收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法及电厂若干问题的研究

李庆伟  
【摘要】:高能耗与重污染是制约火力发电发展的重要因素,在保证安全生产和满足负荷需求的前提下,应该尽量降低电厂的煤耗和污染物排放。基于现代智能算法的优化方法是一种提高电厂运行经济性、降低污染物排放的有效手段。因此,需要广大的电力科技工作者对智能算法以及电厂问题本身展开研究。本文在全面总结粒子群算法(PSO)、负荷分配优化和NOx减排优化的发展历程及其研究现状的基础上,开展了相应的研究并取得了一些有益的成果。本文主要内容如下:(1)针对粒子群算法早熟问题和收敛问题,引入并改进了正交实验设计学习策略,从群最优粒子和次优粒子中提取有价值的信息,组成新的指引粒子;为了加强群最优粒子跳出局部最优点的能力,引入并改进了模拟退火搜索策略,以一定的概率对群最优粒子进行模拟退火搜索。在标准测试函数上测试了改进的算法,结果表明改进的算法在平均值、标准差、评价次数、成功率和成功表现等方面的性能得到了提升。(2)为克服搜索的早熟问题,根据粒子群的多样性指导惯性权重的调整,提出了一种新的多样性与惯性权重映射方法;将本文的几种改进进行综合,利用线性系统稳定性判据以及概率论从理论上论证了改进算法的收敛性。T检验和Wilcoxon检验表明改进后的算法效果优于改进以前的算法,改进的算法在平均值、标准差、评价次数、成功率和成功表现等方面的性能优于典型粒子群算法和其它若干典型算法。(3)为提高建模预测的准确性,利用改进的粒子群算法优化了支持向量机的核参数和惩罚参数;引入了处理大样本的集成支持向量机模型,并针对子支持向量机的参数选取问题进行了改进;根据不同负荷的摸底试验、燃烧器设计数据及锅炉以往运行特性等,在高中低3种负荷阶段下对某600MW机组进行了相关的调整试验,获得了与NOx排放特性和锅炉热效率相关的特性数据,基于改进的支持向量机建立了以负荷、煤质、总风量、总燃料量、二次风风门开度、燃尽风风门开度、风箱和炉膛差压以及燃烧器摆角等变量为输入,NOx排放量为输出的排放特性模型。预测结果表明该模型预测准确性较高,泛化能力较强。(4)为处理负荷分配优化问题中的多机组和操作禁区问题,引进了改进的粒子群算法,算例表明改进算法可以给出更优秀的分配方案;提出了飞灰含碳量循环确定法,从而改进了基于实时数据的煤质计算方法,在此基础上利用机组的运行数据计算相应的煤质;在考虑煤质变化、环境变化、设备老化以及运行水平等不受控制的因素的基础上,提出了基于改进支持向量机的机组煤耗特性预测模型,并通过算例验证了该模型良好的预测性能;基于所建立的煤耗特性模型,进行了某电厂的负荷分配优化,验证了煤耗特性模型的可行性和有效性。(5)对NOx减排优化模型进行了深入的研究,在考虑煤质变化以及机组负荷输出的基础上,改进了NOx减排优化模型,实例分析验证了该模型的有效性和可靠性;基于改进的NOx减排优化模型,利用改进的粒子群算法,研究了NOx减排优化问题,并和相关的典型算法进行比较。利用算例验证了改进算法的良好性能,优化结果与抑制NOx生成的原则具有一致性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期
2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期
3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期
4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期
5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期
6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期
7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期
8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期
9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期
10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期
11 张瑞;万云;熊玉;;基于粒子群算法求解约束优化问题的改进算法[J];硅谷;2010年08期
12 郭广寒;王志刚;;一种改进的粒子群算法[J];哈尔滨理工大学学报;2010年02期
13 刘杨;;基于粒子群算法的编队防空武器目标分配研究[J];舰船电子工程;2010年09期
14 谭伟;陆百川;李政;马洪江;胡伟;;基于遗传粒子群算法的船舶航迹融合研究[J];重庆交通大学学报(自然科学版);2010年05期
15 李静;高正红;黄江涛;赵轲;;基于分布式粒子群算法的翼型优化设计[J];空气动力学学报;2011年04期
16 万江华;卜凡亮;;粒子群算法在应急疏散中的应用研究[J];中国人民公安大学学报(自然科学版);2011年03期
17 杨荣华;刘建华;;基于粒子群算法求解整数规划的改进方法[J];福建工程学院学报;2011年04期
18 杨荣华;刘建华;;量子粒子群算法求解整数规划的方法[J];科学技术与工程;2011年33期
19 杜航;李东;;基于粒子群算法的铁路建设项目进度优化研究[J];科技视界;2011年03期
20 闫续;左勇志;霍达;;基于粒子群算法的桁架结构优化[J];钢结构;2012年07期
中国重要会议论文全文数据库 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年
2 杜毅;多阶段可变批生产线重构的研究[D];广东工业大学;2016年
3 王芳;粒子群算法的研究[D];西南大学;2006年
4 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
5 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
6 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
7 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
8 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
9 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
10 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
中国硕士学位论文全文数据库 前10条
1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年
2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年
3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年
4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年
5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年
6 王伟;大型螺纹旋风硬铣削数值模拟及工艺参数优化[D];浙江大学;2016年
7 李玲玉;基于粒子群算法的城市轨道交通列车节能优化研究[D];北京交通大学;2016年
8 苗冬云;基于改进粒子群算法的云任务调度方案研究[D];安徽财经大学;2015年
9 蒋晓屾;粒子群算法在多维优化问题中的改进研究[D];浙江理工大学;2016年
10 刘角;生态系统粒子群算法及其在阵列天线方向图优化中的应用[D];太原理工大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978