论文部分内容阅读
在传统的火电厂中，普通火力发电机组在供电过程巾会将大量的余热浪费掉，而热电联供技术作为一种新的节能减排技术，能够将余热利用，向用户同时供电和供暖，实现能源的高效利用。热电联供技术可以有效减少火电厂的燃煤花费成本并提高火电厂的经济效益，所以发展热电联供经济调度(CHPED)事业势在必行。随着近年来全球气候问题的不断恶化，环境问题受到的关注度越来越高，所以深化热电联供环境经济调度(CHPEED)事业的研究也十分必要。在热电联供系统中，热电联供机组不仅需要满足电能和热能的需求，还需考虑电能和热能的强耦合关系，因此比纯电力系统的约束条件更加复杂。另外实际供电机组在供电过程中会产生“阀点效应”现象，会使原有的花费成本目标函数模型由线性变为非线性，而传统的优化方法难以有效解决这类非线性复杂约束问题。最近几年，随着新兴群智能优化算法被陆续提出，越来越多的非线性复杂约束优化模型被解决，所以本文使用群智能优化算法对CHPED和CHPEED问题进行求解。论文主要完成了以下几个方面的研究工作：
首先，本文使用了一种混合粒子群与差分进化算法(DEPSO)求解CHPED问题。该算法采用双种群并行优化的方法，将种群分为两部分，分别采用粒子群算法和差分进化算法进行操作。在每次迭代过程中利用种群之间的信息交互机制，避免了错误的最优信息对整个群体进化过程的误导，增加了整个种群的多样性，提高了算法的优化能力。从仿真结果可以看出，DEPSO算法能够有效提高火电厂的经济效益。
其次，DEPSO算法存在计算复杂度过高、算法运行时间较长、效率较低等缺陷。为了克服这些不足之处，本文提出了一种新的融合差分变异策略的改进二阶振荡粒子群算法(DEISV-PSO)对CHPED问题进行求解，该算法采用的差分变异策略能够在维持单种群框架下，提高种群的多样性。从仿真结果可以看出，DEISV-PSO算法在解决CHPED问题上比DEPSO算法具有更显著的成效。
再次，低维CHPED问题的仿真结果不能够明显地体现各优化算法的优劣性，为了验证算法在面对复杂大规模问题时的有效性和优越性，本文将DEPSO算法和DEISV-PSO算法应用到两个较大规模CHPED测试案例中。从仿真结果可知，DEISV-PSO算法要优于其众多算法，且在一定程度上克服了DEPSO算法的不足之处。
最后，为了证实DEISV-PSO算法在解决多目标CHPEED问题中的有效性和优越性，本文将DEISV-PSO算法应用到一个多目标CHPEED测试案例中。从仿真结果可知，DEISV-PSO算法的优化结果较参考文献中要好，能够有效提高火电厂的经济效益和环保效益。
首先，本文使用了一种混合粒子群与差分进化算法(DEPSO)求解CHPED问题。该算法采用双种群并行优化的方法，将种群分为两部分，分别采用粒子群算法和差分进化算法进行操作。在每次迭代过程中利用种群之间的信息交互机制，避免了错误的最优信息对整个群体进化过程的误导，增加了整个种群的多样性，提高了算法的优化能力。从仿真结果可以看出，DEPSO算法能够有效提高火电厂的经济效益。
其次，DEPSO算法存在计算复杂度过高、算法运行时间较长、效率较低等缺陷。为了克服这些不足之处，本文提出了一种新的融合差分变异策略的改进二阶振荡粒子群算法(DEISV-PSO)对CHPED问题进行求解，该算法采用的差分变异策略能够在维持单种群框架下，提高种群的多样性。从仿真结果可以看出，DEISV-PSO算法在解决CHPED问题上比DEPSO算法具有更显著的成效。
再次，低维CHPED问题的仿真结果不能够明显地体现各优化算法的优劣性，为了验证算法在面对复杂大规模问题时的有效性和优越性，本文将DEPSO算法和DEISV-PSO算法应用到两个较大规模CHPED测试案例中。从仿真结果可知，DEISV-PSO算法要优于其众多算法，且在一定程度上克服了DEPSO算法的不足之处。
最后，为了证实DEISV-PSO算法在解决多目标CHPEED问题中的有效性和优越性，本文将DEISV-PSO算法应用到一个多目标CHPEED测试案例中。从仿真结果可知，DEISV-PSO算法的优化结果较参考文献中要好，能够有效提高火电厂的经济效益和环保效益。