等微增法与动态规划法在负荷优化调度中的比较.docxVIP

等微增法与动态规划法在负荷优化调度中的比较 1 电厂负荷优化分配系统 随着工厂网络的划分以及工厂之间的竞价网络分配政策的实施，降低全工厂的教学成本和发电成本已成为工厂最担心的问题。其中，工厂负荷优化和分配是降低全工厂发电成本的途径之一。对于有多台发电机组的电厂,在满足全厂总负荷一定的前提条件下,各台机组所带的负荷有许多不同的组合,而不同的负荷组合会使全厂的发电煤耗有所不同。电厂负荷优化分配系统就是要在这许多不同的组合中挑选出使电厂煤耗最小的组合。只要使各台机组的负荷调整到这一组合所规定的负荷,就一定会使全厂的发电成本最低。 2 传统负荷分布模式 目前,关于机组负荷优化分配的研究较多,常见的两种方法为:等微增法和动态规划法。 2.1 机组煤量特性曲线b 等微增法是以燃料消耗量最小为优化目标,其基本的原理为:电厂各机组间负荷的经济分配,可等效为一个函数求极值的问题,即在电厂各机组负荷Ni(i=1…,n)之和等于电厂所需总负荷的前提条件下,通过使全厂的总燃料消耗量B(=ΣBi,Bi为第i台机组的燃料消耗量)为最小值,从而确定各台机组应带的负荷Ni(i=1…,n)。可以证明,当dBdN=dB1dN1=dB2dN2=?=dBndNndBdΝ=dB1dΝ1=dB2dΝ2=?=dBndΝn,而且d2BidN2i＞0(i=1,2,??n)d2BidΝi2＞0(i=1,2,??n)时,总燃料消耗量B可达到最小值,其物理意义为:若全厂的燃料消耗微增率与各机组燃料消耗微增率相等,则全厂总燃料消耗量最少,也就是说当电厂机组间负荷的分配达到了等燃料消耗微增率时,就实现了负荷的最佳分配。在理论上,基于等微增法的负荷分配是合理的,但在实际的应用过程中会存在一定的问题:(1)在用等微增法计算最优的负荷分配时,首先需要获得各机组准确的性能曲线,而机组性能曲线一般是通过某一次热力实验获得的,但当机组运行一段时间后,由于设备状态及煤种等多方面的原因会使各机组的性能曲线发生变化,这样在负荷优化分配中所采用的机组煤量特性曲线与机组实际的煤量特性曲线会有较大的偏差,必然会影响负荷分配结果的正确性;(2)这种方法要求各机组的煤量特性曲线必须单调可微;(3)在负荷的分配过程中除考虑机组的煤耗外,没有考虑其它许多重要的因素,如机组的安全性及负荷调整的复杂性等,也没有融合值长的负荷分配经验,其结果必然会造成许多负荷分配结果与人的决策思维不一致,而且也会使机组的负荷改变过于频繁,如:优化结果可能会出现要求某一机组仅增加1 kW(甚于只有几百瓦),而要求另一机组减少仅几百瓦的这种不合理的结果,最终结果将使负荷优化分配系统难于使用。 2.2 负荷调度的步骤 动态规划属运筹学的范畴,是研究对多阶段决策过程求最优策略的方法。基于贝尔曼提出的最优化原理,对多阶段决策问题进行求解。最优化原理可归结为一个递推关系表达式。递推关系式一般没有明显的解析式,常采用离散造表的方法。当初始条件已知时,解题过程一般为逆顺序,即从最终状态开始,采用改进的枚举法,遍历各种情况,选择使目标函数最优的一种组合。 采用动态规划法进行负荷调度的步骤: (1) 列出目标函数(如等微增法,以燃料消耗量最小为目标函数)。 (2) 通过实验,求出机组燃料消耗特性曲线或特性表。 (3) 根据机组燃料消耗特性曲线或特性表,求出按不同机组台数i组合的组合顺序,依组负荷Ni的大小顺序,求出与之对应的最小组合目标函数及单机负荷Ni,得到各种可能情况。 (4)在第(3)步得到的各种可能情况中,采用逆序分配的方法,求出每种负荷情况下,目标函数最小的一种,作为负荷分配时的机组负荷。 由于动态规划法并不需要对机组燃料特性曲线求导用动态规划法进行负荷调度并不要求机组性能曲线单调可微,所以比等微增法具有更广的使用范围。但是动态规划法同样具有较多的缺点:(1)该方法同样依赖于机组特性曲线;(2)在实际的负荷调度中,该方法没有考虑机组的当前负荷,导致有时只改变一台机组就能满足负荷调度的情况下,有可能要改变多台机组负荷,这就必然导致机组负荷的频繁改变,不利于经济性生产。 3 数据库的智能决策 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,它的研究领域十分广泛,涉及模式识别、物景分析、自然语言理解、数据库的智能检索、博弈、自动定理证明、自动程序设计、专家系统、机器翻译、机器学习、机器人等领域。 针对常规方法依赖于严格的机组特性曲线的缺陷,结合动态规划法适应范围广的优点,采用智能决策方法。通过对数据库的智能检索,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