FO-DP算法的寶興河梯級(jí)水電站短期優(yōu)化調(diào)度研究

在市場(chǎng)環(huán)境中系統(tǒng)電價(jià)和負(fù)荷一定的情況下,將效益最大化作為系統(tǒng)優(yōu)化準(zhǔn)則,運(yùn)用水資源價(jià)值系數(shù)、設(shè)備運(yùn)行費(fèi)、折舊費(fèi)及其他費(fèi)用等成本因素,建立分時(shí)電價(jià)梯級(jí)水電站短期優(yōu)化調(diào)度模型;構(gòu)造了求解該模型的層結(jié)構(gòu)蟻群算法,采用啟發(fā)式規(guī)則解決解的多樣性和機(jī)組啟停問(wèn)題,采用精英策略節(jié)約計(jì)算內(nèi)存和優(yōu)化時(shí)間。最后,運(yùn)用我國(guó)西南地區(qū)某梯級(jí)流域中三個(gè)連續(xù)水電站的數(shù)據(jù)建立了調(diào)度模型并運(yùn)用層結(jié)構(gòu)算法進(jìn)行仿真;并從理論方面分析了仿真結(jié)果中的每一個(gè)變化,對(duì)精英區(qū)大小的選擇作了討論,分析表明仿真結(jié)果與理論分析保持一致,說(shuō)明建立的模型是合理的,提出的方法是可行而有效的。

提出一種求解梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過(guò)程來(lái)尋找梯級(jí)水電站中長(zhǎng)期最優(yōu)調(diào)度計(jì)劃。算法把問(wèn)題解抽象為螞蟻路徑,利用狀態(tài)轉(zhuǎn)移、信息素更新和鄰域搜索以獲取最短路徑即最優(yōu)解。實(shí)例計(jì)算結(jié)果表明,算法可以求解具有復(fù)雜約束條件的非線性梯級(jí)優(yōu)化調(diào)度問(wèn)題。算法求解精度高、收斂速度快,為解決梯級(jí)水電站中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了一種有效的方法。

建立了梯級(jí)水電站短期周優(yōu)化調(diào)度的梯級(jí)蓄能最大模型,在此基礎(chǔ)上采用動(dòng)態(tài)搜索算法對(duì)其進(jìn)行求解。通過(guò)嚴(yán)密的理論推導(dǎo)和詳盡的實(shí)例分析探討了流域梯級(jí)電站負(fù)荷最優(yōu)分配規(guī)律。梯級(jí)電站負(fù)荷最優(yōu)分配主要由梯級(jí)水庫(kù)的區(qū)間入流關(guān)系和水庫(kù)特性決定,其結(jié)論可指導(dǎo)流域梯級(jí)電站優(yōu)化運(yùn)行,為集控中心調(diào)度和指導(dǎo)實(shí)際應(yīng)用提供參考。調(diào)度決策者尚需根據(jù)本文的研究方法針對(duì)本流域和電站的特性制定符合自身的最優(yōu)調(diào)度規(guī)則。

鑒于梯級(jí)水電站優(yōu)化運(yùn)行的高復(fù)雜度、強(qiáng)非線性、多約束等特點(diǎn),構(gòu)建了基于峰谷分時(shí)電價(jià)下的梯級(jí)水電站日最大發(fā)電效益模型。針對(duì)遺傳算法(ga)等傳統(tǒng)智能算法對(duì)復(fù)雜模型求解易陷入局部最優(yōu)的問(wèn)題,提出一種水循環(huán)算法(wca)與水位廊道約束耦合、降低約束復(fù)雜度、規(guī)范尋優(yōu)空間的方法,并以湖北某梯級(jí)短期優(yōu)化調(diào)度為背景進(jìn)行建模仿真,將計(jì)算結(jié)果分別與ga和粒子群算法(pso)所得結(jié)果進(jìn)行比較。實(shí)例研究表明,wca計(jì)算的總效益在豐、平、枯典型日分別比ga和pso計(jì)算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強(qiáng),為解決梯級(jí)水電站優(yōu)化調(diào)度問(wèn)題提供了新思路。

電網(wǎng)負(fù)荷需求量隨著氣候、環(huán)境的變化而變化,在很大程度上存在著不確定性,而目前制定的發(fā)電計(jì)劃都是根據(jù)以往的經(jīng)驗(yàn)進(jìn)行制定的,給出的計(jì)劃出力與實(shí)際負(fù)荷水平存在較大的偏差。由于存在偏離發(fā)電計(jì)劃的偏差,如果單純地按照發(fā)電計(jì)劃發(fā)電,會(huì)導(dǎo)致電能的不平衡,從而影響電網(wǎng)的正常運(yùn)行。為了描述這種偏差,采用模糊集理論來(lái)描述負(fù)荷的不確定性,構(gòu)建了一個(gè)基于模糊負(fù)荷的梯級(jí)水電站發(fā)電耗水量最小的短期優(yōu)化調(diào)度數(shù)學(xué)模型,利用模糊區(qū)間的概念來(lái)研究不同模糊置信水平下梯級(jí)水電站的優(yōu)化調(diào)度問(wèn)題。同時(shí)研究入庫(kù)徑流量、發(fā)電耗水量、棄水量、水頭變化等因素,全面考慮蓄水量、棄水量、發(fā)電流量、發(fā)電水頭之間的關(guān)系及其對(duì)水電站正常運(yùn)行的影響,以及各級(jí)水電站間的相互影響,用二次曲線表達(dá)式描述水電站水頭特性關(guān)系,既能準(zhǔn)確描述水電站水庫(kù)特性,又能減少優(yōu)化問(wèn)題的決策變量個(gè)數(shù),提高求解效率。最后以一個(gè)三級(jí)水電站為例,通過(guò)遺傳算法求解所建模型,利用置信區(qū)間的概念分析負(fù)荷在不同置信水平下的優(yōu)化情況,結(jié)果表明了所建優(yōu)化調(diào)度數(shù)學(xué)模型的正確性和可行性。

梯級(jí)水電站優(yōu)化調(diào)度對(duì)于增加系統(tǒng)發(fā)電量,降低耗水率,充分利用流域水能資源,提高整個(gè)梯級(jí)水電站群的經(jīng)濟(jì)效益和運(yùn)行水平具有重要意義。建立\"一庫(kù)多級(jí)\"梯級(jí)水電站群短期優(yōu)化調(diào)度模型,研究采用逐步優(yōu)化算法(poa算法)進(jìn)行模型求解的方法和步驟,在此基礎(chǔ)上開(kāi)發(fā)調(diào)度軟件,并以金溪流域梯級(jí)電站群為例對(duì)算法實(shí)際應(yīng)用效果進(jìn)行分析。研究結(jié)果表明,采用poa算法能夠有效提高水電站發(fā)電量3%以上,且poa算法具有易于計(jì)算機(jī)程序?qū)崿F(xiàn)的特點(diǎn),在水電站自動(dòng)優(yōu)化調(diào)度方面具有較大優(yōu)勢(shì)。

如今，廣大民眾對(duì)能源的需求量越來(lái)越高，但是我國(guó)的能源可用量卻越來(lái)越少，在這種情況下，對(duì)水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢(shì)在必行的。其實(shí)，梯級(jí)水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關(guān)注．而本研究就將針對(duì)“梯級(jí)水電站優(yōu)化調(diào)度模型與算法研究”這一主題進(jìn)行詳細(xì)的闡述，使廣大民眾對(duì)這方面的內(nèi)容有一個(gè)更加全面且深入的了解。

如今，廣大民眾對(duì)能源的需求量越來(lái)越高，但是我國(guó)的能源可用量卻越來(lái)越少，在這種情況下，對(duì)水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢(shì)在必行的。其實(shí)，梯級(jí)水電站優(yōu)化調(diào)度已經(jīng)得到了廣大民眾的普遍關(guān)注．而本研究就將針對(duì)“梯級(jí)水電站優(yōu)化調(diào)度模型與算法研究”這一主題進(jìn)行詳細(xì)的闡述，使廣大民眾對(duì)這方面的內(nèi)容有一個(gè)更加全面且深入的了解。

進(jìn)入二十一世紀(jì)以來(lái)，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來(lái)越舒適、便捷的同時(shí)，隨之而來(lái)的一系列問(wèn)題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國(guó)水電企業(yè)模型的改革，因?yàn)橹挥懈母锊拍苓m應(yīng)時(shí)代的變化，才能解決日益嚴(yán)峻的能源形勢(shì)。下面，我們將主要分析一下目前我國(guó)梯級(jí)水電站優(yōu)化調(diào)度模型與算法。

進(jìn)入二十一世紀(jì)以來(lái)，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來(lái)越舒適、便捷的同時(shí)，隨之而來(lái)的一系列問(wèn)題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國(guó)水電企業(yè)模型的改革，因?yàn)橹挥懈母锊拍苓m應(yīng)時(shí)代的變化，才能解決日益嚴(yán)峻的能源形勢(shì)。下面，我們將主要分析一下目前我國(guó)梯級(jí)水電站優(yōu)化調(diào)度模型與算法。

選取梯級(jí)發(fā)電量最大模型,采用具有精度高、收斂快的大系統(tǒng)分解協(xié)調(diào)算法對(duì)模型進(jìn)行求解,以烏江梯級(jí)電站為例,通過(guò)對(duì)流域不同頻率來(lái)水情況的發(fā)電量進(jìn)行計(jì)算,進(jìn)而總結(jié)了烏江梯級(jí)電站短期優(yōu)化調(diào)度的發(fā)電規(guī)律,為短期調(diào)度計(jì)劃的制定提供了決策指導(dǎo)。

在傳統(tǒng)水電站調(diào)度模式下，由于電價(jià)固定不變，水電站調(diào)度模式的目的是尋求發(fā)電量的最大化，以提高效益。然而在市場(chǎng)競(jìng)價(jià)環(huán)境下，電價(jià)會(huì)隨著市場(chǎng)的變化而發(fā)生波動(dòng)，因此，水電站的調(diào)度模式轉(zhuǎn)變?yōu)橐垣@得盡可能多的利潤(rùn)為最終目標(biāo)。市場(chǎng)的不確定性提升了發(fā)電公司報(bào)價(jià)決策的難度。與火電廠有所不同，水電站不同時(shí)段的發(fā)電能力會(huì)有所差異，因此，其競(jìng)價(jià)策略十分復(fù)雜。隨著競(jìng)價(jià)策略復(fù)雜性的提升，梯級(jí)水電站短期優(yōu)化調(diào)度的難度也有所增加，增強(qiáng)對(duì)市場(chǎng)競(jìng)價(jià)下梯級(jí)水電站短期優(yōu)化調(diào)度的研究就顯得尤為重要。

基于西江公司水調(diào)自動(dòng)化系統(tǒng),探討研究其所屬的梯級(jí)貴港和桂平2座水電站短期優(yōu)化聯(lián)合調(diào)度,建立了梯級(jí)發(fā)電量最大模型和考慮調(diào)峰約束模型,介紹了\"離散微分動(dòng)態(tài)規(guī)劃(dddp)算法\"的求解方法,并利用該方法進(jìn)行了具體實(shí)例計(jì)算,深入分析了枯、平、豐3種不同流量的來(lái)水日下發(fā)電量最大模型的優(yōu)化結(jié)果和考慮調(diào)峰約束的影響,為公司梯級(jí)水電站合理安排負(fù)荷分配提供一定的借鑒。

梯級(jí)水電站中長(zhǎng)期經(jīng)濟(jì)調(diào)度是一個(gè)典型非線性優(yōu)化問(wèn)題，通常要求在滿足復(fù)雜的水力、電力約束條件，兼顧求解效率的同時(shí)實(shí)現(xiàn)梯級(jí)發(fā)電量最大。為有效解決這一問(wèn)題，通過(guò)改進(jìn)標(biāo)準(zhǔn)蝙蝠算法（batalgorithm，ba）更新策略和引入差分進(jìn)化算法（differentialevolution，de）變異、選擇操作，提出一種改進(jìn)的蝙蝠算法（improvedbatalgorithm，iba）。對(duì)標(biāo)準(zhǔn)蝙蝠算法更新策略進(jìn)行以下改進(jìn)：1）蝙蝠個(gè)體脈沖頻率不隨種群迭代而更新；2）蝙蝠個(gè)體脈沖發(fā)射率和脈沖音量隨種群迭代而更新；3）無(wú)條件接受全局搜索產(chǎn)生的新解，有條件接受局部搜索產(chǎn)生的新解；4）改進(jìn)飛行速度公式，縮小新個(gè)體與當(dāng)前種群最優(yōu)個(gè)體的偏離值。同時(shí)，針對(duì)蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點(diǎn)，引入差分進(jìn)化算法中的變異、選擇操作，實(shí)現(xiàn)動(dòng)態(tài)控制變異概率。建立兼顧梯級(jí)最小出力最大化的梯級(jí)總發(fā)電量最大模型，利用大渡河流域瀑布溝、深溪溝、枕頭壩一級(jí)梯級(jí)水電站經(jīng)濟(jì)調(diào)度問(wèn)題實(shí)例，從流域長(zhǎng)系列徑流資料中選取典型年，對(duì)iba的主要控制參數(shù)（縮放因子、最大迭代次數(shù)）進(jìn)行測(cè)試與分析。采用iba、ba、逐步優(yōu)化算法（poa）對(duì)同一典型年進(jìn)行模擬調(diào)度。從枯期出力特征、梯級(jí)發(fā)電量、算法運(yùn)行時(shí)間3項(xiàng)指標(biāo)綜合來(lái)看，對(duì)于復(fù)雜的梯級(jí)水電站經(jīng)濟(jì)調(diào)度問(wèn)題，改進(jìn)的蝙蝠算法能夠在枯水期給電網(wǎng)提供盡可能大而穩(wěn)定的出力，同時(shí)縮短計(jì)算時(shí)間，獲得更高精度解。

該文建立了三個(gè)復(fù)雜的清江流域梯級(jí)水電站短期優(yōu)化調(diào)度模型,其中包括了蓄水位約束、用水約束、出力約束,利用poa(逐步逼近法)法解決水電站群的優(yōu)化問(wèn)題,較大的提高了水庫(kù)效益,獲得較為滿意的結(jié)果。

針對(duì)梯級(jí)水電站采用的以發(fā)電效益最大化為目標(biāo)的優(yōu)化數(shù)學(xué)模型具有一定局限性且未考慮峰谷電價(jià)影響的問(wèn)題,在原有發(fā)電效益的基礎(chǔ)上增加峰、平、谷電價(jià),不同時(shí)段給予不同電價(jià)進(jìn)行優(yōu)化,提出基于分時(shí)電價(jià)的梯級(jí)水電站優(yōu)化調(diào)度數(shù)學(xué)模型.以黃河上游的梯級(jí)水電站為例,采用matlab軟件的模式搜索法、遺傳算法分別對(duì)模型進(jìn)行求解,驗(yàn)證該優(yōu)化調(diào)度數(shù)學(xué)模型的正確性及算法的合理性和可靠性,從而為市場(chǎng)環(huán)境下高維、復(fù)雜的梯級(jí)水電站短期優(yōu)化調(diào)度提供了一種新的求解途徑.

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問(wèn)題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問(wèn)題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

針對(duì)梯級(jí)水電站短期優(yōu)化調(diào)度的不確定性問(wèn)題,研究了不確定性因素的概率分布規(guī)律,并根據(jù)實(shí)際系統(tǒng)的運(yùn)行要求,給出了概率分布密度函數(shù)的假設(shè)檢驗(yàn)方法。探索發(fā)電用水量與各種隨機(jī)因素的互動(dòng)關(guān)系及影響機(jī)理,構(gòu)建了一種新的計(jì)及概率的梯級(jí)水電站短期優(yōu)化調(diào)度策略。把災(zāi)變理論、混沌優(yōu)化思想和基本粒子群算法結(jié)合起來(lái),形成一種混合粒子群算法。該算法擴(kuò)大了種群的搜索空間,增加了種群的多樣性,改善了基本粒子群算法擺脫局部極值點(diǎn)的能力,并能從理論上證明其依概率收斂至全局最優(yōu)解。將混合粒子群算法嵌入蒙特卡羅隨機(jī)模擬中對(duì)本文提出的模型進(jìn)行求解,求解方法簡(jiǎn)單有效。仿真結(jié)果表明,該策略能較好地處理不確定性條件下梯級(jí)水電站的短期優(yōu)化調(diào)度問(wèn)題。

將蟻群優(yōu)化算法用于求解分時(shí)電價(jià)下梯級(jí)水電站間短期優(yōu)化調(diào)度模型,考慮市場(chǎng)競(jìng)爭(zhēng)下的電價(jià)和電量、水庫(kù)存水價(jià)值、水流時(shí)滯以及設(shè)備折舊等因素,建立了利益最大化為優(yōu)化準(zhǔn)則的短期優(yōu)化調(diào)度模型.給出了蟻群算法求解梯級(jí)短期優(yōu)化調(diào)度模型的數(shù)學(xué)描述及算法的求解步驟.最后以某梯級(jí)流域中三個(gè)水電站的相關(guān)數(shù)據(jù)建立了相應(yīng)的優(yōu)化調(diào)度模型,運(yùn)用蟻群算法進(jìn)行了計(jì)算仿真,并與傳統(tǒng)的動(dòng)態(tài)規(guī)劃法進(jìn)行對(duì)比.仿真結(jié)果證實(shí)了所采用算法的有效性和可行性.

針對(duì)傳統(tǒng)優(yōu)化算法在求解高維、復(fù)雜梯級(jí)水電站發(fā)電調(diào)度時(shí)易出現(xiàn)“維數(shù)災(zāi)”，或陷入局部最優(yōu)解的缺陷，本文提出了免疫蛙跳算法（isfla）。該算法將克隆選擇算法嵌入到混洗蛙跳算法框架中，對(duì)混合之后的蛙群構(gòu)造子群體執(zhí)行免疫克隆選擇操作，同時(shí)使用改進(jìn)的最差解更新方式提高其局部搜索能力。應(yīng)用實(shí)踐表明，通過(guò)將isfla與標(biāo)準(zhǔn)混洗蛙跳算法、粒子群算法以及逐步優(yōu)化方法對(duì)比，isfla在求解梯級(jí)水電站發(fā)電優(yōu)化問(wèn)題時(shí)具有明顯的優(yōu)越性。

針對(duì)pso算法中的早熟收斂問(wèn)題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進(jìn)化方式,引入一種局部隨機(jī)搜索算子實(shí)現(xiàn)信念空間的知識(shí)結(jié)構(gòu)并指導(dǎo)算法的演化過(guò)程,在保持種群多樣性的同時(shí)提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級(jí)水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計(jì)算速度及求解精度,為梯級(jí)水庫(kù)優(yōu)化調(diào)度提供了一條全新途徑。

水庫(kù)調(diào)度圖是水電站發(fā)電調(diào)度運(yùn)行的基礎(chǔ),然而現(xiàn)有研究和算法大都集中在單庫(kù)調(diào)度圖,庫(kù)群發(fā)電調(diào)度圖成果較少。本文結(jié)合我國(guó)開(kāi)發(fā)得較為完善的烏江流域梯級(jí)水電站群,提出了一種實(shí)用的梯級(jí)水電站群發(fā)電優(yōu)化調(diào)度圖制定方法。該方法以單庫(kù)調(diào)度圖為基礎(chǔ),綜合形成初始的庫(kù)群調(diào)度圖,并以此進(jìn)行模擬調(diào)度,即根據(jù)兩種調(diào)度圖對(duì)長(zhǎng)系列資料逐時(shí)段計(jì)算,獲得兩種負(fù)荷結(jié)果,最終運(yùn)用庫(kù)群負(fù)荷分配調(diào)整兩種負(fù)荷的偏差,獲得調(diào)度結(jié)果;然后以模擬調(diào)度統(tǒng)計(jì)的多年平均發(fā)電量最大為目標(biāo),采用逐次逼近算法不斷修正兩種調(diào)度圖的基本調(diào)度線,最終獲得滿足精度要求的單庫(kù)調(diào)度圖和庫(kù)群調(diào)度圖。較常規(guī)方法,本方法方便一次性得出水電站(群)調(diào)度圖。模擬調(diào)度結(jié)果表明所建立的方法有效、實(shí)用,在兼顧電網(wǎng)對(duì)電站要求的基礎(chǔ)上,大大提高了梯級(jí)長(zhǎng)期發(fā)電效益。