Short-term power generation scheduling rules for cascade hydropower stations based on hybrid algorithm

Power generation dispatching is a large complex system problem with multi-dimensional and nonlinear characteristics. A mathematical model was established based on the principle of reservoir operation. A large quantity of optimal scheduling processes were obtained by calculating the daily runoff process within three typical years, and a large number of simulated daily runoff processes were obtained using the progressive optimality algorithm （POA） in combination with the genetic algorithm （GA）. After analyzing the optimal scheduling processes, the corresponding scheduling rules were determined, and the practical formulas were obtained. These rules can make full use of the rolling runoff forecast and carry out the rolling scheduling. Compared with the optimized results, the maximum relative difference of the annual power generation obtained by the scheduling rules is no more than 1%. The effectiveness and practical applicability of the scheduling rules are demonstrated by a case study. This study provides a new perspective for formulating the rules of power generation dispatching.

东江流域控制性水工程联合调度策略与机制探讨

近年,东江流域旱涝事件并存,防洪与供水安全形势严峻,三大水库和干流梯级电站是东江流域水旱灾害防御中的重要水利工程。收集流域水工程多年运行经验、案例、数据,综述东江流域控制性水工程联合调度在管理体制、防洪调度、水量调度等方面的研究、实践现状,通过数学模型、统计等方法,对现状调度体制与机制中存在的问题进行分析。从管理、技术、研究等角度提出建议与对策。

基于蝙蝠算法的梯级水电站群优化调度研究

水电作为重要的清洁可再生能源,在清洁低碳发展的背景下,如何实现我国逐渐形成的大型梯级水电站群的调度运行具有十分重要的意义。水电开发持续投入的今天,不断增加同一梯级中水电站数目,传统寻优算法动态规划算法和逐步优化算法存在“维数灾”和计算时间过长问题,不断增加的梯级水电站数量对优化算法的条件难以实现。为此,引入蝙蝠算法运算梯级水电站群优化调度模型,并将其应用于浑江流域桓仁、太平哨和回龙山梯级水电站的优化调度。通过与逐步优化算法求解结果的比较分析,蝙蝠算法计算速度快、收敛效果好,优化结果令人满意。

基于峰谷时段模糊识别模型的梯级水电站负荷联合调度方法

梯级水电站开展负荷有效调度对于提高水电站的供电能力具有重要作用。为了最大程度发挥出梯级水电站的优势,实现对其优化调度并保证稳定运行,研究以提高联合调度效益和峰谷调节能力为目标,通过协调不同水电站之间的发电量、出力调整以及蓄水量等多种参数,再结合各个水电站之间的相互影响和依赖关系等因素,以整体性能优化为目标,协调梯级水电站的运行计划和调度策略,使梯级水电站达到更高效、经济且稳定可靠的电力供应。还在引入模糊半梯形隶属度函数的基础上,利用模糊识别模型划分出峰谷时段,分别以发电效益最高、电网余荷均方差最小为目标函数,利用差分进化算法求解约束条件下满足目标函数的最优解,最终得到了梯级水电站的负荷联合调度方案。实验结果表明:在应用该方法后,可以使电网余荷均方差更小,发电总效益也得到显著提高,说明该方法的联合调度效果更优。

大通河流域梯级水电站均衡优化调度

梯级水电站调度涉及多目标和多约束优化问题,求解过程十分复杂。为此,该文构建梯级水电站均衡优化调度模型,利用遗传算法对该模型进行求解,并应用于大通河梯级水电站发电优化调度。相比等流量调节结果,均衡优化调度使大通河梯级水电站多年平均发电量和保证出力分别提高1.8%和2.1%。与单目标优化调度相比,均衡优化调度不仅能够提高梯级水电站多年平均发电量和保证出力,而且多年平均发电量和保证出力提高的程度很相近。因此,梯级水电站均衡优化调度能够兼顾水电站多目标调度,调度结果是合理的。研究成果可为水电站发电优化调度提供新思路,也可为大通河梯级水电站实际调度提供有价值的参考。

水光互补基地水库调度图绘制及应用策略

针对水光互补基地调度问题,提出了一种新的水库调度图绘制方法,该方法根据来水频率分组进行水库调度图绘制,并给出了水库调度图的应用策略。澜沧江上游西藏段实例应用结果表明,该方法所得结果符合工程实际要求,有利于电网的稳定运行,提高了混合发电系统的发电效益。

水光互补组合等效电厂的短期调峰调度方法

梯级水电站与区域光伏电站互补调度一直是研究的热点问题,为充分发挥不同调节类型水电站对光伏电互补作用,本文提出一种基于等效电厂的梯级水光短期互补调度方法。考虑到区域光伏电站发电特性各异,利用kmeans聚类方法划分多个光伏汇聚区。将梯级各个水电站与汇聚区两两组合进行互补调度,通过3种调峰评价指标分析,找出汛平枯各时期较优的水光组合,形成等效电厂。在此基础上,将等效电厂与梯级其余水电厂作为调度对象,进行联合调峰优化调度。以云南省澜沧江流域5座梯级水电站和大理州7座光伏电站为背景,模拟计算结果验证了本文所提方法的可行性,通过几种模型对比分析,该方法可提升梯级水电站与光伏电的整体调峰效果。

基于JMI-CNN-LSTM耦合模型的梯级水电站间流量动态滞时关系

【目的】梯级水电站间存在的水力联系导致下游电站的运营模式往往受制于上游电站,以往的梯级水电站优化调度中通常选择忽略流量滞时或认为其是常数,少有考虑流量滞时与上游水电站出库流量及区间降雨等因素的动态关系。为提高下游电站预判流量精确度,将神经网络应用到梯级电站间流量动态滞时研究中。【方法】首先采用联合互信息理论选取下游电站入库流量的主要影响因素作为模型输入因子,其次根据卷积神经网络和长短时记忆神经网络的互补特性,建立上游出库流量与下游入库流量的JMI-CNN-LSTM深度学习网络模型,最后结合实际算例,将所建立模型的拟合结果与随机森林回归模型、固定滞时模型进行对比。【结果】结果显示:本文所建立的模型较相同条件下其他方法各类误差均存在不同程度的减少,其中MAE至少减少了14.6%。【结论】结果表明:相较其他方法,JMI-CNN-LSTM耦合模型预测精度更佳,能够更准确的体现梯级电站间流量滞时的动态关系。

梯级水电站建设联合运行抽水蓄能泵/电站的研究

联合运行抽水蓄能泵/电站是结合已建常规梯级水电站进行扩建,利用两个相邻梯级的水库分别作为上库和下库,在上库大坝两岸新建输水系统和地下厂房并安装水泵或可逆式水泵水轮机的联合运行体。电网负荷低谷时用泵或水泵水轮机泵工况运行把下库水抽到上库储能;电网负荷高峰时用上库水电站已安装的常规机组发电。这种联合运行方式可使坝址处全年径流量在通过常规机组发电时因提高发电水头而带来增发电量,称为年径流量水头效益。这部分增发电量不仅补偿了抽水蓄能过程中的电量损耗,甚至可大于泵工况的抽水用电量,产生了抽水蓄能综合电能转换率大于1的效果。本文首先通过对比分析联运抽蓄泵/电站和典型抽蓄电站之间运行模式的不同,阐述了联运抽蓄泵/电站大幅提高综合转换效率的机理;其次根据已建成的工程实例,分析总结出开发建设条件、消纳绿色能源的优势、水风光蓄互补系统中的作用及经济效益等要素,同时指出了目前建设联合运行抽水蓄能泵/电站存在的问题并提出了解决相关问题的措施与建议;最后从我国资源禀赋角度,阐述联运抽蓄泵/电站对所在流域的水资源利用的积极意义。本研究可为我国常规梯级水电站与未来新型水风光蓄互补系统的有机结合提供指导与借鉴。

基于不蓄电能最大化的梯级水电站优化调度研究

如何提高水量的利用率,增加发电效率,一直是水电调度研究的主要目标和方向,在传统优化调度的基础上,以水库不蓄水量的利用为出发点,构建了一种基于不蓄电能最大化的梯级水电站联合优化调度模型。通过对调度模型的分析及应用POA算法求解,并结合工程实例验证,充分说明了该模型和方法的合理性、可行性。相对于传统调度方式,提供的调度模型在满足多种约束条件下,可根据电网负荷需求的变化,通过合理调整梯级各电站的出力分配,提高不蓄水量的发电利用率,间接反映了对水资源的节约利用,同时有助于梯级水电站联合调度方式的安排,对梯级水电站的优化调度发展有一定的促进作用。

金沙江下游梯级电站汛期及蓄水期调度策略研究

金沙江下游乌东德、白鹤滩、溪洛渡、向家坝四座水电站是长江防洪体系的重要组成部分。乌东德和白鹤滩水电站的建成运行,一方面使防洪调度的灵活性大大提高,另一方面也使得四座水库如何配合才能充分发挥梯级综合效益的问题变得更加复杂。以金沙江下游乌东德、白鹤滩、溪洛渡、向家坝梯级电站为研究对象,构建梯级电站优化调度模型,采用非线性规划和改进逐步优化混合算法求解,并基于长系列来水分析了梯级电站汛期及蓄水期的优化调度策略。结果表明:不同的来水条件下梯级电站呈现出不同的水库运用差异,若来水整体偏枯,则乌东德、溪洛渡、向家坝先释放防洪库容,白鹤滩后释放防洪库容;若来水前期偏枯后期偏丰,则乌东德、溪洛渡先释放防洪库容,白鹤滩、向家坝后释放防洪库容;若来水前期偏丰后期偏枯,则乌东德、白鹤滩、溪洛渡先释放防洪库容,向家坝后释放防洪库容;若来水整体偏丰,则乌东德、白鹤滩先释放防洪库容,溪洛渡、向家坝后释放防洪库容;四库防洪库容的运用随来水特征呈现出不同的分配比例。来水占比与梯级释放防洪库容占比呈现出较强的线性相关关系,通过线性拟合函数可以估计出各月的梯级防洪库容释放量。研究成果可为金沙江下游梯级电站的调度提供参考。

大渡河流域枯期发电计划滚动预测研究

在四川省电力供给“丰裕枯余”形势下,受市场环境因素复杂、电源竞争加剧等影响,发电计划精准预测是优化流域水电枯期发电方式的关键。对此,分别针对四川省主网供电量、新能源电量、国调网调电量、外购外送电量及省调水电火电电量进行分析,建立了大渡河流域梯级电站发电计划预测方法。结果表明,主网供电预测精度为91.8%,风光发电量预测精度为87.4%,归属于国能大渡河流域水电开发有限公司电站中长期整体发电计划预测精度为90.5%。模型可有效预测各电源电量,进而计算大渡河流域梯级电站中长期发电计划,并基于预测结果智能生成不同工况下的消落过程,为梯级电站群科学调度运行提供技术支撑。

流域梯级水电站负荷短期联合优化调度研究

梯级水电站之间往往距离较近,水力和电力联系紧密,开展梯级水电站负荷短期联合优化调度,可降低发电水耗,在有限水量的基础上发更多的电量,取得更大经济效益。本文根据梯级电站运行实际情况,提出基于电站投入顺序的动态规划算法,构建以梯级消耗水位势能最小为目标的日计划梯级电站负荷分配模型,实现了日发电计划下的流域梯级负荷优化分配。同时分析日计划下的梯级电站优化分配时考虑径流和负荷偏差不全面的不足,构建梯级电站实时负荷分配模型,通过对流域梯级电站选取典型日和时段运行数据进行实例分析,并与实际运行进行对比,结果表明流域梯级电站单日运行实时优化调度负荷分配比实际运行中负荷分配耗用的水能少4090.84 kW·h,发电效益得到明显提高。流域梯级水电站负荷短期联合优化调度和实时优化策略可有效提升梯级发电效益,在工程实践中有一定的指导意义。

南欧江流域梯级水电站联合防洪调度研究

结合南欧江流域梯级水电站水文气象条件、工程特性及流域防洪要求,开展了流域梯级水电站联合防洪调度研究工作。根据流域重点防洪对象防洪能力、防洪标准及地区洪水组成分析成果,从基本不影响流域梯级水电站发电运行同时又能兼顾流域防洪要求的角度,研究提出了梯级汛期控制运行水位及控泄流量方案。模拟调度分析显示,提出的防洪调度方案操作简单,易于实现,梯级电量虽略有减小,但减小幅度不大,可为南欧江流域梯级防洪提供一定的指导。

金沙江下游梯级和三峡梯级水电站群联合调度补偿效益分析

为探索金沙江下游梯级和三峡梯级水电站群联合发电调度补偿效益及补偿规律,分别建立以发电量最大为目标的单库优化调度模型和梯级联合优化调度模型,采用经典动态规划法和笔者提出的多精英向导粒子群算法(Elite-guide particle swarm optimization,EGPSO)算法对两模型进行求解,以计算梯级电站群联合调度电力电量补偿效益。选择1999、1983、1992作为丰、平、枯典型代表年径流数据进行计算,分析结果表明:金沙江下游梯级和三峡梯级水电站群联合调度能显著提高梯级整体发电量,减少弃水,补偿效益显著。梯级联合调度中,金沙江梯级对三峡梯级进行电量补偿,在提高枯期出力和季节性发电量的同时,缓解了汛期集中消落带来的调度风险。

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。

改进遗传算法及其在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立遗传算法(GA)求解多阶段最优化问题的数学模型。针对标准遗传算法(SGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA)。通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性。最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点。

三峡梯级和清江梯级水电站群联合调度研究

为了计算三峡和清江两梯级水库群联合调度的补偿效益,为流域管理模式提供决策依据,本文以发电量最大和保证出力最大为目标,建立了梯级单独调度和系统联合调度二个数学模型。在相同计算条件下,采用一维、二维离散微分动态规划法,以及大系统分解协调法分别进行求解。计算结果表明,系统联合调度后增加电量1 826×106kW.h,增加保证电力440MW,补偿效益很显著。

免疫粒子群算法在梯级电站短期优化调度中的应用

将免疫原理引入粒子群算法(PSO)中,利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的浓度,保证种群的多样性;引入疫苗接种等操作,对算法的进化过程进行有目的、有选择地指导,提高算法的搜索性能。随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上,建立了基于免疫粒子群(IPSO)算法的梯级电站短期优化调度数学模型,并给出其具体的求解步骤。最后应用该方法进行仿真计算,并与常规调度及PSO算法进行对比,结果表明,该算法可获得较优的优化调度方案,并可提高解的精度,加快其收敛速度。

基于调度图的金沙江下游梯级水电站改进蓄水策略研究

为缓解金沙江下游梯级水电站汛末蓄水矛盾,改善蓄水过程中按调度图运行存在下泄流量、出力过程波动较大等问题,以溪洛渡、向家坝梯级水电站为研究对象,通过设置不同提前蓄水时机组合,提出基于水电站调度图的改进蓄水策略,并从年平均蓄满率、汛末蓄水位、总弃水量、总发电量等指标综合比较分析,确定了当起蓄时机为溪洛渡9月1日、向家坝9月1日,并采用改进蓄水策略蓄水时,为梯级最佳蓄水方案。同时,采用丰、枯典型年对蓄水过程进行验证。研究结果表明:提前起蓄时机有助于水电站提早蓄滞一部分汛末水量,缓解梯级水电站间的蓄水矛盾;改进蓄水策略充分利用调度线的过渡作用,有助于减少水电站出力在不同调度区之间大幅度来回跳动,实现了下泄流量、出力过程稳定。该研究成果可为金沙江下游梯级水电站汛末蓄水调度提供科学的参考依据。