火电厂机组负荷优化分配的混沌粒子群算法分析

金洪吉

(四川信息职业技术学院电气工程系，四川广元628017)

火电厂机组负荷优化分配的混沌粒子群算法分析

金洪吉*

(四川信息职业技术学院电气工程系，四川广元628017)

火电厂根据每台机组煤耗性能进行最优负荷分配，能够直接降低全厂供电煤耗，有效适应企业竞争和节能减排的需求。基于此，研究验证其中起决定意义的算法分析，考虑阀点效应和实际机组的约束条件，建立了发电机组负荷优化分配的罚函数数学模型;将混沌优化算法和动态惯性权重法与粒子群算法相结合，形成更为科学有效的混沌粒子群算法;运用某电厂3台机组的历史数据进行验证分析，煤耗最大降低0.8 t/h，证明了算法的实际可行性。

火力发电厂;负荷优化分配;混沌粒子群算法;煤耗特性;动态惯性权重

在当前电力行业竞争愈来愈激烈的情况下，火电厂如何降低煤耗、提高经济效益、促进可持续发展具有重要的研究意义。负荷优化分配就是在保证电网安全的条件下，根据全厂主、辅机投运状况和各台机组运行效率及煤耗，研究运用实际可行的最佳算法分析，进行最优化的负荷分配［1］，实现全厂的最大收益。

Kennedy和Eberhart［2-4］等于1995年提出的粒子群优化PSO(Particle Swarm Optimization)算法对目标函数没有限制条件，简单易实现，求解效率高，缺点是易陷入局部最优点、进化后期收敛速度慢。Jiao等提出的动态惯性权重的粒子群算法，能够解决粒子群算法进化后期速度慢的问题;作为一种新型的混沌优化算法，则能解决粒子群算法容易陷入局部最优解的问题［5］。……