量子计算在火电机组优化控制中的应用综述

华电技术 ›› 2020, Vol. 42 ›› Issue (8): 90-96.

• 创新与探索 • 上一篇

量子计算在火电机组优化控制中的应用综述

1. 新能源电力系统国家重点实验室（华北电力大学），北京 102206；2. 中国华电集团天津公司，天津 300203；
3. 华电国际电力股份有限公司天津开发区分公司，天津 300270

出版日期:2020-08-25 发布日期:2020-09-01

Review on the application of quantum computing in optimization control on thermal power units

1.State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources（North China
Electric Power University），Beijing 102206，China；2.Tianjin Company，China Huadian
Corporation Limited，Tianjin 300203，China；3.Tianjin Development Area Branch，
Huadian Power International Corporation Limited，Tianjin 300270，China

Online:2020-08-25 Published:2020-09-01

摘要/Abstract

摘要： 量子计算及其衍生算法近年来快速发展，成为优化领域和人工智能领域的研究热点。随着我国电力行业
清洁化和智能化的发展，量子计算逐渐应用于火电机组优化控制领域并取得了诸多成效。介绍了量子计算的基本
理论，详细论述了众多量子衍生算法在火电机组优化控制领域中的应用研究进展。从量子群智能优化算法、量子
遗传算法和量子机器学习算法等多个角度综述了量子计算在火电机组优化控制领域的机遇与挑战。最后总结并
展望了量子计算未来在火电机组优化控制领域的发展趋势。

关键词: 量子计算, 量子衍生算法, 火电机组, 优化控制, 智能算法, 人工智能

Abstract: Quantum computing and its inspired algorithms have developed rapidly in recent years，and have become the hot
spot in optimization and artificial intelligence fields. With the clean and intelligent development of China's electric power
industry，quantum computing has gradually been being applied in the optimization control on thermal power units and has
obtained certain achievements.Starting by a brief introduction to quantum computing basic theory，the progress of quantum-
inspired algorithm in optimization control on thermal power units is expounded in details. The opportunities and challenges
of quantum computing in this field is analyzed from multiple aspects including the quantum swarm intelligence optimization
algorithm，the quantum genetic algorithm and machine learning algorithm. At last，the prospects of quantum computing in
the optimization control on thermal power units are summarized.

Key words: quantum computing, quantum-inspired algorithm, thermal power plant, optimization control on units,
intelligence algorithm, AI

高明明, 杨磊, 于浩洋, 张洪福, 刁友锋, 宋珺琤 . 量子计算在火电机组优化控制中的应用综述[J]. 华电技术, 2020, 42(8): 90-96.

GAO Mingming, YANG Lei, YU Haoyang, ZHANG Hongfu, . Review on the application of quantum computing in optimization control on thermal power units[J]. Huadian Technology, 2020, 42(8): 90-96.

[1]	彭占磊, 杨之乐, 杨文强, 李慷. 电化学储能参与电力系统规划运行方法综述[J]. 综合智慧能源, 2022, 44(6): 37-44.
[2]	闫新春, 曹欢, 华云鹏. 基于人工智能的锅炉受热面管壁温度预测[J]. 综合智慧能源, 2022, 44(3): 58-62.
[3]	张兴科, 魏朝阳, 王康平, 田浩, 缪鹏飞, 周霞, 魏聪. 面向高比例光伏并网的火电爬坡压力缓解策略[J]. 综合智慧能源, 2022, 44(1): 1-8.
[4]	杨冬梅, 何国鑫, 朱金大, 王琦, 耿健, 王俊, 李宁. 边缘计算在综合能源系统运行控制中的应用[J]. 综合智慧能源, 2022, 44(1): 49-55.
[5]	韩旭东. 基于数据驱动的火电机组高压加热系统异常检测研究[J]. 华电技术, 2021, 43(8): 67-73.
[6]	王程, 崔维平, 高洪达, 贺鹏, 刘睿, 刘键烨, 陈光, 李心达. 区块链技术在能源数字经济中的应用研究[J]. 华电技术, 2021, 43(5): 23-29.
[7]	彭维珂, 聂椿明, 陈衡, 徐钢. 基于智能算法的空冷火电机组负荷预测研究[J]. 华电技术, 2021, 43(3): 57-64.
[8]	陈健勇, 李浩, 陈颖, 赵军. 空气源热泵空调技术应用现状及发展前景[J]. 华电技术, 2021, 43(11): 25-39.
[9]	崔博洋, 王永林, 王云, 孙大平, 王桦. 基于长短期记忆神经网络的吸收塔pH值预测模型[J]. 华电技术, 2020, 42(9): 32-36.
[10]	鄢晶, 高天露, 张俊, 王旭 . 边云链协同技术在能源互联网数据管理中的应用及展望[J]. 华电技术, 2020, 42(8): 41-47.
[11]	曹建宗 1，林宸雨 2，陈文通 1，刘琦 2，周权 2，要亚坤 1，樊帅军 2，马彩妮 2，马双忱 2*. 现代预测和优化算法在脱硫系统运行中的应用[J]. 华电技术, 2020, 42(3): 59-66.
[12]	吴汉栋 1，赵春黎 1，2，彭尊 3. 中国燃煤火电机组碳氧化因子测算方法及规律性分析[J]. 华电技术, 2020, 42(3): 67-71.
[13]	王凤，周铁梁. 基于大数据的大型装备全生命周期管理研究[J]. 华电技术, 2020, 42(2): 12-16.
[14]	张尹路 , 李文甲 , 康利改 . 智慧供热在分布式燃气供热中的应用与优化提升[J]. 华电技术, 2020, 42(11): 14-20.
[15]	胡雪, 杨俊红, 刘德朝, 史鑫钰, 崔棉善 . 基于人工智能与热力系统融合的综合节能[J]. 华电技术, 2020, 42(11): 21-33.

量子计算在火电机组优化控制中的应用综述

Review on the application of quantum computing in optimization control on thermal power units

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价