导读:本文包含了厂级负荷分配论文开题报告文献综述及选题提纲参考文献，主要关键词:负荷优化分配,能耗特性,制粉系统,BP神经网络
厂级负荷分配论文文献综述
谭天宇[1]（2019）在《计及经济性与快速性的厂级负荷优化分配研究》一文中研究指出随着我国国民经济的发展和新能源电力系统的不断推进,用电结构发生很大的变化,电网面临的调峰形势日益严峻。新常态下,频繁、深度调峰对全国范围内火电机组的经济运行和快速响应产生极大挑战。在满足电网调度部门下发的总负荷指令要求的基础上,研究如何在兼顾经济性与快速性的前提下优化分配厂级机组的发电负荷,对于降低火电厂的供电成本以及提高企业竞争力具有重大意义。考虑到制粉出力对机组运行的重要影响,本文将制粉系统的运行优化纳入厂级负荷优化分配的研究范围内。为了降低制粉系统单耗,建立了基于BP神经网络的制粉系统能耗特性模型;在此基础上,采用遗传算法对制粉系统进行负荷优化分配。实例仿真结果表明:基于BP神经网络模型的制粉单耗预测值与实际值相差主要集中在0.4kWh/t以下,表明模型的可靠性;比较优化前后的制粉单耗,优化后的制粉单耗最多下降了 2kWh/t,大部分降低的幅度都在1.5kWh/t以上。提高了机组运行经济性,有效降低了机组负荷扰动。在此基础上,本文同时考虑了火电厂运行成本和全厂负荷响应能力,建立了计及经济性与快速性的厂级负荷优化分配模型,具有较强的灵活性和可操作性。结合等微增率法,提出了一种改进遗传算法,克服了传统遗传算法收敛速度慢的缺点,实例仿真结果表明,改进的遗传算法有效缩短了计算时长,保证了搜索速率,为燃煤发电机组调峰过程中负荷优化分配提供了有效参考。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
陈曦[2]（2019）在《风火互补厂级负荷优化分配方案研究》一文中研究指出随着风电大规模并网,由于并网风电的随机性与波动性,电网要求火电厂快速响应负荷,但目前电力系统运行方式难以顾及电厂运行经济性。此时,国家提出了由“分机组调度”模式过渡到“分厂调度”,即厂级负荷调度模式,可降低火电厂发电成本。而通过火力发电的灵活性等特点也可以平抑风电的随机性与波动性带来的影响,所以研究风火互补厂级负荷优化分配技术意义重大。本文将火电厂与风电场作为“虚拟电厂”,将风电场当作一台机组,研究风火互补厂级负荷优化分配技术。针对传统二次多项式煤耗特性曲线没有考虑阀点效应的缺点,建立了考虑阀点效应的动态煤耗模型,并分别用最小二乘法非线性回归和RBF神经网络非线性预测的方式求解火电机组动态煤耗模型。用正态分布概率来定义调度日风电场实际出力与预测出力、标准差之间的关系,确定了风电对系统备用需求的约束,研究了考虑风电的以经济性和快速性为多目标静态厂级负荷优化分配系统模型,研究了以经济性为目标的动态厂级负荷优化分配系统模型,提出了捕食遗传算法来求解分配结果。仿真实验结果验证了本文提出模型的准确性,表明火电厂厂级负荷优化分配系统可以应对风电接入的备用容量需求,在保证系统安全性的前提下可以使火电厂节省成本。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
李文柱[3]（2017）在《多目标优化方法在火电机组厂级负荷分配中的应用》一文中研究指出实际优化问题大多属于多目标优化范畴,具有多个待优化的评价目标,而且不同目标之间可能是互相影响或者互相抵消的,因此,往往很难获得各目标同时最优的解决方案。此类问题的一般优化方法,除了受限于所研究问题的客观属性外,还会受到决策人所参考的主观评价条件影响。进化算法具有较强的全局搜索能力和种群机制,所以基于进化算法的优化方法能有效地解决这些问题。本文研究的目标是寻找适当的优化方法,可以快速地解决多目标优化问题,而且可以保持较高的准确程序。针对火电厂的负荷分配问题,通过对案例电厂的日常运行数据分析得出电厂机组的煤耗与污染物排放特性,选取基于改进的粒子群算法的多目标优化方法,进行仿真实验,以得出更加经济环保的厂级负荷分配方式。本文首先介绍了进化算法的基本原理与发展概况,总结了基于进化算法的多目标优化方法的特点;其次,考虑到传统进化算法的缺点,如收敛性差、效率低等,提出了基于一种改进粒子群算法的多目标优化方法,可以根据算法的较快搜索和寻优能力进行全局寻优;然后,面向电力工业系统复杂的生产过程,采用基于改进算法的多目标优化方法解决,针对燃煤电厂的厂级负荷优化分配问题,采用本文提出的算法寻求解决方案,为燃煤电厂的操作提供决策参考,取得了较好的效果,结果表明该算法对于解决实际工程优化问题具有一定的指导意义。(本文来源于《华北电力大学(北京)》期刊2017-06-01）
宋阳[4]（2017）在《基于动态煤耗模型的厂级负荷优化分配研究》一文中研究指出未来大规模新能源并网需要火电机组互补来平抑新能源的随机波动性,利用机组自身蓄热和发展厂级负荷优化系统是提升火电机组调峰速度、深度的关键,超超临界机组在启停、调峰等瞬态过程与稳态过程相比能耗特性存在较大差异。本文综合考虑机组瞬态过程蓄热对煤耗的影响,采用集总参数法建立了瞬态过程工质蓄热模型、金属蓄热模型和煤耗计算模型,定性分析了工质状态和变负荷速率对机组蓄热的影响,对某1000MW机组瞬态工况试验过程进行了计算分析,得到了试验过程机组蓄热率和蓄热影响下机组发电标准煤耗增量曲线,分析了不同负荷各受热面的蓄热分布情况。在厂级负荷分配模型中考虑瞬态因素建立了基于动态煤耗的厂级负荷分配模型,得到机组负荷优化分配策略和最优变负荷速率,通过实例计算对比该模型和传统模型的经济效益。结果表明:机组总蓄热率与金属总蓄热率的变化趋势几乎一致,金属总蓄热率约为工质总蓄热率的1.5~2倍;工质蓄热率中水冷壁所占比例最大,过热器所占比例最小;受蓄热影响,机组升负荷试验过程中,发电标准煤耗最大增加了3.48g/(k W·h);而在降负荷试验过程中,发电标准煤耗最大减少了3.2g/(k W·h);使用动态煤耗模型比使用稳态煤耗模型全厂日平均供电标准煤耗少了1.58g/(k W·h),机组负荷变化越大节煤效果越明显。本文研究成果能对燃煤发电机组调峰过程中负荷分配优化和变负荷速率调控提供有效的参考。(本文来源于《华北电力大学(北京)》期刊2017-03-01）
王仁锴[5]（2017）在《适应新能源接入的厂级AGC负荷分配系统研究》一文中研究指出随着“厂网分开、竞价上网”的格局形成,国家提出了将传统的“分机组调度”模式,逐渐过渡到“分厂调度”,即厂级负荷调度模式,提高电厂的发电效率,最大限度地降低发电成本,进而增强其竞争力。新能源并网发电已经成为未来发电的趋势,但新能源自身的波动性和间歇性大大增加了电网运行的不确定性,特别是风力发电和光伏发电并网容量比例的日益增加的形势下。在储能技术不能满足需求,利用可控电源对新能源波动的平抑是可行方法,所以研究适应新能源接入的厂级AGC负荷分配技术势在必行。本文将电厂和新能源作为整体,作为“虚拟电厂”,将新能源当作其中一台机组,进行了厂级AGC负荷优化分配的研究,本文研究内容主要有叁个方面。首先,本文针对传统的单元机组煤耗特性曲线拟合预测的煤耗量不适用于实际生产的缺点,提出了利用神经网络进行煤耗量的拟合预测。分别利用最小二乘法和神经网络进行煤耗量的预测,并对结果进行比较分析,结果表明后者优于前者。其次,针对厂级AGC负荷分配系统的快速性、稳定性和经济性要求,本文设计了相应的目标优化函数,并提出了多目标的负荷分配方案,既满足快速完成调度中心升降负荷要求,又能获取较大经济效益。最后,详细分析了粒子群算法的原理,并在其基础上利用模拟退火思想进行了算法改进。通过MATLAB实验,进行算例分析,证明了本文的负荷优化模型的正确性和可行性,多目标负荷分配方案能够满足调度中心的要求,又能使电厂获取更大的经济利益。(本文来源于《华北电力大学(北京)》期刊2017-03-01）
车德勇,蒋文强,刘炜,王迪,贾欢[6]（2015）在《基于PSO算法的厂级负荷受限优化分配研究》一文中研究指出利用粒子群优化(PSO)算法,实现厂级实时负荷的优化分配。在确立的负荷分配优化方案中,提出两种不同的厂级负荷分配优化策略,并以某火电厂4台600MW机组为例,利用电厂热力试验数据,确立了无因次的机组标准煤耗特性方程。基于PSO算法完成了该火电厂机组负荷的优化分配,绘制最佳负荷分配曲线,为实现各机组的负荷最优化分配提供可靠依据。(本文来源于《化工自动化及仪表》期刊2015年10期）
李青,李健,徐浩[7]（2015）在《基于LabVIEW的厂级负荷优化分配系统仿真实验平台》一文中研究指出为验证厂级负荷优化分配系统(load dispatch system,LDS)的研究成果,基于LabVIEW软件开发平台及研华数据采集及处理设备建立了厂级负荷优化分配系统仿真实验平台。该系统以电厂负荷变化特性作为输入变量,可适应基于不同算法内核的LDS调试。详细介绍了平台中仿真模型系统的结构及功能,并以某火力发电厂为例,对LDS进行充分的调试、修改、优化。分析结果表明,该系统为厂级负荷优化分配系统的调试和优化提供了运算基础。下一步笔者将在仿真实验平台中加入环保设备的相关程序模块,并作为输入变量引入到系统模型中,从而使平台功能更加丰富。(本文来源于《兵工自动化》期刊2015年07期）
王宁玲,付鹏,陈德刚,杨志平,杨勇平[8]（2015）在《大数据分析方法在厂级负荷分配中的应用》一文中研究指出传统厂级负荷优化分配以火电机组煤耗曲线为依据,以供电煤耗率最低为目标。考虑到火电机组结构日益复杂,多变的边界条件和运行工况加剧了机组能耗特性的不确定性,给厂级负荷优化分配带来新问题。该文基于火电机组的海量运行数据,引入大数据分析方法,通过模糊粗糙集计算方法提高数据处理的效率,利用决策相关函数评价能耗决策的置信度,获得机组不同边界和运行工况下的能耗特性。将得到的机组供电煤耗率作为厂级负荷动态规划的依据,进而预测负荷优化分配的节煤潜力。结果表明,基于大数据分析方法的厂级负荷分配可有效降低火电厂的供电煤耗率,对火电机组的节能发电调度具有参考意义。(本文来源于《中国电机工程学报》期刊2015年01期）
惠晨[9]（2014）在《火电厂厂级AGC系统数学建模和负荷优化分配的研究》一文中研究指出火电厂厂级AGC负荷优化分配,对于电厂保证生产安全、节能减排、提高电力系统可靠性有着深远的意义。本文首先阐述了厂级AGC发展及现状,以300MW机组为研究对象,结合火电机组运行特性,分析了机组之间负荷优化分配的主要影响因素,建立了煤耗特性曲线及负荷分配模型,实现了厂级AGC系统自动、合理的全厂负荷优化工作。本文以标准煤耗量为讨论对象,介绍了火电机组负荷-煤耗模型的拟合方法。根据数据采集存在噪声和干扰的特点,进行异常数据的滤波处理,并采用多目标改进遗传编程算法得出具体模型。在煤耗特性曲线确定之后,以整厂总标准煤耗及污染物排放量最小为目标,结合机组出力上下限、负荷平衡等约束条件,建立多目标负荷分配模型。采用两种方法解决负荷分配问题。分别是动态规划算法以及改进的差分进化算法(DEA)。利用基本动态规划法处理只考虑经济性的单目标负荷优化问题。采用权重分析的方法对经济性与环境污染多目标问题进行建模,针对基本差分进化算法引入改变操作算子的改进,增强种群多样性与搜索能力,通过启发式策略对求解过程中的约束条件进行处理,并给出了仿真实例。通过Matlab进行编程并对仿真结果进行了分析。(本文来源于《华北电力大学》期刊2014-03-01）
甘超齐,丁健,赵伟[10]（2013）在《火电厂厂级负荷优化分配系统设计及应用》一文中研究指出采用分布式软件系统结构构建了火电厂厂级负荷优化分配系统,并设计了系统功能模块,基于动态规划法建立了负荷优化分配算法模型。应用结果表明,单元总计划负荷较低时(900～1 200MW),3号机组分配的负荷比4号机组高;总计划负荷较高时(1 300～1 800MW),3号机组分配的负荷比4号机组低。从而,实现了机组的经济调度。(本文来源于《热力发电》期刊2013年08期）
厂级负荷分配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着风电大规模并网,由于并网风电的随机性与波动性,电网要求火电厂快速响应负荷,但目前电力系统运行方式难以顾及电厂运行经济性。此时,国家提出了由“分机组调度”模式过渡到“分厂调度”,即厂级负荷调度模式,可降低火电厂发电成本。而通过火力发电的灵活性等特点也可以平抑风电的随机性与波动性带来的影响,所以研究风火互补厂级负荷优化分配技术意义重大。本文将火电厂与风电场作为“虚拟电厂”,将风电场当作一台机组,研究风火互补厂级负荷优化分配技术。针对传统二次多项式煤耗特性曲线没有考虑阀点效应的缺点,建立了考虑阀点效应的动态煤耗模型,并分别用最小二乘法非线性回归和RBF神经网络非线性预测的方式求解火电机组动态煤耗模型。用正态分布概率来定义调度日风电场实际出力与预测出力、标准差之间的关系,确定了风电对系统备用需求的约束,研究了考虑风电的以经济性和快速性为多目标静态厂级负荷优化分配系统模型,研究了以经济性为目标的动态厂级负荷优化分配系统模型,提出了捕食遗传算法来求解分配结果。仿真实验结果验证了本文提出模型的准确性,表明火电厂厂级负荷优化分配系统可以应对风电接入的备用容量需求,在保证系统安全性的前提下可以使火电厂节省成本。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
厂级负荷分配论文参考文献
[1].谭天宇.计及经济性与快速性的厂级负荷优化分配研究[D].华北电力大学(北京).2019
[2].陈曦.风火互补厂级负荷优化分配方案研究[D].华北电力大学(北京).2019
[3].李文柱.多目标优化方法在火电机组厂级负荷分配中的应用[D].华北电力大学(北京).2017
[4].宋阳.基于动态煤耗模型的厂级负荷优化分配研究[D].华北电力大学(北京).2017
[5].王仁锴.适应新能源接入的厂级AGC负荷分配系统研究[D].华北电力大学(北京).2017
[6].车德勇,蒋文强,刘炜,王迪,贾欢.基于PSO算法的厂级负荷受限优化分配研究[J].化工自动化及仪表.2015
[7].李青,李健,徐浩.基于LabVIEW的厂级负荷优化分配系统仿真实验平台[J].兵工自动化.2015
[8].王宁玲,付鹏,陈德刚,杨志平,杨勇平.大数据分析方法在厂级负荷分配中的应用[J].中国电机工程学报.2015
[9].惠晨.火电厂厂级AGC系统数学建模和负荷优化分配的研究[D].华北电力大学.2014
[10].甘超齐,丁健,赵伟.火电厂厂级负荷优化分配系统设计及应用[J].热力发电.2013