基于深度学习的三峡电站未来坝前最大最小水位预测

最大最小水位是计算梯级水库调度问题、水电站经济运行问题等时要考虑的重要约束条件,其精确预测能为水电站经济运行提供支持。常用的迭代计算容易误差积累,导致多时段预测结果可信度降低。选取对时间序列问题有良好处理效果的长短时记忆网络模型(LSTM),将其应用于三峡电站未来4 d最大最小坝前水位预测中,依据水量平衡预测框架构建传统预测模型;基于LSTM使用不同特征变量构建2种深度学习模型,并比较其预测效果。计算结果表明,考虑三峡库区水面线传播规律后的深度学习模型预测具有精确稳定的预测效果,99%预测绝对误差<40 cm。

水头衔接的梯级电站水头分配问题研究

对于水头衔接的梯级电站,在两梯级电站总水头不变情况下抬高下游电站运行水位,一方面会增加弃水风险,另一方面会改变两电站利用水头,从而使两电站发电收益发生变化。为了研究抬高下游电站运行水位对梯级电站整体发电收益的影响,计算了抬高下游电站运行水位前后梯级电站收益变化,提出了发电用水增量系数评价指标,并基于弃水损失,研究了改变梯级电站水头分配后电站发电收益变化,给出了改变梯级电站水头分配是否有利于提高梯级电站总收益的判别条件,并以清江隔河岩、高坝洲梯级电站为例进行了探讨。结果表明:鉴于上下游电站电价、综合出力系数的差异,当满足提出的判别条件时,适当抬高下游电站运行水位可增加梯级电站的整体发电收益。研究成果可为梯级电站科学控制水位、平衡弃水风险和水头效益、提高整体发电收益提供理论参考。

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法(AGA)进行改进,并用于大型电站厂内经济运行。模拟退火算法是在遗传算法(GA)中引入模拟退火算法(SA),它吸收了遗传算法速度快和模拟退火精度高的优点。此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力。为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划(DP)、加速遗传算法(AG)、标准遗传算法(SGA)和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值。

水电站经济调度考核计算研究

水电站经济调度是电力系统调度的重要环节。合理量化经济调度产生的效益,是水库调度面临的一个重要生产实际问题。本文通过分析衡量水电站经济调度效果的标准,提出了考核指标,即相对发电耗水率和相对水能利用率,并给出了计算公式。在此基础上,针对龙羊峡电站的实际情况,建立了龙羊峡水电站经济调度考核模型,并对2001年的实际调度运行进行了考核。

流域梯级水电站经济运行效益评价体系研究

针对现行水电站经济运行效益考核办法存在的问题和不足,为合理评价梯级水电站经济运行效益,并为今后工作的改进提供指导,基于现有水电站经济运行评价办法,分析了流域梯级水电站经济运行效益影响因素,构建了一套定性和定量指标相结合的指标体系,并给出了相应的评分办法。该套评价体系选择的指标较全面,避免了采用单一指标评价的片面性,为今后制定梯级水电站经济运行效益评价办法提供了新思路。

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。

基于混合遗传算法的水电站经济运行

以水电站运行成本最小为目标,提出了一种用混合遗传算法实现大型电站最优运行计划的方法。该方法考虑了机组能量特性差异,并能在旋转备用、起停成本、空蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了遗传算法的精度。算例表明,方法精度高,计算速度快。

水电站短期优化调度模型的探讨

在电力市场环境下,水电站短期优化调度作为优化发电计划、指导市场竞价的重要环节,在水电站生产实践中应用广泛。目前,短期优化研究常侧重于提高算法的精度和计算速度,而忽略了短期优化调度模型本身的合理性和准确性。如短期优化调度模型中的出力系数计算问题的研究就很少,而它都是影响短期优化调度计算精度的重要因素。为此,提出了厂内经济运行为短期优化调度提供出力系数的思想。该方法能提高出力系数的精度,从而达到改善短期优化调度精度的目的,同时它不会增加短期优化调度的计算量,因此具有一定的实用价值。

考虑空蚀振动区的水电站厂内经济运行方法研究

机组在实际运行中处于某些出力范围时会产生振动,这给厂内经济运行方法研究增加了难度。通过引入惩罚因子,对处于空蚀振动区的流量特性曲线进行变换处理,在此基础上应用动态规划方法得到水电站厂内最佳运行方式。并以三峡左岸电站为实例,制定了考虑空蚀振动区的最佳负荷分配方案。

微粒群算法在水电站厂内经济运行中的应用研究

介绍了一种基于集群智能的优化算法———微粒群算法,该算法具有实现简单、参数少且收敛快的特点。结合水电站厂内经济运行问题实际,提出通过确定微粒群在多维空间中的最优位置来实现机组间的负荷优化分配;针对算法易于局部收敛的缺点,引入了遗传算法的交叉算子来保持种群的多样性,并采用自适应惯性权重改善算法的解空间搜索能力。最后通过实际算例验证了算法的有效性,从而为水电站厂内经济运行问题提供了一种新的求解途径。

基于退火遗传的旋转备用经济运行

水电站具有运行灵活、负荷调节速度快等特点,经常在电网中承担旋转备用服务,因此,厂内经济运行中考虑旋转备用很有必要。本文将实数编码退火遗传算法(Real Coded Annealing Genetic Algorithm,简称AGA)用于承担旋转备用的水电站经济运行中。该算法将遗传算法引入模拟退火算法,以提高其解决经济运行等联合优化调度问题的性能。本文对某一大型水电站分别采用了动态规划(DP)、遗传算法(GA)、模拟退火(SA)和退火遗传算法(AG)进行旋转备用经济运行模拟计算,计算结果表明退火遗传算法收敛速度快,精度较高,且容易实现,该算法在大型电站经济运行中有一定实用价值。

水电站实时经济运行振动区回避策略研究

避开机组振动区是水电站实时经济运行中所需要考虑的重要因素,针对于此,构建了具振动区回避策略的水电站实时经济运行模型,并建立了水电站机组组合优化的耗水量最小模型("以电定水"模式)和发电量最大模型("以水定电"模式),采用动态规划算法进行模型求解。以天生桥一级水电站为例,验证了上述模型和方法的实用性。

大渡河流域梯级电站经济调度策略研究

以大渡河瀑布沟、深溪沟梯级电站AGC联合运行为依托,基于分层控制原理,提出了一套厂网协调模式下的梯级电站经济调度(EDC)负荷实时分配策略,构建了相应的数学模型。为了检验策略及模型的合理性和可行性,进行了模拟运行。结果表明,所提策略及方法可在满足各项安全约束的前提下,实现瀑、深两站梯级总负荷的厂间实时分配,使两电站在负荷与水量上匹配,进而提高了水量利用率,增加了发电效益。

狼群算法在水电站负荷优化分配中的应用

解决水电站厂内经济运行的最优负荷分配问题是提高水电站运行效率的重要方向之一,将狼群算法引进到解决最优负荷分配问题中,并运用在三峡水电站厂内经济运行的实例中,与遗传算法和粒子群算法等得出的结果做了比较,结果证明该种智能算法在全局收敛性和局部收敛性上有一定的优势,可以运用于求解最优负荷分配的问题。

梯级水电站调度图优化的混合模拟退火遗传算法

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。

基于改进量子遗传算法的水电站厂内经济运行

为了克服量子遗传算法(Quantum Genetic Algorithm——QGA)存在的"早熟"问题,本文将传统遗传算法中的变异算子引入量子遗传算法,同时使用已搜索到的最优个体更新量子门,以改善QGA算法的全局收敛性,并将其成功地应用于解决水电站厂内经济运行问题。文中结合某电站实例进行计算,结果表明,改进后的量子遗传算法收敛速度更快,能够满足工程应用的实际需求。

电力市场模式下的水电调度探讨

根据国内外电力市场实际运行经验，结合我国电网水调工作的具体情况，分析电力市场条件下如何搞好水电调度工作，对电力市场运营机制下出现的情况、新问题及其对策进行深人分析和探讨，并着重讨论发电厂报价决策支持系统的主要功能及其在电厂经营决策管理中的重要意义，对存在的问题进行探讨。

水电站厂内经济运行模型研究

电力系统管理体制的重大变革促进了电力市场的激烈竞争,而提高电力竞争力的根本措施就是在保证安全性和可靠度的前提下,运用一切条件来降低运行成本。由于水电运行成本较火电低,无污染等特点,在国内发电中占据着越来越大的比重。而降低水电站的运行成本,最可行的措施就是进行厂内经济运行研究,以提高发电机组的工作效率。首我国量测机组过流量的技术的手段限制和一些复杂因素的不确定性的影响,在大程度上限制了优化模型的使用范围。笔者在本文中建立了水电站厂内经济运行的通用计算模型-耗流量最小模型,并利用动态递推法,求解优化模型。并通过结合某水电站实际运行资料,证实该模型算法能准确计算绘制最优耗流量曲线,能为水电站经济运行提供参考和依据。

水电站经济运行的优化模型及其分解协调求解方法研究

考虑水电机组的出力约束、出力曲线及水库的水量平衡约束、库容约束、水头变化等因素,给出了水电站经济运行的约束条件。基于大系统原理,以水电站发电出力的耗水量最小为目标函数,建立了多机组、多时段水电站经济运行的优化模型。利用大系统分解协调算法,给出了优化模型的求解算法。

水电站厂内经济运行模型精度研究

由于机组流量特性曲线以离散形式表达,使得以此为基础的厂内经济运行模型的精度受到了不利影响,而模型求解方法的收敛性能和求解精度也影响着最优决策结果的精度.针对这一问题,提出插值法对模型精度进行改进,并采用动态规划算法求得改进精度后的经济运行总表,在实际运行水头和负荷已知的情况下,运用四点法查询满足一定计算精度要求的最佳负荷分配.以葛洲坝水电站为例进行验证,结果表明该方法具有实用性.