CN110826806A - 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 - Google Patents
一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 Download PDFInfo
- Publication number
- CN110826806A CN110826806A CN201911081826.4A CN201911081826A CN110826806A CN 110826806 A CN110826806 A CN 110826806A CN 201911081826 A CN201911081826 A CN 201911081826A CN 110826806 A CN110826806 A CN 110826806A
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- reservoir
- time period
- beginning
- period
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 238000004220 aggregation Methods 0.000 title claims abstract description 11
- 230000002776 aggregation Effects 0.000 title claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 43
- 238000003860 storage Methods 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000007796 conventional method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 229920000642 polymer Polymers 0.000 abstract description 2
- 230000033228 biological regulation Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009063 long-term regulation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于水电站优化调度领域,涉及一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法。本发明将梯级水电站的调度规则制定以两阶段实现:首先采用聚合水库抽样随机动态规划进行梯级蓄能调度图的优化,并将结果作为模拟优化的初始解;在初始解附近给调度规则曲线需优化的点限定一个较小的可行区间;在可行区间内采用遗传算法进行模拟优化调度规则的求解。该方法克服了大可行域内优化调度规则的计算困难,同时在聚合水库抽样随机动态规划结果附近寻优保证了求解质量,能够在较短时间内得到梯级水电站调度规则的满意结果,应用效果显著优于常规方法。
Description
技术领域
本发明属于水电站优化调度领域,涉及一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法。
背景技术
梯级水电站的调度规则对于提高水能利用率和发电效益具有重要作用。受限于水电站随机动态规划的维数问题,对于大规模梯级水电站群,经常采用基于蓄能调度图和负荷分配的模拟优化方法制定其调度规则。在模拟优化模型中,常以调度规则曲线上关键点的位置作为优化变量,求解方法通常为具有全局优化能力的遗传算法等智能优化方法。由于这些关键点位置变化范围很大,同时可行域有交叉,在其整个可行域内寻优需要遗传算法具有很大的种群规模和很长的进化代数,而这在实践中难以实现,因为目标函数的计算需要对历史径流序列进行模拟得到,并需要复杂的水电站负荷分配计算,因此需要计算量极大。
发明内容
为解决上述问题,本发明提供一种结合聚合水库和模拟优化的水电站优化调度规则制定方法。本发明将梯级水电站的调度规则制定以两阶段实现:首先采用聚合水库抽样随机动态规划进行梯级蓄能调度图的优化,并将结果作为模拟优化的初始解;在初始解附近给调度规则曲线需优化的点限定一个较小的可行区间;在可行区间内采用遗传算法进行模拟优化调度规则的求解。
本发明的技术方案:
一种结合聚合水库和模拟优化的水电站优化调度规则制定方法,步骤如下:
步骤1.聚合水库抽样随机动态规划阶段
以梯级蓄能作为状态变量,构建聚合水库抽样随机动态规划模型,如式(1)-(3):
ft,n(SEt)=[Bt,n(SEt,Pt)+gt+1,n(SEt+1)] (2)
其中,SEt为梯级水电站在t时段初的蓄能;N为年径流序列抽样数目;ft,n(SEt)为t时段初在第n种径流抽样下的效益;Ft(SEt)为t时段初SEt下的目标函数;Bt,n(SEt,Pt)为t时段初径流抽样t、SEt状态下,梯级总出力决策为Pt时的局部效益函数;gt+1,n(SEt+1)为t时段末状态为SEt+1时的余留期效益函数;T0为一年内时段数,以月为时段时,T0=12;n0为径流抽样编号。
蓄能SEt按照式(4)计算:
由于不同的库水位组合有可能具有同样的蓄能,设定各水库同步蓄放水,即在所有时间里各水库蓄水量与其最大蓄水量的比值相同。此时,该模型求解方法与单库抽样随机动态规划相同,即由最后一个时段向前,依次求解各状态下的最优决策和最优效益,反复若干次至得到稳定决策为止,得到梯级的初始蓄能调度规则。
步骤2.模拟优化模型构建
在历史径流序列上,构建模拟优化模型如下:
其中,R为需要优化的水电站调度规则;F为目标函数;T为历史径流序列时段数;和为水电站m在t时段初和t时段末的库水位;为水电站m在t时段下游平均水位;为水电站m在t时段初的入库水量;为水电站m在t时段初的出库水量,包括发电水量和弃水量;为水电站m在t时段初的蓄水量及其上限、下限;为水电站m在t时段初的出力和平均出力;为水电站m在t时段初的出库流量下限;其他变量定义与前面相同。
步骤3.求解模拟优化模型
步骤2中构建的模型有多种求解方法,本发明采用遗传算法,设定i=1、2、3、4,其中,SE0i,t为步骤1中采用聚合水库抽样随机动态规划计算的结果中时段t第i个变量的值,为限定变量SEi,t取值范围的步长。
在求解过程中,遗传算法个体适应值采用模拟调度计算,计算中在每个时段以SE1,t、SE2,t、SE3,t、SE4,t定义的规则曲线确定梯级总出力,其中t=1,2,…,12;以为目标进行梯级水电站间的负荷分配,其中,为各水电站m在t时段末蓄水量为时,由t时段末至水库放空或蓄满时的平均发电水头,为同一时期发电用水量的期望值。
在模拟优化中,需考虑最小出库流量约束,则目标函数为:
本发明的有益效果:本发明的方法克服了大可行域内优化调度规则的计算困难,同时在聚合水库抽样随机动态规划结果附近寻优保证了求解质量,能够在较短时间内得到梯级水电站调度规则的满意结果,应用效果显著优于常规方法。
附图说明
图1是已有的调度规则示意图;
图2是实施例中一月份调度规则优化结果;
图3是实施例中二月份调度规则优化结果;
图4是实施例中三月份调度规则优化结果;
图5是实施例中四月份调度规则优化结果;
图6是实施例中五月份调度规则优化结果;
图7是实施例中六月份调度规则优化结果;
图8是实施例中七月份调度规则优化结果;
图9是实施例中八月份调度规则优化结果;
图10是实施例中九月份调度规则优化结果;
图11是实施例中十月份调度规则优化结果;
图12是实施例中十一月份调度规则优化结果;
图13是实施例中十二月份调度规则优化结果。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
采用发明内容中的步骤1-步骤3,以红水河流域天生桥一级、天生桥二级、平班、龙滩、岩滩五座水电站构成的梯级为实例,进行本发明的实施。红水河流域位于东经104°~111°、北纬22°~25°之间,流域西面以横断山脉与流入越南的红河分水,流域北面为乌蒙山脉,与长江流域的乌江及金沙江分水。红水河是珠江水系西江的干流,其源头为云南马雄山。南盘江流经广西西林、田林与贵州的兴义、册亨等地流至望谟县与北面而来的北盘江相汇后称红水河,最终汇入珠江。红水河流域(自清水江口至梧州段)尤其是干流上的水电站是广西电网的主要电源点,也是电网中重要的调峰电源,对电网的稳定运行、安全起着至关重要的作用,并且也肩负着西电东送工程的重要任务,对广东的经济发展也有很大地作用。本专利实施相关的红水河流域梯级水电站具体特性见表1。
表1红水河流域梯级水电站特性表
本实施例的梯级水电站中,天生桥一级、龙滩具有多年调节能力,为主要长期调节水库,其它为日调节水库。天生桥一级、天生桥二级、龙滩同时向广东、广西送电,平班、岩滩向广西送电。在红水河梯级水电站的长期发电调度中,如何利用天生桥一级、龙滩的调节能力,提高枯期补偿能力,减少汛期弃水,提高梯级水能利用率具有重要意义。
在实施中,首先要确定算法参数,本发明在遗传算法求解中采用两点交叉、基于排序的选择和非均匀变异算子,种群规模100,进化代数100,惩罚函数中采用a=100,b=10。图2-图13为一到十二月采用本发明方法和常规方法的规则曲线对比,可见由于本发明采用抽样聚合随机动态规划获得了初始解,并以其为基础设定了各优化变量的寻优区间,从而大大减小了可行域,便于采用小规模遗传算法求解。
采用本发明方法得到的调度规则模拟时,发电量2091TWh,最小出力2373MW,考虑惩罚时的目标函数为1.759ⅹ109。而在只采用常规方法,即只进行一个阶段模拟优化,不通过步骤1计算初始解和限制可行区间时,发电量2073TWh,最小出力2158MW,考虑惩罚时的目标函数为1.615ⅹ109。可见,本发明的方法全面由于常规的梯级水电站调度规则优化方法,可显著提高发电效益。
Claims (1)
1.一种结合聚合水库和模拟优化的水电站优化调度规则制定方法,其特征在于,步骤如下:
步骤1.聚合水库抽样随机动态规划阶段
以梯级蓄能作为状态变量,构建聚合水库抽样随机动态规划模型,如式(1)-(3):
ft,n(SEt)=[Bt,n(SEt,Pt)+gt+1,n(SEt+1)] (2)
其中,SEt为梯级水电站在t时段初的蓄能;N为年径流序列抽样数目;ft,n(SEt)为t时段初在第n种径流抽样下的效益;Ft(SEt)为t时段初SEt下的目标函数;Bt,n(SEt,Pt)为t时段初径流抽样t、SEt状态下,梯级总出力决策为Pt时的局部效益函数;gt+1,n(SEt+1)为t时段末状态为SEt+1时的余留期效益函数;T0为一年内时段数,以月为时段时,T0=12;n0为径流抽样编号;
蓄能SEt按照式(4)计算:
模型求解方法与单库抽样随机动态规划相同,即由最后一个时段向前,依次求解各状态下的最优决策和最优效益,反复若干次至得到稳定决策为止,得到梯级的初始蓄能调度规则;
步骤2.模拟优化模型构建
在历史径流序列上,构建模拟优化模型如下:
其中,R为需要优化的水电站调度规则;F为目标函数;T为历史径流序列时段数;和为水电站m在t时段初和t时段末的库水位;为水电站m在t时段下游平均水位;为水电站m在t时段初的入库水量;为水电站m在t时段初的出库水量,包括发电水量和弃水量;为水电站m在t时段初的蓄水量及其上限、下限;为水电站m在t时段初的出力和平均出力;为水电站m在t时段初的出库流量下限;
步骤3.求解模拟优化模型
在求解过程中,遗传算法个体适应值采用模拟调度计算,计算中在每个时段以SE1,t、SE2,t、SE3,t、SE4,t定义的规则曲线确定梯级总出力,其中t=1,2,…,12;以为目标进行梯级水电站间的负荷分配,其中,为各水电站m在t时段末蓄水量为时,由t时段末至水库放空或蓄满时的平均发电水头,为同一时期发电用水量的期望值;
在模拟优化中,需考虑最小出库流量约束,则目标函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081826.4A CN110826806B (zh) | 2019-11-07 | 2019-11-07 | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081826.4A CN110826806B (zh) | 2019-11-07 | 2019-11-07 | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826806A true CN110826806A (zh) | 2020-02-21 |
CN110826806B CN110826806B (zh) | 2022-09-02 |
Family
ID=69553183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911081826.4A Active CN110826806B (zh) | 2019-11-07 | 2019-11-07 | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826806B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722709A (zh) * | 2022-04-11 | 2022-07-08 | 武汉大学 | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869070A (zh) * | 2016-04-06 | 2016-08-17 | 大连理工大学 | 一种跨流域梯级水电站群效益均衡的合作优化调度方法 |
KR101718522B1 (ko) * | 2016-03-28 | 2017-03-21 | 주식회사 지오그린21 | 청정 지하저수지 적합지 선정 시스템과 그 방법 |
-
2019
- 2019-11-07 CN CN201911081826.4A patent/CN110826806B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101718522B1 (ko) * | 2016-03-28 | 2017-03-21 | 주식회사 지오그린21 | 청정 지하저수지 적합지 선정 시스템과 그 방법 |
CN105869070A (zh) * | 2016-04-06 | 2016-08-17 | 大连理工大学 | 一种跨流域梯级水电站群效益均衡的合作优化调度方法 |
Non-Patent Citations (2)
Title |
---|
XINYU WU 等: "Stochastic dynamic programming for hydropower reservoir operations with multiple local optima", 《JOURNAL OF HYDROLOGY》 * |
周研来 等: "梯级水库汛限水位动态控制", 《水力发电学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722709A (zh) * | 2022-04-11 | 2022-07-08 | 武汉大学 | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 |
CN114722709B (zh) * | 2022-04-11 | 2024-02-09 | 武汉大学 | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110826806B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Multi-stage progressive optimality algorithm and its application in energy storage operation chart optimization of cascade reservoirs | |
CN106951985B (zh) | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 | |
CN105869070B (zh) | 一种跨流域梯级水电站群效益均衡的合作优化调度方法 | |
CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
CN104063808B (zh) | 一种跨省送电梯级水电站群调峰调度两阶段搜索方法 | |
WO2019006733A1 (zh) | 一种跨省互联水电站群长期联合调峰调度方法 | |
CN102855591B (zh) | 梯级水库群短期联合发电优化调度方法及系统 | |
CN104166887B (zh) | 一种梯级水电站群联合优化调度的正交离散微分动态规划方法 | |
CN107563538B (zh) | 大电网平台下的面向关键水位控制的多目标水库群调度优化方法 | |
CN104268653B (zh) | 基于集束径流预报的梯级水库优化调度方法 | |
CN104239980B (zh) | 一种梯级水电站群短期优化调度方法 | |
CN107274302A (zh) | 一种跨省互联水电站群长期联合调峰调度方法 | |
CN105552971B (zh) | 小水电与大中型水电站群协调优化的分区消纳方法 | |
CN111080157B (zh) | 一种梯级水电站排磷量的调度方法和系统 | |
CN101714186A (zh) | 兼顾人类和生态需求的供水型水库调度图优化确定方法 | |
CN114722709B (zh) | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 | |
CN115099477B (zh) | 一种水库旱限水位优化及抗旱调度方法 | |
CN106570579A (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
Jiang et al. | Research and application of key technologies in drawing energy storage operation chart by discriminant coefficient method | |
CN112581310A (zh) | 梯级水电站群发电指标分配方法 | |
CN110826806B (zh) | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 | |
CN104636831B (zh) | 一种面向多电网的水电站短期调峰特征值搜索方法 | |
CN114239992A (zh) | 一种水库动态汛限水位制定方法 | |
Zhang et al. | Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve | |
CN116796990A (zh) | 不确定电价条件下梯级水库汛前水位消落控制方法 |
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 |