CN108805329A - 一种梯级水库实现实时调度的方法和系统 - Google Patents
一种梯级水库实现实时调度的方法和系统 Download PDFInfo
- Publication number
- CN108805329A CN108805329A CN201810411559.1A CN201810411559A CN108805329A CN 108805329 A CN108805329 A CN 108805329A CN 201810411559 A CN201810411559 A CN 201810411559A CN 108805329 A CN108805329 A CN 108805329A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- layer
- schedule periods
- scheduling
- schedule
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
本发明实施例提供了一种梯级水库实现实时调度的方法和系统,该方法包括:对梯级水库建立多层嵌套的调度期;对所述多层嵌套的调度期建立水库调度模型;遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。通过关联不同时间尺度的调度期,可以保证梯级水库长期‑中期‑短期‑实时调度的连贯性,使得长期的调度方案具有可行性,满足了水库调度自动化系统研发各项技术指标,进而实现自动化调度,能实现调度期内的水库发电水头优化分配与水库水位分阶段控制。
Description
技术领域
本发明涉及自动化、计算机处理的技术领域,特别是涉及一种梯级水库的实时调度方法和一种梯级水库的自动化调度系统。
背景技术
大型的水库一般是综合性水利枢纽,除了水电站发电之外,还有防洪、供水、生态、航运等多种功能,因此,水库调度是水库管理的重要项目之一。
水库库容与发电水头是影响水电站的发电效益重要因素,尤其是库容大、调节能力强的大型水电站,调度期内的发电水头分配与水库水位控制,对水电站的发电收益的影响尤为明显。
一般而言,水库的调度分为长期、中期、短期的调度。
目前,中期、短期的预报信息的精度基本达到可利用水平,因此,通常利用中期、短期的预报信息(预报时段仅为几个小时到几天)来进行水库调度,能够提高水电站的发电效益。
相比于中期、短期的水库调度,长期的水库调度对于提升水库的效益作用更为巨大,但是,受限于现有的气象、水文预报水平,预报时段为几个月的长期预报具有很大的不确定性,根据长期的径流预报制定的水库长期调度方案,仅能在调度初期起到一定的指导作用,但随着时间推移,该静态的调度方案将与实际情况将出现偏离较大,导致据此制定出的调度方案通常不具有可行性。
在现状情况下,调度后期的中期、短期水库调度方案通常需要独立于长期调度计划,另行单独编制,这不仅严重影响梯级水库群发电收益最大化这一目标的实现,而且阻碍水库调度自动化系统的应用与发展。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种梯级水库实现实时调度的方法和相应的一种梯级水库实现实时调度的系统。
依据本发明的一个方面,提供了一种梯级水库实现实时调度的方法,包括:
对梯级水库建立多层嵌套的调度期;
对所述多层嵌套的调度期建立水库调度模型;
遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
依据本发明的另一个方面,提供了一种梯级水库实现实时调度的系统,包括:
调度期建立模块,用于对梯级水库建立多层嵌套的调度期;
调度模型建立模块,用于对所述多层嵌套的调度期建立水库调度模型;
调度信息生成模块,用于遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
依据本发明的另一个方面,提供了一种梯级水库实现实时调度的方法,包括:
对梯级水库建立“长短嵌套-滚动修正”调度方案的动态编制技术;
建立多时间尺度优化调度模型相互嵌套的方法,逐层遍历所有优化调度模型,将上一层模型获取的水库调度信息(调度计划/下泄流量)输入至下一层水库优化调度模型,获取下一层水库调度信息(调度计划/下泄流量);然后,根据实际发生情况(发电量、下泄流量)和当前预报信息(水库来流)逐级调整上一层模型的优化调度目标和余留期,重新计算并更新余留期调度计划,循环往复实现水库多时间尺度的调度方案动态编制与实时修正;
对所述多时间尺度嵌套构造的梯级水库群优化调度模型提出“互为备用,精度优先”的模型求解方法,确保任何工况下均能成功获取调度方案。
本发明实施例包括以下优点:
本发明实施例对梯级水库建立多层嵌套的调度期,对多层嵌套的调度期建立水库调度模型,遍历每一层调度期,将上一层调度期预测的水库调度信息输入至水库调度模型,预测下一层调度期的水库调度信息,通过关联不同时间尺度的调度期,可以保证梯级水库长期-中期-短期-实时调度的连贯性,使得长期的调度方案具有可行性,满足了水库调度自动化系统研发各项技术指标,进而实现自动化调度,能实现调度期内的水库发电水头优化分配与水库水位分阶段控制。
附图说明
图1是本发明一个实施例的一种梯级水库实现实时调度方法的步骤流程图;
图2是本发明一个实施例的一种三峡水库的水库调度图;
图3是本发明一个实施例的优化调度时间长度划分方法的示例图;
图4A至图4B是本发明一个实施例的一种交叉操作的示意图;
图5是本发明一个实施例的一种变异操作的示意图;
图6是本发明一个实施例的另一种梯级水库实现实时调度方法的步骤流程图;
图7是本发明一个实施例的一种梯级水库实现实时调度系统的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明一个实施例的一种梯级水库实现实时调度的方法的步骤流程图,具体可以包括如下步骤:
步骤101,对梯级水库建立多层嵌套的调度期。
梯级水库(cascade reservoirs),可以指一条河流的水利水电开发规划中,为了充分利用水利水力资源,从河流或河段的上游到下游,修建的一系列呈阶梯式的水库和水电站。
为使本领域技术人员更好地理解本发明实施例,在本说明书中,将三峡-葛洲坝梯级水利枢纽作为梯级水库的一种示例进行说明。
三峡水库是目前世界上装机容量最大的电站之一,葛洲坝水库是目前世界上最大的径流式电站之一,三峡水库和葛洲坝水库组成了大型梯级水库。
三峡水库和葛洲坝水库均位于长江干流,前后距离间隔仅为38Km,又同属同一电网,因而两座电站具有紧密的水力和电力联系。对于如此规模巨大且联系紧密的梯级水库,其高效合理的运行无论是对流域水资源的高效开发利用还是整个电力系统的稳定运行意义均为重大。尤其是,三峡水库和葛洲坝水库都是综合性水利枢纽,除发电外,还有防洪、供水、生态、航运等多种功能。并且,这两个水库的电站机组装机均十分巨大,三峡水库单台机组容量就高达70万KW,发电水头的稍微变化对整个水库的发电效益都会产生巨大影响。
这些是大型梯级水库的特点,为这些水库的调控运行带来了极大困难。
譬如,了大型梯级水库的高水头、大库容的特性使得水电站的运行区间较大,即水位的取值范围较大,在如此的大范围内选定一个最佳的运行方案是一具有挑战性的问题。
实际上,由于缺乏有效的决策辅助工具,三峡水库和葛洲坝水库在以往调度过程都过于保守。调度前期,为避免后期可能出现的枯水,宁可少发电,也要保证水库在高水位运行,水电站在整个非汛期均按保证出力(最小出力)工作;而汛期来临时,为了下游防洪需要,又不得不将水库水位快速下降到汛限水位以下,这种操作模式的迅速转变产生大量弃水,造成了巨大发电效益损失。
对于其它一些中小型水库,则往往会走向另外一个极端,水电站在非汛期前期盲目多发电,如果调度期后期遭遇枯水,水库余留水量不足,导致不能完成电力系统要求的发电、调峰等任务,甚至会危及到整个电力系统的稳定运行。
三峡水库是三峡-葛洲坝梯级水利枢纽的核心水库,葛洲坝水库的运行必须配合三峡水库进行统一调度,以充分发挥三峡水库的航运和发电效益,三峡-葛洲坝梯级水库工程参数如表1所示:
表1三峡-葛洲坝梯级水库工程参数
三峡水库的坝顶高程185m,按照千年一遇洪水设计,相应设计洪水位175m,按照万年一遇洪水外加10%校核,相应校核洪水位180.4m。水库正常蓄水位175m,枯水期消落低水位155m,汛限水位145m,正常蓄水位库容393亿m3,兴利库容165亿m3,防洪库容221.5亿m3。电站设计装机容量达2240万kW(不含2台5万kW的电源机组),其中,左岸电厂安装14台70万kW机组,右岸电厂安装12台70万kW机组,地下电厂安装6台70万kW机组。
三峡水库控制流域面积约100万km2,占长江总流域面积180万km2的56%,坝址所在断面多年平均径流量4500亿m3,将近占长江总径流量9600亿m3的一半。枯水期,水库充分利用165亿m3的兴利库容,可平均増加下游流量1000m3/s,有效提高航运、供水、生态等综合效益。汛期,水库合理利用221.5亿m3的防洪库容,可确保百年一遇洪水下荆江河段的防洪安全,避免千年一遇洪水下江汉平原(中国重要粮食生产基地)发生毁灭性灾害。此外,三峡电站具有2240万kW的装机容量,是华中、华东和华南地区电力供应的骨干电源。
葛洲坝水库位于三峡坝址下游38km,是三峡水库的航运反调节水库,配合三峡水库进行日调节下泄非恒定流的调节。水库最低运行水位63m,正常运行水位66m,最高运行水位66.5m,总库容15.8亿m3,反调节库容8500万m3,具备日调节能力。电站设计装机容量271.5万kW,其中单机容量17万kW机组2台,单机容量12.5万kW机组19台。
水库调度图通常以时间(月、旬)为横坐标,以水库水位或蓄水量为纵坐标,绘制出不同时段水库蓄水指示线来指导水库运行。水库调度图表示了水库调度中决策变量(电站出力、供水量、下泄量等)与状态变量(库水位、入库流量、时间等)的关系。
图2示出了三峡水库的水库调度图,图2是以月(Month)为横坐标,以水库蓄水位(Reservoir storage level)为纵坐标,根据水库的防洪、通航、发电、供水等调控目标,偏安全地决定三峡水库水位控制线。图2中,UBC为上边界曲线的缩写,LBC为下边界曲线的缩写。
图2中的上半部分显示了如何利用调度规则线来指导水库的10月(Oct)蓄水控制。根据这个规则,当蓄水水位位于上边界线(区I),水库蓄满以保证水位低于正常蓄水位(175m),当水位低于下边界线(区III),水电站产生固定出力,如果水位在区II,需要调整至最大出力。
图2中的下半部分显示了三峡水库的一年的调度运行过程包括三个重要阶段,即消落期、汛期和回蓄期。
(1)消落期从11月(Nov)初到次年的6月(Jun)10日,水位从175m逐步消落,在一般来水年份4月(Apr)末库水位不低于枯水期消落低水位155m,5月(May)可以加大出力运行,逐步降低水库水位,一般情况下,5月底消落至155m,6月(Jun)10日消落到145m。
(2)汛期从6月(Jun)11日到9月(Sep)10日,水位在144.9-146.5m之间变动。
(3)回蓄期从9月(Sep)11日到10月(Oct)底,从汛限水位开始起蓄,9月(Sep)底不低于158m,10月(Oct)底前蓄至汛末蓄水位175m。
依据水库调度图,并综合考虑梯级水库实时调度技术要求,到梯级水库群入库径流预报精度,上下游梯级水库群水流时间滞后影响,将优化调度期划分为不同的时间尺度,建立多时间尺度的分层嵌套结构的调度期。
如图3所示,对梯级水库建立的多层嵌套的调度期,包括:
第一层(First layer)以年作为调度期,以旬或月作为时段长,例如,6月(Jun)和9月(Sep)以旬为时段长,其他以月为时段长。
第二层(Second layer)嵌套第一层,以消落期(Falling stage)、汛期(Floodseason)和回蓄期(Storage period)为调度期,,以月或旬或日作为时段长,例如,消落期中,1月(Jan)-4月(Apr)以月(Month)为时段长,5月(May)1日到6月(Jun)10日以旬为时段长;汛期以日为时段长;回蓄期中9月(Sep)11日到10月(Oct)底以旬为时段长,11月(Nov)、12月(Dec)以月为时段长。
第三层(Third layer)嵌套第二层,以月作为调度期,以旬(Ten-days)为时段长。
第四层(Fourth layer)嵌套第三层,以旬作为调度期,以日(Day)为时段长。
第五层(Fifth layer)嵌套第四层,以日作为调度期,以小时(hour)为时段长。
第六层(Sixth layer)嵌套第五层,以小时作为调度期,以刻(A quarter,即15分钟)为时段长。
需要说明的是,愈下层的调度期,其所采用的来水预报预见期越短,因而该层调度期所使用预报结果的精度愈高,据此制定的水库调度方案可能愈接近实际情况。
当然,上述调度期只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他调度期,本发明实施例对此不加以限制。另外,除了上述调度期外,本领域技术人员还可以根据实际需要采用其它调度期,本发明实施例对此也不加以限制。
步骤102,对所述多层嵌套的调度期建立水库调度模型。
在具体实现中,水库调度模型包括目标函数与约束条件。
考虑发电量与电价有关,可以将梯级水库在调度期内的发电量或发电效益设置为目标函数,该目标函数的优化目标为发电量或发电效益最大:
其中,梯级水库共n个水库,Nj,t为水库j在时段t的平均出力,调度期为T,时段长为Δt。
将如下的至少一个条件设置为约束条件:
(1)、水量平衡
Vj,t+1=Vj,t+(Qj,t-qj,t)·Δt
其中,Vj,t、Vj,t+1分别为水库j在时段t的始末库需水量,Qj,t为水库j在时段t的入库流量,qj,t水库j在时段t的出库流量。
(2)、水力联系
其中,Ωj为与水库j有直接水力联系的上游水库集合,Qqk,t为水库k与水库j之间的区间入流。
(3)、水库出力
Nj,t=fj(qj,t,Hj,t)
其中,Hj,t为水库j在时段t的平均水头,fj(·)为水电站处理特性函数。
(4)、水库蓄水量
其中, Vj,t+1 分别为水库j在时段t末水库蓄水量上下限。
(5)、出库流量
其中, qj,t 分别为水库j在时段t末出库流量上下限。
(6)、电站出力
其中, Nj,t 分别为水库j在时段t末出力上下限。
(7)、系统负荷
其中,NDt为电力系统要求水库群提供的处理下限。
(8)、水位约束
水库上下限水位约束:
水库水位变化幅度约束:
|Zj,t+1 -Zj,t |≤ΔZj
调度期期末水位控制:
其中,Zj,t、Zj,t+1为水库j在时段t和时段t+1的水位,Zj,t 、水库j在时段t允许下限水位和上限水位,ΔZj水库j水位容许变幅,Zje、为水库j调度期末计算水位和控制水位。
当然,上述目标函数与约束条件只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他目标函数与约束条件,本发明实施例对此不加以限制。另外,除了上述目标函数与约束条件外,本领域技术人员还可以根据实际需要采用其它目标函数与约束条件,本发明实施例对此也不加以限制。
步骤103,遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
多时间尺度的分层嵌套结构的调度期,是将不同时间尺度的模型通过输入和输出相联系,体现水库调度决策过程长期、中期、短期、实时的有序、连贯的决策过程。
为了充分利用精度较高的预报信息,在多时间尺度的分层嵌套结构的调度期中,上层调度期面临时段的水库调度信息(如入库流量和起调水位),采用下层调度期内的水库调度信息(如入库流量和起调水位)。这样做,不仅保证各层次同期来水的一致性,还能够确保不同调度期的水库调度模型输入和输出之间的有序衔接。
首先,先通过初始水位和与不同层级的预报入库径流过程,依次生成不同调度期的调度方案;然后依据方案实施后造成的实况与预期的差异,修正不同层级的预报入库径流过程,并以实际出现的当前水位为起调水位,调整后续余留期的调度方案。
由于水库调度运行的实际情况比较复杂,实际的水库调度操作不仅与水库来水有关还与电网消纳能力有关。因而,即便按照最准确的径流预报进行编制水库调度计划,也可能会出现与实际运行要求不符合的情况,如果不确定性发生后,水库调度计划却没有及时修正,则会导致调度计划与实际情况相偏离,随着时间的推移,甚至出现重大偏离,造成水库运行操作的事故发生。为此,本项目将采用水库的实际水位作为各层调度期的起调水位。
在本发明的一个实施例中,步骤103可以包括如下子步骤:
子步骤S11,同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
子步骤S12,从所述至少两种处理方式中确定第一目标处理方式与第二目标处理方式。
其中,所述第一目标处理方式的精确度高于所述第二目标处理方式的精确度,或者,所述第一目标处理方式的速度慢于所述第二目标处理方式的速度。
子步骤S13,将所述第一目标处理方式对应的水库调度信息修正或替换所述第二目标处理方式对应的水库调度信息。
在本发明实施例中,可以同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至水库调度模型中,用以预测下一层调度期的水库调度信息。
一般情况下,速度较快的处理方式,其精确度较低,速度较慢的处理方式,其精确度较高。
因此,为了平衡计算效率和计算精确度,可以从至少两种处理方式中确定第一目标处理方式与第二目标处理方式,其中,第一目标处理方式的精确度高于第二目标处理方式的精确度,或者,第一目标处理方式的速度慢于第二目标处理方式的速度。
将所述第一目标处理方式对应的水库调度信息修正或替换所述第二目标处理方式对应的水库调度信息。
在本发明实施例的一个示例中,子步骤S11进一步可以包括如下子步骤:
子步骤S111,对所述梯级水库中的每个水库设定在所述调度期内的初始调度线。
子步骤S112,遍历每一个水库,固定上一个水库的初始调度线与最优调度线,对下一个水库进行拟优化调度,获得对下一个水库的最优调度线。
子步骤S113,判断每个水库的初始调度线与最优调度线之间的差值是否小于预设的阈值;若是,则执行子步骤S114,若否,则执行子步骤S115。
子步骤S114,确定所述最优调度线为水库调度信息。
子步骤S115,将所述最优调度线的值赋予所述初始调度线,返回执行子步骤S112。
在本发明实施例中,以结合增量动态规划与轮库迭代作为处理方式,即轮库迭代耦合增量动态规划算法IDP,用以求解梯级水库的联合优化调度问题:
(1)、给定每一个水库一条初始调度线
(2)、固定对第一个水库进行拟优化调度,得到最优调度线在计算的时候药注意各水库间的水力联系,出力值应为整个梯级水库出力值总和。
(3)、固定对下一个水库进行拟优化调度,得到最优调度线
(4)、依次类推,得到每一个水库的最优调度线
(5)、如果ε为预设的阈值,则此时的最优调度线为最优解,否则,令转入步骤(2)。
在本发明的另一个实施例中,子步骤S11可以包括如下子步骤:
子步骤S116,以所述梯级水库中的每个水库的水位生成均匀表。
子步骤S117,通过所述均匀表转换为基因。
在本发明实施例中,以遗传算法IGA作为处理方式,用以求解梯级水库的联合优化调度问题。
但是,遗传算法在求解水库优化调度问题时存在两个问题:随机的初始种群生成方式难以保证个体在解空间均匀分布,导致求解结果不稳定;由于水库水量平衡等条件约束,使交叉、变异操作常常导致可行解变成不可行解。
初始种群代表性不足的原因在于各维均匀分布的随机生成不能保证整个空间个体分布均匀,而均匀设计可以满足实验代表性的要求。
均匀设计即以事先设计好的均匀表Un(qs)安排实验,其中,U表示均匀设计,n表示实验次数,s为因素数,q为水平数,从全方案集中挑选具有代表性的实验方案集。
应用于水库调度时,基因(月初水位)作为实验因素,将水位取值范围离散作为因子水平,种群大小为实验次数。各均匀表共n行s列,行对应于种群个体,列对应各月水位。对于大小为Popsize的初始种群,首先,生成均匀表Upopsize(popsizeT+1),然后通过下式将表中元素转化为基因:
其中,t=1,2,…,T+1,年初水位年末水位
子步骤S118,在进行交叉操作之前,根据约束条件计算所述交叉操作的可行域。
为防止随机交叉操作将优良个体破坏,在进行交叉操作之前,增加交叉可行域的判断步骤。
设i1、i2个体在pos时刻交叉:
(1)、如图4A所示,pos时刻的水位受前后两时段约束。pos-1时段由水量平衡、出力上下限约束可顺推估算pos时刻水位的可行域
Vpos-1,j=Z_Vj(pi1,j,pos-1)
Vpos+1,j=Z_Vj(pi2,j,pos+1)
其中,Vt,j为水库j在时刻t的库容,qj(·)为水库j出力—水量转化关系(单耗曲线),V_Zj(·)、Z_Vj(·)分别为各库容曲线由库容查水位、由水位查库容。
同理,由pos时段水量平衡、出力上下限约束可逆推估算pos时刻水位的可行域
VBpos,j =Vpos+1,j-[Qpos,j-qj(Npos,j )]Δt
交叉点水位同时满足前后两时段约束条件才可行,则pos时刻水位可行域为两域的交集:
令Z′pos,j =max(ZTpos,j ,ZBpos,j ),则修正后的交叉算子如下:
(2)、类似地,如图4B所示, 依据上述操作交叉生成另一个体p′k+1,t。
子步骤S119,在进行变异操作之前,根据约束条件计算所述变异操作的可行域。
在进行变异操作前,增加变异可行域判断步骤,如图5所示,设i个体在pos时刻变异:
Vpos-1,j=Z_Vj(pi,j,pos-1)
Vpos+1,j=Z_Vj(pi,j,pos+1)
其中,Vt,j为水库j在时刻t的库容,qj(·)为水库j出力—水量转化关系(单耗曲线),V_Zj(·)、Z_Vj(·)分别为各库容曲线由库容查水位、由水位查库容。
同理,由pos时段水量平衡、出力上下限约束可逆推估算pos时刻水位的可行域
VBpos,j =Vpos+1,j-[Qpos,j-qj(Npos,j )]Δt
变异点水位同时满足前后两时段约束条件才可行,则pos时刻水位可行域为两域的交集:
令Z′pos,j =max(ZTpos,j ,ZBpos,j ),则修正后的变异算子如下:
遗传算法以适当牺牲计算精度的手段大大降低了计算时间,可避免动态规划高精度网格计算带来的维数灾问题,本发明实施例对遗传算法进行改进,使得改进后的算法能够更加适合长期-中期-短期-实时的层级嵌套的调度期求解。
参照图6,示出了本发明一个实施例的另一种梯级水库实现实时调度的方法的步骤流程图,具体可以包括如下步骤:
步骤601,对梯级水库建立“长短嵌套-滚动修正”调度方案的动态编制技术,建立多时间尺度优化调度模型相互嵌套的方法。
梯级水库(cascade reservoirs),可以指一条河流的水利水电开发规划中,为了充分利用水利水力资源,从河流或河段的上游到下游,修建的一系列呈阶梯式的水库和水电站。
为使本领域技术人员更好地理解本发明实施例,在本说明书中,将三峡-葛洲坝梯级水利枢纽作为梯级水库的一种示例进行说明。
三峡水库是目前世界上装机容量最大的电站之一,葛洲坝水库是目前世界上最大的径流式电站之一,三峡水库和葛洲坝水库组成了大型梯级水库。
三峡水库和葛洲坝水库均位于长江干流,前后距离间隔仅为38Km,又同属同一电网,因而两座电站具有紧密的水力和电力联系。对于如此规模巨大且联系紧密的梯级水库,其高效合理的运行无论是对流域水资源的高效开发利用还是整个电力系统的稳定运行意义均为重大。尤其是,三峡水库和葛洲坝水库都是综合性水利枢纽,除发电外,还有防洪、供水、生态、航运等多种功能。并且,这两个水库的电站机组装机均十分巨大,三峡水库单台机组容量就高达70万KW,发电水头的稍微变化对整个水库的发电效益都会产生巨大影响。
这些是大型梯级水库的特点,为这些水库的调控运行带来了极大困难。
譬如,了大型梯级水库的高水头、大库容的特性使得水电站的运行区间较大,即水位的取值范围较大,在如此的大范围内选定一个最佳的运行方案是一具有挑战性的问题。
实际上,由于缺乏有效的决策辅助工具,三峡水库和葛洲坝水库在以往调度过程都过于保守。调度前期,为避免后期可能出现的枯水,宁可少发电,也要保证水库在高水位运行,水电站在整个非汛期均按保证出力(最小出力)工作;而汛期来临时,为了下游防洪需要,又不得不将水库水位快速下降到汛限水位以下,这种操作模式的迅速转变产生大量弃水,造成了巨大发电效益损失。
对于其它一些中小型水库,则往往会走向另外一个极端,水电站在非汛期前期盲目多发电,如果调度期后期遭遇枯水,水库余留水量不足,导致不能完成电力系统要求的发电、调峰等任务,甚至会危及到整个电力系统的稳定运行。
三峡水库是三峡-葛洲坝梯级水利枢纽的核心水库,葛洲坝水库的运行必须配合三峡水库进行统一调度,以充分发挥三峡水库的航运和发电效益,三峡-葛洲坝梯级水库工程参数如表2所示:
表2三峡-葛洲坝梯级水库工程参数
三峡水库的坝顶高程185m,按照千年一遇洪水设计,相应设计洪水位175m,按照万年一遇洪水外加10%校核,相应校核洪水位180.4m。水库正常蓄水位175m,枯水期消落低水位155m,汛限水位145m,正常蓄水位库容393亿m3,兴利库容165亿m3,防洪库容221.5亿m3。电站设计装机容量达2240万kW(不含2台5万kW的电源机组),其中,左岸电厂安装14台70万kW机组,右岸电厂安装12台70万kW机组,地下电厂安装6台70万kW机组。
三峡水库控制流域面积约100万km2,占长江总流域面积180万km2的56%,坝址所在断面多年平均径流量4500亿m3,将近占长江总径流量9600亿m3的一半。枯水期,水库充分利用165亿m3的兴利库容,可平均増加下游流量1000m3/s,有效提高航运、供水、生态等综合效益。汛期,水库合理利用221.5亿m3的防洪库容,可确保百年一遇洪水下荆江河段的防洪安全,避免千年一遇洪水下江汉平原(中国重要粮食生产基地)发生毁灭性灾害。此外,三峡电站具有2240万kW的装机容量,是华中、华东和华南地区电力供应的骨干电源。
葛洲坝水库位于三峡坝址下游38km,是三峡水库的航运反调节水库,配合三峡水库进行日调节下泄非恒定流的调节。水库最低运行水位63m,正常运行水位66m,最高运行水位66.5m,总库容15.8亿m3,反调节库容8500万m3,具备日调节能力。电站设计装机容量271.5万kW,其中单机容量17万kW机组2台,单机容量12.5万kW机组19台。
水库调度图通常以时间(月、旬)为横坐标,以水库水位或蓄水量为纵坐标,绘制出不同时段水库蓄水指示线来指导水库运行。水库调度图表示了水库调度中决策变量(电站出力、供水量、下泄量等)与状态变量(库水位、入库流量、时间等)的关系。
图2示出了三峡水库的水库调度图,图2是以月(Month)为横坐标,以水库蓄水位(Reservoir storage level)为纵坐标,根据水库的防洪、通航、发电、供水等调控目标,偏安全地决定三峡水库水位控制线。图2中,UBC为上边界曲线的缩写,LBC为下边界曲线的缩写。
图2中的上半部分显示了如何利用调度规则线来指导水库的10月(Oct)蓄水控制。根据这个规则,当蓄水水位位于上边界线(区I),水库蓄满以保证水位低于正常蓄水位(175m),当水位低于下边界线(区III),水电站产生固定出力,如果水位在区II,需要调整至最大出力。
图2中的下半部分显示了三峡水库的一年的调度运行过程包括三个重要阶段,即消落期、汛期和回蓄期。
(1)消落期从11月(Nov)初到次年的6月(Jun)10日,水位从175m逐步消落,在一般来水年份4月(Apr)末库水位不低于枯水期消落低水位155m,5月(May)可以加大出力运行,逐步降低水库水位,一般情况下,5月底消落至155m,6月(Jun)10日消落到145m。
(2)汛期从6月(Jun)11日到9月(Sep)10日,水位在144.9-146.5m之间变动。
(3)回蓄期从9月(Sep)11日到10月(Oct)底,从汛限水位开始起蓄,9月(Sep)底不低于158m,10月(Oct)底前蓄至汛末蓄水位175m。
依据水库调度图,并综合考虑梯级水库实时调度技术要求,到梯级水库群入库径流预报精度,上下游梯级水库群水流时间滞后影响,将优化时间长度划分为不同的时间尺度,建立多时间尺度的分层套接结构。
如图3所示,对梯级水库建立的分层套接结构,对梯级水库逐层建立优化调度模型,根据优化调度时间尺度进行分层,包括六层结构:
第一层(First layer)以年作为优化调度的时间长度,月为时间步长,消落期、汛期和回蓄期的期末水库位为水库调度关键控制节点,6月(Jun)和9月(Sep)以旬为时段长,其他以月为时段长。
第二层(Second layer)嵌套第一层,以消落期(Falling stage)、汛期(Floodseason)和回蓄期(Storage period)为优化调度的时间长度,,月为时间步长,消落期中,1月(Jan)-4月(Apr)以月(Month)为时段长,5月(May)1日到6月(Jun)10日以旬为时段长;汛期以日为时段长;回蓄期中9月(Sep)11日到10月(Oct)底以旬为时段长,11月(Nov)、12月(Dec)以月为时段长。
第三层(Third layer)嵌套第二层,以月作为优化调度的时间长度,以旬(Ten-days)为时段长。
第四层(Fourth layer)嵌套第三层,以旬作为优化调度的时间长度,以日(Day)为时段长。
第五层(Fifth layer)嵌套第四层,以日作为优化调度的时间长度,以小时(hour)为时段长。
第六层(Sixth layer)嵌套第五层,以小时作为优化调度的时间长度,以15分钟(Aquarter)为时段长。
需要说明的是,愈下层的调度期,其所采用的来水预报预见期越短,因而该层调度期所使用预报结果的精度愈高,据此制定的水库调度方案可能愈接近实际情况。
当然,上述调度期只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他调度期,本发明实施例对此不加以限制。另外,除了上述调度期外,本领域技术人员还可以根据实际需要采用其它调度期,本发明实施例对此也不加以限制。
在具体实现中,优化调度模型包括目标函数与约束条件。
考虑发电量与电价有关,可以将梯级水库在优化调度时间长度的发电量或发电效益设置为目标函数,该目标函数的优化目标为发电量或发电效益最大:
其中,梯级水库共n个水库,Nj,t为水库j在时段t的平均出力,调度期为T,时段长为Δt。
将如下的至少一个条件设置为约束条件:
(1)、水量平衡
Vj,t+1=Vj,t+(Qj,t-qj,t)·Δt
其中,Vj,t、Vj,t+1分别为水库j在时段t的始末库需水量,Qj,t为水库j在时段t的入库流量,qj,t水库j在时段t的出库流量。
(2)、水力联系
其中,Ωj为与水库j有直接水力联系的上游水库集合,Qqk,t为水库k与水库j之间的区间入流。
(3)、水库出力
Nj,t=fj(qj,t,Hj,t)
其中,Hj,t为水库j在时段t的平均水头,fj(·)为水电站处理特性函数。
(4)、水库蓄水量
其中, Vj,t+1 分别为水库j在时段t末水库蓄水量上下限。
(5)、出库流量
其中, qj,t 分别为水库j在时段t末出库流量上下限。
(6)、电站出力
其中, Nj,t 分别为水库j在时段t末出力上下限。
(7)、系统负荷
其中,NDt为电力系统要求水库群提供的处理下限。
(8)、水位约束
水库上下限水位约束:
水库水位变化幅度约束:
|Zj,t+1 -Zj,t |≤ΔZj
调度期期末水位控制:
其中,Zj,t、Zj,t+1为水库j在时段t和时段t+1的水位,Zj,t 、水库j在时段t允许下限水位和上限水位,ΔZj水库j水位容许变幅,Zje、为水库j调度期末计算水位和控制水位。
当然,上述目标函数与约束条件只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他目标函数与约束条件,本发明实施例对此不加以限制。另外,除了上述目标函数与约束条件外,本领域技术人员还可以根据实际需要采用其它目标函数与约束条件,本发明实施例对此也不加以限制。
步骤602,逐层遍历所有优化调度模型,将上一层模型获取的水库调度信息(调度计划/下泄流量)输入至下一层水库优化调度模型,获取下一层水库调度信息(调度计划/下泄流量)。然后,根据实际发生情况(发电量、下泄流量)和当前预报信息(水库来流)逐级调整上一层模型的优化调度目标和余留期,重新计算并更新余留期调度计划,循环往复实现水库多时间尺度的调度方案动态编制与实时修正。
多时间尺度的分层嵌套结构的实时调度技术框架,是将不同时间尺度的模型通过输入和输出相联系,体现水库调度决策过程长期、中期、短期、实时的有序、连贯的决策过程。
为了充分利用精度较高的预报信息,在多时间尺度的分层嵌套结构的调度期中,上层调度期面临时段的水库调度信息(如入库流量和起调水位),采用下层调度期内的水库调度信息(如入库流量和起调水位)。这样做,不仅保证各层次同期来水的一致性,还能够确保不同调度期的水库调度模型输入和输出之间的有序衔接。
首先,先通过初始水位和与不同层级的预报入库径流过程,依次生成不同调度期的调度方案;然后依据方案实施后造成的实况与预期的差异,修正不同层级的预报入库径流过程,并以实际出现的当前水位为起调水位,调整后续余留期的调度方案。
由于水库调度运行的实际情况比较复杂,实际的水库调度操作不仅与水库来水有关还与电网消纳能力有关。因而,即便按照最准确的径流预报进行编制水库调度计划,也可能会出现与实际运行要求不符合的情况,如果不确定性发生后,水库调度计划却没有及时修正,则会导致调度计划与实际情况相偏离,随着时间的推移,甚至出现重大偏离,造成水库运行操作的事故发生。为此,本项目将采用水库的实际水位作为各层调度期的起调水位。
步骤603,对所述多时间尺度嵌套构造的梯级水库群优化调度模型提出“互为备用,精度优先”的模型求解方法,确保任何工况下均能成功获取调度方案。
在本发明的一个实施例中,步骤603可以包括如下子步骤:
子步骤S21,同时采用至少两种处理方式遍历每一层优化调度模型。从上层优化调度模型往下层模型推进时,将上一层优化调度模型计算出的水库调度信息输入至优化调度模型,计算出下一层优化调度模型的水库调度信息;从下层往上层模型推进时,利用实际监测数据和更新的预报信息逐级调整上层模型的优化调度目标和余留期,重新计算并更新余留期调度计划
在本发明实施例中,可以同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至优化调度模型中,用以预测下一层调度期的水库调度信息。
一般情况下,速度较快的处理方式,其精确度较低,速度较慢的处理方式,其精确度较高。
因此,为了平衡计算效率和计算精确度,可以从至少两种处理方式中确定第一目标处理方式与第二目标处理方式,其中,第一目标处理方式的精确度高于第二目标处理方式的精确度,或者,第一目标处理方式的速度慢于第二目标处理方式的速度。
将所述第一目标处理方式对应的水库调度信息修正或替换所述第二目标处理方式对应的水库调度信息。
在本发明实施例的一个示例中,子步骤S21进一步可以包括如下子步骤:
子步骤S211,对所述梯级水库中的每个水库设定在所述调度期内的初始调度线。
子步骤S212,遍历每一个水库,固定上一个水库的初始调度线与最优调度线,对下一个水库进行拟优化调度,获得对下一个水库的最优调度线。
子步骤S213,判断每个水库的初始调度线与最优调度线之间的差值是否小于预设的阈值;若是,则执行子步骤S214,若否,则执行子步骤S215。
子步骤S214,确定所述最优调度线为水库调度信息。
子步骤S215,将所述最优调度线的值赋予所述初始调度线,返回执行子步骤S212。
在本发明实施例中,由于子步骤S211-子步骤S215与子步骤S111-子步骤S115的应用基本相似,所以描述的比较简单,相关之处参见子步骤S111-子步骤S115的部分说明即可,本发明实施例在此不加以详述。
在本发明的另一个实施例中,子步骤S21可以包括如下子步骤:
子步骤S216,以所述梯级水库中的每个水库的水位生成均匀表。
子步骤S217,通过所述均匀表转换为基因。
和/或,
子步骤S218,在进行交叉操作之前,根据约束条件计算所述交叉操作的可行域。
和/或,
子步骤S219,在进行变异操作之前,根据约束条件计算所述变异操作的可行域。
在本发明实施例中,由于子步骤S216-子步骤S219与子步骤S116-子步骤S119的应用基本相似,所以描述的比较简单,相关之处参见子步骤S116-子步骤S119的部分说明即可,本发明实施例在此不加以详述。
参照图7,示出了本发明一个实施例的一种梯级水库实现实时调度的系统的结构框图,具体可以包括如下模块:
调度期建立模块701,用于对梯级水库建立多层嵌套的调度期;
调度模型建立模块702,用于对所述多层嵌套的调度期建立水库调度模型;
调度信息生成模块703,用于遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
在本发明的一个实施例中,所述调度期建立模块701包括:
第一设置子模块,用于第一层以年作为调度期,以旬或月作为时段长;
第二设置子模块,用于第二层嵌套第一层,以消落期、汛期和回蓄期为调度期,以月或旬或日作为时段长;
第三设置子模块,用于第三层嵌套第二层,以月作为调度期,以旬为时段长;
第四设置子模块,用于第四层嵌套第三层,以旬作为调度期,以日为时段长;
第五设置子模块,用于第五层嵌套第四层,以日作为调度期,以小时为时段长;
第六设置子模块,用于第六层嵌套第五层,以小时作为调度期,以刻为时段长。
在本发明的一个实施例中,所述水库调度模型包括目标函数与约束条件;
所述调度模型建立模块702包括:
目标函数设置子模块,用于将所述梯级水库在所述调度期内的发电量或发电效益设置为目标函数,其中,所述目标函数的优化目标为所述发电量或发电效益最大;
约束条件设置子模块,用于将如下的至少一个条件设置为约束条件:
水量平衡、水力联系、水库出力、水库蓄水量、出库流量、电站出力、系统负荷、水位约束。
在本发明的一个实施例中,所述调度信息生成模块703包括:
同步处理子模块,用于同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息;
目标处理方式确定子模块,用于从所述至少两种处理方式中确定第一目标处理方式与第二目标处理方式,所述第一目标处理方式的精确度高于所述第二目标处理方式的精确度,或者,所述第一目标处理方式的速度慢于所述第二目标处理方式的速度;
调度信息调整子模块,用于将所述第一目标处理方式对应的水库调度信息修正或替换所述第二目标处理方式对应的水库调度信息。
在本发明实施例的一个示例中,所述处理方式包括结合增量动态规划与轮库迭代;
所述同步处理子模块包括:
初始调度线设定单元,用于对所述梯级水库中的每个水库设定在所述调度期内的初始调度线;
拟优化调度单元,用于遍历每一个水库,固定上一个水库的初始调度线与最优调度线,对下一个水库进行拟优化调度,获得对下一个水库的最优调度线;
调度线判断单元,用于判断每个水库的初始调度线与最优调度线之间的差值是否小于预设的阈值;若是,则调用调度信息确定单元,若否,则调用调度线赋值单元;
调度信息确定单元,用于确定所述最优调度线为水库调度信息;
调度线赋值单元,用于将所述最优调度线的值赋予所述初始调度线,返回调用所述初始调度线设定单元。
在本发明实施例的另一个示例中,所述处理方式包括遗传算法;
所述同步处理子模块包括:
生成均匀表生成单元,用于以所述梯级水库中的每个水库的水位生成均匀表;
基因转换单元,用于通过所述均匀表转换为基因;
和/或,
交叉可行域计算单元,用于在进行交叉操作之前,根据约束条件计算所述交叉操作的可行域;
和/或,
变异可行域计算单元,用于在进行变异操作之前,根据约束条件计算所述变异操作的可行域。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种梯级水库实现实时调度的方法,其特征在于,包括:
对梯级水库建立多层嵌套的调度期;
对所述多层嵌套的调度期建立水库调度模型;
遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
2.根据权利要求1所述的方法,其特征在于,所述对梯级水库建立多层嵌套的调度期,包括:
第一层以年作为调度期,以旬或月作为时段长;
第二层嵌套第一层,以消落期、汛期和回蓄期为调度期,以月或旬或日作为时段长;
第三层嵌套第二层,以月作为调度期,以旬为时段长;
第四层嵌套第三层,以旬作为调度期,以日为时段长;
第五层嵌套第四层,以日作为调度期,以小时为时段长;
第六层嵌套第五层,以小时作为调度期,以刻为时段长。
3.根据权利要求1所述的方法,其特征在于,所述水库调度模型包括目标函数与约束条件;
所述对所述多层嵌套的调度期建立水库调度模型,包括:
将所述梯级水库在所述调度期内的发电量或发电效益设置为目标函数,其中,所述目标函数的优化目标为所述发电量或发电效益最大;
将如下的至少一个条件设置为约束条件:
水量平衡、水力联系、水库出力、水库蓄水量、出库流量、电站出力、系统负荷、水位约束。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息,包括:
同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息;
从所述至少两种处理方式中确定第一目标处理方式与第二目标处理方式,所述第一目标处理方式的精确度高于所述第二目标处理方式的精确度,或者,所述第一目标处理方式的速度慢于所述第二目标处理方式的速度;
将所述第一目标处理方式对应的水库调度信息修正或替换所述第二目标处理方式对应的水库调度信息。
5.根据权利要求4所述的方法,其特征在于,所述处理方式包括结合增量动态规划与轮库迭代;
所述同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息,包括:
对所述梯级水库中的每个水库设定在所述调度期内的初始调度线;
遍历每一个水库,固定上一个水库的初始调度线与最优调度线,对下一个水库进行拟优化调度,获得对下一个水库的最优调度线;
判断每个水库的初始调度线与最优调度线之间的差值是否小于预设的阈值;
若是,则确定所述最优调度线为水库调度信息;
若否,则将所述最优调度线的值赋予所述初始调度线,返回执行所述遍历每一个水库,固定上一个水库的初始调度线与最优调度线,对下一个水库进行拟优化调度,获得对下一个水库的最优调度线。
6.根据权利要求4所述的方法,其特征在于,所述处理方式包括遗传算法;
所述同时采用至少两种处理方式遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息,包括:
以所述梯级水库中的每个水库的水位生成均匀表;
通过所述均匀表转换为基因;
和/或,
在进行交叉操作之前,根据约束条件计算所述交叉操作的可行域;
和/或,
在进行变异操作之前,根据约束条件计算所述变异操作的可行域。
7.一种梯级水库实现实时调度的系统,其特征在于,包括:
调度期建立模块,用于对梯级水库建立多层嵌套的调度期;
调度模型建立模块,用于对所述多层嵌套的调度期建立水库调度模型;
调度信息生成模块,用于遍历每一层调度期,将上一层调度期预测的水库调度信息输入至所述水库调度模型,预测下一层调度期的水库调度信息。
8.一种梯级水库实现实时调度的方法,其特征在于,包括:
对梯级水库建立“长短嵌套-滚动修正”调度方案的动态编制技术,建立多时间尺度优化调度模型相互嵌套的方法;
逐层遍历所有优化调度模型,将上一层模型获取的水库调度信息(调度计划/下泄流量)输入至下一层水库优化调度模型,获取下一层水库调度信息(调度计划/下泄流量);然后,根据实际发生情况(发电量、下泄流量)和当前预报信息(水库来流)逐级调整上一层模型的优化调度目标和余留期,重新计算并更新余留期调度计划,循环往复实现水库多时间尺度的调度方案动态编制与实时修正;
对所述多时间尺度嵌套构造的梯级水库群优化调度模型提出“互为备用,精度优先”的模型求解方法,确保任何工况下均能成功获取调度方案。
9.根据权利要求8所述的方法,其特征在于,所述对梯级水库建立逐层建立优化调度模型,根据优化调度时间尺度进行分层,包括六层结构:
第一层以年作为优化调度的时间长度,月为时间步长,消落期、汛期和回蓄期的期末水库位为水库调度关键控制节点;
第二层嵌套第一层,以消落期、汛期和回蓄期作为优化调度的时间长度,月为时间步长;
第三层嵌套第二层,以月作为优化调度的时间长度,旬为时间步长;
第四层嵌套第三层,以周或旬作为优化调度的时间长度,日为时间步长;
第五层嵌套第四层,以日作为优化调度的时间长度,小时为时间步长;
第六层嵌套第五层,以小时作为优化调度的时间长度,时刻(15分钟)为时间步长。
10.根据权利要求8或9所述的方法,其特征在于,循环遍历每一层优化调度模型,将上一层模型获取的水库调度信息(调度计划/下泄流量)输入至下一层水库优化调度模型,获取下一层水库调度信息(调度计划/下泄流量);然后,根据实际发生情况(发电量、下泄流量)和本层更新的预报信息(水库来流)逐级调整上层模型的优化调度目标和余留期,重新计算并更新余留期调度计划;循环往复实现水库多时间尺度的调度方案动态编制与实时修正,包括:
同时采用至少两种处理方式遍历每一层优化调度模型,从上层优化调度模型往下层模型推进时,将上一层优化调度模型计算出的水库调度信息输入至优化调度模型,计算出下一层优化调度模型的水库调度信息;从下层往上层模型推进时,利用实际监测数据和更新的预报信息逐级调整上层模型的优化调度目标和余留期,重新计算并更新余留期调度计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810411559.1A CN108805329B (zh) | 2018-05-02 | 2018-05-02 | 一种梯级水库实现实时调度的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810411559.1A CN108805329B (zh) | 2018-05-02 | 2018-05-02 | 一种梯级水库实现实时调度的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805329A true CN108805329A (zh) | 2018-11-13 |
CN108805329B CN108805329B (zh) | 2020-12-18 |
Family
ID=64093268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810411559.1A Active CN108805329B (zh) | 2018-05-02 | 2018-05-02 | 一种梯级水库实现实时调度的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805329B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109837862A (zh) * | 2019-02-27 | 2019-06-04 | 长江水利委员会水文局 | 基于生态水位衔接的河流梯级开发设计和调度运用方法 |
CN110909990A (zh) * | 2019-11-08 | 2020-03-24 | 四川大学 | 一种基于节点弧方法的流域二层水资源优化配置方法 |
CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
CN116914860A (zh) * | 2023-09-12 | 2023-10-20 | 中国电建集团西北勘测设计研究院有限公司 | 多能互补发电系统电源容量配置优化方法及系统 |
CN116993087A (zh) * | 2023-07-28 | 2023-11-03 | 中国电建集团华东勘测设计研究院有限公司 | 基于多层次嵌套动态规划多目标模型的水库优化调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040054564A1 (en) * | 2002-09-17 | 2004-03-18 | Fonseca Adolfo M. | Systems and methods for the optimization of resources in energy markets |
CN105223937A (zh) * | 2015-10-26 | 2016-01-06 | 河海大学 | 梯级水电站群生态调控智能控制系统及方法 |
CN107528348A (zh) * | 2017-09-14 | 2017-12-29 | 华北电力大学 | 一种基于来水不确定性的梯级水电站负荷调整方法 |
-
2018
- 2018-05-02 CN CN201810411559.1A patent/CN108805329B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040054564A1 (en) * | 2002-09-17 | 2004-03-18 | Fonseca Adolfo M. | Systems and methods for the optimization of resources in energy markets |
CN105223937A (zh) * | 2015-10-26 | 2016-01-06 | 河海大学 | 梯级水电站群生态调控智能控制系统及方法 |
CN107528348A (zh) * | 2017-09-14 | 2017-12-29 | 华北电力大学 | 一种基于来水不确定性的梯级水电站负荷调整方法 |
Non-Patent Citations (1)
Title |
---|
张梦然等: ""三峡水库发电优化调度分层嵌套模型研究"", 《水力发电》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109837862A (zh) * | 2019-02-27 | 2019-06-04 | 长江水利委员会水文局 | 基于生态水位衔接的河流梯级开发设计和调度运用方法 |
CN110909990A (zh) * | 2019-11-08 | 2020-03-24 | 四川大学 | 一种基于节点弧方法的流域二层水资源优化配置方法 |
CN110909990B (zh) * | 2019-11-08 | 2023-04-07 | 四川大学 | 一种基于节点弧方法的流域二层水资源优化配置方法 |
CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
CN111709134B (zh) * | 2020-06-12 | 2021-05-04 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
CN116993087A (zh) * | 2023-07-28 | 2023-11-03 | 中国电建集团华东勘测设计研究院有限公司 | 基于多层次嵌套动态规划多目标模型的水库优化调度方法 |
CN116914860A (zh) * | 2023-09-12 | 2023-10-20 | 中国电建集团西北勘测设计研究院有限公司 | 多能互补发电系统电源容量配置优化方法及系统 |
CN116914860B (zh) * | 2023-09-12 | 2024-01-05 | 中国电建集团西北勘测设计研究院有限公司 | 多能互补发电系统电源容量配置优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108805329B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805329A (zh) | 一种梯级水库实现实时调度的方法和系统 | |
CN111709134B (zh) | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 | |
Jadidoleslam et al. | Reliability constrained generation expansion planning by a modified shuffled frog leaping algorithm | |
Cheng et al. | Comparison of particle swarm optimization and dynamic programming for large scale hydro unit load dispatch | |
CN107491635A (zh) | 一种基于嵌套降维算法的梯级水库水沙联合优化调度方法 | |
Azari et al. | Multi-objective optimization of the reservoir system operation by using the hedging policy | |
CN109347151A (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
Gong et al. | Robust operation interval of a large-scale hydro-photovoltaic power system to cope with emergencies | |
Li et al. | Hierarchical multi-reservoir optimization modeling for real-world complexity with application to the Three Gorges system | |
Kangrang et al. | Development of future rule curves for multipurpose reservoir operation using conditional genetic and tabu search algorithms | |
CN112003277A (zh) | 一种输配协同负荷恢复优化控制方法及系统 | |
CN109598433A (zh) | 考虑弃能成本和调峰需求的送端电网电源结构规划方法 | |
CN114839943B (zh) | 一种梯级电站闸门控制策略生成和滚动优化方法及系统 | |
CN107204615A (zh) | 一种实现功率预测的方法及系统 | |
CN105631528A (zh) | 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法 | |
CN111612292A (zh) | 基于关键水位控制的梯级水电站调度控制系统及方法 | |
CN109583655A (zh) | 一种发输电多阶段联合扩展规划方法及系统 | |
CN105701562A (zh) | 训练方法、所适用的预测发电功率的方法及各自系统 | |
WO2015033269A1 (en) | A control system for operation of irrigation canals | |
CN102509027A (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
CN116090840A (zh) | 基于储能规划的配电网韧性提升方法、装置、设备和介质 | |
Huang et al. | Genetic Algorithms for Optimization of Resource Allocation in Large Scale Construction Project Management. | |
CN110503239A (zh) | 一种考虑无功辅助服务的配电网优化调度方法及系统 | |
CN104680427A (zh) | 地区配电网综合优化规划系统 | |
Peng et al. | A multi-objective optimization model for coordinated regulation of flow and sediment in cascade reservoirs |
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 |