最优控制课程Project报告具有混合动态约束的系统优化调度——火电.DOCVIP

最优控制课程Project报告 PAGE 具有混合动态约束的系统优化调度 ——火电机组子问题求解 第一小组成员： 杨勇 李培 李洁 张俊杰 目 录 第一章 引言 问题分析 实验结果 心得体会 致谢 具有混合动态约束的系统优化调度 ——火电机组子问题求解新方法 引言 优化的问题由来已久。从人类劳动的历史开始，优化的问题就应运而生了。如何在客观条件一定的情况下，使一件事做的更好，就成为人类不懈追求的目标。使一件事做的更好可能是花费时间最少，等量产出的情况下消耗最小等等，这就关系到如何安排一系列事件的顺序等问题。 随着历史的发展，优化问题的研究也在不断的进步。如今一方面，系统优化问题渗透到许多学科研究之中，另一方面，优化也成为了一门专门的学科并且有了坚实的理论基础和一系列的经典方法。 生产优化调度的目的是合理安排有限的生产资源，达到成本最低、能源最省等目标。对于电力、化工等一大类生产系统，通常包括多套不同型号的生产设备。优化调度问题除要考虑生产量、原料限制、合同产量等系统约束外，每个单台设备通常具有十分复杂的离散动态运行约束如不连续输出区间、开关机约束，以及连续动态运行约束如生产能力、输出变化限制等。 本文的研究就是在这样的背景之下进行的。主要讨论了火电机组的调度问题。为了在满足各种系统约束（生产量，合同成本，开关机约束，爬升约束等等）的前提下是系统的费用最低，能源最省，如何调度不同机组的开关机时间，决定单个机组的开关机序列和发电功率就是我们的目标。 问题分析 1．系统方法 从数学规划的角度来看，整个火电机组（24个机组）的调度问题属于NP问题，即随着系统规模的增大，计算量将呈现指数增长的趋势。当系统规模增长到一定程度时，直接求解这个问题是不可能的或者几乎不可能的，例如有时候，以目前的计算机运行速度计算，将要需要几十万年甚至上百万年数量级；即使是几个月的时间也是不现实的，因为如果那样的话将会失去实际意义。 近年的研究表明拉格朗日松弛法是求解具有可分结构问题的最有效算法之一，其主要思想是在对偶理论基础上，利用拉氏乘子松弛系统约束，将原问题分解成若干子问题，形成二级优化结构。下级对子问题分别求解，上级更新拉氏乘子。对偶解收敛后，再应用启发式方法或系统化方法将对偶解调整为可行解。拉格朗日松弛法的主要优点包括：将大规模问题分解为若干子问题求解从而降低了复杂度；便于灵活处理多种约束；计算时间随问题规模增大仅呈线性增长；计算中得到的对偶函数值可定量评价可行调度方案的优劣；Lagrange乘子在实际中有重要的经济意义。 整个火电机组的调度问题可以通过拉各朗日松弛法分解为多个子问题求解，即各个单个机组的开关机问题。单个机组的开关机问题是一个具有混合参数（连续参数，离散参数）的最优控制问题。通过解耦的方法分别处理离散参数和连续参数，使两方面的控制都达到最优。首先应用动态规划法，在每个连续运行的时段内，确定最优的连续决策变量，然后再利用动态规划法，求解最优的离散状态和控制。 鉴于整个火电机组生产调度问题复杂度和工组量的因素（各种约束可能达到上万个），我们在这里只是尝试解决单机组的优化调度问题，即下层的子问题。那么这个子系统的输入是拉各朗日乘子，输出是这个机组的最小消耗成本。在这个子系统中要考虑发电量约束，最小开关机约束，功率的爬升约束，冷开机时间等多种约束。在这个子问题中，单机组的最优开关机序列是一个重要的结果。是连接输入参数和输出参数的桥梁。 2．问题描述 考虑有I套火电机组的系统，调度周期为T个时段，那么整个机组的混合优化问题可以表示为： （1） 这里和分别是机组在第时段内的连续和离散状态变量，为表示控制机组的离散控制变量。通常对应于机组在第时段内的发电量，为机组在第时段内的生产成本，为离散状态转换引起的费用，一般仅当与异号时此费用非零，否则为零，它与机组目前的状态和离散控制变量有关。问题的约束可分为系统约束与设备约束两类，系统约束主要包括： (2) (3) 其中为第时段的发电量要求， 表示电力系统调度中的系统备用，是设备在第时段内发电量为时消耗的原料（不等号相反）, 是第时段的原料限制（或系统备用需求）。 设备约束主要包括： 连续状态方程： ， (4) 其中为连续控制变量； 离散状态方程： (5) 离散状态方程通常表示设备开机时间（取正值）或关机时间（取负值）的演变，比如表示第时段内设备处于开机状态，且已连续开了3个时段； 连续状态约束： ， (6) 通常表示机组的生产能力和最小输出，其中