基于混沌分层灰狼算法的厂级热、电负荷优化分配研究OA

【目的】为解决传统灰狼优化算法在热电联产系统负荷优化分配中,面对高维、非线性强耦合特性时易陷入局部最优、收敛速度慢的问题,提出混沌分层灰狼优化(CML-GWO)算法。【方法】通过混沌映射初始化种群提升初始搜索均匀性,结合分层引导机制平衡全局探索与局部开发能力;经CEC2017测试函数集验证算法性能,以某热电厂4台机组为研究对象,设置“煤耗最小-新能源消纳最多”“盈利最高-新能源消纳最多”2类多目标场景及“现实约束”“全厂负荷自由分配”2种调控模式进行验证。【结果】CEC2017测试函数集验证显示CML-GWO算法在复杂多峰及复合函数场景中鲁棒性与寻优精度更优;现实约束场景下,CML-GWO算法单时刻煤耗均值较GWO算法节煤超2 t/h,单时刻盈利均值增收14元以上,新能源消纳量提升20 MW以上,且负荷偏离量均满足安全运行要求;全厂负荷自由分配场景下,单日节煤量达23.8 t或单日增收6 515元,新能源消纳量提升0.74%~0.85%。【结论】CML-GWO算法有效改善了传统算法的核心缺陷,实现了热电联产系统经济、能源与环保效益的多目标协同优化,具备显著的工程实用价值。