车德勇 蒋文强 刘 炜 王 迪 贾 欢 林建清

(东北电力大学能源与动力工程学院，吉林 吉林 132012)

随着社会工业化的发展，我国对能源的需求越来越大，其中火电厂为煤炭消耗的第一大户。煤炭资源过度紧张，已导致我国部分地区受煤电供应不足的影响出现停运现象[1]。同时依照“经济要发展，电力须先行”的方针，电力工业的大力发展将对煤炭的供应带来巨大压力，这就要求电力系统本身提出优化措施，降低煤耗量以进一步解决能源短缺的难题[2]。

目前，整个电力行业的能耗水平与电网内不同机组负荷的分配方式有着密切的联系，在满足电网需求的前提下，火电厂将负荷合理地分配给各个机组，以达到全厂的总能耗最小，从而实现发电利润最大化、加强市场竞争力的迫切要求[3]。鉴于此，厂级负荷优化分配问题逐渐受到越来越多学者的关注。学者们在优化理论上提出了大量的算法，主要有等微增率法、线性规划法、拉格朗日松弛法、动态规划法及免疫算法等[4]。李蔚等提出基于免疫算法的机组负荷优化分配的研究，同时分别采用拉格朗日松弛法及启发式遗传算法等方法与之进行仿真对比，研究结果表明免疫算法的优化效果更佳[5]。近年来，随着计算机和人工智能技术的发展，一些学者又提出将遗传算法、模拟退火算法、人工神经网络法、混沌优化算法及粒子群优化(PSO)算法等智能化方法用于机组的负荷优化调度问题。左浩等通过改进遗传算法的方式对机组优化分配进行在线分析，研究表明：该算法提高了搜索精度，收敛速度快，对实际机组的分配更具参考价值[6]。……