具有不可替代的作用。
而经济调度算法设计作为电力能源系统中的重要组成部分，能够在保障系统安全稳定的前提下，最大限度地降低运营成本，提高能源利用效率，具有重要的意义与实际应用价值。
经济调度算法设计旨在优化电力能源系统中的能源调度与分配，以实现最佳的经济效益。
在电力能源系统中，常常存在多个电源节点、负荷节点和传输节点。
而经济调度算法设计的任务就是根据电网负荷需求和能源供应情况，合理调度各个节点之间的能源流动，使得整个能源系统具有较低的运营成本和较高的能源利用效率。
首先，经济调度算法设计需要考虑一系列的约束条件。
这些约束条件包括电力能源系统的负荷需求、电力设备的技术要求、电力能源的供应限制等等。
在电力能源系统中，各个节点之间的能源流动存在着物理约束、技术约束以及经济约束。
经济调度算法设计需要综合考虑这些约束条件，确保系统运行的安全可靠和经济高效。
其次，经济调度算法设计需要采用合适的优化方法。
常见的优化方法包括线性规划、整数规划、动态规划、遗传算法等。
这些优化方法能够在满足约束条件的前提下，寻找到最优解或者较好的近似解。
在电力能源系统中，经济调度算法设计可以采用这些优化方法，结合实际情况和具体需求，制定出合理的调度方案。
另外，经济调度算法设计还需要考虑电力能源系统的实时性和动态性。
随着能源需求的不断变化和电力设备的运行状态的不断变化，电力能源系统的调度需要实时响应和调整。
因此，经济调度算法设计需要具备较快的计算能力和适应变化的能力，能够在短时间内生成新的调度方案并进行实时优化。
此外，经济调度算法设计还可以考虑到电力能源系统的可持续发展。
随着环境保护意识的不断增强和可再生能源的快速发展，电力能源系统的调度也应更加注重低碳、清洁和可持续发展的原则。
因此，在经济调度算法设计中可以考虑引入可再生能源和能量储存技术，利用不同能源节点之间的互补性，实现对能源系统的整体优化。
电力工程设计规划中的电力负荷分配方法
电力工程设计规划中的电力负荷分配方法1. 前言随着电力需求的不断增长和电力工程的迅速发展，电力工程设计规划显得尤为重要。
其中，电力负荷分配作为电力工程设计的一个重要环节，对于保障电力供应的可靠性和经济性起着至关重要的作用。
本文将介绍电力工程设计规划中常用的电力负荷分配方法。
2. 确定负荷分配原则在进行电力负荷分配前，需要确定一些基本的负荷分配原则。
首先，应确保各负荷点的供电可靠性，避免出现因负荷集中导致的供电短缺问题。
其次，需要根据负荷的类型和性质，合理配置电力资源，实现能源的高效利用。
此外，还需要充分考虑电力负荷的季节性变化和用电习惯的差异等因素。
3. 定位负荷点在电力工程设计规划中，负荷点的定位对于电力负荷分配至关重要。
负荷点可以分为工商业负荷和居民生活负荷两种。
对于工商业负荷，通常采用最大负荷法来确定负荷点，即以最大负荷点所对应的位置作为工商业负荷点的位置。
对于居民生活负荷，可以根据人口密度、用电量统计数据等因素来确定负荷点的位置。
4. 负荷分配方法（1）负荷均分法负荷均分法是最简单且常用的负荷分配方法之一。
该方法将总负荷均分到各负荷点上，即每个负荷点所需的电力负荷相等。
这种方法适用于负荷各异但相对平均的情况，能够有效平衡各负荷点之间的电力负荷。
（2）最近负荷法在负荷分配时，可以采用最近负荷法来确定负荷点所需的电力负荷。
该方法的原则是将负载点附近的电力供应点与负载点相连接，实现电力的最短路径传输。
这样可以减少输电线路的损耗和电力能耗，提高供电效率。
（3）载荷优先法载荷优先法是一种基于负荷需求的负荷分配方法。
在这种方法中，根据各负荷点的优先级和重要性，将电力负荷优先分配到需求量较大或重要程度较高的负荷点。
这样可以保证重要负荷点的供电质量和可靠性。
（4）负荷率法负荷率法是一种根据负荷点的负荷率进行电力负荷分配的方法。
该方法通过计算负荷点的负荷率，然后按照负荷率的大小来分配电力负荷。
这样可以有效避免负荷点的过载或负荷不均衡情况的发生。
电力系统经济调度计算
电力系统经济调度计算目录题目:电力系统经济调度计算 ..................................................................... .................................. 1 中文摘要...................................................................... (2)英文摘要...................................................................... (3)1 引言...................................................................... .........................................................................42 耗量特性综述 ..................................................................... . (5)3 数学模型概述 ..................................................................... . (6)4 基于等耗量微增率的经济调度 ..................................................................... . (7)4.1 能源消耗不受限制时的负荷优化分配 ..................................................................... (7)4.1.1 数学模型 ..................................................................... (7)4.1.2 算例 ..................................................................... .. (9)4.2 能源消耗受限制时的负荷优化分配 ..................................................................... .. (11)4.2.1 数学模型 ..................................................................... . (11)4.2.2算例 ..................................................................... ................................................. 14 5 基于非线性优化算法的经济调度 ..................................................................... . (17)5.1 数学模型 ..................................................................... . (17)5.2 算例...................................................................... .. (18)5.2.1 先对两套火电设备情况进行负荷优化分配 (18)5.2.2 对某电力系统10台机组的优化分配: (20)5.2.3 基于等耗量微增率准则对10台机组进行优化求解 (22)6 考虑发电机无功约束时的最优负荷分配 ..................................................................... .......... 26 7 考虑负荷变化和机组起停时间、爬坡速度限制时的最优负荷分配 .. (28)8 考虑网络损耗时的最优负荷分配 ..................................................................... ...................... 30 结论...................................................................... ........................................................................ (31)谢辞...................................................................... ........................................................................ (32)参考文献...................................................................... . (32)注释:..................................................................... ........................................................................32附录:..................................................................... ........................................................................32题目:电力系统经济调度计算1中文摘要摘要:本文主要完成了传统的电力系统经济调度算法的研究。
电力系统负荷预测与调度算法设计
电力系统负荷预测与调度算法设计一、引言电力系统是现代社会运行的重要基础设施，负荷预测与调度是电力系统运行中的关键问题之一。
准确预测电力负荷的变化趋势和合理调度电力资源可以提高电网的可靠性、经济性和安全性。
因此，电力系统负荷预测与调度算法设计成为研究的热点之一。
二、负荷预测算法设计1. 数据采集与处理在进行负荷预测之前，首先需要进行数据的采集和处理。
通过采集过去一段时间的负荷数据，可以获取历史负荷数据。
然后将这些数据进行处理，去除异常值和噪声，使得数据更加准确和可靠。
2. 基于统计的方法最常用的负荷预测方法之一是基于统计的方法。
这种方法通过对已知数据进行统计分析，建立数学模型来预测未来负荷。
常用的统计方法包括移动平均法、指数平滑法和趋势分析法。
移动平均法适用于负荷比较平稳的情况，指数平滑法适用于负荷具有指数增长或衰减的情况，趋势分析法适用于负荷具有明显趋势的情况。
3. 基于机器学习的方法随着机器学习技术的发展，越来越多的研究者开始将机器学习应用于负荷预测中。
机器学习方法可以通过学习历史数据的特征来预测未来负荷。
常用的机器学习方法包括支持向量机、神经网络和决策树。
这些方法可以根据实际情况选择合适的特征和算法，提高负荷预测的准确性和精度。
三、负荷调度算法设计1. 负荷平衡算法负荷平衡是电力系统调度中的一个重要问题。
负荷平衡算法旨在使得供电能力与负荷需求保持平衡，避免供电不足或供电过剩的情况发生。
常见的负荷平衡算法包括基于遗传算法、蚁群算法和粒子群算法等。
这些算法可以根据电力系统的具体情况，优化电力资源的分配和调度，实现负荷平衡。
2. 能耗优化算法能耗优化是电力系统调度中的另一个重要问题。
能耗优化算法旨在通过合理调度电力资源，降低能源消耗和成本。
常见的能耗优化算法包括基于动态规划、线性规划和模糊控制等。
这些算法可以根据电力系统的运行状态和负荷需求，优化电力调度方案，降低能源的浪费和排放。
四、算法评估与应用1. 算法评估在设计完负荷预测与调度算法后，需要对算法的性能进行评估。
第7-4电力系统调频负荷的经济分配(23)
初始条件：
机组1为b1，机组2为b2， 且b1>b2。 若逐次使机组1减小输出功 率直至为ΔP，机组2增加输出 功率直至为ΔP，b1=b2时，总耗 量为最小。
等微增率原则的数学推导如下：
设：机组n台 分担负荷为P1、P2、P3…Pn 对应的燃料消耗费用为F1、F2、F3…Fn 则有，电厂总的燃料消耗用为：
当微增率随着输出增加而增大时按上述 条件求出的极值是最小值，为经济功率，否 则为不经济功率。
二、调频电厂间的经济功率分配（或考虑网损后的经 济功率分配） 设： 有s个电厂 每个电厂分担的负荷为：P1、P2、… Ps； 对应的燃料消耗费用为：F1、F2、…Fs； 则：全系统总的燃料消费用为：
Fx = F1 + F2 + L+ Fs = ∑Fi
一、调频厂内各机组间的经济功率分配（或不考虑网络 损耗时的各电厂间的经济功率分配）
经济特性（耗量特性）： 锅炉、汽轮机、发电机，在单位时间内消耗（输入）的能量的 费用（燃料费、燃料运输费等）与输出功率之间的关系。 输入 — 输出特性
微增率特性：
dF b= dP
（耗量微增 率，简称： 微增率）
其中： dF—输入耗量微增率； dP—输出功率微增量。
∂ϕ ∂P = =1 ∂P ∂P i i
dFi − λ = 0 （i =1、2、…n） 将之代入式 (7-20)得： dP i
或：
dFn dF dF2 1 = = L= =λ dP dP dP 1 2 n
b1 = b2 = … = bn =λ
即：
由此得出，厂内经济调度的准则为：
各机组的微增率应相等，Leabharlann 等于全场的微 增率λ(全厂微增率)。
所以：
电厂负荷的优化分配方法
电厂负荷的优化分配方法缪国钧;葛晓霞【摘要】分析了几种电厂负荷优化分配方法的特点,阐述等微增率电厂负荷优化分配方法的原理,介绍了lingo软件在电厂负荷分配中的运用方法.通过算例说明,等微增率法与采用lingo软件进行电厂负荷优化分配的结果相同,混沌优化算法与lingo 软件进行负荷分配结果相近,对电厂多台机组间的负荷优化分配方法的选择具有一定参考价值.【期刊名称】《电站辅机》【年(卷),期】2010(031)003【总页数】5页(P1-5)【关键词】电厂;负荷;优化分配;等微增率;混沌算法【作者】缪国钧;葛晓霞【作者单位】南京工程学院,能源与动力工程学院,江苏,南京,211167;南京工程学院,能源与动力工程学院,江苏,南京,211167【正文语种】中文【中图分类】TM714节能减排是电力企业当前的一项重要工作,因此,充分挖掘企业内部的节能潜力并努力降低发电成本,增强发电企业的投入产出,以加强企业在市场的竞争能力,已显得非常重要。
过去,有些电厂在对多台机组间的负荷分配时,通常的做法是让效率高的机组多带负荷,或是在各机组间平均分配负荷,这种选择在多数情况下并不是最经济的。
因此,电厂迫切需要既能在各种运行工况下科学地、简便地提供机组间负荷分配的结果,又能保证负荷分配的结果是经济的、可信的方法,以达到降低全厂发电成本的目的。
现就电厂负荷优化分配的常见方法进行简要介绍和分析。
通过算例说明等微增率法、混沌优化算法及lingo软件在电厂负荷分配中的运用效果。
这项工作的实施对电厂多台机组间的负荷优化分配具有重要意义。
(1）优先次序法优先次序电厂负荷分配法以机组的运行效率为依据,先算出各机组单独运行时的最大效率,然后按照各机组的运行效率由高到低的顺序排列,在此基础上各机组依次带负荷。
该方法实现简单、计算速度快,缺点是常常找不到最优解。
(2）等微增率法等微增率法是在等式约束条件下,利用基于数学极值理论得到的等微增法,实现机组间的负荷优化分配。
- 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)。
电力系统负荷经济分配的算法和程序设计电力系统负荷经济分配的算法和程序设计摘要负荷经济分配是火电厂运行优化的一个重要研究领域，在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。
针对火电厂实际的运行情况, 考虑多个实际约束条件, 建立了并行火电机组间连续多时段动态负荷优化分配的数学模型; 提出运用智能算法-粒子群算法来解决动态负荷优化分配问题, 详细介绍和研究了该算法的基本原理以及在负荷经济分配问题上的实现过程, 并针对原算法的不足, 对算法进行了改进; 根据负荷分配和算法的特性, 对初始种群的生成方法进行了改进, 同时对约束条件进行了有效处理。
仿真实例表明, 该方法收敛性好, 收敛速度快, 能够有效地达到或接近全局最优, 从而为火电厂机组负荷优化分配的求解提供了新的有效算法。
关键词：电力系统；运行优化；经济负荷分配；粒子群算法；收敛性Power system economic load Dispatch and program designAbstractEconomic Dispatch is one of the important research fields in optimization operation of thermal power plant , and Economic Dispatch among the various units can enable the whole power plant to get the best benefit.A dynamic Economic Dispatch mathematical model was constructed considering the practical constraints and sequential optimal load dispatch among parallel thermal power units. Using particle swarm algorithm to solve the problem of dynamic optimal load dispatch was proposed. The basic theory and the implementation method of the algorithm in optimal load dispatch problem were studied in detail. Some measures were applied to imp rove the algorithm in order to avoid its weakness ; According to the special features of load dispatch and the algorithm , the way of generating the initial generation was imp roved; at the same time , constraints were processed effectively.The simulation showed that the method had good convergence high convergence speed , and could achieve the whole optimization more efficiently or could be more close to it. It was a new effective optimization algorithm f or solving optimal load dispatch among thermal power units.Key words：Power System；Optimization Operation；Economic Dispatch；Particle Swarm Algorithm；Convergence目录论文总页数：26页1 引言 (1)1.1 基于粒子群算法负荷优化分配 (1)1.2 其他优化算法介绍 (2)1.2.1 等微增率算法 (2)1.2.2 动态规划法 (3)1.2.3 网络流规划法 (3)1.2.4 遗传算法 (3)1.2.5 混沌优化方法 (3)1.2.6 蚁群算法 (3)2负荷优化分配的数学模型 (3)2.1 目标函数 (3)2.2 约束条件 (4)3 粒子群算法的基本原理 (4)3.1 算法原理 (4)3.2 算法的改进 (5)3.3 算法的实现步骤 (6)3.4 算法的流程图 (7)4 粒子群的算法在负荷经济分配中的应用 (8)4.1 对初始种群生成方法的改进 (8)4.2 对约束条件的处理 (8)4.3 粒子群算法的实现 (8)5 算例分析 (10)5.1 算例介绍 (10)5.2 算例仿真图形 (11)5.3 运行结果分析 (15)6 讨论 (15)结论 (16)参考文献 (17)致谢 (18)声明 (19)附录 (20)1 引言1.1 基于粒子群算法负荷优化分配优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.1995 年Eberhart 博士和Kennedy 博士提出了一种新的算法;粒子群优化(Particle Swarm Optimization -PSO)[1]算法 . 这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性。
粒子群优化算法(PSO) 也是起源对简单社会系统的模拟. 最初设想是模拟鸟群觅食的过程. 但后来发现PSO是一种很好的优化工具.经济负荷分配(Economic Dispatch，ED)是电力系统规划和运行调度中的一类典型的优化问题，其目的是在满足负荷和运行约束的条件下，最小化发电成本，对于提高系统运行的经济性和可靠性都具有重要的意义。
机组负荷优化分配的研究在优化理论方面, 主要有传统的数学优化方法如等微增量法[2]、线性规划法、动态规划法和现代演化算法如遗传算法[3]、人工神经网络[4]算法等。
这些方法在解决负荷优化分配问题上各有优势, 但均存在着一些不足: 等微增量法对机组能耗特性曲线要求光滑连续且为凸集; 线性规划法在模型线性化时会引入误差; 动态规划法遇到高维问题很容易陷入维数灾; 遗传算法需进行交叉和变异, 收敛速度慢且易陷入局部最优; 神经网络算法同样存在当神经元个数不断增加时, 收敛变慢易陷入局部最优的问题。
粒子群优化( Particle Swarm Optimization , PSO) 算法,是近年来发展起来的一种新的进化算法( Evolutionary Algorithm - EA) .PSO 算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质. 但是它比遗传算法规则更为简单,它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作. 它通过追随当前搜索到的最优值来寻找全局最优。
PSO是蓬勃发展的进化计算技术中的一种。
该算法是模拟鸟群觅食过程中迁徙和群集行为的一种演化算法。
它的特点是通过群体信息共享和个体自身经验总结来修正个体行动策略。
相比传统数学方法, 该算法由于基于随机搜索理论, 对目标函数没有连续单调为凸等要求, 不需要导数、梯度等数学信息。
相比早期演化算法, 该算法没有复杂的数学运算, 简单易实现, 计算效率高且能以较大的概率找到全局最优解。
pso同遗传算法类似，是一种基于迭代的优化算法。
系统初始化为一组随机解，通过迭代搜寻最优值。
但是它没有遗传算法用的交叉(crossover)以及变异(mutation)[5]，而是粒子在解空间追随最优的粒子进行搜索。
同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。
目前已广泛应用于函数优化神经网络训练，模糊系统控制以及其他遗传算法的应用领域PSO 算法目前在负荷优化分配问题上已有一些研究成果, 但都集中于电网侧以网内运行机组为研究对象[6]。
随着电力市场的逐步建立, 电网调度方式由以往的对单个机组下达负荷指令改为向整个电厂下达负荷指令, 电厂作为一个发电主体必须自行安排生产降低成本以竞价上网。
因此本文以发电侧即火电厂厂内并行机组为研究对象, 将PSO 算法用于求解机组间的连续多时段负荷优化分配问题, 建立了动态的负荷分配数学模型。
研究了算法的具体实现过程, 针对基本粒子群算法的局限性进行了改进, 并通过仿真实例验证了该算法的有效性。
1.2 其他优化算法介绍自1989年英国电力工业实行私有化，并进行电力工业经营管理体制改革以来，电力工业就进行了打破了工业垄断，引进竞争机制的格局。
从此，电力市场机制浪潮席卷全世界。
在此背景下，对电力系统的优化分配方法要求越来越高，算法也在不断地更新以适应社会的需要。
有代表性的有动态规划法、拉格朗日松弛法、线性规划法、网络流规划法。
后来又出现了很多智能化的方法，典型的有人工智能法、遗传算法、混沌优化方法、粒子群算法等。
1.2.1 等微增率算法等微增率法是在1919年提出问题，1931年摸索出原则，1934男做出数学证明的，至今已有约80年历史。
这种方法是一种连续的拉格朗日乘子法，简单有效。
1.2.2 动态规划法1.2.3 网络流规划法1.2.4 遗传算法1.2.5 混沌优化方法混沌优化方法是具有某种随机性的智能优化方法。
混沌优化方法直接采用混沌变量进行搜索，因而获得最优解的可能性更强，是一种极有前途的手段。
混沌优化方法的基本思想是把系统和机组的约束条件为罚函数来表示，将目标值和罚函数确定为寻优目标，然后进行搜索，搜索过程按混沌运动自身规律和特性进行，可同时得到机组的优化组合及机组负荷分配的结果。
混沌优化方法除了具有遗传算法的一些特点，如可考虑目标函数的不连续性和非线性因素，可实现并进行处理，能提供更多解等以外，还具有另外一些优势，主要体现在：（1）混沌优化方法更具有可能跳出极小点。