综合优化调度（精选12篇）
综合优化调度 篇1
1 引言
含多种能源混合的综合能源微网系统,集成了多种分布式能源(Distributed Generation,DG)和可控负荷,通过多能互补运行,能有效提高能源的综合利用率[1]。同时作为一个可控整体,通过公共连接点PCC接入低压电网,具备灵活的运行方式,通过对其内部设备的协调控制,其能为系统负荷提供经济、高效、可靠的能源供应,近年来受到了广泛的关注。综合能源微网的运行与协调优化调度是能源互联网发展的重要基础[2],对其展开研究具有重要意义。
综合能源微网的运行调度与传统电力系统的调度存在较大差别。首先,综合能源微网中电源与负荷之间耦合更加紧密,同时发电侧的可再生能源出力和用电侧的负荷需求均存在较强的随机性,造成了发电侧和用电侧同时具有双向不确定性,这使得综合能源微网的运行调度面临更严峻的挑战;其次,综合能源微网可同时为负荷提供电能与热能,且热电能量之间相互耦合,如何综合考虑可再生能源出力的预测,热、电负荷的需求,储能和DG的运行约束等因素作出综合决策,协调调度这些设备,将是一个复杂的决策问题;最后,综合能源微网在联网运行时还存在与外部电网之间能量的双向交互,在电力市场环境下,综合能源微网需根据不同电力市场的激励而不断调整内部设备的发电计划,从而确保微网运行效益的最大化。所有这些方面的差异导致综合能源微网的运行调度有别于传统电力系统,亟需对此展开进一步研究[3]。
目前,围绕热电联供型微网的运行优化已有相关研究展开。文献[4]提出了一种冷电联供分布式供能系统的能量管理优化模型,按照经济最优原则制定微型燃气轮机的发电计划;文献[5]则建立了以运行费用、排放量为多目标的优化模型,提出了综合考虑发电效率、制热效率和污染排放的微型燃气轮机运行方案;文献[6]进一步计及附加机会收益,建立微网动态经济调度模型。但文献[4,5,6]中对于热、电能量之间耦合关系均按照“以热定电”或者“以电定热”的固定运行模式处理,并不能实现热电能量的完全解耦,难以保障综合运行效率。文献[7]构建了热电联产型微网系统的动态经济调度模型框架,充分计及了不同能源之间的耦合关系,但其并未考虑电、热储能的日运行能量平衡约束,难以满足下一日的运行需求。
本文针对典型综合能源微网,在分析各DG出力特性及系统优化运行策略的基础上,以系统运行的综合费用最低为目标,充分考虑各DG的运行约束、储能日运行能量平衡约束、系统安全约束以及多能源之间的耦合特性,建立了综合能源微网的优化调度模型。针对模型求解属于固定始终点的复杂多阶段决策问题,且模型中各约束条件在时间上具有耦合的特点,采用逆序动态规划与序列二次规划结合对模型进行求解。最后,基于算例分析了综合能源微网在不同场景下的优化运行调度情况,并与“以热定电”运行模式对比,对模型和方法的有效性进行了验证。
2 综合能源微网单元数学模型
2.1 综合能源微网系统
典型的综合能源微网系统如图1所示。系统中包含分布式可再生能源,热电联产单元、热储能、电储能及其他可控性分布式电源,该系统能同时为负荷提供热、电多种能源的供应,且电力网络和热网络之间基于热电联产机组相互耦合。为同时保证热、电能量的供需平衡,当系统中电能过剩时,可由蓄电池储能进行吸纳或者向外输送到低压配电网,电能不足时启动备用电源进行支撑。热负荷方面,微型燃气轮机(简称微燃机,MT)可利用其热电联产综合效益高的优势,尽量满足热负荷的需求,其出力应根据系统在各时段的热电负荷比值及各种能源的价格来综合决策,当微燃机供热过剩时,可由热储能吸纳,避免资源的浪费;当微燃机供热不足时,由外部补燃锅炉和热储能同时进行补充。
2.2 单元数学模型
2.2.1 风力发电机模型
风力发电机的输出功率随风速的变化而变化,据大量统计结果表明,双参数Weibull分布形式简单且与实际风速分布能较好地拟合[8],被普遍认为是最适用于风速统计描述的概率密度函数,其概率密度函数表达式为:
式中,v为风速;k和c为Weibull分布的两个重要参数,k称为形状参数,k>0;c称为尺度参数,c>1。
风力发电机的输出功率PWT与风速v之间关系可用如下分段函数关系近似表示[8]:
式中,vin、vn、vout分别为切入风速、额定风速、切出风速;Pr为风机额定功率;aWT、bWT、cWT三个参数可根据风力发电机风速-功率特性曲线拟合得到。
2.2.2 光伏发电模型
光伏发电输出功率与太阳光照射强度、环境温度等因素密切相关,据统计,在一定时间段内太阳光照强度可以近似看成Beta分布[9],其概率密度函数可表示如下:
式中,Γ为Gamma函数;G和Gmax分别为这一段时间内的实际光照强度和最大光照强度;α和β为Beta分布的形状参数,可由这一段时间内的光照强度平均值μ和标准差σ得到。
光伏电池的输出功率可由其标准测试条件下的输出功率、光照强度、环境温度等与实际工作条件下的光照强度通过式(4)对比估算得到[9]:
式中,含下标STC的物理量为标准测试条件下的运行参数;GSTC为标准测试条件下的太阳光照强度,取为1000W/m2;TSTC为标准参考温度,取为25℃;G为实际光照强度;k为功率温度系数;T为太阳能电池组的表面工作温度。
由式(3)和式(4)综合可得光伏发电系统的输出功率的概率密度分布为:
2.2.3 微燃机模型
微燃机发电时排出的高温余热烟气通过溴冷机后可以制冷、取暖及供应生活热水等,能满足多能负荷的需求,也是多能源协调调度的关键。MT运行方式不仅与电负荷和冷、热负荷的大小有关,也与电价、燃气价格等多因素密切相关[10]。如若假设MT仅运行在额定功率,或者假设其转换效率为固定常数,均不能准确反应MT的部分负荷特性,会造成整个系统的运行并非最优,因此,为了更好地保证MT满足系统运行经济性和能源高效利用的双重指标,须对微燃机的部分负荷特性进行精确建模。当MT工作在热电联产模式时,其热电耦合关系及燃耗的相关数学模型可表示为[10]:
式中,QMT为燃气轮机排气余热量;Pe为微燃机输出的电功率;ηe为微燃机发电效率;ηl为微燃机散热损失系数;QHE为燃气轮机烟气余热提供的制热量;KHE为溴冷机的制热系数;VMT为燃气轮机消耗的天然气量;LHVf为天然气低热热值,取为9.7k W·h/m3;Δt为两次调度之间的时间间隔。
根据式(6),综合热、电联产总效益,微燃机的运行总效率ηMT可由式(7)计算:
式中,mf为天然气的流量。
确定微燃机的总运行效率后,微燃机的运行成本CMT可以表述为:
式中,cgas为天然气的价格。
2.2.4 燃料电池模型
燃料电池通常由多个单电池通过串联封装而成,与MT、柴油机等旋转型发电机不同,静止型燃料电池的发电效率与容量几乎无关,主要依赖于其工作点[11],一般可通过其出厂的功率-效率曲线拟合得到,求得燃料电池的运行效率后,其燃耗成本CFC可近似按式(9)计算[11]:
式中,PFC(t)为燃料电池的输出功率;ηFC为燃料电池的发电效率。
2.2.5 储能模型
储能系统(Energy Storage System,ESS)为微网中的重要组成部分。储能充放电过程中,储能在t时段的荷电状态(SOC)与t-1时段的荷电状态、[t-1,t]时段蓄电池的充放电量以及每小时的电量衰减量有关。
储能充电时,t时段的SOC可表示为:
储能放电时,t时段的SOC可表示为:
式中,SOC(t)为储能在t时刻的荷电状态;σ为储能的自放电率;ηc和ηd分别为储能的充电及放电效率;Pch,t为t时段的储能充电功率;Pdis,t为t时段的储能放电功率;Ebat为储能容量。
2.2.6 柴油机模型
为保证微网独立运行时的供电可靠性,微网中通常也需要配置一些备用机组,如柴油机等。虽然其运行效率较低且污染物排放较多,不够环保,但由于其具有体积小、启动快、便于操作和维护等优点,因此也广泛应用于企业、医院及海岛等微网系统。
柴油机运行时燃料消耗特性与其输出功率有关,可近似用二次多项式进行描述[12],具体如下:
式中,VDL(t)为柴油机t时段消耗燃料量;PDL(t)为柴油机在t时段的输出功率大小;aDL为柴油机的燃耗-功率输出表达式二次项系数;bDL为柴油发电机的燃耗-功率输出表达式一次项系数;cDL为柴油发电机的燃耗-功率输出表达式常数项系数。
柴油机运行时的燃耗成本CDL则可表述为:
式中,coil为柴油价格。
3 综合能源微网运行优化调度模型
3.1 目标函数
综合能源微网优化调度的目标是在满足系统负荷需求和可靠性的前提下,考虑各DG的技术性能、本地可用的资源情况、环保费用、DG的运行和维护费用以及微网与外部电网之间的电能交易情况等,通过合理安排各DG与储能的出力,确保系统运行成本最小、污染气体排放最少[13]。本文综合考虑了各DG的燃耗费用、维护费用、折旧费用、污染排放物的惩罚费用、锅炉补燃费用以及微网与大电网之间的电能交易情况,以系统综合运行费用最小为目标,同时考虑系统安全约束和各设备的运行约束限制,建立优化调度数学模型,模型的目标函数表述如下:
式中,NT为运行调度的总时段数;NDG为分布式电源的个数;Cf(·)、COM(·)、Cdp(·)、Ceav(·)分别为DG运行的燃耗成本、维护成本、折旧成本和污染排放成本[14,15,16];PGi,t为第i个分布式电源在t时段的电功率;NB为补燃锅炉的数量;ηBj为第j个锅炉的效率;HBj,t为第j个锅炉在t时段的热功率;Pgrid,t为微网与主网之间在t时段的交换功率,取正值表示微网向主网购电,取负值表示微网向主网售电。Cpp(·)、Isp(·)分别为微网在t时段向大电网购电的成本和售电的收益。
3.2 约束条件
系统运行时须满足以下的约束条件。
(1)电功率平衡约束:
式中,PL,t为t时段的电负荷功率。
(2)热功率平衡约束:
式中,Hi,t为t时段MT的热功率;NMT为MT的个数;HB,t为t时段补燃锅炉的补燃功率;Hss,t为热储能在t时段的热功率,正值代表输出热量,负值代表储存热量;HD,t为t时段的热负荷功率。
(3)分布式电源出力功率上下限约束:
式中,PGimin和PGimax分别为第i个分布式电源的最小和最大输出功率。
(4)分布式电源出力爬坡率约束:
式中,RD和RU分别为可调度分布式电源每小时的爬坡率下限幅值和爬坡率上限幅值。
(5)联络线传输功率限制:
式中,Pmingrid和Pmaxgrid分别为微网与大电网之间按照合同允许传输的最小和最大功率。
(6)储能的荷电状态约束:
式中,Socmin和Socmax分别为储能的荷电状态下限与上限值。
(7)为保证储能满足下一天的运行,运行调度末时段的SOC应等于起始时段的SOC:
(8)在运行调度中,储能充放电功率受其荷电状态限制范围及储能电池本身技术限制的影响[17],其最大充放电功率可表述为:
式中,Pchmax和Pdismax分别为储能允许的最大充电和放电功率;Ichmax和Idismax分别为储能允许的最大充电和放电电流;Vbat为储能端电压;Pinv为储能系统逆变器容量。
(9)热储能的储热量约束:
式中,EHSSmin和EHSSmax分别为热储能的储热量的下限与上限值。
(10)热储能运行调度末时段的储热量应等于起始时段的储热量:
(11)热储能输出功率的约束:
式中,Hssmin和Hssmax分别为热储能输出功率的下限与上限。
4 优化调度模型求解
由于电储能和热储能的剩余容量在一天之内需满足能量平衡约束,因此第3节所建立的优化调度模型为一类固定始、终点的多阶段复杂决策问题,同时由于DG的爬坡率约束以及储能SOC约束条件在时间上具有耦合的特点,使得模型在求解时必须详细考虑前后迭代步之间决策方案的相互关联性。针对此类多阶段、始终点固定的耦合决策问题,传统启发式算法需要定义大量变量进行过程解耦,计算效率会大幅降低,对此,本文提出采用逆序动态规划算法与序列二次规划算法相结合进行模型求解。
4.1 动态规划基本原理
动态规划是一类处理多阶段决策问题的有效解决方案,其理论基础是最优性理论:即最优策略包含的子策略一定是最优子策略[18]。常用的动态规划逆序求解基本方程如下:
式中,xk为第k阶段的状态变量;uk为第k阶段的决策变量;vk(xk,uk)为第k阶段的指标函数;N为规划阶段总数。
4.2 基于动态规划的模型求解方法
具体到本文的优化调度模型,以每小时为调度间隔为例,日前优化调度过程可以分为24个阶段决策过程。在进行每个阶段决策时,由于本阶段的决策将会对下面的阶段产生影响,所以不仅要考虑阶段指标,还应该考虑从本阶段直至最后一个阶段的总指标;决策时由于储能只依赖于上一个阶段的存储量,而和以前的存储过程无关,满足无后效性要求,因此可适用于其求解。
令xk为状态变量,本文对应为可调度机组的功率出力;uk为决策变量,对应为可调度机组的出力调整量;函数vk(xk,uk)为阶段指标方程,代指运行调度中的综合费用;函数xk+1=g(xk,uk)为状态转移方程,即为相邻时段机组出力的迭代方程和储能SOC的迭代方程。则微网优化调度模型的动态规划求解方程为:
目标函数:
约束条件:
式中,ck E、cNE表示等式约束,代指功率平衡约束和电储能、热储能的SOC平衡约束等;ck I、cNI表示不等式约束,代指机组运行约束、储能充放电约束以及联络线传输功率容量约束等。
同时,在每一阶段的子问题求解中,采用内点法来协调不等式约束和改善等式约束[19],并采用序列二次规划方法求解子问题,从而改善动态规划方法求解的整体性能。基于动态规划的模型求解详细流程图如图2所示。
5 算例分析
5.1 算例参数
选取如图1所示的综合能源微网为测试算例,假定风速数据由服从c=8、k=2.2的Weibull分布模拟得到[20],在模拟风速数据的基础上,基于风机功率特性曲线预测风电功率,其中功率特性曲线对应的切入风速为2.5m/s,额定风速为12m/s,切出风速为25m/s;光照强度假定由Beta分布模拟生成[21],最终得到的系统典型日的风电、光伏、电、热负荷数据如图3所示。
微网与外部大电网联络线功率限制为平均负荷的0~10%,文中的热量单位k J均换算成k W来计量,微燃机热电比取为2.2,天然气的价格取为2.05元/m3。热储能的额定容量取为100k W·h。额定热量输入、输出值均为20k W,其储热的输入、输出转化效率均取90%,初始储热量取为50k W·h。各分布式电源的相关技术参数如表1所示,对于蓄电池储能,其详细参数如表2所示,总容量为180k W·h,额定充放电功率为18k W,初始SOC取为50%。各分布式电源的污染排放参数如附录中附表1所示,维护参数如附录中附表2所示[22]。微网与主网之间交互电价考虑平均电价、峰谷电价和实时电价三种电价类型,相应的价格如附录中附表3和附表4所示[23]。
5.2 结果与讨论
基于5.1节算例数据,采用动态规划算法对优化调度模型进行求解,由于微网系统运行模式的不同、微网与主网间交互电价类型的不同,均会导致系统优化运行调度结果的不同,因此,需要对其各自的影响分别展开讨论与分析。
5.2.1 不同交互电价类型
微网与主网间的交互电价为平均电价、峰谷电价及实时电价三种不同电价类型时,综合能源微网系统优化调度的结果如图4~图6所示。
由图4可以看出,当微网与主网之间交互电价为平均电价时,由于微燃机能同时满足热、电负荷的需求,综合运行效率较高,因此其基本运行在满发状态,产生的富余部分余热可在凌晨热负荷低谷时对热储能储热,在晚间热负荷高峰时进行释放,具有良好的经济效益;至于电能部分,1~6h微网中负荷较轻,风机、光伏、微燃机及电网发出的电能在满足负荷需求的同时可适当对蓄电池充电,而在18~22h电负荷高峰时段,微燃机、燃料电池等机组配合电网均投入运行以满足峰荷需求,柴油机组由于燃耗大、排放高,在运行调度期间基本处于停机状态作为备用,同时蓄电池在此时段也释放储存的电能,起到了削峰填谷的作用,有效降低了系统峰谷差,提高了系统运行经济性。
由图5可以看出,当微网与主网之间交互电价取峰谷电价时,微燃机仍然运行在满发状态以满足热、电负荷的双重需求,微网向主网购电时段则由于峰谷价格的调节作用则更多地被转移到了谷价段,如图5中1~6h所示。而在电价峰值时段,如图5中的10~15h,微网购电成本相比分布式发电单元的成本要高,此时微燃机和燃料电池成为主要的供电机组,同时蓄电池也相应放电。在晚间18~22h负荷高峰时段,微燃机、燃料电池、电网、蓄电池则共同出力以满足负荷的峰值需求。峰谷电价场景下由于峰谷电价价格的调节作用,储能削峰填谷作用更加明显,微网整体经济效益更高。
当微网与主网之间交互电价取实时电价时,如图6所示,主网与微网之间的互动则因实时电价的调节作用更趋频繁。在运行调度的多数时间内,微网向主网购电的成本相比分布式电源发电的成本更具经济优势,从主网购电成为微网内负荷主要的供电方式,蓄电池储能响应电价的变化趋势,在低电价和低负荷时段进行充电,在高电价或高负荷时段进行放电,微网运行的经济性相比峰谷电价模式下进一步提高。
进一步给出了综合能源微网与主网之间分别取三种不同交互电价类型下的日运行总成本对比,结果如图7所示。
由图7可以看出,实时交互电价场景下的日运行成本最低,峰谷电价场景下次之,平均电价下最高。这也与图4~图6的分析结果一致,原因主要有:①分时或实时电价场景下微网向主网购电的成本一直可以与分布式电源发电成本相竞争,竞争的结果是分布式电源的出力和电网的出力会更优;②分时或实时电价更有利于引导和激励储能低价、负荷谷时段购电,高价、负荷峰时段的售电,从而发挥削峰填谷作用;③由于负荷峰值与实时电价峰值错开,会进一步引导微网按照低价购电、高价售电的需求响应模式运行。上述结果进一步证明了本文模型和方法的有效性和正确性。
5.2.2 不同运行模式
分别讨论微网在孤网运行和并网运行两种运行模式下的机组优化运行情况,其中并网运行时,微网与主网之间交互电价取为平均电价,仿真得到的结果如图8和图9所示。
对比图8和图9可以看出,并网模式下,柴油机组由于燃耗大、排放高,在运行调度期间基本处于停机状态;而在孤网运行模式下,由于没有大电网做支撑,为满足负荷调峰需求,柴油机组被迫启动。此外,孤网模式下由于净负荷缺额较大,蓄电池在晚间负荷高峰时段也以相对较大的功率放电,以配合其他机组满足峰荷需求,在负荷低谷时段则利用可再生能源、微燃机和燃料电池对其充电,从而确保其一天内能量的平衡,同时也利用其削峰填谷的作用有效提高了系统运行的经济性。
5.3 进一步分析
将本文采用的热电联合统一建模优化的结果与热电联产单元工作在“以热定电”运行模式的结果进行了对比,两种情形下微网均工作在并网运行模式,微网与主网之间的交互电价类型取实时电价,给出了两者在一天内的系统运行成本对比情况,如图10所示。
由图10可以看出,采用热电联合统一建模和优化后,系统运行成本更优,经济效益更好。究其原因是,采用热电统一建模后,相比传统“以热定电”运行模式,热电联产单元的运行方式更加灵活,且通过与热储能和锅炉补燃设备的配合,可以更好地实现热电能量的解耦,系统综合运行效率得以提高,运行经济性更好。
6 结论
本文充分考虑各分布式电源的出力特性、储能日运行能量平衡约束、系统安全约束以及多能源之间的耦合特性,以系统综合费用最低为目标,采用统一建模的方法,建立了综合能源微网的优化调度模型。针对电、热储能调度始末能量平衡约束带来的复杂多阶段决策问题,采用逆序动态规划与序列二次规划结合对模型进行求解;基于不同交互电价、不同运行模式场景下进行优化运行分析,并且与“以热定电”运行模式进行对比,结果表明,本文模型和方法可以满足不同场景下的运行需求,可以为综合能源微网在不同场景的运行提供电、热协调优化调度方案;热电联合统一优化相比“以热定电”固定运行模式有更好的运行灵活性,整体运行效率更高,经济效益更好。
附录
(单位:元/(k W·h))
(单位:元/(k W·h))
综合优化调度 篇2
一、课程编号：01010
41二、课程名称：水库群优化调度(Optimal Operation of Reservoir Systems)
三、学分、学时：1学分； 16学时
四、教学对象：水文与水资源工程专业本科生
五、开课单位：水资源环境学院
六、先修课程：水利计算，运筹学，工程经济学
七、课程性质、作用、教学目标
本课程为水文与水资源工程专业选修课程，主要讲解最优化理论在水库运行管理中的应用。通过学习使学生能从事水电系统运行管理，水库运行管理，水利系统综合规划等方面的工作。
八、教学内容
第一章 概述
第一节 引言
第二节 系统与系统分析
第三节 径流特征及其处理
第二章 单库发电优化调度
第一节引言
第二节动态规划模型
第三节动态解析模型
第四节水电站机组负荷分配
第三章 库群发电优化调度
第一节 数学模型
第二节 增量动态规划轮库迭代优化算法
第三节 动态解析模型
第四章 水库防洪优化调度
第一节 引言
第二节 单库最大削峰准则调度
第三节 单库破坏历时最短调度
第四节 库群防洪优化调度
第五章 水电站水库随机模型
第一节 随机模型的特点与径流描述方法
第二节 有预报的随机模型
第六章 水库供水调度
第一节 确定性模型
第二节 随机线性规划模型
第三节 机遇约束模型
第七章 实例
九、实践性环节的内容、要求
十、多媒体教学手段运用的内容、要求及占用学时（或学时比例）
十一、教材与参考书
教材：陈乐湘主编《库群优化调度》，自编讲义。
参考书：长江流域规划办公室，河海大学，丹江口水利枢纽管理局合编
《综合利用水库调度》水利电力出版社，1990。
十二、考核方式
笔试
十三、教学大纲说明
（一）本课程的性质和任务
本课程为水文水资源工程专业选修课程，主要讲解最优化理论在水库运行管理中的应用。通过学习使学生能从事水电系统运行管理，水库运行管理，水利系统综合规划等方面的工作。
（二）本课程的基本要求
学生学完本课程后应达到以下基本要求；
1.掌握不同时间尺度的径流描述方法；
2.掌握利用动态规划求解单库发电优化调度问题；
3.掌握轮库迭代优化算法在库群优化调度中的应用；
4.掌握防洪库群优化目标确定及优化调度模型的建模与求解；
5.了解水电站水库调度的随机模型；
6.掌握供水水库调度的确定性模型。
（三）本课程与其它课程的联系与分工
本课程与水利计算、工程经济学、运筹学基础，概率论与数量统计等课程有联系，原则上，本课程应在上述课程之后进行。
径流调节的基本原理在水利计算课程中讲授。
工程水文学中的径流系列计算，设计洪水计算，典型年选择等内容不在本课程中讲授，本课程只将以上内容作简要回顾。
运筹学中有关各种最优化方法不在本课程中讲授，本课程侧重于建模、应用。概率论与数理统计中的一般原理方法，本课程不作讲授，本课程侧重统计学原理在处理不确定性问题时的应用。
（四）各部分内容重点、深度和广度
第一章 概述
重点了解水利系统的特点与径流特征及其处理方法。
第二章 单库发电优化调度
重点讲解发电水库动态规划模型与动态解析模型的建模过程；动态规划在水电站机组负荷分配中的应用；详细求解可略讲。
第三章 库群发电优化调度
重点剖析库群与单库的建模异同点；讲解轮库迭代优化算法在库群优化调度中的应用。简单介绍动态解析模型的基本思想。
第四章 水库防洪优化调度
重点讲解库群防洪优化调度目标及目标函数的构造；讲解库群防洪优化调度模型的构造过程。
第五章 水电站水库随机模型
简单介绍随机模型的特点与径流描述方法及有预报的随机模型。
第六章 水库供水调度
重点介绍水库供水调度的确定性模型，简单介绍随机线性规划模型与机遇约束模型
综合优化调度 篇3
【关键词】 港口；集装箱码头；作业效率；集卡；调度；优化
作为集装箱联运的重要环节，港口集装箱作业效率的高低直接关系到整个运输过程的效率和成本，影响船公司的效益和货主的利益。集装箱船大型化的趋势日益明显，对班轮公司和集装箱港口都产生深远影响，也在客观上对港口管理提出更高的要求。集装箱码头必须积极开发新技术，改善装卸工艺，提高设备运作效率及装卸速度，满足船公司缩短船舶在港时间的要求。
集装箱码头生产作业系统包括作业设备及一系列相关设备的操作过程。为使集装箱码头整体作业效率最优，在生产作业调度中既要考虑各环节的优化，又要考虑各环节之间的相互关系，因此集装箱码头作业安排问题较为复杂。如何实现作业系统各环节之间的协同调度，有效处理各种约束条件和复杂的相互关系，降低码头生产成本，一直是集装箱码头管理工作中的难题。集装箱码头要在激烈的市场竞争中生存和发展，一方面，要对现有作业设备进行技术革新及加强生产过程控制，提高作业效率并尽可能降低作业成本；另一方面，要充分考虑集装箱码头调度问题的动态性、不确定性和复杂性，通过理论分析与应用研究相结合的方法对不确定环境下集装箱码头调度问题的优化模型和求解算法进行研究。
1 码头作业效率影响因素
目前，我国大陆现代集装箱码头装卸作业的一般流程见图1。
影响集装箱码头作业效率的因素主要有码头场区道路布置方式、道路交通能力、水平运输方式、码头通过能力、生产组织方法、设备调度方法、设备管理水平、信息管理水平、管理人员素质、集装箱吞吐量、装卸设备类型、司机操作水平、作业线安排和管理水平等。码头作业效率能在一定程度上体现码头的综合能力和管理水平。现阶段各码头的机械性能和码头信息化管理系统均达到一定水平，因此，影响码头作业效率的主要因素是对码头资源的分配和调度方式，主要问题集中在生产流程上。
2 码头作业效率“瓶颈”
通过对码头作业历史数据的分析及现场调研，发现码头作业效率的“瓶颈”是集卡的水平运输。目前，码头的桥吊司机操作水平比较稳定，在作业过程中经常发生桥吊等待集卡的现象，如果集卡能跟上桥吊作业进度，那么船舶作业效率就能得到稳步提升。
码头一般使用岸边桥式起重机（桥吊）和场地轮胎式起重机（龙门吊），并通过集卡在码头与堆场间进行集装箱水平运输，并按照一定的比例为桥吊配备集卡。一台桥吊与对应的集卡组成一条作业路。在通常情况下，集卡分配给桥吊后，其行车路线就相对固定下来。在集卡作业循环中，一般半圈为重载，半圈为空载。空载造成能耗和时间的浪费，影响集卡效率的发挥。在码头的习惯做法中，一旦桥吊与集卡按一定比例完成配备，除非调度人员在作业过程中发现两者比例严重失调，否则不再作调整。在实际装卸过程中，这种操作方式可能产生影响船舶装卸效率的一系列问题：
（1）若是对甲板上的集装箱进行装卸作业，由于桥吊起升高度小、作业司机视野良好等原因，桥吊的作业效率一般比较高，集卡跟进速度往往跟不上桥吊的作业进度；若是对位于船舶深舱的集装箱进行装卸作业，由于桥吊起升高度大、司机视线受阻等原因，桥吊作业效率有所下降，可能导致集卡在船边排队等候桥吊装卸的情况发生。
（2）如果集卡运行距离比较长或者堆场作业机械比较繁忙，那么集卡完成“船边—堆场—船边”作业循环所需要的时间就比较长，就会发生桥吊等待集卡的情况；如果集卡运行距离比较短或者堆场作业机械比较充裕，集卡作业循环时间就大大缩短，可能发生集卡在船边排队等候桥吊装卸的情况。
（3）桥吊司机的操作水平差异以及船上作业环境的变化会造成桥吊作业效率的不同，集卡司机的操作水平差异和集卡行驶路程不同等因素也可能导致集卡作业循环时间的变化，而桥吊作业效率和集卡作业循环时间的变化也影响两者之间作业的协调性。
3 码头集卡日常管理优化
码头作业效率是码头能力的综合反映，单个子系统的高效率并不一定能提高整个码头的作业效率，但单个子系统的低效率却可能拉低整个码头的作业效率。要在管理上突破集装箱码头作业效率“瓶颈”，可从改进各子系统机械性能、采用信息化管理技术和合理调配装卸设备资源等方面入手，要在作业方面取得突破，则主要通过对子系统的优化配置和协调。
集卡的空耗指标能反映集卡的运作效率。通过对码头的集卡问题进行归类汇总，整理出5个集卡运作效率改善方向（合理预报集卡资源投入、改变集卡派工派车过于机械的方式、改善生产环节中的协调沟通、改进集卡内部管理、加强控制室对作业集卡的监管），并按照项目的难易程度、期限分类，提出近、中、远期工作目标和行动计划。通过成立集卡改善专项小组，协调、监督、检查问题的解决情况，建立跨岗位的沟通、监督机制，从根本上提高集卡运作效率。具体措施如下：
（1）制订集卡派车规则，合理预报和使用集卡。作业人员严格按照派车标准安排集卡，杜绝集卡调用的突发性、盲目性，在生产系统设置集卡超时预警提示，严格控制集卡的作业等待时间。
（2）设置资源总控制岗位，对在场作业集卡实行统一管理。设置资源总控制员，所有作业集卡均由其统一调配，增强不同作业线相互调配资源的灵活性，提高集卡的有效利用率。
（3）运用码头监控系统和操作系统，加强对作业集卡状态的监控。目前，大部分码头对集卡的监控手段不足，管理人员对集卡的监控仅以对讲机联络和小车巡逻等方式实施，集卡实时监控效果欠佳。为加强对集卡的监控，码头应升级操作系统和监控系统，对每辆作业集卡进行预警设置。
（4）优化码头集卡调度系统。传统的集卡调度方式是，港口调度人员在船靠泊后，根据船舶配载图、集装箱进出口数量、堆场贝位图等配置机械设备。在整个装卸过程中，桥吊、龙门吊和集卡按固定作业线路运输集装箱。在实际操作过程中，由于集卡调度不合理，会发生桥吊等待集卡、集卡排队等待装卸集装箱等情况，甚至导致交通堵塞。
4 码头集卡调度系统优化
由于传统的将集卡相对固定于作业线路的调度算法可能导致集卡利用率较低、空载率过高，本文将最短路径法和最小等待时间算法综合应用于集卡的优化调度模型，将装船、卸船、移箱等一系列需要集卡的运输过程进行动态综合调度。集卡在任意时刻为桥吊、龙门吊共享，而不局限于某条固定作业路线。
4.1 基于最小等待时间的集卡动态调度算法
基于最小等待时间的集卡动态调度算法打破传统的固定作业路方式，有利于解决集卡调度难题。这种算法能保证集卡、桥吊、龙门吊等待时间最短，最大限度减少集卡配置数量，降低集卡空载率，提高集卡利用率。其调度优先顺序为：（1）空闲集卡优先选择人为干预作业路线；（2）空闲集卡优先选择重点船、重点作业路线；（3）码头前沿空闲集卡优先选择卸船作业路线；（4）码头前沿集卡完成装船作业路线后优先选择卸船作业路线；（5）堆场空闲集卡优先选择装船作业路线；（6）堆场中集卡完成卸船作业路线后优先选择装船作业路线；（7）当两条作业线达到平衡，也就是集卡等待时间均等时，集卡选择路径最短作业线。
基于最小等待时间的动态调度算法以集卡等待时间为判断依据来配置集卡，减少集卡等待时间，降低集卡空载率。当某辆集卡完成某作业路线的作业而变为空闲状态时，立即进入系统的下一轮调度过程。基于最小等待时间算法的集卡优化调度流程如图2：
4.2 基于最小等待时间的集卡分配
在对船舶的装卸作业中，所有的生产过程控制和设备调度都以桥吊为“龙头”，所有集卡和场地作业设备都通过人工控制和调度为桥吊服务。一般来说，重点作业线路的作业时间和作业量直接决定整船作业时间，其他作业线路则通过影响重点作业线路的作业间接地影响整船作业进度。通过缩短重点线路的作业时间能够直接有效地缩短整船作业时间。
码头确立以重点线路为核心的生产管理模式，通过不断优化集卡动态调度来保障重点作业线路的集卡服务，同时保证非重点作业线路的稳定进行，根据可分配的集卡和可作业的指令，采用最优匹配算法得到集卡指令的最优匹配。
4.3 计算时间代价
基于最小等待时间的集卡调度算法的重要步骤是计算集卡完成作业指令的时间代价。作业指令包含的信息有堆场位置和船上位置。集卡完成指令的时间代价以作业流程为线索，包括堆场等待时间、岸边等待时间和集卡完成任务的行驶时间。
4.4 码头集卡优化调度模拟结果
以集卡调度算法为基础，利用码头集装箱生产管理系统仿真计算单船作业结果。在这一算例中，船舶舱位容量为 TEU，载重约5万t，使用泊位4个，桥吊13～16台，没有特种箱作业；集装箱作业总量为680自然箱，桥吊装船作业效率为36 自然箱/h，卸船作业效率34 自然箱/h，龙门吊每箱作业耗时2 min，集卡重载速度为20 km/h，空载速度为26 km/h。模拟计算得出3种集卡调度算法的输出结果见表1。
综合优化调度 篇4
为长期有效解决深圳市宝安区中西部的缺水问题, 深圳市在东深供水工程上埔取水, 通过输水管线和隧洞输送到茜坑水库与石岩水库, 即北线引水工程, 与东部网络干线形成深圳市供水干线环。调整与完善全市供水布局, 提高深圳市的供水保障率和供水调度的灵活性。北线引水工程现已建成并投入运行, 其上埔泵站在粤港公司东深供水工程的上埔取水口取水, 供水水源为东江水。北线的正常运行取决于北部水源工程管理处和粤港公司的配合及协作。
因此研究并初拟工程运行综合调度方案、制定管理单位之间的沟通方案, 对于工程的高效运行, 避免纠纷是十分必要的。经过大量的、仔细的调查研究, 本文分析了两个单位在配合与协作问题, 从北线引水工程管理的角度提出了技术上的解决方案, 为多级管理泵站综合调度方案的优化提供一些参考。
1 工程概述
北线引水工程位于深圳的北部, 起于东莞, 途经平湖、观澜、龙华、光明、公明、止于石岩。工程规模为120万m3/d。东深供水工程引东江源水, 利用石马河天然河道作为输水载体, 沿石马河逆流而上把水引入雁田、深圳两个调节水库, 而后向香港、深圳供水。工程年供水规模17.43亿m3, 其中向香港供应原水11亿m3, 供深圳原水4.93亿m3, 沿线用水1.5亿m3, 工程设计供水能力80.2 m3/s。
北线上埔泵站是一座拆旧建新的供水泵站, 从东深供水干渠向北线引水工程 取水。工程主要建筑物的洪水标准为50年一遇洪水设计, 200年一遇洪水校核;次要建筑物的防洪标准为20年一遇洪水设计, 100年一遇洪水校核。
规划的北线引水工程将以上埔泵站为主, 通过上埔泵站提水到茜坑水库。北线引水工程工程运行管理的任务由北部水源工程管理处承担, 而上埔泵站提水的水源是东深供水工程在上埔的分水口, 东深供水工程由广东粤港供水公司管理。因此, 北线引水工程运行需要北部水源工程管理处和粤港公司东深工程的配合和协作。
2 存在问题
北部和粤港两单位的配合和协作方面的主要问题体现在:北线对水量的调配, 抽水时段和所需水量的计划, 缺乏随时和粤港公司达成一致意见的手段。本项目从北线用水过程分析, 旨在提出北线引水工程从东深上埔分水口取水的最优化方案, 为北部与粤港公司商讨引水调度方案提供参考。
3 供水情况分析
3.1 供水规模
北线引水工程供水范围主要为宝安区8个街道。供水规模及分水见图1。
根据北部水源工程管理处2010年供水计划, 在考虑对原有用户调查和分析, 拟定本年度引水及供水1.6亿m3的计划:其中2 230万m3仍由龙茜工程引水, 待北线引水工程4月份正式通水运行后, 停止龙茜工程引水, 按2台机组运行, 每天60万m3, 12月安排停水检修工作。其供水分配将在原定的北线引水工程通水后的水源调度将优先保障原龙茜工程用户的用水需求, 约14 000 m3, 富余水量1 341万m3将往光明、石岩水库方向供应。
3.2 月供水过程
通过观澜、龙华自来水公司2007-2008年供水过程分析, 两片区每年供水高峰期主要为7-10月份, 其中, 龙华两年供水高峰出现在8月份, 最高月供水达866万m3/d;观澜2007年供水高峰出现在7月份, 最高月供水达456万m3/d, 2008年供水高峰出现在9、10月份, 最高月供水达430万m3/d。
3.3 日供水情况
2008年东深工程日平均引水量29.0万m3, 日最大引水量36.0万m3;龙华片区日平均供水量14.1万m3, 日最大供水量20.8万m3;观澜片区日平均供水量12.7万m3, 日最大供水量16.7万m3。
2009年东深工程日平均引水量30.7万m3, 日最大引水量37.9万m3;龙华片区日平均供水量16.5万m3, 日最大供水量23.1万m3;观澜片区日平均供水量12.1万m3, 日最大供水量15.8万m3。
3.4 高峰时段
由于缺少水厂时段供水过程资料, 根据龙华、观澜水厂供水部提供资料, 龙华、观澜片区供水高峰期为上午10:00-12:00, 下午16:00-23:00。
另外根据调查, 深圳的供电峰谷时段划分如下:①高峰时段: 9:00-11:30;14:00-16:30;19:00-21:00;②日常时段: 7:00-9:00;11:30-14:00;16:30-19:00;21:00-23:00;③低谷时段: 23:00-次日7:00。
4 北线引水工程调度方案研究
根据供水方案分析可得, 近期北线主要供水对象主要为龙华、观澜两片区, 由于位于同一取水点, 东深供水工程的水量调度时段与本工程的调度时段有着密切关系, 为优化双方的水量调度时段, 达到最佳效益, 本着避开高峰时段, 利用调水时段, 活用水库调蓄的原则, 对高峰期北线引水工程调度时段进行分析。
2010年供水量为1.6亿m3, 为错开用电高峰期, 首选用电低谷期进行抽水, 多抽的水量可蓄入邻近的水库进行返供。以下分为全天持续供水和用电高峰停机两种情况分别分析。
4.1 方案一全天持续供水
若日平均供水量60万m3/d, 则在用电高峰期开1台机组, 日常时段各开2台机组, 抽水量共31.50万m3, 用电低谷时段开3台机组运行, 抽水量30.24万m3。水量调度方案见表1。合计引水量61.74万m3/d。
4.2 方案二用电高峰期停机
若日平均供水量60万m3/d, 则避开用电高峰期, 日常时段各开2台机组, 抽水量共20.16万m3, 用电低谷时段开4台机组满负荷运行, 抽水量40.32万m3。水量调度方案见表2。合计引水量60.48万m3/d。
4.3 对比选择
(1) 泵站安全运行。两方案区别在于在日供水过程中是否
停机。考虑到东深供水工程在上埔以上是一直有流量的, 因此上埔分水口的东深干渠一直会有来水。如果与粤港公司协商此来水流量, 使其达到至少开1台机的流量, 就可以保证泵站的持续运行。进而减少开停机组的次数, 延长机组的使用年限。
粤港东深工程的上埔泵站多利用用电低谷时段抽水, 因此北线上埔泵站全天不间断供水可有效减少用电低谷时段的所需流量, 更利于流量的合理分配, 尽量避免在用电高峰时段大负荷运行。
例如现状供水1.6亿m3/a时, 不间断供水可以在用电低谷时少开1台机, 尽可能避免造成上埔分水口可能出现的流量分配不足的情况。
(2) 泵站经济运行。
由深圳市供电局《深圳市电价价目表》可知北线引水上埔泵站峰平谷时段的电价如表3。
北线引水上埔泵站近期运行装机容量为4×2 500 kW, 主变容量为20 MVA。经计算得出方案一和方案二运行1个月的用电费用, 如表4。
由成果表可以看出, 在近期年供水量1.6亿m3的情况下, 方案一连续供水的月用电费用高于方案二用电高峰期停机;但远期年供水量3.5亿m3时, 由于供水量大, 机组运行时间差别不大, 方案二用电费用将略高于方案一。因此, 目前在供水量不大的情况下, 错峰运行的方案较为经济。
综合泵站安全运行和经济运行两方面考虑, 推荐全天持续供水的方案一。
5 结 语
多级管理泵站综合调度方案优化, 在目前水管体制下是合理调度水资源、提高水资源利用率的重要手段之一。从深圳北线引水工程上埔泵站的调度方案研究, 可以看出, 在有效的沟通协调下, 通过联合调度手段使泵站高效运行是可行的。同时也对多级管理单位提出了要求。
(1) 深圳北线引水工程的正常运行, 依赖于粤港供水公司与北部水源供水公司的通力协作, 因此本方案为促进双方合作编制了沟通机制, 但此环节需要双方主动配合方能完成。同时北线须和粤港公司作为两级管理单位应当协商供水计划以及最低流量。
(2) 为实现沟通机制的有效执行, 建议值班室需配置必要的沟通器材, 如电话、手机、手提电脑及网络等, 需保证泵站运行时北线引水工程有专人与粤港供水公司进行沟通, 及时反映情况。
摘要：出于优化深圳市北线引水工程的供水调度的灵活性的目的, 根据其现状供水规模, 分析合理的水量调度的方法, 使北线取水量能满足沿线用水户的需求, 且不影响与其相关的东深工程的水量。依据可能优化的调度方法、开机程序, 给出有针对性的管理建议。
关键词：供水,调度,泵站,开机程序
参考文献
[1]崔福义, 石明岩, 赵天慧.给水处理系统高效经济运行研究之一策略与模式[J].哈尔滨建筑大学学报, 1999, (6) .
[2]许仕荣.取水泵站的工况特点及运行控制[J].湖南大学学报 (自然科学版) , 1996, (1) .
[3]刘竹溪, 冯广志.中国泵站工程[M].北京:水利电力出版社, 1993.
[4]王圃, 何刚, 雷刚, 等.我国城市供水面临的主要问题及对策[J].重庆建筑大学学报, 1999, (6) .
[5]黄良勇.考察荷兰泵站工程的几点体会[J].机电排灌, 1997, (3) .
[6]周锡文.给水厂运行探讨[J].给水排水, 1998, (10) .
[7]钟震, 沈日迈.国内外泵站监控自动化技术设备现状与发展[J].中国农村水利水电, 1998, (2) .
[8]赵乐诗.我国泵站建设与管理的现状和任务[J].给水排水, 1999, (7) .
[9]杜玉柱, 郑海军, 王欢, 等.给水厂水处理系统优化运行初探[J].农田水利与小水电, 1994, (9) .
[10]徐衍忠, 武道吉, 王传跃, 等.输配水管网设计与节能[J].山东建筑工程学院学报, 1998, (1) .
[11]陈和平, 周篁.我国中长期节能目标及行动方案探讨[J].中国能源, 1999, (8) .
综合指挥调度平台汇报 篇5
欢迎各位领导莅临综合指挥调度平台汇报。下面为各位领导演示：
这是一部分重点区域的实时监控画面。（点击展示视频监控的总画面）这是部分主要路口的实时监控画面。（点击展示路口画面）这是部分桥梁的实时监控画面。（点击展示桥梁前画面）场景应用： 校门口人员聚集
报警：十二中学校门口有人员聚集，情处理！接到报警：收到，立即处理！点击查看十二中监控画面
广播立即通知：紧急通知，紧急通知，校院门口所有人员请注意，请大家不要聚集在学校的门口，这样已经影响到街道正常的交通，请大家及时有秩序的疏散，疏散时请注意不要拥挤(重复两遍)。广播无效 通知附近的警力
通知：警力A+B,请到现场处理聚集情况，疏散人员。警力A+B：收到，立即前往 领导：现场处理情况如何？ 回复：立即分发警员现场画面。
将警员画面分发给领导查看警员处理的情况。警员到达现场
警员A：到达现场，现场混乱，需要增援。警员A+B对其他附近的警员实施对讲
警员：学校门口人员聚集，继续增援，收到请回复。附近警员C+D收到：收到，立即前往。
警员赶到，点击画面查看。警员将聚集人员有秩序的疏散。解决交通拥堵的可能。
处理现场完毕，汇报情况。警员：现场处理完毕。回复：收到。
综合优化调度 篇6
DOI：10.13340/j.jsmu.2016.04.001
文章编号：1672-9498（2016）04000106
摘要：为实现远洋渔船船队调度路径优化，提高调度工作效率，减少船队的运营成本，对远洋渔船船队调度路径问题建立数学模型.运用在选择和交叉策略上改进的遗传算法对模型进行求解.仿真结果表明，改进的遗传算法能有效解决传统的遗传算法易陷入早熟收敛的问题.利用该算法能快速生成具体的调度方案，且使运营成本减少，可有效解决远洋渔船船队调度路径问题.
关键词：
远洋渔船船队； 数学模型； 船队调度； 路径优化； 改进遗传算法
中图分类号： U692.4 文献标志码： A
收稿日期： 20160322
修回日期： 20160504
基金项目：
国家远洋渔业工程技术研究中心开放基金（02091305051）；上海市科学技术委员会创新行动计划（15DZ1202202）
作者简介：
陈成明（1978—），汉，安徽萧县人，讲师，博士，研究方向为物联网工程、人
因工程，（Email）cmchen@shou.edu.cn
虞丽娟（1963—），汉，浙江义乌人，教授，博导，博士，研究方向为物联网工程、海洋工程、体育工程和高等教育管理，（Email）ljyu@shou.edu.cn
0引言
远洋渔业资源是人类社会的宝贵财富，大力发展远洋渔业，合理开发利用远洋渔业资源，有利于缓解我国人均资源短缺问题，保障优质动物蛋白供给.同时，发展远洋渔业不仅能带动船舶及装备设计制造、水产品冷藏加工和物流等相关产业的发展，而且对建设现代渔业、促进经济社会发展、增加农渔民就业和收入、调剂国内市场水产品供给等也具有重要意义[1].
组建远洋渔船船队会极大地提升我国远洋渔业的国际竞争力，我国很多沿海城市已拥有或正在建设大规模的远洋捕捞船队.经调研发现，目前远洋渔船船队调度大多依靠调度员人工调度，这种调度方式不仅效率低且调度方案缺乏科学性.在当今信息技术快速发展的环境下，如何利用计算机技术实现远洋渔船船队调度路径优化，快速调整资源配置，提高调度工作效率，减少船队运营成本，成为许多远洋渔业企业的重大课题.
目前国内外对船队调度路径问题的研究并不多，对远洋渔船船队调度路径优化问题的研究更是少之又少.对船队调度的研究主要是对商船船队调度优化问题的研究[2].商船多以运输货物为主，受最大载重量限制，出航一次只能运载容量限定的货物.然而，远洋渔船是靠出海捕捞获得渔获物的，因为渔获物可以由补给船带回，所以渔船会在达到或超过规定捕捞任务量时返回.远洋渔业企业捕捞特定鱼种会用专门的船队，比如捕捞金枪鱼要用金枪鱼捕捞船队.大型渔场内有很多捕捞点，这些捕捞点一年中会有几个月的渔汛期，即捕捞带有时间窗约束[34]，因此对商船船队调度问题的研究不适用于远洋渔船船队.对路径优化问题的研究主要有旅行商问题（Traveling Salesman Problem，TSP）、车辆路径问题（Vehicle Routing Problem， VRP）等.虽然远洋渔船船队调度路径问题与VRP比较相似，都是按照路径最优原则分配给多目标，但与VRP还是有一定区别的.VRP是送货问题，车辆受最大载重量限制，根据客户需求将定量的货物送出，送完即可返回；远洋渔船船队调度问题是收货问题，是将鱼捕捞到船上储存起来，部分渔获物可以由补给船带回，当渔船捕捞总量达到或超过任务量时返回.解决路径优化问题有很多方法，如遗传算法、蚁群算法、粒子群算法和模拟退火算法[59]，遗传算法是其中比较常见的方法.
遗传算法是根据达尔文的进化论提出的类似生物进化过程的算法.作为一种智能全局优化搜索算法，遗传算法拥有简单通用、鲁棒性强、适用于并行处理以及效率高等特点.遗传算法也有缺点，如局部搜索能力差、编码较难、容易出现早熟现象，需要根据具体问题调整选择、交叉和变异策略，例如：刘芳华等[10]利用改进的遗传算法对物流配送路径进行优化，发现采用改进编码方案和选择算子能使遗传算法有更好的收敛性；廖良才等[11]基于混合遗传算法对物流配送车辆调度优化问题进行求解，发现采用遗传算法与节约算法相结合的混合遗传算法能够增强局部搜索能力.在对远洋渔船船队调度路径问题进行分析的基础上，本文采用在选择和交叉策略上改进的遗传算法（采用带精英策略的选择算子和具有自适应能力的交叉算子）来解决早熟收敛问题.
1建立数学模型
1.1问题描述
研究远洋渔船船队调度路径问题的目的是使
船队的路线调度方案
运营成本较小.根据对船队运作具体情况的分析，远洋渔船船队调度路径问题主要有以下特点：
（1）准时性.
渔船如果未能在渔汛期到达捕捞点，若要完成同样的捕捞任务，则需投入更多的成本，因此应将时间窗的惩罚成本加入到目标函数中.
（2）路径最短.
远洋渔船调度要考虑渔船闲置费用、渔船启用成本等，但远洋渔船出海捕鱼最主要的成本是油耗成本.油耗量与航行距离成正比，因此应采用路径优化方法减少船队总的航行距离.
（3）渔船资源利用最大化.
要扩大远洋渔船船队的规模，即要尽可能多地派出渔船出海捕鱼，这是因为渔船不出海作业会产生闲置费、折旧费、维护费等费用，且不会产生任何经济效益.目前，远洋渔业资源较为丰富，虽然渔船出海作业会有启用成本，但捕鱼收益要远大于启用成本和渔船消耗所造成的成本，因此应尽可能多地利用渔船资源.
根据上述特点，可以将远洋渔船船队调度路径问题描述为：某中心港口拥有相同型号、捕捞同一鱼种的渔船船队，渔船被派遣到多个捕捞点（一个捕捞点只派遣一艘渔船）进行捕捞作业，渔船完成捕捞任务量即可返回；根据鱼情信息和往年数据，可估计渔船在某捕捞点的渔获量，每个捕捞点会有渔汛期，渔船应尽量在渔汛期内到达捕捞点.根据以上描述可将问题转化为带时间窗的远洋渔船船队调度路径优化问题，即在满足渔汛期时间窗和渔船任务指标的条件下，确定一套从中心港口到渔场各捕捞点的调度路径方案，最大限度地减少船队的运营成本.
1.2模型假设
（1）船队的渔船为同一型号，比如都是捕捞鱿鱼的或都是捕捞金枪鱼的；
（2）根据鱼情信息和往年数据，确定渔场的捕捞点；
（3）取渔船航行的平均速度为计量速度；
（4）只有一个中心港口，每条航线的开始和结束位置都在这个中心港口；
综合优化调度 篇7
2 智能通信前端机采用Motorola 32位CPU单片机, 提供两路全双工的调制解调器, 中心频率、波特率可以由软件设置调节。通信前端机模块独立, 减小了前端机故障对实时数据传输的影响, 提高了系统的可靠性。采用RocketPort多口串行通信板, 可直接进行高质量的数字化通信。通过WTS卫星天文钟对时, 使调度自动化系统时间与标准时间保持高度同步, 解决了电力系统时钟统一问题。
3 主变经济运行方式分析:根据主变经济运行点, 自动判断并提示42台并列运行的主变经济运行方式;一次网损在线理论计算:实时计算所有线路、主变理论损耗, 并绘制网损曲线图, 及时观察网损情况;语音报警:能及时分辨出是事故还是预告信号, 以及发生故障的变电所, 电网日报表中融入了公式, 可进行力率、电压合格率等量的计算, 使报表更加灵活, 并实现了负荷曲线与供电量、运行工况等数据的组合;根据设备的运行状况, 用不同的颜色表示断路器、刀闸及线路的运行状态, 实现网络拓扑着色和联想调图功能。
调度自动化使用了较为先进和有效的扩展分布形式。使用较为全面的多媒体技术例如图画, 声音以及文字等。使得人机交流的方式更为全面, 更为新颖独特。这在电网调度工作中起到了重大的作用。
4 开发应用管理软件, 优化电网调度
变电所信息能够有效在远动主站进行汇集, 通过处理工作完成后, 和调度管理工作相互交汇结合。并在网络状态下实现几个人物的共同管理, 为实现调度带来了优良的技术依据, 并使得安全稳定性更加突出。有助于提升稳定性。
4.1 建立负荷管理子系统, 提高负荷利用率和供电量
我们建立了负荷管理子系统, 开发了供电量管理、负荷率管理、拉路限电管理等应用程序, 对各值调度员的供电量、负荷率、拉路条次等指标, 进行合理恰当地解释, 使得工作的标准有所更新, 考核的标准也更为科学准确。用自动化系统的方式进行考察, 能够使得平度电网的负荷能力有所上升, 使得本市供电水平一直处于领先状态, 并敦促供电内涵的不断扩大和提升。
4.2 开发网损管理子系统, 实行一次网损的在线理论计算
实现一次网损的自动化管理是调度自动化系统应完成的主要任务, 我们根据管理的要求开发了一次网损管理子系统, 对电网52台主变压器和206条输配电线路实行在线或离线的网损管理, 特殊方式可按小时计算, 通常状态下, 根据值班的作为顺序, 完成计算, 将调度员的收入也纳入评判标准。同样的指标达到供电标准的情况下, 网损高者实行财政扣罚, 网损低者进行奖励, 进而有助于增强人员的责任意识, 对于电网的状况加紧关注, 并对于有隐患的地方进行调整, 使得电网在效率和收益的双重优势下进行运转, 达到最好的运行状况。
4.3 开发无功电压管理子系统, 提高电网的供电质量
电压合格率是一种重要标准, 能够反映供电效果和供电质量。应当将无功电压的管理落到实处, 充分发挥效率。实现平衡。将子系统的建立保质保量。能够紧密实现远动主站数据内容的扩充, 使其具备良好的查找能力。对电压合格率、无功负荷就地平衡以及分变电所、分电压等级、分线路的力率考核等管理项目均能进行定性定量的运算分析, 可随意选择时间来完成表格的制定, 对于各个部门以及调度人员实行责任考核。通过考核使人员的责任动机增强, 主动检查工作的漏洞, 使得工作的进展更加科学合理, 并能够及时开展有效办法。提升电压工作的有效性, 使得其能够达到合格标准。甚至超越标准。
4.4 开发调度信息管理子系统, 提高办公自动化和调度管理水平
该系统包括调度、通信、远动等三部分, 与局办公自动化系统联网, 建立19个管理工作站, 信息数据的共享变得容易, 提升了管理水平, 进而提升工作效率。管理部门可以依照当前的运行情况做出调整, 保证季节性够点的实现, 以及照明用电, 电压合格程度和供电稳定程度连接等式进行运算。并反映真实的运行进展状况, 实现各种检测报表数字的提供, 通信、远动管理部分根据设备运行状况, 自动完成各类通信设备和远动设备运行率的计算以及遥测合格率、事故遥信动作正确率、遥控正确率的统计, 并自动生成设备运行月报表。
适当地进行自动化系统的研究使用。平度电业公司网络已经形成规模, 体现在性能稳定畅通, 主站性能成熟, 软件技术性较强, 这使得安全控制以及经济管理的技术性得到保证, 使得手段更为先进, 有助于电网工作的高效高质。进而使得安全性能有所提升, 有助于公司更加面对公众, 能够充分为人民大众服务
摘要：经过国内外多年的试验来看, 调度自动化是现代电力系统的基础, 所以应当推进此项工作的顺利进行, 并可以快速而高效地提升管理的效率, 提升电能质量, 并可以获得十分可观的社会和经济效益, 并且能够利用最少的人数来获得最大的效率。目前, 利用较为普遍的一项系统功能是SCADA, 本文详细利用这一功能的基础上优化和完善新的调度功能。
关键词：调度自动化,电网调度,分析
参考文献
[1]孙浩.新一代调度自动化系统的设计与实现[J].山东大学, 2008 (9) .
优化运行经济调度降耗增效 篇8
为充分发挥热电联产机组的优势, 使公司效益最大化。2012年借助管理提升活动的开展, 兰州西固热电公司 (二厂) 与西固热电厂 (三厂) 组织专业技术人员, 成立专题攻关小组, 从机组设计指标、实际运行性能、发电供热经济性出发, 通过对近年来经济运行数据的分析和研究, 确定了二、三厂机组优化运行的方案, 为实现二、三厂经济调度提供了可调依据。
1.1 二、三厂机组状况
1.1.1 2×165MW双抽供热机组运行工况 (图1)
1.1.2 2×330MW双抽供热机组运行工况 (图2)
1.1.3 供热状况
西固公司作为国内最大的热电联产企业之一, 担负着向中石油兰州石化公司、兰州三毛实业股份有限公司、甘肃省构建工程公司、兰州铁路局兰州西车辆段等大、中型企业的工业供热任务。同时, 也是“西热东输”兰州市西固区、七里河区冬季居民采暖热网的主力热源点, 肩负着居民冬季采暖供热的重要任务。
供工业热用户的蒸汽压力等级有5.0Mpa、2.5Mpa、1.5Mpa、0.8Mpa。其中5.0Mpa蒸汽是由锅炉出口蒸汽经13/5Mpa减温减压器直接供给, 不经过汽轮机高压部分做功发电, 其余蒸汽均由汽轮机可调整抽汽段及不可调整抽汽段供给。目前冬季最大生产抽汽供汽量在800t/h左右, 夏季平均生产抽汽供汽量在220t/h左右。
采暖供热利用低压采暖抽汽加热采暖水, 通过兰州市热力公司“西热东输”供热管网, 供给兰州市西固区、七里河区居民及周边960万平方米采暖用热。
1.2 二、三厂机组煤耗情况
1.2.1 二厂机组煤耗变化及负荷率变化趋势 (2012年11月至2013年10月) (图3、图4)
1.2.2 三厂机组煤耗变化及负荷率变化趋势 (2011年10月至2011年10月) (图5、图6)
通过二、三厂机组煤耗变化及负荷率变化趋势对比看出, 夏季二厂机组煤耗比三厂机组高60克/千瓦时左右, 冬季二厂机组煤耗比三厂机组高20克/千瓦时左右。
1.3 二、三厂经济性对比分析
1.3.1 以二、三厂分别发1亿千瓦时电量进行对比
二厂的综合厂用电的均值为17.5%, 二厂发1亿电量的上网电量为10000× (1-0.175) =8250万千瓦时。二厂的上网电价为377元/兆瓦时, 电收入为8250×0.377=3110.25万元;三厂的综合厂用电的均值为7.5%, 三厂发1亿电量的上网电量为10000× (1-0.075) =9250万千瓦时, 三厂上网电价为342.3元/兆瓦时, 电收入为9250×0.3423=3166.28万元。所以, 发1亿千瓦时电量三厂要比二厂多收入56.03万元, 三厂发电要优于二厂。
1.3.2以二、三厂分别供100万吉焦热量进行对比
二厂供热厂用电率均值为12.10千瓦时/吉焦, 如果二厂供100万吉焦热量, 按照发电量全年18亿计算, 使综合厂用电率上升0.67%。三厂供热厂用电率均值为9.50千瓦时/吉焦, 如果三厂供100万吉焦热量, 按照发电量全年35亿计算, 使综合厂用电率上升0.27%。所以, 供100万吉焦热量, 二厂综合厂用电率上升要高于三厂0.4%, 三厂带供热要优于二厂。
1.3.3以二厂和三厂同时运行, 全月发电4.3亿度, 供热67.23万吉焦 (抽汽226吨/时, 直供65吨/时) , 调整二、三厂运行方式, 变化电量、供热结构进行对比。
(1) 方式一 (图7) 。二厂一机运行, 平均电负荷13.5万, 热负荷150吨/时;三厂两机运行, 平均电负荷44.35万, 热负荷76吨/时。
(2) 方式二 (图8) 。二厂两机运行, 平均电负荷23万, 热负荷180吨/时;三厂一机或两机运行, 平均电负荷34.85万, 热负荷46吨/时;对比方式一和二可以看出, 增加二厂电热负荷, 减少三厂电热负荷, 电热收入增加了60万元, 而供热燃料成本却增加了219.12万元, 电热收入小于成本支出, 经济效益降低。
1.3.4 对比分析
(1) 从电价上分析, 二厂综合电价为377元/兆瓦, 三厂综合电价为342.3元/兆瓦, 二厂电价比三厂高34.7元/兆瓦, 但综合厂用电率高, 上网电量减少, 发电收益减少。三厂上网电价低, 但综合厂用电率低, 上网电量多, 发电收益增加, 所以三厂发电要优于二厂。 (2) 二厂供电煤耗夏季比三厂高60克/千瓦时左右, 冬天高20克/千瓦时左右。夏季以同样的供电量计算二厂发电得益34.7元/兆瓦, 但煤耗上升多支出42.25元/兆瓦 (按照标煤价650元/吨) , 亏4.55元/兆瓦;冬季煤耗上升多支出9.75元/兆瓦 (按照标煤价650元/吨) , 盈24.95元/兆瓦。所以, 无论是夏季还是冬季, 三厂要尽量多带电负荷。
1.4 二、三厂经济调度优化方案
电、热负荷的分配, 冬季受负荷率影响不明显, 夏季受机组运行方式和全年用电量增长的限制, 电网调度的原则是:以热定电, 对二、三厂负荷分别下达。所以, 只能采取内部机组优化配制来达到提高经济效益的目的。通过机组优化配制年煤耗可降低4.61克/千瓦时, 产生经济效益1575万元, 同时减少温室气体的排放, 产生巨大的经济效益和社会效益。
1.4.1 机组运行方式
(1) 二厂运行方式 (直供热按照150吨/时扣除) 。 (图9)
(2) 三厂运行方式 (图10)
(3) 二、三厂配合运行方式 (图11)
1.4.2 经济调度优化方案和措施
(1) 在夏季由于二厂是供热机组, 机组性能决定了热电比对机组实际煤耗影响较大。所以, 二厂尽量多带热负荷, 降低总体煤耗, 三厂在两台机组运行时, 可以将一台机组解列二级可调整抽汽, 只带一级不可调整抽汽运行。 (2) 春季按照检修计划安排运行方式, 三厂尽量多带电负荷, 增加上网电量, 增加电收入, 二厂带热负荷降低燃料消耗量。可采用方式二运行, 检修工作放在夏季进行, 缩短夏季运行时间20%, 全年煤耗可降低1.26克左右, 节约标煤0.63万吨, 节约成本391万元。 (3) 在夏季尽量申请电网调度争取三厂两台机组运行, 增加低煤耗、上网电量多的机组运行台数, 降低燃料成本。 (4) 在冬季由于受供热负荷大和锅炉出力的影响, 以提高二、三厂锅炉负荷率为准则, 在满足二厂锅炉供石化直供热的条件下, 二厂机组根据运行工况尽量多带工业抽汽, 剩余部分由三厂机组接带, 三厂机组以接带采暖供热为主, 这样有利于降低三厂机组的供电煤耗。可采用方式一运行, 并保持运行稳定性, 延长大负荷方式运行时间, 按照时间延长10%, 全年煤耗可降低2.5克左右, 节约标煤1.5万吨, 节约成本926万元。 (5) 根据日常机组统计和试验数据分析, 机组热效率的顺序依次为#2机组、#1机组、#9机组和#10机组, 在小负荷时应按照此顺序进行运行和负荷分配。 (6) 在二厂和三厂联合运行方式下, 二厂应尽量避免在两炉两机方式下运行。因为在此方式下增加了机组的空耗, 降低了机组负荷率, 对供电煤耗影响较大。同时, 三厂机组根据机组特性曲线要求, 供热时尽量避免180MW负荷以下运行。 (7) 二厂在有条件的情况下用一段抽汽代替13/2.5MPa减温减压器供热, 减少直供热产生的节流损失。 (8) 提高机组负荷率, 保证运行每台机组负荷率在75%以上, 提高主、辅运行稳定性, 减少机组非停。 (9) 保证锅炉需要的煤种供给, 减少偏离值, 并按照西固公司配煤制度进行掺烧, 杜绝由于煤质差、掉焦产生的灭火。 (10) 提高机组安全性, 检修设备修必修好, 设备缺陷早发现、早处理, 保持机组长周期运行, 尽量减少方式六和方式七运行时间, 年降低煤耗0.85克左右, 节约标煤0.42万吨, 节约成本258万元。
2 发挥热电联产优势, 经济调度, 提升指标经济性
2.1 努力保持最佳经济运行方式
在完善并严格执行二、三厂机组经济调度优化方案基础上, 充分发挥公司热电联产机组的优势, 努力争取电网支持, 增加发电负荷, 同时做好电热负荷的匹配调整, 保持最经济方式下运行, 探索机组长周期稳定运行经验来指导生产运行工作。千方百计增加低压力等级机组抽汽供给, 减少较高压力等级蒸汽供给, 控制13/2.5MPa减温减压器投入, 严格控制供热成本, 降低供热煤耗的整体水平。
2.2 加强小指标对标管理
根据运行各岗位职责, 锅炉专业对主蒸汽压力和温度, 再热蒸汽温度, 锅炉反平衡效率 (包括排烟温度、氧量、飞灰炉渣可燃物、锅炉漏风、煤粉细度) , 制粉单耗等指标进行重点监督;汽机专业对给水温度、高加投入率、汽机真空 (包括端差、过冷度、循环水温升) , 给水电耗 (汽耗) 、循环水泵电耗、凝结水泵电耗、汽水损失等指标进行重点监督;电气运行对各变压器空耗, 厂内照明等指标进行重点监督;辅控专业对制水单耗、制水损耗、输煤电耗、除灰电耗等指标进行重点监督, 。加大指标的管控, 执行好滑压运行和参数压红线运行。以小指标来带动煤耗的降低, 以小指标最优实现大指标的可控在控。
2.3 优化辅机和系统运行方式, 减少锅炉辅机的启停次数, 以降低锅炉辅机电耗
运行加强对设备的巡回检查力度, 加强各辅机设备运行电流的监视, 定期进行比对, 出现偏差或异常要及时查找原因, 发现的设备缺陷和隐患, 及时联系并积极创造条件配合处理, 努力降低因辅机设备缺陷影响的电、热负荷。做好各项经济指标日、周、月分析, 及时解决所存在问题, 对大的问题及时研究必要是进行技术攻关。热试组发挥能耗监督和指导作用, 加强对机组检修前后的热力试验工作, 分析机组检修前后的能耗变化情况, 配合节能共同查找能耗变化产生的原因, 降低反平衡煤耗。
2.4 规范运行操作, 杜绝由于运行人员操作不当, 执行不到位造成缺陷的发生和机组降出力等不安全事件的发生
对影响经济性的缺陷进行及时填报, 督促检修消除, 设备部要做好考核, 为安全经济保驾护航, 同时最大限度的适应目前煤种变化的实际情况, 将机组配煤掺烧工作和机组带负荷能力有机结合起来, 努力做到不因配煤掺烧带不上负荷或环保指标超标使机组降低负荷。并要做好配煤和燃烧调整工作, 根据掺配煤质及时调整风量、风压等参数, 提高锅炉燃烧效率, 确保不发生因燃料供应不足或燃煤质量不良造成的炉膛结焦或灭火事故。
摘要：本案例结合企业实际情况, 介绍了以安全生产为基础、经济效益为中心、优化运行为重点, 深入开展“优化运行、经济调度、降耗增效”专项活动, 进一步提高企业规范化、标准化、精细化管理水平, 进一步规范运行管理, 有效促进节能减排, 提高运营效率, 降低生产成本, 增加经济效益的实践经验。
水库优化调度研究现状分析 篇9
1 单一水库优化调度的研究
我国开展单一水库优化调度的研究与应用始于60年代。1963年, 谭维炎根据动态规划理论, 建立了一个长期调节水电站水库的优化调度模型.并在狮子滩水电站的优化调度中得到应用。1979年, 张勇传、熊斯毅等在建立拓溪水电站水库优化调度模型时, 用时空离散简单马可夫过程描述径流过程, 将时段入流由短期预报提供, 寻优方法采用可变方向探索法, 虽然绘制优化调度图仍用贝尔曼优化原理, 但由于引进了惩罚项, 因而提高了调度图的可靠性。
1986年, 张玉新、冯尚友建议了一个多维决策的多目标动态规划模型, 以多目标中某一目标为基本目标, 而将其它非基本目标作为状态变量处理, 求解方法仍基于一般的动态规划原理, 该法实质上是单目标动态规划法在多目标问题中的应用, 因此, 随着维数的增加.计算工作量必然增加较多。为克服这一问题, 张玉新、冯尚友又提出了一个称之为多目标动态规划迭代法的求解方法, 该法的核心是构造一个三级段函数, 计算效率有所提高。在研究以发电量和淤积量为目标的水沙联合优化调度中, 用该法求出非劣解集后再随用均衡规划法选出满意的调度方案。
2 水库群优化调度的研究
随着水资源和水电的不断开发利用, 水库群已成为最常见的水利枢纽系统。水库群优化调度虽以单一水库优化调度的理论和方法为基础, 但也不断有新的方法出现。研究开始于80年代初, 当时谭维炎、刘健民等在研究四川水电站水库群优化调度图和计算方法时, 提出考虑保证率约束的优化调度图的递推计算方法。1981年, 张勇传利用大系统分解协调的观点, 对两并联水电站水库的联合优化调度问题进行了研究, 先把两库联合问题变成两个水库的单库优化问题, 然后在两水库单库最优策略的基础上引入偏优损失最小作为目标函数, 对单库最优策略进行协调, 以求得总体最优。
1982年, 熊斯毅根据系统分析思想, 提出了水库群优化调度的偏离损失系数法, 采用马可夫模型描述径流过程, 偏离损失系数是通过逐时段求解最优递推方程求得的, 因此能反应面临时段效益和余留期影响, 不仅形式简单, 使用方便, 而且理论上比较完善, 该法在湖南拓溪—风滩水电站水库群的最优调度中得到了应用。1988年, 胡振鹏提出了大系统多目标决策分析的分解—聚合方法, 将库群多年运行的整体优化问题分解为按时间划分的一系列运行子系统, 在各子系统优化的基础上, 将各水库提供的年内运行策略聚合成上一级系统, 并由聚合模型描述和确定水库群的多年运行过程和策略, 该法为解决跨流域供水水库群联合运行中多库、多目标、多层次、调节周期长和计算时段多等复条情况提供了有效方法, 在解决丹江口水库防洪与兴利两个目标的优化调度时也应用了该法。
1991年, 吴保生等提出了并联防洪系统优化调度的多阶段逐次优化算法, 该法由三阶段于模型和跨阶段子模型组成, 以时间向后截取的防洪控制点过程的峰值最小为目标函数, 成功地解决了河道水流状态的滞后影响。1994年, 都金康等以针对上述吴保生等提出的方法寻优速度较馒的缺点, 提出了—种简便高效的水库群防洪调度逐次优化方法。
3 模糊动态优化调度的发展
上述水电站水库优化调度的研究和应用, 把入库流量过程或者视作确定性的, 或者视作随机性的, 但事实上水文现象还具有一定的模糊性。1970年Bellman和Zadeh共同提出了融经典动态规划技术与模糊集合论于一体的模糊动态规划法, 为水库优化调度开辟了一条新途径。1988年, 陈守煜提出多目标、多阶段模糊优选模型的基本原理和解法, 把动态规划和模糊优选有机结合起来。同时提出了系统层次分析模糊优选模型, 这些研究成果为水库模糊优化调度的深入研究奠定了理论基础。
1994年, 王本德等提出了梯级水库群防洪系统多目标洪水调度的模糊优选模型, 将N级有调节能力的水库顺流向分为N个阶段, 泄流过程为状态。调度方案由泄流设备开启高度构成并定义为决策, 对应前阶段不同泄流过程的可行方案集为本阶段可行方案集, 最后阶段的可行方案集为梯级水库群的可行方案集, 系统的阶段目标值矩阵的阶段数, 逐阶段增加, 逐级传递下泄过程与记录方案组合, 计算目标值, 直至最后阶段, 由阶段递推矩阵的合成。利用模糊优选原理与技术, 实现方案优选。该模型分别在丰满—白山梯级防洪系统和渭河—南城子—柴河串并联水库消防洪系统的优化调度中得到应用。2001年, 农卫红利用半结构性决策系统模糊优选理论研究了青狮潭水库水资源综合利用多目标规划问题, 半结构性决策是指既有定量目标, 又有难以量化的定性目标的多目标决策。
4 计算机智能优化调度
近年来, 计算机技术的不断发展使得大规模的数据处理成为可能, 这使得基于计算机技术的智能仿生算法有了较大的发展并被广泛应用于许多领域。
1994年, 韦柳涛在基因遗传算法基本原理基础上, 增加了区域变化这一重要环节, 采用信息载体结构记录信息, 提出了一种具有自适应杂交与自适应突变功能的启发式基因遗传算法 (NGA) , 并相应建立了电力系统机组组合优化和水电经济调度的基因遗传模型。同时, 他提出了基于遗传交换操作的神经网络训练方法, 该方法克服了训练方法中易陷入局部极小值的缺陷, 且速度较常规算法快, 便于应用。
2004年, 胡明罡利用多目标规划的思想方法, 结合遗传算法和神经网络方法建立了多沙河流水库水沙联调的多目标规划模型, 并采用神经网络预测方法计算水库泥沙淤积量。该模型为协调水库发电效益和排沙减淤之间的矛盾提供了一个新的途径, 所提出的算法是建立在非线性整体求解的理论基础之上的, 因此可以克服动态多目标规划的“维数灾”。实例研究表明, 本模型可以较好的模拟和优化水库运行状态。
参考文献
[1]张玉新, 冯尚友.多维决策的多目标动态规划及其应用, 水利学报.
[2]胡振鹏.大系统多目标决策分析的分解-聚合方法, 原理与应用, 武汉:武汉水利电力学院.
[3]王本德, 周惠成, 程春田.梯级水库群防洪系统的多目标洪水调度决策的模糊优选, 水利学报.
综合优化调度 篇10
随着我国经济不断发展,能源危机越来越严重,电力作为一种重要能源,在实际应用中显得尤为重要[1]。对配电网络进行优化调度,可以实现节能减排、科学规划配电网系统,因此配电网络优化调度研究是一个面临巨大挑战的课题[2]。
针对配电网优化调度问题,人们进行了广泛研究,当前配电网优化调度模型主要有:随机模型、智能优化模型等[3,4,5]。学者们综合考虑能耗、网损等因素设计了不同的配电网优化调度模型,获得了较好的配电网优化调度方案,实现了机组合理调度,节约了能耗,但由于他们考虑因素太少,应用范围受限[6];在此基础上,有学者将排放因素引入到配电网优化调度模型中[7],并通过权重因子实现目标函数转换,该模型理论上性能很好,但实现起来比较复杂,难以应用于具体的实践中[8];随后有学者提出了基于顶表法的配电网优化调度模型,该模型简单、易实现,然而忽略了安全约束条件,导致电网输电受阻的概率很高[9];文献[10,11]提出基于智能优化算法的配电网优化调度模型,但智能优化算法自身存在不足,导致配电网优化调度问题的求解效率低,无法获得全局最优方案。
为了获得理想的配电网优化调度方案,提出基于粒子群算法的配电网优化调度模型,首先设计了配电网优化调度问题的数学模型,然后采用粒子群优化算法找到最优解,实验结果表明,该模型可以实现配电网优化调度问题求解,可以实现高效节能,且求解的速度快。
1 配电网优化调度的数学模型
1.1 目标函数
从数学上理论分析,配电网优化调度是一种具有多个约束条件的目标优化问题,目标函数为:
式中:Pi,t表示第i台机组,t时间段的负荷;fi(Pi,t)表示第i台机组的发电量;Si,t为第i台机组,t时间段的能耗;Ii,t表示第i台机组,t时间段的工作状态;N表示机组集合。
第i台机组的发电量fi(Pi,t)为:
式中:Fi(Pi,t),Ei(Pi,t)表示能耗和排放量。
综合考虑机组的SO2与脱硫效率,权重fi的计算公式为:
式中:CS2C为SO2排放因子;Cη表示脱硫因子。
CS2C可以变换为:
式中:η为脱硫效率;ΔQ′coal为脱硫增加的能耗;PSO2表示单位脱硫电耗;ΔQSO2为脱硫后SO2减少量;qcoal表示单位发电能耗;qSO2表示SO2的单位排放量。
Cη可以表示为:
式中:为机组加权平均电价;P0为脱硫补偿电价。
1.2 约束条件
机组序列是配电网优化调度的核心,机组序列约束条件为:
式中:Iit,Ijt为机组i和j在第t时间的启停状态。
配电网优化调度的常规机组约束条件为:
式中:ΔT为调度时间间隔;Pi,t,max,Pi,t,min为机组i发功率的最大和最小值;Ti,on,Ti,off为机组i连续工作、停机的最小时间;Xi,t,on,Xi,t,off为t时刻的前续工作、停机时间。
正负机组旋转备用约束条件为:
式中:Dt为总负荷;r为备用率。
机组最大和最小出力约束条件为:
功率平衡和线路潮流约束条件分别为:
式中:Fl为功率l的最大值;pkt为负荷k在t时间内的功率;πil,πjl为机组i和j的功率转移因子。
2 粒子群算法
2.1 标准粒子群算法
粒子i的位置和速度、历史最好点分别为:,粒子群的最优位置为,速度和位置的变化方式为:
式中:ω表示惯性权值;c1和c2表示学习因子;r1和r2为[0,1]的伪随机数[12]。
2.2 粒子群算法的改进
ω影响粒子群优化算法的全局和局部搜索能力,全局搜索能力差,易出现“早熟”现象;局部搜索能力差,易陷入局部极值点,综合考虑全局和局部搜索能力,ω的值不能固定不变,应该是一种动态变化的方式,具体为:
式中:t为迭代次数;ωint和ωend分别为初始值和终值;Tmax为最大迭代次数。
设第T次和T-1次迭代的粒子群历史最优点分别为pg(T)和pg(T-1),它们的适应度值分别为F(pg(T))和F(pg(T-1)),由于F(pg(T))比F(pg(T-1))更优,则收敛速率因子ρ为:
ω和ρ之间的关系为:
从式(20)可知,在粒子群优化算法的工作早期,ρ值大,ω也大,那么全局搜索能力强,而且粒子多样性好;到了工作后期,收敛速度ρ趋于0,ω值小,出现“振荡收敛”现象,为了避免ω超出上界,对其进行硬阈值截断,具体为[13]:
采用Sphere和Rosenbrock函数对标准粒子群优化算法(PSO)和改进粒子群优化算法(IPSO)的优劣进行分析,结果见图1,可以发现相比于PSO,IPSO不仅获得更好的函数值搜索结果,而且搜索效率更高,从而可以更好地应用于配电网优化调度问题求解中。
3 粒子群算法的配电网优化调度模型
基于粒子群算法的配电网优化调度问题的求解过程如下:
(1)建立配电网优化调度问题的数学模型,设置约束条件;
(2)设置粒子群优化算法的参数,并初始化粒子群;
(3)计算粒子的适应度,并根据适应度值进行排序,确定个体和粒子群最优点Pi和Pg;
(4)估计惯性权值ω,并更新粒子的速度和位置;
(5)计算粒子适应度,并与Pi和Pg进行比较,并选择最优者作为当前Pi和Pg;
(6)判断终止条件,若满足,得到配电网优化调度的最优方案,不然继续返回步骤(4)继续执行。
基于粒子群算法的配电网优化调度问题求解流程如图2所示。
4 仿真测试与分析
为了分析粒子群优化算法的配电网优化调度模型(IPSO)的性能,选择遗传算法(GA)的配电网优化调度模型进行对比测试,从平均能耗和求解速度两个方面进行验证。两种模型的能耗如表1所示。从表1可以看出,IPSO的平均能耗要远远低于GA,这表明IPSO可以找到更优的配电网优化调度方案,节约了配电网系统能量消耗,节约了发电成本,带来了更大的经济效益,实际应用价值更高。
对于配电网优化调度目标函数,IPSO和GA的求解时间如图3所示,共进行了5次实验,从图3可知,IPSO的求解时间相对较少,对配电网优化调度目标函数的求解速度更快,这主要是因为PSO的收敛性能要优于GA,提高了配电网优化调度目标函数求解的效率。
5 结论
针对当前配电网优化调度求解过程存在的一些难题,提出了基于粒子群优化算法的配电网优化调度模型,综合考虑各种因素设计了目标函数,结果表明,可以快速、准确地找到配电网优化调度的最优方案,具有广泛的应用前景。
摘要：配电网优化调度可以为决策者提供有价值的信息,为了获得理想的配电网优化调度方案,提出基于粒子群算法的配电网优化调度模型。首先对配电网优化调度研究现状进行分析,指出当前模型的不足,并设计了配电网优化调度问题的目标函数和约束条件,然后采用粒子群优化算法模拟粒子群搜索过程找到最优方案,并对标准粒子群算法的不足进行了改进,最后采用配电网优化调度实验测试其有效性。结果表明,该模型可以快速、准确地找到配电网优化调度的最优方案,具有一定的实际应用价值。
浅谈电力综合安全生产调度管理 篇11
关键词：高度管理 系统 概述 应用 管理
随着集团公司信息化的发展，公司内部的信息呈爆炸式增长，各部门之间的信息互相孤立，缺乏统一管理，用户访问界面也各式各样，需要建立一个将公司应用管理和数据集成到一起的信息管理平台，使公司相关人员通过一个整合性的访问各种信息和应用系统的个性化统一入口点，来操作和管理公司信息数据，从而提高管理力度、降低工作强度，同时为企业带来更大的利益。
一、管理系统的概述
综合安全生产调度管理系统是一套采用B／s框架结构的网络应用程序，通过这套系统集团公司的各级领导可以通过I E浏览器随时随地查看有关集团生产调度信息，并可通过网络及时发送信息下达安全、生产指示。
1、管理系统组成
(1)硬件部分：IBM360服务器、acer电脑控制端、TMC2108S2背投服务主机、DLP调度大屏幕、LED显示屏、BSPB380C电源电涌保护箱及润普二路USB电话录音服务器构成。
(2)软件部分：LED控制、DLP大屏幕控制、电话录音控制、DLP电视墙控制、安全监测实时网显示。
2、管理系统实现的主要功能
主要用于解决两方面的需求：一是统一访问企业内部资源，存储各种格式、各种来源的内容、文档和数据，统一检索、浏览和访问。二是统一协同工作平台，包括功能导航、信息动态发布、安全法规规程、安全信息、个人办公等，方便快捷地与其他人共享信息、通信和协同工作，能够自动生成相应的各种生产调度日报表、月报表；实现调度通知等信息的网络下发及文档管理；群发调度通知，调度通知接收声音提醒功能，调度通知接收反馈功能，发送和接收日志功能；收发调度通知时，集团调度员通过调度下发模块进行调度通知扫描并发送，调度员通过待办事宜下载并打印调度通知。
二、系统的应用及管理
主要由集团公司下属各调度员依据各生产情况予以填写，并上报，自动根据填报的生产指标完成情况和安全生产情况、库存等情况，进行分类统计、汇总，生成相应的各类日报表、旬报表、日常记录的台帐等。
根据集团公司下达的年生产经营计划形成的年计划生产管理指标，落实到月计划，根据每月生产计划指标细化分解到各个生产区队，将计划指标层层分解、层层落实。根据各区队每天实际完成的生产任务，进行统计，上报集团公司总调度室，形成集团公司各项生产指标每日、每旬、每月完成情况报表，使集团的生产经营情况，确保圆满完成年度计划生产经营各项指标。
l、生产调度管理系统模专人主要分调度所用报表、集团公司调度员所用报表、其他功能模块三类：
①调度员所用报表
调度员报表包括有数字字典、数据填报、计划管理三部分。
②单位主要是指各最基础的生产区队、辅助区队及与生产有关的相关科室。如开拓队、运输队等，是生产调度管理系统中数据积累的基础数据。单位类型是记录、分解各项生产指标的关键，通过单位类型的区分，用于实现产量、进尺等数据的汇总。单位性质通过重点、普通、其他，用于区分各个生产区队的工作性质，生产单位在生产调度管理系统中是重点、辅助部门为普通，其他部门选择其他。
③计划管理主要包括年计划、月计划，是根据集团公司下达的总体生产指标，其中根据当月制定的生产产量计划，输入天数会自动分解到每天计划完成的任务，在随后的填报数据时，与当天实际完成的情况进行比较，可以直观的分析完成情况。
④数据填报是调度员每天需要向集团予以上报的主要内容，是综合生产调度管理系统的重点。如果没有数据，则零数据上报。
（2）集团公司调度员所用报表
主要有集团公司汇总统计、信息发布。集团公司汇总统计分为数字字典、生产调度管理。数字字典主要是用于集团公司调度值班领导、调度员信息统计和集团公司调度员需要填报的日常管理信息；生产调度管理汇总、统计由下属填写的信息经过上报后的各种生产信息，生成相应的集团公司调度日汇总表。
（3）其他功能模块
主要有信息发布调度通知，消息发送，我的邮件。信息发布调度通知模块功能有扫描调度通知，群发调度通知，授权调度通知，收发调度通知时，集团调度员通过调度下发模块进行调度通知扫描并发送，各调度员通过用户登录可以下载并打印调度通知。消息发送模块，是集团公司与各调度人员进行实时沟通，传达信息的一种方式，可以群发、单独发送，该信息接收具有声音提醒功能，登录用户可以随时查看并予以回复。我的邮件发送模块，用来发送、接收各种个人办公邮件。
2、综合安全生产调度管理系统中包括的数字字典、数据填报、计划管理三部分。数字字典是整个综合生产调度管理系统数据录入的基础条件；计划管理是综合生产调度管理系统数据录入的前提条件；数据填报是综合生产调度管理系统录入数据的关键。
操作综合生产调度管理系统时，首先应根据实际情况填写齐全生产单位，各个地点及相应的地点性质，其次是根据每月集团公司下达的生产任务填写进尺计划，然后每天根据各个单位实际完成情况进行数据录入、上报。三者录入先后顺序：数字字典===计划管理===数据填报。调度值班人员数字字典，主要是为方便调度员每天填写值班调度数据日报表中值班人员时使用。单位、地点、值班人员可以根据实际情况的变化进行修改。
3、生产调度大屏幕显示系统主要有D LP大屏幕显示控制系统、图像传输系统及其它辅助软硬件产品组成。通过它可以将多路网络信号、多路计算机显示信号、视频监控信号在DLP大屏幕显示系统上进行动态综合的显示。
4、双基色LED显示屏可根据实际要求进行编辑显示。
5、电话录音控制分为压控、声控、键控三种录音方式，压控(电压控制)：根据电压的变化进行录音，H摘机就进行录行，应用于大多数客户的普通模拟电话线路上；声控(声音控制)：根据检测线路中，是否有声音信号来录音，如对讲机等，应用于一些需要使用音频录音客户的需求上；键控（DTMF）：根据检测线路中是否有相应的DTMF按键来录音应用于一些使用用模拟线路的客户想人为控制是否录音的项目中，本功能模块还具备未接来电统计及操作日志信息查询和管理，包括话务统计、现场监听、录音回放、线路设置等功能，通过输入通话方向、通话类型、通话日期、通话时长及客户信息来统计相关信息，并可打印结果或导出Excel表格。
6、大屏幕显示安全监测图形
通过大屏显示图形进行显示集团公司所有安全监测实时网上的示意图，更方便、直观、清晰地了解工作环境。
三、调度系统起到的作用
l、通过这套系统集团公司的各级领导可以通过IE浏览器，输入安全生产调度管理系统地址，就可随时随地查看有关集团生产调度信息，并可通过本管理系统及时发送信息下达安全、生产指示。
综合优化调度 篇12
印染行业是一个典型的化工批处理[1] (间歇) 过程, 单靠人工很难对大量订单的生产做到合理的调度, 人工染缸排产己影响了车间的操作自动化。因此, 对印染生产进行研究, 建立合理的生产调度模型, 寻找有效的调度方法, 可大大提高生产效率和资源利用率, 增强企业的竞争能力。印染的核心过程是染色工艺, 故对印染企业来说, 调度的核心就是确定各类型的印染产品在染缸中的加工次序, 以达到最优生产目标。染色过程对于所有产品都相同, 并且在实际生产中企业每次调度往往只安排1-2天的生产任务, 所以印染生产也可以看做单阶段多产品批处理过程短期调度问题 (SMSP (Single Machine Scheduling Problem) ) 。
极值优化算法[2]是一种新型的智能算法, 在解决一些调度问题中显示出了独特的优势。该算法通过搜索相似局部空间来凸现全局最优, 进化过程更加遵循自然界规律, 利用解内变量之间关联性减少运算量。本文提出用极值优化算法结合优先适合启发式解决排产调度问题。
2. 印染生产调度的建模
在印染的染色过程中, 我们知道要对原材料进行染色, 则需要待染色的产品和染色剂等染色用品, 这就产生了染色所需的固定成本。在印染调度过程中, 有的产品需求量小, 有的产品需求量很大, 在这种情况下, 有时需要在染缸上对产品进行切换, 这就产生了切换费用, 不同的排产方式产生的总的切换费用是不同的。产品生产完在到达交货期之前需要放在仓库中进行储存, 产生了储存成本。另外, 有些时候由于排产调度安排不好, 可能会产生有的产品不能按时完工的情况, 这样需要向客户支付违约金。由上述可知不同的排产顺序会产生不同的切换成本、存储成本、违约款, 本文的目的则是通过有效的算法对该排产调度问题进行优化, 使印染的总成本最小。
由上述可得, 印染的总体成本如下式所示:
印染成本=固定成本+切换费用+储存成本+违约款
由上述可得到印染成本的数学模型如公式 (1) 所示:
上述公式中从左至右依次为固定成本、切换费用、储存成本、违约款。
3. 极值优化算法求解印染调度问题
3.1 极值优化算法
极值优化算法由Boettcher[3]在国际遗传与进化计算会议上首次提出。算法的思想源于自组织临界理论 (SOC[4]) , 其突出的特点为非平衡性 (准平衡性) 。EO算法不会收敛到一个平衡态, 而出现断续平衡, 产生的波动性使算法具有更好的持续搜索和跳出局优解的能力。极值优化算法的思想是通过不断的剔除最不期望的解元素, 产生一个改进的新解元素来替换。模拟自然界中的一个生物群落进化过程:淘汰最不适应的物种, 而出现新物种代替它。EO算法易于实现, 计算量小, 算法效果好, 因此得到了广泛的应用。与其他智能优化算法的比较研究表明, EO算法是解决NP难题的一种有效方法。
EO算法的基本流程
1产生一个初始化种群, 定义种群中的每一个物种及对应的适应值
2随机产生一个初始配置, 计算每个物种的适应值, 对所有的
进行排序, 排序的规则按照适应值
3选择适应值最差的变量进行更新
4在迭代次数内, 重复操作2至4的操作
5达到迭代次数时, 算法停止, 返回最好的C (S) , C (S) =
本文采用改进的EO算法—τ-EO, 引入了参数→, 即对适应值排序后, 按照正比于的概率选择。其中τ>0, τ越小, 选择概率的差别越小;τ越大, 最差的变量越容易被选中。当τ→0时, 此算法成为完全的随机算法;而当时, →-EO便成为基本EO算法。
EO算法是一种非平衡的算法, 不会收敛于某个平衡点, 在局部最优点附近有爬山能力。并且由于在求解过程中, EO算法每次迭代只处理一个解, 算法的计算量不会随着解的维数的增加呈指数增加, 极大的减少了算法的时间。
3.2 极值优化算法在印染调度问题上的应用
对于印染调度的具体问题, 在τ-EO算法的基础上引入了优先适合启发式算法来进行求解。对应每个订单都有染缸对该订单进行处理, 在到达该产品的交货期之前, 对应染缸对订单进行多个批次的处理。如果染缸的各个批次都按随机数产生, 则产生的排产调度模型很可能是不可行解。所以本文引入启发式规则对该调度模型按如下步骤进行初始化:
(1) 将产品随机排序分配染缸。
(2) 判断到达交货期时产品在对应染缸上是否处理完毕:完毕, 则该产品剩余需加工量为0;否则, 将该产品编号及剩余需加工量保存。
(3) 将染缸进行随机排序, 依次取出剩余需加工量不为0的产品编号, 取出重新排序后的第一个产品编号, 重新按照染缸顺序遍历所有染缸, 遇到已加工时间未到达产品交货期的染缸时, 则将该产品在此染缸上进行处理。
(4) 直至第一个产品处理完毕, 开始处理第二个产品。
(5) 直至所有产品的剩余需加工量为0或所有染缸均已到达交货期, 则认为初始化结束。
算法步骤
(1) 按照上述启发式规则初始化印染调度的排产顺序, 并将其初设为最优排产顺序, 求得此排产顺序的适应解做为最优解m_dBestFitness。
(2) 将各个染缸作为单个物种。
(3) 计算出整个排产过程中各个染缸上进行生产的单位成本, 即染缸上进行生产的总成本除以该染缸中进行生产的产品的总生产量。从小到大进行排序为:。
(4) 按照-EO算法选择需要进行调整的染缸。
(5) 按照上述启发式规则对模型重新进行初始化, 对初始化步骤中的 (3) 步进行调整, 将上述得到的需要进行调整的染缸放在随机排序好的染缸的最后, 这样做可以使适应值最差的染缸上最小几率发生两产品之间的切换, 即降低成本、增大其适应值。
(6) 求得第 (5) 步得到的排产顺序的适应值m_dFitness。剩余的n-1个标进行重新的随机完全排列, 返回 (2) 开始新的选择。
(7) 比较m_dFitness与m_dBestFitness。若m_dFitness
(8) 将第 (5) 步得到的排产顺序按照第 (2) - (8) 进行循环操作, 直至到达迭代次数, 返回成本最小的排产顺序。
4. 仿真结果与分析
本文仿真时采用大规模染缸排产调度问题, 染缸分为大、中、小三种类型的染缸, 每种类型的染缸用10个, 大规模产品的种类为30, 设定每个订单的到来时间与交货期。算法程序采用C++编写, 程序运行在4-M CPU/1.90Hz, 1G内存计算机上, 程序中设定迭代次数为10000次, 算例1设定=1.3。仿真图由Matlab7.1产生, 如图1所示。
由图1可以看出, 每次迭代得到的排产顺序均为可行解, 且偏离最优解 (生产成本最小的解) 的程度不大, 程序运行10000次, 达优率为98%, 运行时间平均为414.205s。且从图1中可以看到, EO算法不是一种平衡的算法, 它最终不收敛于一个平衡值, 在找到最优解以后, 每次迭代的目标函数值仍然不断震荡, 使算法具有跳出局部最优点的爬山能力。
程序得到的最优解f_best=34554.4, 我们认为, 在f_best的99%-102%范围内的值是可以接受的满意解。我们把算法的停止准则改为找到满意解即f_best*102% (35245.488) , 运行程序, 找到满意解则停止运行, 采用上述测试数据, 运行5次每次运行20遍, 结果见表1所示。
算例2同样采用上述算例1所采用的数据, 设定=1.4, 程序运行10000次, 达优率为95%。同样把算法的停止准则设为找到满意解即f_best*102% (35245.488) , 运行程序, 找到满意解则停止运行, 采用上述测试数据, 运行5次每次运行20遍, 结果见表2所示。
从上述结果可以看出=1.3时, EO算法达到满意解的平均时间最短, 算法性能最好。
由于篇幅限制, 这里只列出这两个例子。大量仿真实验表明, 本文提出的改进EO算法解决大规模排产调度成本问题有非常好的达优率, 且在=1.3时, 算法性能最好。
5. 小结
排产调度问题虽然有很多经典算法和智能优化算法尝试解决, 但是这些算法或者容易陷入局部最优解, 或者因为随机搜索的空间太大而无法找到最优解。极值优化算法总是淘汰最不适应的物种, 而产生新的物种。合理选择值, 并根据印染排产调度的实际问题, 引入优先适合启发式规则, 计算实例表明此算法运算时间短, 方法简单有效。
参考文献
[1]李慧芳, 李人厚, 陈浩勋.化工批处理过程调度综述[J].信息与控制, 1999, 28 (2) :1-4.
[2]M.P.Wachowiak, R.Smolikova, Y.F.Zheng, J.M.Zurada, and A.S.Elmaghraby, “An approach to multimodal biomedical image registrationutilizing particle swarm optimization, ”IEEE Trans.Evol.Comput., vol.8, pp.289–301, Jun.2004.
[3]Niculescu S.Delay effects on stability:A robust control approach[M].London:Spring-Verlay, 2001.