FO-DP算法的寶興河梯級水電站短期優(yōu)化調(diào)度研究

在市場環(huán)境中系統(tǒng)電價和負(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,運用水資源價值系數(shù)、設(shè)備運行費、折舊費及其他費用等成本因素,建立分時電價梯級水電站短期優(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)組啟停問題,采用精英策略節(jié)約計算內(nèi)存和優(yōu)化時間。最后,運用我國西南地區(qū)某梯級流域中三個連續(xù)水電站的數(shù)據(jù)建立了調(diào)度模型并運用層結(jié)構(gòu)算法進(jìn)行仿真;并從理論方面分析了仿真結(jié)果中的每一個變化,對精英區(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。

提出一種求解梯級水電站中長期優(yōu)化調(diào)度問題的方法—蟻群算法(antcolonyalgorithm,aca)。算法模擬了螞蟻群體覓食路徑的搜索過程來尋找梯級水電站中長期最優(yōu)調(diào)度計劃。算法把問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。實例計算結(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優(yōu)化調(diào)度問題。算法求解精度高、收斂速度快,為解決梯級水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

建立了梯級水電站短期周優(yōu)化調(diào)度的梯級蓄能最大模型,在此基礎(chǔ)上采用動態(tài)搜索算法對其進(jìn)行求解。通過嚴(yán)密的理論推導(dǎo)和詳盡的實例分析探討了流域梯級電站負(fù)荷最優(yōu)分配規(guī)律。梯級電站負(fù)荷最優(yōu)分配主要由梯級水庫的區(qū)間入流關(guān)系和水庫特性決定,其結(jié)論可指導(dǎo)流域梯級電站優(yōu)化運行,為集控中心調(diào)度和指導(dǎo)實際應(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。

鑒于梯級水電站優(yōu)化運行的高復(fù)雜度、強(qiáng)非線性、多約束等特點,構(gòu)建了基于峰谷分時電價下的梯級水電站日最大發(fā)電效益模型。針對遺傳算法(ga)等傳統(tǒng)智能算法對復(fù)雜模型求解易陷入局部最優(yōu)的問題,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,并以湖北某梯級短期優(yōu)化調(diào)度為背景進(jìn)行建模仿真,將計算結(jié)果分別與ga和粒子群算法(pso)所得結(jié)果進(jìn)行比較。實例研究表明,wca計算的總效益在豐、平、枯典型日分別比ga和pso計算值約高5.65%、3.15%、0.80%,迭代收斂速度更快,求解能力更強(qiáng),為解決梯級水電站優(yōu)化調(diào)度問題提供了新思路。

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)電計劃都是根據(jù)以往的經(jīng)驗進(jìn)行制定的,給出的計劃出力與實際負(fù)荷水平存在較大的偏差。由于存在偏離發(fā)電計劃的偏差,如果單純地按照發(fā)電計劃發(fā)電,會導(dǎo)致電能的不平衡,從而影響電網(wǎng)的正常運行。為了描述這種偏差,采用模糊集理論來描述負(fù)荷的不確定性,構(gòu)建了一個基于模糊負(fù)荷的梯級水電站發(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)間的概念來研究不同模糊置信水平下梯級水電站的優(yōu)化調(diào)度問題。同時研究入庫徑流量、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)系及其對水電站正常運行的影響,以及各級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)確描述水電站水庫特性,又能減少優(yōu)化問題的決策變量個數(shù),提高求解效率。最后以一個三級水電站為例,通過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。

梯級水電站優(yōu)化調(diào)度對于增加系統(tǒng)發(fā)電量,降低耗水率,充分利用流域水能資源,提高整個梯級水電站群的經(jīng)濟(jì)效益和運行水平具有重要意義。建立\"一庫多級\"梯級水電站群短期優(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)上開發(fā)調(diào)度軟件,并以金溪流域梯級電站群為例對算法實際應(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算法具有易于計算機(jī)程序?qū)崿F(xiàn)的特點,在水電站自動優(yōu)化調(diào)度方面具有較大優(yōu)勢。

如今，廣大民眾對能源的需求量越來越高，但是我國的能源可用量卻越來越少，在這種情況下，對水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢在必行的。其實，梯級水電站優(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“梯級水電站優(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，使廣大民眾對這方面的內(nèi)容有一個更加全面且深入的了解。

如今，廣大民眾對能源的需求量越來越高，但是我國的能源可用量卻越來越少，在這種情況下，對水、電能源結(jié)構(gòu)進(jìn)行調(diào)整是勢在必行的。其實，梯級水電站優(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“梯級水電站優(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，使廣大民眾對這方面的內(nèi)容有一個更加全面且深入的了解。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國水電企業(yè)模型的改革，因為只有改革才能適應(yīng)時代的變化，才能解決日益嚴(yán)峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調(diào)度模型與算法。

進(jìn)入二十一世紀(jì)以來，科技大發(fā)展，經(jīng)濟(jì)大發(fā)展。人們的生活越來越舒適、便捷的同時，隨之而來的一系列問題也十分明顯。環(huán)境的污染、能源的短缺，促進(jìn)了我國水電企業(yè)模型的改革，因為只有改革才能適應(yīng)時代的變化，才能解決日益嚴(yán)峻的能源形勢。下面，我們將主要分析一下目前我國梯級水電站優(yōu)化調(diào)度模型與算法。

選取梯級發(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)算法對模型進(jìn)行求解,以烏江梯級電站為例,通過對流域不同頻率來水情況的發(fā)電量進(jìn)行計算,進(jìn)而總結(jié)了烏江梯級電站短期優(yōu)化調(diào)度的發(fā)電規(guī)律,為短期調(diào)度計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。然而在市場競價環(huán)境下，電價會隨著市場的變化而發(fā)生波動，因此，水電站的調(diào)度模式轉(zhuǎn)變?yōu)橐垣@得盡可能多的利潤為最終目標(biāo)。市場的不確定性提升了發(fā)電公司報價決策的難度。與火電廠有所不同，水電站不同時段的發(fā)電能力會有所差異，因此，其競價策略十分復(fù)雜。隨著競價策略復(fù)雜性的提升，梯級水電站短期優(yōu)化調(diào)度的難度也有所增加，增強(qiáng)對市場競價下梯級水電站短期優(yōu)化調(diào)度的研究就顯得尤為重要。

基于西江公司水調(diào)自動化系統(tǒng),探討研究其所屬的梯級貴港和桂平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)行了具體實例計算,深入分析了枯、平、豐3種不同流量的來水日下發(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,為公司梯級水電站合理安排負(fù)荷分配提供一定的借鑒。

梯級水電站中長期經(jīng)濟(jì)調(diào)度是一個典型非線性優(yōu)化問題，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實現(xiàn)梯級發(fā)電量最大。為有效解決這一問題，通過改進(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）。對標(biāo)準(zhǔn)蝙蝠算法更新策略進(jìn)行以下改進(jìn)：1）蝙蝠個體脈沖頻率不隨種群迭代而更新；2）蝙蝠個體脈沖發(fā)射率和脈沖音量隨種群迭代而更新；3）無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，縮小新個體與當(dāng)前種群最優(yōu)個體的偏離值。同時，針對蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點，引入差分進(jìn)化算法中的變異、選擇操作，實現(xiàn)動態(tài)控制變異概率。建立兼顧梯級最小出力最大化的梯級總發(fā)電量最大模型，利用大渡河流域瀑布溝、深溪溝、枕頭壩一級梯級水電站經(jīng)濟(jì)調(diào)度問題實例，從流域長系列徑流資料中選取典型年，對iba的主要控制參數(shù)（縮放因子、最大迭代次數(shù)）進(jìn)行測試與分析。采用iba、ba、逐步優(yōu)化算法（poa）對同一典型年進(jìn)行模擬調(diào)度。從枯期出力特征、梯級發(fā)電量、算法運行時間3項指標(biāo)綜合來看，對于復(fù)雜的梯級水電站經(jīng)濟(jì)調(diào)度問題，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，同時縮短計算時間，獲得更高精度解。

該文建立了三個復(fù)雜的清江流域梯級水電站短期優(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)化問題,較大的提高了水庫效益,獲得較為滿意的結(jié)果。

針對梯級水電站采用的以發(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影響的問題,在原有發(fā)電效益的基礎(chǔ)上增加峰、平、谷電價,不同時段給予不同電價進(jìn)行優(yōu)化,提出基于分時電價的梯級水電站優(yōu)化調(diào)度數(shù)學(xué)模型.以黃河上游的梯級水電站為例,采用matlab軟件的模式搜索法、遺傳算法分別對模型進(jìn)行求解,驗證該優(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,從而為市場環(huán)境下高維、復(fù)雜的梯級水電站短期優(yōu)化調(diào)度提供了一種新的求解途徑.

針對粒子群算法易陷入局部最優(yōu)的缺點,提出了一種雙適應(yīng)度方法、動態(tài)鄰域算子和隨機(jī)動態(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)劃問題提供了一種簡單有效的方法。文中探討了梯級水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時電價因素,建立了梯級水電站長期優(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。實際梯級水電站計算表明,該模型使枯水期大部分時間出力均勻平穩(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)定運行。改進(jìn)粒子群算法計算速度快、收斂精度高,為梯級水電站長期優(yōu)化調(diào)度提供了一種簡單實用的求解方法。

針對梯級水電站短期優(yōu)化調(diào)度的不確定性問題,研究了不確定性因素的概率分布規(guī)律,并根據(jù)實際系統(tǒng)的運行要求,給出了概率分布密度函數(shù)的假設(shè)檢驗方法。探索發(fā)電用水量與各種隨機(jī)因素的互動關(guān)系及影響機(jī)理,構(gòu)建了一種新的計及概率的梯級水電站短期優(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,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)模擬中對本文提出的模型進(jìn)行求解,求解方法簡單有效。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水電站的短期優(yōu)化調(diào)度問題。

將蟻群優(yōu)化算法用于求解分時電價下梯級水電站間短期優(yōu)化調(diào)度模型,考慮市場競爭下的電價和電量、水庫存水價值、水流時滯以及設(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.最后以某梯級流域中三個水電站的相關(guān)數(shù)據(jù)建立了相應(yīng)的優(yōu)化調(diào)度模型,運用蟻群算法進(jìn)行了計算仿真,并與傳統(tǒng)的動態(tài)規(guī)劃法進(jìn)行對比.仿真結(jié)果證實了所采用算法的有效性和可行性.

針對傳統(tǒng)優(yōu)化算法在求解高維、復(fù)雜梯級水電站發(fā)電調(diào)度時易出現(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)用實踐表明，通過將isfla與標(biāo)準(zhǔn)混洗蛙跳算法、粒子群算法以及逐步優(yōu)化方法對比，isfla在求解梯級水電站發(fā)電優(yōu)化問題時具有明顯的優(yōu)越性。

針對pso算法中的早熟收斂問題,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)搜索算子實現(xiàn)信念空間的知識結(jié)構(gòu)并指導(dǎo)算法的演化過程,在保持種群多樣性的同時提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計算速度及求解精度,為梯級水庫優(yōu)化調(diào)度提供了一條全新途徑。

水庫調(diào)度圖是水電站發(fā)電調(diào)度運行的基礎(chǔ),然而現(xiàn)有研究和算法大都集中在單庫調(diào)度圖,庫群發(fā)電調(diào)度圖成果較少。本文結(jié)合我國開發(fā)得較為完善的烏江流域梯級水電站群,提出了一種實用的梯級水電站群發(fā)電優(yōu)化調(diào)度圖制定方法。該方法以單庫調(diào)度圖為基礎(chǔ),綜合形成初始的庫群調(diào)度圖,并以此進(jìn)行模擬調(diào)度,即根據(jù)兩種調(diào)度圖對長系列資料逐時段計算,獲得兩種負(fù)荷結(jié)果,最終運用庫群負(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調(diào)度圖和庫群調(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、實用,在兼顧電網(wǎng)對電站要求的基礎(chǔ)上,大大提高了梯級長期發(fā)電效益。