CN102867275A - 梯级水库群中长期联合发电优化调度方法及系统 - Google Patents

Abstract

本发明公开了一种梯级水库群中长期联合发电优化调度方法及系统，所述方法包括以下步骤：S1，调度服务器建立并存储梯级发电量最大模型、兼顾保证出力的梯级发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；S2，调度服务器根据发电优化目标选择最优的中长期发电优化调度模型；S3，数据采集装置采集模型求解所需材料，调度服务器选择算法来求解中长期优化调度模型；S4，调度服务器生成并输出中长期发电调度优选方案。本发明能够协调梯级水库优化调度优化变量及约束条件众多与计算效率及结果合理性之间的矛盾，获得最优的梯级水库群中长期联合发电优化调度方案。

Description

梯级水库群中长期联合发电优化调度方法及系统

技术领域

本发明涉及一种梯级水库群中长期联合发电优化调度方法及系统，属于梯级水库群发电优化调度领域。

背景技术

水库优化调度旨在建立一种以水库为中心的水利水电系统目标函数，根据水库特性和综合利用要求，拟定约束条件，然后求解由目标函数和约束条件组成的系统方程组，使目标函数取得极值的水库调度方法。梯级水电站优化调度的目的是以非工程措施提高水(能)资源利用率，增加水库效益。水库群优化调度研究主要需解决两方面的问题，一是如何确定水库的最优准则并建立相应的数学模型；二是如何选择求解数学模型的最优方法。

水库优化调度的研究已有较长的历史，其理论研究目前已在许多大中型水库调度中得到应用。从1955年，美国的Little采用Markov过程原理建立了水库调度随机动态规划模型，标志着用系统科学方法研究水库优化调度的开始。其后，随着系统科学以及计算机技术的发展，水库优化调度先后掀起了多次热潮，提出了众多的随机模型和确定性模型，可以说系统科学的每一步发展，均在水库优化调度研究中有所反映。纵观国内外水库优化调度研究历史，水库优化调度研究主要集中在模型和算法上，且研究对象大都是单一水库电站，对于具有两个以上年调节性能水库组成的梯级水库群的优化调度，无论在最优准则、目标函数、模型求解算法、水库电站约束条件，还是在水调与电调之间的联系等方面，目前还没有一套成熟完善的理论。可见，如何协调梯级水库优化调度优化变量及约束条件众多与计算效率及结果合理性之间的矛盾，在兼顾效益与速率的同时寻求梯级水电站优化调度的模型与求解算法仍是当前水库优化调度理论研究的重点和难点。

发明内容

本发明的目的在于，提供一种梯级水库群中长期联合发电优化调度方法及系统，能够协调梯级水库优化调度优化变量及约束条件众多与计算效率及结果合理性之间的矛盾，获得最优的梯级水库群中长期联合发电优化调度方案。

为解决上述技术问题，本发明采用如下的技术方案：一种梯级水库群中长期联合发电优化调度方法，包括以下步骤：

S1，调度服务器建立并存储梯级发电量最大模型、兼顾保证出力的梯级发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

S2，调度服务器根据发电优化目标选择最优的中长期发电优化调度模型；

S3，数据采集装置采集模型求解所需材料，调度服务器选择算法来求解中长期优化调度模型；

S4，调度服务器生成并输出中长期发电调度优选方案。

对三种中长期优化调度模型进行叙述：

1、梯级发电量最大模型的目标函数：

$\mathrm{Ob}:\mathrm{MaxE}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}N(m,t)\mathrm{\Δt}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}K\left(m\right)Q(m,t)H(m,t)\mathrm{\Δt}$

式中：m、t分别为电站序号和时段序号，M、T分别为梯级电站总数和时段总数；N(m,t)为第m级电站第t时段出力；K(m)为第m电站的出力系数；Q(m,t)为第m级电站第t时段发电流量；H(m,t)为第m级电站第t时段平均水头；Δt表示调度时段长度。

其约束条件为：

①水量平衡约束：V(m,t+1)＝V(m,t)+(QI(m,t)-QO(m,t))×Δt

式中：QI(m,t)、QO(m,t)分别表示第m级电站第t时段入库、出库流量；V(m,t)、V(m,t+1)分别表示第m级电站、第t时段末、初库容。

②蓄水位限制：Z_min(m,t)≤Z(m,t)≤Z_max(m,t)

式中：Z_max(m,t)、Z_min(m,t)分别表示第m级电站第t时段水位变化上、下限，常取水库正常蓄水位和死水位。

③出库流量约束：QO_min(m,t)≤QO(m,t)≤QO_max(m,t)

式中：QO_max(m,t)、QO_min(m,t)分别表示第m级电站第t时段出库流量约束上、下限值，由下游防洪、航运及综合用水等要求确定。

④电站出力限制：N_min(m,t)≤N(m,t)≤N_max(m,t)

式中：N_max(m,t)、N_min(m,t)分别表示第m级电站第t时段出力约束上、下限。

⑤边界条件：Z(m,1)＝Z_c,Z(m,T+1)＝Z_e

式中：Z(m,1)、Z(m,T+1)分别表示第m级电站调度期始、末水位；Zc、Ze分别表示调度期始、末水库蓄水水位。

⑥流量平衡约束：QI(m+1,t)＝QO(m,t)+q(m,t)

式中：QI(m+1,t)表示当前时段第(m+1)级水库入库流量；QO(m,t)表示当前时段第m级水库出库流量；q(m,t)表示当前时段两站之间区间流量。

模型适用条件：梯级发电量最大模型是在调度期内流域不同区间径流过程、不同控制期梯级水库水位、出流及负荷等约束条件给定的情况下，通过合理制定梯级水库时段蓄放水策略，使调度期内梯级发电量最大。梯级发电量最大模型理想计算结果，对于梯级而言应使上游水库多发电，而下游水库多蓄水，由此使调度期梯级发电量最大；因此，在利用梯级发电量最大模型制定梯级(多)年发电计划时，调度者要根据电网要求及梯级电站实际运行状况，合理制定不同约束阈值区间，以使模型计算结果更加趋近于梯级电站实际运行水平。

2、兼顾保证出力的梯级发电量最大模型：

发电量最大： ${\mathrm{Ob}}_1:\mathrm{MaxE}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}N(m,t)\mathrm{\Δt}$

保证出力最大： ${\mathrm{Ob}}_2:\mathrm{MaxF}=\mathrm{Max}\left(\mathrm{Min}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}N(m,t)\right)$

求解此类多目标问题的基本思想是把多目标问题转化为单目标问题，因此，将保证出力最大转化为约束条件，用梯级保证出力NP来表示。则目标函数转化为：

$\mathrm{MaxE}=\underset{t}{\overset{T}{\mathrm{\Σ}}}(\underset{m}{\overset{M}{\mathrm{\Σ}}}N(m,t)-w{\mathrm{\σ}}_t{(\mathrm{NP}-\underset{m}{\overset{M}{\mathrm{\Σ}}}N(m,t))}^{\mathrm{\α}})\mathrm{\Δt}$

式中：NP为梯级保证出力；m、t分别为电站序号和时段序号，M、T分别为梯级电站总数和时段总数；N(m,t)表示第m级电站第t时段平均出力；ω、α是模型参数，ω>0，经大量试算确定，α通常取1或2；σ_t为0-1变量，取值如下：

${\mathrm{\&sigma;}}_t=\left\{\begin{array}{cc}1& \underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)<\mathrm{NP}\\ 0& \underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)\&GreaterEqual;\mathrm{NP}\end{array}\right.$

约束条件同梯级发电量最大模型。

模型适用条件：利用兼顾保证出力发电量最大模型制定梯级(多)年发电计划时，其初始条件与发电量最大模型基本相同。与发电量最大模型相比，兼顾保证出力发电量最大模型更能适应调度期内电网调峰要求，使得计算结果供水期内梯级时段负荷分布较均匀，但梯级发电量一般要比发电量最大模型计算结果要小一些。由此，在制定梯级(多)年发电计划时，调度者根据实际需求合理选择发电量最大模型或兼顾保证出力的发电量最大模型。

3、梯级蓄能最大模型的目标函数：

${\mathrm{Ob}}_3:\mathrm{MaxF}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\left\{\right[\mathrm{QI}(m,t)-\mathrm{QO}(m,t)]\&times;\underset{i=m}{\overset{M}{\mathrm{\&Sigma;}}}{k}_{i}h(i,t)\}$

$s.t.\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)=\mathrm{SumN}\left(t\right)$

式中：SumN(t)表示电网给定的梯级电站第t时段应发出力；h(i，t)表示第m级电站第t时段发电水头；其余符号含义与上述模型相同。

其约束条件同发电量最大模型。

模型的适用条件：梯级蓄能最大模型是在调度期内流域区间径流过程及时段水位、负荷等水力约束条件给定的情况下，在电网梯级负荷要求(上级批复计划)已知的基础上，要求合理制定梯级水库时段蓄放水策略，由此在不同电站之间合理分配负荷，以使调度期末梯级蓄能最大。梯级蓄能最大模型理想计算结果与发电量最大模型基本相反，应使上游水库多蓄水，而下游水库多发电，由此充分考虑相同水量在梯级上、下游所具有的能量不同的特征；因此，在制定梯级(多)年发电计划时，调度者应在合理确定梯级电站时段水位、负荷等水力约束的基础上，选择上述单个或多个模型，通过对不同模型计算结果进行综合分析，从而制定合理、准确地梯级(多)年发电计划，为电网系统以后的安全、稳定运行奠定基础。

前述的梯级水库群中长期联合发电优化调度方法中，若发电优化目标是使调度期内梯级发电量最大，则选择梯级发电量最大模型，并采用逐次逼近动态规划算法、大系统分解协调算法或加速遗传算法对该模型进行求解。

前述的梯级水库群中长期联合发电优化调度方法中，若发电优化目标是使梯级水库在供水期为电网提供尽可能大的、均匀可靠的出力，充分发挥梯级电站的容量效益，则选择兼顾保证出力的梯级发电量最大模型，并采用逐次逼近动态规划算法或大系统分解协调算法对该模型进行求解。

前述的梯级水库群中长期联合发电优化调度方法中，若发电优化目标是使下游水库多发电，以满足系统负荷要求，上游水库多蓄水，以满足系统蓄能最大要求，则选择梯级蓄能最大模型，并采用动态搜索法或快速分配法对该模型进行求解。

前述的梯级水库群中长期联合发电优化调度方法中，步骤S3中的模型求解材料包括：调度期初水库蓄水位、调度期末水库控制水位、调度期内径流过程、水库物理特性、水库及电站设计参数、电站出力特性和水库综合利用要求。调度期的设定以日、月或旬为时段，时间长度可根据实际需求自由设定。

前述的梯级水库群中长期联合发电优化调度方法中，所述步骤S3还包括：建立多年调节水库年末消落水位预测模型，求解多年调节水库年末消落水位预测模型，求解得到多年调节水库年末消落水位运行规则，并综合水库未来时期内的来、用水情况，预测水库年末可能的消落水位，以此作为发电优化调度模型求解的边界条件，进而制定最优发电调度方案。

前述的梯级水库群中长期联合发电优化调度方法中，多年调节水库年末消落水位预测模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

前述的梯级水库群中长期联合发电优化调度方法中，中长期发电调度优选方案包括绘制优化调度图和建立调度函数。

实现前述方法的一种梯级水库群中长期联合发电优化调度系统，包括调度服务器和数据采集装置；数据采集装置，用于采集模型求解所需材料；调度服务器上设有：优化调度模型库，用于建立并存储梯级发电量最大模型、兼顾保证出力的发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

模型选择模块，用于根据发电优化目标选择最优的中长期优化调度模型；

算法库，用于存储求解中长期优化调度模型的算法，算法包括逐次逼近动态规划算法、大系统分解协调算法、加速遗传算法、动态搜索法和快速分配法；

方案生成模块，用于生成中长期发电调度优选方案；

方案输出模块，用于输出中长期发电调度优选方案；

其中，模型库、模型选择模块、算法库、方案生成模块和方案输出模块顺次连接；数据采集装置与算法库连接。

前述的梯级水库群中长期联合发电优化调度系统中，调度服务器还包括年末消落水位预测模型库，与算法库连接，用于存储多年调节水库年末消落水位预测模型，该模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

与现有技术相比，本发明建立了优化调度运行的发电量最大、兼顾保证出力的梯级发电量最大及蓄能最大模型。同时，为有效解决因梯级维数增加而导致的模型求解“维数灾”问题，基于“分解—协调”的现代复杂系统优化理论，采用大系统分解协调、逐次逼近动态规划及改进遗传算法等先进优化方法对上述模型进行求解。

另外，本发明通过对长系列及典型年流域来水径流过程进行调节计算，由此在验证不同模型及不同算法计算结果合理性的基础上，分析了梯级不同电站在不同控制期的水位变化规律，为梯级水电系统的实际调度运行提供了科学的指导。通过对长系列径流资料，应用DPSA、LSSDC和AGA求解梯级发电量最大模型的多年平均发电量修正值分别为293.63、295.85和297.00亿kW·h，与设计值(289.66亿kW·h)相比，发电量增幅分别为1.37%、2.14%和2.54%；梯级保证出力分别为2310.90、2344.06和2319.22MW，与梯级保证出力设计值2230.40MW相比，保证出力增幅分别为3.61%、5.1%和3.98%。应用DPSA、LSSDC求解兼顾保证出力发电量最大模型的多年平均发电量修正值分别为291.87及292.51亿kW·h，与梯级多年平均发电量设计值相比，年发电量增幅分别为0.76%和0.98%；保证出力分别为2248.36和2303.22MW，与梯级保证出力设计值2230.4MW相比增幅分别为2.10%和2.80%。同时，对典型年进行优化计算，进而对上述模型进行了合理性检验。

通过对多年调节水库年末消落水位进行预测，并建立多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型两种模型并求解，得出多年调节水库年末消落水位规律，使得发电调度优选方案最优。兼顾软件计算时效性要求，根据不同约束条件对应的约束变量及性质的不同，通过对约束条件分类并逆时序生成约束变量，由此最大程度上协调了梯级水库优化调度优化变量及约束条件众多与计算效率及结果合理性之间的矛盾，获得最优的梯级水库群中长期联合发电优化调度方案。

本发明对梯级水库中长期优化调度规则进行研究。首先，从梯级水库长系列计算结果入手，提出了概率统计和相关分析法相结合的隐随机统计相关挖掘法分别从水库水位变化规律和发电规则两方面来提取各水库在不同调度期的规则；其次，通过统计分析梯级不同电站不同月份出力-蓄能相关关系，得到梯级电站不同月份出力-蓄能相关函数关系，并计算不同控制出力过程线对应的梯级蓄能值，绘制了以能量为纵坐标、以时间为横坐标的梯级水库优化调度图；最后，应用隐随机优化方法获得了梯级各水库的调度函数，并验证了调度函数的有效性。

本发明既符合市场经济规律要求，又符合水力、电力自身规律；既满足各个时段电力电量平衡，又考虑水库水量平衡、梯级水库间水流联系等问题；既满足优化求解算法的全局收敛性，又要求算法具有一定的时效性，计算速度不能过长。

附图说明

图1是本发明实施例的工作流程图；

图2是本发明实施例的软件流程图；

图3是本发明实施例的优化调度图；

图4是本发明实施例的系统结构示意图。

附图标记：1-优化调度模型库，2-模型选择模块，3-数据采集模块，4-算法库，5-方案生成模块，6-方案输出模块，7-调度服务器，8-年末消落水位预测模型库。

下面结合附图和具体实施方式对本发明作进一步的说明。

具体实施方式

本发明的实施例：一种梯级水库群(乌江流域)中长期联合发电优化调度方法，如图1、图2所示，包括以下步骤：

S1，调度服务器建立并存储梯级发电量最大模型、兼顾保证出力的梯级发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

S2，调度服务器根据发电优化目标选择最优的中长期发电优化调度模型；

S3，数据采集装置采集模型求解所需材料，调度服务器选择算法来求解中长期优化调度模型；

S4，调度服务器生成并输出中长期发电调度优选方案。

对三种中长期优化调度模型进行一一叙述：

1、梯级发电量最大模型的目标函数：

$\mathrm{Ob}:\mathrm{MaxE}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)\mathrm{\&Delta;t}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}K\left(m\right)Q(m,t)H(m,t)\mathrm{\&Delta;t}$

式中：m,t分别为电站序号和时段序号，M,T分别为梯级电站总数和时段总数；N(m,t)为第m级电站第t时段出力；K(m)为第m电站的出力系数；Q(m,t)为第m级电站第t时段发电流量；H(m,t)为第m级电站第t时段平均水头；Δt表示调度时段长度。

其约束条件为：

①水量平衡约束：V(m,t+1)＝V(m,t)+(QI(m,t)-QO(m,t))×Δt

式中：QI(m,t)、QO(m,t)分别表示第m级电站第t时段入库、出库流量；V(m,t)、V(m,t+1)分别表示第m级电站、第t时段末、初库容。

②蓄水位限制：Z_min(m,t)≤Z(m,t)≤Z_max(m,t)

式中：Z_max(m,t)、Z_min(m,t)分别表示第m级电站第t时段水位变化上、下限，常取水库正常蓄水位和死水位。

③出库流量约束：QO_min(m,t)≤QO(m,t)≤QO_max(m,t)

式中：QO_max(m,t)、QO_min(m,t)分别表示第m级电站第t时段出库流量约束上、下限值，由下游防洪、航运及综合用水等要求确定。

④电站出力限制：N_min(m,t)≤N(m,t)≤N_max(m,t)

式中：N_max(m,t)、N_min(m,t)分别表示第m级电站第t时段出力约束上、下限。

⑤边界条件：Z(m,1)＝Z_c,Z(m,T+1)＝Z_e

式中：Z(m,1)、Z(m,T+1)分别表示第m级电站调度期始、末水位；Zc、Ze分别表示调度期始、末水库蓄水水位。

⑥流量平衡约束：QI(m+1,t)＝QO(m,t)+q(m,t)

式中：QI(m+1,t)表示当前时段第(m+1)级水库入库流量；QO(m,t)表示当前时段第m级水库出库流量；q(m,t)表示当前时段两站之间区间流量。

2、兼顾保证出力的发电量最大模型：

发电量最大： ${\mathrm{Ob}}_1:\mathrm{MaxE}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)\mathrm{\&Delta;t}$

保证出力最大： ${\mathrm{Ob}}_2:\mathrm{MaxF}=\mathrm{Max}\left(\mathrm{Min}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)\right)$

求解此类多目标问题的基本思想是把多目标问题转化为单目标问题，因此，将保证出力最大转化为约束条件，用梯级保证出力NP来表示。则目标函数转化为：

$\mathrm{MaxE}=\underset{t}{\overset{T}{\mathrm{\&Sigma;}}}(\underset{m}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)-w{\mathrm{\&sigma;}}_t{(\mathrm{NP}-\underset{m}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t))}^{\mathrm{\&alpha;}})\mathrm{\&Delta;t}$

式中：NP为梯级保证出力；m、t分别为电站序号和时段序号，M、T分别为梯级电站总数和时段总数；N(m,t)表示第m级电站第t时段平均出力；ω、α是模型参数，ω>0，经大量试算确定，α通常取1或2；σ_t为0-1变量，取值如下：

${\mathrm{\&sigma;}}_t=\left\{\begin{array}{cc}1& \underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)<\mathrm{NP}\\ 0& \underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)\&GreaterEqual;\mathrm{NP}\end{array}\right.$

约束条件同梯级发电量最大模型。

3、梯级蓄能最大模型的目标函数：

${\mathrm{Ob}}_3:\mathrm{MaxF}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\left\{\right[\mathrm{QI}(m,t)-\mathrm{QO}(m,t)]\&times;\underset{i=m}{\overset{M}{\mathrm{\&Sigma;}}}{k}_{i}h(i,t)\}$

$s.t.\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}N(m,t)=\mathrm{SumN}\left(t\right)$

式中：SumN(t)表示电网给定的梯级电站第t时段应发出力；h(i,t)表示第m级电站第t时段发电水头；其余符号含义与上述模型相同。其约束条件同发电量最大模型。

若发电优化目标是使调度期内梯级发电量最大，则选择梯级发电量最大模型，并采用逐次逼近动态规划算法、大系统分解协调算法或加速遗传算法对该模型进行求解。

若发电优化目标是使梯级水库在供水期为电网提供尽可能大的、均匀可靠的出力，充分发挥梯级电站的容量效益，则选择兼顾保证出力的梯级发电量最大模型，并采用逐次逼近动态规划算法或大系统分解协调算法对该模型进行求解。

若发电优化目标是使下游水库多发电，以满足系统负荷要求，上游水库多蓄水，以满足系统蓄能最大要求，则选择梯级蓄能最大模型，并采用动态搜索法或快速分配法对该模型进行求解。

步骤S3中的模型求解材料包括：调度期初水库蓄水位、调度期末水库控制水位、调度期内径流过程、水库物理特性、水库及电站设计参数、电站出力特性和水库综合利用要求。调度期的设定以日、月或旬为时段，时间长度可根据实际需求自由设定。

所述步骤S3还包括：建立多年调节水库年末消落水位预测模型，求解多年调节水库年末消落水位预测模型，求解得到多年调节水库年末消落水位运行规则，并综合水库未来时期内的来、用水情况，预测水库年末可能的消落水位，以此作为发电优化调度模型求解的边界条件，进而制定最优发电调度方案。多年调节水库年末消落水位预测模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

上述模型综合了末水位控制、出库控制、出力控制、水库调度图控制、等出库控制等模式，各模式之间以水位进行衔接联系，各时段可以任意配置不同计算模式。

(1)水位控制模式

控制各时段的时段末水位值，通过水量平衡计算出库流量，在考虑水头受阻、电站、电站机组可用台数等情况下，将全部水量用来发电，多余的水作为弃水；当来水满足不了水位控制要求时，按实际来水计算水位。

Step1：根据入库流量和时段初、末水位计算时段出库流量；

Step2：根据出库流量计算方式计算电站出力；

Step3：依次判断出库流量、电站出力、末水位是否满足约束条件要求，若不满足则按对应的约束值反算其它发电指标，并给出信息提示。

(2)出库流量控制模式

控制各时段的出库流量，将全部水量利用来发电，当全部满发后，多余的水量为弃水；当水位突破上下限约束时，按实际上下限水位控制，重新拟定本时段的出库流量用来发电。

Step1：根据出库流量计算方式计算电站出力和末水位；

Step2：依次判断出库流量、电站出力、末水位是否满足约束条件要求，若不满足则按对应的约束值反算其它发电指标，并给出信息提示。

(3)水库调度图模式

按时段初水位控制原则，根据时段初水位在调度图中的位置决定本时段的出力，若水位越限，按无弃水原则反算电站出力。

Step1：根据时段初水位查调度图，得时段平均出力；

Step2：根据前述的出力控制模式计算时段末水位和出库流量等统计指标；

Step3：依次判断出库流量、电站出力、末水位是否满足约束条件要求，若不满足则按对应的约束值反算其它发电指标，并给出信息提示。

(4)出力控制模式

控制各时段的平均出力，按无弃水原则计算时段末水位、发电流量、弃水流量等统计指标。

Step1：假设时段末水位；

Step2：根据入库流量和时段初水位，按水量平衡方程计算出库流量；

Step3：根据出力计算方式计算电站出库流量和末水位；

Step4：检验计算的时段末水位与假设值是否满足精度要求，若满足，则计算结束，否则重新假设时段末水位，返回Step2，直到末水位收敛为止；

Step5：依次判断出库流量、电站出力、末水位是否满足约束条件要求，若不满足则按对应的约束值反算其它发电指标，并给出信息提示。

(5)等流量控制

在选中的连续多时段里，以第一时段的初水位和最后一个时段的末水位作为等出力运行的初末控制水位，根据各时段的入库流量过程，在满足控制初末水位要求的前提下，使得选中的各时段出库流量相等。计算步骤如下：

Step1：确定等流量控制的起止时段号和初末控制水位(初水位为前一时段的计算末水位，末水位为界面设置的等出力控制水位)；

Step2：根据初末水位和各时段入库流量，按水量平衡方程计算各时段平均出库流量；

Step3：以初水位为起算水位，以Step2计算的各时段平均出库流量，按出库流量计算方式，逐时段计算各时段出力和末水位等指标。

中长期发电调度优选方案包括绘制优化调度图和建立调度函数。其中：

1、绘制优化调度图

1.1设计枯水期的选择

一般以所在河流水量较大，水库调节性能较好、调节周期长、占系统比重较大的补偿水电站的枯水年或枯水系列作为梯级统一的设计枯水期。若梯级中有多年调节水电站，则取历史水文资料中最枯的枯水系列作为设计枯水期，设计枯水期的历时为多年。由此，根据乌江流域1951.5~2007.4长系列径流资料丰枯变化分析成果，选取1987.5~1991.4为乌江梯级设计枯水期。优化调度图中上、下基本调度线所在的梯级正常工作区即为在满足梯级设计保证率的条件下，梯级最枯来水系列各时段对应的出力上、下限值。由此，本次优化调度图基本调度线的绘制由1987.5~1991.4设计枯水期各时段梯级蓄能的最大、最小值绘制而成。

1.2加大、降低出力值的确定

关于加大出力值和降低出力值的确定，目前尚无明确规定，在实际应用中通常以保证出力为基准乘以系数K来确定，系数K的取值大小取决于梯级电站的规模、电站在电力系统中地位和作用等。对于装机规模较大、在电力系统中的作用较突出的梯级电站，降低出力系数可取0.6~0.9之间，加大出力值的选择应根据梯级长系列优化调度结果及梯级出力值的分布情况确定。乌江梯级水电站总装机容量为8305MW，梯级保证出力为2230.4MW，在贵州电网中占有举足轻重的地位。由此，本实施例降低出力值按0.8倍保证出力和0.6倍保证出力考虑，即降低出力值取1675.52MW和1256.64MW两种情况。加大出力区按1.5倍保证出力和2倍保证出力考虑，即加大出力值取3141.60MW和4188.80MW两种情况。由此得乌江梯级优化调度图中各调度线各控制点具体蓄能值如表1所示。

表1乌江梯级优化调度图各调度线计算结果表(单位：亿kW·h)

1.3调度图的生成

由上述计算结果，将同一出力值所对应的各时段梯级蓄能值点绘在以能量为纵坐标以时间为横坐标的一张图上，并将其用光滑曲线相连，由此构成一条有控制意义的过程线；绘制多组不同出力对应的具有控制意义的过程线；将各种具有控制意义的变化过程线绘在一张图上，与横、纵坐标一起即可组成梯级水库群优化调度图，如图3所示：

1.4调度图的应用

由于从上述优化调度图最终只能获得当前时段梯级应发的总出力，由此在应用调度图进行实际操作时还存在如何将其最优分配到各级电站的问题。本实施例以时段末蓄能最大为目标，采用逐次逼近动态规划算法解决的电站的出力分配问题。梯级优化调度图的具体应用过程如下：

Step 1：预测梯级各电站面临时段的平均入库流量；

Step 2：根据梯级电站面临时段初水位(库容)、预报入库流量，按照式8-1~8-2计算梯级总蓄能值；

Step 3：根据计算所得所得梯级总蓄能值，在梯级优化调度图上确定其所在位置，根据蓄能所在区域确定梯级水库的运行方式，由此确定梯级面临时段应发出力值；

Step 4：根据梯级电站面临时段初水位(库容)、预报入库流量，以当前时段末梯级蓄能最大为目标，采用逐次逼近动态规划算法将时段梯级出力分配至各电站，并由此得到最终调度出力决策值。

2、梯级水库优化调度函数制定

2.1研究方法

本实施例运用隐随机优化调度算法中的非线性规划来研究乌江梯级水电站的调度函数。隐随机优化方法有效避免了梯级水库群中广泛存在的“维数灾”问题，可大大减少数据对计算机内存的占用。

隐随机优化调度方法的基本思想是，从水库调度过程无限时间系列中，抽取若干个一定容量的连续时间系列作为样本，然后运用确定性优化方法计算出最优调度过程，并对该过程中涉及水库调度决策及相关运行要素进行统计分析，最后得到它们的回归方程作为水库最优调度函数，并据此制定优化调度策略，指导水库运行调度。其中，选用何种函数形式作为最优决策规律的限定，采用何种方法对函数形式进行率定，是该方法的关键。

在计算中，所选样本的入库径流一般为实测(当实测径流足够长时)或人工模拟生成(当实测径流资料较短时)。将应用回归分析方法找出各运行时段的调度函数，然后根据不同调度时期水库状况及相应的调度函数得到具体的调度策略。

2.2调度函数的建立

本实施例应用乌江干流梯级水库群的长系列模拟调节计算结果，应用回归分析方法总结得出调度函数，来指导水库运行，使其获得尽可能大的实际运行效益。

通过各变量(因子)对放水决策的影响，经统计检验和识别，找到最佳的回归关系。通过多功能逐步回归分析，就可建立起水库控制运用的统计规则或称调度函数。

对所求得的依变量Y和m个自变量(X1,X2，...,Xm)的n组统计数据为：

$\left[\begin{array}{ccccc}{y}_1,& x_{11},& x_{12},& L,& x_{1m}\\ y_2,& x_{21},& x_{22},& L,& x_{2m}\\ M,& M,& M,& & M\\ y_n,& x_{n1},& x_{n2},& L& x_{\mathrm{nm}}\end{array}\right]$

把其中的m个自变量(主因子)经过变换处理后得到K个自变量(K>M)，按照多元线性回归模型：Y＝a₀+a₁x₁+a₂x₂+L a_kx_k+ε，进行逐步回归分析计算。

应用上述逐步回归方法，根据长系列优化的调节计算结果，通过主变量因子的筛选，得出乌江梯级水电站洪家渡、东风、乌江渡、构皮滩中长期优化调度非线性函数，其基本形式为：QE_m(t)＝a₀(t)+a₁(t)x₁+a₂(t)x₂+L L+a₁₄(t)x₁₄，式中：x1=Zm(t)，x2=Zm(t)2，x3=Qm(t)，x4=Qm(t)2，x5=Zm-1(t)，x6=Zm-1(t)2，x7=Qm(t-1)，x8=Qm(t-1)2，x9=Zm(t)·Qm(t-1)，x10=Zm(t)·Qm(t)，x11=Zm-1(t)·Zm(t)，x12=Qm(t-1)·Qm(t)，x13=Qm(t-1)·Zm-1(t)，x14=Qm(t)·Zm-1(t)；m为水库序号；Qm(t)表示第m个水库第t时段预报入库流量；Zm(t)表示第m个水库第t时段初水位；Qm(t-1)表示第m个水库第(t-1)时段预报入库。

在对调度函数进行理论验证时，本实施例应用T检验和F检验，结果表明各库各月的调度函数在理论上是合理的。

2.3调度函数合理性分析

为验证乌江梯级水库中长期调度规则的合理性，本实施例编制了模拟检验程序，该程序严格按照各水库调度规则决策水库放水，然后进行径流调节、水能计算。采用乌江干流1951.5~2007.4共56年来水及区间资料，通过长系列调节计算，得到梯级各电站统计指标如表2所示。

表2乌江梯级水电站调度函数检验结果表

从表2中可以看出：

(1)“龙头”水库—洪家渡水库的保证出力比设计值有所降低，这主要是因为在模型的模拟调度中，如果遇到枯水年，导致整个系统的出力不足，这时，洪家渡水库会首先放水以满足整个梯级的出力要求，这就会使洪家渡水库相对于其原有的单库运行模式发生改变；同时，由于下游构皮滩水库也是一个多年调节水库，其调节性能较好，由于它的存在又使得洪家渡的保证出力和发电保证率不会减少太大。

(2)洪家渡水库的多年平均发电量从15.59亿kW·h增加到16.59亿kW·h，主要原因是其调节性能较好，在减小保证出力后，长期位于高水头运行。

(3)东风、乌江渡和构皮滩的设计保证出力是在上游没有多年调节水库的情况下得到的，在洪家渡投产后得到增加是必然的。由于洪家渡水库的存在，使得下游电站的多年平均发电量、发电保证率都得到了提高。

(4)从整个梯级调度结果看，由于上游电站的补偿调节作用，保证了下游较为均匀的入库，使得即使在枯水期，整个系统发生破坏的情况也大大降低。

通过运用调度函数进行模拟调度的检验结果可以说明，乌江梯级各库的调度函数是基本合理、可行的，可以考虑在生产实际中应用。

实现前述方法的一种梯级水库群中长期联合发电优化调度系统，如图4所示，包括调度服务器7和数据采集装置3；数据采集装置3，用于采集模型求解所需材料；调度服务器7上设有：

优化调度模型库1，用于建立并存储梯级发电量最大模型、兼顾保证出力的发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

模型选择模块2，用于根据发电优化目标选择最优的中长期优化调度模型；

算法库4，用于存储求解中长期优化调度模型的算法，算法包括逐次逼近动态规划算法、大系统分解协调算法、加速遗传算法、动态搜索法和快速分配法；

方案生成模块5，用于生成中长期发电调度优选方案；

方案输出模块6，用于输出中长期发电调度优选方案；

其中，模型库1、模型选择模块2、算法库4、方案生成模块5和方案输出模块6顺次连接；数据采集装置3与算法库4连接。

调度服务器7还包括年末消落水位预测模型库8，与算法库4连接，用于存储多年调节水库年末消落水位预测模型，该模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

Claims (10)

1.一种梯级水库群中长期联合发电优化调度方法，其特征在于，包括以下步骤：

S1，调度服务器建立并存储梯级发电量最大模型、兼顾保证出力的梯级发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

S2，调度服务器根据发电优化目标选择最优的中长期发电优化调度模型；

S3，数据采集装置采集模型求解所需材料，调度服务器选择算法来求解中长期优化调度模型；

S4，调度服务器生成并输出中长期发电调度优选方案。

2.根据权利要求1所述的梯级水库群中长期联合发电优化调度方法，其特征在于：若发电优化目标是使调度期内梯级发电量最大，则选择梯级发电量最大模型，并采用逐次逼近动态规划算法、大系统分解协调算法或加速遗传算法对该模型进行求解。

3.根据权利要求1所述的梯级水库群中长期联合发电优化调度方法，其特征在于：若发电优化目标是使梯级水库在供水期为电网提供尽可能大的、均匀可靠的出力，充分发挥梯级电站的容量效益，则选择兼顾保证出力的梯级发电量最大模型，并采用逐次逼近动态规划算法或大系统分解协调算法对该模型进行求解。

4.根据权利要求1所述的梯级水库群中长期联合发电优化调度方法，其特征在于：若发电优化目标是使下游水库多发电，以满足系统负荷要求，上游水库多蓄水，以满足系统蓄能最大要求，则选择梯级蓄能最大模型，并采用动态搜索法或快速分配法对该模型进行求解。

5.根据权利要求1或2或3或4所述的梯级水库群中长期联合发电优化调度方法，其特征在于，步骤S3中的模型求解材料包括：调度期初水库蓄水位、调度期末水库控制水位、调度期内径流过程、水库物理特性、水库及电站设计参数、电站出力特性和水库综合利用要求。

6.根据权利要求5所述的梯级水库群中长期联合发电优化调度方法，其特征在于，所述步骤S3还包括：建立多年调节水库年末消落水位预测模型，求解多年调节水库年末消落水位预测模型，得到多年调节水库年末消落水位运行规则，并综合水库未来时期内的来、用水情况，预测水库年末可能的消落水位，以此作为发电优化调度模型求解的边界条件，进而制定最优发电调度方案。

7.根据权利要求6所述的梯级水库群中长期联合发电优化调度方法，其特征在于：多年调节水库年末消落水位预测模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

8.根据权利要求7所述的梯级水库群中长期联合发电优化调度方法，其特征在于：中长期发电调度优选方案包括绘制优化调度图和建立调度函数。

9.实现权利要求1～8所述方法的一种梯级水库群中长期联合发电优化调度系统，其特征在于，包括调度服务器(7)和数据采集装置(3)；数据采集装置(3)，用于采集模型求解所需材料；调度服务器(7)上设有：

优化调度模型库(1)，用于建立并存储梯级发电量最大模型、兼顾保证出力的发电量最大模型和梯级蓄能最大模型这三种中长期优化调度模型；

模型选择模块(2)，用于根据发电优化目标选择最优的中长期优化调度模型；

算法库(4)，用于存储求解中长期优化调度模型的算法，算法包括逐次逼近动态规划算法、大系统分解协调算法、加速遗传算法、动态搜索法和快速分配法；

方案生成模块(5)，用于生成中长期发电调度优选方案；

方案输出模块(6)，用于输出中长期发电调度优选方案；

其中，模型库(1)、模型选择模块(2)、算法库(4)、方案生成模块(5)和方案输出模块(6)顺次连接；数据采集装置(3)与算法库(4)连接。

10.根据权利要求9所述的梯级水库群中长期联合发电优化调度系统，其特征在于：调度服务器(7)还包括年末消落水位预测模型库(8)，与算法库(4)连接，用于存储多年调节水库年末消落水位预测模型，该模型包括多目标耦合预测模型和基于数理统计挖掘的逐步回归预测模型。

Images