梯级水电站水电调度优化方法综述.pdf

《梯级水电站水电调度优化方法综述.pdf》由会员分享，可在线阅读，更多相关《梯级水电站水电调度优化方法综述.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、梯级水电站水电调度优化方法综述梯级水电站水电调度优化方法综述基础能源产业的水电力工业，是现代化工业生产和生活不可或缺的动力产业，是国家能源局重点发展产业之一。梯级水电站是由建立在同一江河流域的若干个水电站构成的。由于梯级水电站之间存在着水力、电力联系，梯级水电站不仅要满足电力系统运行要求，还要考虑发电和用水之间的协调才能使综合效益最大化。1 梯级水电站的特征梯级水电站系统是具有水电双重属性的交叉系统。梯级水电站系统包含大坝、水库等水工建筑，还包括发电机组、配电网等电力设施，该系统包括的单元众多，并且各个单元之间相互联系，相互制约。梯级水电站在水量利用上是多次开发，重复利用；在水能上采用分级开发

2、、分段利用；上下梯级之间表现出明显的相互影响的制约；梯级水电站的各个子电站之间相隔距离较远，电站之间的生产管理必须有效解决好电站分散与集中管理之间的矛盾。2 梯级水电站调度面临的问题梯级水电站的调度目标是在满足系统安全约束、可靠性约束及固有系统约束的前提下，保证某一个时间段内整体效益最大化。梯级水电站在调度管理上，必须保证电站和发电机组间的优化调度和负荷分配，从而使水电能资源充分合理利用；在设备检修管理上，应该尽量避免检修设施闲置，人员分散浪费，做到设备利用率最高，人员最精，效率最高；在后勤管理上，应将生活设施、福利设施统筹规划，相对集中等。梯级水电站必须实行整个梯级的统一调度，在保证系统正常

3、负荷运行前提下，实行各梯级水电站的合理经济运行，以便从分利用水电资源，提高水电能利用率。3 梯级水电站水电调度优化模型梯级水电站水电优化模型目标函数为多库的发电量之和达到最大。目标函数。约束条件。1）水位约束：Zm，min？燮 Zkmi？燮 Zm，maxZkmi-第 k 阶段，第 m 个电站，第i 个状态变量；Zm，min-第 m 个水库死水位；Zm，ma_第 m 个水库允许的上限水位。2）泄量约束：3）出力约束：Nkmtg？燮 Nm，maxNm，ma_第 m 个水库某水位下的最大出力。4 梯级水电站水电调度优化方法4.1 经典的优化方法线性规划：线性规划方法是运筹学的一个最重要的分支，相比其

4、他优化算法，其研究最早，发展最快，在理论上最完善，实际应用最广泛。线性规划方法的目标函数和约束条件都是线性函数，是企业进行总产量计划时常用的一种定量方法。线性规划方法的数学模型：式中：xi-i 产品的计划产量；aik-每生产一个 i 产品所需 k 种资源的数量；bk-第 k 种资源的拥有量；Ui-i 产品的最高需求量；Li-i 产品的最低需求量；Pi-i 产品的单价；Ci-i 产品的单位成本。非线性规划：非线性规划是 20 世纪 50 年代才形成的一门新兴学科，是具有约束条件或目标函数的一种数学规划法，是运筹学的一个重要分支。非线性规划研究一个 n 元实函数在一组等式或不等式的约束条件下的极值

5、问题且目标函数和约束条件至少有一个是未知量的非线性函数。非线性规划的数学模型：已知未知量x1，x2，。xn 使其满足约束条件：gi（x1，x2。xn）？叟 0，i=1，2，。mhj（x1，x2。xn）=0，j=1，2，。p并使目标函数 f（x1，x2。xn）达到最小值（或最大值）；上述模型可简记为：minf（x）s.t.gi（x）？叟 0 i=1，。mhj（x）=0 j=1，。p其中 x=（x1，。xn）属于定义域 D，符号 min 表示“求最小值”，符号s.t.表示“受约束于”，函数f，gi，hj 是定义域 D 上的实值函数，且至少有一个是非线性函数。动态规划：动态规划（DP）算法，俗称多阶

6、段决策过程最优化法，它是最优控制和运筹学的重要数学工具。动态规划算法的基本思想是将待求解问题分解成若干个子问题，在求解的过程中通过子问题的解求出待求问题的解。动态规划将多段决策问题转化成一系列互相联系的阶段，在它的每一阶段都需要作出最优化决策，其最优化过程必须从系统整体出发，每个阶段的最优化决策结果既依赖于当前面临的状态，又影响着后续的发展，各个阶段之间呈现的是前后关联的链状结构，从而最终能使决策目标函数达到极值。动态规划的数学模型：4.2 现代智能优化方法模拟退火算法（SA）：模拟退火算法来源于固体退火原理。固体物质在加热的时候内部粒子间的布朗运动增强，呈现无序状态，内能增强至一定强度后再退

7、火，粒子热运动减弱，并逐渐趋于有序，最后达到平衡态，内能减弱达到最小。模拟退火是一种通用的优化算法，是基于迭代求解策略的一种随机寻优算法，它通过利用概率突跳特性在解空间随机寻找目标函数，有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。遗传算法（GA）：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是以一种群体中所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。遗传算法包括参数编码、适应度函数的设计、初始群体的选取等核心内容，而选择、交叉和变异则构成了遗传算法的三个遗传算子。遗传算法是一种新的全局优化搜索算法，其特点是简单通用，健

8、壮性强，适于并行处理以及高效实用等，目前在各个领域都得到了广泛应用，并且取得了良好效果，有望成为重要智能算法之一。禁忌搜索（TS）：禁忌搜索的基本思想是标记对应已搜索的局部最优解的一些对象，通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，从而保证对不同的有效搜索途径的探索。禁忌搜索算法是一种全局性领域搜索算法，是对人类思维过程本身的一种模拟，它通过对一些局部最优解的禁忌，达到多样化的有效探索以最终实现全局优化。人工神经网络（ANN）：人工神经网络是络的结构和功能的数学模型，它的构成与作用方式都是在模仿人脑。人工神经网络是通过已知数据的实验运用

9、来学习和归纳总结，学习的作用是根据神经元之间激励与抑制的关系，改变它们的作用强度。人工神经网络由大量的人工神经元联结而成，神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。人工神经网络通过对局部情况的对照比较（该比较是基于不同情况下的自动学习和实际要解决问题的复杂程度所产生的），推理产生一个可以自动识别的系统，该系统就能给出正确的推理结论。4.3 优化方法性能比较 经典的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。线性规划算法是一种较先进和科学的方法，有统一算法，任何线性规划问题都能求解，但是只能处理线性关系的情形；非线性规划不像线性规划

10、那样，有统一的算法，针对每个待解决的问题都要有其特定的算法，从而存在一定的局限性，到目前为止还没有适合于各种非线性规划问题的一般算法；动态规划算法在求解过程中能够得到一组全局最优解，在计算时，可以利用动态过程演变的联系和特征，再加上实际知识和经验提高求解效率，但是动态规划模型没有统一的标准模型，利用数值方法求解时存在维数灾。现代智能优化算法一般都是建立在生物智能或物理现象基础上的随即搜索算法。例如，模拟退火算法来源于固体退火原理，遗传算法模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程，禁忌搜索模拟了人类有记忆过程的智力过程，人工神经网络更是直接模拟了人脑的思维模式。它们之间的联系非常

11、紧密，比如模拟退火和遗传算法为人工神经网络的后续学习铺平了道路，为其更优良算法的研究提供思路，把它们有机地结合在一起，扬长避短，性能将更加优越。智能优化算法由于其面世时间晚，在理论上的研究远不如经典优化算法完善，往往在求解过程中并不能确保解的最优性，但从实际应用的观点看，这类新算法的要求的条件没有那么苛刻，一般不会要求目标函数和约束条件的连续与凸性，甚至有时连解析表达式都不作要求，对计算中数据的不确定性也有很强的适应能力，可移植性更强。5 小结在市场经济大潮的推动下，电力市场改革热潮的日趋激烈，同时伴随着近几年科研活动的广泛开展，新的市场环境给传统的梯级水电优化调度提出了新的要求，虽然水电调度优化及运行理论取得了较大进步，但仍然存在一些问题，尤其是针对实际生产实践，现存的水电调度优化方法还不能完全适用。因此，要继续进一步加强水电调度优化理论的研究，特别要结合生产实际开发一些适合水利水电系统生产需要便于实际操作的应用模型和软件，为生产实践服务。