CN107730152A - 一种泵站调度优化方法 - Google Patents
一种泵站调度优化方法 Download PDFInfo
- Publication number
- CN107730152A CN107730152A CN201711172160.4A CN201711172160A CN107730152A CN 107730152 A CN107730152 A CN 107730152A CN 201711172160 A CN201711172160 A CN 201711172160A CN 107730152 A CN107730152 A CN 107730152A
- Authority
- CN
- China
- Prior art keywords
- pump station
- unit
- lift
- water
- ith
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种泵站调度优化方法,包括以下步骤:建立泵站数学模型;考虑泵站的调度方式,以叶片角或者转速为变量简化优化调度数学模型;通过分析该数学模型及结合泵站实际情况,将泵站站内多机组优化转化为单机组优化降低维度,并针对单机组优化设计算法求解最优解,以动态规划方式对单机组求解结果聚合为站内多机组优化的全局最优解。根据本发明方法所设计的泵站调度优化方法能够在保证满足约束条件的前提下,求解全局最优调度方案,节约调度费用。
Description
技术领域
本发明涉及电力电子技术,尤其涉及一种泵站调度优化方法。
背景技术
各国为了经济发展,解决水资源分配不合理问题,兴建许多跨流域调度工程。我国的南水北调工程举世瞩目。南水北调东线工程目前已经投入运行,数据显示,东线工程目前年运行费用达到30-40亿元。运行费用开销巨大。目前研究主要采用传统优化算法,大系统理论及现代启发式算法。上述算法采用的是优化算法的一般求解方法,没有进行相应分析,存在“维数灾难”问题,计算量巨大;并且算法求解的是近似最优解而非全局最优解。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种泵站调度优化方法,通过研究泵站站内多机组变叶片角或者变频调速的最优调度方案,获得成本最优的调度方案。
本发明解决其技术问题所采用的技术方案是:一种泵站调度优化方法,包括以下步骤:
1)数据采集:通过采集得到的泵站机组的扬程H,流量Q与水泵效率η的相互关系,计算得到泵站机组的特性曲线。在泵站机组的叶片角全调节和变频变速优化调度的研究中,对扬程-流量(H-Q)关系采用二次多项式进行拟合,效率-流量(η-Q)关系采用三次多项式进行拟合,得到不叶片角度和转速与流量、扬程、水泵效率之间的关系。
2)建立泵站调度优化模型:泵站调度的优化模型以调度费用最少为目标,以上级下达的调水量和泵站机组电动机功率为约束建立模型,具体如下:
泵站机组为叶片角全调节的优化模型:
泵站机组为变频调速的优化模型:
其中,C表示泵站多机组24小时运行的电费,单位元;N表示站内机组数目;TN表示一天划分的时段数目;ΔTt表示时段t的时段长度;ρ表示水的密度,单位kg/m3;g表示重力加速度;θi,t和ni,t分别表示泵站的第i台机组在时间段t时的叶片角和转速;Q(θi,t)表示泵站机组在时间段t时,第i台机组以叶片角θi,t运行方式下的流速,单位m3/s;Q(ni,t)表示泵站机组在时间段t时,第i台机组以转速ni,t运行方式下的流速,单位m3/s;;Hi,t表示泵站的第i台机组在时间段t时的平均扬程;Pt为时间段t时对应的分时电价;ηzi,t表示在时间段t时,泵站的第i台机组对应的水泵效率,该效率取决于该时刻机组的扬程和流量,即泵站机组特性曲线;ηmot,i表示泵站第i台机组的电动机效率;ηint,i表示泵站的第i台机组的电动机的传动效率,ηf(ni,t)为采取变频调调速调节方式时,PWM变频器的效率;Pi,max表示泵站的第i台机组电动机的最大功率;Ps(i)表示第i台机组电动机实际功率,QD表示上级下达的每日的提水总量要求;
3)对上述模型进行简化假设,包括:采用泵站的日均扬程表示Hi,t;采用分时电价固定划分时长对一天的时段进行划分,获得对应的TN和ΔTt;将Q(θi,t)和Q(ni,t)统一表示为不同叶片角或者转速下的流速Qk;
4)根据简化后的模型计算给定扬程下泵站单机组在时段长度内的调水量与用电量,具体如下:对于泵站机组,根据其拟合的特性曲线,计算不同扬程不同叶片角或者转速下对应的时段长度内流量与用电量,并判断是否满足泵站机组电动机的功率约束;
5)依据给定扬程下泵站单机组在时段长度内的调水量与用电量通过模型计算单机组一天内的调水量与电费:
对于泵站机组,根据时段排序后,固定扬程不同叶片角或者转速下的流量,计算泵站单机组一天内不同叶片角或者转速调节方式下的总调水量与电费的关系;
6)根据单机组不同流量对应的电费关系,计算泵站在满足调水需求量情况下各单机组的调水量及控制方式。
按上述方案,所述步骤4:根据日均扬程,计算ΔT时长内不同叶片角或者转速对应的流量QS及耗电量ES;具体如下:
4.1)依据泵站的流速-扬程特性曲线计算不同叶片角或者转速下的流速Qk;
4.2)依据泵站的流速-效率曲线,计算Qk对应的效率ηk。
4.3)计算ΔT时长内不同叶片角或者转速对应的流量QS、耗电量ES;计算
公式如下:
Qs(k)=Q(θk)ΔT
4.4)根据功率约束条件检查上述叶片角或者转速是否满足要求,从Qs(k)-Es(k)序列中删除不满足功率约束的调节数据,并根据Qs(k)数据从小到大排列Qs(k)-Es(k)序列。
按上述方案,步骤5:根据Qs(k)-Es(k)序列及按电价从低到高排列的分时电价,计算单机组一天不同调节方式下的调水量QT与对应的费用CT关系:
5.1)根据Qs(k)-Es(k)序列,获得叶片角或者转速决策序列s(1),s(2),…,s(i),…,s(TN);s(i)取正整数,表示第i个时间段对应的叶片角或者转速,s(i)=1表示第i个时间段对应的机组停机,s(i)>=2依次对应满足功率约束升序排列的叶片角或者转速;
5.2)根据叶片角或者转速决策序列采用分类枚举法枚举叶片角或者转速的组合,设调节方式m0=[s(1),s(2),…,s(TN)],其中各取值关系如下:
2≤s(1)≤Nq,2≤s(2)≤s(1),…,2≤s(mm)≤s(mm-1);s(t)=1,t=mm+1,mm+2,…,TN
Nq=length(Qs)表示满足功率约束的状态数目,mm表示当前机组工作时段数;
QT和CT初始为空;对于每一种组合,计算出每天总提水量及其相应费用的组合(QT,CT),使用可行性检查对该提水总量和费用进行判断。Q0、C0序列表示满足检查规则的每日提水总量和对应的能源费用,初始时该序列为空。可行性检查的规则为:根据Qs(k)及能耗Es(k)和分时电价计算其对应的流量Q0和费用C0;对于每次得到的Q0,C0值,查找是否Q0大于原调度方案对应的QT值,而C0却小于对应的CT值,如果存在,则将该调度方案得到的Q0,C0存入QT-CT序列,并且删除原调度方案调度流量小于Q0,调度费用大于C0的QT-CT值;
5.3)如果mm<TN,令mm=mm+1,并继续执行2);否则QT-CT计算结束,获得每天总提水量及其相应费用的组合;
按上述方案,所述步骤6:给定调水需求量QD,依据QD与对应的Qmax关系:
泵站设有n台机组时,日需求量满足如下要求:QD≤nQM,QM为QT序列中最大值。考虑到0≤Q1≤Q2≤…≤Qn,且Q1+Q2+Q3≥QD,因此对单台机组提水量Qi可分为如下3种情况。
①QD≤QM,则Qi存在以下关系:
②QM<QD≤2QM,则Qi存在以下关系:
③2QM<QD≤3QM,则Qi存在以下关系:
给定QD,使用动态规划法求解Qi,其中,Qi为第i台泵站机组的日提水总量,QD为需求量,Qmax为单台泵最大的日提水量;根据最优解Qi及时间段的关系,输出在给定扬程和给定需求量下的叶片角或者转速序列。
本发明产生的有益效果是:
1.本发明通过简化模型将泵站机组优化调度的计算维度降低,减少计算量;
2.本发明结合泵站调度的实际情况,建立了单台机组日提水总量与需求量关系,通过采用分类枚举法结合动态规划法节省能源效益,提高泵站运行的经济效益。
3.考虑到所有的调节方式,求解结果是全局最优的。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图;
图2是本发明实施例的淮安四站基准需求量时不同求解算法节约费用百分比比较示意图;
图3是本发明实施例的淮阴三站基准需求量时不同求解算法节约费用百分比比较示意图;
图4是本发明实施例的淮安四站不同需求量时分时段流量图;
图5是本发明实施例的淮阴三站不同需求量时分时段流量图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种泵站调度优化方法,包括以下步骤:
步骤1,建立泵站调度数学模型:泵站调度的数学模型以调度费用最少为目标,以上级下达的调水量及泵站机组电动机功率为约束。包括泵站机组叶片角全调节方式及变频调速两种调节方式。
建立模型前,进行数据采集,通过采集得到的泵站机组的扬程H,流量Q与水泵效率η的相互关系,计算得到泵站机组的特性曲线。在泵站机组的叶片角全调节和变频变速优化调度的研究中,对扬程-流量(H-Q)关系采用二次多项式进行拟合,效率-流量(η-Q)关系采用三次多项式进行拟合,得到叶片角度和转速与流量、扬程、水泵效率之间的关系。
步骤2,依据泵站实际情况简化计算:首先考虑到泵站的扬程受河道上下游水位的影响,而非源头泵站的上下游输水渠道流入流出基本需要保持平衡状态,因此扬程可以选择日均扬程进行分析。其次,泵站安装的机组不论是何种型号,但同一个泵站内的机组均是安装同样型号的机组。最后,根据各地的分时电价,选取固定的时段长度对一天的时段进行划分,并按照电价从低到高对时段进行排序。
步骤3,计算给定扬程下泵站单机组在时段长度内的调水量与用电量:对于泵站机组,根据其拟合的特性曲线,计算不同扬程不同叶片角或者转速下对应的时段长度内流量与用电量,并判断是否满足泵站机组电动机的功率约束。
步骤4,依据给定扬程下泵站单机组在时段长度内的调水量与用电量计算单机组一天内的调水量与电费:对于泵站机组,根据时段排序后,固定扬程不同叶片角或者转速下的流量,计算泵站单机组一天内不同叶片角或者转速调节方式下的总调水量与电费的关系。
步骤5,根据单机组不同流量对应的电费关系,计算泵站在满足调水需求量情况下各单机组的调水量及控制方式。
在上述的一种泵站调度的优化算法,所述的步骤1中,获得数学模型如下:
泵站机组叶片角全调节数学模型:
泵站机组变频调速数学模型:
其中,C表示泵站多机组24h运行的电费,单位元;N表示站内机组数目;TN表示一天划分的时段数目;ΔTt表示时段t的时段长度;ρ表示水的密度,单位kg/m3;g表示重力加速度;θi,t和ni,t分别表示泵站的第i台机组在时间段t时的叶片角和转速;Q(θi,t)表示泵站机组在时间段t时,第i台机组以叶片角θi,t运行方式下的流速,单位m3/s;Q(ni,t)表示泵站机组在时间段t时,第i台机组以转速ni,t运行方式下的流速,单位m3/s;;Hi,t表示泵站的第i台机组在时间段t时的平均扬程;Pt为时间段t时对应的分时电价;ηzi,t表示在时间段t时,泵站的第i台机组对应的水泵效率,该效率取决于该时刻机组的扬程和流量,即泵站机组特性曲线;ηmot,i表示泵站第i台机组的电动机效率;ηint,i表示泵站的第i台机组的电动机的传动效率,ηf(ni,t)为采取变频调调速调节方式时,PWM变频器的效率;Pi,max表示泵站的第i台机组电动机的最大功率;Ps(i)表示第i台机组电动机实际功率,QD表示上级下达的每日的提水总量要求。
步骤2的假设中,取Hi,t=Hav;ΔTt=ΔT。其中Hav为泵站的日均扬程,ΔT为分时电价固定划分时长。
步骤3,步骤4,步骤5对应的算法总体框图如图1所示。其中每一个步骤的具体算法如下:
步骤3:根据日均扬程,计算ΔT时长内不同叶片角或者转速对应的流量QS及耗电量ES
3.1)依据泵站的流速-扬程特性曲线计算不同叶片角(以k标识)或者转速下的流速Qk。
3.2)依据泵站的流速-效率曲线,计算Qk对应的效率ηk。
3.3)计算ΔT时长内不同叶片角或者转速对应的流量QS、耗电量ES。计算公式如下:
Qs(k)=Q(θk)ΔT
3.4)根据功率约束条件检查上述叶片角或者转速是否满足要求,从Qs(k)-Es(k)序列中删除不满足功率约束的调节数据,并根据Qs(k)数据从小到大排列Qs(k)-Es(k)序列
步骤4:根据Qs(k)-Es(k)序列及按电价从低到高排列的分时电价,计算单机组一天不同调节方式下的调水量QT与对应的费用CT关系。
4.1)根据Qs(k)-Es(k)序列,获得叶片角或者转速决策序列s(1),s(2),…,s(i),…,s(TN);s(i)取正整数,表示第i个时间段对应的叶片角或者转速,s(i)=1表示第i个时间段对应的机组停机,s(i)>=2依次对应满足功率约束升序排列的叶片角或者转速。Nq=length(Qs)表示满足功率约束的状态数目,mm=1表示当前机组工作时段数。QT和CT初始为空
4.2)根据叶片角或者转速决策序列采用分类枚举法枚举叶片角或者转速的组合,设调节方式m0=[s(1),s(2),…,s(TN)],其中各取值关系如下:
2≤s(1)≤Nq,2≤s(2)≤s(1),…,2≤s(mm)≤s(mm-1);s(t)=1,t=mm+1,mm+2,…,TN
QT和CT初始为空;对于每一种组合,计算出每天总提水量及其相应费用的组合(QT,CT),使用可行性检查对该提水总量和费用进行判断。Q0、C0序列表示满足检查规则的每日提水总量和对应的能源费用,初始时该序列为空。可行性检查的规则为:根据Qs(k)及能耗Es(k)和分时电价计算其对应的流量Q0和费用C0;对于每次得到的Q0,C0值,查找是否Q0大于原调度方案对应的QT值,而C0却小于对应的CT值,如果存在,则将该调度方案得到的Q0,C0存入QT-CT序列,并且删除原调度方案调度流量小于Q0,调度费用大于C0的QT-CT值;
4.3)如果mm<TN,令mm=mm+1,并继续执行4.2);否则QT-CT计算结束,获得每天总提水量及其相应费用的组合。
步骤5:求取各单机组的提水量。设泵站有三台机组,日需求量满足如下要求:QD≤3QM,由于泵站机组型号相同,因此有如下关系:
0≤Q1≤Q2≤Q3≤QM
其中Qi为第i台泵站机组的提水量,QM为单台泵最大的提水量。
根据上述前提,有如下关系:
给定QD,依据前一小节讨论的QD与对应的Qmax关系,使用动态规划法求解Qi。根据最优解Qi及时间段的前后排序关系,输出在给定扬程和给定需求量下的叶片角或者转速序列。
实施例:
本实施例主要以淮安四站变叶片角调节和淮阴三站变频调节为例,以改进算法和传统动态规划逐次逼近算法及大系统分解聚合算法对比进行分析,以体现算法在求解结果上的优点。
由图2及图3可知,无论是淮安四站变叶片角调节还是淮阴三站变频调节,上述三种求解算法的相对节约费用变化趋势一致,这是因为泵站机组特性曲线一致,影响相对节约费用的因素一致。但是,改进算法求解结果均优于大系统分解-聚合算法和动态规划逐次逼近算法,大系统分解-聚合算法除极少数日均扬程的求解外,调度结果优于动态规划逐次逼近算法。实际上,动态规划逐次逼近算法和大系统分解-聚合算法均存在一个对状态量的离散过程,求解结果均不是最优解。所不同的是大系统分解-聚合算法,求解结果在任意时刻所有机组均可以存在不同的状态,动态规划逐次逼近算法,在任意时刻所有机组状态相同,两者而言都涉及两步动态规划,但是优化调度方案一般大系统分解-聚合算法优于动态规划逐次逼近算法。
由图4及图5可知,固定日均扬程,无论是淮安四站变叶片角调节还是淮阴三站变频调节,随着需求量的减少,改进算法使得流量负荷从高峰阶段向低谷阶段转移。随着需求的降低,机组在平段区间以单位提水能耗最低方式运行或者处于停机状态。当机组都运行在低谷电价阶段,为了使费用最少,机组以单位提水能耗较低方式运行。
通过淮安四站和淮阴三站工程实例的计算与分析,验证了所提出的基于改进算法的调度方法能有效提高能源经济效益,并证明了泵站机组的能源经济效率与以下两个因素相关。(1)泵站机组的叶片角或者机组的变频变速:在高峰电价阶段,尽量减少开机台数或者减小叶片角和降低转速,节省费用;反之在低峰电价阶段,可增加开机台数并增大叶片角和提高转速,使之满足日需求量。(2)流量负荷的转移:流量负荷从高电价区向低电价区的转移。同时,该方法还可应用于水利工程优化中的其他问题,为开展复杂泵站群优化运行研究提供理论支持。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种泵站调度优化方法,其特征在于,包括以下步骤:
1)数据采集:采集得到泵站机组的扬程H,流量Q与水泵效率η的相互关系,计算得到泵站机组的特性曲线;
2)建立泵站调度优化模型:泵站调度的优化模型以调度费用最少为目标,以上级下达的调水量和泵站机组电动机功率为约束建立模型,具体如下:
泵站机组为叶片角全调节的优化模型:
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>C</mi>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mi>N</mi>
</mrow>
</munderover>
<mfrac>
<mrow>
<mi>&rho;</mi>
<mi>g</mi>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>z</mi>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>m</mi>
<mi>o</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>int</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<msub>
<mi>&Delta;T</mi>
<mi>t</mi>
</msub>
<mo>*</mo>
<msub>
<mi>P</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mi>s</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&rho;</mi>
<mi>g</mi>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>z</mi>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>m</mi>
<mi>o</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>int</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>N</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
</mstyle>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mi>N</mi>
</mrow>
</munderover>
</mstyle>
<mi>Q</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
<mi>&Delta;</mi>
<msub>
<mi>T</mi>
<mi>t</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>Q</mi>
<mi>D</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
泵站机组为变频调速的优化模型:
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>C</mi>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mi>N</mi>
</mrow>
</munderover>
<mfrac>
<mrow>
<mi>&rho;</mi>
<mi>g</mi>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>z</mi>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>m</mi>
<mi>o</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>int</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>*</mo>
<msub>
<mi>&Delta;T</mi>
<mi>t</mi>
</msub>
<mo>*</mo>
<msub>
<mi>P</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mi>s</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&rho;</mi>
<mi>g</mi>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>z</mi>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>m</mi>
<mi>o</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>int</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>N</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
</mstyle>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mi>N</mi>
</mrow>
</munderover>
</mstyle>
<mi>Q</mi>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
<mi>&Delta;</mi>
<msub>
<mi>T</mi>
<mi>t</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>Q</mi>
<mi>D</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,C表示泵站多机组24小时运行的电费;N表示站内机组数目;TN表示一天划分的时段数目;ΔTt表示时段t的时段长度;ρ表示水的密度;g表示重力加速度;θi,t和ni,t分别表示泵站的第i台机组在时间段t时的叶片角和转速;Q(θi,t)表示泵站机组在时间段t时,第i台机组以叶片角θi,t运行方式下的流速;Q(ni,t)表示泵站机组在时间段t时,第i台机组以转速ni,t运行方式下的流速;Hi,t表示泵站的第i台机组在时间段t时的平均扬程;Pt为时间段t时对应的分时电价;ηzi,t表示在时间段t时,泵站的第i台机组对应的水泵效率,该效率取决于该时刻机组的扬程和流量,即泵站机组特性曲线;ηmot,i表示泵站第i台机组的电动机效率;ηint,i表示泵站的第i台机组的电动机的传动效率,ηf(ni,t)为采取变频调调速调节方式时,PWM变频器的效率;Pi,max表示泵站的第i台机组电动机的最大功率;Ps(i)表示第i台机组电动机实际功率,QD表示上级下达的每日的提水总量要求;
3)对上述模型进行简化假设,包括:采用泵站的日均扬程表示Hi,t;采用分时电价固定划分时长对一天的时段进行划分,获得对应的TN和ΔTt;将Q(θi,t)和Q(ni,t)统一表示为不同叶片角或者转速下的流速Qk;
4)根据简化后的模型计算给定扬程下泵站单机组在时段长度内的调水量与用电量,具体如下:对于泵站机组,根据其拟合的特性曲线,计算不同扬程不同叶片角或者转速下对应的时段长度内流量与用电量,并判断是否满足泵站机组电动机的功率约束;
5)依据给定扬程下泵站单机组在时段长度内的调水量与用电量通过模型计算单机组一天内的调水量与电费:
对于泵站机组,根据时段排序后,固定扬程不同叶片角或者转速下的流量,计算泵站单机组一天内不同叶片角或者转速调节方式下的总调水量与电费的关系;
6)根据单机组不同流量对应的电费关系,计算泵站在满足调水需求量情况下各单机组的调水量及控制方式。
2.根据权利要求1所述的方法,其特征在于,所述步骤4:根据日均扬程,计算ΔT时长内不同叶片角或者转速对应的流量QS及耗电量ES;具体如下:
4.1)依据泵站的流速-扬程特性曲线计算不同叶片角或者转速下的流速Qk;
4.2)依据泵站的流速-效率曲线,计算Qk对应的效率ηk。
4.3)计算ΔT时长内不同叶片角或者转速对应的流量QS、耗电量ES;计算公式如下:
Qs(k)=Q(θk)ΔT
<mrow>
<msub>
<mi>E</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&rho;</mi>
<mi>g</mi>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mi>k</mi>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>m</mi>
<mi>o</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mi>int</mi>
</msub>
</mrow>
</mfrac>
<mi>&Delta;</mi>
<mi>T</mi>
</mrow>
4.4)根据功率约束条件检查上述叶片角或者转速是否满足要求,从Qs(k)-Es(k)序列中删除不满足功率约束的调节数据,并根据Qs(k)数据从小到大排列Qs(k)-Es(k)序列。
3.根据权利要求2所述的方法,其特征在于,所述步骤5:根据Qs(k)-Es(k)序列及按电价从低到高排列的分时电价,计算单机组一天不同调节方式下的调水量QT与对应的费用CT关系:
5.1)根据Qs(k)-Es(k)序列,获得叶片角或者转速决策序列s(1),s(2),…,s(i),…,s(TN);s(i)取正整数,表示第i个时间段对应的叶片角或者转速,s(i)=1表示第i个时间段对应的机组停机,s(i)>=2依次对应满足功率约束升序排列的叶片角或者转速;
5.2)根据叶片角或者转速决策序列采用分类枚举法枚举叶片角或者转速的组合,设调节方式m0=[s(1),s(2),…,s(TN)],其中各取值关系如下:
1≤s(1)≤Nq,1≤s(2)≤s(1),…,1≤s(mm)≤s(mm-1);s(t)=1,t=mm+1,mm+2,…,TN
Nq=length(Qs)表示满足功率约束的状态数目,mm表示当前机组工作时段数;
QT和CT初始为空;对于每一种组合,计算出每天总提水量及其相应费用的组合(QT,CT),使用可行性检查对该提水总量和费用进行判断。Q0、C0序列表示满足检查规则的每日提水总量和对应的能源费用,初始时该序列为空。可行性检查的规则为:根据Qs(k)及能耗Es(k)和分时电价计算其对应的流量Q0和费用C0;对于每次得到的Q0,C0值,查找是否Q0大于原调度方案对应的QT值,而C0却小于对应的CT值,如果存在,则将该调度方案得到的Q0,C0存入QT-CT序列,并且删除原调度方案调度流量小于Q0,调度费用大于C0的QT-CT值;
5.3)如果mm<TN,令mm=mm+1,并继续执行2);否则QT-CT计算结束,获得每天总提水量及其相应费用的组合。
4.根据权利要求3所述的方法,其特征在于,所述步骤6:给定调水需求量QD,依据QD与对应的Qmax关系,使用动态规划法求解Qi,其中,Qi为第i台泵站机组的日提水总量,QD为需求量,Qmax为单台泵最大的日提水量;根据最优解Qi及时间段的关系,输出在给定扬程和给定需求量下的叶片角或者转速序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711172160.4A CN107730152B (zh) | 2017-11-22 | 2017-11-22 | 一种泵站调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711172160.4A CN107730152B (zh) | 2017-11-22 | 2017-11-22 | 一种泵站调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730152A true CN107730152A (zh) | 2018-02-23 |
CN107730152B CN107730152B (zh) | 2020-08-25 |
Family
ID=61217978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711172160.4A Active CN107730152B (zh) | 2017-11-22 | 2017-11-22 | 一种泵站调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730152B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109677569A (zh) * | 2018-12-29 | 2019-04-26 | 深圳市水务科技发展有限公司 | 船坞排水的控制方法 |
CN110968059A (zh) * | 2019-12-04 | 2020-04-07 | 合肥工业大学 | 一种生产线多机共享驱动系统的设计方法 |
CN111008731A (zh) * | 2019-11-07 | 2020-04-14 | 中水三立数据技术股份有限公司 | 一种智能泵站叶片机构流量调控方法 |
CN111043052A (zh) * | 2019-12-31 | 2020-04-21 | 武汉睿山智水科技发展有限公司 | 一种梯级泵站的半调角水泵调度方法和装置 |
CN111237208A (zh) * | 2020-01-14 | 2020-06-05 | 扬州大学 | 一种泵站单机组优化运行时的叶片角步长调节控制方法 |
CN114035432A (zh) * | 2021-11-05 | 2022-02-11 | 扬州大学 | 基于线性整数-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 |
CN114396385A (zh) * | 2021-12-21 | 2022-04-26 | 中水三立数据技术股份有限公司 | 一种基于泵站运行的调度控制方法 |
US11803167B2 (en) | 2019-12-04 | 2023-10-31 | Hefei University Of Technology | Energy service system of multi-machine production line and design method of shared drive system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277291A (zh) * | 2013-06-07 | 2013-09-04 | 上海东方威尔自动化有限公司 | 一种单级泵站优化调度方法 |
CN105574605A (zh) * | 2015-12-08 | 2016-05-11 | 中国水利水电科学研究院 | 一种梯级泵站输水系统日优化调控方法 |
CN106354931A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于水泵特性曲线更新的泵站优化调度方法 |
-
2017
- 2017-11-22 CN CN201711172160.4A patent/CN107730152B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277291A (zh) * | 2013-06-07 | 2013-09-04 | 上海东方威尔自动化有限公司 | 一种单级泵站优化调度方法 |
CN105574605A (zh) * | 2015-12-08 | 2016-05-11 | 中国水利水电科学研究院 | 一种梯级泵站输水系统日优化调控方法 |
CN106354931A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于水泵特性曲线更新的泵站优化调度方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109677569A (zh) * | 2018-12-29 | 2019-04-26 | 深圳市水务科技发展有限公司 | 船坞排水的控制方法 |
CN111008731A (zh) * | 2019-11-07 | 2020-04-14 | 中水三立数据技术股份有限公司 | 一种智能泵站叶片机构流量调控方法 |
CN111008731B (zh) * | 2019-11-07 | 2024-02-02 | 中水三立数据技术股份有限公司 | 一种智能泵站叶片机构流量调控方法 |
US11803167B2 (en) | 2019-12-04 | 2023-10-31 | Hefei University Of Technology | Energy service system of multi-machine production line and design method of shared drive system |
CN110968059A (zh) * | 2019-12-04 | 2020-04-07 | 合肥工业大学 | 一种生产线多机共享驱动系统的设计方法 |
CN110968059B (zh) * | 2019-12-04 | 2020-10-02 | 合肥工业大学 | 一种生产线多机共享驱动系统的设计方法 |
CN111043052A (zh) * | 2019-12-31 | 2020-04-21 | 武汉睿山智水科技发展有限公司 | 一种梯级泵站的半调角水泵调度方法和装置 |
CN111237208B (zh) * | 2020-01-14 | 2021-07-09 | 扬州大学 | 一种泵站单机组优化运行时的叶片安放角步长调节控制方法 |
CN111237208A (zh) * | 2020-01-14 | 2020-06-05 | 扬州大学 | 一种泵站单机组优化运行时的叶片角步长调节控制方法 |
CN114035432B (zh) * | 2021-11-05 | 2023-09-08 | 扬州大学 | 基于线性整数-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 |
CN114035432A (zh) * | 2021-11-05 | 2022-02-11 | 扬州大学 | 基于线性整数-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 |
CN114396385A (zh) * | 2021-12-21 | 2022-04-26 | 中水三立数据技术股份有限公司 | 一种基于泵站运行的调度控制方法 |
CN114396385B (zh) * | 2021-12-21 | 2023-12-29 | 中水三立数据技术股份有限公司 | 一种基于泵站运行的调度控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107730152B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730152B (zh) | 一种泵站调度优化方法 | |
CN108388973B (zh) | 一种虚拟电厂自适应鲁棒调度优化方法 | |
CN110417048B (zh) | 一种考虑源网荷约束的直流电网送受端联合调峰优化方法 | |
CN109167383B (zh) | 基于精确线性化电力网络模型的电力系统调峰优化方法 | |
CN107069776B (zh) | 一种平滑微网联络线功率的储能前瞻分布式控制方法 | |
CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
CN109347124B (zh) | 利用蓄热热泵群的电热微网联络线功率平抑方法与装置 | |
CN105279707B (zh) | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 | |
CN103277291A (zh) | 一种单级泵站优化调度方法 | |
CN105244870B (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 | |
CN109687534B (zh) | 基于梯级水量匹配的电力系统发电机组有功功率控制方法 | |
CN104917204A (zh) | 一种风电场有功功率优化控制方法 | |
Li et al. | A coordinated peak shaving strategy using neural network for discretely adjustable energy-intensive load and battery energy storage | |
CN108879657A (zh) | 基于风电容量可信度的电力电量平衡优化方法 | |
CN111030101B (zh) | 一种基于多元化大数据清洁能源消纳联动调控方法及系统 | |
CN106549418A (zh) | 一种风电场有功功率控制方法 | |
CN107748930B (zh) | 一种充分灌溉条件下直接补渠的单库-多站系统水资源优化配置方法 | |
CN109726855B (zh) | 一种基于峰谷电价经济运行模型的梯级泵站优化调度方法 | |
CN115496378B (zh) | 一种计入风能减排效益的电力系统经济调度方法 | |
CN109167350B (zh) | 一种工业负荷响应模型的构建方法 | |
CN107742166B (zh) | 一种充分灌溉条件下直接补库的多库-多站系统水资源优化配置方法 | |
CN116131297A (zh) | 一种面向新能源消纳的源网荷储省地协同调控方法及系统 | |
CN113240546B (zh) | 密集水电地区的机组月度调度方法 | |
CN115358452A (zh) | 一种源荷互济协调调度优化方法及装置 | |
CN115271229A (zh) | 一种基于需求响应的虚拟电厂运行成本优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |