大型电站负荷优化分配研究.pdfVIP

大型电站负荷优化分配研究 张眷发赵宁王惠杰李利平 (华北电力大学河北保定071003) 摘要：在电力市场化环境下，电网中用电负荷的峰谷差日益增大。致使机组负荷分配需要经常地、 较大幅度地进行调整。本文对目前已有的负荷分配方法进行研究比较．并详细介绍了模拟退火算法， 并以模拟退火法为基础设计出一种负荷分配的智能决策方法 关■词：火电厂，负荷分爵，优化运行 1．前言 随着国民经济的发展，电弼中用电负荷的峰谷差日益增大，致使用电负荷需求经常地、较大 幅度地进行调整，对整个参与系统调节的电厂而畜，如伺使电厂运行经济性降低的程度减少到最 低限度，即实时合理分配全厂各个机组(锅炉、汽轮机、单元机组)间负荷已成为火电厂运行中 ～个迫切需要解决的问题。目前．关于机组负荷优化调度和分配的研究，主要是基于离线数据进 行分析计算，其采用的能耗特性曲线与火电厂的实际运行状况有一定的出入。因此在火电厂调峰 对的经济负荷分配中需要一种实时、简便、科学的分配方法。对负荷分配原理进行研究，并结合 可视化编程工具将各种原理以程序化算法实现，以使火电厂最经济地运行，是当前所面临的紧迫 任务。随着大容量机组的不断投入运行，机组的自动化水平也越来越高，有不少机组已经采用机 组协调控制系统。这种控制系统的自动化程度较高，机组协调性能好，可以采用目标调节的方式． 将负荷优化结果作为目标值直接送到协调控制系统，由协调控制系统本身的控制器来控制机组负 荷的增减。因此，研究大型火力发电厂多台机组间实时负荷优化分配系统就具有很好的现实意义。 2．当前存在问题 长期以来，以古典变微分原理为基础的等微增率法和协调方程式法普遍应用于指导电力系统 的经济运行，电力系统EMS中负荷经济调度主要就是采用该方法。随着优化算法的发展，陆续又 有线性规划法、动态规划法、模糊决策、遗传算法等应用与该领域的理论研究。其应用多面向电 力调度侧，而直接以电厂为单位指导生产，根据机组运行状况分配负荷，但当前各种优化算法都 存在一定的缺陷：等微增率法要求煤耗特性是单调可微的，并且没有考虑机组的安全性及负荷调 整的复杂性等其它许多重要的因素；线性规划法，要求煤耗特性曲线是线性的，这与现实差距较 大；动态规划法，事先焉要离散造表，不但工作量太，而且程序自动实现困难，计算步距的选择 也是问题，大了可能会把最佳分配方案错过，小了增加制表工作量和计算工作量；目前使用动态 规划法结合等微增率法虽能获得非常不错的结果，但又缺乏足够的理论依据，仅仅是经验告诉我 们现在大型单元机组负荷煤耗特性都近似二次或高次函数。所以我们可以在优化计算方面寻找更 加合适的算法。 3．智能决策方法 人工智能是利用计算机程序和程序设计技术来认识普通的智能原理和具体的人类思想。它是 计算机科学的一个重要分支，针对常规方法依赖于严格的机组特性曲线的缺陷。通过对数据库的 ．288 智能检索，编程实现智能算法，模仿运行人员的操作习惯，在智能检索的结果中选出最优的规则， 作为决策输出。这样通过数据库的不断更新，不依赖于机组特性曲线，就能够实现机组负荷的改 变，并且使改变负荷机组的台数减到最少。 3．1模拟退火算法 Kitkpatrick在1983年首先提出模拟退火算法，它是人们从自然界固体退火过程中得到启 发并从中抽象出来的一种随机优化算法。模拟退火算法的原理是通过在某一温度下，处于热力学 平衡下的一个经典粒子系统的粒子运动状态，来达到求解极值的目的。这个算法包括两个步骤： 模拟粒子的热运动和缓慢的降温过程。 3．1．1．粒子热运动的模拟 由于粒子做无规则运动，其空间位置和动量无时无刻不在发生变化，运动状态可由广义坐标 和广义动量来完全确定。设粒子的自由度为r，则在任一刻粒子的运动状态可用2r维空间中 的一个点(称为代表点)来描述。这个空间称为子相空间。由N个相同粒子构成的系统在子相空 间中对应于N个代表点。 某一粒子的无规则运动在子相空间中对应于—个随机的点列。根据统计力学中的经典统计， 一个含有大量的、全同的、遵守经典力学的近独立粒子所组成的孤立系统，当处于热力平衡态的 时候。粒子按能量的分布规律服从麦克斯韦——玻尔兹曼分布，简称玻尔兹曼分布。设粒子总数 为N，具有能量￡f的粒子有Ⅳ．个，则玻尔兹曼分布告诉我们 等…，卜南， ㈩ 式中岸6为玻尔兹曼常