关键字 |
| 发射调度，萤火虫算法，测试系统，仿真和性能分析。 |
介绍 |
| 电厂发电调度在电力系统中占有十分重要的地位。从社会和环境方面来看，人类和非人类生命形式都受到化石燃料发电过程中造成的大气污染的严重影响。化石燃料会向大气中排放硫氧化物(SOx)、氮氧化物(NOx)和二氧化碳(CO2)等污染物。这可能会导致全球变暖的问题。最近，由于对环境考虑的日益关注，污染最小化问题引起了广泛关注，社会需要足够和安全的电力，不仅以尽可能便宜的价格，而且以最低的污染水平。因此，火电厂系统的发电优化调度涉及到发电资源的分配，使燃料成本和排放水平同时达到最优。人们提出并讨论了几种减少大气排放的策略[3-5]。这些措施包括安装污染物净化设备、改用低排放燃料、将老化的燃料燃烧器更换为清洁燃料燃烧器以及排放调度。关于环境/经济调度(environmental / economic dispatch, EED)问题，已有文献报道了粒子群优化(particle swarm optimization, PSO)、遗传算法(Genetic algorithm, GA)、模拟退火(simulation退火，SA)、人工蜂群(Artificial Bee Colony, ABC)等不同的优化技术[6-10]。 |
| 本文提出了萤火虫优化算法来降低火电厂的二氧化碳排放。上述算法的实现组织如下。第二节讨论了排放调度问题的数学表达式。第三节分析了萤火虫算法及其特点。第四节介绍了上述算法的实现，第五节介绍了测试系统。第六节包括第七节的讨论和结论的模拟结果。 |
问题公式化 |
| 解决排放调度问题的目标是使电力系统的排放水平最小化，同时满足一组约束条件。这可以表述如下: |
A.问题目标 |
| 最小化排放:总排放量(kg/hr)的目标函数可以表示为 |
 (1） |
| 发电机组的排放方程通常用功率输出Pi的二次函数表示，如下所示: |
 （2） |
| 其中，Ei (Pi)为排放量(Kg/hr)， Pi为发电量(MW)， di, Ei, fi为第i个单元的排放系数。 |
B.问题约束 |
| 发电能力约束:为了稳定运行，每台发电机的实际功率输出受以下下限和上限的限制 |
 （3） |
| 功率平衡约束:总发电量必须覆盖总需求PD和输电线路实际功率损耗PL。因此， |
 （4） |
C.问题陈述 |
| 综合目标和约束条件，该问题在数学上可以表述为非线性发射约束单目标优化问题，如下所示 |
 (5) & (6) |
| 式中，g为表示功率平衡的等式约束，h为表示单位发电容量的不等式约束。 |
建议的方法 |
| 最近提出的萤火虫算法可以有效地消除火电厂的二氧化碳排放。萤火虫优化算法是基于萤火虫的生物化学和社会行为。 |
A.萤火虫算法 |
| 萤火虫算法(FA)是一种元启发式算法，灵感来自萤火虫或发光bug的闪烁行为。萤火虫闪光的主要目的是作为一种信号系统与其他萤火虫交流，尤其是与猎物进行交流。 |
| 这个萤火虫算法假设:[11] |
| 1)所有的萤火虫都是单性的，所以一只萤火虫会被其他萤火虫吸引。 |
| 2)每只萤火虫的吸引力与其亮度成正比，因此任何两只闪烁的萤火虫，亮度较低的萤火虫都会向较亮的萤火虫移动。吸引力与亮度成正比，它们都随着距离的增加而减少。如果没有比特定萤火虫更亮的萤火虫，它就会随机移动。 |
| 3)萤火虫的亮度由目标函数的性质决定。 |
(我)的吸引力 |
| 萤火虫的吸引力是由其亮度或光强决定的，这是由优化问题的目标函数得到的。吸引力β可以用[1β]来定义: |
 (7） |
| 其中r是两只萤火虫的距离，βo是r = 0时的吸引力，γ是光吸收系数。 |
距离和移动 |
| 任意两只萤火虫分别在xi和xj位置上的距离i和j可以定义为笛卡尔距离或欧几里得距离，如下[13]: |
 （8） |
| 其中，xi,k是第i只萤火虫空间坐标xi的第k个分量，d是维度数。 |
| 萤火虫i向更有吸引力(更明亮)的萤火虫j移动由以下公式决定: |
 （9) |
| 其中第一项是萤火虫的当前位置，第二项与吸引力有关，第三项是随机变量向量εi的随机化，使用正态分布。 |
所提出算法的实现 |
| 在该算法中，所有萤火虫最初都是搜索空间中的随机位置。Firefly优化算法的伪代码如下: |
 |
 |
测试系统 |
| 将基于萤火虫优化算法的排放调度问题应用于6个不同负荷条件下的发电机试验系统。为了评价该方法的正确性和质量，对系统的多发电机极限和总排放水平进行了模拟。 |
| 6发电机系统的发射常数和发电机极限如下表所示。 |
仿真结果与讨论 |
| 针对不同的负载需求，在六发电机系统上进行了测试。表2给出了萤火虫算法与粒子群算法的性能比较。 |
| 6台发电机满足各种需求的个别功率开列如下。 |
| 图2为6个发电机测试系统的二氧化碳排放对比图。图中Y轴为排放量(kg/hr)， X轴为负荷需求(MW)。 |
结论 |
| 将萤火虫算法应用于火电厂排放水平最小的经济调度问题的优化。从模拟结果可以看出，该方法通过减少化石燃料燃烧过程中二氧化碳的浓度来减少全球变暖。数值解具有解析性质，计算时间短，精度高。仿真结果表明，萤火虫算法优于现有的元启发式算法。 |
表格一览 |
|
|
数字一览 |
 |
 |
| 图1 |
图2 |
|
参考文献 |
- M.Basu，“水热动力系统经济环境调度”，电力与能源系统。γβ (β010) 711-720;
- IEEE工作组，“清洁空气法规对系统运行的潜在影响”，《IEEE电力系统学报》，vol.10.pp.647-653,1995。
- 王志刚，王志刚，“基于空气净化法的电力系统经济调度研究”，电力系统工程学报，1994;9(2):972-978。
- 王志强，王志强，“环境与经济调度算法研究综述”，电力系统工程学报，1994;9(3):1508-1516。
- 王志强，王志强，“一种基于多目标生产成本的排放调度模型”，《电力工程学报》，1989;4(3):836-842。
- M.A.Abido，“多目标环境/经济调度的帕累托遗传算法”，电力与能源系统，25(2003)97-105。
- 黄锦平，冯志超，“基于模拟退火的经济调度算法”，计算机工程学报。第140卷，no。6pp.505-519, Nov 1993.
- 王志伟，“带阀点负荷的经济调度的遗传算法解”，电力系统学报，vol. 1。8,不。3.，pp.1325-1332, Aug 1993.
- 高拉夫·普拉萨德·迪克西特，“基于人工蜂群优化的经济负荷调度”，国际电子工程进展杂志。
- 马伟强，“多目标粒子群优化的环境经济调度问题”，电力系统研究，vol. 39,no. 1。7, pp.1105-1113, 2009年7月。
- 杨晓生，“自然启发的元启发式算法”，伦敦大学出版社，英国，2008年。
- 杨晓生，“多模态优化的萤火虫算法”，《随机算法:基础与应用》(SAGA ' 09)，《计算科学讲义》第579卷，第178页，第2期，日本札幌，10月β009。
- 杨晓生，“萤火虫算法、随机测试函数与设计优化”，计算机工程学报，vol.2,no.2, pp。78 - 84年,2010年。
- 研究论文，“萤火虫算法在解决经济排放负荷调度问题中的应用”，国际组合数学学报，vol.23 page, 2011。
- “基于粒子暖优化技术的火电厂二氧化碳减排研究”，《计算机应用》，vol.γ， 6月β010。
|
菜单
(1）
（2）
（3）
（4）
(5) & (6)
(7）
（8）
（9)
