基于蚁群算法的水电站AGC机组组合与负荷分配优化
【国家自然科学基金】_负荷优化分配_基金支持热词逐年推荐_【万方软件创新助手】_20140803
科研热词 电力系统 预防控制 配电网络重构 遗传算法 负荷分配 粒子群优化算法 电气距离 电气剖分 电力市场 混合整数规划 水电站 机组组合 机组优化组合 日前市场 旋转备用 性能指标 动态电压安全 分片线性 准稳态快速时域仿真 决策树
推荐指数 3 3 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 机组组合 负荷分配 电力系统 遗传算法 差分进化 优化 负荷预测 负荷经济分配 负荷优化分配 负荷 表面组装技术 自动发电控制(agc) 群集智能 经济运行 经济负荷分配 约束处理 粒子群算法 粒子群优化 粒子群 禁忌搜索 神经网络 石羊河流域 电量分配 电价 生态重建 生产计划 生产线优化 热电厂 火溪河梯级电站 混沌遗传算法 求解方法 水资源利用的空间组织 水电站 水电厂 母管制机组 模糊决策 智能计算 数学模型 改进型免疫遗传算法 控制性能标准(cps) 径流预测 多目标优化 复合式贴片机 启发式调整策略 双种群 印刷电路板装配 印制电路板 协同 区域控制偏差(ace) 分解协调 分布式水资源管理模型 分布式
2011年 科研热词 推荐指数 负荷分配 2 节能减排 2 经济负荷分配 2 改进粒子群算法 2 微网 2 多目标优化 2 高炉渣 1 高炉 1 风电场 1 面向对象技术 1 非线性优化 1 随机最优 1 遗传算法 1 逐步优化算法 1 逐次逼近动态规划法 1 辅助控制器 1 负荷调度 1 负荷分配优化 1 负序电流 1 调节费用 1 订单分配 1 自动发电控制 1 经济分配问题 1 粒子群算法 1 粒子群优化算法 1 碳税 1 电气化铁路 1 电力系统 1 电力 1 生产负荷均衡 1 环境经济调度 1 燃煤电厂 1 熔剂 1 混沌粒子群优化算法 1 混沌优化算法 1 流程时间下界值 1 泵站优化 1 汉江上游梯级水电站 1 梯级发电量最大 1 梯级发电效益最大 1 柔性作业车间调度 1 无约束问题 1 改进的非支配排序遗传算法 1 控制性能标准 1 探索能力 1 排放绩效 1 排序选择算子 1 循环拥挤排序 1 并联泵站 1 差分演化 1 实数编码 1 定角恒速 1
基于粒子群算法的水电站水库优化调度方法
基于粒子群算法的水电站水库优化调度方法发布时间：2022-05-31T05:26:58.490Z 来源：《新型城镇化》2022年11期作者：宋征祥蔡祥管念华[导读] 在研究水电站水库优化调度方法过程中，研究的重点就在于改进水电站水库优化调度的模型，从而使调度模型能够更好地反映水电站水库的实际情况[1]。
杭州华辰电力控制工程有限公司浙江省杭州市 310000摘要：传统的水电站水库调度算法复杂，计算时间长，并且得出的调度方案仍有缺陷，为此，提出基于粒子群算法的水电站水库优化调度方法。
设计基于粒子群算法的新的水电站水库优化调度方法，在建立水电站水库优化调度模型的基础上，使用粒子群算法，对调度模型进行优化计算，以得出最优的水电站水库优化调度方案。
最后的实验结果表明，设计的优化调度方法，对比传统方法更具优势，计算效率大大提高，能够得出最优的优化调度方案。
关键词：粒子群算法；水电站调度；优化调度；水库调度；中图分类号:G642 文献标识码:A0引言在研究水电站水库优化调度方法过程中，研究的重点就在于改进水电站水库优化调度的模型，从而使调度模型能够更好地反映水电站水库的实际情况[1]。
传统的调度算法计算复杂，且耗时长，并且得出的调度方案并不能满足实际的需求，仍有部分缺陷[2]。
为此，本文提出了基于粒子群算法的水电站水库优化调度方法。
本文设计了基于粒子群算法的、水电站水库新型改进调度方案，在建立水电站水库优化调度模型的基础上，使用粒子群算法，对调度模型进行优化计算，分析取得最佳的水电站水库优化调整策略。
最后的实验结果表明，设计的优化调度方法，对比传统方法更具优势，计算效率大大提高。
并且在此基础上，本文研究模型求解的最优化方法，实现了得出最优的优化调度方案。
1基于粒子群算法的水电站水库优化调度方法设计1.1建立水电站水库优化调度模型本文以水电站和发电型水库为主要讨论目标，设立水电站水库的优化调度模型。
优化调度的目标就是使发电收益达到最大值[3]，为此，相应的计算公式表示为：在上述公式中，不等式左边表示的是的最小出力参数，右边表示的是的最大装机容量参数。
基于粒子群算法的火电机组的负荷优化分配（07-20季美红）
基于改进的粒子群算法的火电机组负荷优化分配季美红(合肥工业大学电气与自动化学院合肥市230009)摘要：提出一种改进的粒子群优化算法，将其应用于电力系统负荷优化分配问题的求解。
该算法采用自适应动态改变的惯性权重，使得粒子的惯性因子在迭代过程中随粒子进化度和聚合度的变化而改变；同时对陷入局部极值的粒子进行扰动，使粒子摆脱极值点以更大的概率获得更优解。
算例的结果证明了该算法能更有效的达到或接近全局最优。
关键字：粒子群算法；负荷分配；惯性权重极值扰动中图分类号：TM73Research on load optimal dispatch among thermalPower units based on improved particle swarm optimization algorithmJi Meihong(School of Electrical &Automatic Engineering, Hefei University of Technology, Hefei 230009)Abstract：This paper presents an improved particle swarm optimization algorithm, used to solving load optimal dispatch problem of power system. It uses the adaptive dynamic changing inertia weight, makes the inertia weight change in every loop according to the swarm evolution degree and aggregation degree factor; and disturbs the particles of relapse into local minimum in order to help particles effectively break away from the local extreme value and obtain the optimal solution with a higher probability. Experimental results show that it can achieve or close to the overall situation optimal solution better.Key words: particle swarm optimization algorithm；load optimal distribution；inertia weight；disturbed extremum；在当前燃料价格和竞价上网政策的推行下，合理的优化分配机组间的负荷不仅能够提高整个电厂运行的经济性，而且能够实现节能减排，有利于国家能源的可持续性发展。
电力系统调度中的优化算法
电力系统调度中的优化算法电力系统调度是指在一定时段内，根据供电负荷和电源出力的变化情况，合理安排电力生成和配送，以保证电力系统稳定运行的过程。
在电力系统调度中，优化算法的应用可以提高调度效率和降低调度成本，是电力系统调度的重要组成部分。
一、常用的优化算法1.遗传算法遗传算法是一种模拟自然选择和遗传机制的优化算法。
遗传算法通过对包含可能解决方案的种群进行操作，不断进行自然选择、交叉、变异和适应度评价等过程，最终找到符合要求的最优解。
在电力系统调度中，遗传算法可以用于发电机出力调度、线路输电功率调度、电能质量控制等方面。
2.粒子群算法粒子群算法是一种基于群体智慧的优化算法。
该算法通过模拟粒子在多维状态空间中搜索最优解，实现优化问题的求解。
在电力系统调度中，粒子群算法可以用于电力市场竞标、电力负荷预测、风电光伏发电预测等方面。
3.模拟退火算法模拟退火算法是一种利用物理退火原理寻找最优解的随机优化算法。
该算法通过在解空间中随机搜索，以一定概率接受劣解，以避免陷入局部最优解。
在电力系统调度中，模拟退火算法可以用于输电线路容量分配、配电变压器负载分配等方面。
二、应用实例1.电力市场竞标电力市场竞标是指发电厂根据市场需要，以市场价格向电力市场提供电力供给，完成电力交易的过程。
优化算法在电力市场竞标中的应用，可以通过计算合理的发电计划和交易价格，实现发电厂效益最大化和市场货源最优化。
遗传算法、粒子群算法等优化算法的应用，可以帮助发电厂制定最优的发电计划和交易策略，提高其市场竞争力。
2.电力负荷预测电力负荷预测是指通过对历史数据和相关因素的分析，预测未来一段时间的负荷变化情况。
优化算法在电力负荷预测中的应用，可以通过建立预测模型，预测未来负荷变化趋势和幅度，进而制定合理的供电计划和调度策略，提高电力系统调度的效率和精度。
粒子群算法、遗传算法等优化算法的应用，可以帮助电力系统制定最优的供电计划和调度策略，确保系统的稳定运行。
基于蚁群算法的油田注水系统优化
基于蚁群算法的油田注水系统优化
陈纯炼;郭绪坤
【期刊名称】《油气田地面工程》
【年(卷),期】2014(000)011
【摘要】蚁群算法是模拟蚂蚁觅食过程，比较适用于离散优化问题。
由于蚁群算法本身具有并行性、正反馈性及鲁棒性等特点，所以被成功应用在车间作业调度、组合优化等领域。
在我国陆上油田中，注水采油是一种主要的采油措施，而且油田地面工程投资中，注水管网投资比例较大。
为有效节约油田注水投资成本，通过蚁群算法求解油田注水管网布局数学模型，以得出优化管网最短路径。
采用蚁群算法对外层泵站启停状态进行组合优化，通过粒子群算法优化内层泵站排量。
蚁群算法可实现全局最优解，其求解高效性等均比一般算法好。
基于蚁群算法求解油田注水系统优化设计问题具有可行性。
【总页数】2页(P52-53)
【作者】陈纯炼;郭绪坤
【作者单位】电子科技大学中山学院;电子科技大学中山学院
【正文语种】中文
【相关文献】
1.基于蚁群粒子群算法的油田注水系统优化 [J], 王玉学;刘春兰;王银凤;周少华
2.基于区间-粒子群优化算法的油田注水系统优化 [J], 李源;王银凤
3.基于蚁群算法的工作流系统优化任务分配 [J], 吕龙;胡海洋;李忠金;陈洁;胡华
4.基于混沌蚁群算法的冷藏车光伏储能混合制冷系统优化设计 [J], 何仁;杨柳
5.基于蚁群算法的民办高校实验室管理系统优化 [J], 宋志远
因版权原因，仅展示原文概要，查看原文内容请购买。
水电站水库优化调度的改进粒子群算法
水电站水库优化调度的改进粒子群算法一、水库调度的挑战水电站的水库调度呢，听起来挺简单的，其实就像是大厨做饭，原材料一堆，火候掌握得好，味道才正。
水电站的水库调度，就是把水流、发电需求，还有上游下游的用水情况都考虑进去，确保水电站能按时发电，而且不会造成浪费。
可是问题来了，水库的水量并不是永远都那么稳定，天气变化、降水量波动、用电需求不固定，种种因素让调度工作难上加难。
要是调度不好，水库的水不够发电或者浪费水资源，最后不仅影响发电，还可能带来生态和经济的双重损失。
谁不想把水用得恰到好处，既发电又不浪费呢？水电站调度有一个大难题，就是水量预测。
你想想看，水库里的水像是一个调皮的孩子，你根本无法完全预测它什么时候爱上跳跃，什么时候又安静地趴着。
所以，调度人员得通过一些高级方法，像数学模型、优化算法，来尽量预测水流的变化趋势，提前做准备。
那就得好好琢磨调度方法了，能找到一种靠谱的方式，就能把水库调度得明明白白，既省水又能发更多电。
二、粒子群算法的引入说到粒子群算法，这玩意儿就像是让一群小伙伴互相协作来解决问题，大家各自出主意，再比比谁的办法最好。
粒子群算法原本是模仿鸟群飞行的方式，大家一起在空中飞，彼此配合，目标明确，最终能飞到最好的地方。
把这个算法用到水库调度中，就像是把一群聪明的小伙伴放进一个问题的迷宫里，让他们互相帮助找到最佳的出路。
你可能会觉得，这个算法咋这么有意思？其实它非常适合水库调度这种问题。
因为，水库调度的问题并不是一个简单的线性问题，涉及的因素多得让人头大。
粒子群算法通过不断地调整“粒子”（这些就是我们的小伙伴）的策略，让它们在搜索空间中不断探索，最终找到最合适的调度方案。
调度的过程中，就像是在不停地试探和优化，直到找到最合适的解决办法。
不过呀，这里可不是说粒子群算法完美无缺，它也有缺点，比如有时候会陷入“局部最优”，就是大家都集中在某个局部区域内，导致整个群体没有办法找到最好的解决方案。
层次分析法在水电机组优化组合应用中的改进方法
层次分析法在水电机组优化组合应用中的改进方法1 引言截止到2021年底，我国水电装机容量达到3.9亿千瓦，约占全国发电总装机容量的16.4%左右。
伴随我国生产力水平和人民生活水平的提高，社会用电量逐年攀升。
加之在“双碳”目标下能源结构优化需求，尽管面临越来越大的环保压力，未来我国水电发展空间依然广阔。
同大多数技术的发展过程一样，运筹学最初也是用来解决军事问题的。
但应用于水电站的优化运行，至今也有七十多年的历史了。
初期采用等微增率法、线性规划，再到动态规划等全局最优解法。
全局最优解法主要基于机组设计时的特性函数，而非实际运行时的特性数据。
但众所周知，水电厂中实际安装的机组即使型号、容量完全一致，他们的动力特性也多少有些差异的。
所以后来学者们又提出了基于神经网络、遗传算法、鱼群算法等局部最优解法。
目的是在不同容量、不同型号的机组间，在顾及安全经济性多目标的前提下，通过优化计算，得到一个可行的较优解。
水电厂的优化运行一般分为机组组合和负荷分配两部分。
文献[1]提出了将层次分析法（AHP）用于机组组合的优化。
即基于给定的水电厂负荷，在若干个可行的机组组合方案中，选取最优者，使水电厂运行的总效率最高。
本文针对文献[1]中提出的机组排序算法提出改进方法。
2 将层次分析法用于机组组合层次分析法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代提出的，最初是用于解决经济问题的多目标决策系统方法。
其主要特点是将定性指标通过模糊量化方法进行定量分析，从而对多目标决策方案进行排序比较，得出较优解。
水电厂机组组合需要完成机组的优先级排序，在排序过程中需要考虑的因素较多，如机组效率、机组当前状态、机组运行时间等因素。
首先需建立机组组合的层次结构模型，如图1。
根据准则层的各个要素构建判断矩阵，如图2。
图2中为某一层的判断准则，如“机组总排序”。
为受支配的元素，如“机组效率”“停机时间”等。
表示对而言，对的相对重要性，一般用1到9或其倒数表示。
水电站发电运行方案的调度与监控优化
水电站发电运行方案的调度与监控优化一、引言水电站是利用水能转化为电能的设施，是我国主要的清洁能源发电方式之一。
为了保障水电站的稳定运行和发电效率的最大化，调度与监控优化显得尤为重要。
本文将详细讨论水电站发电运行方案的调度与监控优化，以提高水电站的发电效率和稳定性。
二、调度优化1. 调度流程水电站的发电调度包括计划编制、调度命令下达、设备运行和效果评价等环节。
调度员根据水库水情、用电负荷以及天气预报等信息，制定合理的发电计划，并将命令下达给水电站运行人员。
2. 灵活调整根据实际情况的变化，调度员需要灵活调整发电计划。
例如，在水库水位较高且用电负荷较低时，可以适当增加发电量，以充分利用水能资源；而水库水位较低或用电负荷较高时，则需要减少发电量，以保证水库存水量和用电的平衡。
3. 多智能优化算法为了提高调度的效率和准确性，采用多智能优化算法对发电计划进行优化。
常用的算法包括遗传算法、模拟退火算法和蚁群算法等。
通过这些算法的应用，可以得到更优的发电方案，实现发电效率的最大化。
三、监控优化1. 监测设备的应用现代水电站配备了各种监测设备，包括水位计、流量计、温度计、压力计等。
这些设备能够实时监测水库水情和机组运行状态等重要参数，为调度员提供可靠的数据支持，以便做出准确的调度决策。
2. 远程监控技术随着信息技术的发展，远程监控技术逐渐应用到水电站的监控系统中。
通过远程监控技术，调度员可以在控制中心实时监控水电站的运行情况，并进行远程操作和调度。
这不仅提高了监控的效率，还减少了人为错误的可能性。
3. 数据分析与预警通过对监测数据的分析和处理，可以得到有关水电站运行状态和设备健康状况等信息。
针对异常情况和潜在故障，可以进行预警和预测，及时采取相应的措施，避免事故的发生。
数据分析与预警系统的建立对于水电站的安全运行至关重要。
四、优化效果与挑战1. 优化效果调度与监控优化可以帮助水电站实现发电效率的最大化，提高经济效益和能源利用率。
第四讲 电力系统机组优化组合
动态规划法求解机组优化组合问题
电力系统广域测量与控制四川省重点实验室
算例#4.1
电力系统广域测量与控制四川省重点实验室
算例#4.1(cont.)
电力系统广域测量与控制四川省重点实验室
算例#4.1(cont.)
电力系统广域测量与控制四川省重点实验室
算例#4.1(cont.)
电力系统广域测量与控制四川省重点实验室
电力系统广域测量与控制四川省重点实验室
概述-机组投运举例
最经济的方案是只开第一台机 组！最经济的机组！
电力系统广域测量与控制四川省重点实验室
概述
1200MW-500MW，步长 50MW •》1000，三台机组 •600《P《1000，机组1、 2 •小于600，机组1
电力系统广域测量与控制四川省重点实验室
第四讲 电力系统机组优化 组合
黄琦博士 电子科技大学自动化工程学院
主要内容
概述 机组投运问题的求解 动态规划法求解机组优化组合问题
电力系统广域测量与控制四川省重点实验室
概述
人类活动是有周期性的，用电也有周期性
日负荷周期、周负荷周期、季节性负荷周期
负荷周期带来了发电的经济问题：保持所有机组运行 付出的代价是巨大的。 定义：机组投运（unit commitment）是指将给定的 机组开启、并与电网实现互联同步运行 为了经济问题，可以根据当前和将来一段时间内的负 荷要求将部分机组退出运行。即，根据当前和未来一 段时间的负荷需求来决定投运足够的机组满足要求， 同时使机组起停费用最小化 与经济调度的区别：后者假设已经有N台机组连接到 系统，只是制定一个经济的分配计划；而前者更复杂， 假设N台机组可供调度，需要根据当前负荷情况和负 荷预测来决定哪些机组参与服务。
基于进制数的水电站机组优化运行算法
第４１卷第８期 ２ ０ ｌ ０年４月 人 民 长 江
Ｙａｌｌｇｔｚｅ Ｒｉｖｅｒ Ｖ０１．４１．Ｎｏ．８
Ａｐｒ．，２０１０
文章编号：１００１—４１７９（２０１０）０８—００９６—０４
基于进制数的水电站机组优化运行算法
胡 婷，彭 刚，王乾峰 （三峡大学土木与建筑学院，湖北宜昌４４３００２） 摘要：机组组合是水电站短期发电计划中一个重要的问题，合理的组合运行能带来显著的经济效益。采用进 制数编码形式表示机组的运行状态，以给定的负荷为基础，对机组运行进行优化，存储运行状态少，且最优方 案不受初始值的影响；采用Ｍａｔｌａｂ语言编写了电站内全局的最优机组组合及机组间负荷的合理分配程序，并 给出了计算程序。实例计算结果表明：利用进制数的优化算法在机组组合优化问题上是可行的，也是有效的， 该算法的收敛性好且速度快，对多机组电站的经济运行具有较好的实用价值。 关键词：优化；进制数；机组组合；水电站 中图法分类号：ＴＶ７３４．２１ 文献标志码：Ａ
提高电力系统的经济效益，在一定程度上取决于 水电站的运行工况。对水电站厂内的最优工作机组台 数和组合，机组的合理启动与停止，以及负荷在各运行 机组间的最优分配进行研究，将研究出的水电站厂内 的最优运行方式用于指导水电厂的实际运行，从而可 以获得电站运行的最大效益。 由于耗水量曲线大多呈非线性形式，线性规划虽 有标准程序，但必须将有关曲线进行线性化，这样误差 较大；而用非线性规划则先要将各种曲线选配成方程 式，这样会导致求解困难，而且很难得到全局的最优 解；动态规划需将耗水量特性曲线离散化，离散点越 多，精度就越高，但占用计算机内存大，且有可能导致 “维数灾”困难。为了克服“维数灾”困难，国内外学者 已提出了不少方法，比如：增量动态规划方法（ＩＤＰ）， 离散微分动态规划方法（ＤＤＤＰ），逐次逼近增量动态 规划方示（ＩＤＰＳＡ），逐步优化算法（ＰＯＡ），分解协调技 术等¨ 。为了解决全局收敛问题，提出了混合粒子群 优化算法 、遗传算法 一 等。 本文采用了基于进制数描述机组运行状态的优化 算法，以求解水电厂机组优化运行的问题。 １机组优化组合问题描述 机组优化组合就是在满足电能生产安全和优质生 产的前提下，以能够获得尽可能大的经济效益为目标， 确定在电站负荷给定的情况下的最优开机台数和各机 组间的负荷分配，以及机组投入或停运能使总耗水流 量最小 。其目标函数可表示为 引： Ｎ ｍｉｎＱ＝ｍｉｎ∑ｑｊ（ｓ ） （１）
- 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)。
和优越性。
１ 机组组合的数学模型
１．１ 目 标 函 数 对于 具 有 厂 级 ＡＧＣ 的 水 电 站，为 实 行 经 济
运行，在日负荷给 定 的 条 件 下 使 水 电 站 运 行 的 经
济 效 益 最 大 ，即 总 耗 水 量 最 小 ，其 目 标 函 数 为 ：
ＴＮ
∑∑ ｍｉｎＷ ＝
［Ｑｉｔ（Ｈｔ，Ｐｔｉ）ΔＴｕｉｔ ＋
（２） （３） （４）
收 稿 日 期 ：２０１２－０４－０５，修 回 日 期 ：２０１２－０５－１５ 作 者 简 介 ：胡 飞 （１９８６－），男 ，硕 士 研 究 生 ，研 究 方 向 为 水 力 机 组 控 制 与 仿 真 ，Ｅ－ｍａｉｌ：ｈｂ０６ｈｆ１０１５＠１６３．ｃｏｍ 通 讯 作 者 ：张 德 虎 （１９６２－），男 ，副 教 授 ，研 究 方 向 为 水 力 机 组 过 渡 过 程 与 控 制 ，Ｅ－ｍａｉｌ：ｄｅｈｕｚｈａｎｇ＠ｈｈｕ．ｅｄｕ．ｃｏｍ
ｔ＝１ ｉ＝１
ｕｉｔ（１－ｕｉｔ－１）Ｑｕｐ，ｉ ＋ （１－ｕｉｔ）Ｑｄｎ，ｉ］
（１）
式中，Ｗ 为总 耗 水 量，ｍ３；Ｔ 为 时 段 数；Ｎ 为 水 电
站机组台数；Ｑｔｉ（Ｈｔ，Ｐｉｔ）为 工 作 水 头 为 Ｈｔ 负 荷 为Ｐｔｉ 时第ｉ 台 机 组 在 时 段ｔ 的 发 电 耗 水 流 量， ｍ３／ｓ；ΔＴ 表 示 时 段 时 长；ｕｉｔ 为 机 组ｉ 在 时 段ｔ 的 状态，停机时ｕｉｔ＝０，运 行 时ｕｔｉ＝１；Ｑｕｐ，ｉ、Ｑｄｎ，ｉ分 别 为开机和停机 过 程 中 的 耗 水 量，包 括 机 组 在 开停
第３０卷 第１２期 ２ ０ １ ２年１ ２月
文 章 编 号 ：１０００－７７０９（２０１２）１２－０１２３－０４
水 电 能 源 科 学 Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｐｏｗｅｒ
Ｖｏｌ．３０ Ｎｏ．１２ Ｄｅｃ．２ ０ １ ２
基于蚁群算法的水电站 ＡＧＣ机组组合与负荷分配优化
胡 飞，张德虎，杨晓春，曹春建
· １２４ ·
水 电 能 源 科 学 ２０１２ 年
｛Ｔ ≥ Ｔ ｔ ｉ，ｏｆｆ
ｉ，ｄｎ
Ｔ Ｔ ≥ ｔ ｉ，ｏｎ
ｉ，ｕｐ
（５）
式中，ＰｔＤ 为ｔ 时 段 给 定 总 出 力；Ｐｉｔ 为 约 束 条 件
功率平衡约束为：
Ｎ
∑ ＰｔＤ ＝
Ｐｉｔ
ｉ＝１
机组出力约束为：
｛ｕＰ ｔ ｃ ｉ ｉ，ｍａｘ
≤
Ｐｔｉ
≤ Ｐｉ，ｍａｘ
ｕＰ ｔ ｉ ｉ，ｍｉｎ
≤
Ｐｉｔ
≤ Ｐｃ ｉ，ｍｉｎ
旋转备用约束为：
Ｎ
∑ｕＰ ｔ ｉ ｉ，ｍａｘ
≥
ＰｔＤ
＋ＰｔＲ
ｉ＝１
开停机时间约束为：
经 济 负 荷 分 配 公 式 嵌 入 并 行 随 机 搜 索 模 式 中 ，减 少 负 荷 分 配 时 的 迭 代 次 数 。 算 例 中 的 机 组 耗 量 特 性 曲 线 根 据
实际数据采用二次曲线拟合。仿真结 果 表 明，该 方 法 既 带 有 智 能 算 法 搜 索 的 随 机 性 又 具 有 传 统 算 法 的 稳 定
性 ，优 化 速 度 快 且 精 度 较 高 。
关 键 词 ：自 动 发 电 控 制 （ＡＧＣ）；蚁 群 算 法 （ＡＣＯ）；机 组 组 合 ；负 荷 分 配 ；水 电 站
中 图 分 类 号 ：ＴＶ７４；ＴＭ７３４
文 献 标 志 码 ：Ａ
自 动 发 电 控 制 （ＡＧＣ）是 保 证 电 网 安 全、稳 定 、经 济 运 行 和 提 高 电 网 智 能 化 水 平 的 重 要 举 措 。 按调控 层 面 可 分 为 电 网 ＡＧＣ 和 厂 级 ＡＧＣ，厂 级 ＡＧＣ 的控制目标 是 在 满 足 各 项 运 行 约 束 条 件 下 确定合理的机组 组 合 和 启 停 次 序，将 电 网 给 定 功 率或日 负 荷 计 划 按 时 段 在 线 分 配 至 各 ＡＧＣ 机 组 ，使 系 统 频 率 稳 定 、满 足 负 荷 要 求 且 发 电 总 成 本 最小 。 ［１］ 目前，机 组 组 合 和 负 荷 分 配 优 化 方 法 包 括优 先 顺 序 法、线 性 规 划 法、等 微 增 率 法、动 态 规 划法、拉格朗日 松 弛 法 等 传 统 算 法［２，３］，这 些 传 统 方法很难在合理时间内求出满足工程要求精度的 解。在求解机组 组 合 和 最 优 投 入 次 序 时，常 用 的 等微增率特性曲线图解法在求解多台机组运行的 组合特性曲线时 精 确 度 较 低，且 在 实 际 机 组 运 行 中受到多种限制（如 避 开 振 动 区 和 汽 蚀 区），方 法 复杂繁琐。近年 来，遗 传 算 法、粒 子 群 算 法、蚁 群 算法等智 能 算 法 已 应 用 于 水 电 站 机 组 组 合 问 题 中［３，４］，并取得 了 一 定 的 优 化 效 果。 鉴 此，本 文 采 用蚁群优化算法（ＡＣＯ）优化 ＡＧＣ 机组组 合 和 启 停次序，并结合由 等 微 增 率 准 则 导 出 的 计 算 公 式 进行开机机组间 的 最 优 负 荷 分 配、嵌 套 循 环 迭 代 寻 优 ，避 免 了 求 解 组 合 特 性 曲 线 时 的 误 差 ，同 时 在 机组组合确定的 情 况 下，经 济 负 荷 分 配 具 有 稳 定 性又可大幅减少迭代次数。将该算法应用于某水 电 站 日 发 电 过 程 ，与 传 统 的 等 微 增 率 法 相 比 ，具 有 更快的优化速度 和 较 高 的 精 度，验 证 了 蚁 群 算 法 在解决水电站 ＡＧＣ 机 组 经 济 运 行 问 题 的 可 行 性
（河海大学 能源与电气学院，江苏 南京 ２１１１００）
摘要：针对水电站厂级自动发电控制（ＡＧＣ）中的经济 运 行 问 题，采 用 蚁 群 算 法 求 解，所 建 模 型 综 合 考 虑 了 功
率 平 衡 、机 组 出 力 约 束 、旋 转 备 用 和 机 组 开 停 机 时 间 约 束 等 多 重 安 全 运 行 限 制 条 件 ，并 根 据 等 微 增 率 原 则 导 出