- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
电力节能环保经济调度研究答辩ppt
LISTEN.THINK.SOLVE. Rockwell Automation Lab 电力节能环保经济调度研究 学生:郭婷婷 导师:段其昌 教授 硕士学位论文答辩 课题研究背景 能源资源有限 2000年,剩余可采储量 煤炭 114年,石油 20年,天然气 49年 能源利用率低 总体能源利用率 33% 低 10% 环境污染问题严重 臭氧层破坏、热带雨林消失、温室效应、酸雨等 国家节能减排政策 2009年12月7日-18日,哥本哈根世界气候大会 2020年,单位GDP二氧化碳强度减少40%到45% 电力能源资源占用量大,电力环境污染严重 燃煤 12亿吨,二氧化硫 54%,烟尘 20%,灰渣 70% 课题研究意义 电力系统运行对能源需求,环境和生态的影响越来越大。原来的调度运行方式已完全不能适应现代电力系统的运行和控制。 在保证安全供电的前提下,减少能源资源消耗,提高运行效率,实现优化运行。 主要研究内容 4 结论与展望 3 实例分析 2 电力调度算法研究 1 电力调度模型研究 电力节能环保经济调度研究 机组煤耗特性 1 电力调度模型研究 单元式发电机组 机组耗量特性近似表示 机组耗量特性 传统电力调度模型 以煤耗最低为目标的模型 以购电成本最低为目标的模型 以污染排放总量最小为目标的模型 1 电力调度模型研究 传统电力调度模型弊端 传统电力调度模型:单目标优化问题 进行了环保技术改造的火力发电机组本应获得调度优先权,但在相同条件下其售电价格因环保的投入会更高,从而会失去竞争优势; 风电、太阳能等可再生发电投资偏高,因此在相同条件下火电比风电更易获得调度优先权。 1 电力调度模型研究 本文模型 式中,g与h分别为不等式与等式约束;F表示电力节能环保经济调度模型的总目标;F1表示火电机组的煤耗;F2表示购电费用;F3表示污染气体排放量。 1 电力调度模型研究 其中: 本文模型的约束条件 1 电力调度模型研究 系统负荷平衡约束 火电机组出力上下限约束 火电机组升降功率速度约束 机组最小运停时间(含启动时间)约束 系统最低旋转备用约束 , PD(t)是系统在t时刻的负荷。 分别是火力机组n的出力上限和下限。 , , , Rn,up,Rn,dn分别表示火电机组n的加载和减載速率限值。 BRO,Ut为时段t系统的最低旋转备用。 粒子群优化算法 粒子群优化算法 ( Particle Swarm Optimization, PSO ) 是一种迭代的优化方法,其依赖经验参数少,具有良好的优化性能,操作原理简单。 PSO算法的求解是多样性逐渐丧失的过程,粒子对全局极值的不断追踪使粒子在进化过程,表现出强烈的趋同性,算法虽然收敛速度快,但易于发生早熟收敛。 2 电力调度算法研究 惯性权重ω 2 电力调度算法研究 搜索缓慢并易于陷入局部极值 在当前解空间里挖掘出更好的解 小 搜索更大的空间,发现新的解域 优点 不易得到精确解 大 缺点 ω值 ω对控制算法的收敛起到较大的作用,其控制着粒子在解空间进行全局与邻域搜索。 ω值的特点 惯性权重的改进 式中,kmax为最大迭代次数;k为迭代次数;ωmax和ωmin是进化始末的惯性权重系数;a为指数函数曲率系数。 2 电力调度算法研究 Shi等人提出LDW-PSO算法,其惯性权重线性递减。 改进的惯性权重。 惯性权重的轨迹 TS-APSO算法研究 改进的粒子群算法求得的最优值与实际最优值有一定的偏离。 禁忌搜索算法( Tabu Search或Taboo Search, TS )是一种全局性邻域搜索算法,具有灵活的记忆功能和藐视准则,搜索时能跳出局部最优解,从而增加获得更好的全局最优解的概率。 PSO算法最终结果不依赖于初始解的选取,TS算法的最终解质量和收敛速度与初始解有很大的关系。 在粒子群优化算法中引进禁忌搜索算法可有效地改善优化性能。 2 电力调度算法研究 TS-APSO算法流程图 2 电力调度算法研究 三种算法测试函数 ωPSO,CPSO,TS-APSO三种算法的学习因子c1=2.8,c2=1.3,初始群体均设置为30,选取粒子群的适应值即为函数值本身,最大迭代次数均为4000。 2 电力调度算法研究 三个经典测试函数 三种算法仿真结果比较 2 电力调度算法研究 Sphere函数 2 电力调度算法研究 Rastrigin函数 Griewank函数 三种算法仿真结果比较 TS-APSO算法电力调度要点 约束条件的处理 在产生初始群体时验证各粒子是否都满足约束条件,每次迭代后产生的新个体也必须满足约束条件。 APSO适应度值和TS评价函数 为电力节能环保经济调度的目标
文档评论(0)