本發(fā)明涉及火電技術(shù)領(lǐng)域，特別是涉及一種燃煤機(jī)組負(fù)荷分配方法和裝置。

背景技術(shù)：

不同類(lèi)型的燃煤機(jī)組有著不同的供電煤耗特性和污染物排放特性，相同類(lèi)型的燃煤機(jī)組，由于燃煤機(jī)組本身制造施工和運(yùn)行水平的不同，在供電煤耗特性和污染物排放特性等方面也存在差異。開(kāi)展負(fù)荷優(yōu)化分配調(diào)度，就是在保證燃煤機(jī)組連續(xù)安全運(yùn)行的前提下，通過(guò)選擇合適的負(fù)荷優(yōu)化分配方案，實(shí)現(xiàn)降低全廠(網(wǎng))供電煤耗和減小污染物排放等的多目標(biāo)最優(yōu)。

粒子群算法(PSO，Particle Swarm Optimization)有靈活和平衡的機(jī)制保證和調(diào)整全局搜索和個(gè)體搜索能力，收斂速度要快于遺傳算法。傳統(tǒng)技術(shù)中已有方案將粒子群算法應(yīng)用于燃煤機(jī)組的負(fù)荷優(yōu)化分配中，但是傳統(tǒng)技術(shù)中的粒子群算法無(wú)法實(shí)現(xiàn)Pareto(帕累托)前沿解集的多樣性和均衡性，因此根據(jù)該P(yáng)areto前沿解集無(wú)法對(duì)燃煤機(jī)組的負(fù)荷進(jìn)行合理分配。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)上述問(wèn)題，提供一種燃煤機(jī)組負(fù)荷分配方法和裝置，能夠?qū)崿F(xiàn)Pareto前沿解集的多樣性和均衡性。

為了達(dá)到上述目的，本發(fā)明采取的技術(shù)方案如下：

一種燃煤機(jī)組負(fù)荷分配方法，包括步驟：

根據(jù)初始化后的粒子群以及依據(jù)燃煤機(jī)組實(shí)際運(yùn)行參數(shù)構(gòu)建的負(fù)荷分配模型獲得第一目標(biāo)函數(shù)值，所述負(fù)荷分配模型以粒子群為輸入，以燃煤機(jī)組負(fù)荷最優(yōu)分配的目標(biāo)函數(shù)值為輸出；

根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集，將Pareto前沿解集分為若干個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)一個(gè)區(qū)域最優(yōu)解，獲得每一個(gè)區(qū)域的粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解，將粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解作為初始的外部存檔最優(yōu)解集；

根據(jù)所述外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置；

根據(jù)粒子本身經(jīng)歷過(guò)的最優(yōu)位置和粒子群經(jīng)歷過(guò)的最優(yōu)位置對(duì)粒子群的位置更新；

根據(jù)更新后的粒子群和所述負(fù)荷分配模型獲得第二目標(biāo)函數(shù)值；

比較所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值是否一致；

若一致，根據(jù)第二目標(biāo)函數(shù)值確定Pareto前沿解集，根據(jù)確定的Pareto前沿解集對(duì)燃煤機(jī)組負(fù)荷進(jìn)行分配，否則將所述第二目標(biāo)函數(shù)值作為新的第一目標(biāo)函數(shù)值，返回根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集的步驟。

一種燃煤機(jī)組負(fù)荷分配裝置，包括：

第一目標(biāo)函數(shù)值獲得模塊，用于根據(jù)初始化后的粒子群以及依據(jù)燃煤機(jī)組實(shí)際運(yùn)行參數(shù)構(gòu)建的負(fù)荷分配模型獲得第一目標(biāo)函數(shù)值，所述負(fù)荷分配模型以粒子群為輸入，以燃煤機(jī)組負(fù)荷最優(yōu)分配的目標(biāo)函數(shù)值為輸出；

外部存檔最優(yōu)解集獲得模塊，用于根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集，將Pareto前沿解集分為若干個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)一個(gè)區(qū)域最優(yōu)解，獲得每一個(gè)區(qū)域的粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解，將粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解作為初始的外部存檔最優(yōu)解集；

粒子群最優(yōu)位置獲得模塊，用于根據(jù)所述外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置；

位置更新模塊，用于根據(jù)粒子本身經(jīng)歷過(guò)的最優(yōu)位置和粒子群經(jīng)歷過(guò)的最優(yōu)位置對(duì)粒子群的位置更新；

第二目標(biāo)函數(shù)值獲得模塊，用于根據(jù)更新后的粒子群和所述負(fù)荷分配模型獲得第二目標(biāo)函數(shù)值；

目標(biāo)函數(shù)值比較模塊，用于比較所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值是否一致；

負(fù)荷分配模塊，用于在所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值一致時(shí)，根據(jù)第二目標(biāo)函數(shù)值確定Pareto前沿解集，根據(jù)確定的Pareto前沿解集對(duì)燃煤機(jī)組負(fù)荷進(jìn)行分配；在所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值不一致時(shí)，將所述第二目標(biāo)函數(shù)值作為新的第一目標(biāo)函數(shù)值。

上述燃煤機(jī)組負(fù)荷分配方法和裝置，基于粒子群算法，使用比例平衡機(jī)制將Pareto前沿解集分為若干區(qū)域，每個(gè)區(qū)域只對(duì)應(yīng)一個(gè)最優(yōu)解，當(dāng)算法發(fā)現(xiàn)某區(qū)域存在少部分非劣解時(shí)，粒子群將根據(jù)此非劣解獲得更多解集，從而提高了Pareto前沿解集的多樣性和均衡性，使燃煤機(jī)組在滿足電網(wǎng)對(duì)負(fù)荷調(diào)整硬性要求和機(jī)組自身約束條件下，實(shí)現(xiàn)了負(fù)荷的合理分配，達(dá)到經(jīng)濟(jì)和環(huán)保運(yùn)行，提高全廠發(fā)電經(jīng)濟(jì)競(jìng)爭(zhēng)力。

附圖說(shuō)明

圖1為一實(shí)施例所提供的燃煤機(jī)組負(fù)荷分配方法的流程示意圖；

圖2為一具體實(shí)施例所提供的粒子群的區(qū)域最優(yōu)解分布的示意圖；

圖3為一具體實(shí)施例所提供的外部存檔最優(yōu)解集的跳躍機(jī)制的示意圖；

圖4為一實(shí)施例所提供的燃煤機(jī)組負(fù)荷分配裝置的結(jié)構(gòu)示意圖；

圖5為另一實(shí)施例所提供的燃煤機(jī)組負(fù)荷分配裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為更進(jìn)一步闡述本發(fā)明所采取的技術(shù)手段及取得的效果，下面結(jié)合附圖及較佳實(shí)施例，對(duì)本發(fā)明的技術(shù)方案，進(jìn)行清楚和完整的描述。

如圖1所示，一種燃煤機(jī)組負(fù)荷分配方法，包括步驟：

S110、根據(jù)初始化后的粒子群以及依據(jù)燃煤機(jī)組實(shí)際運(yùn)行參數(shù)構(gòu)建的負(fù)荷分配模型獲得第一目標(biāo)函數(shù)值，所述負(fù)荷分配模型以粒子群為輸入，以燃煤機(jī)組負(fù)荷最優(yōu)分配的目標(biāo)函數(shù)值為輸出；

S120、根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集，將Pareto前沿解集分為若干個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)一個(gè)區(qū)域最優(yōu)解，獲得每一個(gè)區(qū)域的粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解，將粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解作為初始的外部存檔最優(yōu)解集；

S130、根據(jù)所述外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置；

S140、根據(jù)粒子本身經(jīng)歷過(guò)的最優(yōu)位置和粒子群經(jīng)歷過(guò)的最優(yōu)位置對(duì)粒子群的位置更新；

S150、根據(jù)更新后的粒子群和所述負(fù)荷分配模型獲得第二目標(biāo)函數(shù)值；

S160、比較所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值是否一致；

S170、若一致，根據(jù)第二目標(biāo)函數(shù)值確定Pareto前沿解集，根據(jù)確定的Pareto前沿解集對(duì)燃煤機(jī)組負(fù)荷進(jìn)行分配；

S180、若不一致，將所述第二目標(biāo)函數(shù)值作為新的第一目標(biāo)函數(shù)值，返回根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集的步驟。

為了更好的理解上述各個(gè)步驟的實(shí)施過(guò)程，首先對(duì)負(fù)荷分配模型進(jìn)行詳細(xì)介紹。

燃煤機(jī)組可以為純凝燃煤機(jī)組等。針對(duì)燃煤機(jī)組負(fù)荷分配中供電煤耗率、污染物排放量和磨煤機(jī)啟停成本的多目標(biāo)優(yōu)化問(wèn)題，構(gòu)建了供電煤耗率、磨煤機(jī)啟停成本和污染物排放量等數(shù)學(xué)模型，在負(fù)荷響應(yīng)速度、負(fù)荷總需求等約束條件下，構(gòu)建了多目標(biāo)、多約束燃煤機(jī)組負(fù)荷優(yōu)化分配模型(即負(fù)荷分配模型)。下面對(duì)各個(gè)數(shù)學(xué)模型、約束條件以及負(fù)荷分配模型進(jìn)行詳細(xì)介紹。

(一)供電煤耗率特性函數(shù)

燃煤機(jī)組在負(fù)荷變動(dòng)時(shí)，由于熱力循環(huán)的變化，節(jié)流損失的變化和輔機(jī)啟停的變化，供電煤耗率也會(huì)隨之變化，這就為不同機(jī)組之間通過(guò)負(fù)荷優(yōu)化分配實(shí)現(xiàn)全廠(網(wǎng))供電煤耗率和污染物排放最小提供了條件。

供電煤耗率的獲取一般有兩種方法：正平衡法和反平衡法。正平衡法通過(guò)測(cè)量入爐煤量、煤熱值及單機(jī)供電量確定供電煤耗，由于入爐煤量和煤熱值的測(cè)量誤差較大，使用正平衡法計(jì)算的供電煤耗率誤差較大，不適應(yīng)用于基于數(shù)據(jù)高精確度的負(fù)荷優(yōu)化分配。目前一般使用反平衡方法獲取供電煤耗率，即通過(guò)測(cè)量和計(jì)算出汽輪機(jī)熱耗率、鍋爐效率和廠用電率等指標(biāo)，計(jì)算出供電煤耗率，該方法獲得的供電煤耗率準(zhǔn)確度較高，適合于負(fù)荷分配方法精細(xì)化優(yōu)化以使全廠供電煤耗率最低。

但汽輪機(jī)熱耗率特性曲線存在閥點(diǎn)效應(yīng)，即在汽輪機(jī)調(diào)節(jié)閥順序調(diào)節(jié)時(shí)，新的噴嘴組開(kāi)啟時(shí)會(huì)產(chǎn)生新的節(jié)流，導(dǎo)致熱耗率特性存在脈動(dòng)效應(yīng)。噴嘴組的開(kāi)啟特性主要是于汽輪機(jī)進(jìn)汽量有關(guān)。汽輪機(jī)進(jìn)汽量與負(fù)荷有直接關(guān)系，但亦受汽輪機(jī)排汽壓力影響較大。綜合上述因素，構(gòu)建了考慮閥點(diǎn)效應(yīng)的供電煤耗率特性函數(shù)，提高了供電煤耗曲線的精確度。構(gòu)建的供電煤耗率特性函數(shù)如下：

式中，

p_i——第i臺(tái)燃煤機(jī)組功率；

——第i臺(tái)燃煤機(jī)組供電煤耗率；

a、b和c——第i臺(tái)燃煤機(jī)組供電煤耗率特性系數(shù)；

——時(shí)，為第j組噴嘴打開(kāi)時(shí)閥點(diǎn)效應(yīng)系數(shù)，其它區(qū)間內(nèi)

p_ex——第i臺(tái)燃煤機(jī)組汽輪機(jī)排汽壓力；

k_ex——排汽壓力對(duì)功率的修正系數(shù)；

——第j組噴嘴即將打開(kāi)時(shí)的機(jī)組負(fù)荷。

——第i臺(tái)燃煤機(jī)組第j組噴嘴開(kāi)至最大時(shí)的機(jī)組負(fù)荷。

(二)磨煤機(jī)啟停成本特性函數(shù)

負(fù)荷的變化同時(shí)會(huì)引起機(jī)組運(yùn)行方式的改變，尤其是重要輔機(jī)的啟停狀態(tài)變化。重要輔機(jī)中汽動(dòng)(電動(dòng))給水泵為熱備用，啟停成本較小，而磨煤機(jī)啟停需要投入的人力物力較大，必須予以考慮。由于磨煤機(jī)的啟停成本只在若干個(gè)小的負(fù)荷區(qū)間存在，而且成本彈性和獨(dú)立性較大，使用人工決策干預(yù)更靈活，故增加磨煤機(jī)的啟停成本作為負(fù)荷優(yōu)化分配的一個(gè)目標(biāo)函數(shù)更具現(xiàn)實(shí)意義。本發(fā)明研究了機(jī)組升減負(fù)荷引起磨煤機(jī)啟停的經(jīng)濟(jì)成本，根據(jù)機(jī)組對(duì)磨煤機(jī)隨負(fù)荷變化的啟停特性數(shù)據(jù)，建立了負(fù)荷變動(dòng)引起的磨煤機(jī)啟停成本特性函數(shù)，具體如下：

式中，

——第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組磨煤機(jī)啟停成本；

——第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組單臺(tái)磨煤機(jī)開(kāi)啟成本；

——第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組單臺(tái)磨煤機(jī)停止成本；

——第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組第j臺(tái)磨煤機(jī)啟停狀態(tài)，開(kāi)啟時(shí)為1，停止時(shí)為0；

——第i臺(tái)燃煤機(jī)組第t-1時(shí)刻機(jī)組第j臺(tái)磨煤機(jī)啟停狀態(tài)。

(三)污染物排放特性函數(shù)

火電廠排放的污染物包括NO_x，SO₂等，其排放量可表述為：

式中，α_i，β_i，γ_i，ζ_i，λ_i分別為第i臺(tái)機(jī)組的污染物(NO_x等)排放特性系數(shù)。

(四)約束條件

(1)機(jī)組出力約束

P_mini≤P_i≤P_maxi

式中，P_{max i}由發(fā)電機(jī)組容量決定，P_{min i}為不投油穩(wěn)燃的機(jī)組最低運(yùn)行負(fù)荷，P_demand為調(diào)度部門(mén)下發(fā)的負(fù)荷指令。

(2)機(jī)組負(fù)荷升降速率約束

升負(fù)荷時(shí)約束：

降負(fù)荷時(shí)約束：

式中，

——第i臺(tái)機(jī)組每分鐘輸出功率所允許的最大上升速度(MW/min，兆瓦/分鐘)；

——第i臺(tái)機(jī)組每分鐘輸出功率所允許的最大下降速度(MW/min)；

Δt——升減負(fù)荷要求時(shí)間。

(3)其他約束

機(jī)組負(fù)荷優(yōu)化分配需要首先考慮機(jī)組的安全穩(wěn)定運(yùn)行，如因負(fù)荷變動(dòng)引起的機(jī)組風(fēng)險(xiǎn)增加，如某些負(fù)荷點(diǎn)汽輪機(jī)軸振動(dòng)加大或者機(jī)組高壓調(diào)門(mén)卡澀均因作為限制條件。

(五)機(jī)組多目標(biāo)多約束的負(fù)荷分配模型

綜上所述，機(jī)組多目標(biāo)多約束負(fù)荷分配模型描述如下：

需要說(shuō)明的是，式(3)中minf_pltn為考慮污染物排放最小，式(7)中為考慮供電煤耗率、磨煤機(jī)啟停成本以及污染物排放最小。還可以考慮其他特性函數(shù)最小，例如供電煤耗率最小，磨煤機(jī)啟停成本最小等，本發(fā)明并不對(duì)此做出限定。

為了更好地理解本發(fā)明，下面對(duì)各個(gè)步驟的具體實(shí)施方式做詳細(xì)介紹。

在步驟S110中，當(dāng)需要對(duì)一個(gè)區(qū)域電網(wǎng)內(nèi)的燃煤機(jī)組進(jìn)行負(fù)荷分配時(shí)，以區(qū)域內(nèi)樞紐變電站為單位，將區(qū)域電網(wǎng)內(nèi)的機(jī)組劃分為若干虛擬電廠。以虛擬電廠為單位進(jìn)行負(fù)荷優(yōu)化分配。燃煤機(jī)組的實(shí)際運(yùn)行參數(shù)為建立負(fù)荷分配模型時(shí)涉及的燃煤機(jī)組的參數(shù)，例如燃煤機(jī)組功率、燃煤機(jī)組汽輪機(jī)排氣壓力等等。根據(jù)各燃煤機(jī)組實(shí)際運(yùn)行參數(shù)獲取虛擬電廠內(nèi)每一個(gè)燃煤機(jī)組的供電煤耗率特性函數(shù)、污染物排放特性函數(shù)和磨煤機(jī)啟停成本特性函數(shù)等，即式(1)，(2)和(3)式所示的特性函數(shù)，例如虛擬電廠有6臺(tái)純凝燃煤機(jī)組，則獲取每一個(gè)純凝燃煤機(jī)組的供電煤耗率特性函數(shù)、污染物排放特性函數(shù)和磨煤機(jī)啟停成本特性函數(shù)等。根據(jù)各燃煤機(jī)組實(shí)際運(yùn)行參數(shù)確定式(4)、(5)和(6)所示約束條件和因軸振動(dòng)、調(diào)門(mén)卡澀和輔機(jī)故障等引起的負(fù)荷限制條件。從而構(gòu)建出虛擬電廠的燃煤機(jī)組負(fù)荷分配模型。

本實(shí)施例使用粒子群算法作為優(yōu)化算法。首先對(duì)粒子群進(jìn)行初始化，即初始化種群數(shù)、速度、權(quán)重和迭代次數(shù)，每個(gè)粒子本身經(jīng)歷過(guò)的最優(yōu)位置Pbest可以取粒子當(dāng)前位置。然后由構(gòu)建好的負(fù)荷分配模型計(jì)算目標(biāo)函數(shù)值。

在步驟S120中，在粒子群的目標(biāo)函數(shù)值中獲得Pareto最優(yōu)前沿解集，獲得Pareto最優(yōu)前沿解集的方式可以采用現(xiàn)有技術(shù)中已有的方式實(shí)現(xiàn)。為擴(kuò)大粒子的搜尋能力和保持非劣解的多樣性，全局最優(yōu)解的確定必須依賴于粒子群的分布。本實(shí)施例通過(guò)比例分布機(jī)制(例如等比例分布機(jī)制等)將整個(gè)Pareto解集劃分成若干區(qū)域，每個(gè)區(qū)域?qū)?yīng)一個(gè)區(qū)域的最優(yōu)解，這樣保證Pareto前沿的多樣性和平衡分布。如果在某個(gè)區(qū)域存在少部分的非劣解，粒子群可以根據(jù)此組非劣解探索未知的區(qū)域，獲得更多樣性的解集。但如果在某個(gè)區(qū)域中非劣解的數(shù)量太大時(shí)，應(yīng)該減少非劣解的數(shù)目，以免得到過(guò)多相似的解集。將尋找到的Pbest(粒子本身經(jīng)歷過(guò)的最優(yōu)位置)和非劣最優(yōu)解作為初始的外部存檔最優(yōu)解集。

在步驟S130中，根據(jù)所述外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置Gbest有多種實(shí)現(xiàn)方式，例如，在一個(gè)實(shí)施例中，根據(jù)初始的外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置的步驟可以包括：

S1301、根據(jù)初始的外部存檔最優(yōu)解集獲得外部存檔最優(yōu)解的距離；

可以根據(jù)下述函數(shù)獲得外部存檔最優(yōu)解的距離：

其中，i表示外部存檔最優(yōu)解的編號(hào)，n表示外部存檔最優(yōu)解的總數(shù)，X_i表示粒子的坐標(biāo)值，d(X_i,X_i-1)和d(X_i,X_i+1)分別表示兩個(gè)粒子之間的距離，即d(X_i,X_i-1)表示粒子i和粒子i-1之間的距離，d(X_i,X_i+1)表示粒子i和粒子i+1之間的距離。

S1302、根據(jù)外部存檔最優(yōu)解的距離獲得每個(gè)區(qū)域最優(yōu)解所引導(dǎo)的粒子數(shù)目；

可以根據(jù)下述函數(shù)獲得每個(gè)區(qū)域最優(yōu)解所引導(dǎo)的粒子數(shù)目：

其中，t_g表示第g個(gè)區(qū)域最優(yōu)解所引導(dǎo)的粒子數(shù)目；interger表示取整；ps表示粒子群的數(shù)目；D_i表示外部存檔最優(yōu)解的距離，即區(qū)域內(nèi)某個(gè)粒子的距離；i表示外部存檔最優(yōu)解的編號(hào)；n表示外部存檔最優(yōu)解的總數(shù)。

S1303、按照預(yù)設(shè)的排序規(guī)則對(duì)每個(gè)區(qū)域最優(yōu)解所引導(dǎo)的粒子數(shù)目進(jìn)行排序，獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置；

預(yù)設(shè)的排序規(guī)則可以為用戶設(shè)置的各種規(guī)則。例如，將每個(gè)區(qū)域最優(yōu)解所引導(dǎo)的粒子數(shù)目按照如圖2所示的方式進(jìn)行排序，即從左上到右下的順序進(jìn)行排序，即可以獲得每個(gè)粒子的Gbest，即粒子所對(duì)應(yīng)的全局最好位置。

在步驟S140中，根據(jù)步驟S120中得到的每個(gè)粒子的Pbest以及步驟S130得到的每個(gè)粒子的Gbest，通過(guò)粒子群算法對(duì)粒子群位置進(jìn)行更新。粒子群算法的基本式如下：

v_i,j(g+1)＝wv_i,j(g)+c₁r_1i,j(g)[Pbest(g)-x_i,j(g)]+c₂r_2i,j[Gbest_j(g)-x_i,j(g)] (10)

式中，w為慣性權(quán)重；r_1i,j、r_2i,j為[0,1]分布的隨機(jī)加速常數(shù)；Pbest(g)為粒子自身經(jīng)歷的最優(yōu)位置；Gbest_j(g)為粒子所對(duì)應(yīng)的全局最好位置，它是粒子群經(jīng)歷過(guò)的最優(yōu)位置；x_i,j(g)、v_i,j(g)為第i個(gè)粒子在時(shí)刻j的位置與速度。公式(10)表示粒子速度，由3部分決定：慣性部分、認(rèn)知部分和社會(huì)部分，它們共同改變粒子飛行速度，但速度會(huì)受到最大速度u_max的限制，c₁和c₂為權(quán)重。

為了避免外部存檔最優(yōu)解集陷入“早熟”，適當(dāng)在解集中加入跳躍機(jī)制。在一個(gè)實(shí)施例中，根據(jù)粒子本身經(jīng)歷過(guò)的最優(yōu)位置和粒子群經(jīng)歷過(guò)的最優(yōu)位置對(duì)粒子群的位置更新之后，根據(jù)更新后的粒子群和所述負(fù)荷分配模型獲得第二目標(biāo)函數(shù)值之前，還可以包括步驟：對(duì)位置更新后的粒子群進(jìn)行跳躍以引入新粒子，將新粒子放入粒子群，對(duì)粒子群的粒子進(jìn)行更新。

跳躍分為兩種，內(nèi)部跳躍和外部跳躍。內(nèi)部跳躍為了深度搜尋最優(yōu)解，外部跳躍則為了探索新的粒子。本實(shí)施例優(yōu)選使用外部跳躍方法搜尋新的解集，在已有粒子基礎(chǔ)上疊加兩個(gè)粒子差額的隨機(jī)量，以探索新粒子，抑制最優(yōu)解集的“早熟現(xiàn)象”。

在一個(gè)實(shí)施例中，如圖3所示，可以根據(jù)下述函數(shù)對(duì)為位置更新后的粒子群進(jìn)行跳躍：

其中，X₁和X₂表示從位置更新后的粒子群中隨機(jī)挑出的兩個(gè)粒子；α₁和α₂表示預(yù)設(shè)區(qū)間內(nèi)的隨機(jī)數(shù)，預(yù)設(shè)區(qū)間可以為[0,1]；jp₁和jp₂為跳躍機(jī)制產(chǎn)生的新粒子。

在步驟S150中，使用更新后的粒子群，根據(jù)構(gòu)建的負(fù)荷分配模型計(jì)算目標(biāo)函數(shù)值。如果上述步驟中僅進(jìn)行了粒子群的位置更新，則該步驟150中更新后的粒子群為位置更新后的粒子群。如果上述步驟中對(duì)粒子群的位置更新后又進(jìn)行了粒子群跳躍，則該步驟150中更新后的粒子群為粒子更新后的粒子群。

在步驟S160至步驟S180中，將步驟S150得到的目標(biāo)函數(shù)值與步驟S110中得到的目標(biāo)函數(shù)值進(jìn)行比較。如果所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值一致，即第二目標(biāo)函數(shù)值與第一目標(biāo)函數(shù)值之間的差值在預(yù)設(shè)范圍內(nèi)，則滿足要求，確定Pareto前沿解集，從煤耗優(yōu)先、污染物排放優(yōu)先、運(yùn)行方式優(yōu)先和權(quán)衡最優(yōu)方式中選取優(yōu)先方式，根據(jù)選取的優(yōu)化方式確定當(dāng)前負(fù)荷需求下的燃煤機(jī)組分別的負(fù)荷分配值。如果不滿足要求，將所述第二目標(biāo)函數(shù)值作為新的第一目標(biāo)函數(shù)值，返回步驟S120，重新執(zhí)行迭代，直至本次迭代計(jì)算的目標(biāo)函數(shù)值與上一次迭代計(jì)算的目標(biāo)函數(shù)值滿足要求，停止迭代。

基于同一發(fā)明構(gòu)思，本發(fā)明還提供一種燃煤機(jī)組負(fù)荷分配裝置，下面結(jié)合附圖對(duì)本發(fā)明裝置的具體實(shí)施方式做詳細(xì)介紹。

如圖4所示，一種燃煤機(jī)組負(fù)荷分配裝置，包括：

第一目標(biāo)函數(shù)值獲得模塊110，用于根據(jù)初始化后的粒子群以及依據(jù)燃煤機(jī)組實(shí)際運(yùn)行參數(shù)構(gòu)建的負(fù)荷分配模型獲得第一目標(biāo)函數(shù)值，所述負(fù)荷分配模型以粒子群為輸入，以燃煤機(jī)組負(fù)荷最優(yōu)分配的目標(biāo)函數(shù)值為輸出；

外部存檔最優(yōu)解集獲得模塊120，用于根據(jù)所述第一目標(biāo)函數(shù)值獲得Pareto前沿解集，將Pareto前沿解集分為若干個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)一個(gè)區(qū)域最優(yōu)解，獲得每一個(gè)區(qū)域的粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解，將粒子本身經(jīng)歷過(guò)的最優(yōu)位置和非劣最優(yōu)解作為初始的外部存檔最優(yōu)解集；

粒子群最優(yōu)位置獲得模塊130，用于根據(jù)所述外部存檔最優(yōu)解集獲得粒子群經(jīng)歷過(guò)的最優(yōu)位置；

位置更新模塊140，用于根據(jù)粒子本身經(jīng)歷過(guò)的最優(yōu)位置和粒子群經(jīng)歷過(guò)的最優(yōu)位置對(duì)粒子群的位置更新；

第二目標(biāo)函數(shù)值獲得模塊150，用于根據(jù)更新后的粒子群和所述負(fù)荷分配模型獲得第二目標(biāo)函數(shù)值；

目標(biāo)函數(shù)值比較模塊160，用于比較所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值是否一致；

負(fù)荷分配模塊170，用于在所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值一致時(shí)，根據(jù)第二目標(biāo)函數(shù)值確定Pareto前沿解集，根據(jù)確定的Pareto前沿解集對(duì)燃煤機(jī)組負(fù)荷進(jìn)行分配；在所述第二目標(biāo)函數(shù)值與所述第一目標(biāo)函數(shù)值不一致時(shí)，將所述第二目標(biāo)函數(shù)值作為新的第一目標(biāo)函數(shù)值。

為了避免外部存檔最優(yōu)解集陷入“早熟”，在一個(gè)實(shí)施例中，如圖5所示，燃煤機(jī)組負(fù)荷分配裝置還可以包括連接在所述位置更新模塊140和所述第二目標(biāo)函數(shù)值獲得模塊150之間的粒子更新模塊180，所述粒子更新模塊180用于對(duì)位置更新后的粒子群進(jìn)行跳躍以引入新粒子，將新粒子放入粒子群，對(duì)粒子群的粒子進(jìn)行更新。

在一個(gè)實(shí)施例中，所述負(fù)荷分配模型可以包括供電煤耗率特性函數(shù)，所述供電煤耗率特性函數(shù)為：

其中，p_i為第i臺(tái)燃煤機(jī)組功率；為第i臺(tái)燃煤機(jī)組供電煤耗率；a、b和c為第i臺(tái)燃煤機(jī)組供電煤耗率特性系數(shù)；為第i臺(tái)燃煤機(jī)組閥點(diǎn)效應(yīng)系數(shù)，其中，時(shí)，為第j組噴嘴打開(kāi)時(shí)閥點(diǎn)效應(yīng)系數(shù)，其它區(qū)間內(nèi)p_ex為第i臺(tái)燃煤機(jī)組汽輪機(jī)排汽壓力；k_ex為排汽壓力對(duì)功率的修正系數(shù)；為第j組噴嘴即將打開(kāi)時(shí)的機(jī)組負(fù)荷；為第i臺(tái)燃煤機(jī)組第j組噴嘴開(kāi)至最大時(shí)的機(jī)組負(fù)荷。。

在一個(gè)實(shí)施例中，所述負(fù)荷分配模型還包括磨煤機(jī)啟停成本特性函數(shù)，所述磨煤機(jī)啟停成本特性函數(shù)為：

其中，為第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組磨煤機(jī)啟停成本；為第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組單臺(tái)磨煤機(jī)開(kāi)啟成本；為第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組單臺(tái)磨煤機(jī)停止成本；為第i臺(tái)燃煤機(jī)組第t時(shí)刻機(jī)組第j臺(tái)磨煤機(jī)啟停狀態(tài)，為第i臺(tái)燃煤機(jī)組第t-1時(shí)刻機(jī)組第j臺(tái)磨煤機(jī)啟停狀態(tài)。

本發(fā)明裝置其它技術(shù)特征與本發(fā)明方法相同，在此不予贅述。

本發(fā)明在構(gòu)建負(fù)荷分配模型時(shí)，在供電煤耗率中，考慮了閥點(diǎn)效應(yīng)引起的煤耗率特性曲線的脈動(dòng)效應(yīng)，并計(jì)及了汽輪機(jī)排汽壓力對(duì)脈動(dòng)效應(yīng)以及供電煤耗率特性的影響，機(jī)組運(yùn)行方式上，負(fù)荷變化將引起磨煤機(jī)啟停造成的時(shí)間和經(jīng)濟(jì)成本，鑒于該項(xiàng)成本的彈性和獨(dú)立性，將該項(xiàng)指標(biāo)作為獨(dú)立的一個(gè)優(yōu)化目標(biāo)函數(shù)，因而建立的負(fù)荷分配模型更為完善。

本發(fā)明在粒子群優(yōu)化算法的基礎(chǔ)上，引入了比例平衡機(jī)制以提高Pareto前沿解集的多樣性和均衡性，引入了跳躍機(jī)制，以避免外部存檔最優(yōu)解集陷入“早熟”。采用此算法得到一系列機(jī)組供電煤耗率、污染物排放量和機(jī)組運(yùn)行方式最優(yōu)解集，并提供煤耗率優(yōu)先，污染物排放優(yōu)先和運(yùn)行方式優(yōu)先等多種優(yōu)化方式運(yùn)行指導(dǎo)功能。

本發(fā)明能夠確保機(jī)組在安全連續(xù)運(yùn)行的基礎(chǔ)上，在保證全廠供電煤耗量相對(duì)最小的情況下，實(shí)現(xiàn)污染物排放和磨煤機(jī)啟停成本的相對(duì)最優(yōu)。并可以根據(jù)實(shí)際情況調(diào)整優(yōu)化方式，實(shí)現(xiàn)不考慮磨煤機(jī)啟停成本的煤耗和污染物權(quán)衡最優(yōu)等方式，實(shí)現(xiàn)純凝燃煤機(jī)組全局煤耗、污染物排放最優(yōu)，降低企業(yè)成本，達(dá)到經(jīng)濟(jì)和環(huán)保運(yùn)行，實(shí)際區(qū)域電網(wǎng)純凝燃煤電廠經(jīng)濟(jì)環(huán)保指標(biāo)最優(yōu)化，提高全廠發(fā)電經(jīng)濟(jì)競(jìng)爭(zhēng)力，實(shí)現(xiàn)經(jīng)濟(jì)和社會(huì)效益。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說(shuō)明書(shū)記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專(zhuān)利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專(zhuān)利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。