《電力企業發電調度與燃料庫存管理集成最佳化研究》是依託東北大學，由車平擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：電力企業發電調度與燃料庫存管理集成最佳化研究
- 項目類別：青年科學基金項目
- 項目負責人：車平
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
發電調度與燃料庫存管理是電力企業運營管理的重要環節。合理的燃料庫存結構需要以科學的發電調度為指導，而科學的發電調度需要有及時的燃料供應作為支撐。對發電調度與燃料庫存管理集成最佳化有利於對燃料需求的合理確定和燃料的及時供應，促進企業的內部協調，是提升企業經營利潤的重要手段。本項目以電力企業的電力生產與燃料供應為研究背景，分別從電力市場的隨機影響角度和考慮減排策略的低碳運營角度研究具有不同問題特徵的發電調度與燃料庫存管理集成最佳化問題，建立體現問題特徵的數學模型，分析模型的結構特點和最優解的性質，設計有效的求解算法，提出相應的改進策略，並評價所提出的算法的性能。將理論結果進行套用研究，為電力企業設計運營最佳化方案。本項目的實施能夠豐富發電調度和燃料庫存管理的理論研究，為電力企業運營管理提供理論基礎，對促進企業的整體最佳化、提升企業的市場競爭力具有重要的指導意義。
結題摘要
本項目依託電力工業為研究背景，緊密結合電力工業中的生產特點和運營管理中的實際需求，針對火力發電的高排放特點、電力系統中的隨機特點、和電力生產與燃料庫存二者之間的相互影響關係，從不同角度深入研究電力生產與燃料庫存集成最佳化問題，建立了反映不同問題特徵的數據解析模型和數學規劃模型，開發了數據驅動、智慧型最佳化和最最佳化等算法，解決了火力發電機理分析、鍋爐爐膛溫度控制、不確定性參數的建模、生產與庫存協調最佳化等一系列關鍵問題，並採用實際生產數據或IEEE電力系統標準數據對研究結果進行數值實驗驗證。主要研究成果包括：（1）基於數據解析的電廠鍋爐雙重最佳化自適應模型預測控制研究：利用統計學思想和數值計算方法對採集數據進行預處理，利用基於數據解析的黑箱模型和差分進化算法自適應構造預測模型，利用滾動最佳化模型和差分進化算法控制爐溫。（2）基於minimax決策準則的兩階段隨機機組組合研究：利用離散場景方法刻畫負荷的不確定性，利用場景的機率設計場景的權重，在決策中利用minimax準則並引入機率信息，以強化對高費用場景的最佳化，同時權衡所考慮的所有場景。（3）基於Benders分解算法的隨機機組組合問題求解研究：將模型等價變形以簡化模型的結構，開發Benders分解算法求解隨機機組組合問題，設計多割產生策略和有效不等式改進算法的收斂性能。（4）考慮排放和不確定性的發電調度與燃料庫存集成最佳化研究：利用Monte Carlo方法和場景降低技術刻畫不確定性參數，利用線性化方法對非線性約束進行線性表達，在決策中兼顧發電調度與燃料庫存的協調和發電排放的限制。研究成果能夠豐富電力系統運營管理的理論、建模、與最佳化算法研究，對電力企業提升在能耗控制、不確定性處理、內部協調、和整體最佳化方面的管理水平具有重要的指導意義。
