1、機(jī)組優(yōu)化組合問(wèn)題是電力系統(tǒng)短期運(yùn)行計(jì)劃的核心問(wèn)題，是典型的非線性優(yōu)化問(wèn)題，涉及到許多非線性、離散性、隨機(jī)性及不確定性等因素。常規(guī)的數(shù)學(xué)方法在處理此類問(wèn)題時(shí)有一定的局限性，而智能優(yōu)化方法卻適合求解傳統(tǒng)優(yōu)化方法難以解決的高非線性、高離散性的組合優(yōu)化問(wèn)題。 本文圍繞機(jī)組優(yōu)化組合，主要展開(kāi)以下工作： (1)對(duì)魚(yú)群算法、粒子群算法、免疫算法和禁忌搜索算法進(jìn)行研究。人工協(xié)調(diào)魚(yú)群算法在處理大系統(tǒng)問(wèn)題時(shí)有自己的優(yōu)勢(shì)，把人工協(xié)調(diào)魚(yú)群算法應(yīng)

2、用于大系統(tǒng)組合問(wèn)題，能夠快速的解決大系統(tǒng)組合的維數(shù)高、求解困難等問(wèn)題；針對(duì)基本粒子群算法的全局搜索能力差、進(jìn)化后期收斂速度慢、算法到達(dá)一定精度無(wú)法繼續(xù)運(yùn)行等缺點(diǎn)，提出了基于疫苗接種的免疫禁忌粒子群算法(IVT-PSO)。仿真結(jié)果表明，該算法能夠得到更好的優(yōu)化效果，驗(yàn)證了方法的有效性。 (2)研究了機(jī)組優(yōu)化組合的基本原理和數(shù)學(xué)模型?？紤]了負(fù)荷需求限制約束、單機(jī)輸出功率上下限約束、機(jī)組最大允許啟停次數(shù)約束，把人工協(xié)調(diào)魚(yú)群算法和基于疫

3、苗接種的免疫禁忌粒子群算法應(yīng)用到機(jī)組優(yōu)化組合問(wèn)題中，以煤耗量最小為目標(biāo)函數(shù)，對(duì)機(jī)組的啟停方式和經(jīng)濟(jì)負(fù)荷分配這兩個(gè)問(wèn)題進(jìn)行交替迭代求解。算例仿真和分析結(jié)果驗(yàn)證了該方法的正確性、有效性和優(yōu)越性。 (3)在電力市場(chǎng)競(jìng)爭(zhēng)條件下，考慮無(wú)功和備用收益的影響，以機(jī)組本身的可用狀態(tài)、發(fā)電功率限制、爬坡速率以及系統(tǒng)備用容量和電力市場(chǎng)交易等為約束條件，構(gòu)造了電力市場(chǎng)競(jìng)爭(zhēng)條件下機(jī)組優(yōu)化問(wèn)題的數(shù)學(xué)模型。以發(fā)電廠收益最大為目標(biāo)函數(shù)，對(duì)機(jī)組的啟停方式和經(jīng)濟(jì)