CN106326540B - 水电站水能动态模拟算法 - Google Patents

水电站水能动态模拟算法 Download PDF

Info

Publication number
CN106326540B
CN106326540B CN201610693493.0A CN201610693493A CN106326540B CN 106326540 B CN106326540 B CN 106326540B CN 201610693493 A CN201610693493 A CN 201610693493A CN 106326540 B CN106326540 B CN 106326540B
Authority
CN
China
Prior art keywords
model
imported
data
power station
hydraulic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610693493.0A
Other languages
English (en)
Other versions
CN106326540A (zh
Inventor
郑程遥
黄定波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU ENLAIJI ENERGY SCIENCE & TECHNOLOGY Co Ltd
Original Assignee
GUANGZHOU ENLAIJI ENERGY SCIENCE & TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGZHOU ENLAIJI ENERGY SCIENCE & TECHNOLOGY Co Ltd filed Critical GUANGZHOU ENLAIJI ENERGY SCIENCE & TECHNOLOGY Co Ltd
Priority to CN201610693493.0A priority Critical patent/CN106326540B/zh
Publication of CN106326540A publication Critical patent/CN106326540A/zh
Application granted granted Critical
Publication of CN106326540B publication Critical patent/CN106326540B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Hydraulic Turbines (AREA)
  • Other Liquid Machine Or Engine Such As Wave Power Use (AREA)

Abstract

本发明涉及水电站技术领域，具体涉及一种水电站水能动态模拟算法，它采用如下的方法步骤：1)将水轮机模型转轮综合特性曲线图导入数据库；根据厂家提供的水轮机模型转轮综合特性曲线图，采集图中反映的关系曲线数据以及出力限制线数据，将采集的数据导入数据库；2)建立神经网络模型，通过数据训练，使之能够反映和刻画水轮机的关系曲线，模型满足足够精度要求；3)导入发电站长年日径流量序列及水头数据；4)导入水轮机参数(转速ni、直径Di，安装高程▽)；它在给定转轮及水文过程的基础上，通过寻优的智能算法模型对电站的发电过程进行数学模拟，得出电站的年发电量指标，它为水轮发电机造型和水电站技术经济分析，提供可靠的依据。

Description

水电站水能动态模拟算法
【技术领域】
本发明涉及水电站技术领域，具体涉及一种水电站水能动态模拟算法。
【背景技术】
随着社会的不断发展,，能源作为不可再生的资源，越来越少，最终形成当下社会能源紧张。石油、煤炭等不可再生资源日益枯竭，使人们对可再生资源的依赖日益增加。因此清洁无污染的水电、风电、太阳能发电则得以蓬勃发展的。
而在上述的若干可再生能源中，水电的经济性最优。但是因受到传统水能计算及机组选型方法的限制，使得设计人员在设计过程中缺乏系统思考，导致设计方案所选机型与电站实际并非最优匹配，设计过程中计算的理论年发电量与实际发电情况相差较远。例如：传统的水电站设计机组选型时，人们总是循着水能计算—水轮机选型—发电机匹配的这一过程，来决定水轮发电机组的选择，既由规划专业，通过水能计算，得出装机容量和年发电量，再由水机专业进行机组造型，这种将水文过程和机组特性割裂开的算法，在水电站设计的理论和实践中，造成了较大的误差，产生了一些不良的后果。
在水能分析时根据基本出力公式：Ni＝kQiHi
其中：k为综合系数，一般取值7.5～8.75；
电能按如下公式计算：ΔEi＝Niti
总电能E＝∑ΔEi
上述水能计算方法有其不可避免的缺点，由于k的取值固定，导致整个计算方法不能反映不同工况下水轮机效率的变化特点，这样就难以区分不同机型下水能的差别，同时使整个电站的水能分析结果误差较大。在水轮机选型上，关注的重点也仅在额定工况点，或者说，在设计水头下，选择水轮机发电机组的各最佳参数。然而水利动能的利用是一个复杂的系统工程，水文特性、机组特性是相互关联的，它们相互作用，影响着机组的动能指标。如何将水轮机、发电机、水文过程、调度控制联系起来，科学地分析电站电能指标，然后合理地选择水轮机机型是一项新技术，具有较大的经济潜力，也是目前要解决的问题。
【发明内容】
本发明的目的在于针对现有技术的缺陷和不足，提供一种结构简单，设计合理、使用方便的水电站水能动态模拟算法，它在给定转轮及水文过程的基础上，通过寻优的智能算法模型对电站的发电过程进行数学模拟，得出电站的年发电量指标，它为水轮发电机造型和水电站技术经济分析，提供可靠的依据。
本发明所述的水电站水能动态模拟算法，它采用如下的方法步骤：
1)将水轮机模型转轮综合特性曲线图导入数据库；根据厂家提供的水轮机模型转轮综合特性曲线图，采集图中反映的关系曲线数据以及出力限制线数据，将采集的数据导入数据库；
2)建立神经网络模型，通过数据训练，使之能够反映和刻画水轮机的关系曲线，模型满足足够精度要求；
3)导入发电站长年日径流量序列及水头数据；
4)导入水轮机参数(转速ni、直径Di，安装高程▽)；
5)建立以年发电量E最大为目标函数的优化模型；根据目标函数和安全稳定限制条件的要求，采用优化算法(动态规划或遗传算法)，求得年发电量E。
进一步地，步骤2)中所述神经网络模型采用BP神经网络模型。
进一步地，步骤5)中所述目标函数要求为年发电量最大，所述限制条件为吸出高度限制、导叶开度限制、最大出力限制。
采用上述结构后，本发明有益效果为：本发明所述的水电站水能动态模拟算法，它在给定转轮及水文过程的基础上，通过寻优的智能算法模型对电站的发电过程进行数学模拟，得出电站的年发电量指标，它为水轮发电机造型和水电站技术经济分析，提供可靠的依据。
【具体实施方式】
下面以具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
本具体实施方式所述的水电站水能动态模拟算法，它采用如下的方法步骤：
1)将水轮机模型转轮综合特性曲线图导入数据库；根据厂家提供的水轮机模型转轮综合特性曲线图，采集图中反映的关系曲线数据以及出力限制线数据，将采集的数据导入数据库；
2)建立神经网络模型，通过数据训练，使之能够反映和刻画水轮机的关系曲线，模型满足足够精度要求；
3)导入发电站长年日径流量序列及水头数据；
4)导入水轮机参数(转速ni、直径Di，安装高程▽)；
5)建立以年发电量E最大为目标函数的优化模型；根据目标函数和安全稳定限制条件的要求，采用优化算法(动态规划或遗传算法)，求得年发电量E。
作为本发明的一种优选，步骤2)中所述神经网络模型采用BP神经网络模型。
作为本发明的一种优选，步骤5)中所述目标函数要求为年发电量最大，所述限制条件为吸出高度限制、导叶开度限制、最大出力限制。
本发明中，步骤5)中的，所述优化模型其数学表达式如下：
式中：
E为年发电量；
Pi为第i台水轮机的最大出力；
ηi为第i台水轮机效率；
ηg为发电机效率；
H(t)为t时刻所对应水头；
Qi为第i台水轮机的引用流量；
Q为电站总来水流量；
ni为第i台水轮机转速；
为第i台水轮机的单位转速；
为第i台水轮机单位流量；
Di为第i台水轮机直径；
Hs为吸出高度；HaTs为水轮机容许吸出高度；
αi为第i台水轮机导叶开度；为最大导叶开度；
βi为第i台水轮机桨叶开度；为最大桨叶开度；
上述约束条件s.t中的第一式表明最大出力限制；第三、四式分别表明，最大出力受导叶开度与桨叶开度限制；第五式表明最大出力受空蚀条件即吸出高度、空蚀系数(σ)的限制；第六式表明水轮机引水不超过来水流量。
本发明所述的水电站水能动态模拟算法，它在给定转轮及水文过程的基础上，通过寻优的智能算法模型对电站的发电过程进行数学模拟，得出电站的年发电量指标，它为水轮发电机造型和水电站技术经济分析，提供可靠的依据。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (2)

1.一种水电站水能动态模拟算法，其特征在于：它采用如下的方法步骤:
1)将水轮机模型转轮综合特性曲线图导入数据库；根据厂家提供的水轮机模型转轮综合特性曲线图，采集图中反映的关系曲线数据以及出力限制线数据，将采集的数据导入数据库；
2)建立神经网络模型，通过数据训练，使之能够反映和刻画水轮机的关系曲线，模型满足足够精度要求；
3)导入发电站长年日径流量序列及水头数据；
4)导入水轮机参数：转速ni、直径Di、安装高程▽；
5)建立以年发电量E最大为目标函数的优化模型；根据目标函数和安全稳定限制条件的要求，采用优化算法，求得年发电量E；优化算法为动态规划或遗传算法；其中：
步骤2)中所述神经网络模型采用BP神经网络模型。
2.根据权利要求1所述的一种水电站水能动态模拟算法，其特征在于：步骤5)中所述目标函数要求为年发电量最大，所述限制条件为吸出高度限制、导叶开度限制、最大出力限制。
CN201610693493.0A 2016-08-19 2016-08-19 水电站水能动态模拟算法 Active CN106326540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610693493.0A CN106326540B (zh) 2016-08-19 2016-08-19 水电站水能动态模拟算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610693493.0A CN106326540B (zh) 2016-08-19 2016-08-19 水电站水能动态模拟算法

Publications (2)

Publication Number Publication Date
CN106326540A CN106326540A (zh) 2017-01-11
CN106326540B true CN106326540B (zh) 2018-07-13

Family

ID=57743803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610693493.0A Active CN106326540B (zh) 2016-08-19 2016-08-19 水电站水能动态模拟算法

Country Status (1)

Country Link
CN (1) CN106326540B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106899016B (zh) * 2017-03-30 2019-06-25 西藏农牧学院 一种区域性电能供给方法
CN111507865B (zh) * 2020-06-05 2022-04-29 长春工程学院 一种确定灌排泵站水泵机组安装高程的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103306886B (zh) * 2013-05-29 2016-03-30 郑程遥 一种水轮发电机组的全参数调节控制方法
CN103470442B (zh) * 2013-09-17 2016-08-03 郑程遥 一种双速凸极同步水轮发电机组的转速选择方法

Also Published As

Publication number Publication date
CN106326540A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
Li et al. How to make better use of intermittent and variable energy? A review of wind and photovoltaic power consumption in China
CN103762589A (zh) 一种电网中新能源容量配比分层优化方法
CN110739726B (zh) 一种考虑海上风电接入的多类型电源容量长期规划方法
Feng et al. Cost advantage of adjustable-speed pumped storage unit for daily operation in distributed hybrid system
CN112491043A (zh) 一种新能源富集电网电源规划方法及系统
CN106326540B (zh) 水电站水能动态模拟算法
Apriani et al. Analysis of the local energy potential connection with power plants based on archimedes turbine 10 kW
CN104680243A (zh) 计及转供能力的海上风电场主变压器容量优化方法
CN106485603A (zh) 一种应用于风力发电的短期风速预测方法
Burtsev et al. Challenges in development of wind energy in Russia
CN203441673U (zh) 一种潮流能发电水轮机
CN105406668A (zh) 变功率盘式发电机
Younis et al. Selection of Wind Turbine Systems for the Sultanate of Oman.
CN116738841A (zh) 一种用于水电站水能动态模拟的算法及装置
CN104239979A (zh) 一种风电场发电功率超短期预测方法
CN103470442A (zh) 一种双速凸极同步水轮发电机组的转速选择方法
Shan et al. [Retracted] Modeling and Control of Wind Speed in Renewable Energy Power Generation and Wind Power Generation Systems
Pandey et al. The role of hydropower simulation in smart energy systems
Liu et al. Research on consumptive capacity and countermeasures of renewable energy of central Tibet
Weiss et al. An empirical approach to calculate short and long term energy storage needs of an electricity system
Xiao et al. Short-term optimized operation of multi-energy power system based on complementary characteristics of power sources
Murthy et al. Longterm analysis of wind speed and wind power resource assessment for the site Vijayawada, Andhra Pradesh, India
Ilupeju Design, modelling and optimisation of an isolated small hydropower plant using pumped storage hydropower and control techniques.
CN103927592B (zh) 一种水电机组运行方式的优化方法
Yang et al. A novel annual wind power planning method of provincial power grid based on time sequential simulations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Hydraulic energy dynamic simulation algorithm for hydropower station

Effective date of registration: 20191121

Granted publication date: 20180713

Pledgee: China Co truction Bank Corp Guangzhou Liwan branch

Pledgor: GUANGZHOU ENLAIJI ENERGY SCIENCE & TECHNOLOGY CO., LTD.

Registration number: Y2019440000209