梯級水庫群發(fā)電優(yōu)化調(diào)度大系統(tǒng)分解協(xié)調(diào)模型

以梯極水電站群作為背景,以大系統(tǒng)分解協(xié)調(diào)技術(shù)作為理論基礎(chǔ),建立了梯級水電站群優(yōu)化補償調(diào)節(jié)的數(shù)學(xué)模型,并開發(fā)出一套實用的水庫群優(yōu)化補償調(diào)節(jié)軟件,通過實例驗算,證明模型的建立與軟件的開發(fā)都是成功的。

為充分挖掘梯級水庫間的水文補償和庫容補償潛力,獲取更高的綜合利用效益,利用判別系數(shù)與水庫蓄供水控制線相結(jié)合的方法,對烏江梯級水庫的蓄供水方式進行了研究,并結(jié)合免疫粒子群算法,以梯級水電站發(fā)電量最大為目標(biāo)對水庫蓄供水控制線進行優(yōu)化。聯(lián)合調(diào)度結(jié)果表明,優(yōu)化后的水庫蓄供水控制線不但可以合理控制水庫蓄放水次序和蓄放水量,達(dá)到合理控制水庫群運行方式的目的,還在實際調(diào)度中具有良好的可操作性和抗風(fēng)險性。

梯級水庫群優(yōu)化調(diào)度規(guī)律是指導(dǎo)梯級水庫群優(yōu)化運行的重要工具。本文應(yīng)用概率統(tǒng)計法和相關(guān)分析法對烏江流域的兼顧保證出力發(fā)電量最大計算結(jié)果進行統(tǒng)計歸納,通過引入經(jīng)驗頻率分析了各庫在不同調(diào)度期的水位變化規(guī)律和建立時段平均出力與本時段可用水量相關(guān)關(guān)系圖來研究各庫在不同調(diào)度期的發(fā)電規(guī)則,為挖掘梯級水庫長期運行結(jié)果中蘊藏的潛在規(guī)律提供了一種方法。通過對烏江梯級各庫水位變化規(guī)律和發(fā)電規(guī)則的研究,為烏江梯級水庫群優(yōu)化運行提供了理論支撐。

烏溪江梯級電站水力資源豐富,湖南鎮(zhèn)水庫又具有高水頭、高調(diào)節(jié)性能,優(yōu)化調(diào)度空間較大。介紹湖南鎮(zhèn)電站的年度計劃編制、中短期優(yōu)化調(diào)度方法、烏溪江梯級電站機組的優(yōu)化組合以及電力營銷工作,并對2004年的調(diào)度效益作了分析和總結(jié)。圖2幅,表6個。

應(yīng)用大系統(tǒng)分解協(xié)調(diào)方法對串聯(lián)水電站水庫群的優(yōu)化調(diào)度問題進行了分析和研究，建立了相應(yīng)的優(yōu)化調(diào)度模型，并進行了實例計算與分析，得出了較好的結(jié)果．

發(fā)電調(diào)度是烏江梯級水庫的主要任務(wù),決策正確與否不僅關(guān)系到電網(wǎng)的安全經(jīng)濟運行,而且關(guān)系到梯級各電廠的經(jīng)濟利益。本文介紹了如何通過會議的形式,利用現(xiàn)代信息等高科技技術(shù),集中研討歷史和實時水情、氣象、電網(wǎng)需求和發(fā)展趨勢,以對預(yù)先制定的各種可行調(diào)度方案做出科學(xué)的決策,從而獲得滿意的調(diào)度方案,為烏江梯級水庫的安全、經(jīng)濟調(diào)度做出貢獻(xiàn)。

根據(jù)沅水各斷面歷史水文資料及湖南當(dāng)前豐枯電價水平,運用動態(tài)規(guī)劃優(yōu)化理論歸納了沅水流域梯級電站聯(lián)合運行規(guī)律,提出了調(diào)節(jié)能力較強的三板溪、五強溪兩個水庫的運行方式。實例結(jié)果表明,該方式對沅水流域水庫聯(lián)合調(diào)度、充分發(fā)揮流域梯級發(fā)電效益具有指導(dǎo)意義。

分析了人工魚群算法存在的問題,提出一種改進人工魚群算法,并將其用于梯級水庫群的優(yōu)化調(diào)度.其改進思想是采用動態(tài)調(diào)整人工魚視野和步長的方法,較好地平衡了人工魚群算法的全局搜索能力和局部搜索能力的矛盾;在此基礎(chǔ)上,針對算法局部更新策略引起的更新操作前后個體空間位置變化較大,降低收斂速度這一問題,在局部更新時采用了閾值選擇的策略.通過實例驗證了該改進算法的有效性,并對改進算法的閾值參數(shù)進行了率定.

本文結(jié)合梯級水庫中長期發(fā)電優(yōu)化調(diào)度問題,針對差分演化算法在進化過程中,其適應(yīng)度的進化模式未考慮進化的外部環(huán)境與進化成分之間的內(nèi)在聯(lián)系,借鑒生態(tài)學(xué)對個體生存環(huán)境與種群競爭的關(guān)系,提出了協(xié)同差分演化算法在梯級水庫中長期發(fā)電優(yōu)化調(diào)度中的應(yīng)用。通過實例驗證,結(jié)果表明該算法具有可靠性與合理性,提高了計算精度和計算效率,為高維、復(fù)雜的梯級水庫中長期發(fā)電優(yōu)化調(diào)度模型提供了一個新的求解途徑。

水是生命之源,也是生產(chǎn)的重要根本,環(huán)境生態(tài)的基礎(chǔ)配備,在近幾年的經(jīng)濟發(fā)展和國家建設(shè)中,針對水力發(fā)電的策略也有了相關(guān)的技術(shù)人員安排,有效的推進可再生能源發(fā)電的合理性和完備性,提升電力系統(tǒng)運行狀態(tài)的綜合性和靈活性,促進該種發(fā)電形式的有效開展。本文就基于改進蟻群算法的梯級水庫群優(yōu)化調(diào)度研究進行分析和歸納。

本文提出了一種基于懲罰改進的蟻群最優(yōu)化算法,并應(yīng)用于水庫群的梯級調(diào)度優(yōu)化研究中。本算法以蟻群蜂群算法中群體協(xié)作的反饋機制、隨機搜索的性態(tài)多樣性思想、優(yōu)良的全局搜索能力、并行計算性及較強的魯棒性為基礎(chǔ),進行問題空間的全局尋優(yōu);同時針對梯級調(diào)度優(yōu)化中常見的多維變量約束條件,借鑒模擬退火算法思想,在目標(biāo)函數(shù)中構(gòu)造了懲罰因子,使得帶約束問題轉(zhuǎn)化為了純粹的優(yōu)化問題。經(jīng)實例驗證,本算法具有普遍的梯級調(diào)度優(yōu)化解決能力,并與傳統(tǒng)的遺傳算法及人工粒子群算法相比,具有更好的精度、收斂速度和尋優(yōu)能力。

為了進一步增強微粒群算法的優(yōu)化性能,提出了一種改進微粒群算法,并將其用于求解梯級水庫群的優(yōu)化調(diào)度。該算法引進了類似遺傳算法的交叉和變異算子來提高搜索效率,其中交叉是微粒在解空間中的位置以一定的概率隨機進行算術(shù)交叉,變異是微粒以一定的概率隨機使速度矢量的某一維分量變?yōu)?。為了加速收斂,初始微粒群生成時采用了有條件的隨機自動生成方式,并利用懲罰函數(shù)法來處理邊界條件和其它非等式約束。實例計算結(jié)果表明,改進微粒群算法具有比常規(guī)動態(tài)規(guī)劃法和常規(guī)微粒群算法更快的計算速度,且優(yōu)化調(diào)度結(jié)果比較滿意。

結(jié)合梯級水庫群聯(lián)合運行的實際情況,分析目前國內(nèi)外水庫調(diào)度算法不足,本論文利用變尺度混沌優(yōu)化算法(mutativescalechaosoptimizationalgorithm,mscoa)對梯級水電站群中長期水庫調(diào)度問題應(yīng)用研究,建立一種梯級水電站群中長期水庫優(yōu)化調(diào)度模型,通過實際數(shù)據(jù)驗證,此方法可以獲得梯級各電站的最優(yōu)運行方式,為指導(dǎo)梯級各水電站的實際運行最優(yōu)化提供科學(xué)決策依據(jù)。

針對蘇帕河流域梯級水電站的特點,充分利用先進計算機技術(shù)和網(wǎng)絡(luò)技術(shù),運用系統(tǒng)工程、數(shù)理統(tǒng)計、動態(tài)規(guī)劃等理論,對梯級水電站聯(lián)合優(yōu)化調(diào)度的理論方法進行了深入研究,確立了優(yōu)化調(diào)度的內(nèi)容和目標(biāo),特點和方法,建立了蘇帕河流域梯級水電站聯(lián)合優(yōu)化調(diào)度模型,分析了梯級電站優(yōu)化調(diào)度的技術(shù)方案,最后講述了梯級電站優(yōu)化調(diào)度的功能。

針對梯級水庫群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問題提出改進的蟻群算法。為提高算法搜索效率采用新的信息素更新策略——ant-proportion,綜合考慮全局和局部信息。以漫灣—大朝山梯級水電站優(yōu)化調(diào)度為例,計算結(jié)果表明,改進算法與基本蟻群算法相比具有更好的優(yōu)化結(jié)果和收斂速度,與逐步優(yōu)化法相比可靠有效。

利用廣義蟻群算法對梯級水庫進行優(yōu)化調(diào)度,采用以水量平衡方程為主要約束的隨機自動生成方式生成初始蟻群,并利用懲罰函數(shù)法處理邊界條件和其他非等式約束。實例結(jié)果表明,該算法搜索能力強、精度高、可靠、有效實用。

本文針對粒子群算法在求解高維、復(fù)雜的梯級水庫發(fā)電優(yōu)化調(diào)度時后期種群缺乏多樣性、收斂于局部最優(yōu)解的缺陷,結(jié)合梯級水庫發(fā)電優(yōu)化調(diào)度的特點,提出了應(yīng)用差分演化算法改進粒子群的混合優(yōu)化算法。通過實際算例驗證了該混合方法的合理性和可靠性,從而為高維、復(fù)雜梯級水庫發(fā)電優(yōu)化調(diào)度模型求解提供了一種新的途徑。

1 皈 陜西機械學(xué)院學(xué)~(1992)第8卷第4期255 梯級水電站群補償調(diào)節(jié)的大 系統(tǒng)分解協(xié)調(diào)算法 ， 田峰巍匝囹沈晉t7弓 (陜西機械學(xué)院水利水電學(xué)院) 提要本文提出了梯級水電站群補償調(diào)節(jié)曲大糸統(tǒng)分解協(xié)調(diào)算法，并以漢江上游石 泉安康梯級水電站為例，給出了計算結(jié)果． 關(guān)鍵詞豎絲坐保證出力旦旦壘鎏關(guān)聯(lián)平衡法 位于同一電力系統(tǒng)的梯級水電站群．根據(jù)其各自水庫的不同調(diào)節(jié)特性，通過相互之間的 補回節(jié)，可以提高系統(tǒng)的總保證出力。其結(jié)果使，在規(guī)劃設(shè)計階段，增加水電系統(tǒng)的裝機 容量以達(dá)到減少電力系統(tǒng)總投資之效果；在運行階段，減少系統(tǒng)運行破壞的概率以提高系統(tǒng) 運行的靈活性與可括陛。所以，提高整個水電系統(tǒng)的總保汪出足補償調(diào)節(jié)的核心問題． 本文建立了梯級水電站群補償調(diào)節(jié)的數(shù)學(xué)模型。在求解該模型時，提出首先應(yīng)用poa 原理將原模型在時程上分解，

金沙江下游溪洛渡、向家壩至三峽、葛洲壩四庫梯級為長江流域水能資源調(diào)控重點樞紐工程,開展四庫發(fā)電聯(lián)合優(yōu)化調(diào)度效益顯著.研究建立四庫系統(tǒng)獨立發(fā)電、聯(lián)合兩種模式下優(yōu)化調(diào)度模型,采用長系列徑流系列計算發(fā)電效益增益,統(tǒng)計增益的時間、年型、空間分布特征.提出基于全微分法的增益占比析因方法辨識發(fā)電增益受發(fā)電水量、水頭影響貢獻(xiàn)占比,歸納增益產(chǎn)生機制.結(jié)果表明:(1)消落期發(fā)電增益集中產(chǎn)生在5月份;向家壩、葛洲壩為主要受益水庫.(2)聯(lián)合增益的產(chǎn)生原因在于聯(lián)合調(diào)度過程中溪洛渡、三峽均化了5月、6月放水過程,降低向家壩、葛洲壩的棄水量,抬升兩庫水頭,增加發(fā)電效益.(3)向家壩的補償增益受發(fā)電水量、水頭貢獻(xiàn)占比相當(dāng),葛洲壩的補償增益主要以發(fā)電水頭抬升的水頭效益為主,溪洛渡、三峽的效益變化主要受聯(lián)合調(diào)度過程中水頭變化影響.

提出了考慮水流滯時的短期梯級水電日優(yōu)化調(diào)度模型。將水流滯時表示成平均出庫流量的非線性函數(shù)形式,以反映梯級水電站間水流滯時的動態(tài)特性。同時,提出了針對復(fù)雜的水流滯時、水電轉(zhuǎn)換、分段出力限制等非線性函數(shù)線性函數(shù)線性化建模的新方法,通過引入多組狀態(tài)變量及相關(guān)約束,將梯級水電日優(yōu)化調(diào)度問題轉(zhuǎn)換為線性混合整數(shù)規(guī)劃問題,最后,采用cplex商用軟件包進行求解。通過對包含13個水庫、44臺機組的梯級水電系統(tǒng)的算例分析,驗證了模型的合理性和方法的有效性。

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。

我國大水電集中投產(chǎn),形成大型流域梯級水電站群,使得如何做好梯級水電站群的調(diào)度運行工作,實現(xiàn)大范圍資源優(yōu)化配置顯得尤為重要.闡述了我國水電發(fā)展現(xiàn)狀;根據(jù)梯級水電在不同時間尺度下的運行特征和任務(wù)需求,對中長期/短期調(diào)度、日前調(diào)度和實時調(diào)度的目標(biāo)函數(shù)與約束務(wù)件進行總結(jié).優(yōu)化算法方面,探討了優(yōu)化調(diào)度模型降維方法,重點分析了動態(tài)規(guī)劃算法、遺傳算法、粒子群算法的并行特征,并介紹了并行計算技術(shù)的實際應(yīng)用.最后,針對未來梯級水電參與電力市場面臨的問題及后續(xù)研究方向給予展望.