论文部分内容阅读
随着我国经济的快速发展，对电力需求量的日益增加，在消耗能源的同时也考虑到环境保护的重要性。减少煤炭的使用量，充分利用水力资源是调整能源结构和实施可持续发展战略的必然选择。水火电站的发展完全符合国家的战略要求，因此，近年来关于梯级水电站和火电站的相关问题得到了广泛的关注。本论文以梯级水电站和火电站优化调度研究为核心，并提出一种FNO-PSO算法解决该优化问题，从而说明FNO-PSO算法的可行性及有效性。主要创新成果及研究工作如下： （1）本论文针对粒子群算法（Particle Swarm Optimization，即PSO）存在早熟和局部收敛问题，将结合分数阶神经优化算法（Fractional-Neuro-Optimizer，即FNO）提出一种新算法，即FNO-PSO算法。该算法通过改进PSO算法中的惯性权重更新规则，以保证群体中的各个粒子能够在搜索空间中的运动多样性，避免PSO算法在运算后期会因种群过于密集而陷入局部最优的缺点。 （2）为了证明FNO-PSO算法的有效性，将该算法运用到几个测试系统中，并与PSO算法进行对比，通过仿真结果来说明FNO-PSO算法的可行性及有效性。 （3）本论文针对梯级水电站和火电站，并结合各自的运行特点，在考虑水火电综合效益的基础上，列出主要的限制约束：系统负载平衡方程，火电站出力限制，梯级水电站出力限制，排水量和存储体积限制，最初和最终存储体积限制，水流动态平衡方程，并建立一个使火电站发电成本最低的目标函数。 （4）将FNO-PSO算法应用到梯级水电站和火电站优化调度研究中，经仿真计算记录梯级水电站和火电站的每小时出力情况以及火电站运行费用，并与PSO算法进行比较说明FNO-PSO算法在解决多目标非线性优化问题时的优越性。