动态规划和粒子群算法在水电站厂内经济运行中的应用比较研究

随着电站装机容量和机组台数的不断增加,利用动态规划求解水电站厂内经济运行问题,将面临"维数灾"和实效性问题。近些年,粒子群算法作为一种新型的群体智能优化方法,由于能够弥补动态规划计算时间长、内存占用量大等诸多不足,在水电站厂内经济运行等方面得到了广泛重视。现有文献,大多数从方法的应用角度探讨较多,但从替代动态规划的必然性和潜力方面探讨较少,鲜有实例分析。本文以百万级装机千瓦的乌江渡水电站为实例,深入分析与比较了粒子群算法与动态规划的优劣,认为粒子群算法是代替动态规划、求解装机规模庞大的巨型水电站厂内经济运行的有效方法。

基于C藤Copula理论的水风互补系统调峰方法

水电与风电是我国装机规模最大的两类清洁能源,准确描述风电出力场景是实施水风互补以解决间歇性新能源发电大规模消纳难题的重要途径。依托云南电网实际工程,提出基于C藤Copula理论的水风互补系统调峰方法。耦合风速等气象信息聚类风电出力样本,建立Copula联合分布以描述同地区风电场间的出力空间相关性,引入C藤Copula条件树确定不同地区的风电出力主导电站,将多维联合Copula函数等效描述为系列二维Copula函数,实现多电站高维联合分布的降维求解,并耦合风电出力场景构建了水风互补随机调峰模型。通过13座水电站与21座风电场构成的互补系统验证分析,所提方法可减少余荷峰谷差约67%;与确定性模型相比,在风电出力波动大的典型日调峰效果和运行可靠性更好,呈现出良好的实用性。

蜜蜂进化算法在水电站厂内经济运行中的应用

以发电耗流量最小建立经济运行数学模型,通过模拟蜜蜂交配过程中的婚飞行为,提出了一种蜜蜂进化算法(HBEA),在杂交过程中引入了外来雄蜂提高子代多样性,又引入工蜂对子代喂以蜂王浆提高群体适应度。通过Schwefel’s函数仿真测试证明了HBEA的可行性。以乌江渡水电站经济运行为例,结果表明该算法解决水电站经济运行问题行之有效。

耦合KL理论与调度特征的大规模水电站群优化调度降维方法

大规模水电站群优化调度计算效率是水电及电力系统运行面临的最棘手问题之一,是突破超百座水电站高维复杂系统求解的理论和技术障碍。本文提出一种耦合KL理论与调度特征的水电优化调度降维方法,通过对水电站群长系列调度样本进行主成分分析,识别调度过程中的库水位变化特征值与其对应的特征函数,采用KL理论将库水位描述为多个水位变化特征项的组合函数,引入Kullback-Leibler散度以根据问题特点确定调度特征项随机系数的概率分布及初始值;构建了两阶段逐步迭代寻优策略,通过动态搜索水位特征项的随机系数实现大规模水电站群优化调度的高效求解。提出的方法以云南电网超百座水电站群调度问题进行了验证,通过不同算例对方法的有效性、高效性、随机系数概率分布和参数敏感性进行了分析,与经典动态规划及其改进算法相比,KL方法在有效保持结果精度的条件下显著提高了计算效率。

水电主导的省级多能互补调度系统关键技术及应用

随着西南地区水电和新能源电站规模的不断增大,开发实用的高比例可再生能源电网发电调度决策系统具有很强的迫切性和现实性。为此,以云南电网为依托,设计开发了多能源电网互补优化调度系统,构建了分层协同的总体技术架构,开发了覆盖新能源预测、径流预测、中长期运行方式优化、短期发电计划编制等全过程发电调度业务功能,集成了多尺度风光水互补优化调度模型与方法。实际应用结果表明,该系统可有效提升水电主导的多能源电网发电调度精细化、自动化、实用化水平。

耦合联动分析理论的多调峰指标水电短期调度模型

构建适应性调峰模型是发挥水电优质调峰作用,动态适应不同电网负荷特点的关键问题之一。本文综合考虑4种调峰压力指标,引入经济学联动分析理论对指标数据序列进行平稳性和因果关系检验,明了指标间的联动变化规律,采用回归分析量化相互影响关系,以根据电网负荷需求自适应确定多调峰指标耦合建模方式,减小以往主观选取调峰指标和权重系数可能产生的不利调峰结果影响。以某水电站参与省级电网调峰为例,给出了不同典型日负荷、不同单一调峰指标模型的对比分析案例,结果表明通过多个调峰指标的联动分析构建发电优化调度模型能够更客观地描述电网的综合调峰要求,与多个常规单一调峰指标优化模型相比,调峰结果得到显著改善。

大规模风光并网条件下水电灵活性量化及提升方法

近年来,我国西南水电主导的电网中风光占比大幅提升,对水电灵活性提出了更高的要求。如何量化大规模风光并网后的水电灵活性,是促进水风光协同发展和大规模消纳的关键因素。为有效量化及提升水电灵活性,在供需双侧开展了量化方法研究。首先,在灵活性供给侧,结合水电站历史运行特性,提出了一种考虑可获得性的水电灵活性供给能力量化方法,定义了水电灵活性变化特征区;其次,在灵活性需求侧,基于分位点回归理论,提出了响应新能源预测误差的数据驱动水电灵活性需求量化方法;最后,通过灵活性供需关系约束,将上述量化方法耦入短期调度模型,来验证所提方法的有效性及合理性。以云南电网为工程背景,仿真结果对比表明,该方法可有效认知水电灵活性供需关系,提升水电灵活性。与其他量化方法对比表明,该水电灵活性量化方法,可兼顾多方面综合要求,可获得性更高。

考虑风光不确定性的高比例可再生能源电网短期联合优化调度方法

随着风电、光伏的规模化并网,如何考虑其出力不确定性和难预测性,制定出更为可靠的水电发电计划是水电主导的高比例可再生能源电网亟需解决的关键难题。该文基于随机规划理论,以系统剩余负荷方差的期望值最小为目标,构建随机期望值调峰模型,实现水风光短期联合调度。为表征新能源出力不确定性,提出一种耦合分位点回归理论和降维聚类技术的新能源组合出力场景集生成方法,利用历史统计信息将新能源出力由确定性预测序列转化为出力场景集。最后,利用商业求解器LINGO 18.0求解模型。依据云南电网主要大中型水电站群、全网风电和光伏,开展模型应用测试。与确定性调峰调度模型对比表明,随机期望值模型制定的水电发电计划更加可靠,鲁棒性更高,有利于应对新能源出力不确定性。

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型。考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度。最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划。