仿生型算法和人工智能方法在發(fā)電廠群優(yōu)化運行中的應用研究.pdf

1、提高電力工業(yè)能源轉換效率，減少污染排放，實現(xiàn)電力市場環(huán)境下發(fā)電廠（群）安全、經濟、高效運行，是我國電力工業(yè)迫切需要研究的重大課題。本文以電力系統(tǒng)負荷預測、市場出清電價預測、水庫徑流預測和發(fā)電廠（群）優(yōu)化運行為研究對象，對預測方法、數(shù)學模型、求解算法和優(yōu)化運行策略等關鍵技術進行了系統(tǒng)研究。
　　進行了電力市場環(huán)境下短期負荷變化規(guī)律和影響因素的研究，給出了負荷、電價相似度劃分準則，得出了影響短期負荷突變的主要因素，提出7種新型粒子群仿

2、生型算法，建立了與神經網絡結合的4種短期負荷智能預測模型和組合預測模型，提出了自適應變尺度粒子群仿生型算法求解時變權重組合預測模型的方法，解決了常規(guī)預測方法精度不高的難題。
　　開展了多因素影響下市場出清電價的變化機理與規(guī)律研究，得出了電價變化的周期性、相似性、差異性、突變性和隨機性規(guī)律，指出負荷是影響短期電價突變的直接因素，溫度、濕度、降雨和風是主要因素。提出了自適應粒子群、彈性自適應人工魚群和動態(tài)調整蟻群仿生型算法，建立了與神

3、經網絡結合的4種短期電價智能預測模型和組合預測模型，研究了自適應變尺度遺傳算法求解組合預測模型的方法。解決了傳統(tǒng)電價預測模型需要將工作日和周末電價單獨建模的問題，解決了一般預測方法對“價格釘”預測敏感性差的問題，所提出的智能預測模型和組合預測模型可顯著提高電價和“價格釘”的預測精度。
　　開展了漢江流域徑流變化機理與規(guī)律研究，得出了徑流的分布、變化和周期性規(guī)律，建立了動態(tài)調整粒子群-霍爾特模型、動態(tài)調整蟻群-神經網絡模型、自適應人

4、工魚群-BP神經網絡模型、模糊神經網絡-馬爾科夫模型及其組合預測模型。解決了漢江流域徑流預測精度不高的難題;利用自適應變尺度蟻群算法求解最優(yōu)權重組合預測模型，解決了非線性組合預測模型權重系數(shù)難以求解的問題，提高了求解效率和預測精度。
　　在短期電力負荷、市場出清電價和水庫徑流預測的基礎上，建立了電力市場環(huán)境下單一水電站一元目標非線性優(yōu)化運行模型、梯級水電站群二元目標優(yōu)化運行模型、火電站（群）三元目標優(yōu)化運行模型和水、火電站群多元目