CN109447405B - 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 - Google Patents

一种承担调峰任务的一库多级式梯级库群短期计划制定方法 Download PDF

Info

Publication number
CN109447405B
CN109447405B CN201811101113.5A CN201811101113A CN109447405B CN 109447405 B CN109447405 B CN 109447405B CN 201811101113 A CN201811101113 A CN 201811101113A CN 109447405 B CN109447405 B CN 109447405B
Authority
CN
China
Prior art keywords
peak
power
power station
period
valley
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
CN201811101113.5A
Other languages
English (en)
Other versions
CN109447405A (zh
Inventor
李树山
李崇浩
吴慧军
唐红兵
王凌梓
刘映尚
唐卓尧
程春田
廖胜利
刘杰
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.)
Dalian University of Technology
China Southern Power Grid Co Ltd
Original Assignee
Dalian University of Technology
China Southern Power Grid 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 Dalian University of Technology, China Southern Power Grid Co Ltd filed Critical Dalian University of Technology
Priority to CN201811101113.5A priority Critical patent/CN109447405B/zh
Publication of CN109447405A publication Critical patent/CN109447405A/zh
Application granted granted Critical
Publication of CN109447405B publication Critical patent/CN109447405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/02Computing arrangements based on specific mathematical models using fuzzy logic
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)

Abstract

本发明涉及电网规划和调度运行领域,特别涉及一种承担调峰任务的一库多级式梯级库群短期计划制定方法。首先,依据电网负荷曲线分布特征采用模糊半梯级隶属度函数划分峰谷时段,调节电站峰平谷比例确定电站典型调峰曲线;然后,采用粒子群算法求解厂间电量分配的过程;最后,计算过程中为减少弃水的发生采用弃水调整策略对各电站出力过程进行修正,最大限度减少弃水。本发明的方法实现上下游电站出力匹配,平衡调峰及蓄能的关系,改进短期调峰因复杂约束带来时效性不强的问题。本发明的方法原理清晰、易于操作、计算效率高,为解决实际工程调度问题提供了切实可行的新思路。

Description

一种承担调峰任务的一库多级式梯级库群短期计划制定方法
技术领域
本发明涉及电网规划和调度运行领域,特别涉及一种承担调峰任务的一库多级式梯级库群短期计划制定方法。
技术背景
持续增加的负荷峰谷差及不断投产的间歇性能源给电网短期调度带来巨大的调峰压力,水电作为一种优质的调峰电源,在保证我国电力系统安全、稳定、经济地运行中发挥着越来越重要的作用。我国大多流域采用“一库多级”或“多库多级”式开发,即上游具有一个或多个调节能力好的龙头电站,下游配备多个库容小、水头高、调节能力差的电站,充分利用龙头电站调蓄作用及下游电站高水头发电,在不显著加大工程规模的前提下极大提高梯级保证出力。如金沙江中下游“一库八级”、乌江“两库七级”、澜沧江干流“三库二十一级”、红水河“两库十级”等。然而,“一库多级”式梯级电站间存在着紧密的水力及电力联系,下游库容较小,上游微小的下泄流量变化就会造成下游水位的大幅波动;同时,下游水库重新调节上游出库,通过顶托作用进一步影响上游电站发电水头。因此开展一库多级式梯级电站群短期计划制定具有重大意义。
目前国内外先关研究成果大多存在计算时间过长、忽略梯级上下游互相反馈机制、出力在追踪负荷峰谷过程中常陡涨陡落造成机组频繁启停或者频繁跨越振动区、上下游出力不匹配造成下游电站弃水等问题。本发明旨在实现一库多级式梯级水电站群电量与水量的平衡及匹配,避免因调峰带来的弃水及库空问题,为水调部门进行短期上报计划制定提供参考。
发明内容
本发明要解决的技术问题是提供承担调峰任务的一库多级式梯级库群短期计划制定方法,提出一种基于“峰谷时段”模糊识别、提高梯级蓄能的“一库多级”式梯级水电站群短期调峰计划快速生成方法,以合理安排上下游电站发电计划、平衡调峰及蓄能的关系、解决数学规划方法时效性不强的问题。
本发明的技术方案为:
一种承担调峰任务的一库多级式梯级库群短期计划制定方法,按照步骤(1)-(3)获得可行的一库多级式梯级库群短期计划,具体如下:
(1)依据电网负荷曲线分布特征采用模糊半梯级隶属度函数划分峰谷时段,调节电站峰平谷比例确定电站典型调峰曲线。
(2)采用粒子群算法求解厂间电量分配的过程。
(3)计算过程中为减少弃水的发生采用弃水调整策略对各电站出力过程进行修正,最大限度减少弃水。
本发明的有益效果:针对“一库多级”式梯级库群复杂的水力电力联系,提出基于峰谷时段模糊识别的短期调峰计划快速生成方法,实现上下游电站出力匹配,平衡调峰及蓄能的关系,改进短期调峰因复杂约束带来时效性不强的问题。本发明的方法原理清晰、易于操作、计算效率高,为解决实际工程调度问题提供了切实可行的新思路。
附图说明
图1(a)为偏小型半梯级隶属度函数示意图;
图1(b)为偏大型半梯级隶属度函数示意图;
图2为本发明的总体求解流程图;
图3(a)为汛期典型调峰曲线确定结果示意图;
图3(b)为枯期典型调峰曲线确定结果示意图;
图4为天二电站的水位过程示意图;
图5为天二电站的出力过程示意图;
图6(a)为天一电站的优化与实际计划出力过程对比示意图;
图6(b)为天二电站的优化与实际计划出力过程对比示意图;
图7为天二电站的优化与计划水位过程对比示意图;
图8为枯期调峰能力分析示意图。
具体实施方式
下面结合附图和技术方案,进一步描述本发明的具体实施方式。
本发明的水电站群短期调峰模型目标为期末蓄能最大,满足梯级日总电量需求的前提下,实现最大限度减小龙头电站的发电流量,充分利用下游电站高水头发电,通过典型调峰曲线实现梯级调峰目的。
目标函数如下:
单个水电站的蓄能值计算公式如下:
Figure BDA0001806705060000021
梯级蓄能计算公式如下:
Figure BDA0001806705060000022
式中:i表示电站自上游至下游编号,i=1,2,...,I;t表示时段编号,t=1,2,...,T;Si,t表示电站i在t时段末的蓄能值;Wi,t表示电站i在t时段末的可用水量,等于当前水位及死水位之间的库容;γi,t表示电站i在t时段末的平均耗水率,采用该水电站当前水位对应的耗水率与死水位对应的耗水率的平均值;
Figure BDA0001806705060000031
为梯级水电站群在t时段末的总蓄能值。从而得出梯级水电站群期末蓄能最大模型目标函数为:
Figure BDA0001806705060000032
需满足如下约束条件:
A.梯级日总电量约束:
Figure BDA0001806705060000033
式中:αi,t为电站i在时段t的出力与最大出力的比值,
Figure BDA0001806705060000034
其中pi,t为电站i在时段t的出力,单位MW;
Figure BDA0001806705060000035
为电站i的日最大出力;Δt为时段间隔,单位小时;E为梯级日总电量,单位MWh。
B.水量平衡约束:
Figure BDA0001806705060000036
Figure BDA0001806705060000037
式中:vi,t表示电站i在时段t的库容,Ii,t表示电站i在时段t的区间入流,ui,t表示电站i在时段t的出库流量,包括发电流量qit及弃水流量
Figure BDA0001806705060000038
τi表示一库多级梯级库群上游i-1电站到电站i的滞时。
C.电站出力约束:
Figure BDA0001806705060000039
式中:p i,t
Figure BDA00018067050600000310
分别为电站i在时段t的出力下限及上限。
D.发电流量约束:
Figure BDA00018067050600000311
式中:
Figure BDA00018067050600000312
q i,t为电站i在时段t的发电流量上、下限约束。
E.出库流量约束:
Figure BDA00018067050600000313
式中:
Figure BDA00018067050600000314
u i,t为电站i在时段t的出库流量上、下限。
F.水位约束:
Figure BDA00018067050600000315
式中:
Figure BDA0001806705060000041
为电站i在t时段初的坝上水位,
Figure BDA0001806705060000042
为其上、下限。
G.日调节及以下电站末水位约束:
Figure BDA0001806705060000043
式中:
Figure BDA0001806705060000044
为调度期末水位控制值,在本发明中该约束控制在一库多级式梯级水电站群下游日调节以下的电站,采用高水位控制期末水位,以维持下游电站高水头运行。
H.出力曲线:
pi,t=fi(qi,t,hi,t) (12)
式中:fi(*)表示电站动力特性曲线,即出力、发电流量及水头的三维关系曲线。
I.水头计算:
Figure BDA0001806705060000045
式中:
Figure BDA0001806705060000046
表示电站i在时段t的坝下水位,Δhi,t表示电站i在时段t的水头损失,这里水头损失一日内取定值。
J.坝下水位计算:
Figure BDA0001806705060000047
式中:
Figure BDA0001806705060000048
表示电站尾水位曲线,即尾水位、出库流量及下游电站坝上水位的三维关系。
本发明基于“峰谷时段”模糊识别、提高梯级蓄能的“一库多级”式梯级水电站群短期调峰计划快速生成方法,以合理安排上下游电站发电计划、平衡调峰及蓄能的关系、解决数学规划方法时效性不强的问题。总体流程图如图2所示,具体求解方法如下:
(1)基于模糊半梯级隶属度函数的峰谷时段识别
基于水电出力与系统负荷峰谷趋势一致实现水电对系统负荷的削峰填谷,采用模糊半梯级隶属度函数描述日负荷各时段处于峰、谷时段的可能性。将一天分为96时段,时段集合记为T={1,…,…,96},对应的负荷值为P={p1,…,pt…,p96}。采用偏大型半梯形隶属度函数确定负荷曲线上各时段负荷处于峰时段的可能性A(pt);采用偏小型半梯形隶属度函数确定负荷曲线上各时段负荷处于谷时段的可能性B(pt),数学表达如式(12)-(13):
A(pt)=(pt-pmin)/(pmax-pmin) (12)
B(pt)=(pmax-pt)/(pmax-pmin) (13)
式中:pt为t时段对应的负荷值;pmax为负荷曲线上的最大值;pmin为负荷曲线上的最小值,如图1所示。
模糊半梯级隶属度函数法进行峰谷时段划分需要选定合适的隶属度特征阈值λ,λ∈[0,1]。设峰、谷时段隶属度特征阈值为λ1和λ2。将峰、平、谷时段分别记为集合
Figure BDA0001806705060000051
Figure BDA0001806705060000052
Figure BDA0001806705060000053
设λ1对应峰时段的时段数为n1,λ2对应谷时段的时段数为n2,则平时段的时段数为96-n1-n2。实际应用时,不宜将峰、谷时段持续时间过长,一般不小于2小时,峰、谷时段数目总数不超过6个。
(2)基于峰谷时段划分的典型调峰曲线的确定
对于承担调峰任务的电站,其出力过程除满足电网负荷峰谷过程外,还要维持一定的平稳性,以避免机组频繁启停或频繁跨越振动区。为此,提出如下电站典型调峰曲线来兼顾电网调峰及出力平稳性。
A.确定电站的峰、平、谷出力比,包括平峰出力比θ1和谷峰出力比θ2,其中θ12∈(0,1),峰、平、谷出力比初始采用实际调度统计的平均值或根据调度经验或根据调度要求设定。
B.根据电网典型负荷过程确定峰平谷时段,作为电站出力的峰平谷时段。
C.峰时段出力设定为1,平时段及谷时段出力则为θ1及θ2。得到各电站的典型调峰曲线α={α1,...,αt,...,αT}。其中
Figure BDA0001806705060000054
该典型调峰曲线能够根据实际情况设定调峰深度,避免直接按照电网负荷过程优化调峰带来的优先调峰弊端,导致其他可调峰电站无峰可调,这种情况在水电所占比重大的电网结构中问题尤其严重。
(3)基于粒子群算法PSO的厂间电量分配
采用动态规划等进行厂间负荷分配时,需将连续的电量离散化,离散状态随电站个数增加呈指数增加,采用启发式智能算法在不离散电量的情况下通过迭代搜索满意解。粒子群算法求解厂间电量分配的过程为:以调度期末梯级总蓄能最大为适应度函数,以梯级水电站群各电站的日总电量为决策变量,即把电站的日总电量决策过程看成是粒子在I维空间内的飞行轨迹,粒子位置代表各电站的日总出力,I表示梯级水电站总数。应用PSO求解厂间电量分配的迭代过程为:
vi(k+1)=ωvi(k)+c1r1(pi(t)-xi(k))+c1r2(pg(k)-xi(k))
xi(k+1)=xi(k)+vi(k+1) (14)
式中:i表示粒子编号,k表示迭代次数,ω是惯性权重系数,c1,c2为学习因子,r1,r2为[0,1]之间的随机数;xi(k)为粒子的位置,vi(k)表示粒子的飞行速度;pi(k)表示粒子个体极值,pg(k)表示全局极值。
值得说明,对每一个粒子计算适应度时,根据来水,采用定出力、流量试算法进行调节计算,惩罚函数法不满足任一约束条件的情况。
(4)启发式弃水调整策略
“一库多级”式梯级水电站群下游电站调节能力有限,上下游电站出力安排不匹配将常导致弃水发生,故在优化过程中对所得结果进行局部弃水调整是非常有必要的。为此设计了如下启发式弃水调整策略,调整顺序在空间上自弃水电站开始从上游水库到下游水库,在时间上自弃水时段向前,其基本调整思路如下:
A.当前最上游弃水电站记为m,最后一个弃水时段记为t。
B.对m电站以步长Δζ上调t时段出力,重新调节计算,更新t。
C.对m电站向前(t-1,t-2)以步长Δζ上调出力(实现预泄),重新调节计算,更新t。
D.对m-1电站t时段以步长Δζ下调出力,重新调节计算。若上下游滞时不可忽略则提前τi进行调整,更新t。
E.对m-1电站向前(t-1,t-2)下调出力,重新调节计算更新t。
步骤(4)中的A-D是一组上下游水库的循环调整。对梯级电站自上游到下游,重复上述操作,直至所有电站不发生弃水或弃水不再减少。
现以我国“十四大水电基地”之一的红水河流域已建成的天生桥(天一)及天生桥二级(天二)两座电站,天一天二的调节性能分别为不完全多年调节和日调节电站,为典型的一库多级梯级库群。采用计划的日总电量对汛枯期分别进行计算,以验证本发明的方法对汛枯期的普适性。
天一天二送电广西广东,送电比例约为1:1,本文采用归一化方法对两省典型日负荷进行重构,峰谷时段模糊识别结果如表3所示,划分结果满足时段持续时间超过2个小时及时段数不超过6个的要求,划分合理。依据的系统负荷曲线及确定的出力曲线如图3所示。
汛期计算结果:汛期日总发电量要求为4,976.1×104KWh,占日最大发电能力6,048×104KWh的82.3%,在满足一定的调峰深度的条件下极易发生弃水。表4给出了弃水调整前后调度结果,可知:在不采用弃水调整策略时,天二发生1,276×104m3的弃水,由图4天二水位过程(调整前)可以看出,到第24个时段,天二电站已经蓄到正常高水位,此后弃水流量平均为194m3/s,一直延续到调度周期末,并破坏了天二电站的末水位约束。图5给出天二出力过程,采用弃水调整策略之后,可消除弃水,说明本发明提出的弃水调整策略有效,但调整之后天二调峰深度为0(这是由于天二已经达到满发),整个梯级的调峰容量从564MW(占装机容量的22.4%)降低到205MW(占装机容量的8.1%)。故弃水和调峰之间存在矛盾,当梯级承担较大调峰任务时,会增加弃水的可能性。此外,经弃水调整,天二与天一电站的发电量比例由1.41变成1.75,梯级期末蓄能增加496×104KWh,约为梯级日发电量的9.96%。
枯期计算结果:枯期日总发电量要求为2,879.5×104kWh,仅占日最大发电能力6,048×104KWh的48%,因此枯期计划具有较大的灵活性,加之枯期来水较少,使得枯期电站承担较重的调峰任务。表5提供了枯期优化计算结果与实际计划结果的对比:(1)在调峰容量上,优化计算结果略低于实际计划过程,但通过图6可以看出,实际计划过程仅对午峰进行了调节,而本发明的优化计算结果同时调节了午峰及晚峰,调峰时段更长;(2)在梯级蓄能上,优化后的梯级期末蓄能值为270,594.9×104KWh,大于实际计划的期末蓄能值269,140.4×104KWh,增加的期末蓄能值约占梯级日发电量的50%,提高了水资源的利用率;(3)在水位变化上,通过图7可以看出,优化计算结果水位变化过程比实际计划的水位变化过程更加平稳,提高了调度的安全性。
调峰能力仿真分析结果:风光等多种间歇性清洁电源大力发展,其出力的反调峰性进一步拉大了电网负荷峰谷差,此时,若能充分挖掘水电的调峰能力,可进一步加大清洁能源的消纳,减少弃风弃光的发生。为验证一库多级式梯级水电站群联合调峰能力及本发明提出算法的有效性,对各电站的典型负荷率进行调整,在给定梯级电量且不发生弃水的情况下,加大峰时段出力,降低谷时段出力。仍以天生桥梯级库群枯期为例进行调整峰平谷时段的出力比,直至达到梯级不发生弃水的边界,梯级日发电量仍设为28,795MWh。其调整结果如图8所示,天生桥梯级调峰容量达2,037MW,占梯级总装机的80.9%,天二和天一发电量比例为1.55,弃水量为0,梯级期末总蓄能为270,565×104KWh,平缓系统负荷的同时为风光等其它新能源的消纳提供空间。
表1天生桥一库多级式梯级水电站群特性表
Figure BDA0001806705060000071
表2初始条件设置
Figure BDA0001806705060000081
表3汛枯期峰平谷时段划分
Figure BDA0001806705060000082
表4汛期计算结果
Figure BDA0001806705060000083
表5枯期计算结果
Figure BDA0001806705060000084

Claims (2)

1.一种承担调峰任务的一库多级式梯级库群短期计划制定方法,其特征在于,首先,依据电网负荷曲线分布特征采用模糊半梯级隶属度函数划分峰谷时段,调节电站峰、平、谷比例确定电站典型调峰曲线;然后,采用粒子群算法求解厂间电量分配的过程;最后,计算过程中为减少弃水的发生采用弃水调整策略对各电站出力过程进行修正,最大限度减少弃水;具体步骤如下:
(1)基于模糊半梯级隶属度函数的峰谷时段识别
基于水电出力与系统负荷峰谷趋势一致实现水电对系统负荷的削峰填谷,采用模糊半梯级隶属度函数描述日负荷各时段处于峰、谷时段的可能性;将一天分为96时段,时段集合记为T={1,…,…,96},对应的负荷值为P={p1,…,pt…,p96};采用偏大型半梯形隶属度函数确定负荷曲线上各时段负荷处于峰时段的可能性A(pt);采用偏小型半梯形隶属度函数确定负荷曲线上各时段负荷处于谷时段的可能性B(pt),数学表达如式(12)-(13):
A(pt)=(pt-pmin)/(pmax-pmin) (12)
B(pt)=(pmax-pt)/(pmax-pmin) (13)
式中:pt为t时段对应的负荷值;pmax为负荷曲线上的最大值;pmin为负荷曲线上的最小值;
模糊半梯级隶属度函数法进行峰谷时段划分需要选定隶属度特征阈值λ,λ∈[0,1];设峰、谷时段隶属度特征阈值为λ1和λ2;将峰、平、谷时段分别记为集合
Figure FDA0003131111010000011
Figure FDA0003131111010000012
设λ1对应峰时段的时段数为n1,λ2对应谷时段的时段数为n2,则平时段的时段数为96-n1-n2
(2)基于峰谷时段划分的典型调峰曲线的确定
A.确定电站的峰、平、谷出力比,包括平峰出力比θ1和谷峰出力比θ2,其中θ12∈(0,1),峰、平、谷出力比初始采用实际调度统计的平均值或根据调度经验确定或根据调度要求设定;
B.根据电网典型电力负荷过程确定峰、平、谷时段,作为电站出力的峰、平、谷时段;
C.峰时段出力设定为1,平时段及谷时段出力则为θ1及θ2;得到各电站的典型调峰曲线α={α1,...,αt,...,αT};其中
Figure FDA0003131111010000013
(3)基于粒子群算法PSO的厂间电量分配
以调度期末梯级总蓄能最大为适应度函数,以梯级水电站群各电站的日总电量为决策变量,即把电站的日总电量决策过程看成是粒子在I维空间内的飞行轨迹,粒子位置代表各电站的日总出力,I表示梯级水电站总数;应用PSO求解厂间电量分配的迭代过程为:
Figure FDA0003131111010000021
式中:i表示粒子编号,k表示迭代次数,ω是惯性权重系数,c1,c2为学习因子,r1,r2为[0,1]之间的随机数;xi(k)为粒子的位置,vi(k)表示粒子的飞行速度;pi(k)表示粒子个体极值,pg(k)表示全局极值;
对每一个粒子计算适应度时,根据来水,采用定出力、流量试算法进行调节计算;惩罚函数法处理不满足任一约束条件的情况;
(4)启发式弃水调整策略
A.当前最上游弃水电站记为m,最后一个弃水时段记为t;
B.对m电站以步长Δζ上调t时段出力,重新调节计算,更新t;
C.对m电站向前(t-1,t-2)以步长Δζ上调出力,重新调节计算,更新t;
D.对m-1电站t时段以步长Δζ下调出力,重新调节计算;若上下游滞时不可忽略则提前τi进行调整,更新t;
E.对m-1电站向前(t-1,t-2)下调出力,重新调节计算更新t;
步骤(4)中的A-D是一组上下游水库的循环调整;对梯级电站自上游到下游,重复上述子步骤A-D操作,直至所有电站不发生弃水或弃水不再减少。
2.根据权利要求1所述的一种承担调峰任务的一库多级式梯级库群短期计划制定方法,其特征在于,一库多级式梯级库群短期计划的目标为期末蓄能最大,满足梯级日总电量需求的前提下,实现最大限度减小龙头电站的发电流量,充分利用下游电站高水头发电,通过典型调峰曲线实现梯级调峰目的;
目标函数如下:
单个水电站的蓄能值计算公式如下:
Figure FDA0003131111010000022
梯级蓄能计算公式如下:
Figure FDA0003131111010000031
式中:i表示电站自上游至下游编号,i=1,2,...,I;t表示时段编号,t=1,2,...,T;Si,t表示电站i在t时段末的蓄能值;Wi,t表示电站i在t时段末的可用水量,等于当前水位及死水位之间的库容;γi,t表示电站i在t时段末的平均耗水率,采用该水电站当前水位对应的耗水率与死水位对应的耗水率的平均值;
Figure FDA0003131111010000032
为梯级水电站群在t时段末的总蓄能值;从而得出梯级水电站群期末蓄能最大模型的目标函数为:
Figure FDA0003131111010000033
需满足如下约束条件:
A.梯级日总电量约束:
Figure FDA0003131111010000034
式中:αi,t为电站i在时段t的出力与最大出力的比值,
Figure FDA0003131111010000035
其中pi,t为电站i在时段t的出力,单位MW;
Figure FDA0003131111010000036
为电站i的日最大出力;Δt为时段间隔,单位小时;E为梯级日总电量,单位MWh;
B.水量平衡约束:
Figure FDA0003131111010000037
Figure FDA0003131111010000038
式中:vi,t表示电站i在时段t的库容,Ii,t表示电站i在时段t的区间入流,ui,t表示电站i在时段t的出库流量,包括发电流量qit及弃水流量
Figure FDA0003131111010000039
τi表示一库多级梯级库群上游i-1电站到电站i的滞时;
C.电站出力约束:
Figure FDA00031311110100000310
式中:p i,t
Figure FDA00031311110100000311
分别为电站i在时段t的出力下限及上限;
D.发电流量约束:
Figure FDA00031311110100000312
式中:
Figure FDA00031311110100000313
q i,t为电站i在时段t的发电流量上、下限约束;
E.出库流量约束:
Figure FDA0003131111010000041
式中:
Figure FDA0003131111010000042
u i,t为电站i在时段t的出库流量上、下限;
F.水位约束:
Figure FDA0003131111010000043
式中:
Figure FDA0003131111010000044
为电站i在t时段初的坝上水位,
Figure FDA0003131111010000045
为其上、下限;
G.日调节及以下电站末水位约束:
Figure FDA0003131111010000046
式中:
Figure FDA0003131111010000047
为调度期末水位控制值,控制在一库多级式梯级水电站群下游日调节以下的电站,采用高水位控制期末水位,以维持下游电站高水头运行;
H.出力曲线:
pi,t=fi(qi,t,hi,t) (12)
式中:fi(*)表示电站动力特性曲线,即出力、发电流量及水头的三维关系曲线;
I.水头计算:
Figure FDA0003131111010000048
式中:Δhi,t表示电站i在时段t的水头损失,水头损失一日内取定值;
J.坝下水位计算:
Figure FDA0003131111010000049
式中:fi D(*)表示电站尾水位曲线,即尾水位、出库流量及下游电站坝上水位的三维关系。
CN201811101113.5A 2018-09-20 2018-09-20 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 Active CN109447405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811101113.5A CN109447405B (zh) 2018-09-20 2018-09-20 一种承担调峰任务的一库多级式梯级库群短期计划制定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811101113.5A CN109447405B (zh) 2018-09-20 2018-09-20 一种承担调峰任务的一库多级式梯级库群短期计划制定方法

Publications (2)

Publication Number Publication Date
CN109447405A CN109447405A (zh) 2019-03-08
CN109447405B true CN109447405B (zh) 2021-09-24

Family

ID=65532890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811101113.5A Active CN109447405B (zh) 2018-09-20 2018-09-20 一种承担调峰任务的一库多级式梯级库群短期计划制定方法

Country Status (1)

Country Link
CN (1) CN109447405B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120685B (zh) * 2019-05-23 2023-04-07 国家电网公司西南分部 高水电比重系统中梯级水电群与风光电站协调调峰方法
CN110533236A (zh) * 2019-08-21 2019-12-03 云南电网有限责任公司 一种水电站短期精细化调峰调度方法
CN110826805B (zh) * 2019-11-07 2022-10-21 广西电网有限责任公司 一种考虑来水不均匀性的低水头梯级水电站中期优化调度方法
CN111144447B (zh) * 2019-12-09 2022-05-31 国网新疆电力有限公司电力科学研究院 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法
CN111709605B (zh) * 2020-05-19 2023-06-06 成都大汇智联科技有限公司 一种基于多重反调节作用的水库电站调峰能力评估方法
CN112132313B (zh) * 2020-08-17 2024-04-26 国能大渡河流域水电开发有限公司龚嘴水力发电总厂 一种水位预测方法、装置及存储介质
CN112633674B (zh) * 2020-12-21 2022-09-20 中国南方电网有限责任公司 一种耦合水流滞时的梯级库群中期调峰调度方法
CN114781682B (zh) * 2022-03-01 2023-10-27 中国长江电力股份有限公司 基于变库容法的水库调峰增加出力坝前水位变化预测方法
CN116565947B (zh) * 2023-04-26 2024-04-19 武汉大学 水电站日调峰能力确定方法及设备
CN116742639B (zh) * 2023-04-28 2024-02-20 国家电投集团江西峡江发电有限公司 一种日调节水电站发电优化运行方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699938A (zh) * 2013-10-10 2014-04-02 华北电力大学(保定) 一种含抽水蓄能电站的电力系统发电计划制定方法
CN104167730A (zh) * 2014-08-21 2014-11-26 大连理工大学 一种复杂约束限制下的梯级水电站群实时优化调度方法
CN104915790A (zh) * 2015-06-26 2015-09-16 国网山西省电力公司 一种促进风电消纳的峰谷电价优化方法
CN106532769A (zh) * 2016-11-25 2017-03-22 云南电网有限责任公司电力科学研究院 基于光伏并网不确定性的需求侧分时电价的优化方法
CN106655280A (zh) * 2016-11-26 2017-05-10 大连理工大学 一种基于电量控制的梯级水电短期调峰模型及求解方法
CN108320111A (zh) * 2018-03-16 2018-07-24 大连理工大学 一种超大规模水电站群短期实用化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130056993A1 (en) * 2011-09-07 2013-03-07 Eric William Newcomb Use of thermal hydraulic DC generators meets the requirements to qualify as a "Green Energy" source

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699938A (zh) * 2013-10-10 2014-04-02 华北电力大学(保定) 一种含抽水蓄能电站的电力系统发电计划制定方法
CN104167730A (zh) * 2014-08-21 2014-11-26 大连理工大学 一种复杂约束限制下的梯级水电站群实时优化调度方法
CN104915790A (zh) * 2015-06-26 2015-09-16 国网山西省电力公司 一种促进风电消纳的峰谷电价优化方法
CN106532769A (zh) * 2016-11-25 2017-03-22 云南电网有限责任公司电力科学研究院 基于光伏并网不确定性的需求侧分时电价的优化方法
CN106655280A (zh) * 2016-11-26 2017-05-10 大连理工大学 一种基于电量控制的梯级水电短期调峰模型及求解方法
CN108320111A (zh) * 2018-03-16 2018-07-24 大连理工大学 一种超大规模水电站群短期实用化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于减少雅安电网弃水窝电现象的分时电价联动优化模型;余冬先;《中国优秀硕士学位论文全文数据库》;20110430(第4期);第1-52页 *

Also Published As

Publication number Publication date
CN109447405A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109447405B (zh) 一种承担调峰任务的一库多级式梯级库群短期计划制定方法
US11221594B2 (en) Practical method for short-term operations of super large-scale hydropower plants
US11009001B2 (en) Method for multi-objective optimal operations of cascade hydropower plants based on relative target proximity and marginal analysis principle
CN108470249B (zh) 一种耦合聚类分析和决策树的梯级水电站群短期发电调度方法
CN112615399A (zh) 一种储能系统参与电网调频优化控制方法、系统及存储介质
CN109636674B (zh) 一种大规模水电站群月度交易电量分解与校核方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN112103943A (zh) 日前电力现货市场出清的安全校核方法、装置及存储介质
CN105207253A (zh) 考虑风电及频率不确定性的agc随机动态优化调度方法
CN112581310A (zh) 梯级水电站群发电指标分配方法
CN114183796A (zh) 基于电制热与集中供热多能互补系统优化调度方法及装置
CN109636015B (zh) 一种梯级水电虚拟抽蓄电站调度方法
CN105184426A (zh) 一种基于随机连续寻优策略的梯级电站调峰方法
CN114548666A (zh) 一种考虑调峰深度的梯级水电站短期发电计划制作方法
CN111428970A (zh) 一种大规模水电站群跨省外送能力分析模型及求解方法
CN104636831B (zh) 一种面向多电网的水电站短期调峰特征值搜索方法
CN107059761B (zh) 水库群防洪库容时空分配设计方法
CN115693646A (zh) 计及源荷低碳性与ccgp的两阶段优化调度方法
CN107947246B (zh) 一种考虑调频增发的风电发电指标分配及增发评估方法
CN116993087B (zh) 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
CN117592690A (zh) 一种水电站群迎峰度夏顶峰能力分析方法
CN117557019A (zh) 基于模型预测控制的含热泵集群的供热系统调度方法
CN115271244A (zh) 一种基于两阶段分布鲁棒优化的梯级水电站短期调峰模型
CN109802445A (zh) 一种考虑输电区段容量限制的多机组协调调度方法
CN109636000A (zh) 面向光伏消纳的水-火-光联合优化调度方法

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