基于组合POA模型的硕曲河梯级水库短期优化调度

反调节频繁以及水力联系关系处理困难一直是梯级水库短期联合优化调度模型中的重点和难点问题,为此本文提出一种基于组合POA(逐步优化)模型的梯级水库短期优化调度模型。该模型以逐步优化方法为框架,对梯级各库运行方式进行组合,形成多种梯级运行方案,最后通过POA求解,对比各方案结果,筛选出梯级水库最佳运行方案,完成对梯级水库的过程优化。对硕曲河梯级水库短期联合调度的结果表明,该模型能够快速地优化出符合水力联系且兼顾反调节的梯级水库运行方案,解决了梯级水库短期联合优化调度中反调节频繁以及水力联系处理困难的问题,提高了硕曲河流域水资源的利用率。

反调节作用下的梯级水库短期优化调度研究

为充分发挥上游大型水电站的调峰作用,保障下游供水、生态流量等供给,在下游建设反调节水库的梯级水库运行模式应运而生。目前,对水库反调节的研究多侧重于下库对上库出库流量或发电水头单方面的调节,并未将两者结合考虑。针对上述情况,以堵河流域潘口-小漩梯级水库为例,结合该梯级中"以电定水"与"以水定电"运行模式并存的生产实际,综合考虑小漩对潘口出库水量的调蓄作用以及对潘口尾水的顶托作用,建立了潘口-小漩梯级水库短期优化调度模型,并采用改进的POA算法对模型进行求解。计算结果表明:抬高小漩水库运行水位并保持其机组位于高效率区运行能够提升梯级水电站整体的发电效益。

三峡——葛洲坝梯级水库短期优化调度的实现

梯级水库短期优化调度的基本方法是首先采用动态规划方法按时间(以日为单位)规划三峡水库水位变化过程线,然后按日来进行优化调度,确定调度方案,建立一种以动态规划原理来解决梯级水库短期优化调度问题的数学模型。对于梯级水库短期优化调度,这种方法既考虑了面临时段的效益,又考虑了余留时期的效益,因此,据此制定的各时段的最优决策能够满足既定要求。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

基于Vine Copula的梯级水库短期发电调度风险估计

基于能准确描述高维变量相关关系的Vine Copula,考虑短期径流预报误差的空间相关性,构建了梯级水库短期发电调度风险估计模型,并将模型应用于长江上游溪洛渡、向家坝和三峡水库,分析了径流预报误差带来的单一水库、梯级水库短期发电调度风险。结果表明:基于C-vine Copula构建的联合分布能较好地描述屏山站、朱沱站、寸滩站和武隆站的日径流预报误差特性;随着水库可调节安全区间范围增大,单一水库发电量不足风险率、弃水风险率均越来越小,梯级水库发电量不足、弃水联合风险率和同现风险率越来越小,即水库调节库容越大,其承担的风险也就越小。

考虑生态流量约束的梯级水库分期消落水位多目标优化调度

针对如何表征枯水期季节性特征、优化分期消落水位来指导水库群消落调度的科学问题,提出了考虑生态流量约束的梯级水库分期消落水位多目标优化调度模型。以金沙江中下游6座水库与三峡水库为研究对象,综合运用多种数理统计方法划分流域枯水期;采用逐月滑动计算法推求梯级水库分期消落水位;以生态和发电效益最大为目标函数,利用NSGA-Ⅱ算法求解调度模型,得到不同来水情景下梯级水库枯水期消落调度方案。研究结果表明:不同来水情景下,相较于常规调度方案,选定的优化调度方案可增加梯级水库发电量30.20亿~52.27亿kW·h(增加2.3%~5.0%)和供水量83.15亿~87.14亿m3(增加5.8%~7.4%),并提高河道生态流量保证率2.6%~22.9%。研究成果可为协调梯级水库生态和发电调度提供技术支撑。

大型水利工程梯级泵站短期优化调度方案

针对泵站高能耗难题,采用粒子群优化算法对南水北调东线徐洪河段的短期经济性调度方案进行研究.基于水量平衡方法,耦合流量、水位、蓄量及水力损失函数关系式,动态模拟渠道水情变化过程.将泵站扬程动态调整过程中产生的电费纳入考虑范围,以调度期内梯级输水系统产生的总电费和调控后水位与目标偏差最小为优化目标,其中目标水位为适应短期内调节的梯级扬程优化分配结果.基于实际运行数据对模型结果进行分析和验证,结果表明:渠道水情模拟方法的模拟精度较高,水位模拟值与实测值平均误差在10 cm左右;梯级短期优化调度模型引入目标水位增强了优化效果,进一步减少4.7元/万m3用电费用,优化方案的单位运行成本相比实际调度可有效降低6.7%.

基于超启发式算法的梯级水库短期调度方法研究

为提高梯级水库的短期发电量,以某地区梯级水库为例,引用超启发式算法,从短期角度设计水库优化调度方法。设计水库短期最大发电量为调度目标,对各水电站、水电厂的用水过程进行优化,使之达到最大发电量需求,以此为依据设计梯级水库短期优化调度目标函数;利用超启发式算法的全局检索能力,进行启发函数上一级训练条件与参数个体适应度的分析,考虑不同层级水库之间在水资源分配和利用上存在冲突或竞争关系的前提下,引入超启发粒子概念,对录入目标函数的多个参数值进行训练,生成函数约束条件;将满足约束条件的参数代入设计的梯级水库短期优化调度目标函数中,通过对目标函数的求解,实现对梯级水库短期调度最优值的输出,完成优化调度方法的设计。实验证明,设计方法可以提高水库发电量,在确保日入库水量、日发电总耗水量稳定不变的条件下提高梯级水库发电增长率。

水库中长期径流预报及短期优化调度研究

为解决水库中长期径流预报精度问题,提高水库运营效率,以某水库为研究对象,基于BP神经网络法对监测值训练学习,对水库径流量进行短期优化调度。结果表明:小波分析法、混沌理论模型法和BP神经网路法预测得到的数据均与实测年径流量总体趋势一致,BP神经网络法在年径流量预测中精度更高;优化调度提高了水库的防洪抗旱的能力,达到了调节水资源的目的。研究结果可为水库运行调度提供参考。

基于出力场景库的梯级水库群短期优化调度研究

随着各大流域梯级水库群的建成投运,梯级水库群短期优化调度问题的研究也越来越受到人们的关注,但该优化问题包含的变量多、约束复杂,其模型建模与求解难度随着水库群规模的扩大也越来越大。虽然传统优化方法或智能优化方法能够得到满足相关目标与约束的最优解,但往往优化算法下的结果太过于偏重目标值的大小,结果波动性、随机性大,难以满足实际调度需求。鉴于此,从历史已发生的调度结果出发,基于历史的详细调度数据,采用聚类分析等数据挖掘方法,考虑调度时期、业务类型、调度期长度、调度对象等场景要素,提出了电站出力场景构建技术,通过挖掘基于长系列历史运行数据的典型出力场景,形成出力场景库,并在此基础上提出了基于出力场景库的梯级水库群短期优化调度方法。以沙溪梯级水库群为例进行实例分析,结果表明,相比于传统优化调度方法,所提方法不仅能够得到满足实际调度要求的出力过程,而且计算时间也相对大大缩短,验证了该方法的可行性与实用性,研究成果对其他流域梯级水库群短期优化调度具有很好的参考借鉴意义。

梯级水库深度强化学习长期随机优化调度研究

梯级水库调度相较于单库调度状态空间呈指数级增大,为解决基于表格的强化学习方法在解决梯级水库长期随机优化调度问题时面临的维数灾问题,提出采用深度强化学习中的深度Q网络算法求解。首先基于Copula函数分析梯级水库随机入库径流的联合分布函数;再根据时序差分思想分别建立目标神经网络和主神经网络,分别逼近当前和下一状态对应的动作状态价值,并采用ε-贪婪探索利用策略获取最优调度策略;最后将主要参数分步调优保障调度效益。算例对比表明,深度Q网络算法相较于Q学习算法及其改进算法提升了优化调度目标值,加快收敛速度,有效解决了梯级水库随机优化调度中的维数灾问题.

基于碳减排的梯级水库消落期多目标水碳调度研究

提出基于碳减排的梯级水库消落期多目标水碳调度模型,将碳排放因子法应用于梯级水库水碳调度研究,为梯级水库消落期水碳协同调度提供技术支撑。以发电量最大和温室气体排放量最小为调度目标,采用NSGA-II算法求解模型,并以金沙江中下游6座水库与三峡水库组成的梯级水库为研究对象进行实例研究。结果表明:相较现行调度方案,在丰、平、枯不同水文情景下,发电效益最佳方案可使梯级水库年发电量提高44.3~75.9亿kW·h,增长率为4.0%~5.2%;碳减排效益最佳方案可减少温室气体排放量(CO_(2)当量)37.5~42.5 Gg/a,降低4.2%~4.7%;协调调度方案可提高年发电效益36.4~73.8亿kW·h(增长率3.2%~5.0%),减少温室气体排放量(CO_(2)当量)36.3~41.4 Gg/a,降低4.0%~4.6%。

Kriging水动力学代理模型在水库群优化调度中的应用

为解决传统水动力学模型结合调度模型求解耗时长的难题,使用代理模型模拟水动力学模型以提升求解效率。从金沙江下游—三峡梯级水库调度实际出发,结合水动力学和代理模型相关理论,建立了基于Kriging代理模型的水库群多目标调度模型并采用多目标进化算法对模型进行求解,最后采用投影追踪法对得到的多目标帕累托前沿进行决策。研究结果表明,代理模型的平均模拟误差≤1.5%,能够较为精确地替代原有长耗时水动力学模型并结合调度模型给出具有竞争关系的帕累托前沿及合理的折衷方案,对促进梯级水库综合效益发挥提供理论依据。

基于改进遗传算法的梯级电站日经济优化调度研究

本文指出梯级水电站在优化运行时往往伴随着多约束、非线性、多阶段的组合优化问题,在进行求解时由于传统遗传算法等其他相似智能算法对水库优化调度模型求解时局部搜索能力较差、在进化后期搜索效率较低,往往容易产生早熟收敛的问题。针对此问题,本文对遗传算法进行适当改进,在分时电价背景下,将该算法应用于溪洛渡-向家坝梯级电站日经济效益最大为目标的日优化调度模型中。通过将改进遗传算法与传统遗传算法以及其他优化算法所得结果进行比较,发现改进遗传算法收敛较快、稳定性较好,克服了其他算法早收敛、陷入局部最优的缺点,可以为水库优化调度提供了一定参考价值。

基于分段负荷构建策略的梯级水电短期优化调度方法

随着中国经济的快速发展,电力需求不断增加,作为中国第一大清洁能源,水电得到大规模集中投产,形成了复杂的大规模水电系统。然而,梯级电站数目增加、众多水力电力约束和时效性的调度需求使得短期水电优化调度面对严重的“维数灾”挑战。因此,提出一种基于分段负荷构建策略的梯级水电短期优化调度方法。首先,从梯级水电站调节性能,所处位置及承担任务等角度,制定出调节电站的选取规则;然后,给出将复杂的原始负荷划分为2个子负荷过程的方法,得到时间降尺度的分段负荷过程和频繁波动的剩余负荷过程;最后,给出调整方法,结合粒子群算法在不同阶段进行遍历寻优,找到目标最优时的负荷划分过程。以中国西南某流域7座梯级水电站为研究对象采用成熟的粒子群算法进行汛枯期典型日的模拟计算,结果表明所提的分段负荷构建策略能够有效降低求解复杂度,合适的分段数目能够在保证解质量的情况下提高求解效率。同时,该方法极大程度地减小了辅助电站的出力波动,这对降低调度难度、减少机组损耗有很大的帮助。因此,所提方法能够给大规模梯级水电短期调度求解困难的解决提供借鉴,具备很好的实用价值。

人工免疫系统在梯级水库群短期优化调度中的应用

免疫起源于抗感染的研究,是一种机体识别和排斥抗原性异物的生理功能。现代仿生技术将免疫应用到解决非线性优化问题中,形成了独特的人工免疫系统(AIS),AIS用抗体代表问题的可行解,用抗原代表问题的约束条件和目标函数,采用期望繁殖率来定义父体选择的概率进行随机搜索全局最优解。将AIS应用到梯级水库群短期(日)优化调度的研究中,经过对某梯级水库群的仿真计算,认为其结果是合理和可实际应用的。

基于FP遣传算法的梯级水库短期优化调度

梯级水库短期发电优化调度是一个复杂的非线性问题,涉及变量较多、数据范围较大,传统二进制编码遗传算法严重影响搜索时间。采用实数编码遗传算法(FPGA)可以较好地解决计算精度与搜索时间问题。工程实例证明,FP遗传算法容易实现、计算准确、搜索计算速度快,对求解梯级水库短期优化调度可行、正确。

考虑水流时滞的梯级水电站水库群短期发电优化调度

在梯级水电站水库群短期发电优化调度过程中,为了规避水流时滞的影响,基于线性空间原理,建立了上级水库的出库流量、区间入流、下库水位所构成的空间与下级水库的入库流量空间的映射函数,并综合应用数据挖掘中的人工神经网络、K-means和Relief方法对其进行求解,构建了考虑水流时滞的梯级水电站水库群短期发电优化调度模型。应用于雅砻江流域锦官电源组短期发电优化调度的算例分析表明,所建立的模型能够提高短期发电优化调度方案制作的精度。

钱塘江梯级水库中长期多目标联合优化调度研究

新安江、富春江水库是华东电网的主力调峰电厂,对电网的安全、稳定运行起着重要作用。为了充分利用钱塘江流域的控制性水利枢纽——新安江水库的调节能力,进一步发挥梯级水库群的综合效益,本研究以新安江、富春江梯级水库为研究对象,建立协调发电量及弃水量的梯级水库联合调度模型,并采用DPSA算法求解,得到不同典型年下梯级水库联合优化调度过程。结果表明:与单库调度运行相比,联合优化调度的发电量提高2.85%、弃水量降低17.5%,联合调度能更好地发挥两库的水资源综合利用效率。

雅砻江梯级水库优化调度规则提取研究

针对确定性水库优化调度模型难以直接应用于实际操作的局限性,建立雅砻江流域“三库七级”梯级水库电站联合优化调度模型,采用Gaussian径向基函数提取各水库的调度规则,并率定和检验拟合效果。结果表明,雅砻江梯级水库电站联合优化调度运行的年均发电量为983.19亿kW·h,比设计多年平均发电量增加78.94亿kW·h(+8.73%);两河口、锦屏I级和二滩水库的优化调度过程呈现一定规律,Gaussian径向基函数拟合调度过程的决定系数R2均大于90%,能有效拟合其调度规则,且模拟调度结果相比设计值增发电量51.27亿kW·h(+5.67%)。