电价下行下沅水梯级水电站群中长期联合调度策略研究

为研究电力市场规则下沅水流域梯级水电站中长期调度运行最优策略,以沅水干流三板溪、白市、托口、五强溪4座水电站为实例,构建了梯级水电站群发电效益最大模型,并提出轮库迭代增量动态规划方法进行求解。通过对不同水文年型不同现行电价下进行梯级水电站优化调度计算,得出中长期沅水流域梯级水电站联合优化调度策略。研究表明,三板溪水电站在梯级中起到重要调蓄作用,随着上网电价的同步下降,三板溪消落水位将上升,上网电价每下降0.02元/(kW·h),三板溪消落水位在丰水年、平水年、枯水年分别上涨1.09、0.20、1.34 m。该模型方法可有效提升沅水流域梯级电站群发电效益,为电站管理人员提供科学的调度策略,提升水资源利用效率。

基于遗传算法的时间敏感网络调度方法

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法满足实时性。文中设计了一种性能更优的路由优化遗传算法(Routing-GA),结合路由和流量调度约束,能通过优化路由来提高调度算法求解效率,为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性,具备元启发式算法的快速求近最优解特点,能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标,联合考虑路由和TSN约束,并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外,为了提高调度算法的性能,提出针对路由长度及链路负载均衡进行优化的交叉变异机制。实验结果表明所实现的Routing-GA能有效减少端到端时延,显著提高求解质量,进化率可以达到24.42%,平均只需要传统遗传算法(GA)迭代运行时间的12%,从而有效提高了算法的求解性能,满足TSN调度的约束要求。