[发明专利]动态经济负荷分配

说明书

技术领域

各种实施方案涉及发电机组，并且在一个实施方案中，但不是为了限制，涉及一种用于在多个发电机组中分配输出的系统和方法。

背景技术

经济负荷分配(ELD)算法寻求在几个发电机组中分配电力输出，用于以最小成本匹配用户负荷需求。ELD是改进发电站运行效率的一个重要的最优化问题，当通过一组交易的净和确定发电厂的负荷需求曲线时尤其是这样。当分配问题涉及单个时间间隔时，它被称为静态经济负荷分配(SELD)。当分配问题涉及与负荷预测相关联的有限数量的分配时间间隔，以提供跟踪变化负荷需求的最佳生成轨迹时，它被称为一个动态经济负荷(DELD)问题。比较这二者，DELD在所有发电机和所有时间间隔上提供更经济的解决方案。然而，DELD由于电力系统的动态特性和用户负荷需求的巨大变化而长期被认为是一个困难的动态规划问题。通常通过将整个分配时间段分成许多小时间间隔而解决动态问题，在这些小时间段中负荷被认为是不变的，并且该系统被认为是处于暂时稳定状态。为了获得在电力系统运行中全面减少成本，应该根据当时的静态约束和一系列时间附属动态约束所增加的额外约束而经济地分配单独的静态时间间隔。由于这些约束，最优化搜索空间很窄并且不均匀，而因此挑战了所有设法迅速准确找到最佳分配解决方案的算法。

尽管许多方法诸如神经网络和进化程序已经被使用以便解决SELD问题，但是仅有二次规划和进化计算方法已经被用于解决DELD问题。除了进化方法，所有这些数值法都假定每个机组的燃料费函数是单调递增的，并且能通过分段线形方程或二次方程表示。不幸地是，由于包括不平滑和非凸燃料费函数、斜率限制以及不连续禁忌操作域的非线性特征，在现实实际系统中不是这种情况。

当解决DELD问题时，即使进化方法也有问题。例如，为了满足许多静态和动态约束，进化方法向与违反解决方案的约束相应的个体分配非常低的适合度，并且因而导致非常低的生存机会，或直接地规定该个体在总体之外。该类处罚严重地限制了个体与数据组世代之间分享信息。因此，高百分比的个体在他们能为进化做出贡献之前即被排除。这使该算法效率降低。

附图说明

图1说明了负荷需求曲线的例子。

图2说明了负荷分配曲线的例子。

图3说明了包括禁忌操作域的燃料费函数的例子。

图4说明了组成遗传算法个体的表示法。

图5说明了使用约束遗传算法在发电机组之间分配输出的过程的示例实施方案。

图6说明了使用约束遗传算法在发电机组之间分配输出的过程的另一示例实施方案。

图7说明了在两个个体之间交叉的例子。

图8说明了负突变的例子。

图9说明了本公开的一个或多个实施方案可在上面工作的计算机结构的示例实施方案。

发明内容

在一个实施方案中，系统和方法提供了对遗传算法的约束，并且还向遗传算法提供了动态规划能力。然后该系统和方法在有限数量的时间间隔上，在许多发电机组之间，以遗传算法和遗传算法的动态规划能力的约束的函数的方式分配负荷需求。

具体实施方案

在下面详细描述中，为了说明，参考了可以实践本发明的特定实施方案的所示附图。充分详细地描述了这些实施方案，以使本领域的技术人员能实践本发明。应该理解的是，本发明的不同实施方案尽管不同，但不必相互排斥。此外，在不违背本发明的范围的情况下，可以在其它实施方案中实现在此所描述的与一个实施方案相关的特定特征、结构、或特性。此外，应该理解的是，在不违背本发明的范围的情况下，可以改变每个所公开的实施方案中的个体元件的位置或排列。因而下面详细描述没有限制的意思，并且仅仅通过附加权利要求与权利要求所能享受的等价物的全部范围一起定义、适当地解释本发明的范围。在附图中，贯穿这些视图，相同的数字指代相同或类似功能。

本发明的实施方案包括包含在通过机器可读介质所提供的机器可执行指令中的特征、方法或过程。机器可读介质包括以机器(例如，计算机、网络设备、个人数字助理、制造工具、具有一组一个或多个处理器的任何设备等)可访问的形式提供(即，存储和/或传送)信息的任何机械装置。在示例性实施方案中，机器可读介质包括易失性和/或非易失性介质(例如，只读存储器(ROM)、随机访问存储器(RAM)、磁盘存储介质、光盘存储介质、闪存设备等)、以及电、光、声或其它形式的传播信号(例如，载波、红外线信号、数字信号等)。