学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的电力系统机组优化组合
作 者: 钟凯
导 师: 马瑞
学 校: 长沙理工大学
专 业: 电力系统及其自动化
关键词: 电力系统 机组组合 模糊C均值聚类 最小二乘支持向量机 蚁群算法 曲线拟合
分类号: F426.6;TP18
类 型: 硕士论文
年 份: 2011年
下 载: 46次
引 用: 1次
阅 读: 论文下载
内容摘要
近年来,随着电力市场改革,如何让电力系统实行经济运行显得越来越重要,而随着国家产业结构调整和电网负荷峰谷差的日益增大,研究火电厂内的机组优化组合问题就具有重要的现实意义,机组运行经济性是提高企业效益的关键所在。因此,研究如何优化火电厂的机组运行,对于提高火力发电企业的经济效益具有极其重要的意义。机组优化组合是典型的非线性优化问题,并且涉及到许多非线性、离散、随机性及不确定性等因素。常规的数学方法在处理此类问题时有一定的局限性。而模拟进化优化方法最适于解决那些传统优化方法难以求解的高度非线性、离散性问题及组合优化问题。本文引入最近几年才提出的蚁群算法来解决机组最优组合问题,对算法本身及其在机组优化问题中的应用进行了探索性工作。本文首先介结合模糊C均值聚类算法和最小二乘支持向量机对煤耗曲线进行了拟合,分析了机组启停问题对机组优化的影响,建立了机组组合的数学模型,绍了课题的相关背景以及国内外的研究形势,然后从锅炉效率、汽轮机热效率、管道效率和厂用电率四个方面对影响火力发电机组煤耗的因素进行了详细分析,以煤耗最小为目标函数,综合考虑了多个约束条件。然后对近些年来出现的蚁群算法进行了详细介绍,并将其用来解决火电厂的机组组合问题,并通过算例验证了蚁群算法在解决此问题上的准确性和优越性,说明该算法有很好的实际应用和研究意义。
|
全文目录
摘要 5-6 ABSTRACT 6-9 第一章 绪论 9-14 1.1 课题研究的背景及意义 9-10 1.2 国内外研究现状及发展趋势 10-13 1.2.1 传统方法 10-11 1.2.2 现代优化方法 11-13 1.3 论文的主要研究工作 13-14 第二章 机组能耗曲线的确定 14-25 2.1 关于机组能耗特性的计算 14-19 2.1.1 锅炉热效率 14-17 2.1.2 汽轮机的效率 17-18 2.1.3 厂用电率和主蒸汽管道效率 18 2.1.4 机组的热经济性指标 18-19 2.2 火电厂机组能耗曲线拟合 19-25 2.2.1 模糊C均值聚类 19-20 2.2.2 最小二乘支持向量机 20-22 2.2.3 曲线拟合 22-25 第三章 火电厂机组组合问题的数学模型 25-29 3.1 关于机组组合的问题 25 3.2 机组启停问题的研究 25-27 3.3 目标函数的确定 27-28 3.4 约束条件的确定 28-29 第四章 蚁群优化算法 29-39 4.1 蚁群优化算法的原理及特点 29-30 4.2 蚁群算法的基本模型 30-32 4.3 蚁群算法的一些应用 32-33 4.4 机组数学模型 33-35 4.5 算法的实现 35-37 4.6 算例 37-39 结论与展望 39-41 结论 39 展望 39-41 参考文献 41-44 致谢 44-45 附录 攻读学位期间发表的学术论文 45
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 基于精细积分法的电力系统动态电压稳定仿真研究,TM712
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 基于Hilbert-Huang变换的输电线路过电压识别,TM866
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于机器视觉的光纤几何参数检测研究,TN253
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 电渣炉过程控制系统的设计及优化控制,TP273
- 汽车起动机性能高精度高稳定测试方法研究及应用,U467
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 电力系统可用输电能力计算研究,TM744
- 电网分析计算中的可视化技术研究,TM769
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|