[发明专利]一种机组经济调度优化方法

权利要求书

1.一种机组经济调度优化方法，其特征在于包括以下步骤：

步骤一：根据负荷需求利用收缩因子粒子群算法优化得出所有机组出力；

收缩因子粒子群算法参数具体设置：粒子数为80，惯性权重，学习因子, 粒子最大速度为1，迭代次数为1532次，适应值函数为：，其中 为各机组能耗系数；

粒子位置和速度更新公式如下所示：

,其中k表示迭代步数，为收缩因子，pbest为粒子历史中最优位置，gbest为全部粒子中最优位置，rand()为随机函数取值范围是[0,1]；

步骤二：将可调节设备参数作为输入，输入到深度强化学习网络中，深度强化学习得到的输出计算新的成本；

利用PSO算法根据负荷要求优化各个机组出力；根据以下公式利用优化后的各机组出力计算出燃煤量：

其中B为锅炉燃烧量(t/h)，N为机组输出功率(MW)，为燃煤收到基低位发热量(kJ/kg)，29271为标煤低位发热量(kJ/kg)，为发电标煤耗(g/kWh)；

将燃煤量除以负荷需求得出每度电的煤耗量；

步骤三：按照新的成本和负荷要求重新规划机组输出。

2.根据权利要求1所述的一种机组经济调度优化方法，其特征在于：步骤二中深度强化学习参数设置：使用fixed Q-network 和经验回放技术实现深度强化学习。

3.其中fixed Q-network中的评估网络和目标网络均为5层隐藏层，每层为20个神经元，每5步替换目标网络的参数，激活函数为；学习率为0.01，设置为0.9，奖励衰减值为0.9，记忆存储为500, 奖励规则为若高于负荷要求则为+1，若低于负荷要求则为-1，若满足负荷要求则为0，迭代次数为300次。

4.输入层为观测值（Observation），动作（Action）为二次风挡板开度a，磨煤机速度b，皮带转速c，给水量阀门开度d，给水泵功率e

根据权利要求1所述的一种机组经济调度优化方法，其特征在于：步骤三中根据新的燃煤成本和原有的负荷要求重新利用PSO算法规划机组出力，算法结束。