电厂负荷自动控制系统分析

【摘 要】本文在介绍电厂负荷自动控制系统特点的基础上，首先分析讨论了几种常用的电厂负荷的分配方法，详细阐述了各个方法的主要原理与特点。然后，详细分析了几种重要的智能决策方法，重点讨论了遗传算法、人工神经网络法与混沌算法的原理及其优缺点。对针对实际情况进行电厂负荷分配具有一定的参考作用。

【关键词】负荷；优先次序法；等微增率法；遗传算法；人工神经网络法

一、引言

随着工业的发展，节能减排也日益突出，成为电力系统应该重点注意的一项工作。电能是我国重要的能源之一，不是取之不尽用之不竭的，且没有可以被贮存的功能，因此，需要在进行负荷分配的时候，注意最优化选择与经济效益，以同时加强电力企业的竞争力与降低成本。本文针对以上情况，对合理进行最优化负荷分配进行了详细的分析与讨论。主要介绍了常用的分配方法与具体的智能算法，可以为电厂根据自身情况选择合理的分配方案提供指导作用。

二、电厂负荷自动控制系统的特点

（一）参加调峰、调频。调峰与调频在电网运行中是非常重要的，因此，电厂负荷自动控制系统与参加调峰、调频密不可分。为此，要合理控制、规划电网的调峰与调频情况，保证自动化控制系统可以满足电网的基本要求。

（二）稳定机组运行。机组在运动过程中将会受到不同程度的内外干扰，从而造成一定的机组运行不稳定情况发生。因此，要保证机组在运行过程中的能量平衡与质量平衡，进而稳定机组的运行状态。

（三）接口完善。电厂负荷自动控制系统运行属于闭环控制系统，需要与其他系统进行不断的信息交互工作，为此，必须保证接口完善，任务交互不会发生错误，使得系统的协调性更强，更加完善。

（四）可供选择性强。电厂负荷自动控制系统的设计必须可以满足不同的要求。在实际的电厂工作运行中，情况较多且均比较复杂。而且，机组在运行过程中可以会发生错误，导致其中的一个或几个机组被分割到运行之外，此时，电厂负荷自动控制系统不能因此停止运行，必须继续保持系统的稳定运行状态。

三、电厂负荷的分配方法

（一）优先次序法。优先次序法的主要步骤如下：首先，根据电厂中机组的实际运行效率计算出各个机组单独工作时的最大效率；然后，将各个机组按照效率的高低，由大至小进行排序，进而各个机组依次分配负荷。

（二）等微增率法。等微增率法[1]指的是在等式的约束条件下，有效使用基于数学极致计算理论得到的等微增率法，进行各个机组的负荷分配。这种分配方法具备计算简单、使用方便的优点。但是，由于该方法要是各个机组的煤耗为严格的凸函数，增率曲线是单调递增可微的，因此容易导致计算失真的情况发生。

（三）逐点法。这种方法也被称为穷举法，是根据指定的间隔依次确定总分配方案的方法。针对每一种方案分别计算出对应的各个机组的煤耗与发电厂的总煤耗[2]，合理选择出使全厂煤耗最小的分配方法。这种分配方法通过实测性能曲线对各个机组工况点进行了计算，有效的避免人为拟合导致的误差的产生，且对性能曲线的连续光滑性没有要求。但这种方法的计算消耗时间较长，无法保证其可被用于实时计算。

（四）动态规划法。动态规划法要求所需要求解的问题要具备明确的阶段性，需要使用运筹学原理，用这种方法求解机组的负荷最优分配问题时，调度区间被分为若干个时间段，每个时间段通常为一个小时。由初始阶段开始依次计算到达各个阶段各个状态的累计花费[3]，包含启停机组的花费与运行时所消耗的燃料费用。再根据最后阶段所累计费用的最小状态，依次记录各个阶段，使得总的累计费用为最小的最优状态。这种方法不需要硬性规定任何先决条件，可以避开微增率曲线，因此，该方法被广泛使用。

四、智能决策方法

智能决策方法是指通过利用计算机程序的智能原理，结合人类的思想，进行建模，从而达到目的的方法。该决策方法目前已被广泛使用于工业领域。

（一）遗传算法。遗传算法是通过模拟生物根据达尔文进化论在自然界中的遗传与进化过程，从而形成的一种自适应搜索最优方法的模型[4]。这种算法的实际应用型较强，是属于框架式的算法，可以根据不同的实际问题套用，从而得到最优解，且该算法对目标函数没有硬性的特殊规定与要求。这种算法具备鲁棒性强、搜索效率高的优点。且不易在搜索过程中陷入局部最优，从理论上分析，该算法可以有效找到全局的最优解。使用这种方法求解电厂符合最优分配方法，可以得到多个可供选择的方法，该算法具备灵活的特点，且可以同时考虑多种不同的约束。

（二）人工神经网络法。人工神经网络法是模拟人类大脑物理结构的模型的算法。该算法可以充分逼近任意复杂的非线性关系。解决问题时候所涉及到的定量与定性的参数都可以以等式的方式被存储在神经网络内的每个神经单元内，因此，该算法具备鲁棒性的优点，且具备一定的容错性。多层前馈神经网络模型是目前常用的人工神经算法之一。该算法具备如下优点：预测准确性较强；当计算遇到错误或干扰时，鲁棒性较强；输出具备较强的灵活性，可以是离散形式的真值，也可以是含有一些离散值和真值的向量；评估速度较快。但是，该算法也有一些缺点不容忽视：函数比较复杂，不易理解；收敛速度较慢。

（三）混沌算法。混沌算法获取最优值的方法是通过约束条件将系统与机组用罚函数所表示出来。然后，把目标值与罚函数定为寻优目标，进而进行根据混沌运动特性与自身过滤特性的方式的搜索过程。从而获得电厂负荷最优分配的结果。混沌算法是一种智能型算法，具备某种随机性。该算法具备以下优点：效率较高；使用便利；保密性好；安全性高。

五、结束语

合理进行电厂负荷最优化分配是电力行业的一个重要的问题。降级机组的运行成本可以提高企业的竞争力，是电厂普遍关心的问题之一。本文针对最优化选择电厂负荷分配方法进行了归纳与总结，在介绍电厂负荷分配方法的基础上，对目前常用的几种算法进行了讨论，给电力企业针对自身情况，合理选择负荷分配提供了一定的参考。

参考文献：

[1]缪国钧，葛晓霞.电厂负荷的优化分配方法[J].电站辅机， 2010 （003）： 1-5.

[2]于国强，吕剑虹，龚诚.电厂负荷调度的智能决策方法 [J].热能动力工程， 2003， 18（5）： 507-511.

[3]葛晓霞.电厂负荷的最优分配[J].汽轮机技术， 1995， 37（5）： 299-302.

[4]余廷芳.火电厂厂级监控信息系统（SIS）建模， 实现及人工智能的应用研究[D][D].东南大学， 2004.