联合循环机组运行计划和负荷分配：建模、启发式遗传算法求解和数据处理
|
摘要
论文研究了大型多轴布置的燃气—蒸汽联合循环机组运行计划和负荷分配问题。涉及的内容有大型多轴布置的燃气—蒸汽联合循环机组关键部件(燃气轮机、余热锅炉和蒸汽轮机)的建模：水、水蒸汽和燃气的热力学性质通用计算模型；联合循环机组的变工况性能计算方法；根据自动发电控制(AGC)的实时调度负荷对联合循环机组的负荷进行在线最优分配以及多种复杂约束条件下联合循环机组运行计划和负荷分配问题的启发式遗传算法求解。论文最突出的贡献是综合应用了机理分析建模、基于小脑模型(CMAC)神经网络的建模、融合机理和CMAC神经网络的混合建模、数据挖掘技术在建模中的应用、用于数据挖掘建模的数据处理算法和自适应启发式遗传算法等多种方法，以满足问题求解工作的需要。作者的主要工作和创新点有：
1、研究了燃气—蒸汽联合循环机组关键部件建模这样一个逆向工程课题，建立了融合机理和CMAC神经网络方法的燃气轮机、余热锅炉和蒸汽轮机的数学模型。首先进行机理分析，建立机理模型：其次，在系统论述小脑模型神经网络原理的基础上，推导了小脑模型神经网络的概念映射算法、物理映射算法、输出算法和学习算法，并把小脑模型神经网络引入建模过程中，建立了基于小脑模型神经网络的燃气轮机、余热锅炉和蒸汽轮机的模型；最后，在启发式知识的引导下，将机理模型和基于CMAC神经网络的模型有机地融合，建立了混合模型。
2、论文系统地阐述了水、水蒸汽和燃气的热力学性质通用计算模型，并采用面向对象的程序设计方法，在计算机中编程实现，大大提高了计算程序模块的可靠性、可重用性、可扩充性以及方便性。
3、基于融合机理和CMAC神经网络方法的燃气轮机、余热锅炉和蒸汽轮机的数学模型，进行了联合循环机组的变工况性能计算，并得出了一些相关的结论。
4、研究了以联合循环机组的变工况性能计算为基础，根据大气环境温度、压力和自动发电控制(AGC)的实时调度负荷，对联合循环机组的负荷进行在线最优分配。
5、针对大型多轴布置的燃气—蒸汽联合循环机组运行计划和负荷分配问题，论文阐述了计及多种复杂约束条件的问题数学模型，提出解决问
浙江大学博士学位论文
摘要
题的自适应、启发式遗传算法。目标就是在一个运行周期内使包含启动耗
量、停机耗量和正常运行耗量等在内的花费最小化。基于启发性知识，构
造若干新的有效的遗传操作算子，采用改进的算法控制策略，有效地克服
局部极小值。最后，测试了应用自适应、启发式遗传算法实现的软件系统，
结果表明，可以有效地求解机组负荷分配和运行计划这样一个NP完全问
题。
6、首次系统提出和分析了用于数据处理过程中的数据融合理论和方
法。把数据融合技术应用于关键部件建模，可以使所建的模型能更完善、
更准确地反映实际情况。文中详细推导了数据融合算法，这种数据融合方
法计算简便，可以反映传感器在空间或时间上的冗余或互补的信息，获得
比有限个传感器的算术平均值更准确的测量结果，具有较高的可靠性，实
际应用结果也证实了算法的准确性。
7、由于燃气轮机、余热锅炉和蒸汽轮机的非线性特性，联合循环机
组关键部件的模型也必须是非线性的。论文在建模过程中采用了与以往完
全不同的基于联合循环电厂实时数据库的数据挖掘的建模方法。这种新方
法采用数据挖掘技术发现联合循环电厂实时数据库中参数之间的内在关
系，基于这些内在关系和启发性机理知识，建立融合机理和CMAC神经
网络的混合模型。
关键词:联合循环，运行计划，负荷分配，建模，机理模型，混合模
型，小脑模型神经网络，水、水蒸汽热力学性质，燃气热力学性质，变工
况性能计算，自动发电控制，在线，自适应，启发式遗传算法，数据融合，
数据挖掘，数据处理
This dissertation is mainly focused on the operation schedule and load dispatch of heavy-duty multi-shaft combined cycle generating unit. It involves key components ( including gas turbine, heat recovery steam generator and steam turbine ) modeling; general calculating models of thermodynamic properties for water, steam and gas; off-design performance calculating method for combined cycle generating unit; on-line optimum load dispatch for heavy-duty multi-shaft combined cycle generating unit according to the real-time dispatching load of automatic generation control; and heuristic genetic algorithm solving for operation schedule and load dispatch of combined cycle generating unit with multiple complex constraint condition. The most important contribution this dissertation presents is that multiple methods have been comprehensively applied so as to meet the needs of problem solving. The methods include modeling by mechanism analysis; modeling based on cerebellar model articulation controller ( CMAC ) neural networks; hybrid modeling combined mechanism analysis and CMAC neural networks; data mining technique and its applications in modeling; data processing algorithm used in modeling applied data mining technique; self-adaptive heuristic genetic algorithm; etc. The main work and innovations in this dissertation are as follows:1. The reverse engineering subject of combined cycle generating unit's key components modeling is discussed. The mathematic models for gas turbine, heat recovery steam generator and steam turbine combined mechanism analysis and CMAC neural networks are established. Firstly, the mechanism is analyzed and then mechanism models are established; secondly, on the basis of discussing the principles of CMAC, the author deduces the conceptual mapping algorithm, the physical mapping algorithm, the output mapping algorithm, and the learning algorithm of CMAC, then, introduces CMAC in the procedure of modeling, establishes the mathematic models for gas turbine, heat recovery steam generator and steam turbine based on CMAC; lastly, with the guidance of heuristic knowledges, the mechanism models and
the mathematic models based on CMAC are combined some hybrid models.2. The general calculating models of thermodynamic properties for water, steam and gas are systematically discussed in the dissertation. Then, the software is implemented and developed by adopting object oriented program design method, and the reliability, expandability, convenience are greatly improved.3. Based on the mathematic models for gas turbine, heat recovery steam generator and steam turbine combined mechanism analysis and CMAC neural networks, off-design performance calculation of combined cycle generating unit is performed, and some correlative conclusions are educed from the off-design performance calculation.4. On the basis of off-design performance calculation of combined cycle generating unit, on-line optimum load dispatch for heavy-duty multi-shaft combined cycle generating unit according to the ambient temperature, ambient pressure and real-time dispatching load of automatic generation control is studied.5. For the operation schedule and load dispatch of heavy-duty multi-shaft combined cycle generating unit, this research attempts to formulate a mathematical model for the operation schedule and load dispatch problem and propose a self-adaptive heuristic genetic algorithm to solve the problem. Multiple complex constraint conditions are considered in the mathematical model of the problem. The objective in this dissertation is to minimize the total cost among an operation period that consists of the start-up cost, the shutdown costs, and the normal operation cost etc. Based on the heuristic knowledge, some new and effective genetic operating operators are constructed, a modified algorithm control strategy is adopted, in order to overcome local minimum problem. Finally, the implemented software system applied self-adaptive heuristic genetic algorithm was tes
1、研究了燃气—蒸汽联合循环机组关键部件建模这样一个逆向工程课题，建立了融合机理和CMAC神经网络方法的燃气轮机、余热锅炉和蒸汽轮机的数学模型。首先进行机理分析，建立机理模型：其次，在系统论述小脑模型神经网络原理的基础上，推导了小脑模型神经网络的概念映射算法、物理映射算法、输出算法和学习算法，并把小脑模型神经网络引入建模过程中，建立了基于小脑模型神经网络的燃气轮机、余热锅炉和蒸汽轮机的模型；最后，在启发式知识的引导下，将机理模型和基于CMAC神经网络的模型有机地融合，建立了混合模型。
2、论文系统地阐述了水、水蒸汽和燃气的热力学性质通用计算模型，并采用面向对象的程序设计方法，在计算机中编程实现，大大提高了计算程序模块的可靠性、可重用性、可扩充性以及方便性。
3、基于融合机理和CMAC神经网络方法的燃气轮机、余热锅炉和蒸汽轮机的数学模型，进行了联合循环机组的变工况性能计算，并得出了一些相关的结论。
4、研究了以联合循环机组的变工况性能计算为基础，根据大气环境温度、压力和自动发电控制(AGC)的实时调度负荷，对联合循环机组的负荷进行在线最优分配。
5、针对大型多轴布置的燃气—蒸汽联合循环机组运行计划和负荷分配问题，论文阐述了计及多种复杂约束条件的问题数学模型，提出解决问
浙江大学博士学位论文
摘要
题的自适应、启发式遗传算法。目标就是在一个运行周期内使包含启动耗
量、停机耗量和正常运行耗量等在内的花费最小化。基于启发性知识，构
造若干新的有效的遗传操作算子，采用改进的算法控制策略，有效地克服
局部极小值。最后，测试了应用自适应、启发式遗传算法实现的软件系统，
结果表明，可以有效地求解机组负荷分配和运行计划这样一个NP完全问
题。
6、首次系统提出和分析了用于数据处理过程中的数据融合理论和方
法。把数据融合技术应用于关键部件建模，可以使所建的模型能更完善、
更准确地反映实际情况。文中详细推导了数据融合算法，这种数据融合方
法计算简便，可以反映传感器在空间或时间上的冗余或互补的信息，获得
比有限个传感器的算术平均值更准确的测量结果，具有较高的可靠性，实
际应用结果也证实了算法的准确性。
7、由于燃气轮机、余热锅炉和蒸汽轮机的非线性特性，联合循环机
组关键部件的模型也必须是非线性的。论文在建模过程中采用了与以往完
全不同的基于联合循环电厂实时数据库的数据挖掘的建模方法。这种新方
法采用数据挖掘技术发现联合循环电厂实时数据库中参数之间的内在关
系，基于这些内在关系和启发性机理知识，建立融合机理和CMAC神经
网络的混合模型。
关键词:联合循环，运行计划，负荷分配，建模，机理模型，混合模
型，小脑模型神经网络，水、水蒸汽热力学性质，燃气热力学性质，变工
况性能计算，自动发电控制，在线，自适应，启发式遗传算法，数据融合，
数据挖掘，数据处理
This dissertation is mainly focused on the operation schedule and load dispatch of heavy-duty multi-shaft combined cycle generating unit. It involves key components ( including gas turbine, heat recovery steam generator and steam turbine ) modeling; general calculating models of thermodynamic properties for water, steam and gas; off-design performance calculating method for combined cycle generating unit; on-line optimum load dispatch for heavy-duty multi-shaft combined cycle generating unit according to the real-time dispatching load of automatic generation control; and heuristic genetic algorithm solving for operation schedule and load dispatch of combined cycle generating unit with multiple complex constraint condition. The most important contribution this dissertation presents is that multiple methods have been comprehensively applied so as to meet the needs of problem solving. The methods include modeling by mechanism analysis; modeling based on cerebellar model articulation controller ( CMAC ) neural networks; hybrid modeling combined mechanism analysis and CMAC neural networks; data mining technique and its applications in modeling; data processing algorithm used in modeling applied data mining technique; self-adaptive heuristic genetic algorithm; etc. The main work and innovations in this dissertation are as follows:1. The reverse engineering subject of combined cycle generating unit's key components modeling is discussed. The mathematic models for gas turbine, heat recovery steam generator and steam turbine combined mechanism analysis and CMAC neural networks are established. Firstly, the mechanism is analyzed and then mechanism models are established; secondly, on the basis of discussing the principles of CMAC, the author deduces the conceptual mapping algorithm, the physical mapping algorithm, the output mapping algorithm, and the learning algorithm of CMAC, then, introduces CMAC in the procedure of modeling, establishes the mathematic models for gas turbine, heat recovery steam generator and steam turbine based on CMAC; lastly, with the guidance of heuristic knowledges, the mechanism models and
the mathematic models based on CMAC are combined some hybrid models.2. The general calculating models of thermodynamic properties for water, steam and gas are systematically discussed in the dissertation. Then, the software is implemented and developed by adopting object oriented program design method, and the reliability, expandability, convenience are greatly improved.3. Based on the mathematic models for gas turbine, heat recovery steam generator and steam turbine combined mechanism analysis and CMAC neural networks, off-design performance calculation of combined cycle generating unit is performed, and some correlative conclusions are educed from the off-design performance calculation.4. On the basis of off-design performance calculation of combined cycle generating unit, on-line optimum load dispatch for heavy-duty multi-shaft combined cycle generating unit according to the ambient temperature, ambient pressure and real-time dispatching load of automatic generation control is studied.5. For the operation schedule and load dispatch of heavy-duty multi-shaft combined cycle generating unit, this research attempts to formulate a mathematical model for the operation schedule and load dispatch problem and propose a self-adaptive heuristic genetic algorithm to solve the problem. Multiple complex constraint conditions are considered in the mathematical model of the problem. The objective in this dissertation is to minimize the total cost among an operation period that consists of the start-up cost, the shutdown costs, and the normal operation cost etc. Based on the heuristic knowledge, some new and effective genetic operating operators are constructed, a modified algorithm control strategy is adopted, in order to overcome local minimum problem. Finally, the implemented software system applied self-adaptive heuristic genetic algorithm was tes
引文
[1] 吕伟业．中国电力工业发展及产业结构调整[J]．中国电力,2002,35(1)：1～7
[2] 焦树建．我国的燃气轮机工业该何时启动[J]．燃气轮机技术，1997，10(1)：1～8
[3] J. H. Horlock. Combined power plants—Past, present, and future[J]. ASME Joumal of Engineering for Gas Turbines Power, 1995, 117:608～616
[4] 吴永规．燃气一蒸汽联合循环的经济性和适应性[J]能源工程，1996，(4)：21～24
[5] 刘定远，张晓苏．燃气轮机联合循环机组在沿海地区的应用[J]．热能动工程，1997，12(1)：52～55
[21] 胡勇，巨林仓，范伊波．电厂热工过程 ARMA 多参数辨识模型及应用[J]．西安：热力发电．2000(2)：37～39
[22] 王晓．谢剑英，贾青．非线性 NARMAX 模型结构与参数一体化辨识的改进算法[J]．言息与控制．2000．29(2)：102～110
[23] 曹星平，易尔云．基于神经网络的时间序列预测方法进展．电脑与信息技术[J]，1999,(6)：1～4
[24] 肖永华，袁南儿．基于 BP 遗传算法的高斯基函数网络的非线性系统辨识[J]．浙江工业大学学报，1999,27(4)：287～292
[25] 许力，蒋静坪，诸静，朱炎新．联想记忆的自强式学习控制[J]．自动化学报，1996,22(1)：107～110
[26] 刘同明，夏祖勋，解洪成．数据融合技术及其应用[M]．北京：国防工业出版社，1998
[27] 徐毅，金德琅，敬忠良．数据融合研究的同顾与展望[J]．信息与控制,2002,31(3)：250～255
[28] P J Dechamps, N Priard, Ph Mathieu. Part—load operation of combined cycle plants with and without supplementary firing. ASME Journal of Engineering for Gas Turbines andPower, 1994, 116:168～175
[29] 徐志强，于达仁，叶道益．GTCC的变工况性能及运行策略[J]．汽轮机技术，1997，39(6)：336～338
[30] 谢志武，张仁兴，王永泓．状态监测与诊断用燃气轮机热力模型的构造方法[J]．热能动工程，2000，15(88)：410-414
[31] 清华大学电力工程系燃气轮机教研组．燃气轮机(上册)[M]．北京：水利电力出版社，1978
[32] 翁史烈．燃气轮机性能分析[M]．上海：上海交通大学出版社，1987
[33] 王铁成，邹积国．不同的燃气轮机调控方案对燃气一蒸汽联合循环电站性能的影响[J]．热能动力工程，2001．16(3)：205～207
[34] 伍美贞，周会芳．燃气一蒸汽联合循环变工况计算及汽轮机的滑参数运行[J]．燃气轮机技术，1994，7(4)：20～26
[35] Manuel Vald(?)s, Jos(?) L. Rap(?)n. Optimization of heat recovery steam generators for combined cycle gas turbine power plants[J]. Applied Thermal Engineering, 2001, 21(2001):1149～1159
[36] Santanu Bandyopadhyay, N. C. Bera, Souvik Bhartacharyya. Thermoeconomic optimization of combined cycle power plants[J]. Energy Conversion & Management, 2001, 42(2001 ):359～371
[37] J. Y. Shin, Y. J. Jeon , D. J. Maeng , J. S. Kim , S. T. Ro. Analysis of the dynamic characteristics of a combined-cycle power plant[J]. Energy, 2002, 27(2002): 1085～1098
[38] Carlo Carcasci, Bruno Facchini. Comparison between two gas turbine solutions to increase combined power plant effciency[J]. Energy Conversion & Management, 2000, 41(2000):757～773
[39] 高峰，卢尚琼，于芹芬．一类非线性系统的神经网络控制器建模方法及其仿真研究[J]．计算机仿真，2002，19(1)：17～19
[40] 李艳君，吴铁军，赵明旺．一种新的RBF神经网络非线性动态系统建模方法[J]．系统工程理论与实践，2001．(3)：64～69
[41] 张平安，王慧琴，李人厚．一种新的模糊神经元网络建模方法[J]．西安建筑科技大学学报，2000，32(2)：183～187
[42] 侯北平，卢佩．基丁MATLAB的BP神经网络建模及系统仿真[J]．自动化与仪表，2000，16(1)：34～36
[43] Cybenko G. Math Control Signal Systems, 1989, 2:303～314
[44] J. S, Albus. A New Approach to Manipulator Control: the Cerebellar Model Articulation Controller (CMAC) [J], J. of Dynamic System, Measurement and Control, Trans, ASME, 1975, 97(3): 220～227
[45] J. S. Albus. Data Storage in the Cerebellar Model Articulation Controller (CMAC) [J], J. of Dynamic System, Measurement and Control, Trans, ASME, 1975, 97(3): 228～233
[46] W. T. Miller, F. H. Glanz, L. G. Kraft. Application of A General Learning Algorithm to the Control of Robotics Manipulators[J], Int. J. Robotics Research, 1987, 6(2): 84～98
[47] 花强，王树青．神经网络建模方法在维生素C发酵过程中的应用[J]．化工学报，1996，47(4)：433～438
[48] 陈卉，欧阳楷．BP网络与CMAC网络的仿真比较[J]．北京生物医学工程，1997，16(2)：115～121
[49] 何剑春，王慧燕．CMAC网络建模在非线性预测控制中的应用[J]．控制与决策．2002，17(1)：92～95
[50] 段培永，邵惠鹤．CMAC(小脑模型)神经计算与神经控制[J]．信息与控制，1999，28(3)：197～207
[51] 姜文彬．CMAC网络的一种联接模型[J]．电子学报，1998，26(4)：120～123
[52] 何超，徐立新，张宇河．CMAC算法收敛性分析及泛化能力研究[J]．控制与决策，2001．16(5)：523～534
[53] Parks P C, Militzer J. Convergence properties of associative memory storage for learning control system[J]. Automation and Remote Control, 1989, 50(2): 254～286
[54] 周旭东，王国栋．任意偏移矢量分布的N维CMAC映射算法及其应用[J]．信息与控制，1997，26(1)：7～11
[55] 周旭东，王国栋．CMAC最优设计及其算法——GA技术优化CMAC偏移矢量分布[J]．自动化学报，1998，24(5)：593～598
[56] 周旭东，王国栋．CMAC神经网络的概念映射算法[J]．东北大学学报(自然科学版)，1996．17(6)：619～623
[57] 周旭东，王国栋．CMAC神经网络的N维概念映射算法[J]．信息与控制，1996，25(4)：233～237
[58] Aleksander Kolcz. Nigel M. Allinson. Basis function models of the CMAC network[J]. Neural Networks, 1999, 12(1999).107～126
[59] ZHOU Mingjie, CHENG Yiyu. Fuzzy CMAC and Its Application in Function Learning[C].Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:904～907
[60] Kai Zhang, Feng Qian. Fuzzy CMAC and Its Application[C]. Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:944～947
[61] Guo chen, Wang lin, Li hui, Su hui. A Genetic Algorithms Learning Based Fuzzified CMAC Controller[C]. Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:915～918
[62] Jianjuen Hu, Gill Pratt. Self-organizing CMAC Neural Networks and Adaptive Dynamic Control[C]. Proceedings of the 1999 IEEE International Symposium on Intelligent Control/Intelligent Systems and Semiotics Cambridge, MA, 1999:259～265
[63] Luo Zhong, Zhao Zhongming, Zhu Chongguang. The Unfavourable Effects of Hash Coding on CMAC Convergence and Compensatory Measure[C]. 1997 IEEE International Conference on Intelligent Proceeding Systems, Beijing, China, 1997:419～422
[64] Chun-Shin Lin, Ching-Tsan Chiang. Learning Convergence of CMAC Technique [J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, 1997, 8(6): 1281～1292
[65] J. C. Jan, Shih-Lin Hung. High-Order MS_CMAC Neural Network[J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, 2001, 12(3): 598～603
[66] 杨建刚．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001
[67] 杨铁牛．面向逆工程的原始设计参数还原的研究与实践[D]．西安：西安交通大学博士学位论文，2000
[68] 周昭亮．燃气轮机联合循环电厂运行中IGV角度的控制[J]．燃气轮机技术，1996，9(4)：60～62
[69] GE Power Systems. Gas Turbine and Generator Operation Training Manual[R]. 1998
[70] Cockerill Mechanical Industries s. a. (CMI) . Dragon Bay Heat Recovery Steam Generator—Design Operation and Maintenance Manual, Volume 1 of 10, Section A
[71] GE Power Systems. Steam Turbine Generator Operator Familiarization Training Manual, Volume Ⅱ. 1998
[72] 赵士杭．联合循环机组合理的变工况运行方式[J]．动力工程，1995，15(3)：28～33
[73] 赵士抗．联合循环中余热锅炉与汽轮机的滑压运行[J]．热能动力工程，1992，7(3)
[74] T.S. Kim, H.J. Park, S.T. Ro. Characteristics of transient operation of a dual - pressure bottoming system for the combined cycle power plant[J]. Energy, 2001, 26 (2001): 905 -918
[75] Alejandro Pablo Arena, Romano Borchiellini. Application of different productive structures for thermoeconomic diagnosis of a combined cycle power plant[J]. Int. J. Therm. Sci. , 1999,38(1999): 601-612
[76] Alessandro Franco, Alessandro Russo. Combined cycle plant efficiency increase based on the optimization of the heat recovery steam generator operating parameters[J]. International Journal of Thermal Sciences, 2002, 41(2002): 843-859
[77] B. Seyedan, P. L. Dhar, R. R. Gaur, G. S. Bindra. COMPUTER SIMULATION OF A COMBINED CYCLE POWER PLANTfJ]. Heat Recovery Systems & CHP, 1995, 15(7):619-630
[78] Yousef S.H. Najjar. Efficient use of energy by utilizing gas turbine combined systems[J].Applied Thermal Engineering, 2001, 21(2001): 407-438
[79] TAKAO AKIYAMA, HIROSHI MATSUMOTO, KAZUYASU ASAKURA. DYNAMIC SIMULATION AND ITS APPLICATIONS TO OPTIMUM OPERATION SUPPORT FOR ADVANCED COMBINED CYCLE PLANTS[J]. Energy Convers. Mgmt., 1997, 38(15-17):1709-1723
[80] Doris Saez, Aldo Cipriano. Fuzzy Models Based Economic Predictive Control For a Combined Cycle Power Plant Boiler[C]. Proceedings of the 1999 IEEE International Symposium on Intelligent Control/Intelligent Systems and Semiotics, Cambridge, MA, 1999:417-422
[81 ] Gunnel Sundberg, Dag Henning. Investments in combined heat and power plants: in.uence of fuel price on cost minimised operation[J]. Energy Conversion and Management, 2002,43(2002): 639-650
[82] M. A. Darwish. The cogeneration power-desalting plant with combined syscle: a computer program[J]. Desalination, 2000, 127(2000): 27-45
[83] Alessandro Franco, Claudio Casarosa. On some perspectives for increasing the e.ciency of combined cycle power plants[J]. Applied Thermal Engineering, 2002, 22(2002): 1501 -1518
[84] T.S. Kim, S.T. Ro. Power augmentation of combined cycle power plants using cold energy of liquefied natural gas[J]. Energy, 2000, 25(2000): 841-856
[85] CHIH WU. MAXIMUM OBTAINABLE POWER OF A CARNOT COMBINED POWER PLANT[J]. Heat Recovery Systems & CHP, 1995, 15(4): 351-355
[86] P. K. Nag, D. Raha. THERMODYNAMIC ANALYSIS OF A COAL-BASED COMBINED CYCLE POWER PLANT[J]. Heat Recovery Systems & CHP. 1995, 15(2): 115-129
[87] 姚寿广．动力工程中工质热力性质数据库软件的开发[J]．华东船舶工业学院学报，2000，14(1)：1～5
[88] 王培红，程懋华，司凤琪，郭中华．动力工程中水蒸汽性质的通用计算软件包[J]．能源研究与利用，1996，(1)：24～29
[89] 王培红，贾俊颖，程懋华．水和水蒸汽性质的IAPWS-IF97计算模型[J]．动力工程．2000，20(6)：988～991
[90] 刘志刚，刘咸定，赵冠春．工质热物理性质计算程序的编制及应用[M]．北京：科学出版社，1992
[91] 范作民，傅巽权．热力过程计算与燃气表[M]．北京：国防工业出版社，1987
[92] 陈坚红，盛德仁，渠福来，岑可法，任浩仁．面向对象的燃气热力性质计算程序设计[J]．浙江大学学报(工学版)，2003，37(5)：588～590，622
[93] JOHNSON M S. Prediction of gas turbine on-and off-design performance when firing coal-derived syngas [J]. Journal of Engineering for Gas Turbines and Power, 1992 ,114 (4) :380～385
[94] Dechamps P J, Pirard N, Mathieu P H. Part-Load Oppration of Combined Cycle Plants with and without Supplementary Firing [J]. Journal of engineering for Gas Turbines and Power, Trans. ASME, 1995, 117(3) : 475～483
[95] 赵士杭，吕泽华，孙华祥．双压再热蒸汽循环的IGCC变工况性能[J]．动力工程，2001，21(1)：1156～1160
[96] 段立强，林汝谋，金红光，蔡睿贤．整体煤气化联合循环(IGCC)系统变工况特性[J]．热能动力工程，2001，16(6)：582～590
[97] 向文国，蔡宁生，刘西睡．PFBC-CC系统动态特性仿真的面向对象方法研究[J]．东南大学学报，1999．29(5)：91～95
[98] BOLLAND O, A comparative evaluation of adavanced combined cycle alternatives [J].ASME Journal of Engineering for Gas Turbines and Power, 1991, 113(2): 190～197
[99] 姚挺生，宗卫东，吴来贵等．燃气—蒸汽联合循环余热锅炉的并汽[J]．锅炉技术．1998，(9)：26～28
[100] 应明良．镇海300MW联合循环电站余热锅炉调试问题的探讨[J]．燃气轮机技术，2000，13(3)：47～50
[101] 徐志强，丁达仁，叶道益．GTCC的变工况性能及运行策略[J]．汽轮机技术．1997，39(6)：336～339
[102] 糜洪元．燃气轮机和联合循环发电机组的最佳经济运行[C]．中国电机工程学会燃气轮机发电专业委员会2000年年会论文集，2000，2(3、4)：44～48
[103] T.W. Song, J.L. Sohn, J.H. Kim, T.S.Kim, S.T. Ro. Exergy-based performance analysis of the heavy-duty gas turbine in part-load operating conditions[J]. Exergy, an International Journal 2, 2002, 105～112
[104] 袁永根．过程系统测量数据校正技术[M]．北京：中国石化出版社，1996
[105] 茅冬春，机组负荷在线优化分配技术在闵行电厂的应用[J]．动力工程，2003，23(4)：2608～2611
[106] 宋燕敏，曹荣章．杨争林，胡俊，潘久经，王冬明，李建刚，陈峰．实时电力市场运营的关键技术[J]．电力系统自动化，2003，27(6)：23～26
[107] 丁军威，沈瑜、黄永皓，孟远景，尚金成，夏清，康重庆．AGC辅助服务市场的竞价模式研究[J]．清华大学学报(自然科学版)，2003，43(9)：1191～1194
[108] 武亚光，李卫尔，吴海波，张锐，金钟鹤．柳掉．我国发电侧电力市场中AGC机组的调配框架[J]．电力系统自动化，2003，27(2)：37～41
[109] Jaleeli Nasser, Vanslyck L S, Ewart Donald, et al. Understanding Automatic Generation Control[J].IEEE Tran on Power System, 1992, 7(3): 1106～1122
[110] 石方辿，邻能灵．候志俭．电力市场下AGC机组运行的经济补偿研究[J]．继电器，2003，31(2)：1～4
[111] 郭小红，刘瑞叶．电力市场环境下AGC的仿真研究[J]．继电器，2003，31(5)：71～76
[112] Kumar J, Ng K-H, Sheble G. AGC Simulator for Price-Based Operation[J]. IEEE Tran on Power System, 1997, 12(2)
[113] 桂贤明，李明节．电力市场建立后电网AGC技术改进的探讨[J]．电力系统自动化，2000，24(9)：48～51
[114] 唐跃中．阮前途，李瑞庆．时志雄，周京阳，汪峰．上海电网AGC扩展系统的原理与应用[J]．中国电力，1999，32(3)：19～23
[115] 陈世惠，张艳冰．火电厂实现厂级生产过程自动化的分析与探讨[J]．内蒙古电力技术，2002．20(1)：20～22
[116] 江凡．自动发电控制及其应用[J]．福建电力与电工，1996，16(4)：8～11
[117] 于尔铿，刘广一，周京阳等．能量管理系统(EMS)[M]．北京：科学出版社，1998
[118] 骆济寿，张川．电力系统优化运行[M]．武汉：华中理工出版社，1990
[119] Elsag Bailey Process Automation. The INFI 90 OPEN Electronic Documentation[R].Bailey Ltd.
[120] 罗刚，乞建勋．对目前电力系统规划研究的思考[J]．现代电力，2002．19(2)：83～89
[121] G. Gross, F. D. Galiana. Short-Term Load Forecasting[J]. Proc. Of the IEEE, 1987,75(12):1558～1573
[122] A. Khotanzad, M. H. Davis, A. Abayeetal. An Artificial Nenral Network Hourly Temperature Forecasting with Applications in Load Forecasting[J]. IEEE Tran. on Power System. 1996,11(2):870～876
[123] P.K. Dash. A. C. Liew, G. Ramakrishna. Power-Demand Forecasting Using a Neural Network with an Adaptive Leaning Algorithm[J]. IEE Proc. Gener-Trans. Distrib, 1995, 142(6):560～568
[124] D. Srinivasan, C. S. Chang. A. C. Liew. Demand Forecasting Using Fuzzy Neural Computation, with Special Emphasis on Weekend and Public Holiday Forecasting[J]. IEEE Tran. on Power System. 1995, 10(4):1897～1903
[125] Kwang-Ho. Kim. Jong-Keun. Park. Kab-Ju. Hwang et al. Implementation of Hybird Short-Term Load Forecasting System Using Artificial Neural Networks and Fuzzy System[J].IEEE Trans. On Power System. 1995. 10(3):1534～1539
[126] Ranaweera D K, Hubbele N F. Papalexopoulos A D. Application of radial basis function neural network model for short-term load forecasting[J], IEE Proc-Gener Trans Distrib, 1995,142(1):45～50
[127] Piras A, Buchenel B, Jaccard Y. Heterogeneous artificial neural network for short-term electrical load forecasting [J]. IEEE Trans on Power System, 1996, 11(1) :397～402
[128] Rahman S, Bhatnagar R. An expert system based algorithm for short-term load forecast [J]. IEEE Trans on Power System, 1998,3(2) :392～399
[129] Lee F N. Short-term unit commitment-a new method[J]. IEEE Transaction on Power Apparatus and Systems. 1980, 99(2): 421～428
[130] Snyder W L, Powell H D Jr, Rayburn J C. Dynamic Programming approach to unit commitment[J]. IEEE Transaction on Power Apparatus Systems, 1987, 2(2): 339～350
[131] Dillon T S, et al. Integer programming approach to the problem of unit commitment with probabilistic reserve determination[J]. IEEE Transaction on Power Apparatus and Systems, 1978, 97(6): 2154～2166
[132] Zhuang F, Galiana F D. Towards a more rigorous and practical unit commitment by lagrangian relaxation[J]. IEEE Transactions on Power Systems, 1988, 3(2): 763～773
[133] 韩学山，柳焯．考虑发电机组输出功率速度限制的最优机组组合[J]．电网技术，1994．18(6)：11～15
[134] 唐巍，李殿璞．电力系统经济负荷分配的混沌优化方法[J]．中国电机工程学报，2000，20(10)：36～40
[135] 杨丹，施金业，刘思泽．并行加工系统中的负荷分配模型及启发式算法[J]．重庆大学学报(自然科学版)，1996，19(6)：73～78
[136] 侯云鹤，熊信良，吴耀武，鲁丽娟．基于广义蚁群算法的电力系统经济负荷分配[J]．中国电机工程学报，2003，23(3)：59～64
[137] Rabin A Jabr. Alun H Coonick. Brian J Cory. A homogenous linear programming algorithm for the security constrained economic dispatch problem[J]. IEEE Trans on PS,2000. 15(3): 930～936
[138] Fan Jiyuan, Zhang Lan. Real-time economic dispatch with line flow and emission constrains using quadratic programming[J]. IEEE Trans on PS, 1998, 13(2): 320～325
[139] Nanda J, Hari Lakshman. Kothari M L. Economic emission load dispatch with line flow constrains using a classical technique[J], IEE Proc-Gener. Transm. Distrib, 1994, 141(1):1～10
[140] 王剑奇，张伯明．赵丁臣．动态比较法确定机组的最优组合[J]．中国电机工程学报，1996，16(4)：254～256
[141] 李卫东，吴海波，武亚光，张锐，金钟鹤．电力市场下AGC机组调配的遗传算法[J]．电力系统自动化，2003．27(15)：20～24
[142] Holland J H. Adaptation in naturation in natural and artificial systems[M]. MI: The University of Michigan Press, 1975
[143] Goldberg D. E. Genetic Algorithm in Search, Optimization and Machine Learning[M].MA: Addison-Wesley Publishing Company, 1989
[144] Holland J H. Outline for a Logic Theory of Adaptive System[J]. Journal of the Association for Computing Machinery, 1962, 9(3) : 297～314
[145] Fogel L. J., Owens A. J., Walsh M. J. Artificial intelligence through simulated evolution[M]. New York: John Wiley & Sons, 1966
[146] Bagley J. D. The behavior of adaptive systems which employ genetic and correlation algorithms[D]. Doctoral dissertation, University of Michigan, 1967
[147] 周明．孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社．1999
[148] 王小平．曹立明．遗传算法——理论、应用与软什实现[M]．西安：西安交通大学出版社，2002
[149] Goldberg D. E. Computer-aided gas pipeline operation using genetic algorithm and rule learning[D]. Department of Civil Engineering, University of Michigan, 1983
[150] 李敏强，寇纪淞，林丹等．遗传算法的基本理论与应用[M]．北京：科学出版社，2002
[151] De Jong K. A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems[D]. University of Michigan, No. 76-9381, 1975
[152] 孟炳泉，孙方裕．基于最优保存和自适应性的混合遗传算法[J]．高等学校计算数学学报，2002，(3)：244～253
[153] 江瑞，岁予频．胡东成．司徙国业．一种基于种群熵估计的自适应遗传算法[J]．清华大学学报(自然科学版)，2002，42(3)：358～361
[154] 张明辉．王尚锦．自适应搜索的改进遗传算法及其应用[J]．西安交通大学学报，2002，36(3)：226～230
[155] 陈长征．王楠．遗传算法中交叉和变异概率选择的自适应方法及作用机理[J]．控制理论与应用，2002．19(1)：41～43
[156] 周北岳．郭观七．引入适麻值曲面结构的小生境遗传算法初探[J]．岳阳师范学院学报(自然科学版)，2002．15(1)：59～62
[157] 扬红红，吴智铭．基于自适应遗传算法的柔性动态调度研究[J]．中国机械工程，2002，13(21)：1845～1848
[158] 王蕾．沈庭芝，招扬．一种改进的自适应遗传算法[J]．系统工程与电子技术，2002，24(5)：75～78
[159] 高山，单渊达．遗传算法在机组启停中的应用及改进[J]．东南大学学报(自然科学版)，2000．30(3)：1～7
[160] 余建坤，张文彬，陆玉吕．遗传算法及其应用[J]．云南民族学院学报(自然科学版)，2002，11(4)：193～197
[161] Kazarlis S A, Bakirtzis A G, Petridis V. A Genetic Algorithm Solution to the Unit Commitment Problem[J]. IEEE Trans on PWRS, 1996, 11(1)
[162] Maifeld T T, Shebl(?) G B. Genetic-Based Unit Commitment[J]. IEEE Trans on PWRS, 1996, 11(3)
[163] Sheble G B, Maifeld T T, Brittig K, et al. Unit Commitment by Genetic Algorithm with Penalty Methods and a Comparison of Lagrangian Search and Genetic Algorithm-Economic Dispatch Example[J]. Electrical Power & Energy Systems, 1996, 18(6)
[164] Srinivasan D, Tettamanzi A. Heuristics-Guided Evolutionary Approach to Multi-Objective Generation Scheduling[J]. IEE Proceedings Generation, Transmission and Distribution, 1996, 143(6)
[165] Yang H T, Yang P C, Huang C L. A Parallel Genetic Algorithm Approach to Solving the Unit Commitment Problem: Implementation on the Transputer Networks[J]. IEEE Trans on PWRS, 1997, 12(2)
[166] Wong K P, Wong Y W. Hybrid Genetic/Simulated Annealing Approach to Short-Term Multiple-Fuel-Constrained Generation Scheduling[J]. IEEE Trans on PWRS, 1997, 12(2)
[167] 韦柳涛，曾庆川，姜铁兵等．启发式遗传基因算法及其在电力系统机组组合优化中的应用[J]．中国电机工程学报．1994，14(2)：67～72
[168] 蔡超豪，蔡元宇．机组优化组合的遗传算法[J]．电网技术，1997，21(1)：44～47
[169] 赖一飞，裴金勇等．基于遗传算法的机组优化组合的应用研究[J]．中国管理科学，2000．8(2)：28～32
[170] 高山，单渊达．遗传算法搜索优化及其在机组启停中的应用[J]．中国电机工程学报，2001，21(3)：45～48
[171] 李卫东，吴海波，武亚光，张锐，金钟鹤．电力市场下AGC机组调配的遗传算法[J]．电力系统自动化，2003，27(15)：20～24
[172] 侯云鹤，熊信良，吴耀武，鲁丽娟．基于广义蚁群算法的电力系统经济负荷分配[J]．中国电机工程学报．2003，23(3)：59～64
[173] 武翰，吕鹏飞．刘观起，盛四清．基于广义蚁群算法的电力系统经济负荷分配[J]．黑龙江电力．2003，25(1)：19～22
[174] 李洪斌，季承军．周燕屏．一种实用的水电厂机组启停与负荷分配模型[J]．水电自动化与大坝监测，2003．27(2)：1～4
[175] Srinivas M. Patnaik L. M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithm[J]. IEEE Trans. on System, Man and Cybernetics, 1994, 24(4) : 656～667
[176] 张明辉，王尚锦．自适应搜索的改进遗传算法及其应用[J]．西安交通大学学报，2002，36(3)：226～230
[177] 扬晓华，陆桂华，郦建强．自适应加速遗传算法及其在水位流量关系拟合中的应用[J]．水文，2002，22(2)：14～18
[178] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社．2001
[179] 王永富，李小平，柴天佑，谢书明．转炉炼钢动态过程预设定模型的混合建模与预报[J]．东北大学学报(自然科学版)，2003，24(8)：715～718
[180] 吕舒平，边信黔，施小成．王新鹏．水下机器人动力定位中的海流及不平衡力估计 [J]．哈尔滨工程大学学报．2000，21(3)：34～38
[181] 陈晓东，王子才．锅炉过热器系统的动态仿真模型[J]．热能动力工程，2000，15(5)：276～297
[182] 刘浩．张春路，丁国良．结合人工神经网络的冷凝器稳态分布参数模型[J]．上海交通大学学报，2000．34(9)：1187～1190
[183] 刘斌，刘思峰，党耀国．基于灰色系统理论的时序数据挖掘技术[J]．中国工程科学，2003，5(9)：32～35
[184] 韩璞，王东风，翟永杰．基于神经网络的火电厂烟气含氧量软测量[J]．信息与控制，2001，30(21：189～192
[185] Parlos A G. Application of the recurrent multiplayer perceptron in modeling complex process dynamics[J]. IEEE Trans on Neural Networks, 1994, 5(2) : 255～266
[186] Zhang J, Morris A J. Recurrent neuro-fuzzy networks for nonlinear process modeling[J]. IEEE Trans on Neural Networks, 1999, 10(2) : 313～325
[187] Guillaume S. Designing fuzzy inference systems from data: an interpretability-oriented review[J]. IEEE Trans on Fuzzy Systems. 2001.9(3) : 426～442
[188] 吴小明，邱家驹，张国江，蔡建颖．软计算方法和数据挖掘理论在电力系统负荷预测中的应用[J]．电力系统及其自动化学报，2003，15(1)：1～5
[189] 卢勇，徐向东，陈明．数据挖掘技术在热电厂过程控制与优化中的应用研究[J]．电站系统工程，2003，19(2)：48～50
[190] 黄解军．潘和平，万幼川．数据挖掘的体系框架研究[J]．计算机应用研究，2003，(5)：1～3
[191] 张华．张有仁．基于任务驱动的数据挖掘系统[J]．微型电脑应用，2001．17(11)：33～36
[192] 江浩，徐治皋．电站运行优化决策支持系统及优化值的确定[J]．动力工程，2003，23(3)：2480～2484
[193] 徐强，何小荣，陈丙珍．FCC油品质量指标智能监测系统的数据挖掘与修正技术[J]．计算机与应用化学，2000，17(3)：210～214
[194] 钟波，肖智，李勇，张志恒．一种基于遗传算法的数据预处理组合方法[J]．西南师范大学学报(自然科学版)．2002．27(4)：497～500
[195] Wang X Z. Automatic classification for mining process operational data[J]. Ind. Eng. Chem. Res., 1998, 37 : 2215～2224
[196] Tony Ogilvie, B W Hogg. Use of Data Mining Techniques in the Performance Monitoring and Optimization of a Thermal Power Plant[C]. IEEE Colloquium on Knowledge Discovery and Data Mining. 1998
[197] CHEN Jianhong, REN Haoren. SHENG Deren, LI Wei. DATA-MINING MASSIVE REAL-TIME DATA IN A POWER PLANT: CHALLENGES, PROBLEMS AND SOLUTIONS[J].浙江大学学报 (英文版), 2002, 3(5): 538～542
[198] Prasad G. B W Hogg. A neural net based multivariable long-range predictive control strategy applied in thermal power plant control[J]. IEEE Trans Energy Conversion, 1998, 13: 176～182
[199] Peter Eserin. Application of CAV to the Dynamical Modeling and Control of Drum Level in an Industrial Boiler[C]. Proceedings of the American Control Conference, 1999
[200] K S Narendra. Adaptive control using multiple models[J]. IEEE Trans Automatic Control, 1997, 42: 171～187
[201] 施惠吕．基于函数链神经网络的传感器建模[J]．上海大学学报(自然科学版)．1999，5(6)：560～564
[202] 罗旭光，万百五．一种基于神经元的自适应模糊推理网络[J]．模糊系统与数学，1998，12(4)：26～33
[203] 朱群雄，麻德贤．神经网络过程模型辨识[J]．化工学报．1997，48(5)：547～552
[204] 王庆超，岑小锋．一种基于模糊机理模型的混合建模方法[J]．宇航学报，2001，22(6)：45～49
[205] 陈晓东，马广富．王子才．改进的Elman网络与机理模型的互补建模方法[J]．系统仿真学报．1999，11(2)：97～100
[206] 杨杰，胡英．全勇．结合数据融合和数据挖掘技术的信息智能处理平台[J]．高技术通讯．2003，(1)：57～61
[207] Prasad K.D.V. Yarlagadda, Cobby Ang Teck Khong. Development of a hybrid neural network system for prediction of process parameters in injection moulding [J]. Journal of Materials Processing Technology. 2001. 118: 110～116
[208] 吴浩扬，朱长纯，常炳国，刘君华．基于种群过早收敛程度定量分析的改进自适应遗传算法[J]．西安交通大学学报．1999，33(11)：27～30，70
[209] 胡峰松，林亚平．熊仲宁，刘朝辉．半确定性的遗传算法[J]．湖南大学学报(自然科学版)，2002，29(5)：115～120
[210] 陈峻．陈云霞，沈洁，秦玲．器官遗传算法[J]．计算机工程．2002．28(9)：34～36
[211] 郭晨海．谢俊，刘军，马履中．连续非线性规划的猴王遗传算法[J]．江苏大学学报(自然科学版)，2002，23(4)：87～90
[212] 饶进军，包忠湖，黄菊花．一种高效综合的遗传算法[J]．南昌大学学报(工科版)，2002．24(1)：1～5
[213] 方世清，李传国，张弋力，查嵘．自动发电控制机组在电网一次调频中的应用研究[J]．中国电力，2003，38(6)：65～67
[214] 胡剑辉，林汝谋．联台循环中蒸汽底循环系统稳态全工况特性模型及计算分析[J]．工程热物理学报．1997，18(3)：277～280
[215] 美国GE公司．GT Pro软件计算结果文件[R]．美国GE公司
[216] 浙江省电力试验研究所．温州龙湾燃机工程二号燃机主机系统调试报告[R]．逐浙江省电力试验研究所．1998，(7)
[217] 董学育．胡华进，徐治皋．电站性能分析采样数据的可靠性检验方法[J]．动力工程，1998，18(2)：16～19，74
[218] 王秀萍，荣冈，王树青．先进控制技术及应用 第二讲 过程数据校正技术[J]．化工自动化及仪表．1999，26(3)：62～67
[219] T.W. Karjala, D. M. Himmelblau, R. Miikkulainen. Data Rectification uing Recurrent (Elman) Neural Networks [J]. IEEE, 1992(2): 901～906
[220] Ashish Singhal, Dale E.Seborg. Dynamic Data Rectification Using the Expectation Maximization Algorithm[J]. AIChE Journal, 2000,46(8): 1556～1565
[221] 张世铮．燃气热力性质的数学公式表示法[J]．工程热物理学报．1980，1(1)：10～16
[222] 郁文贤．雍少为，郭桂蓉．多传感器信息融合技术述评[J]．国防科学技术大学学报．1994，16(3)：1～11
[223] Chang Charles C, Kai Tai Song. Ultrasonic Sensor Data Integration and Its Application to Environment Perception[J]. Journal of Robotic System, 1996, 13(10) : 663～677
[224] 李贻斌，刘明，周风余，李彩虹，苏学成．移动机器人多超声波传感器信息融合方法[J]．系统工程与电子技术，1999，21(9)：55～57
[225] Shang-Liang Chen, Y.W.Jen. Data fusion neural network for tool condition monitoring in CNC milling machining[J]. International Journal of Machine Tools & Manufacture, 2000,40: 381～400
[226] James Llines, Edward Waltz. Multisensor Data Fusion[M]. Anech House Boston,London, 1990
[227] 章燕中．最优估计与工程应用[M]．北京：宇航出版社，1991
[228] 曾秋成．技术数理统计方法[M]．安徽：安徽科学技术出版社，1982
[229] 杨位钦，顾岚．时间序列分析与动态数据建模[M]．北京理工大学出版社．1988
[230] 张尧庭，方开泰．多元统计分析引论[M]．科学出版社，1982
[231] SATNAM ALAG, ALICE M. AGOGINO, MAHESH MORJARIA. A methodology for intelligent sensor measurement, validation, fusion, and fault detection for equipment monitoring and diagnostics[J]. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 2001, 15:307～320
[232] 朱庆保．用于传感器非线性误差校正的新颖神经网络[J]．软件学报，1999，10(12)：1298～1303
[233] 朱庆保，陈蓁，提高小脑模型神经网络精度的算法及仿真应用[J]．软件学报，2000，11(1)：133～137
[234] 朱庆保．智能检测仪器非线性误差神经网络校正研究[J]．仪器仪表学报，2000．21(5)：516～519
[235] 朱庆保．外圆磨削在线无损测控方法研究[J]．计量学报，2001，22(3)：174～177
[236] Kit Po Wong, Suzannah, Yin Wa Wong. COMBINED GENETIC ALGORITHM / SIMULATED ANNEALING / FUZZY SET APPROACH TO SHORT-TERM GENERATION SCHEDULING WITH TAKE-OR-PAY FUEL CONTRACT[J]. IEEE Transactions on Power Systems, 1996, 11(1) : 128～136
[237] S.A. Kazarlis, A.G. Bakirtzis, V. Petridis. A GENETIC ALGORITHM SOLUTION TO THE UNIT COMMITMENT PROBLEM[J]. IEEE Transactions on Power Systems, 1996,11(1) : 83～89
[238] S.O. Orero, M.R. Irving. A combination of the genetic algorithm and Lagrangian relaxation decomposition techniques for the generation unit commitment problem[J]. Electric Power System Research, 1997, 43 : 149～156
[239] Subir Sen, D P Kothari. Optimal thermal generating unit commitment: a review[J]. Electrical Power & Energy Systems, 1998, 20(7) : 443～451
[240] N.P. Padhy. Unit commitment using hybrid models: a comparative study for dynamic programming, expert system, fuzzy system and genetic algorithms[J]. Electrical Power and Energy Systems, 2000, 23 : 827～836
[241] Gerald B. Sheble, Timothy T. Maifeld. Unit commitment by genetic algorithm and expert system[J]. Electrical Power Systems Research. 1994, 30: 115 - 121
[242] Tim T. Maifeld, Gerald B. sheble. GENETIC-BASED UNIT COMMITMENT ALGORITHM[J]. IEEE Transactions on Power Systems, 1996, 11(3): 1359-1370
[243] C.-P. Cheng, C.-W. Liu, C-C. Liu. Unit commitment by annealing-genetic algorithm[J]. Electrical Power and Energy Systems, 2002, 24 : 149~158
[2] 焦树建．我国的燃气轮机工业该何时启动[J]．燃气轮机技术，1997，10(1)：1～8
[3] J. H. Horlock. Combined power plants—Past, present, and future[J]. ASME Joumal of Engineering for Gas Turbines Power, 1995, 117:608～616
[4] 吴永规．燃气一蒸汽联合循环的经济性和适应性[J]能源工程，1996，(4)：21～24
[5] 刘定远，张晓苏．燃气轮机联合循环机组在沿海地区的应用[J]．热能动工程，1997，12(1)：52～55
[21] 胡勇，巨林仓，范伊波．电厂热工过程 ARMA 多参数辨识模型及应用[J]．西安：热力发电．2000(2)：37～39
[22] 王晓．谢剑英，贾青．非线性 NARMAX 模型结构与参数一体化辨识的改进算法[J]．言息与控制．2000．29(2)：102～110
[23] 曹星平，易尔云．基于神经网络的时间序列预测方法进展．电脑与信息技术[J]，1999,(6)：1～4
[24] 肖永华，袁南儿．基于 BP 遗传算法的高斯基函数网络的非线性系统辨识[J]．浙江工业大学学报，1999,27(4)：287～292
[25] 许力，蒋静坪，诸静，朱炎新．联想记忆的自强式学习控制[J]．自动化学报，1996,22(1)：107～110
[26] 刘同明，夏祖勋，解洪成．数据融合技术及其应用[M]．北京：国防工业出版社，1998
[27] 徐毅，金德琅，敬忠良．数据融合研究的同顾与展望[J]．信息与控制,2002,31(3)：250～255
[28] P J Dechamps, N Priard, Ph Mathieu. Part—load operation of combined cycle plants with and without supplementary firing. ASME Journal of Engineering for Gas Turbines andPower, 1994, 116:168～175
[29] 徐志强，于达仁，叶道益．GTCC的变工况性能及运行策略[J]．汽轮机技术，1997，39(6)：336～338
[30] 谢志武，张仁兴，王永泓．状态监测与诊断用燃气轮机热力模型的构造方法[J]．热能动工程，2000，15(88)：410-414
[31] 清华大学电力工程系燃气轮机教研组．燃气轮机(上册)[M]．北京：水利电力出版社，1978
[32] 翁史烈．燃气轮机性能分析[M]．上海：上海交通大学出版社，1987
[33] 王铁成，邹积国．不同的燃气轮机调控方案对燃气一蒸汽联合循环电站性能的影响[J]．热能动力工程，2001．16(3)：205～207
[34] 伍美贞，周会芳．燃气一蒸汽联合循环变工况计算及汽轮机的滑参数运行[J]．燃气轮机技术，1994，7(4)：20～26
[35] Manuel Vald(?)s, Jos(?) L. Rap(?)n. Optimization of heat recovery steam generators for combined cycle gas turbine power plants[J]. Applied Thermal Engineering, 2001, 21(2001):1149～1159
[36] Santanu Bandyopadhyay, N. C. Bera, Souvik Bhartacharyya. Thermoeconomic optimization of combined cycle power plants[J]. Energy Conversion & Management, 2001, 42(2001 ):359～371
[37] J. Y. Shin, Y. J. Jeon , D. J. Maeng , J. S. Kim , S. T. Ro. Analysis of the dynamic characteristics of a combined-cycle power plant[J]. Energy, 2002, 27(2002): 1085～1098
[38] Carlo Carcasci, Bruno Facchini. Comparison between two gas turbine solutions to increase combined power plant effciency[J]. Energy Conversion & Management, 2000, 41(2000):757～773
[39] 高峰，卢尚琼，于芹芬．一类非线性系统的神经网络控制器建模方法及其仿真研究[J]．计算机仿真，2002，19(1)：17～19
[40] 李艳君，吴铁军，赵明旺．一种新的RBF神经网络非线性动态系统建模方法[J]．系统工程理论与实践，2001．(3)：64～69
[41] 张平安，王慧琴，李人厚．一种新的模糊神经元网络建模方法[J]．西安建筑科技大学学报，2000，32(2)：183～187
[42] 侯北平，卢佩．基丁MATLAB的BP神经网络建模及系统仿真[J]．自动化与仪表，2000，16(1)：34～36
[43] Cybenko G. Math Control Signal Systems, 1989, 2:303～314
[44] J. S, Albus. A New Approach to Manipulator Control: the Cerebellar Model Articulation Controller (CMAC) [J], J. of Dynamic System, Measurement and Control, Trans, ASME, 1975, 97(3): 220～227
[45] J. S. Albus. Data Storage in the Cerebellar Model Articulation Controller (CMAC) [J], J. of Dynamic System, Measurement and Control, Trans, ASME, 1975, 97(3): 228～233
[46] W. T. Miller, F. H. Glanz, L. G. Kraft. Application of A General Learning Algorithm to the Control of Robotics Manipulators[J], Int. J. Robotics Research, 1987, 6(2): 84～98
[47] 花强，王树青．神经网络建模方法在维生素C发酵过程中的应用[J]．化工学报，1996，47(4)：433～438
[48] 陈卉，欧阳楷．BP网络与CMAC网络的仿真比较[J]．北京生物医学工程，1997，16(2)：115～121
[49] 何剑春，王慧燕．CMAC网络建模在非线性预测控制中的应用[J]．控制与决策．2002，17(1)：92～95
[50] 段培永，邵惠鹤．CMAC(小脑模型)神经计算与神经控制[J]．信息与控制，1999，28(3)：197～207
[51] 姜文彬．CMAC网络的一种联接模型[J]．电子学报，1998，26(4)：120～123
[52] 何超，徐立新，张宇河．CMAC算法收敛性分析及泛化能力研究[J]．控制与决策，2001．16(5)：523～534
[53] Parks P C, Militzer J. Convergence properties of associative memory storage for learning control system[J]. Automation and Remote Control, 1989, 50(2): 254～286
[54] 周旭东，王国栋．任意偏移矢量分布的N维CMAC映射算法及其应用[J]．信息与控制，1997，26(1)：7～11
[55] 周旭东，王国栋．CMAC最优设计及其算法——GA技术优化CMAC偏移矢量分布[J]．自动化学报，1998，24(5)：593～598
[56] 周旭东，王国栋．CMAC神经网络的概念映射算法[J]．东北大学学报(自然科学版)，1996．17(6)：619～623
[57] 周旭东，王国栋．CMAC神经网络的N维概念映射算法[J]．信息与控制，1996，25(4)：233～237
[58] Aleksander Kolcz. Nigel M. Allinson. Basis function models of the CMAC network[J]. Neural Networks, 1999, 12(1999).107～126
[59] ZHOU Mingjie, CHENG Yiyu. Fuzzy CMAC and Its Application in Function Learning[C].Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:904～907
[60] Kai Zhang, Feng Qian. Fuzzy CMAC and Its Application[C]. Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:944～947
[61] Guo chen, Wang lin, Li hui, Su hui. A Genetic Algorithms Learning Based Fuzzified CMAC Controller[C]. Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, P.R.China, 2000:915～918
[62] Jianjuen Hu, Gill Pratt. Self-organizing CMAC Neural Networks and Adaptive Dynamic Control[C]. Proceedings of the 1999 IEEE International Symposium on Intelligent Control/Intelligent Systems and Semiotics Cambridge, MA, 1999:259～265
[63] Luo Zhong, Zhao Zhongming, Zhu Chongguang. The Unfavourable Effects of Hash Coding on CMAC Convergence and Compensatory Measure[C]. 1997 IEEE International Conference on Intelligent Proceeding Systems, Beijing, China, 1997:419～422
[64] Chun-Shin Lin, Ching-Tsan Chiang. Learning Convergence of CMAC Technique [J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, 1997, 8(6): 1281～1292
[65] J. C. Jan, Shih-Lin Hung. High-Order MS_CMAC Neural Network[J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, 2001, 12(3): 598～603
[66] 杨建刚．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001
[67] 杨铁牛．面向逆工程的原始设计参数还原的研究与实践[D]．西安：西安交通大学博士学位论文，2000
[68] 周昭亮．燃气轮机联合循环电厂运行中IGV角度的控制[J]．燃气轮机技术，1996，9(4)：60～62
[69] GE Power Systems. Gas Turbine and Generator Operation Training Manual[R]. 1998
[70] Cockerill Mechanical Industries s. a. (CMI) . Dragon Bay Heat Recovery Steam Generator—Design Operation and Maintenance Manual, Volume 1 of 10, Section A
[71] GE Power Systems. Steam Turbine Generator Operator Familiarization Training Manual, Volume Ⅱ. 1998
[72] 赵士杭．联合循环机组合理的变工况运行方式[J]．动力工程，1995，15(3)：28～33
[73] 赵士抗．联合循环中余热锅炉与汽轮机的滑压运行[J]．热能动力工程，1992，7(3)
[74] T.S. Kim, H.J. Park, S.T. Ro. Characteristics of transient operation of a dual - pressure bottoming system for the combined cycle power plant[J]. Energy, 2001, 26 (2001): 905 -918
[75] Alejandro Pablo Arena, Romano Borchiellini. Application of different productive structures for thermoeconomic diagnosis of a combined cycle power plant[J]. Int. J. Therm. Sci. , 1999,38(1999): 601-612
[76] Alessandro Franco, Alessandro Russo. Combined cycle plant efficiency increase based on the optimization of the heat recovery steam generator operating parameters[J]. International Journal of Thermal Sciences, 2002, 41(2002): 843-859
[77] B. Seyedan, P. L. Dhar, R. R. Gaur, G. S. Bindra. COMPUTER SIMULATION OF A COMBINED CYCLE POWER PLANTfJ]. Heat Recovery Systems & CHP, 1995, 15(7):619-630
[78] Yousef S.H. Najjar. Efficient use of energy by utilizing gas turbine combined systems[J].Applied Thermal Engineering, 2001, 21(2001): 407-438
[79] TAKAO AKIYAMA, HIROSHI MATSUMOTO, KAZUYASU ASAKURA. DYNAMIC SIMULATION AND ITS APPLICATIONS TO OPTIMUM OPERATION SUPPORT FOR ADVANCED COMBINED CYCLE PLANTS[J]. Energy Convers. Mgmt., 1997, 38(15-17):1709-1723
[80] Doris Saez, Aldo Cipriano. Fuzzy Models Based Economic Predictive Control For a Combined Cycle Power Plant Boiler[C]. Proceedings of the 1999 IEEE International Symposium on Intelligent Control/Intelligent Systems and Semiotics, Cambridge, MA, 1999:417-422
[81 ] Gunnel Sundberg, Dag Henning. Investments in combined heat and power plants: in.uence of fuel price on cost minimised operation[J]. Energy Conversion and Management, 2002,43(2002): 639-650
[82] M. A. Darwish. The cogeneration power-desalting plant with combined syscle: a computer program[J]. Desalination, 2000, 127(2000): 27-45
[83] Alessandro Franco, Claudio Casarosa. On some perspectives for increasing the e.ciency of combined cycle power plants[J]. Applied Thermal Engineering, 2002, 22(2002): 1501 -1518
[84] T.S. Kim, S.T. Ro. Power augmentation of combined cycle power plants using cold energy of liquefied natural gas[J]. Energy, 2000, 25(2000): 841-856
[85] CHIH WU. MAXIMUM OBTAINABLE POWER OF A CARNOT COMBINED POWER PLANT[J]. Heat Recovery Systems & CHP, 1995, 15(4): 351-355
[86] P. K. Nag, D. Raha. THERMODYNAMIC ANALYSIS OF A COAL-BASED COMBINED CYCLE POWER PLANT[J]. Heat Recovery Systems & CHP. 1995, 15(2): 115-129
[87] 姚寿广．动力工程中工质热力性质数据库软件的开发[J]．华东船舶工业学院学报，2000，14(1)：1～5
[88] 王培红，程懋华，司凤琪，郭中华．动力工程中水蒸汽性质的通用计算软件包[J]．能源研究与利用，1996，(1)：24～29
[89] 王培红，贾俊颖，程懋华．水和水蒸汽性质的IAPWS-IF97计算模型[J]．动力工程．2000，20(6)：988～991
[90] 刘志刚，刘咸定，赵冠春．工质热物理性质计算程序的编制及应用[M]．北京：科学出版社，1992
[91] 范作民，傅巽权．热力过程计算与燃气表[M]．北京：国防工业出版社，1987
[92] 陈坚红，盛德仁，渠福来，岑可法，任浩仁．面向对象的燃气热力性质计算程序设计[J]．浙江大学学报(工学版)，2003，37(5)：588～590，622
[93] JOHNSON M S. Prediction of gas turbine on-and off-design performance when firing coal-derived syngas [J]. Journal of Engineering for Gas Turbines and Power, 1992 ,114 (4) :380～385
[94] Dechamps P J, Pirard N, Mathieu P H. Part-Load Oppration of Combined Cycle Plants with and without Supplementary Firing [J]. Journal of engineering for Gas Turbines and Power, Trans. ASME, 1995, 117(3) : 475～483
[95] 赵士杭，吕泽华，孙华祥．双压再热蒸汽循环的IGCC变工况性能[J]．动力工程，2001，21(1)：1156～1160
[96] 段立强，林汝谋，金红光，蔡睿贤．整体煤气化联合循环(IGCC)系统变工况特性[J]．热能动力工程，2001，16(6)：582～590
[97] 向文国，蔡宁生，刘西睡．PFBC-CC系统动态特性仿真的面向对象方法研究[J]．东南大学学报，1999．29(5)：91～95
[98] BOLLAND O, A comparative evaluation of adavanced combined cycle alternatives [J].ASME Journal of Engineering for Gas Turbines and Power, 1991, 113(2): 190～197
[99] 姚挺生，宗卫东，吴来贵等．燃气—蒸汽联合循环余热锅炉的并汽[J]．锅炉技术．1998，(9)：26～28
[100] 应明良．镇海300MW联合循环电站余热锅炉调试问题的探讨[J]．燃气轮机技术，2000，13(3)：47～50
[101] 徐志强，丁达仁，叶道益．GTCC的变工况性能及运行策略[J]．汽轮机技术．1997，39(6)：336～339
[102] 糜洪元．燃气轮机和联合循环发电机组的最佳经济运行[C]．中国电机工程学会燃气轮机发电专业委员会2000年年会论文集，2000，2(3、4)：44～48
[103] T.W. Song, J.L. Sohn, J.H. Kim, T.S.Kim, S.T. Ro. Exergy-based performance analysis of the heavy-duty gas turbine in part-load operating conditions[J]. Exergy, an International Journal 2, 2002, 105～112
[104] 袁永根．过程系统测量数据校正技术[M]．北京：中国石化出版社，1996
[105] 茅冬春，机组负荷在线优化分配技术在闵行电厂的应用[J]．动力工程，2003，23(4)：2608～2611
[106] 宋燕敏，曹荣章．杨争林，胡俊，潘久经，王冬明，李建刚，陈峰．实时电力市场运营的关键技术[J]．电力系统自动化，2003，27(6)：23～26
[107] 丁军威，沈瑜、黄永皓，孟远景，尚金成，夏清，康重庆．AGC辅助服务市场的竞价模式研究[J]．清华大学学报(自然科学版)，2003，43(9)：1191～1194
[108] 武亚光，李卫尔，吴海波，张锐，金钟鹤．柳掉．我国发电侧电力市场中AGC机组的调配框架[J]．电力系统自动化，2003，27(2)：37～41
[109] Jaleeli Nasser, Vanslyck L S, Ewart Donald, et al. Understanding Automatic Generation Control[J].IEEE Tran on Power System, 1992, 7(3): 1106～1122
[110] 石方辿，邻能灵．候志俭．电力市场下AGC机组运行的经济补偿研究[J]．继电器，2003，31(2)：1～4
[111] 郭小红，刘瑞叶．电力市场环境下AGC的仿真研究[J]．继电器，2003，31(5)：71～76
[112] Kumar J, Ng K-H, Sheble G. AGC Simulator for Price-Based Operation[J]. IEEE Tran on Power System, 1997, 12(2)
[113] 桂贤明，李明节．电力市场建立后电网AGC技术改进的探讨[J]．电力系统自动化，2000，24(9)：48～51
[114] 唐跃中．阮前途，李瑞庆．时志雄，周京阳，汪峰．上海电网AGC扩展系统的原理与应用[J]．中国电力，1999，32(3)：19～23
[115] 陈世惠，张艳冰．火电厂实现厂级生产过程自动化的分析与探讨[J]．内蒙古电力技术，2002．20(1)：20～22
[116] 江凡．自动发电控制及其应用[J]．福建电力与电工，1996，16(4)：8～11
[117] 于尔铿，刘广一，周京阳等．能量管理系统(EMS)[M]．北京：科学出版社，1998
[118] 骆济寿，张川．电力系统优化运行[M]．武汉：华中理工出版社，1990
[119] Elsag Bailey Process Automation. The INFI 90 OPEN Electronic Documentation[R].Bailey Ltd.
[120] 罗刚，乞建勋．对目前电力系统规划研究的思考[J]．现代电力，2002．19(2)：83～89
[121] G. Gross, F. D. Galiana. Short-Term Load Forecasting[J]. Proc. Of the IEEE, 1987,75(12):1558～1573
[122] A. Khotanzad, M. H. Davis, A. Abayeetal. An Artificial Nenral Network Hourly Temperature Forecasting with Applications in Load Forecasting[J]. IEEE Tran. on Power System. 1996,11(2):870～876
[123] P.K. Dash. A. C. Liew, G. Ramakrishna. Power-Demand Forecasting Using a Neural Network with an Adaptive Leaning Algorithm[J]. IEE Proc. Gener-Trans. Distrib, 1995, 142(6):560～568
[124] D. Srinivasan, C. S. Chang. A. C. Liew. Demand Forecasting Using Fuzzy Neural Computation, with Special Emphasis on Weekend and Public Holiday Forecasting[J]. IEEE Tran. on Power System. 1995, 10(4):1897～1903
[125] Kwang-Ho. Kim. Jong-Keun. Park. Kab-Ju. Hwang et al. Implementation of Hybird Short-Term Load Forecasting System Using Artificial Neural Networks and Fuzzy System[J].IEEE Trans. On Power System. 1995. 10(3):1534～1539
[126] Ranaweera D K, Hubbele N F. Papalexopoulos A D. Application of radial basis function neural network model for short-term load forecasting[J], IEE Proc-Gener Trans Distrib, 1995,142(1):45～50
[127] Piras A, Buchenel B, Jaccard Y. Heterogeneous artificial neural network for short-term electrical load forecasting [J]. IEEE Trans on Power System, 1996, 11(1) :397～402
[128] Rahman S, Bhatnagar R. An expert system based algorithm for short-term load forecast [J]. IEEE Trans on Power System, 1998,3(2) :392～399
[129] Lee F N. Short-term unit commitment-a new method[J]. IEEE Transaction on Power Apparatus and Systems. 1980, 99(2): 421～428
[130] Snyder W L, Powell H D Jr, Rayburn J C. Dynamic Programming approach to unit commitment[J]. IEEE Transaction on Power Apparatus Systems, 1987, 2(2): 339～350
[131] Dillon T S, et al. Integer programming approach to the problem of unit commitment with probabilistic reserve determination[J]. IEEE Transaction on Power Apparatus and Systems, 1978, 97(6): 2154～2166
[132] Zhuang F, Galiana F D. Towards a more rigorous and practical unit commitment by lagrangian relaxation[J]. IEEE Transactions on Power Systems, 1988, 3(2): 763～773
[133] 韩学山，柳焯．考虑发电机组输出功率速度限制的最优机组组合[J]．电网技术，1994．18(6)：11～15
[134] 唐巍，李殿璞．电力系统经济负荷分配的混沌优化方法[J]．中国电机工程学报，2000，20(10)：36～40
[135] 杨丹，施金业，刘思泽．并行加工系统中的负荷分配模型及启发式算法[J]．重庆大学学报(自然科学版)，1996，19(6)：73～78
[136] 侯云鹤，熊信良，吴耀武，鲁丽娟．基于广义蚁群算法的电力系统经济负荷分配[J]．中国电机工程学报，2003，23(3)：59～64
[137] Rabin A Jabr. Alun H Coonick. Brian J Cory. A homogenous linear programming algorithm for the security constrained economic dispatch problem[J]. IEEE Trans on PS,2000. 15(3): 930～936
[138] Fan Jiyuan, Zhang Lan. Real-time economic dispatch with line flow and emission constrains using quadratic programming[J]. IEEE Trans on PS, 1998, 13(2): 320～325
[139] Nanda J, Hari Lakshman. Kothari M L. Economic emission load dispatch with line flow constrains using a classical technique[J], IEE Proc-Gener. Transm. Distrib, 1994, 141(1):1～10
[140] 王剑奇，张伯明．赵丁臣．动态比较法确定机组的最优组合[J]．中国电机工程学报，1996，16(4)：254～256
[141] 李卫东，吴海波，武亚光，张锐，金钟鹤．电力市场下AGC机组调配的遗传算法[J]．电力系统自动化，2003．27(15)：20～24
[142] Holland J H. Adaptation in naturation in natural and artificial systems[M]. MI: The University of Michigan Press, 1975
[143] Goldberg D. E. Genetic Algorithm in Search, Optimization and Machine Learning[M].MA: Addison-Wesley Publishing Company, 1989
[144] Holland J H. Outline for a Logic Theory of Adaptive System[J]. Journal of the Association for Computing Machinery, 1962, 9(3) : 297～314
[145] Fogel L. J., Owens A. J., Walsh M. J. Artificial intelligence through simulated evolution[M]. New York: John Wiley & Sons, 1966
[146] Bagley J. D. The behavior of adaptive systems which employ genetic and correlation algorithms[D]. Doctoral dissertation, University of Michigan, 1967
[147] 周明．孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社．1999
[148] 王小平．曹立明．遗传算法——理论、应用与软什实现[M]．西安：西安交通大学出版社，2002
[149] Goldberg D. E. Computer-aided gas pipeline operation using genetic algorithm and rule learning[D]. Department of Civil Engineering, University of Michigan, 1983
[150] 李敏强，寇纪淞，林丹等．遗传算法的基本理论与应用[M]．北京：科学出版社，2002
[151] De Jong K. A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems[D]. University of Michigan, No. 76-9381, 1975
[152] 孟炳泉，孙方裕．基于最优保存和自适应性的混合遗传算法[J]．高等学校计算数学学报，2002，(3)：244～253
[153] 江瑞，岁予频．胡东成．司徙国业．一种基于种群熵估计的自适应遗传算法[J]．清华大学学报(自然科学版)，2002，42(3)：358～361
[154] 张明辉．王尚锦．自适应搜索的改进遗传算法及其应用[J]．西安交通大学学报，2002，36(3)：226～230
[155] 陈长征．王楠．遗传算法中交叉和变异概率选择的自适应方法及作用机理[J]．控制理论与应用，2002．19(1)：41～43
[156] 周北岳．郭观七．引入适麻值曲面结构的小生境遗传算法初探[J]．岳阳师范学院学报(自然科学版)，2002．15(1)：59～62
[157] 扬红红，吴智铭．基于自适应遗传算法的柔性动态调度研究[J]．中国机械工程，2002，13(21)：1845～1848
[158] 王蕾．沈庭芝，招扬．一种改进的自适应遗传算法[J]．系统工程与电子技术，2002，24(5)：75～78
[159] 高山，单渊达．遗传算法在机组启停中的应用及改进[J]．东南大学学报(自然科学版)，2000．30(3)：1～7
[160] 余建坤，张文彬，陆玉吕．遗传算法及其应用[J]．云南民族学院学报(自然科学版)，2002，11(4)：193～197
[161] Kazarlis S A, Bakirtzis A G, Petridis V. A Genetic Algorithm Solution to the Unit Commitment Problem[J]. IEEE Trans on PWRS, 1996, 11(1)
[162] Maifeld T T, Shebl(?) G B. Genetic-Based Unit Commitment[J]. IEEE Trans on PWRS, 1996, 11(3)
[163] Sheble G B, Maifeld T T, Brittig K, et al. Unit Commitment by Genetic Algorithm with Penalty Methods and a Comparison of Lagrangian Search and Genetic Algorithm-Economic Dispatch Example[J]. Electrical Power & Energy Systems, 1996, 18(6)
[164] Srinivasan D, Tettamanzi A. Heuristics-Guided Evolutionary Approach to Multi-Objective Generation Scheduling[J]. IEE Proceedings Generation, Transmission and Distribution, 1996, 143(6)
[165] Yang H T, Yang P C, Huang C L. A Parallel Genetic Algorithm Approach to Solving the Unit Commitment Problem: Implementation on the Transputer Networks[J]. IEEE Trans on PWRS, 1997, 12(2)
[166] Wong K P, Wong Y W. Hybrid Genetic/Simulated Annealing Approach to Short-Term Multiple-Fuel-Constrained Generation Scheduling[J]. IEEE Trans on PWRS, 1997, 12(2)
[167] 韦柳涛，曾庆川，姜铁兵等．启发式遗传基因算法及其在电力系统机组组合优化中的应用[J]．中国电机工程学报．1994，14(2)：67～72
[168] 蔡超豪，蔡元宇．机组优化组合的遗传算法[J]．电网技术，1997，21(1)：44～47
[169] 赖一飞，裴金勇等．基于遗传算法的机组优化组合的应用研究[J]．中国管理科学，2000．8(2)：28～32
[170] 高山，单渊达．遗传算法搜索优化及其在机组启停中的应用[J]．中国电机工程学报，2001，21(3)：45～48
[171] 李卫东，吴海波，武亚光，张锐，金钟鹤．电力市场下AGC机组调配的遗传算法[J]．电力系统自动化，2003，27(15)：20～24
[172] 侯云鹤，熊信良，吴耀武，鲁丽娟．基于广义蚁群算法的电力系统经济负荷分配[J]．中国电机工程学报．2003，23(3)：59～64
[173] 武翰，吕鹏飞．刘观起，盛四清．基于广义蚁群算法的电力系统经济负荷分配[J]．黑龙江电力．2003，25(1)：19～22
[174] 李洪斌，季承军．周燕屏．一种实用的水电厂机组启停与负荷分配模型[J]．水电自动化与大坝监测，2003．27(2)：1～4
[175] Srinivas M. Patnaik L. M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithm[J]. IEEE Trans. on System, Man and Cybernetics, 1994, 24(4) : 656～667
[176] 张明辉，王尚锦．自适应搜索的改进遗传算法及其应用[J]．西安交通大学学报，2002，36(3)：226～230
[177] 扬晓华，陆桂华，郦建强．自适应加速遗传算法及其在水位流量关系拟合中的应用[J]．水文，2002，22(2)：14～18
[178] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社．2001
[179] 王永富，李小平，柴天佑，谢书明．转炉炼钢动态过程预设定模型的混合建模与预报[J]．东北大学学报(自然科学版)，2003，24(8)：715～718
[180] 吕舒平，边信黔，施小成．王新鹏．水下机器人动力定位中的海流及不平衡力估计 [J]．哈尔滨工程大学学报．2000，21(3)：34～38
[181] 陈晓东，王子才．锅炉过热器系统的动态仿真模型[J]．热能动力工程，2000，15(5)：276～297
[182] 刘浩．张春路，丁国良．结合人工神经网络的冷凝器稳态分布参数模型[J]．上海交通大学学报，2000．34(9)：1187～1190
[183] 刘斌，刘思峰，党耀国．基于灰色系统理论的时序数据挖掘技术[J]．中国工程科学，2003，5(9)：32～35
[184] 韩璞，王东风，翟永杰．基于神经网络的火电厂烟气含氧量软测量[J]．信息与控制，2001，30(21：189～192
[185] Parlos A G. Application of the recurrent multiplayer perceptron in modeling complex process dynamics[J]. IEEE Trans on Neural Networks, 1994, 5(2) : 255～266
[186] Zhang J, Morris A J. Recurrent neuro-fuzzy networks for nonlinear process modeling[J]. IEEE Trans on Neural Networks, 1999, 10(2) : 313～325
[187] Guillaume S. Designing fuzzy inference systems from data: an interpretability-oriented review[J]. IEEE Trans on Fuzzy Systems. 2001.9(3) : 426～442
[188] 吴小明，邱家驹，张国江，蔡建颖．软计算方法和数据挖掘理论在电力系统负荷预测中的应用[J]．电力系统及其自动化学报，2003，15(1)：1～5
[189] 卢勇，徐向东，陈明．数据挖掘技术在热电厂过程控制与优化中的应用研究[J]．电站系统工程，2003，19(2)：48～50
[190] 黄解军．潘和平，万幼川．数据挖掘的体系框架研究[J]．计算机应用研究，2003，(5)：1～3
[191] 张华．张有仁．基于任务驱动的数据挖掘系统[J]．微型电脑应用，2001．17(11)：33～36
[192] 江浩，徐治皋．电站运行优化决策支持系统及优化值的确定[J]．动力工程，2003，23(3)：2480～2484
[193] 徐强，何小荣，陈丙珍．FCC油品质量指标智能监测系统的数据挖掘与修正技术[J]．计算机与应用化学，2000，17(3)：210～214
[194] 钟波，肖智，李勇，张志恒．一种基于遗传算法的数据预处理组合方法[J]．西南师范大学学报(自然科学版)．2002．27(4)：497～500
[195] Wang X Z. Automatic classification for mining process operational data[J]. Ind. Eng. Chem. Res., 1998, 37 : 2215～2224
[196] Tony Ogilvie, B W Hogg. Use of Data Mining Techniques in the Performance Monitoring and Optimization of a Thermal Power Plant[C]. IEEE Colloquium on Knowledge Discovery and Data Mining. 1998
[197] CHEN Jianhong, REN Haoren. SHENG Deren, LI Wei. DATA-MINING MASSIVE REAL-TIME DATA IN A POWER PLANT: CHALLENGES, PROBLEMS AND SOLUTIONS[J].浙江大学学报 (英文版), 2002, 3(5): 538～542
[198] Prasad G. B W Hogg. A neural net based multivariable long-range predictive control strategy applied in thermal power plant control[J]. IEEE Trans Energy Conversion, 1998, 13: 176～182
[199] Peter Eserin. Application of CAV to the Dynamical Modeling and Control of Drum Level in an Industrial Boiler[C]. Proceedings of the American Control Conference, 1999
[200] K S Narendra. Adaptive control using multiple models[J]. IEEE Trans Automatic Control, 1997, 42: 171～187
[201] 施惠吕．基于函数链神经网络的传感器建模[J]．上海大学学报(自然科学版)．1999，5(6)：560～564
[202] 罗旭光，万百五．一种基于神经元的自适应模糊推理网络[J]．模糊系统与数学，1998，12(4)：26～33
[203] 朱群雄，麻德贤．神经网络过程模型辨识[J]．化工学报．1997，48(5)：547～552
[204] 王庆超，岑小锋．一种基于模糊机理模型的混合建模方法[J]．宇航学报，2001，22(6)：45～49
[205] 陈晓东，马广富．王子才．改进的Elman网络与机理模型的互补建模方法[J]．系统仿真学报．1999，11(2)：97～100
[206] 杨杰，胡英．全勇．结合数据融合和数据挖掘技术的信息智能处理平台[J]．高技术通讯．2003，(1)：57～61
[207] Prasad K.D.V. Yarlagadda, Cobby Ang Teck Khong. Development of a hybrid neural network system for prediction of process parameters in injection moulding [J]. Journal of Materials Processing Technology. 2001. 118: 110～116
[208] 吴浩扬，朱长纯，常炳国，刘君华．基于种群过早收敛程度定量分析的改进自适应遗传算法[J]．西安交通大学学报．1999，33(11)：27～30，70
[209] 胡峰松，林亚平．熊仲宁，刘朝辉．半确定性的遗传算法[J]．湖南大学学报(自然科学版)，2002，29(5)：115～120
[210] 陈峻．陈云霞，沈洁，秦玲．器官遗传算法[J]．计算机工程．2002．28(9)：34～36
[211] 郭晨海．谢俊，刘军，马履中．连续非线性规划的猴王遗传算法[J]．江苏大学学报(自然科学版)，2002，23(4)：87～90
[212] 饶进军，包忠湖，黄菊花．一种高效综合的遗传算法[J]．南昌大学学报(工科版)，2002．24(1)：1～5
[213] 方世清，李传国，张弋力，查嵘．自动发电控制机组在电网一次调频中的应用研究[J]．中国电力，2003，38(6)：65～67
[214] 胡剑辉，林汝谋．联台循环中蒸汽底循环系统稳态全工况特性模型及计算分析[J]．工程热物理学报．1997，18(3)：277～280
[215] 美国GE公司．GT Pro软件计算结果文件[R]．美国GE公司
[216] 浙江省电力试验研究所．温州龙湾燃机工程二号燃机主机系统调试报告[R]．逐浙江省电力试验研究所．1998，(7)
[217] 董学育．胡华进，徐治皋．电站性能分析采样数据的可靠性检验方法[J]．动力工程，1998，18(2)：16～19，74
[218] 王秀萍，荣冈，王树青．先进控制技术及应用 第二讲 过程数据校正技术[J]．化工自动化及仪表．1999，26(3)：62～67
[219] T.W. Karjala, D. M. Himmelblau, R. Miikkulainen. Data Rectification uing Recurrent (Elman) Neural Networks [J]. IEEE, 1992(2): 901～906
[220] Ashish Singhal, Dale E.Seborg. Dynamic Data Rectification Using the Expectation Maximization Algorithm[J]. AIChE Journal, 2000,46(8): 1556～1565
[221] 张世铮．燃气热力性质的数学公式表示法[J]．工程热物理学报．1980，1(1)：10～16
[222] 郁文贤．雍少为，郭桂蓉．多传感器信息融合技术述评[J]．国防科学技术大学学报．1994，16(3)：1～11
[223] Chang Charles C, Kai Tai Song. Ultrasonic Sensor Data Integration and Its Application to Environment Perception[J]. Journal of Robotic System, 1996, 13(10) : 663～677
[224] 李贻斌，刘明，周风余，李彩虹，苏学成．移动机器人多超声波传感器信息融合方法[J]．系统工程与电子技术，1999，21(9)：55～57
[225] Shang-Liang Chen, Y.W.Jen. Data fusion neural network for tool condition monitoring in CNC milling machining[J]. International Journal of Machine Tools & Manufacture, 2000,40: 381～400
[226] James Llines, Edward Waltz. Multisensor Data Fusion[M]. Anech House Boston,London, 1990
[227] 章燕中．最优估计与工程应用[M]．北京：宇航出版社，1991
[228] 曾秋成．技术数理统计方法[M]．安徽：安徽科学技术出版社，1982
[229] 杨位钦，顾岚．时间序列分析与动态数据建模[M]．北京理工大学出版社．1988
[230] 张尧庭，方开泰．多元统计分析引论[M]．科学出版社，1982
[231] SATNAM ALAG, ALICE M. AGOGINO, MAHESH MORJARIA. A methodology for intelligent sensor measurement, validation, fusion, and fault detection for equipment monitoring and diagnostics[J]. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 2001, 15:307～320
[232] 朱庆保．用于传感器非线性误差校正的新颖神经网络[J]．软件学报，1999，10(12)：1298～1303
[233] 朱庆保，陈蓁，提高小脑模型神经网络精度的算法及仿真应用[J]．软件学报，2000，11(1)：133～137
[234] 朱庆保．智能检测仪器非线性误差神经网络校正研究[J]．仪器仪表学报，2000．21(5)：516～519
[235] 朱庆保．外圆磨削在线无损测控方法研究[J]．计量学报，2001，22(3)：174～177
[236] Kit Po Wong, Suzannah, Yin Wa Wong. COMBINED GENETIC ALGORITHM / SIMULATED ANNEALING / FUZZY SET APPROACH TO SHORT-TERM GENERATION SCHEDULING WITH TAKE-OR-PAY FUEL CONTRACT[J]. IEEE Transactions on Power Systems, 1996, 11(1) : 128～136
[237] S.A. Kazarlis, A.G. Bakirtzis, V. Petridis. A GENETIC ALGORITHM SOLUTION TO THE UNIT COMMITMENT PROBLEM[J]. IEEE Transactions on Power Systems, 1996,11(1) : 83～89
[238] S.O. Orero, M.R. Irving. A combination of the genetic algorithm and Lagrangian relaxation decomposition techniques for the generation unit commitment problem[J]. Electric Power System Research, 1997, 43 : 149～156
[239] Subir Sen, D P Kothari. Optimal thermal generating unit commitment: a review[J]. Electrical Power & Energy Systems, 1998, 20(7) : 443～451
[240] N.P. Padhy. Unit commitment using hybrid models: a comparative study for dynamic programming, expert system, fuzzy system and genetic algorithms[J]. Electrical Power and Energy Systems, 2000, 23 : 827～836
[241] Gerald B. Sheble, Timothy T. Maifeld. Unit commitment by genetic algorithm and expert system[J]. Electrical Power Systems Research. 1994, 30: 115 - 121
[242] Tim T. Maifeld, Gerald B. sheble. GENETIC-BASED UNIT COMMITMENT ALGORITHM[J]. IEEE Transactions on Power Systems, 1996, 11(3): 1359-1370
[243] C.-P. Cheng, C.-W. Liu, C-C. Liu. Unit commitment by annealing-genetic algorithm[J]. Electrical Power and Energy Systems, 2002, 24 : 149~158