买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种复杂热电联产系统的热电负荷分配方法，该方法用于高效确定多机组双抽热电联产系统的热电负荷分配。步骤1：对供应多种热负荷的热电联产机组进行系统分析；步骤2：确定多机组热电负荷分配的约束条件；步骤3：确定多机组热电负荷分配的优化目标；步骤4：建立莱维飞行‑杂交粒子群算法模型，提高算法求解热电负荷分配问题的效率与稳定性；步骤5：采用步骤4建立的莱维飞行‑杂交粒子群算法模型对双抽热电联产系统进行负荷经济分配。本发明，实现对复杂热电联产系统的负荷优化分配，提高系统应对外界负荷变化的调节能力。

主权项：1.一种复杂热电联产系统的热电负荷分配方法，其特征在于，所述复杂热电联产系统负荷分配方法包括以下具体步骤：步骤1：对供应多种热负荷的热电联产机组进行系统分析；步骤2：确定多机组热电负荷分配的约束条件；多机组热电联产电厂热电负荷均需保持供需平衡，即： 其中，P、QH、QL分别为多机组热电联产电厂总电负荷、总高压供热负荷、总低压供热负荷；Pi、QHi、QLi分别为第i个机组的电负荷、高压供热负荷、低压供热负荷；双抽热电联产机组运行受到主蒸汽流量、电负荷和两个热负荷之间耦合关系的限制，用方程表示为：FD0i，Pi，QHi，QLi＝0其中，D0i为第i个机组的主蒸汽流量；机组的运行区域为三维多面体，五个边界面分别为：最大主蒸汽流量边界面、最小主蒸汽流量边界面、仅高压供热负荷边界面、仅低压供热负荷边界面和最大可抽汽量边界面；单一机组电负荷和热负荷均存在一定的调节区间：Pi,min≤Pi≤Pi,maxQHi,min≤QHi≤QHi,maxQLi,min≤QLi≤QLi,max其中，Pi,max、Pi,min、QHi,max、QHi,min、QLi,max、QLi,min分别为第i个机组电负荷上下限、高压供热负荷上下限、低压供热负荷上下限；步骤3：确定多机组热电负荷分配的优化目标；选择总标准煤耗量作为优化目标，根据步骤1的系统分析得到机组变工况条件下标准煤耗量与电负荷、热负荷之间的关系：Bi＝fPi，QHi，QLi多机组热电联产电厂的总标准煤耗量： 其中，B为多机组热电联产电厂总标准煤耗量；Bi为第i个机组的标准煤耗量；步骤4：建立莱维飞行-杂交粒子群算法模型，提高算法求解热电负荷分配问题的效率与稳定性；对于X个变量的优化问题，定义N个粒子组成的粒子群，每个粒子在X维目标搜索空间中随机分配一个位置作为候选解，每个候选解对应一个适应度值，通过迭代计算找到最优解和最小适应度值；在每次迭代中，粒子跟踪两个极值对应的位置坐标来更新位置xit和速度vit：第一个是粒子自身找到的最优解，即个体最优值对应粒子位置另一个是整个群体找到的最优解，即群体最优值gbestt，对应粒子位置xgt；粒子位置的移动受到当前速度、自我记忆和群体经验的影响，在第t+1次迭代时，粒子根据如下公式更新位置和速度： xit+1＝xit+vit+1式中，vit和xit分别为第i个粒子在第t次迭代时的速度和位置；为第i个粒子在第t次迭代过程中个体最优值对应的粒子位置；xgt为第t次迭代过程中N个粒子群体最优值对应的粒子位置；c1、c2分别为个体学习因子和群体学习因子；r1、r2为[0,1]范围内的均匀随机数；w为惯性权重，用于控制更新前速度对更新后速度的影响程度；采用线性递减惯性权重法控制粒子速度大小，平衡算法的全局和局部搜索能力；线性权重变化公式为： 式中，T为最大迭代次数，t为当前迭代次数，wmax、wmin分别为最大、最小惯性权重；利用莱维飞行的随机分布使粒子具备远距离跳跃能力，避免位置多样性的损失，增强算法的全局搜索能力；粒子使用莱维飞行策略更新的新位置为：Lxit＝xit+svit式中，Lxit表示第i个粒子在第t次迭代时使用莱维飞行策略更新的位置，s服从莱维分布；莱维分布的一个简单形式表示为： 式中，β为稳定性指数，0＜β＜2；u和ν分别为粒子飞行步长和方向，u和ν服从正态分布，在每次迭代中，根据杂交率选取指定数量的粒子放入杂交池内随机两两杂交，子代粒子从父代粒子中获取有益信息进行重点搜索，增强算法收敛速度和精度；子代位置由父代位置交叉得到：n1x＝p×m1x+1-p×m2xn2x＝p×m2x+1-p×m1x式中，m1x、m2x分别为两个父代粒子的位置，n1x、n2x分别为两个子代粒子的位置，p为0到1之间的随机数；子代速度： 式中，m1v、m2v分别为两个父代粒子的速度，n1v、n2v分别为两个子代粒子的速度；综上所述，在标准粒子群算法中引入莱维飞行更新粒子位置，增加杂交计算优化部分粒子位置与速度，构成莱维飞行-杂交粒子群算法模型；步骤5：采用步骤4建立的莱维飞行-杂交粒子群算法模型对双抽热电联产系统进行负荷经济分配；以各机组电负荷、高压供热负荷、低压供热负荷为优化变量，选择适配的优化变量个数X，共同组成了粒子的X维位置坐标，反应各机组当前热电负荷状态，粒子在X维搜索空间中寻求最优位置，优化流程为：1选择适配的粒子个数N，根据步骤2中的约束条件随机初始化每个粒子的位置与速度，即在限制范围内随机初始化各优化变量，并确定适配的粒子初始速度；2根据步骤3中的目标函数计算当前负荷分配状态下的全厂煤耗量作为每个粒子的适应度值，并判断当前负荷状态是否满足步骤2中的约束条件，若不满足约束，则赋值给该粒子较大的适应度值，使粒子淘汰，若满足约束，则不改变目标函数计算得到的适应度值；3将粒子当前位置状态下的适应度值与上一位置状态下的适应度值比较得到个体最优值pibestt，对应粒子位置比较pibestt取最小值得到群体最优值gbestt，对应粒子位置xgt；4根据当前迭代次数t更新粒子惯性权重以控制运行速度；5根据步骤4中莱维飞行的随机分布确定粒子移动步长，更新粒子位置xit；6根据步骤4中位置和速度计算公式更新粒子位置xit和速度vit；7根据步骤4中的杂交计算，选取一定数量粒子进入杂交池两两杂交，产生同样数目、不同位置和速度特征的子代粒子；8若满足终止条件则停止搜索，输出T次迭代后的群体最优值gbestt和对应粒子位置xgt，得到各机组承担的电负荷、高压供热负荷和低压供热负荷，否则返回步骤2计算新一轮迭代过程中的粒子适应度值，更新个体最优值pibestt和对应位置以及群体最优值gbestt和对应位置xgt，并继续迭代直至满足条件，终止条件为达到最大迭代次数T。

全文数据：

权利要求：

百度查询： 西安交通大学 一种复杂热电联产系统的热电负荷分配方法