论文部分内容阅读
负荷优化分配是电厂提高经济效益的一项有效措施。它是在满足各种约束条件下,根据各个机组的运行特性合理地确定各机组应承带的负荷。热电厂负荷优化分配是一个高维和带复杂约束条件的非线性规划问题,运用传统优化算法易于收敛到局部最优解且工作量大。设计出性能优良的遗传算子,提出了以变异为主导的遗传算法。根据BP神经网络强大的非线性拟合能力和自学习能力,详细探讨了其在热电厂负荷优化分配中的应用,克服了传统遗传算法在负荷优化分配中收敛速度慢和稳定性差的缺点。根据历史运行数据,拟合出单台机组的运行特性方