梯级水电站优化调度模型与算法研究

梯级水电站优化调度模型与算法研究[摘要]进入二十一世纪以来，科技大发展，经济大发展。人们的生活越来越舒适、便捷的同时，随之而来的一系列问题也十分明显。环境的污染、能源的短缺，促进了我国水电企业模型的改革，因为只有改革才能适应时代的变化，才能解决日益严峻的能源形势。下面，我们将主要分析一下目前我国梯级水电站优化调度模型与算法。[关键词]梯级水电站；优化调度；算法中图分类号：TV6973文献标识码：A文章编号：1009-914X（2014）27-0171-01自从有了电力以后，人们的生活明亮了许多，也方便了许多。发电消耗了大量的资源，因此人们在享受电力带来的方便的同时也得接受它带来的问题。随着能源危机的不断加重，大力开发水电能源是解决危机的主要办法。因此，很多水电企业根据实际的情况进行适当的优化调整，以便于能够提供更多的能源，本文将主要介绍一下梯级水电站的优化模型和算法。1、梯级水电站优化研究现状分析第6页共6页 随着水电能源的不断开发，水库群已成为最常见的水电系统，水库群有梯级（串联）、并联和混联三种排列形式。梯级水电站是在一条河流上串联建设的一系列水电站，各水电站之间不仅存在电力联系，而且还存在水力联系，上一级水电站的发电和泄水影响着下一级或更下一级水电站的发电和泄水。60年代以前对水电站的研究主要集中于单一水库，因为那时的水电站较少，尤其是梯级水电站更少。对水库群优化调度的研究，国外大约从20世纪60年代末开始，我国稍晚大约开始于20世纪70年代末。梯级水电站优化调度的核心问题是水库优化调度，所谓优化，指的是在确保水库安全的前提下，根据水库具体的流入过程，通过一些方法优化建立水库优化调度的数学模型，从而得出最佳的运行方案。既要满足水电站日常发电瓦数，更要满足防洪、防渗、灌溉等要求。要想进行优化调度计算首先要描述径流，目前一般计算径流的方法都是通过网络流方法、参数和状态估计方法建立流域水文预报模型，从而向优化调度计算提供径流数据。水电站进行优化调度的目的是为了使水电站在现有蓄水量的基础上达到发电量最大、能耗最小、储备能量最大的目标。其中建立优化调度模型是水库调度的关键环节，采用何种模型对计算结果具有决定性影响。2、常见梯级水电站优化调度模型准则分析2、1梯级总发电量最大准则梯级水电站进行优化调度的目的是为了效益最大化，也就是采用最经济的模式。因此在优化过程中也有其需要遵循的准则。衡量一个水电站的效益，最重要的一方面就是总的发电量，在梯级水电站的优化调度中首先要考虑的就是发电量最大准则。在水火电联合系统中如果单纯追求水电发电量最大，那么优化结果也许会使水轮机运行在高效率区停机，这样将牺牲水火电联合系统的整体效益。2、2梯级总蓄能最大准则第6页共6页 水电站的总蓄能能为发电提供后备动力，直接决定了水电站的使用年限。建立梯级水电站总蓄能最大的优化调度模型，是为了满足较好的经济效益，这种准则的缺点是很容易造成最末级水库放空，从长远角度考虑，不利于中长期调度。2、3梯级总耗能准则梯级水库优化调度最主要的目的就是为了降低能耗。建立了总耗能量最小优化调度模型，利于减少能耗，常常导致第一级水库在一个或少数调度期内就被放空、后续调度期无解的情况，不利于中长期调度。2、4发电效益最大准则还有一个准则是发电效益最大准则，虽说水电站最重要效益的就是发电效益。然而在实际情况中由于水库的国民经济效益还体现在防洪、灌溉、运输、工业用水、生活用水所带来的效益中，这些产业的效益与梯级调度的联系比较复杂，受多种因素影响，难于寻求总体的效益最大化，该准则较少出现在实际应用中。3、粒子群算法和多目标优化浅析3、1粒子群算法概述目前的国内外关于梯级水库的优化调度研究最常用也是最有效的算法是粒子群算法。粒子群算法因其具有收敛快速、实现简单的优点在进行目标优化时得到了广泛的应用。在人工智能角度上，群体智能是由非智能Agent组成的系统通过相互之间或与环境之间的交互作用表现出来的集体智能行为。粒子群优化算法（ParticleSwarm第6页共6页 Optimization，PSO）是1995年由Kennedy博士和Erhard博士提出的一种模拟群体生物行为的启发式群体智能算法。这种群体智能算法是通过特定群体中粒子间的合作和竞争产生的群体智能来指导优化搜索。粒子群算法的出现为水电站尤其是梯级水电站的优化研究提供了新的思路。在这个资源、能源相对比较匮乏的今天，梯级水电站的出现无论是从环保角度还是能源的充分利用角度来说，都可以说是一个福音。3、2粒子群算法优化这种模拟生物群体的行为在仿生学上十分常见。由于梯级电站运行时要彼此受到制约和影响，因此，各梯级电站之间的安全也息息相关。同样的是，由于各地实际情况和水文地质条件的不同，因此即使在适合建水电站的地方，也难免会出现种种问题。所以就要在现有形式的基础上进行梯级水电站模型的优化。要特别注意的是，在优化过程中，粒子向适应度值优的方向群游，对群体中所有粒子按照适应度值进行排序，可评判粒子的优劣程度。这种优化方法需要经历三个步骤，一是要进行适应度设计，二是动态邻域算子，三是惯性权重的动态调整策略。衡量一个河流梯级的效益大小，不在于梯级中个别电站的效益大小，应该关注的是整体的合作效益。3、3粒子群算法应用电站对河流的水能利用特征非常明显：在水头利用上，是分级开发、分段利用；在水量利用上是多次开发、重复利用，因此，在上下梯级之间表现出明显的相互影响的制约。PSO第6页共6页 算法在搜寻最优值方面优于遗传算法，而且比遗传算法计算时间少。为了验证PSO算法求解具有复杂约束条件的非线性规划问题的可行性，对改进PSO算法在电力系统有功功率优化调度问题中的应用进行了研究，具体步骤为选取梯级水电站总燃料量作为优化指标，建立如下有功功率优化调度模型，选取目标函数，寻找约束条件（功率平衡约束、有功功率限制、线路过负荷约束），然后对每个粒子，计算其邻域范围，如果是局部模式，则将适应值与邻域经历过的最好位置作比较，如果较好，则重新设置Ibest的索引号，否则采用Pg。通过一系列的线形拟合、模拟将粒子群算法应用于梯级水电站的优化调度模型研究。有利于未来进一步的企划研究，这是一种新型的算法模型和利用。3、4多目标优化问题概述在梯级水电站优化调度时，实际情况并不是简单的一种算法就能涵盖的，同样的进行优化调度时往往也不是针对单一的目标，那么在多目标时如何优化，就成了摆在科学家面前实实在在的问题。梯级电站必须实行整个梯级的统一调度，在满足系统所给定的负荷曲线前提下，实行各个梯级站的经济运行，以便合理利用水力资源，提高水能利用率。许多工程实例都是多目标优化问题，求解多目标优化往往很困难，而随着人工智能的发展（模糊集理论、进化算法、禁忌搜索、免疫算法、蚁群算法、粒子群）为梯级水电站的优化调度问题提供了新的解决思路。第6页共6页 结语：对梯级水电站进行优化调度的模型与算法进行研究，是为了缓减日益紧张的能源问题，顺应时代发展的趋势。希望相关水电力部门能够积极响应政策的要求，从根本上重视这一问题，对自身的模式进行优化调度，从而能够增大能源的输出，解决资源不足问题。参考文献[1]胡国强.梯级水电站优化调度模型与算法研究[D][博士论文].华北电力大学，2007.[3]王金文，石琦，伍永刚等.水电系统长期发电优化调度模型及其求解[J].电力系统自动化，2002，26（24）：22-26.第6页共6页