雙決策變量法在水電站優(yōu)化調(diào)度中的應(yīng)用

為克服離散差分動(dòng)態(tài)規(guī)劃法(dddp法)計(jì)算機(jī)時(shí)長,對選取初始軌跡線要求較高的弊端,本文提出了一種多級離散差分動(dòng)態(tài)規(guī)劃法(mdddp法)。其基本思想是,將n座水庫水電站群分解為主子系統(tǒng)和輔子系統(tǒng)兩個(gè)子系統(tǒng),通過調(diào)節(jié)主子系統(tǒng)自身的屬性來達(dá)到優(yōu)化整個(gè)系統(tǒng)目標(biāo)函數(shù)的目的,同時(shí)結(jié)果滿足整個(gè)系統(tǒng)的約束條件。每一輪迭代都相應(yīng)增加主子系統(tǒng)的電站數(shù)目;在每一輪迭代中每一步計(jì)算時(shí),都重新劃分主子系統(tǒng)和輔子系統(tǒng),使每個(gè)水電站至少有一次成為主子系統(tǒng);每步計(jì)算都采用dddp法尋優(yōu);整個(gè)尋優(yōu)過程至結(jié)果滿足旁路作用規(guī)則為止。實(shí)例計(jì)算結(jié)果表明,該方法對解決多階段決策問題,尤其是高維多階段決策問題,是行之有效的。

介紹了目前國內(nèi)對于梯級水電站優(yōu)化調(diào)度問題的研究和實(shí)踐現(xiàn)狀,重點(diǎn)研究了優(yōu)化調(diào)度模型的建立和優(yōu)化算法。

為了提高粒子群優(yōu)化(particleswarmoptimization,pso)算法的計(jì)算精度和計(jì)算效率,避免\"早熟\

隨著經(jīng)濟(jì)社會(huì)不斷發(fā)展,我國能源結(jié)構(gòu)也隨著不斷變化,水電資源作為一項(xiàng)重要能源,其發(fā)展好壞直接關(guān)系到我國的可持續(xù)發(fā)展道路.梯級水電站作為水電的一種關(guān)鍵形式,必須對其進(jìn)行發(fā)電優(yōu)化調(diào)度,從而保證水資源得到合理利用.本文主要針對梯級水電站的主要特點(diǎn)和未來發(fā)展方向,總結(jié)了我國的一些成果,并深入分析了其運(yùn)行過程中的主要問題,通過對模型進(jìn)行改進(jìn),對其進(jìn)行優(yōu)化調(diào)度,提出了新的調(diào)度模型.

本文首先從目標(biāo)函數(shù)和約束條件兩個(gè)方面,介紹了梯級水電站優(yōu)化調(diào)度的各類數(shù)學(xué)模型.然后對目前研究比較廣泛的各類優(yōu)化算法進(jìn)行了綜述.最后指出隨著水電能源的開發(fā),梯級水庫優(yōu)化調(diào)度下一步可能的發(fā)展方向.

為有效利用水能資源,蘇北灌溉總渠沿線高良澗閘、運(yùn)東閘、運(yùn)西分水閘及阜寧腰閘4座水閘兩側(cè)均裝設(shè)了水輪機(jī)組,組成了成梯級混聯(lián)式布置水電站。為獲得最大經(jīng)濟(jì)效益,實(shí)現(xiàn)站間最優(yōu)水位組合調(diào)度,采用期望值模型構(gòu)建法建立由4個(gè)水電站組成的水電站群總發(fā)電效益模型,應(yīng)用動(dòng)態(tài)隨機(jī)最優(yōu)控制中極值理論分析研究了水電站機(jī)組流量和水頭及上下游電站間水位的聯(lián)系,計(jì)算出發(fā)電效益最大的聯(lián)合最佳水位,以實(shí)現(xiàn)4座梯級混聯(lián)水電站聯(lián)合優(yōu)化調(diào)度。

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(shí)，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?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。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。

針對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(shí)電價(jià)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(shí)際梯級水電站計(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,為梯級水電站長期優(yōu)化調(diào)度提供了一種簡單實(shí)用的求解方法。

重點(diǎn)分析了常規(guī)粒子群算法(particleswarmoptimization,pso)在水電站優(yōu)化調(diào)度應(yīng)用中存在的問題和出現(xiàn)的原因,并針對問題提出了相應(yīng)的解決方法,形成了基于粒子群算法的水庫優(yōu)化調(diào)度改進(jìn)應(yīng)用方法。改進(jìn)前后計(jì)算結(jié)果的對比分析表明,改進(jìn)后的粒子群算法可明顯提高求解水電站優(yōu)化調(diào)度問題的收斂速度和求解精度。

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(shí)，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(gè)更加全面且深入的了解。

為解決自適應(yīng)遺傳算法應(yīng)用于水電站優(yōu)化調(diào)度時(shí)易陷入局部最優(yōu)解的問題,在自適應(yīng)遺傳算法中加入了初始群體變異策略,首先對初始種群進(jìn)行深度變異并保存優(yōu)秀個(gè)體,然后再對保存的優(yōu)秀個(gè)體采用自適應(yīng)遺傳算法進(jìn)行全局搜索。水電站優(yōu)化調(diào)度實(shí)例表明:采用初始種群變異策略的遺傳算法具有更高的全局搜索能力,得出的結(jié)果比自適應(yīng)遺傳算法更佳,克服了自適應(yīng)遺傳算法易過早陷入局部最優(yōu)的缺陷。

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(shí)，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?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。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。

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(shí)，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(gè)更加全面且深入的了解。

針對電力市場中買賣雙方通過簽訂遠(yuǎn)期合同進(jìn)行交易的市場交易類型,結(jié)合水庫優(yōu)化調(diào)度理論與方法,建立物理合同和金融合同下的梯級水庫優(yōu)化模型,并以清江梯級水電站為例進(jìn)行應(yīng)用研究,驗(yàn)證了模型的合理性與有效性,為今后市場環(huán)境下水電商針對不同的合同簽訂方式做出決策提供了參考和依據(jù)。

本文針對目前各種梯級水電站優(yōu)化調(diào)度算法存在不足,以云南滾朋羊梯級水電站優(yōu)化調(diào)度為工程背景,著力考慮該梯級總發(fā)電量和最大保證出力2個(gè)重要指標(biāo),并且圍繞這2個(gè)指標(biāo)建立該梯級水電站優(yōu)化調(diào)度的目標(biāo)函數(shù),采用蟻群算法獲得該目標(biāo)函數(shù)的解。最后通過仿真證明,采用蟻群算法獲得的解將是全局最優(yōu)解。

分析對梯級水電站優(yōu)化調(diào)度效益影響的因素和評價(jià)指標(biāo)計(jì)算方法,設(shè)計(jì)符合烏江梯級水電站優(yōu)化調(diào)度工作標(biāo)準(zhǔn)及其指標(biāo)體系,擬定了烏江梯級水電站優(yōu)化調(diào)度效益評價(jià)管理辦法,用于提高效益評價(jià)工作過程中信息的準(zhǔn)確性、完整性和實(shí)時(shí)性,推動(dòng)優(yōu)化調(diào)度工作的開展。

http://www.***.*** 烏溪江梯級水電站優(yōu)化調(diào)度研究 芮鈞 國電自動(dòng)化研究院，江蘇南京（210003） e-mail：ruijun12@163.com 摘要：以烏溪江梯級水電站為例，詳細(xì)介紹了用逐步優(yōu)化算法求解梯級水電站發(fā)電優(yōu)化調(diào) 度的全過程。此方法可以獲得梯級各電站的最優(yōu)運(yùn)行方式，指導(dǎo)梯級各水電站的實(shí)際運(yùn)行。 關(guān)鍵詞：烏溪江梯級電站，逐步優(yōu)化算法，優(yōu)化調(diào)度 1.引言 水電站的單庫優(yōu)化調(diào)度問題，可以使用常規(guī)動(dòng)態(tài)規(guī)劃算法來求解，其計(jì)算時(shí)間和計(jì)算精 度均能滿足實(shí)際生產(chǎn)的需要[1]。但是，梯級水電站優(yōu)化調(diào)度決策變量較多，且各水庫之間互 相影響，利用常規(guī)的動(dòng)態(tài)規(guī)劃來求解會(huì)遇到維數(shù)災(zāi)問題[2]。目前比較適合用于求解梯級水電 站優(yōu)化調(diào)度的算法主要有逐步優(yōu)化算法和基因遺傳算法。本文主要討論用逐步優(yōu)化算法求解 梯級水電站優(yōu)化調(diào)度問題的方法。 逐步優(yōu)化算法（

文章簡要介紹了南津渡水電站水庫優(yōu)化調(diào)度與經(jīng)濟(jì)運(yùn)行的實(shí)踐,在水庫優(yōu)化調(diào)度、設(shè)備和運(yùn)行、檢修管理、近區(qū)供電管理等方面進(jìn)行了分析和探索。

針對流域梯級水電站優(yōu)化調(diào)度的特點(diǎn),提出了計(jì)及atc影響的梯級水電站優(yōu)化調(diào)度模型。根據(jù)電網(wǎng)典型運(yùn)行方式和上一時(shí)間段的調(diào)度情況,利用最優(yōu)潮流計(jì)算水電上網(wǎng)通道的atc容量。將atc容量約束直接引入到梯級水電站優(yōu)化調(diào)度模型中,利用粒子群優(yōu)化算法的全局尋優(yōu)能力對梯級水電站中長期優(yōu)化調(diào)度進(jìn)行尋優(yōu)。以四川某流域梯級的4個(gè)電站優(yōu)化調(diào)度為例,計(jì)算結(jié)果表明采用所建模型和方法能夠有效提高梯級水電站發(fā)電量和發(fā)電收益。

目前,水庫優(yōu)化調(diào)度研究常側(cè)重于提高算法的精度和計(jì)算速度,而忽視了優(yōu)化調(diào)度模型本身的合理性和準(zhǔn)確性。如采用常數(shù)作出力系數(shù)進(jìn)行水庫優(yōu)化調(diào)度計(jì)算往往誤差較大。為此,根據(jù)水電站多年運(yùn)行歷史資料,推求不同發(fā)電水頭下的綜合耗水率,并將水電站綜合耗水率應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算表明,所提出的計(jì)算方法更能反映水庫實(shí)際運(yùn)用情況。

逐步優(yōu)化算法(poa)在求解梯級水電站聯(lián)合優(yōu)化調(diào)度中,其優(yōu)化結(jié)果受初始解的影響較大,不同的初始解對優(yōu)化迭代過程的收斂性影響不同,導(dǎo)致優(yōu)化結(jié)果可能陷入局部最優(yōu)。針對這一問題,本文在深入分析poa尋優(yōu)機(jī)制的基礎(chǔ)上,探求了影響算法全局收斂能力的關(guān)鍵因素,揭示了poa的兩階段尋優(yōu)策略和梯級水電站優(yōu)化調(diào)度在求解兩階段問題時(shí)傳統(tǒng)的\"自上而下逐電站\"尋優(yōu)模式對算法收斂能力的影響規(guī)律,進(jìn)而提出了基于逐步差分和變階段優(yōu)化改進(jìn)策略的變階段逐步優(yōu)化算法,有效消弱了原始算法在求解梯級電站聯(lián)合調(diào)度問題中對初始解的依賴性,在一定程度上保證算法收斂于全局最優(yōu)解。實(shí)例研究表明所提算法優(yōu)化得到的梯級發(fā)電量比poa算法提升0.15%左右,有效克服了原始算法的局部收斂問題,且改進(jìn)算法效率更高,尋優(yōu)結(jié)果更穩(wěn)定。

探索新的調(diào)度模型求解方法一直是水庫優(yōu)化調(diào)度研究的熱點(diǎn)之一。社會(huì)情感優(yōu)化算法（seoa）是一種新興的啟發(fā)式智能優(yōu)化算法,但目前在水庫優(yōu)化調(diào)度中未見應(yīng)用。將seoa應(yīng)用于梯級水電站發(fā)電優(yōu)化調(diào)度中,并針對算法初始種群隨機(jī)生成造成的初始解代表性低,引入了初始種群均勻設(shè)計(jì),針對部分個(gè)體過早收斂導(dǎo)致的種群活力低、算法易于局部收斂,制定了種群淘汰策略,從而建立了改進(jìn)社會(huì)情感優(yōu)化算法（改進(jìn)seoa）。實(shí)例表明,在梯級水電站發(fā)電優(yōu)化調(diào)度模型的求解中,改進(jìn)seoa搜索效率高、尋優(yōu)能力強(qiáng)、穩(wěn)定性好。