導(dǎo)語：火電系統(tǒng)節(jié)能減排論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1火電系統(tǒng)的節(jié)能減排優(yōu)化調(diào)度問題的模型構(gòu)建

顧名思義，所謂“節(jié)能”就是在能源的利用上做到節(jié)約、不浪費(fèi)，“減排”就是在生產(chǎn)過程中減少有害物質(zhì)的排放，進(jìn)而減少污染，而“優(yōu)化調(diào)度”是指在滿足一定的條件下對(duì)資源做到合理安排、分配。短期火電系統(tǒng)的節(jié)能減排優(yōu)化調(diào)度是指在一定的調(diào)度周期內(nèi)，即24小時(shí)內(nèi)，在滿足系統(tǒng)負(fù)荷和一定的約束條件下，對(duì)整個(gè)電力系統(tǒng)的各機(jī)組負(fù)荷實(shí)現(xiàn)最優(yōu)分配。而所應(yīng)用的優(yōu)化發(fā)電調(diào)度方式，是按照機(jī)組發(fā)電效率確定次序的調(diào)度規(guī)則，是實(shí)現(xiàn)電力工業(yè)節(jié)約發(fā)展、安全發(fā)展和科學(xué)發(fā)展的重要措施，也是落實(shí)科學(xué)發(fā)展觀的具體體現(xiàn)?？梢蕴岣唠娏ο到y(tǒng)整體的效率，對(duì)緩解我國的能源供應(yīng)壓力有重大意義?；痣娤到y(tǒng)的節(jié)能減排優(yōu)化調(diào)度問題是一個(gè)高維、非凸、非線性的有約束多目標(biāo)優(yōu)化問題。國內(nèi)外學(xué)者也對(duì)此進(jìn)行了大量研究，常見的方法有遺傳算法、差分進(jìn)化法、粒子群優(yōu)化算法等。本文即采用粒子群優(yōu)化算法來分析解決火電系統(tǒng)的節(jié)能減排優(yōu)化調(diào)度問題。

2優(yōu)化算法在節(jié)能減排調(diào)度中的應(yīng)用

國內(nèi)外學(xué)者對(duì)應(yīng)用到火電系統(tǒng)的算法進(jìn)行了大量研究，主要有遺傳算法、差分進(jìn)化法、粒子群算法等，接下來對(duì)各算法一一進(jìn)行分析。

2.1遺傳算法（GeneticAlgorithm）遺傳算法是是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。遺傳算法是解決搜索問題的通用算法，其步驟一般為復(fù)制、交叉、變異。

2.2差分進(jìn)化算法（DifferentialEvolution）

差分進(jìn)化算法是由Storn等人于1995年提出的，它是一種模擬生物進(jìn)化的隨機(jī)模型，通過反復(fù)迭代，使得那些適應(yīng)環(huán)境的個(gè)體被保存了下來。本質(zhì)上說，它是一種基于實(shí)數(shù)編碼的具有保優(yōu)思想的貪婪遺傳算法，同遺傳算法一樣，差分進(jìn)化算法包含變異和交叉操作，但同時(shí)相較于遺傳算法的選擇操作，差分進(jìn)化算法采用一對(duì)一的淘汰機(jī)制來更新種群。對(duì)于優(yōu)化問題。

2.3粒子群算法（ParticleSwarmOptimization）

粒子群算法是在1995年由Eberhart博士和Kenned博士提出，源于對(duì)鳥群捕食的行為研究。該算法最初是受到飛鳥集群活動(dòng)的規(guī)律性啟發(fā)，進(jìn)而利用群體智能建立的一個(gè)簡化模型。粒子群算法在對(duì)動(dòng)物集群活動(dòng)行為觀察基礎(chǔ)上，利用群體中的個(gè)體對(duì)信息的共享使整個(gè)群體的運(yùn)動(dòng)在問題求解空間中產(chǎn)生從無序到有序的演化過程，從而獲得最優(yōu)解。粒子群算法和遺傳算法類似，也是一種基于迭代的優(yōu)化算法，但是它沒有遺傳算法中的交叉和變異，而是粒子在解空間追隨最優(yōu)的粒子進(jìn)行搜索。同遺傳算法比較，PSO的優(yōu)勢(shì)在于簡單容易實(shí)現(xiàn)并且沒有許多參數(shù)需要調(diào)整?；诖?，決定用粒子群算法來解決短期火電系統(tǒng)的節(jié)能減排優(yōu)化調(diào)度問題。

3結(jié)論

本文是為解決短期火電系統(tǒng)的節(jié)能減排優(yōu)化調(diào)度問題，建立了火電系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型，找到了適合該模型的目標(biāo)函數(shù)、約束條件等。分析了遺傳算法、差分進(jìn)化算法以及粒子群優(yōu)化算法的特點(diǎn)，由于粒子群算法規(guī)則簡單，容易實(shí)現(xiàn)，收斂速度快，且有很多措施可以避免陷入局部最優(yōu)，并且對(duì)于參數(shù)的選擇已經(jīng)有成熟的理論研究成果，進(jìn)而選擇了粒子群優(yōu)化算法來解決該調(diào)度問題，為后續(xù)的實(shí)例仿真計(jì)算奠定基礎(chǔ)。

作者:周雪孫夢(mèng)雅于晨晨韓羞草李曉飛單位:中國礦業(yè)大學(xué)〈北京〉機(jī)電與信息工程學(xué)院