改進(jìn)型免疫遺傳算法的母管制機(jī)組負(fù)荷優(yōu)化分配

本文針對(duì)電廠在給定時(shí)效以及約束條件下,如何求解機(jī)組間有功負(fù)荷的最優(yōu)分配問(wèn)題。從而達(dá)到合理安排水電站的運(yùn)行方式,改善電廠及整個(gè)電力系統(tǒng)的供電質(zhì)量、提高運(yùn)行可靠性。文章對(duì)遺傳算法進(jìn)行了深入研究,將這一理論應(yīng)用到了上述問(wèn)題,構(gòu)建了基于遺傳算法的優(yōu)化模型。

以上海某辦公建筑的地源熱泵空調(diào)系統(tǒng)為研究對(duì)象,采用分析的方法建立了熱泵機(jī)組的損失模型,以3臺(tái)熱泵機(jī)組總損最小為優(yōu)化目標(biāo),采用遺傳算法對(duì)3臺(tái)熱泵機(jī)組的逐時(shí)負(fù)荷分配率進(jìn)行優(yōu)化。結(jié)果表明:與熱泵機(jī)組原有的負(fù)荷分配方式相比,采用遺傳算法優(yōu)化后的負(fù)荷分配方式可以有效減小熱泵機(jī)組的總損和總能耗,典型日16:00時(shí)熱泵機(jī)組總損減少了2.29kw·h,總能耗減少了2.34kw·h,節(jié)能率為8.87%；典型日全天熱泵機(jī)組總損減少了27.75kw·h,總能耗減少了28.17kw·h,節(jié)能率高達(dá)10.53%,空調(diào)系統(tǒng)的運(yùn)行效率明顯提高。

公路養(yǎng)護(hù)資源分配中遺傳算法的參數(shù)優(yōu)化——為辨明公路養(yǎng)護(hù)資源優(yōu)化分配中遺傳算法參數(shù)對(duì)運(yùn)算效率和精度的影響，提出基于正交試驗(yàn)的參數(shù)優(yōu)化方法．選取種群規(guī)模與迭代次數(shù)比例、交叉形式和變異概率3個(gè)參數(shù)，利用正交設(shè)計(jì)方法進(jìn)行3因素3水平試驗(yàn)，建立主效應(yīng)和交...

基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要：配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進(jìn)行燒結(jié)優(yōu)化配料 的方法，將優(yōu)化方案應(yīng)用到實(shí)際生產(chǎn)中取得明顯的經(jīng)濟(jì)效益。 關(guān)鍵詞：燒結(jié)優(yōu)化配料遺傳算法 中圖分類號(hào)：tf04文獻(xiàn)標(biāo)識(shí)碼：a文章編號(hào)：1007-9416（2013） 01-0118-02 1前言 配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學(xué)成分及穩(wěn)定性，并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性，且通常只能給出局部最優(yōu)解，不易獲得全面最優(yōu)解。 近幾年來(lái)發(fā)展起來(lái)的遺傳算法則較好地解決了這些問(wèn)題，遺傳 算法（geneticalgori

根據(jù)水電站負(fù)荷,運(yùn)用簡(jiǎn)化的方法確定優(yōu)化運(yùn)行機(jī)組臺(tái)數(shù)和機(jī)組組合,確定機(jī)組間負(fù)荷優(yōu)化分配適宜的調(diào)整范圍,再以動(dòng)態(tài)規(guī)劃法確定機(jī)組間負(fù)荷優(yōu)化分配,可以大幅度節(jié)省計(jì)算機(jī)時(shí)。

標(biāo)準(zhǔn)遺傳算法在求解無(wú)約束優(yōu)化問(wèn)題時(shí)得到了成功的應(yīng)用,但是多數(shù)的工程實(shí)例為約束優(yōu)化問(wèn)題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問(wèn)題最常用的方法,但是使用此方法時(shí)參數(shù)的設(shè)定較為困難.從避免這個(gè)困難和提高算法本身性能的角度出發(fā),構(gòu)造了一種新的算法.首先對(duì)非可行個(gè)體進(jìn)行修正,把約束優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題;其次,采用了擴(kuò)大搜索空間選擇較優(yōu)個(gè)體的交叉算子,增強(qiáng)了全局搜索能力;最后,在部分較優(yōu)個(gè)體附近采用了局部搜索策略,提高局部搜索能力.通過(guò)對(duì)2個(gè)工程優(yōu)化實(shí)例的求解說(shuō)明了算法的有效性.

負(fù)荷預(yù)測(cè)效果直接影響電網(wǎng)的安全穩(wěn)定和經(jīng)濟(jì)效益,是電網(wǎng)調(diào)度的重要組成內(nèi)容。針對(duì)極限學(xué)習(xí)機(jī)隨機(jī)產(chǎn)生輸入層權(quán)值和隱含層閾值導(dǎo)致網(wǎng)絡(luò)模型不穩(wěn)定的問(wèn)題,提出了一種基于改進(jìn)遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)的負(fù)荷預(yù)測(cè)方法。利用爬山法改進(jìn)的遺傳算法對(duì)極限學(xué)習(xí)機(jī)的權(quán)值和閾值進(jìn)行優(yōu)化,以獲得穩(wěn)定性強(qiáng),預(yù)測(cè)精度高的優(yōu)化模型。并將此模型與bp網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,仿真實(shí)驗(yàn)結(jié)果表明,改進(jìn)模型具有較快的訓(xùn)練速度和更為準(zhǔn)確的預(yù)測(cè)結(jié)果,適應(yīng)于影響因素眾多,數(shù)據(jù)量巨大的現(xiàn)代短期電力負(fù)荷預(yù)測(cè)。

采用遺傳算法(geneticalgorithms簡(jiǎn)稱ga)用于群控電梯的調(diào)度,實(shí)用中取得了較好的效果;但在試驗(yàn)中發(fā)現(xiàn)普通遺傳算法存在收斂速度較慢且容易陷入局部最優(yōu)解等問(wèn)題。據(jù)此提出一種改進(jìn)型遺傳算法,在采用實(shí)數(shù)編碼和雙初始種群分別進(jìn)行迭代信息交換的基礎(chǔ)上,建立庫(kù)式適應(yīng)度評(píng)估函數(shù);在完成最佳保存策略選擇的同時(shí),進(jìn)行自適應(yīng)交叉和變異,可較好克服其弊端。模擬仿真運(yùn)行實(shí)驗(yàn)結(jié)果表明了此方案的可行性和優(yōu)越性。

機(jī)組負(fù)荷優(yōu)化分配是降低發(fā)電廠能耗水平的重要技術(shù)手段,該文針對(duì)廠級(jí)負(fù)荷在線優(yōu)化分配對(duì)算法速率和精度的要求,提出一種新的機(jī)組負(fù)荷實(shí)時(shí)分配模型,分別給出了機(jī)組自動(dòng)發(fā)電控制和廠級(jí)負(fù)荷分配方式下負(fù)荷響應(yīng)速率約束方程,并提出一種自適應(yīng)約束邊界,可顯著提高算法計(jì)算效率,在滿足電網(wǎng)對(duì)機(jī)組負(fù)荷品質(zhì)要求的前提下實(shí)現(xiàn)全廠煤耗量最小的目標(biāo)。提出采用混沌粒子群算法來(lái)求解實(shí)時(shí)負(fù)荷優(yōu)化分配問(wèn)題,采用自適應(yīng)慣性權(quán)重以加快算法收斂速度,在粒子群算法解的鄰域內(nèi)進(jìn)行混沌優(yōu)化搜索,避免算法陷入局部極值點(diǎn)。文中給出了廠級(jí)負(fù)荷在線優(yōu)化分配算法步驟,并進(jìn)行了算例分析,驗(yàn)證了所提模型和算法的有效性。

基于遺傳算法的公路養(yǎng)護(hù)資源最優(yōu)分配——　　為尋找資源最優(yōu)分配時(shí)的養(yǎng)護(hù)策略，采用遺傳算法進(jìn)行求解．將多年養(yǎng)護(hù)策略表示為染色體，每種養(yǎng)護(hù)方式采用二進(jìn)制編碼形式用兩個(gè)基因表示，各年的養(yǎng)護(hù)策略由路面和橋面兩部分構(gòu)成，并通過(guò)試驗(yàn)標(biāo)定遺傳算法的主要參數(shù)...

在過(guò)程工業(yè)中,現(xiàn)存的許多換熱網(wǎng)絡(luò)由于結(jié)構(gòu)和工藝的不合理,存在較大的能量回收潛力,使得許多換熱網(wǎng)絡(luò)有改造的需要.本文結(jié)合了分級(jí)超結(jié)構(gòu)模型和換熱器再分配策略,并對(duì)現(xiàn)有換熱器再分配策略做了進(jìn)一步改進(jìn),充分利用現(xiàn)有換熱器,而當(dāng)再利用現(xiàn)有換熱器時(shí),對(duì)比新增面積費(fèi)用和新增換熱器費(fèi)用的大小,選擇較小的方案,使相同的改造效果下的投資費(fèi)用最小化.基于分級(jí)超結(jié)構(gòu)模型,建立了換熱網(wǎng)絡(luò)優(yōu)化改造的minlp數(shù)學(xué)模型,充分考慮改造后節(jié)省的公用工程、原有換熱器增加面積的投資費(fèi)用、新增換熱器的投資費(fèi)用;基于遺傳算法求解得到優(yōu)化改造的換熱網(wǎng)絡(luò).案例研究表明,改造所得到的換熱網(wǎng)絡(luò)與原換熱網(wǎng)絡(luò)相比,公用工程費(fèi)用的降幅超過(guò)60％,改造收益為1.49×107＄/a;年度總費(fèi)用為1.290×107＄/a,比相關(guān)文獻(xiàn)低31.2％和9.2％,公用工程費(fèi)用也比文獻(xiàn)節(jié)省了42.4％和17.0％,實(shí)現(xiàn)了更優(yōu)的改造效果.

基于最優(yōu)cop的樓宇空調(diào)冷水機(jī)組間的負(fù)荷優(yōu)化分配——多臺(tái)冷水機(jī)組聯(lián)合運(yùn)行系統(tǒng)中，各冷水機(jī)組系統(tǒng)大部分時(shí)間處于部分負(fù)荷運(yùn)行狀態(tài)。根據(jù)冷水機(jī)組cop與其負(fù)荷率(plr)之間關(guān)系特性，提出一種自適應(yīng)的負(fù)荷優(yōu)化分配方法，分別根據(jù)具有相同和不同額定制冷量冷水機(jī)組...

多臺(tái)冷水機(jī)組聯(lián)合運(yùn)行系統(tǒng)中,各冷水機(jī)組系統(tǒng)大部分時(shí)間處于部分負(fù)荷運(yùn)行狀態(tài)。根據(jù)冷水機(jī)組cop與其負(fù)荷率(plr)之間關(guān)系特性,提出一種自適應(yīng)的負(fù)荷優(yōu)化分配方法,分別根據(jù)具有相同和不同額定制冷量冷水機(jī)組的系統(tǒng),對(duì)此方法進(jìn)行了介紹,并與使用回歸方法獲取plr與cop關(guān)系的策略進(jìn)行了比較,發(fā)現(xiàn)節(jié)能效果更明顯。

針對(duì)中央空調(diào)系統(tǒng)末端空調(diào)機(jī)組變風(fēng)量運(yùn)行方式下,送風(fēng)風(fēng)量、冷凍水流量難以根據(jù)工況變化進(jìn)行動(dòng)態(tài)優(yōu)化的問(wèn)題,提出了基于遺傳算法的空調(diào)機(jī)組風(fēng)量水量最優(yōu)組合優(yōu)化計(jì)算方法,該方法在制冷量和送風(fēng)溫度滿足的前提條件下以風(fēng)機(jī)能耗和冷凍水泵能耗總和最小為目標(biāo),并采用罰函數(shù)法將受表冷器供冷量約束的參數(shù)優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束問(wèn)題進(jìn)行求解,簡(jiǎn)化了優(yōu)化過(guò)程.本文還搭建了小型中央空調(diào)系統(tǒng)實(shí)驗(yàn)平臺(tái),對(duì)該優(yōu)化方法進(jìn)行了驗(yàn)證.結(jié)果表明,測(cè)試日內(nèi)基于參數(shù)優(yōu)化的風(fēng)機(jī)能耗和冷凍水泵能耗總和比定風(fēng)量運(yùn)行方式下降了13.38％,比常規(guī)變風(fēng)量運(yùn)行方式下降了5.02％,具有良好的節(jié)能效果,該方法可為中央空調(diào)系統(tǒng)空調(diào)機(jī)組變風(fēng)量變水量節(jié)能運(yùn)行優(yōu)化提供有效參考.

傳統(tǒng)的項(xiàng)目進(jìn)度一維優(yōu)化擴(kuò)展至有偏好的二維目標(biāo)（進(jìn)度、成本）優(yōu)化,同時(shí)將成本優(yōu)化目標(biāo)分解為項(xiàng)目成本大小以及資源均衡度從而構(gòu)成三維目標(biāo)優(yōu)化,將無(wú)資源約束的環(huán)境擴(kuò)展至資源約束下的復(fù)雜環(huán)境,將局部搜索優(yōu)化領(lǐng)域擴(kuò)展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對(duì)項(xiàng)目的單目標(biāo)優(yōu)化管理理論進(jìn)行詳盡研究并指出其現(xiàn)實(shí)的局限性,同時(shí)提出了智能啟化式方法-遺傳算法在資源約束下項(xiàng)目管理優(yōu)化方面的優(yōu)勢(shì).在此基礎(chǔ)上本文構(gòu)建了基于三維目標(biāo)偏好的項(xiàng)目管理優(yōu)化仿真模型,解決了項(xiàng)目管理優(yōu)化理論中最為重要的兩大問(wèn)題：資源約束下的項(xiàng)目進(jìn)度優(yōu)化以及資源約束下的三維目標(biāo)（項(xiàng)目進(jìn)度、項(xiàng)目成本以及資源均衡度）的優(yōu)化問(wèn)題.為了驗(yàn)證此模型對(duì)以上問(wèn)題的有效性,本文應(yīng)用matlab仿真技術(shù)進(jìn)行仿真模擬并與傳統(tǒng)方法做比較,從結(jié)果可以看出遺傳算法能夠更好的解決此類問(wèn)題.

將基于實(shí)數(shù)編碼的加速遺傳算法(raga)應(yīng)用于多孔變徑管優(yōu)化設(shè)計(jì)中,解決了設(shè)計(jì)中多維參數(shù)尋優(yōu)問(wèn)題,避免了傳統(tǒng)方法早熟、提前收斂以及易陷入局部最優(yōu)等弊端。在固定管道式噴灌系統(tǒng)優(yōu)化設(shè)計(jì)中應(yīng)用,求解出多孔變徑管的最優(yōu)管徑、管長(zhǎng)等多維參數(shù),效果較好,為該方面研究提供了一種新的優(yōu)化求解方法

瑞蟬水電站機(jī)組的效率測(cè)試及 負(fù)荷優(yōu)化分配 水利部、能源部農(nóng)村電氣化研究所宋蠱義 ‘提要】文中耗逆了應(yīng)用超聲波流量計(jì)圳試瑞蟬水電站沖擊式機(jī)組效率的方法和測(cè)試精 度井根據(jù)瑞洋水電站具體情況提出機(jī)組負(fù)荷優(yōu)化分配方式． ‘關(guān)鍵詞】機(jī)組效率·苧垡蘭生．，、{量jk車域 (一)概況 龍泉瑞埠水電站是一座高水頭混臺(tái)式水電站。乎 l986年lo月投產(chǎn)發(fā)電電站引水系統(tǒng)包括有洞徑2 ～2．7m，長(zhǎng)3o32m發(fā)電的引水隧漏和1．2m．長(zhǎng) 576m的壓力鋼管。在鋼管首端裝有i臺(tái)1．2m蝴螵 闌．采l{一管兩肌的供水方式．鋼管先與水輪機(jī)前的 9650n~m球閩相連，薦經(jīng)目f水管進(jìn)機(jī)組。 }乜站裝有兩膏臥軸雙噴嘴沖擊式水輪機(jī)和密閉循 環(huán)通風(fēng)的箱式發(fā)擔(dān)機(jī)．機(jī)組參數(shù)如下：水輪機(jī)：型 號(hào)：cja237一w—l40，2×14；

文中概述了應(yīng)用超聲波流量計(jì)測(cè)試瑞垟水電站沖擊式機(jī)組效率的方法和測(cè)試精度。并根據(jù)瑞垟水電站具體情況提出機(jī)組負(fù)荷優(yōu)化分配方式。

多臺(tái)冷水機(jī)組聯(lián)合運(yùn)行系統(tǒng)中,各冷水機(jī)組大部分時(shí)間處于部分負(fù)荷運(yùn)行狀態(tài).根據(jù)冷水機(jī)組的性能系數(shù)(cop)與其負(fù)荷率r之間關(guān)系的特性,提出一種新的負(fù)荷優(yōu)化分配方法:將自適應(yīng)方法用于獲取r與cop的關(guān)系,進(jìn)而建立系統(tǒng)能耗方程,利用最優(yōu)化方法得到最優(yōu)負(fù)荷分配率.結(jié)果表明,應(yīng)用自適應(yīng)方法獲取r與cop的關(guān)系,并運(yùn)用于多臺(tái)冷水機(jī)組聯(lián)合運(yùn)行系統(tǒng)的在線運(yùn)行控制,節(jié)能效果優(yōu)于采用回歸方法獲取r與cop關(guān)系的優(yōu)化策略.

水電站機(jī)組間有功負(fù)荷的 優(yōu)化分配及效益分析 亞太地區(qū)小水電研究培訓(xùn)中t孔長(zhǎng)才 水電站一般都聯(lián)網(wǎng)運(yùn)行，各電站應(yīng)承擔(dān)的負(fù)荷(日負(fù)荷圖)是給定的。由于廠內(nèi)并列運(yùn)行 的各機(jī)組運(yùn)行特性和壓力管道損失的差異，在滿足電力系統(tǒng)負(fù)荷要求的給定出力條件下，如 何確定機(jī)組投人臺(tái)數(shù)、開(kāi)停機(jī)次序，以及機(jī)組間存功負(fù)荷的臺(tái)理分配，使水電站取得最大的 經(jīng)濟(jì)效益，是實(shí)現(xiàn)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的核心聞?lì)}。同樣，對(duì)于電站在枯水季運(yùn)行或逕流電 站帶基荷運(yùn)行而言，能否以現(xiàn)有的水量獲得最大的電量問(wèn)題，也可歸結(jié)為機(jī)組間有功負(fù)荷的 臺(tái)理分配問(wèn)題。 機(jī)組問(wèn)有功負(fù)荷的優(yōu)化分配不僅解決了負(fù)荷的合理分配，同時(shí)也計(jì)及了開(kāi)機(jī)臺(tái)數(shù)和開(kāi)停 機(jī)旅序。 一 、機(jī)組問(wèn)有功負(fù)荷量?jī)?yōu)分配準(zhǔn)則 機(jī)組間有功負(fù)荷最優(yōu)分配準(zhǔn)則是。電站備機(jī)組處在相同的水頭下，當(dāng)電力系統(tǒng)分配給電 站的功率n一定時(shí)，通過(guò)電站各機(jī)組的總流量w為最小。

介紹了免疫遺傳算法的原理、模型和算法實(shí)現(xiàn)過(guò)程,并采用該算法對(duì)防汛打樁機(jī)激振器數(shù)學(xué)模型進(jìn)行了優(yōu)化計(jì)算,優(yōu)化計(jì)算結(jié)果表明,基于免疫遺傳算法的優(yōu)化設(shè)計(jì)切實(shí)可行,為復(fù)雜的水利機(jī)械設(shè)備優(yōu)化設(shè)計(jì)提供了新的思路和方法。

提出了應(yīng)用于機(jī)械優(yōu)化設(shè)計(jì)的一種改進(jìn)遺傳算法,通過(guò)在遺傳算法中引入修復(fù)過(guò)程,將機(jī)械設(shè)計(jì)中不滿足約束條件的解轉(zhuǎn)化為滿足約束條件,經(jīng)過(guò)一代代進(jìn)化,最后得到問(wèn)題的最優(yōu)解。并和已有改進(jìn)遺傳算法進(jìn)行分析比較和實(shí)驗(yàn)驗(yàn)證,證實(shí)該算法在機(jī)械優(yōu)化設(shè)計(jì)中使用簡(jiǎn)單且高效。