1、以遺傳模擬退火混合算法為基礎(chǔ)的火力發(fā)電機組檢修計劃安排的研究2008年內(nèi)容提要火力發(fā)電機組計劃檢修簡介火力發(fā)電機組計劃檢修數(shù)學模型遺傳/模擬退火算法在發(fā)電機組計劃檢修中的運用算例結(jié)論與展望火力發(fā)電機組計劃檢修簡介 發(fā)電機組停電事故停電事故 發(fā)電機組是電力系統(tǒng)的重要組成部分。當發(fā)電機組特別是大容量機組意外事故停運時，電力系統(tǒng)的發(fā)電容量減少，備用容量隨之減少，直接影響到電力系統(tǒng)運行的可靠性。如果不能保持發(fā)電容量與負荷之間的平衡，將導致電網(wǎng)頻率的變化，甚至導致電力系統(tǒng)崩潰，造成大面積停電。同時，意外事故如短路，往往會嚴重損壞發(fā)電設(shè)備。這些都會造成重大的經(jīng)濟損失和社會影響。計劃檢修計劃檢修是減少發(fā)電機

2、組停運事故，同時保證電力系統(tǒng)運行安全性和可靠性的一種有效方法。由于機組停機檢修直接影響電網(wǎng)的發(fā)電出力和負荷儲備，所以它對電網(wǎng)運行的可靠性和經(jīng)濟性都有很大的影響。此外，許多短期或長期的運行、調(diào)度問題，例如機組出力的調(diào)配與組合、抽水蓄能和常規(guī)水火電優(yōu)化、燃料計劃、可靠性計算、以及發(fā)電費用預算等都要以檢修計劃數(shù)據(jù)為基礎(chǔ)，所以制訂一個最優(yōu)的檢修計劃有十分重要意義。隨著電網(wǎng)裝機容量和機組臺數(shù)的增加以及社會對電力生產(chǎn)可靠性與經(jīng)濟性要求的提高，檢修計劃問題的重要性亦日益突出。火力發(fā)電機組計劃檢修簡介 發(fā)電機組計劃檢修火力發(fā)電機組計劃檢修簡介 發(fā)電機檢修的基本要求一個合理檢修計劃應(yīng)滿足下列的基本要求：1、在機

3、組檢修期間，保證電力系統(tǒng)運行的安 全性和供電的可靠性。2、保證電力系統(tǒng)運行的經(jīng)濟性。3、檢修次數(shù)的約束。4、檢修時間間隔約束。5、檢修人力物力的約束。6、檢修連續(xù)性等其它要求?；鹆Πl(fā)電機組計劃檢修簡介 發(fā)電機檢修的現(xiàn)狀與分類（2）總費用最小法：總費用最小法是從經(jīng)濟性出發(fā)來安排檢修計劃的一種算法。在檢修期間，除了正常的運行費用外，還要支出龐大的檢修費用，同時還會帶來許多“潛在”費用，如發(fā)電機組停運期間少發(fā)電能的損失，備用容量降低而可能造成的停電損失等。本文將這些費用之和稱為總費用。一個合理的檢修計劃應(yīng)既考慮到系統(tǒng)的經(jīng)濟性，同時又能滿足系統(tǒng)的可靠性和安全性。本文以總費用最小為優(yōu)化目標，將系統(tǒng)的備用

4、容量和（或）風險度等作為約束條件來考慮?；鹆Πl(fā)電機組計劃檢修簡介 發(fā)電機檢修的現(xiàn)狀與分類（3）從求解優(yōu)化問題的方法來看，有1、整數(shù)規(guī)劃法2、動態(tài)規(guī)劃法3、分枝定界法4、模糊控制算法5、遺傳算法6、模擬退火算法等等發(fā)電機組計劃檢修計劃數(shù)學模型 發(fā)電系統(tǒng)的可靠性評估方法發(fā)電系統(tǒng)可靠性評估方法：、建立發(fā)電機組的停運容量概率模型、建立負荷的概率模型、將兩個模型組合成風險度模型來求出發(fā)電系統(tǒng)的可靠性指標，如電力不足概率(LOLP)、期望缺電量(EENS)等。發(fā)電機組計劃檢修計劃數(shù)學模型 停運容量概率模型遞推算法（1）發(fā)電容量概率模型的遞推算法容量模型實際上就是一張容量停運概率表。它表示出容量停運狀態(tài)的概

5、率、頻率、持續(xù)時間等參數(shù)。容量狀態(tài)可以是確定，也可以是累計的。前者由各發(fā)電機停運容量組合得到，后者由大于或等于某一停運容量的單獨停運容量組合得到。 發(fā)電機組計劃檢修計劃數(shù)學模型 停運容量概率模型遞推算法（）1、追加一臺機組的單獨概率和累積概率的遞推算法追加一臺強迫停運率為 u ，容量為c 的兩狀態(tài)機組后，強迫停運率恰好為x的狀態(tài)的遞推公式為： 其中 分別是追加機組前、后停運容量為x的概率。發(fā)電機組計劃檢修計劃數(shù)學模型 停運容量概率模型遞推算法（4）3、從容量中減去機組的遞推算法 式中 為減去待檢修機組i的停運概率和機組i的容量。發(fā)電機組計劃檢修計劃數(shù)學模型 兩級負荷模型（1）兩級負荷模型按下述

6、假定形成：在D天內(nèi)有 N級 負荷水平，這N級負荷水平為一隨機數(shù)列，且每隔D天循環(huán)一次；日峰荷持續(xù)e天，低谷負荷持續(xù)1 - e 天且保持恒定不變。負荷的轉(zhuǎn)移率與容量的轉(zhuǎn)移率彼此獨立。 兩級負荷模型的參數(shù)如下： 負荷水平 N ； 負峰荷值 谷荷值 ; 出現(xiàn)次數(shù) ; 循環(huán)長度 ； 平均持續(xù)時間 峰荷 ( e 天 ) ；谷峰 ( 1 - e 天 ) 發(fā)電機組計劃檢修計劃數(shù)學模型 風險度模型（2）2、EENS：電量不足期望值。 式中， 為計算步長， 為第 i 小時電力不足累積概率， m 為小時數(shù)。 火力發(fā)電機組計劃檢修優(yōu)化模型 目標函數(shù)（1） 發(fā)電機組計劃檢修可看作一個帶約束條件的組合優(yōu)化問題。在滿足合

7、理可靠性（如最小備用容量）和檢修條件（如檢修力量）等約束下，安排機組的檢修時間，使所需的費用最小。這里的費用包括生產(chǎn)費用、檢修費用和期望停電損失費用等。 火力發(fā)電機組計劃檢修優(yōu)化模型 目標函數(shù)（2） 目標函數(shù)可用下式表示 式中，i：參加檢修機組的序號；I：參加檢修機組數(shù)目 j：檢修時段序號（如星期）；J：檢修時段數(shù)。 ： 機組 i 燃料費用系數(shù)； 機組 i 在時段 j 的出力。 ： 機組 i 檢修起始時間， 機組 i 預定起始檢修時間，火力發(fā)電機組計劃檢修優(yōu)化模型 目標函數(shù)（3） 當機組 i 在 開始檢修時的檢修費用； 停電損失費用系數(shù)。 在時段 j 的期望停電損失電能。式中的三項分別表示生產(chǎn)

8、費用、檢修費用和停電損失期望值。 火力發(fā)電機組計劃檢修優(yōu)化模型 約束條件1、開始檢修時間約束； 機組 i 的起始檢修時間 應(yīng)在預定期內(nèi) ： 2、檢修連續(xù)性約束； 機組 i一旦開始檢修，在檢修時段數(shù)，機組 i 都處于檢修狀態(tài);3、檢修力量約束 一些機組（如同一電廠內(nèi)）由于檢修人力、物力或場地問題不能同時安排檢修。4、電力系統(tǒng)功率平衡約束；5、最小備用容量約束。 火力發(fā)電機組計劃檢修優(yōu)化模型 考慮約束條件的目標函數(shù) 開始檢修時間和檢修連續(xù)性約束條件在尋求最優(yōu)解時很容易判斷是否被滿足。約束條件（3）、（4）、（5）須用懲罰函數(shù)來表示。引入懲罰函數(shù) 和懲罰法系數(shù) 表示約束條件（3）、（4）和（5），考

9、慮了約束條件目標函數(shù)便可寫為： 遺傳/模擬退火算法 遺傳算法 （2）簡單遺傳算法 遺傳算法是具有“生成檢測”(generate- and test)的迭代過程的搜索方法。遺傳算法是一種群體操作，該操作以群體中的所有個體為對象。選擇、交叉和變異是遺傳算法的3個主要操作算子，它們構(gòu)成了所謂的遺傳操作（genetic operation），使遺傳算法具有了其它算法所沒有的特性。遺傳/模擬退火算法 遺傳算法 （3）遺傳算法包括了如下5個基本要素：（1）參數(shù)編碼；（2）初始群體設(shè)定；（3）適應(yīng)值函數(shù)的設(shè)計；（4）遺傳操作設(shè)計（選擇和交叉操作）；（5）控制參數(shù)設(shè)定。這5個要素構(gòu)成遺傳算法的核心內(nèi)容。 遺傳

10、算法在搜索進化的過程中，需評估個體的優(yōu)劣，并作為以后遺傳的依據(jù)，評估函數(shù)稱作適值函數(shù)。遺傳/模擬退火算法 遺傳算法 （4） 控制遺傳算法的主要參數(shù)有群體規(guī)模和算法執(zhí)行的最大代數(shù)目，次要參數(shù)有復制概率 、交叉概率和變異概率等參數(shù)。它們對遺傳算法的影響集中在兩大方面：優(yōu)化結(jié)果和計算時間。 遺傳算法理論主要基于模式定理和積木塊假設(shè)。 遺傳算法的優(yōu)越性主要表現(xiàn)在：1）、它在搜索過程中不容易陷入局部最優(yōu)，即使在所定義的適應(yīng)函數(shù)是不連續(xù)的、非規(guī)則的或有噪聲的情況下，它也能以很大的概率找到整體最優(yōu)解；2）由于它固有的并行性，遺傳算法非常適用于大規(guī)模并行計算機。遺傳/模擬退火算法 遺傳算法 （5） 組合優(yōu)化（

11、combinatorial optimization）是遺傳算法最基本的也是最重要的研究和應(yīng)用領(lǐng)域之一。一般來說，組合優(yōu)化問題通常帶有大量的局部極值點，往往是不可微的、不連續(xù)的、多維的、有約束條件的、高度非線性的NP完全問題，因此，精確地求解組合優(yōu)化問題的全局最優(yōu)解一般是不可能的。遺傳算法近十幾年來在組合優(yōu)化領(lǐng)域得到了相當廣泛的研究和應(yīng)用，并已在解決諸多典型組合優(yōu)化問題中顯示了良好的性能和效果。 機組檢修實際上就是一個帶約束條件的組合優(yōu)化問題。遺傳/模擬退火算法 遺傳算法 （6）采用遺傳算法的組合優(yōu)化方法可以描述如下：（1）確定群體規(guī)模n（整數(shù)），使用隨機的方法或其它方法產(chǎn)生n個可能解 組成初

12、始解群。 （2）對每一個個體 (變量k 稱作“代”數(shù)，初始值為k=1），計算其適應(yīng)值 。（3）對于每一個體 ，計算其生存的概率 : 然后設(shè)計一個隨機選擇器，依據(jù) 以一定的隨機方法產(chǎn)生配種個體 遺傳/模擬退火算法 遺傳算法 （7）（4）產(chǎn)生下一代解群。選擇兩個配種個體 , 并依據(jù)一定的組合規(guī)則（如交叉、變異、逆轉(zhuǎn)等）將 結(jié)合成兩個新一代的個體 ， 直至新一代n個個體形成完畢。（5）重復步驟（2）（4），直至滿足程序的終止條件（如解的質(zhì)量達到滿意的范圍或代數(shù)達到預定值。 遺傳/模擬退火算法 模擬退火算法 （1） 模擬退火（Simulated Annealing）算法是基于Monte Carlo迭代

13、求解法的一種啟發(fā)式隨機搜索算法。它通過模擬退火過程，尋找到全局（或近似）最優(yōu)解。該算法把目標函數(shù)看成退火物體的能量函數(shù)，某一控制參數(shù)視為溫度T，解空間當作退火物體的形態(tài)空間，因此其尋找基態(tài)的過程也就是求目標函數(shù)極小值的優(yōu)化過程。遺傳/模擬退火算法 模擬退火算法 （2）設(shè) 為所有可能的組合狀態(tài)集合，C：SR為非負目標函數(shù)，即 反映取狀態(tài) 為解的代價，則組合優(yōu)化問題可表述為尋找 使得 SA法的基本思想是把每種組合狀態(tài) 看作某一物質(zhì)體系的微觀狀態(tài)，而 看成該物質(zhì)體系的狀態(tài) 下的能量，并用控制參數(shù)T表示偽溫度。讓T從一個足夠高的值緩慢下降。對每個T，用Metropolis抽樣法模擬該體系在此T下的熱平

14、衡態(tài)。遺傳/模擬退火算法 模擬退火算法 （3） 即對當前狀態(tài)S做隨機擾動產(chǎn)生一個新狀態(tài) ，計算增量 , 并根據(jù)概率exp( ) 接受 作為新的當前狀態(tài)。當這樣的隨機擾動重復足夠多次數(shù)后，系統(tǒng)將達到該溫度下的熱平衡態(tài)，并且系統(tǒng)的狀態(tài)將導致Boltzmann分布，b是 Boltzmann常數(shù)。遺傳/模擬退火算法 模擬退火算法 （4）SA算法應(yīng)遵循的如下的準則以便使其具有良好的退火策略。1初始溫度 的選取。 退火算法要求 足夠大。在算法SA中， 不可能選為無窮大。選擇 的準則為使所選擇的初始溫度 與溫度 時具有基本相同的效果即可。 2降溫過程。退火算法要求 的選取應(yīng)遵循兩個規(guī)則： 的選取應(yīng)使溫度從初

15、溫 下降到最低溫度 所需的降溫次數(shù)不能為 n 的指數(shù)（否則SA算法的迭代次數(shù)將按N的指數(shù)規(guī)律增加）； 的選取應(yīng)保證最后求得最優(yōu)解的概率。遺傳/模擬退火算法 模擬退火算法 （5）若 選得太大，溫度T下降快，算法計算時間短，但求解的準確性下降，還有可能陷入局部最小值。在具體實現(xiàn)算法時，降溫可用如下迭代實現(xiàn)。 為一自適應(yīng)調(diào)度參數(shù)，其選取原則為：在某個溫度 下的迭代結(jié)束后，以能量函數(shù)E的方差為依據(jù)，當方差較小時，調(diào)節(jié) 值，使 值較大；否則，使 較小。 3最低溫度 的選取。實現(xiàn) 退 火過程要求最低溫度 趨于零，然而在SA算法中， 不可能等于零（否則會出現(xiàn)被零除之現(xiàn)象）。只要保證在最低溫度 下，使系統(tǒng)趨于

16、最優(yōu)解的概率為 1 即可。遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 位串（1）1、位串 以一年為一個檢修周期，一個星期為一個時段。假設(shè)機組 i 需要 個時段才能完成檢修。由于機組檢修必須連續(xù)進行，機組 i 一旦在時段 開始檢修，則在期間 上，機組 i 都處于檢修狀態(tài)。由于一年有52個時段（星期），每一臺機組的起始檢修時段可用6個二進制位表示。表示 I 臺機組起始檢修時段的組合狀態(tài)的位串長度為6*I 。如下圖所示。 遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 位串（2） B5 B4 B3 B2 B1 B0機組 1： 0 1 0 0 1 1 機組 2： 1 0 0 1 0 0 . .機組 n ： 0

17、 0 0 1 1 1 機組 機組 .機組 n 位串：010011 100100 .000111 位串的結(jié)構(gòu)（例） 上圖中一行表示一臺機組的起始檢修時間，一個位串可表示一個完整的機組檢修計劃。遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 位串（3）因為機組 i 的起始檢修時間 于是機組 i 的檢修時間 便可求出 。應(yīng)當特別說明，對于每一臺機組，大于 110100（對應(yīng)于十進制的52）的位串為無效位串。遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 適值函數(shù)（1）機組檢修計劃優(yōu)化目標是使總費用函數(shù) F(x) 最小。使用遺傳算法時，須將目標函數(shù)映射成求適應(yīng)值求極大值形式。本文使用下面的映射方法獲得適應(yīng)值函數(shù)

18、f(x) 。 是一個足夠大的輸入值，與群體無關(guān).。 用適應(yīng)值函數(shù)來衡量位串（個體）的優(yōu)劣。適應(yīng)值大的個體有較強的生存能力來繁殖下一代。在求解的過程中，往往要對適應(yīng)值進行縮放，即適應(yīng)值定標。適應(yīng)值定標方式有線性定標、截斷和乘冪定標。本文采用線性定標。遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 適值函數(shù)（2）對于原適應(yīng)值函數(shù) f ，線性定標后的適應(yīng)值函數(shù) f 為： f =af+b式中，a、b滿足下列的兩個條件： 1）原適應(yīng)值平均值 f 等于定標后的適應(yīng)值平均值。 2）定標后適應(yīng)值函數(shù)的最大值 等于原適應(yīng)值函數(shù)平均值 所指定的倍數(shù)，即 一般， 可在（1.22.0）范圍取值。如果定標后出現(xiàn)負的適應(yīng)值，可

19、以把原適應(yīng)值最小值 映射到定標后的最小值 。但此時仍需保持遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 遺傳/模擬退火算法（1）本文采用多層次交叉操作。交叉操作在同一位串的機組間和不同位串間進行。由于單臺機組沒有適值函數(shù)，隨機選擇同一位串內(nèi)的兩臺機組進行交叉操作，如圖所示。 B5 B4 B3 B2 B1 B0 B5 B4 B3 B2 B1 B0 -機組 i 1 0 0 | 1 1 0 機組 i 1 0 0 1 0 1機組 j 1 1 0 | 1 0 1 機組 j 1 1 0 1 1 0 - (a) 交叉前 （b) 交叉后同一位串內(nèi)的機組間交叉操作遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 遺傳/模擬

20、退火算法（2）不同位串間的交叉操作應(yīng)按它們的適應(yīng)值比例進行，如圖4所示。 機組 機組 . 機組 n 機組 機組 . 機組 n -位串i 0 1 0 0 1 1 1 0 0| 1 0 0 . 0 0 1 10 1 位串i 0 1 0 0 1 1 1 0 0 1 0 0 . 0 0 0 1 1 1 位串j 0 1 0 0 1 1 1 0 0| 1 0 0 .0 0 0 1 1 1 位串j 0 1 0 0 1 1 1 0 0 1 0 0 .0 0 1 1 0 1 - (a) 交叉前 （b) 交叉后不同位串間交叉操作遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 遺傳/模擬退火算法（3）交叉操作產(chǎn)生兩個新的

21、位串。將兩個新位串（用 表示，i =1,2 ）的適應(yīng)值 與兩個舊位串（用 表示，j =1,2 ) 的適應(yīng)值 進行比較，選出適應(yīng)值較大的兩個位串 用 表示，l =1,2 ) 用來繁殖下一代。如果 ， 應(yīng)保留 ；如果 ，則按 的值來決定是否保留 。式 ，b 為Boltzmann 常數(shù)， 為第 k代的退火溫度， 為0，1上的一個隨機數(shù)。 遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 位串的產(chǎn)生傳統(tǒng)的遺傳算法中初始位串（解）是隨機產(chǎn)生的，它遍布整個解空間。這有利于尋找到全局最優(yōu)解，但由于其整體素質(zhì)差，尋找的時間較長。實際上在歷年的檢修工作中已積累了大量的較合理的檢修計劃，往往只需對這些檢修計劃進行進一步的

22、優(yōu)化便可得到最優(yōu)解。我們將這些檢修計劃作為初始解的一部分。初始解的另一部分隨機產(chǎn)生，但在產(chǎn)生的過程中檢查約束條件（1）。剔除不滿足該約束條件的初始解，并重新形成，直到獲得所需的初始解為止。這樣可以保證初始解都是滿足一定約束條件的可行解，有效提高計算速度。 遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 交叉概率與變異概率的調(diào)整交叉概率和變異概率的調(diào)整 在迭代的過程中，如果出現(xiàn)過早收斂或過度發(fā)散，則對交叉和變異的概率進行調(diào)整。如果出現(xiàn)過早收斂,降低交叉概率，增加變異概率。如果出現(xiàn)過度分散，增加交叉概率,并降低變異概率。在迭代過程中，每一代中具有最大適值的位串直接進入下一代，這樣可以避免由于交叉和變異操

23、作破壞可能的最優(yōu)解，增加高素質(zhì)位串繁殖的機會。遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 算法主要步驟（1）1、初始化 N 個解作為初始解群，令k = 1 , i = 1 ；2、在解x中選擇兩臺機組；3、兩臺機組間進行交叉和變異操作，產(chǎn)生新的解 4、計算 5、如果i N，i = i + 1, 轉(zhuǎn)到步驟；否則令i = 1, 轉(zhuǎn)到步驟；6、選擇兩個解遺傳/模擬退火算法在機組計劃檢修中的應(yīng)用 算法主要步驟（2）7、對兩個解進行交叉和變異操作產(chǎn)生新的解8、計算 9、如果i N, i = i + 2， , 轉(zhuǎn)到步驟；10、如果k 最大迭代次數(shù),k = k +1, 轉(zhuǎn)到；11、結(jié)束。算例分析 原始數(shù)據(jù)（1）

24、本章以某區(qū)域電網(wǎng)的60臺機組的計劃檢修為例來驗算本文的算法。前期工作包括對各臺機組的參數(shù)、計劃檢修情況進行整理、量化，從歷年的負荷數(shù)據(jù)整理出年曲型負荷典線。根椐本文的算法用FORTRAN77語言編寫出計算機程序。計算結(jié)果表明，本文算法是有效可行的。1、機組參數(shù)機組參數(shù)計算用參數(shù)如下表所示。為了方便計算，表中的檢修費用和煤耗率都是換算后的值。系統(tǒng)60臺機組，總發(fā)電容量為15740MW。編號容量MW可能開始檢修時間（星期）檢修所需時間（星期）檢修費用煤耗率故障率修復率16001-96700.0590.0120.950260013-216750.0640.0200.955355026-346900.

25、0670.0130.953455026-346850.0470.0120.951550039-476800.0860.0160.950650039-476760.0590.0140.95375001-96780.0850.0180.95484009-175910.0670.0210.95594009-175690.0670.0220.9541046018-265710.0480.0240.9561143023-325820.0390.0190.9571238031-395780.0690.0230.9531338034-405750.0840.0200.9581440040-485860.06

26、70.0310.950154001-95900.0560.0360.956163503-115880.0480.0320.958173503-115790.0490.0330.9541835014-225720.0960.0290.9531932019-275840.0860.0310.9512032023-315890.0740.0280.9542133026-345920.0870.0260.9572230037-464860.0590.0330.9592330040-484850.0580.0310.958242201-94760.0820.0360.9562522010-184790.

27、0910.0340.9532622012-204710.0580.0390.9512727021-294680.0470.0370.9502827021-294650.0340.0340.9522920030-384950.0630.0350.9573022034-424850.0540.0320.9583124041-495910.0460.0310.9593224041-494800.0780.0380.967332401-94830.0650.0370.966342006-144870.0560.0350.964352008-164920.0640.0340.9633618018-263

28、690.0760.0360.9673717024-323760.0820.0370.9653817024-323850.0290.0320.9643916034-423960.0690.0330.9624015036-443780.0590.0360.9634115040-485850.0840.0390.964421501-94790.0750.0380.966431502-104840.0790.0310.965441509-174760.0860.0390.9674515012-204720.0470.0370.9694615018-263790.0390.0360.9684715026

29、-343860.0670.0350.9734812526-343900.0550.0360.9714912533-412740.0750.0370.9705012536-442760.0690.0340.9735112538-462710.0850.0330.9725212543-512700.0820.0380.978531251-92790.0670.0390.975541005-132860.0870.0340.970551008-162820.0690.0390.976561008-162850.0450.0380.9715710015-232790.0450.0370.9705810

30、019-272820.0280.0360.9735910020-282760.0190.0340.9726010027-352960.0320.0380.959算例分析 原始數(shù)據(jù)（2）2、負荷參數(shù)負荷參數(shù)見右表星期序號負荷MW星期序號負荷MW星期序號負荷MW111391210960310472499865958669629796668105339107701011007111144612114711311499141206915126161613163171437018145631914563201454321145632214563231286524133912511636261101727

31、120722811860291169530115333111415321167933119443412332351265236127903713065381306539130654012701411283442130634313254441324445128344613024471294948128774912234501268351119585211740算例分析 原始數(shù)據(jù)（3）3、檢修的幾個約束條件（1）、不能同時檢修的機組，如右表4。（2）、開始檢修時間約束 開始檢修時間約束見機組容量表。（3）、最小備用容量 最小備用容量為負荷的10%。 序號機組123456789103,45,68,9

32、18,20,2139,4046,47,4855,56,5725,2629,3031,32算例分析 結(jié)果及分析（1）本算例中選擇：1、解群規(guī)模為150；2、初始解中12個來自原來的檢修計劃，其它初始解隨機產(chǎn)生，但均滿足“開始檢修時間”約束條件3、交叉概率為0407，變異概率為00060025（每一個位）如果出現(xiàn)過早收斂（早熟），交叉的概率每次降低0.1，同時變異的概率提高0.003相反如果解群過于發(fā)散，則將交叉的概率提高0.1，同時將變異的概率降低0.0034、模擬退火的初始溫度設(shè)為2500K，溫度系數(shù)為 0.93。計算結(jié)果如下表和附圖（費用為換算后的值）算例分析 結(jié)果及分析（2）總費用3129

33、41燃料費用298692檢修費用14249電能不足期望值（MWH）11030592平均備用容量（MW）1259備用率（%）18.45計算時間（分鐘）95算例分析 結(jié)果及分析,機組檢修計劃示意圖（3） 序 容 起始檢 號 量 修時間 檢修時間 1234567890123456789012345678901234567890123456789012 1 600 7 * 2 600 15 * 3 500 25 * 4 550 33 * 5 500 40 * 6 500 46 * 7 500 8 * 8 400 11 * 9 400 16 * 10 460 24 * 11 430 30 * 12 38

34、0 36 * 13 380 40 * 14 400 42 * 15 400 7 * 16 350 10 * 序 容 起始檢 檢修時間 號 量 修時間 123456789012345678901234567890123456789012345678901217 350 11 * 18 350 22 * 19 320 26 * 20 320 26 * 21 330 34 * 22 300 41 * 23 300 42 * 24 220 8 * 25 220 13 * 26 220 20 * 27 270 26 * 28 270 25 * 29 200 34 *30 220 34 * 31 240

35、41 * 32 240 47 * 33 240 8 * 34 200 14 * 35 200 13 * 36 180 20 * 37 170 30 * 38 170 30 * 序 容 起始檢 檢修時間 號 量 修時間 1234567890123456789012345678901234567890123456789012 39 160 41 * 40 150 35 * 41 150 47 * 42 150 8 * 43 150 7 * 44 150 17 * 45 150 18 * 46 150 26 * 47 150 30 * 48 125 34 * 49 125 40 * 50 125 4

36、2 * 51 125 45 * 52 125 50 * 53 125 9 * 54 100 6 * 55 100 10 * 56 100 14 * 57 100 20 * 58 100 27 * 59 100 24 * 60 100 20 * 算例分析 結(jié)果及分析（4）通過分析可知，本文算法有如下特點：1、有較好的穩(wěn)定性。2、初始解中含有12個原來的檢修計劃。改善初始解可以加快算法的收斂速 度。3、 本文在遺傳算法中引入了模擬退火算法較好地改善了算法的收斂性，模擬退火算法中的溫度系數(shù)對算法的收斂性有較大的影響。對于本算例，最佳溫度系數(shù)為0.93 。算例分析 幾種算法比較（1） 本文作者曾經(jīng)用整

37、數(shù)規(guī)劃法和遺傳算法求解發(fā)電機組的計劃檢修問題。整數(shù)規(guī)劃法以用戶停電損失期望值最小為目標函數(shù)來制定發(fā)電機組的檢修計劃。與本文目標函數(shù)比較，沒有考慮生產(chǎn)費用和檢修費用。這樣處理可以降低算法的收斂難度，減少的計算量，使整數(shù)規(guī)劃法可用于求解較大規(guī)模的機組計劃檢修問題。遺傳算法以使各檢修時段上的系統(tǒng)備用容量相等做為優(yōu)化目標。該算法的目標函數(shù)簡單明了，但僅從系統(tǒng)的可靠性出發(fā)，沒有考慮檢修的經(jīng)濟性。為了方便比較，分別將整數(shù)規(guī)劃法、遺傳算法和本文中的算法求解上述算例，結(jié)果列于下表。項目整數(shù)規(guī)劃法遺傳算法遺傳/模擬退火混合算法目標函數(shù)用戶期望停電損失值最小各檢修時段上的系統(tǒng)備用容量相等總費用（生產(chǎn)費用、檢修費用和期望停電損失