【技术实现步骤摘要】
本专利技术属于热电联产机组负荷分配优化算法领域，具体涉及一种复杂热电联产系统的热电负荷分配方法。
技术介绍
1、风能、太阳能等新能源发电的快速发展正加速能源结构转型，但其间歇性、波动性特点给电力系统带来巨大挑战。为此，热电联产电厂需要具备良好的负荷调节能力，消纳可再生能源发电，保证电网的稳定运行。由于热电联产机组的热电耦合特性，电负荷波动会影响电厂供热能力，进而影响整体能耗水平。对热电负荷进行优化分配可以提高电厂应对外界负荷变化的调节能力，在维持较低能耗水平的基础上实现负荷变动以满足外界需求。
2、粒子群算法实现容易、收敛快、内存需求小，在全局优化和工程问题中展现出极大优越性。但多机组热电联产系统的热电负荷分配优化问题约束条件众多，求解过程复杂，采用粒子群优化算法存在运行时间较长及计算结果不稳定的问题，难以获得良好的优化结果。
技术实现思路
1、为了使粒子群优化算法在解决热电厂多机组负荷分配问题时提高计算效率和计算结果稳定性，本专利技术目的在于提供一种基于莱维飞行-杂交粒子群算法的复杂热电联产系统的热电负荷分配方法，实现对复杂热电联产系统的负荷优化分配，提高系统应对外界负荷变化的调节能力。
2、为了达到上述目的，本专利技术采用如下技术方案：
3、一种复杂热电联产系统的热电负荷分配方法，所述复杂热电联产系统负荷分配方法包括以下具体步骤：
4、步骤1：对供应多种热负荷的热电联产机组进行系统分析；
5、步骤2：确定多机组热电负荷
6、多机组热电联产电厂热电负荷均需保持供需平衡，即：
7、
8、
9、
10、其中，p、qh、ql分别为多机组热电联产电厂总电负荷、总高压供热负荷、总低压供热负荷；pi、qhi、qli分别为第i个机组的电负荷、高压供热负荷、低压供热负荷；
11、双抽热电联产机组运行受到主蒸汽流量、电负荷和两个热负荷之间耦合关系的限制，用方程表示为：
12、f(d0i，pi，qhi，qli)＝0
13、其中，d0i为第i个机组的主蒸汽流量；
14、机组的运行区域为三维多面体，五个边界面分别为：最大主蒸汽流量边界面、最小主蒸汽流量边界面、仅高压供热负荷边界面、仅低压供热负荷边界面和最大可抽汽量边界面；
15、单一机组电负荷和热负荷均存在一定的调节区间：
16、pi,min≤pi≤pi,max
17、qhi,min≤qhi≤qhi,max
18、qli,min≤qli≤qli,max
19、其中，pi,max、pi,min、qhi,max、qhi,min、qli,max、qli,min分别为第i个机组电负荷上下限、高压供热负荷上下限、低压供热负荷上下限；
20、步骤3：确定多机组热电负荷分配的优化目标；
21、选择总标准煤耗量作为优化目标，根据步骤1的系统分析得到机组变工况条件下标准煤耗量与电负荷、热负荷之间的关系：
22、bi＝f(pi，qhi，qli)
23、多机组热电联产电厂的总标准煤耗量：
24、
25、其中，b为多机组热电联产电厂总标准煤耗量；bi为第i个机组的标准煤耗量；
26、步骤4：建立莱维飞行-杂交粒子群算法模型，提高算法求解热电负荷分配问题的效率与稳定性；
27、对于x个变量的优化问题，定义n个粒子组成的粒子群，每个粒子在x维目标搜索空间中随机分配一个位置作为候选解，每个候选解对应一个适应度值，通过迭代计算找到最优解和最小适应度值；在每次迭代中，粒子跟踪两个极值对应的位置坐标来更新位置xi(t)和速度vi(t)：第一个是粒子自身找到的最优解，即个体最优值对应粒子位置另一个是整个群体找到的最优解，即群体最优值gbest(t)，对应粒子位置xg(t)；
28、粒子位置的移动受到当前速度、自我记忆和群体经验的影响，在第t+1次迭代时，粒子根据如下公式更新位置和速度：
29、
30、xi(t+1)＝xi(t)+vi(t+1)
31、式中，vi(t)和xi(t)分别为第i个粒子在第t次迭代时的速度和位置；为第i个粒子在第t次迭代过程中个体最优值对应的粒子位置；xg(t)为第t次迭代过程中n个粒子群体最优值对应的粒子位置；c1、c2分别为个体学习因子和群体学习因子；r1、r2为[0,1]范围内的均匀随机数；w为惯性权重，用于控制更新前速度对更新后速度的影响程度；
32、采用线性递减惯性权重法控制粒子速度大小，平衡算法的全局和局部搜索能力；线性权重变化公式为：
33、
34、式中，t为最大迭代次数，t为当前迭代次数，wmax、wmin分别为最大、最小惯性权重；
35、利用莱维飞行的随机分布使粒子具备远距离跳跃能力，避免位置多样性的损失，增强算法的全局搜索能力；粒子使用莱维飞行策略更新的新位置为：
36、lxi(t)＝xi(t)+svi(t)
37、式中，lxi(t)表示第i个粒子在第t次迭代时使用莱维飞行策略更新的位置，s服从莱维分布；莱维分布的一个简单形式表示为：
38、
39、式中，β为稳定性指数，0＜β＜2；u和ν分别为粒子飞行步长和方向，u和ν服从正态分布，
40、在每次迭代中，根据杂交率选取指定数量的粒子放入杂交池内随机两两杂交，子代粒子从父代粒子中获取有益信息进行重点搜索，增强算法收敛速度和精度；子代位置由父代位置交叉得到：
41、n1(x)＝p×m1(x)+(1-p)×m2(x)
42、n2(x)＝p×m2(x)+(1-p)×m1(x)
43、式中，m1(x)、m2(x)分别为两个父代粒子的位置，n1(x)、n2(x)分别为两个子代粒子的位置，p为0到1之间的随机数；
44、子代速度：
45、
46、
47、式中，m1(v)、m2(v)分别为两个父代粒子的速度，n1(v)、n2(v)分别为两个子代粒子的速度；
48、综上所述，在标准粒子群算法中引入莱维飞行更新粒子位置，增加杂交计算优化部分粒子位置与速度，构成莱维飞行-杂交粒子群算法模型；
49、步骤5：采用步骤4建立的莱维飞行-杂交粒子群算法模型对双抽热电联产系统进行负荷经济分配；
50、以各机组电负荷、高压供热负荷、低压供热负荷为优化变量，选择适配的优化变量个数x，共同组成了粒子的x维位置坐标，反应各机组当前热电负荷状态，粒子在x维搜索空间中寻求最优位置，优化流程为：
51、(1)选择适配的粒子个数n，根据步骤2中的约束条件随机初始化每个粒子的位置与速度，即在限制范围内随机初始化各优化变量，并确定适配的粒子初始速度；
52本文档来自技高网...
【技术保护点】
1.一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述复杂热电联产系统负荷分配方法包括以下具体步骤：
2.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤2中最大主蒸汽流量边界面和最小主蒸汽流量边界面是根据双抽热电联产机组的锅炉负荷特性来确定的。
3.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤2中最大可抽汽量边界面是由双抽热电联产机组高背压运行特性决定的，此时电负荷和热负荷受到同一个限制因素的制约，最大可抽汽量表现在同一个边界面上。
4.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤3中标准煤耗量与电负荷、热负荷之间的关系通过最小二乘法拟合得到，具体函数关系式为
5.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤4中粒子个数N和迭代次数T越大，算法精度越好，但运行时间越长，应根据实际应用问题选择适配的数值，经对比计算后确定粒子个数N＝100、迭代次数T＝300。
6.根据权利要求
7.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤4中正态分布的σv＝1，即v服从正态分布v～N(0,1)；正态分布的σu满足：
8.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤5中每次迭代的杂交过程仅改变杂交粒子的位置与速度，不改变粒子适应度值，每次迭代中的个体最优值和群体最优值gbest(t)也保持不变。
...【技术特征摘要】
1.一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述复杂热电联产系统负荷分配方法包括以下具体步骤：
2.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤2中最大主蒸汽流量边界面和最小主蒸汽流量边界面是根据双抽热电联产机组的锅炉负荷特性来确定的。
3.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤2中最大可抽汽量边界面是由双抽热电联产机组高背压运行特性决定的，此时电负荷和热负荷受到同一个限制因素的制约，最大可抽汽量表现在同一个边界面上。
4.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤3中标准煤耗量与电负荷、热负荷之间的关系通过最小二乘法拟合得到，具体函数关系式为
5.根据权利要求1所述的一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述步骤4中粒子个数n和迭代次数t越大，...
【专利技术属性】
技术研发人员：喻珮，刘明，王珠，赵永亮，王朝阳，严俊杰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。