基于约束进化算法的热电联供经济负荷分配问题研究

At present, the Combined Heat and Power(CHP) system has become an effective solution to improve energy efficiency and reduce greenhouse gas emissions. And the economic load dispatch problem is the prerequisite to operate CHP system effectively. The modeling and optimization problems of economic load dispatch problem in CHP system is studied in this project. Although Evolutionary Algorithm (EA) provides a novel solution for constrained optimization problem because of its unique implicit parallelism, the existing evolutionary At present, the Combined Heat and Power(CHP) system has become an effective solution to improve energy efficiency and reduce greenhouse gas emissions. The economic load dispatch problem is the prerequisite to operate CHP system effectively. So the modeling and optimization problems of economic load dispatch problem in CHP system is studied in this project. Although Evolutionary Algorithm (EA) provides a novel solution for constrained optimization problem because of its unique implicit parallelism, the existing evolutionary algorithms lacks of the effective constraint handling mechanism. And it also ignores the neighborhood information in the population. So our project intends to integrate learning and feedback mechanism of neighborhood knowledge into the original evolutionary algorithms to make it more efficient. And the abstraction and interaction of the knowledge in decision space and objective space is implemented to ensemble of the constraint handling mechanisms. All this can provide an novel evolutionary algorithm for complex constrained optimization problem, especially to economic load dispatch problem in CHP system. On this basis, the current common mechanism of swarm intelligence evolutionary search algorithms is analyzed and constraint handling mechanism is studied to improve and develop the theory and methods of constrained evolutionary algorithms. The implementation of this project not only provides an important theoretical basis for solving economic load dispatch problem if CHP system, but also a good idea for the study of a common constraints evolutionary algorithm framework.

目前，热电联供系统已成为众多分布式能源系统中提高能源效率、减少温室气体排放的有效解决方案。而经济负荷分配问题的合理解决是热电联系统高效运行的前提。本项目主要研究热电联供系统的经济负荷分配问题的建模及其优化策略。进化算法虽然以其特有的隐并行性为约束优化问题提供了一种新颖的求解思路,但现有的进化算法缺乏有效的约束处理机制，忽视了种群中个体有效信息的利用。为此，本项目拟针对热电联供经济负荷分配问题的模型特点，拟将基于邻域环境的知识学习和反馈机制用于改进传统算法的搜索效率；将基于决策空间与目标空间的知识的抽取与交互用于多种约束处理机制的有效融合，设计通用的高效率的约束进化算法，完善和发展约束进化算法的理论和方法。在此基础上，为热电联供经济负荷调度问题提供较完美的解决方案。该项目的实施不仅对热电联供系统经济负荷分配问题的解决提供重要的理论基础，而且为研究通用的约束进化算法框架提供良好的思路。

作为众多分布式能源系统中提高能源效率、减少温室气体排放的有效解决方案，热电联供系统受到了电力系统的广泛关注。本项目主要针对热电联供系统高效运行的前提问题——经济负荷分配问题，研究基于进化算法的高效建模和优化求解思路，旨在为热电联供系统的经济负荷分配问题提供高效的算法理论及应用指导。本项目主要完成了以下三方面的研究工作：1）对热电联供系统的经济负荷分配问题的建模与求解算法进行了细致的研究，具体为：针对当前火电厂无法满足节能减排要求的实际情况，在电力负荷分配给定的前提下建立了供热负荷的优化调度模型，并采用头脑风暴优化算法对调度模型进行求解，得到了系统存在高压、中压和低压三种不同类型的热负荷情况下调度问题优化方案；提出了一种自适应混沌和卡尔曼滤波估计的改进粒子群算法来求解热电联供的经济负荷分配问题；结合粒子群算法和差分进化算法的各自优势，设计了一种双种群混合智能优化算法；针对热电联供经济调度问题中热电耦合关系的复杂化特点，提出了差分头脑风暴优化算法和基于目标空间聚类的差分头脑风暴优化算法， 7机组小规模的热电联供经济调度问题和48机组的大规模热电联供经济调度问题，验证了各算法的有效性和可靠性。2）对问题所涉及的优化算法进行了深入的研究，具体体现在：对头脑风暴优化算法本身，从系统建模和优化角度出发，进行了深入的探索，包括算法的理论分析、扩展算法和典型应用，并在此基础上，提出了基于目标空间聚类的差分头脑风暴算法。算法通过对目标空间的聚类替代对决策空间的聚类，减小了算法的运算复杂度；采用差分变异代替高斯变异来增加种群的多样性；3）对相应的算法进行了应用扩展研究，具体表现为：将约束进化算法用于对无人机组队优化、通信系统中的最小代价树及多决策K-短路径等问题上，取得了很大的成效。.该项目的研究成果，不仅为环境经济调度问题提供了高效的方案，而且为约束优化问题提供了多种高效的算法。