单目标函数最优化
1基本概念
（1） 设计变量（决策变量）：在设计过程中进行选择并最终必须确定的各项独立参数。
（2） 最优化设计的维数：决策变量的数目称为最优化设计的维数，比如：1维、2维、3维设计问题。 （3） 设计空间：在最优化设计中由各决策变量的坐标轴所描述的空间称为设计空间。
当决策变量数目大于3时，n 维空间又称为超越空间。
注意：设计空间中的一个点（一组决策变量的值）就是一种设计方案。
（4） 目标函数：用决策变量表示的、反应所设计问题性能的函数表达式。
注意：最优化设计的过程就是选择合理的决策变量，使目标函数达到最优或找出目标函数的最小值（或最
大值）的过程。
（5） 单目标函数最优化问题：目标函数只有一个。
（6） 多目标函数最优化问题：目标函数（性能指标）有多个。 （7） 无约束优化、约束优化
（8） 线性规划（Linear Programming ，简记为LP ）：目标函数和约束条件都是自变量（包括决策变量和
非决策变量）的线性函数。
非线性规划（Nonlinear Programming ，简记为NP ）：如果目标函数和约束函数中至少有一个是自变量的非线性函数，这种规划问题就称为非线性规划问题。
2单目标函数最优化问题
exa: （生产计划问题）某企业计划生产甲、乙两种产品，这两种产品均需在A 、B 、C 三种不同设备上加工。每单位产品所耗用的设备工时、单位产品利润及各设备在某计划期内的工时限额如表1。试问应如何安排生产计划，才能使企业获得最大利润。
（1） 数学模型（优化模型）的建立
决策变量：计划期内甲、乙两种产品的产量，分别用1x 、2x 表示，其取值均为非负； 目标函数：计划期内两种产品的总利润，用z 表示，即
2143x x z +=
问题：总利润最大，即
2143m ax x x z +=
约束条件：1x 、2x 受到工时限额的约束，即
621≤+x x
8221≤+x x
622≤x
同时，甲、乙产品的产量为非负的，应有
01≥x ，02≥x
综上，该问题的数学模型（优化模型）为
??????
?≥≤≤+≤++=0
,62826
..43max 212212121x x x x x x x t s x x z (1) 其中，“..t s ”为“subject to ”（受约束于）的缩写。
（2）
（3） 模型求解
方法：线性规划的图解法
图解法适用条件：2维优化问题（几何含义：XOY 二维坐标系），即只有两个决策变量。 解 ①可行域图形的确定
LP 模型所有约束条件构成的公共部分。称为可行域图形。
因为0,21≥x x ，可行域在第一象限。第一个约束条件621≤+x x 表示半平面，此半平面是以直线
621≤+x x 为边界的在其左下方第一象限部分。类似地，可求出其余约束条件表示的半平面部分(见
图1)。图中的凸多边形OABCD 即为该例的可行域图形。
一种风电场并网功率目标值的优化计算方法 苗骁健，梁军，张峰 山东大学电气工程学院 Email: miaoxiaojian2008@https://www.doczj.com/doc/c113151758.html, 摘要：储能容量与风电场并网功率目标值有直接关系,并网功率目标值即为储能平滑波动后的风电场输出功率，该目标值是储能容量优化的前提和基础，但目前并未有客观合理的确定方法。为此，提出了用于储能容量规划的风电场并网功率目标值的优化计算方法，该方法以目标功率偏移量方差最小作为目标函数建立数学模型，考虑储能充放电功率约束，将选定时段功率自适应优化确定分段区间数、各区间起始时刻，以及各区间功率目标值，形成利于调度决策的目标功率曲线；现场风场运行数据表明，本文方法具备较强适应能力，相关评价指标实现了大幅优化，为储能容量的最优化提供了理论前提；同时所提求解算法速度快，收敛特性好，计算能力较强。 关键词：储能；容量；并网功率；粒子群 Optimal Target Value Calculation Method for Grid-Connected Wind Farm Active Power Zhang Feng，Liang Jun，Miao Xiaojian School of Electrical Engineering, Shandong University Email: fengzhang@https://www.doczj.com/doc/c113151758.html, Abstract: Energy storage sizing has a direct relationship with grid-connected active power target value, which is power output from wind farm smoothed by energy storage, the target value is the prerequisite and foundation for storage sizing, but there is no objective and reasonable way for the target value determining. According to this problem, a novel method for optimal grid-connected target value calculation is proposed, which sets up a new mathematical model taking minimizing target value offset variance as object function and considering storage charge-discharge power limiting value, and determines the optimal segments, initial time and target value for each time interval, finally draws the target power value curve for dispatching schedule; On the solution algorithm, an improved PSO algorithm fused with SFLA is presented, which will not easily fall into the local optimal solution, besides the idea of EA is adopted in the presented algorithm, then the convergence velocity can be accelerated. The actual wind farm power data shows that this method can optimize the related evaluation indexes, and will afford theory prerequisite for storage size optimization; besides the proposed solution algorithm has fast calculation speed, better convergence character and strong calculate robustness. Keywords: Storage; Capacity; Grid-connected Active Power; PSO; 1 引言 随着以风电、光伏为代表的可再生能源渗透率的提升，其间歇性和不确定性给电网的安全可靠运行带来了持续的挑战。储能因其对能量的充放特性，使其成为平滑可再生能源功率，克服其波动性的重要方式[1]。风电场配置储能的关键问题之一在于，面对平滑效果与投入成本间的制约关系，如何协调确定储能容量，使有限容量同时满足储能系统运行的有效性和经济性[2]。可见，容量优化是风电场储能配置规划的重要内容。 目前国内外学者对于储能容量优化进行了相关研究并取得了一系列成果[3-8]。文献[3]基于风电功率的分布规律，以风场平均功率水平作为期望输出，考虑持续输出小时数的影响确定储能容量；文献[4]分析了风电场日出力曲线与储能容量关系，具有一定启发意义，但其并未对两者关系的规律性做进一步量化探讨；文献[5]改进了SOC反馈控制方法，并引入充放电功率及寿命约束等，可配合实现风电场的小时级发电调度；文献[6]则以提高风电场出力预报精度为补偿目标，利用统计法进行估算储能容量；文献[7]考虑了蓄电池的能量关系，并以跟踪小时级电网调度出力为目标提出了储能系统的控制方法；文献[8]则兼顾调度决策适应性和风电场运行经济性，以储能投资及风场运行成本最低为目标函数建立了储能容量优化模型；上述研究在储能容量优化过程中均一定程度考虑了调度决策需求，并在设定情境下获取了相应的优化容量，但在容量优化过程中的并网功率目标值选定问题上，仍存在一定不合理性和主观性。具体表现为目标功率值或者在较长时间窗口内风功率为定值[4,5]，或者被分成固定时间窗口[6-8]。显然，长时间的稳定输出对于储能容量提出了较高的要求，同时高风电功率时的利用效率也会降低；而主观的固定窗口划分和目标值确定无法实现并网功率目标值与原始风功 国家自然科学基金(5117701,51307101)；国家高技术研究发展计划（863 计划）资助项目（2011AA05A101） F-199
五种最优化方法 1.最优化方法概述 1.1最优化问题的分类 1）无约束和有约束条件； 2）确定性和随机性最优问题（变量是否确定）； 3）线性优化与非线性优化（目标函数和约束条件是否线性）； 4）静态规划和动态规划（解是否随时间变化）。 1.2最优化问题的一般形式（有约束条件）： 式中f（X）称为目标函数（或求它的极小，或求它的极大），si（X）称为不等式约束，hj（X）称为等式约束。化过程就是优选X，使目标函数达到最优值。 2.牛顿法 2.1简介 1）解决的是无约束非线性规划问题； 2）是求解函数极值的一种方法； 3）是一种函数逼近法。 2.2原理和步骤
3.最速下降法（梯度法） 3.1最速下降法简介 1）解决的是无约束非线性规划问题； 2）是求解函数极值的一种方法； 3）沿函数在该点处目标函数下降最快的方向作为搜索方向； 3.2最速下降法算法原理和步骤
4.模式搜索法（步长加速法） 4.1简介 1）解决的是无约束非线性规划问题； 2）不需要求目标函数的导数，所以在解决不可导的函数或者求导异常麻烦的函数的优化问题时非常有效。 3）模式搜索法每一次迭代都是交替进行轴向移动和模式移动。轴向移动的目的是探测有利的下降方向，而模式移动的目的则是沿着有利方向加速移动。 4.2模式搜索法步骤
5.评价函数法 5.1简介 评价函数法是求解多目标优化问题中的一种主要方法。在许多实际问题中，衡量一个方案的好坏标准往往不止一个，多目标最优化的数学描述如下：min (f_1(x),f_2(x),...,f_k(x)) s.t. g(x)<=0 传统的多目标优化方法本质是将多目标优化中的各分目标函数，经处理或数学变换，转变成一个单目标函数，然后采用单目标优化技术求解。常用的方法有“线性加权和法”、“极大极小法”、“理想点法”。选取其中一种线性加权求合法介绍。 5.2线性加权求合法 6.遗传算法 智能优化方法是通过计算机学习和存贮大量的输入-输出模式映射关系，进
附件： 中国大唐集团公司 火电机组运行优化指导意见 （试行） 安全生产部 二○一二年九月
目录 1 总则 (1) 2 机组启停方式优化 (2) 3 汽机运行优化 (6) 4.锅炉运行优化 (12) 5 电气设备运行优化 (18) 6 热工控制系统优化 (21) 7 辅助系统方式优化 (23) 8 供热优化 (28) 9 空冷系统运行优化 (29) 10 运行参数优化 (30) 11 负荷经济调度 (31)
前言 为深入贯彻落实集团公司“优化运行、确保安全、降本增效”专项活动部署，充分发挥设备能力，深入挖掘设备潜力，全面优化机组运行方式，降低运行消耗，提高火电机组运行的经济性水平，制定本指导意见。 本指导意见明确了火电机组运行优化的围、容、基本要求、方法以及需要注意的事项等，为运行优化工作提供指导。 本指导意见由中国大唐集团公司安全生产部组织起草。 主要起草单位：大唐国际发电股份。 主要起草人：大唐国际祝宪、博生、德勇、黄俊峰、黄治军、王军、彦鹏、冬、郝晨亮，发电公司利平，分公司董志勇、艾秋菊、马清贵，发电公司满辉、杜俊鸿，分公司陆元湖，发电公司业盛。 本指导意见由中国大唐集团公司安全生产部负责解释。
1 总则 1.1 运行优化是根据机组主、辅机设备运行状况，在与设计值、行业标准值同类型机组标杆值对标的基础上，通过开展性能试验及综合分析，建立一整套科学、合理的运行调整方法和控制程序，使机组始终保持最安全、最经济的运行方式和最佳的参数控制，降低机组运行消耗。 1.2 运行优化必须坚持“保人身、保电网、保设备”基本原则，任何系统、设备、操作的优化方案均不准违反“两措”的要求。 1.3 运行优化要以机组设计值和行业标准值为基础，对每台机组及公用系统开展对标分析、性能试验，全面分析查找影响机组节能降耗的问题；通过加强操作调整、设备治理和改造，实现机组运行指标达到设计值的目标。 1.4 运行优化的主要容包括机组启停过程优化，汽轮机、锅炉、电气、除尘脱硫、燃料输送、热工控制、辅助系统、供热、空冷系统、运行参数、负荷经济调度优化等。各火电企业要结合设备、系统和运行人员积累的宝贵经济调整经验，不断完善优化方案，有针对性地开展运行优化工作，杜绝生搬硬套。 1.5 运行优化要以机组耗差分析系统为参考依据，以绩效考核为保障，深入开展指标竞赛活动，充分调动全体员工的积极性、主动性和创造性，强化全员的节能降耗意识，实现机组参数压红线运行。 1.6 运行优化不是简单的运行方式和参数的调整，而是一
多目标遗传算法优化 铣削正交试验结果 说明： 1.建立切削力和表面粗糙度模型 如： 3.190.08360.8250.5640.45410c e p z F v f a a -=（1） a R =此模型你们来拟合（上面有实验数据，剩下的两个方程已经是我帮你们拟合好的了）（2） R a =10?0.92146v c 0.14365f z 0.16065a e 0.047691a p 0.38457 10002/c z p e Q v f a a D π=-????（3） 变量约束范围：401000.020.080.25 1.0210c z e p v f a a ≤≤??≤≤??≤≤? ?≤≤? 公式（1）和（2）值越小越好，公式（3）值越大越好。π=3.14 D=8 2.请将多目标优化操作过程录像（同时考虑三个方程，优化出最优的自变量数值），方便我后续进行修改；将能保存的所有图片及源文件发给我；将最优解多组发给我，类似于下图（黄色部分为达到的要求）
遗传算法的结果:
程序如下: clear; clc; % 遗传算法直接求解多目标优化 D=8; % Function handle to the fitness function F=@(X)[10^(3.19)*(X(1).^(-0.0836)).*(X(2).^0.825).*(X(3).^0.564).*(X(4).^0. 454)]; Ra=@(X)[10^(-0.92146)*(X(1).^0.14365).*(X(2).^0.16065).*(X(3).^0.047691).*( X(4).^0.38457)]; Q=@(X)[-1000*2*X(1).*X(2).*X(3).*X(4)/(pi*D)];
ricanxinghuji实习小编一级|消息 | 我的百科 | 我的知道 | 百度首页 | 退出我的贡献草稿箱我的任务为我推荐 新闻网页贴吧知道MP3图片视频百科文库 帮助设置 ? ? ? ? ? ? ? ? ? ? ? ? ? ? 多目标规划 科技名词定义 中文名称：多目标规划 英文名称：multiple objective program 定义：生态系统管理中，为了同时达到两个或两个以上的目标，需要在许多可行性方案中进行选择的整个过程。 所属学科：
生态学（一级学科）；生态系统生态学（二级学科） 本内容由全国科学技术名词审定委员会审定公布 多目标规划是数学规划的一个分支。研究多于一个的目标函数在给定区域上的最优化。又称多目标最优化。通常记为 MOP(multi-objective programming)。 目录 编辑本段 多目标规划 multiple objectives programming 数学规划的一个分支。研究多于一个目标函数在给定区域上的最优化。又称多目标最优化。通常记为 VMP。在很多实际问题中，例如经济、管理、军事、科学和工程设计等领域，衡量 多目标规划
一个方案的好坏往往难以用一个指标来判断，而需要用多个目标来比较，而这些目标有时不甚协调，甚至是矛盾的。因此有许多学者致力于这方面的研究。1896年法国经济学家 V. 帕雷托最早研究不可比较目标的优化问题，之后，J.冯·诺伊曼、H.W.库恩、A.W.塔克尔、A.M.日夫里翁等数学家做了深入的探讨，但是尚未有一个完全令人满意的定义。求解多目标规划的方法大体上有以下几种：一种是化多为少的方法，即把多目标化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、理想点法等；另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。对多目标的线性规划除以上方法外还可以适当修正单纯形法来求解；还有一种称为层次分析法，是由美国运筹学家沙旦于70年代提出的，这是一种定性与定量相结合的多目标决策与分析方法，对于目标结构复杂且缺乏必要的数据的情况更为实用。 编辑本段 规划简史 多目标最优化思想，最早是在1896年由法国经济学家V.帕雷托提出来的。他从政治 数学规划 经济学的角度考虑把本质上是不可比较的许多目标化成单个目标的最优 化问题，从而涉及了多目标规划问题和多目标的概念。1947年，J.冯·诺伊曼和O.莫根施特恩从对策论的角度提出了有多个决策者在彼此有矛盾的情 况下的多目标问题。1951年，T.C.库普曼斯从生产和分配的活动中提出多目标最优化问题，引入有效解的概念，并得到一些基本结果。同年，H.W.库恩和 A.W.塔克尔从研究数学规划的角度提出向量极值问题,引入库恩-塔克尔有效解概念，并研究了它的必要和充分条件。1963年，L.A.扎德从控制论方面提出多指标最优化问题，也给出了一些基本结果。1968年，A.M.日夫里翁为了排除变态的有效解，引进了真有效解概念，并得到了有关的结果。自70年代以来，多目标规划的研究越来越受到人们的重视。至今关于多目标最优解尚无一种完全令人满意的定义，所以在理论上多目标规划仍处于发展阶段。 编辑本段 求解方法 化多为少的方法 即
多目标优化方法 基本概述 几个概念 优化方法 一、多目标优化基本概述 现今,多目标优化问题应用越来越广,涉及诸多领域。在日常生活与工程中,经常要求不只一项指标达到最优,往往要求多项指标同时达到最优,大量的问题都可以归结为一类在某种约束条件下使多个目标同时达到最优的多目标优化问题。例如:在机械加工时,在进给切削中,为选择合适的切削速度与进给量,提出目标:1)机械加工成本最低2)生产率低3)刀具寿命最长;同时还要满足进给量小于加工余量、刀具强度等约束条件。 多目标优化的数学模型可以表示为: X=[x1,x2,…,x n ]T----------n维向量 min F(X)=[f1(X),f2(X),…,f n(X)]T----------向量形式的目标函数s、t、g i(X)≤0,(i=1,2,…,m) h j(X)=0,(j=1,2,…,k)--------设计变量应满足的约束条件多目标优化问题就是一个比较复杂的问题,相比于单目标优化问题,在多目标优化问题中,约束要求就是各自独立的,所以无法直接比较任意两个解的优劣。 二、多目标优化中几个概念:最优解,劣解,非劣解。 最优解X*:就就是在X*所在的区间D中其函数值比其她任何点的函数
值要小即f(X*)≤f(X),则X*为优化问题的最优解。 劣解X*:在D中存在X使其函数值小于解的函数值,即f(x)≤f(X*), 即存在比解更优的点。 非劣解X*:在区间D中不存在X使f(X)全部小于解的函数值f(X*)、 如图:在[0,1]中 X*=1为最优解 在[0,2]中 X*=a为劣解 在[1,2]中 X*=b为非劣解 多目标优化 问题中绝对最优 解存在可能性一般很小,而劣解没有意义,所以通常去求其非劣解来解决问题。 三、多目标优化方法 多目标优化方法主要有两大类: 1)直接法:直接求出非劣解,然后再选择较好的解 将多目标优化问题转化为单目标优化问题。 2)间接法如:主要目标法、统一目标法、功效系数法等。 将多目标优化问题转化为一系列单目标优化问题。 如:分层系列法等。
火电机组运行优化指导意见
附件： 中国大唐集团公司 火电机组运行优化指导意见 （试行） 安全生产部 二○一二年九月
目录 1 总则 (1) 2 机组启停方式优化 (2) 3 汽机运行优化 (6) 4.锅炉运行优化 (12) 5 电气设备运行优化 (17) 6 热工控制系统优化 (20) 7 辅助系统方式优化 (23) 8 供热优化 (28) 9 空冷系统运行优化 (29) 10 运行参数优化 (30) 11 负荷经济调度 (31)
前言 为深入贯彻落实集团公司“优化运行、确保安全、降本增效”专项活动部署，充分发挥设备能力，深入挖掘设备潜力，全面优化机组运行方式，降低运行消耗，提高火电机组运行的经济性水平，制定本指导意见。 本指导意见明确了火电机组运行优化的范围、内容、基本要求、方法以及需要注意的事项等，为运行优化工作提供指导。 本指导意见由中国大唐集团公司安全生产部组织起草。 主要起草单位：大唐国际发电股份有限公司。 主要起草人：大唐国际祝宪、郑博生、谢德勇、黄俊峰、黄治军、王军、刘彦鹏、刘冬、郝晨亮，河北发电公司姚利平，河南分公司董志勇、艾秋菊、马清贵，贵州发电公司李满辉、杜俊鸿，湖南分公司陆元湖，吉林发电公司李业盛。 本指导意见由中国大唐集团公司安全生产部负责解释。
1 总则 1.1 运行优化是根据机组主、辅机设备运行状况，在与设计值、行业标准值同类型机组标杆值对标的基础上，通过开展性能试验及综合分析，建立一整套科学、合理的运行调整方法和控制程序，使机组始终保持最安全、最经济的运行方式和最佳的参数控制，降低机组运行消耗。 1.2 运行优化必须坚持“保人身、保电网、保设备”基本原则，任何系统、设备、操作的优化方案均不准违反“两措”的要求。 1.3 运行优化要以机组设计值和行业标准值为基础，对每台机组及公用系统开展对标分析、性能试验，全面分析查找影响机组节能降耗的问题；通过加强操作调整、设备治理和改造，实现机组运行指标达到设计值的目标。 1.4 运行优化的主要内容包括机组启停过程优化，汽轮机、锅炉、电气、除尘脱硫、燃料输送、热工控制、辅助系统、供热、空冷系统、运行参数、负荷经济调度优化等。各火电企业要结合设备、系统和运行人员积累的宝贵经济调整经验，不断完善优化方案，有针对性地开展运行优化工作，杜绝生搬硬套。 1.5 运行优化要以机组耗差分析系统为参考依据，以绩效考核为保障，深入开展指标竞赛活动，充分调动全体员工的积极性、主动性和创造性，强化全员的节能降耗意识，实现机组参数压红线运行。 1.6 运行优化不是简单的运行方式和参数的调整，而是一
函数最值问题：F=X2+Y2-Z2, clear clc %%初始化 pc=0.9; %交叉概率 pm=0.05; %变异概率 popsize=500; chromlength1=21; chromlength2=23; chromlength3=20; chromlength=chromlength1+chromlength2+chromlength3; pop=initpop(popsize,chromlength);% 产生初始种群 for i=1:500 [objvalue]=calobjvalue(pop); %计算目标函数值 [fitvalue]=calfitvalue(objvalue);%计算个体适应度 [newpop]=selection(pop,fitvalue);%选择 [newpop1]=crossover(newpop,pc) ; %交叉 [newpop2]=mutation(newpop1,pm) ;%变异 [newobjvalue]=newcalobjvalue(newpop2); %计算最新代目标函数值 [newfitvalue]=newcalfitvalue(newobjvalue); % 计算新种群适应度值[bestindividual,bestfit]=best(newpop2,newfitvalue); %求出群体中适应值最大的个体及其适应值 y(i)=max(bestfit); %储存最优个体适应值 pop5=bestindividual; %储存最优个体 n(i)=i; %记录最优代位置 %解码 x1(i)=0+decodechrom(pop5,1,21)*2/(pow2(21)-1); x2(i)=decodechrom(pop5,22,23)*6/(pow2(23)-1)-1; x3(i)=decodechrom(pop5,45,20)*1/(pow2(20)-1); pop=newpop2; end %%绘图 figure(1)%最优点变化趋势图 i=1:500; plot(y(i),'-b*') xlabel('迭代次数'); ylabel('最优个体适应值'); title('最优点变化趋势'); legend('最优点');
火电厂优化运行中数据挖掘技术的应用 随着信息技术与网络技术的发展，数据挖掘技术应运而生，并在诸多行业中得到应用。火电厂运行系统中引入数据挖掘技术，可以显著提高火电厂运行效率、确保火电机组优化目标顺利完成，提高火电厂经济效益。基于此，文章通过分析火电厂优化运行与数据挖掘技术，给出数据挖掘技术应用的措施。 标签：火电厂；优化运行；数据挖掘技术 Abstract：With the development of information technology and network technology，data mining technology emerges as the times require，and has been applied in many industries. The introduction of data mining technology into the operation system of thermal power plants can significantly improve the operation efficiency of thermal power plants，ensure the successful completion of the optimization objectives of thermal power units，and increase the economic benefits of thermal power plants. Based on this，this paper analyzes the optimal operation of thermal power plant and data mining technology，and gives the measures of data mining technology application. Keywords：thermal power plant；optimized operation；data mining technology 火电机组功能正常发挥是电厂稳定运行的基础，工作人员明确火电机组运行优化的目标，依据具体情况确定运行参数，达成节能降耗、提升电厂效益的目的。数据挖掘技术通过分析数据，综合确定火电机组运行目标的优化值，保证目标的合理性与可行性，本文据此展开论述。 1 火电厂优化运行与数据挖掘技术 随着国家提出节能降耗及可持续发展战略，火电厂优化运行已成为必然。火电厂优化运行，旨在确保火电机组处于最佳运行状态，并计算出不同环境下机组运行的参数与方式。与此同时，火电机组的运行效率也对火电厂效益产生直接影响。确定运行优化目标后，通过计算分析掌握运行具体情况，实现火电厂节能减排。随着数据挖掘技术发展，已经有大部分火电厂利用大数据完成管理工作，有助于指导火电厂健康发展。尤其是数据挖掘技术快速发展，内容快速扩充，很多行业中已经利用大数据的便利条件，促进工作效率提升[1]。 火电优化运行中利用数据挖掘技术，有效管理优化运行中涉及的内容，既能保证准确性、又可以对管理体系进行优化，构建完善的管理流程。数据挖掘技术中获取连锁信息是主要应用方向。借助数据挖掘技术全面掌控基本情况，避免优化运行中可能出现的问题，提高优化运行的真实性与有效性。此外，数据挖掘技术的最大特点在于数量庞大、传输速度快及较大价值性。但同时整个技术也存在一定安全隱患，最大的就是数据泄露问题与隐私保护。互联网背景下大数据可以
近年来，随着风电场行业的大发展，在运机组数量急剧增长，如何提高在运机组的发电量成为了风电运营商重点关注的问题。风电机组的发电量与电网接纳能力、风资源、机组可靠性、机组发电性能及相关设备损耗等息息相关，其中提高机组的发电性能和可靠性，同时降低风电场和风电机组的设备损耗是风电运营商和机组厂家关注和优化的主要方向。目前国内风电场和风电机组的优化多集中在已出保的风电场，多为软件或硬件或两者相结合的方式，然而提到优化就涉及到优化技改费用，并涉及到优化效果的评估，评估结果将直接作为决策的依据及共享或支付优化收益的凭证。目前，国际及国内市场上尚未对优化评估方法形成统一的行业标准和规范，各大运营商和设备厂家及第三方公司都在不断发展和完善相关的优化评估方法。 本文通过对国内常见的优化方法进行总结分类，并给出了一般性的评估流程和方法，重点介绍了国内某机组主控程序改造效果的评估方法及效果，对风电行业的发展具有重大意义。 1风电场运行优化方法总结 目前国内风电场和风电机组发电性能优化主要分为四个类别：改善风资源的优化；提高机组从风资源中吸收能量的能力的优化（机组性能优化）；延长机组发电时间的优化（机组可靠性优化）；降低风电场内设备损耗的优化。 1.1改善风资源的优化 1）改善单个机组的风资源状况。主要手段为机组移位，加高塔筒，将风资源不好的机组转移到风资源好的位置，或通过塔筒的增高，减小地面粗糙度等对该机位风资源的影响； 2）改善整场风资源优化状况（尾流控制）。通过整场风资源的合理调配，减少机组间尾流
的影响，牺牲个别机组的出力情况使整场发电性能最优。 1.2机组性能的优化 1）通过改变、恢复、提高叶片的气动特性而使机组性能提升。主要手段有叶片更换（小叶片更换为大叶片）、叶片加长（叶片根部、中部加长或加装叶尖套等）、叶片增功（叶片加装涡流发生器、扰流片等）、叶片清洗（清洗叶片污物，降低叶片表面粗糙度）、叶片修补（维修叶片开裂、局部损坏等）和叶片零位校准； 2）通过恢复、提高测风系统的精度而使机组性能提升。主要手段有风向标 3）校准和对正，更换风速计等； 4）通过恢复、提高部分传感器或零部件的精度而使机组性能提升。主要手段有转速传感器精度提升、温控阀改造等； 5）通过减少或消除机组自动限功率运行而使机组性能提升。主要手段有齿轮箱、变频器等部件的散热器进行改造，提高散热效果，减少或消息机组自动限功率运行； 6）通过主控程序优化而使机组性能提升。主要优化目标有：提高机组偏航精度或根据风电场实际风资源情况调整偏航控制策略、切入切出风速的优化、控制策略有传统查表法到PID
Excel规划求解工具在多目标规划中的应用 摘要：多目标决策方法是从20世纪70年代中期发展起来的一种决策分析方法。该方法已广泛应用于人口、环境、教育、能源、交通、经济管理等多个领域。文章采用多目标决策方法中分层序列法的思想，应用excel的规划求解工具，对多目标规划问题进行应用研究，并以实例加以说明。 abstract： multi-objective decision method is a kind of decision analysis method from the mid 1970s. the method has been widely used in population， environment， education，energy， traffic， economic management， and other fields. this paper uses the lexicographic method of multi-objective decision method and makes some researches on the multi-objective problem using the excel solver tool and an example to illustrate. 关键词： excel规划求解；多目标规划；分层序列法 key words： excel solver；multi-objective programming；the lexicographic method 中图分类号：tp31 文献标识码：a 文章编号：1006-4311（2013）21-0204-02 0 引言 excel中的规划求解工具只能对单目标的问题进行求解。当遇到多目标问题时，可以把多目标问题先转化为单目标问题，然后求解。
LINGO 在多目标规划和最大最小化模型中的应用 在许多实际问题中，决策者所期望的目标往往不止一个，如电力网络管理部门在制定发电计划时即希望安全系数要大，也希望发电成本要小，这一类问题称为多目标最优化问题或多目标规划问题。 一、多目标规划的常用解法 多目标规划的解法通常是根据问题的实际背景和特征，设法将多目标规划转化为单目标规划，从而获得满意解，常用的解法有： 1．主要目标法 确定一个主要目标，把次要目标作为约束条件并设定适当的界限值。 2．线性加权求和法 对每个目标按其重要程度赋适当权重0≥i ω，且1=∑i i ω，然后把) (x f i i i ∑ω作为新的目标函数（其中p i x f i ,,2,1),( =是原来的p 个目标）。 3．指数加权乘积法 设p i x f i ,,2,1),( =是原来的p 个目标，令 … ∏==p i a i i x f Z 1 )]([ 其中i a 为指数权重，把Z 作为新的目标函数。 4．理想点法 先分别求出p 个单目标规划的最优解*i f ，令 ∑-= 2*))(()(i i f x f x h 然后把它作为新的目标函数。 5．分层序列法 将所有p 个目标按其重要程度排序，先求出第一个最重要的目标的最优解，然后在保证前一个目标最优解的前提条件下依次求下一个目标的最优解，一直求到最后一个目标为止。
这些方法各有其优点和适用的场合，但并非总是有效，有些方法存在一些不足之处。例如，线性加权求和法确定权重系数时有一定主观性，权重系数取值不同，结果也就不一样。线性加权求和法、指数加权乘积法和理想点法通常只能用于两个目标的单位（量纲）相同的情况，如果两个目标是不同的物理量，它们的量纲不相同，数量级相差很大，则将它们相加或比较是不合适的。 二、最大最小化模型 在一些实际问题中，决策者所期望的目标是使若干目标函数中最大的一个达到最小（或多个目标函数中最小的一个达到最大）。例如，城市规划中需确定急救中心的位置，希望该中心到服务区域内所有居民点的距离中的最大值达到最小，称为最大最小化模型，这种确定目标函数的准则称为最大最小化原则，在控制论，逼近论和决策论中也有使用。 》 最大最小化模型的目标函数可写成 )}(,),(),(max{min 21X f X f X f p X 或 )}(,),(),(min{max 21X f X f X f p X 式中T n x x x X ),,,(21 是决策变量。模型的约束条件可以包含线性、非线性的等式和不等式约束。这一模型的求解可视具体情况采用适当的方法。 三、用LINGO 求解多目标规划和最大最小化模型 1．解多目标规划 用LINGO 求解多目标规划的基本方法是先确定一个目标函数，求出它的最优解，然后把此最优值作为约束条件，求其他目标函数的最优解。如果将所有目标函数都改成约束条件，则此时的优化问题退化为一个含等式和不等式的方程组。LINGO 能够求解像这样没有目标函数只有约束条件的混合组的可行解。有些组合优化问题和网络优化问题，因为变量多，需要很长运算时间才能算出结果，如果设定一个期望的目标值，把目标函数改成约束条件，则几分钟就能得到一个可行解，多试几个目标值，很快就能找到最优解。对于多目标规划，同样可以把多个目标中的一部分乃至全部改成约束条件，取适当的限制值，然后用LINGO 求解，
第五章目标规划
第五章目标规划 （Goal Programming，简称GP） 要求： 1、理解有关概念； 2、学会图解法； 3、学会单纯形解法； 4、学会建模； 5、举一反三，学会应用。 §1目标规划的数学模型 前面我们介绍的线性规划是单目标决策方法，也就是说，只用一个性能指标的大小来衡量方案的好坏。但在实际生活中，确定一个方案的好坏，往往要考虑多个目标。比如，在制定生产计划时，既要求产量高，又要求质量好，还期望成本低。又如，在选择一个新工厂的厂址时，要考虑的问题有生产成本、运输费用、基建投资费用，环境污染等多种因素。而且有些指标之间往往不是那么协调，甚至相互矛盾，使得决策人难以确定最优方案。 目标规划是在线性规划的基础上，为适应企业经营管理中多个目标决策的需要而逐步发展起来的。目标规划是一种多目标决策方法，它是在决策者所规定的若干目标值和要求实现这些目标值的先后顺序，以及在给定有限资源条件下，寻求总的偏离目标值最小的方案，这种方案称为满意方案。 目标规划的有关概念和数学模型是在1961年由美国学者查恩斯(A.Charnes)和库伯 (W.W.Cooper)首次在《管理模型及线性规划的工业应用》一书中提出，当时是作为解一个没有可行解的线性规划而引入的一种方法。这种方法把规划问题表达为尽可能地接近预期的目标。
1965年，尤吉·艾吉里(Yuji · Ijiri )在处理多目标问题，分析各类目标的重要性时，引入了赋予各目标一个优先因子及加权系数的概念；并进一步完善了目标规划的数学模型。表达和求解目标规划问题的方法是由杰斯基莱恩(Jashekilaineu )和桑·李(Sang #Li)给出并加以改进的。 下面我们用例子来介绍目标规划的数学模型和有关概念。 例1 某厂生产I 、II 两种产品，有关数据见表。试求获利最大的生产方案。 这是一个单目标线性规划问题，设x 1、x 2分别为生产产品I 、II 的数量，可得如下线性规划模型： ,102112. .108max 21212121≥≤+≤++=x x x x x x t s x x z 由图解法可求得最优生产方案是：x 1*= 4，x 2*= 3，Z *= 62 千元。 但实际上，工厂作决策时，不仅要考虑利润，而且要考虑市场等一系列因素，如： （1）根据市场信息，产品I 的销售量有下降的趋势，为此，希望产品I 的产量不超过产品II 的产量； （2）超计划使用原材料要高价采购，会使成本增加。为此不希望超用；
第9章 多目标函数的优化设计方法 Chapter 9 Multi-object Optimal Design 在实际的机械设计中，往往期望在某些限制条件下，多项设计指标同时达到最优，这类问题称为多目标优化设计问题。与前面单目标优化设计不同的是，多目标优化设计有着多种提法和模式，即数学模型。因此，解决起来要比单目标问题复杂的多。 9.1 多目标最优化模型 9.1.1 问题举例 例9-1 生产计划问题 某工厂生产n （2≥n ）种产品：1号品、2号品、...、n 号品。 已知：该厂生产)...,,2,1(n i i =号品的生产能力是i a 吨/小时； 生产一吨)...,,2,1(n i i =号品可获利润i α元； 根据市场预测，下月i 号品的最大销售量为)...,,2(n i b i =吨； 工厂下月的开工能力为T 小时； 下月市场需要尽可能多的1号品。 问题：应如何安排下月的生产计划，在避免开工不足的条件下，使 工人加班时间尽可能的地少； 工厂获得最大利润； 满足市场对1号品尽可能多地要求。 为制定下月的生产计划，设该厂下月生产i 号品的时间为)...,,1(n i x i =小时。 9.1.2 基本概念 如图9.1所示，两个目标函数f 1,f 2中的若干个设计中，3，4称为非劣解，若 )(min{)(*x f x f j j ≤ S.t ．0)(≤x g u u=1,2,………….m 成立，则称* x 为非劣解。若不存在一个方向，同时满足： 0)(*≤*?s x f (目标函数值下降0)(*≤*?s x g (不破坏约束) 图9.1 则称* x 为约束多目标优化设计问题的K-T 非劣解。这样，多目标优化设计问题的求解过程为：先求出满足K-T 条件的非劣解，再从众多的非劣解确定一个选好解。 多目标优化的数学模型： T r x f x f x f X F V )](),........(),([)(m in 21=--
多目标优化的求解方法 多目标优化(MOP)就是数学规划的一个重要分支,就是多于一个的数值目标函数在给定区域上的最优化问题。 多目标优化问题的数学形式可以描述为如下: 多目标优化方法本质就是将多目标优化中的各分目标函数,经处理或数学变换,转变成一个单目标函数,然后采用单目标优化技术求解。目前主要有以下方法: （1）评价函数法。常用的方法有:线性加权与法、极大极小法、理想点法。评价函数法的实质就是通过构造评价函数式把多目标转化为单目标。 (2)交互规划法。不直接使用评价函数的表达式,而就是使决策者参与到求解过程,控制优化的进行过程,使分析与决策交替进行,这种方法称为交互规划法。常用的方法有:逐步宽容法、权衡比替代法,逐次线性加权与法等。 (3)分层求解法。按目标函数的重要程度进行排序,然后按这个排序依次进行单目标的优化求解,以最终得到的解作为多目标优化的最优解。 而这些主要就是通过算法来实现的, 一直以来很多专家学者采用不同算法解决多目标优化问题, 如多目标进化算法、多目标粒子群算法与蚁群算法、模拟退火算法及人工免疫系统等。 在工程应用、生产管理以及国防建设等实际问题中很多优化问题都就是多目标优化问题, 它的应用很广泛。 1)物资调运车辆路径问题 某部门要将几个仓库里的物资调拨到其她若干个销售点去, 在制定调拨计划时一般就要考虑两个目标, 即在运输过程中所要走的公里数最少与总的运输费用最低, 这就是含有两个目标的优化问题。利用首次适配递减算法与标准蚁群算法对救灾物资运输问题求解, 求得完成运输任务的最少时间, 将所得结果进行了比较。 2)设计 如工厂在设计某种新产品的生产工艺过程时, 通常都要求产量高、质量好、成本低、消耗少及利润高等, 这就就是一个含有五个目标的最优化问题; 国防部门在设计导弹时, 要考虑导弹的射程要远、精度要最高、重量要最轻以及消耗燃料要最省等,这就就是一个含有四个目标的最优化问题。Jo等人将遗传算法与有限元模拟软件结合
我班组运行的优化要点总结 如何使各种参数及辅机运行方式最接近理想的状态，即是我班组优化运行的目标。机组的优化运行是对运行机组性能的在线技术分析，及时发现问题，及时进行改进和调整，所以，这是一种动态操作模式。 1．我组运行优化工作的内容主要有以下几方面： (1)根据机组的设计参数及数据、机组目前设备的性能状况，分析节能潜力。 (2)从机组设备和运行方式两方面进行改进和试验调整入手，确定机组可能达到的最佳运行方式和各性能指标。 2．运行人员优化操作的思路 在以上工作的基础上，如何找出影响当前机组运行经济性的主要问题，从而通过调整运行方式或运行参数使机组运行工况最大限度的接近最优的状态。例如，在一定的负荷和循环水进水温度条件下，对于已有的凝汽器来说，增加循环水流量可以使凝汽器压力降低，使汽轮机做功增加。但增加循环水量必然增加了循环水泵的耗功，只有在增加循环水量使汽轮机增加的做功大于循环水泵由此而增加的耗功时才是合理的。在分析后，运行人员的调整目标就是使凝汽器压力耗差与循环水泵电耗耗差之和达到最小值，此时机组的真空即为最佳真空。 又如对于主蒸汽压力来说，在不影响安全的情况下，压力越高的机组效率越高，但这只适用于额定工况下的情况。在减到部分负荷工况时，如果仍维持较高的主蒸汽压力，则将使调门节流损失增加，调节级效率降低，使高压缸排汽温度降低。过热蒸汽温度降低，因而降低了机组效率。所以，在运行中，最佳的主蒸汽压力应使主蒸汽压力降低产生的耗差、调门节流损失的耗差达到最小值。 对于回热系统和汽水系统，不论什么工况，总之各加热器只要控制好水位，保持加热器端差在设计值之内即能达到最佳状态。主蒸汽、过热蒸汽温度应保持规定范围内，过高将影响到汽轮机金属部件的寿命，偏低则不论什么工况都将使机组效率降低。 3．我组优化运行的监视要点 1．定期对汽轮机通流部分结垢的监督 在4台汽轮机中，通流部分的结垢监视是根据调节级压力（或各段抽汽压力）与流量是否成正比而判断的，一般采用定期对照分析调节级压力相对增长率的方法。一般规定，冲动式机组调节级压力的相对增长率不应超过10％，反动式机组不应超过5％。近代大型冲动式汽轮机常带有一定的反动度，因此该增长率控制应较纯冲动式机组更严格，这样有助于推断结垢的段落及结垢速度。 有时压力的升高也可能是其他的原因造成的。如：某一级叶片或围带脱落并堵到下级喷嘴上，特别是要看压力升高的情况是在短时内发生的，还是长期的渐变过程。 汽轮机通流部分结垢的原因，主要是蒸汽品质不良引的，而蒸汽品质的好坏又受到给水品质的影响。所以，要防止汽轮机结垢，首先要做好对给水和蒸汽品质的化学监督，并对汽、水品质不佳的原因及时分析汇报。 2．轴向位移的监视 当轴向位移增加时，应对照运行工况，检查推力瓦温度和推力瓦油回温度是否升高及差胀和缸胀情况。如证明轴向位移表指示正确，应分析原因，并申请做变负荷操作，做好记录，汇报车间，并应针对具体情况，采取相应措施加以处理。 3．汽轮机的振动及其监督 不同机组、同一台机组的不同轴承，各有其振动特点和变化规律，因此应经常注意机组