CN111476477A - 基于发电效益目标的梯级水电站中长期优化调度方法 - Google Patents

基于发电效益目标的梯级水电站中长期优化调度方法 Download PDF

Info

Publication number
CN111476477A
CN111476477A CN202010250647.5A CN202010250647A CN111476477A CN 111476477 A CN111476477 A CN 111476477A CN 202010250647 A CN202010250647 A CN 202010250647A CN 111476477 A CN111476477 A CN 111476477A
Authority
CN
China
Prior art keywords
power generation
reservoir
hydropower station
objective function
power
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.)
Pending
Application number
CN202010250647.5A
Other languages
English (en)
Inventor
杨焱
李泽宏
廖胜利
辛阔
武新宇
翟哲
醋院科
周凌安
陈恩黔
姚刚
吴永琦
余玲
曹瑞
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.)
Guizhou Qianyuan Power Co ltd
Dalian University of Technology
Original Assignee
Guizhou Qianyuan Power Co ltd
Dalian University of Technology
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 Guizhou Qianyuan Power Co ltd, Dalian University of Technology filed Critical Guizhou Qianyuan Power Co ltd
Priority to CN202010250647.5A priority Critical patent/CN111476477A/zh
Publication of CN111476477A publication Critical patent/CN111476477A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Abstract

本发明公开了基于发电效益目标的梯级水电站中长期优化调度方法，包括以下过程：S1，以梯级水电站中所有电站的发电效益最大化为目标建立目标函数；S2，建立目标函数的约束条件；S3，求解目标函数，获取梯级水电站中各个电站的中长期调度过程。本发明方法在电力市场环境下，梯级水电站根据市场电价确定自身发电调度决策，其模型为在给定调度期内入库流量过程和水库始末水位，在考虑各种约束条件下，确定各个水电站水库的中长期调度过程，使得系统发电效益最大。

Description

基于发电效益目标的梯级水电站中长期优化调度方法
技术领域
本发明属于梯级水电站优化调度技术领域，具体涉及基于发电效益目标的梯级水电站中长期优化调度方法。
背景技术
随着电力市场化改革力度的持续加大，使得越来越多清洁、廉价、高效、可持续的水电参与电力市场竞争、实现资源的优化配置。但是，由于水电存在来水不确定性、各水库调节性能差异大、密切的梯级水力联系等复杂特性，水电发电企业能否按照电力市场交易成交电量调度存在很大的不确定性，水电参与电力市场面临诸多困难。同时，市场环境下的梯级调度不再是追求发电量最大，而是在符合国家清洁能源政策的前提下，实现水电效益的最大化。
因此，以多元电力市场和多重不确定影响因素下的北盘江梯级水电价格演化机理为基础，基于电价因子，提出实用化的电力市场条件下北盘江流域梯级水电站群调度模型，是需要重点解决的关键问题。
发明内容
本发明的目的在于克服现有技术的不足，提供了基于发电效益目标的梯级水电站中长期优化调度方法，在考虑各种约束条件下，确定各个水电站水库的中长期调度过程，使得系统发电效益最大。
为解决上述技术问题，本发明提供了基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，包括以下过程：
S1，以梯级水电站中所有电站的发电效益最大化为目标建立目标函数；
S2，建立目标函数的约束条件；
S3，求解目标函数，获取梯级水电站中各个电站的调度过程。
进一步的，目标函数的表达式为：
Figure BDA0002435362280000021
其中：F为发电效益函数；T、M为调度期时段数目和水电站数目；
Figure BDA0002435362280000022
为水电站m在t时段的出力和电价；Δt为时段t小时数。
进一步的，约束条件包括：
(1)水量平衡
Figure BDA0002435362280000023
其中：
Figure BDA0002435362280000024
为水库m时段t+1初蓄水量，
Figure BDA0002435362280000025
为水库m时段t初蓄水量；
Figure BDA0002435362280000026
Figure BDA0002435362280000027
分别为水库m在t时段的总入库流量、区间入库流量、发点流量、弃水流量和出库流量；um为水库m直接上游水库数目，Uj为水库m第j个直接上游水库编号；
Figure BDA0002435362280000028
为水库m的第j个直接上游水库Uj，t0时段出库在t时段流达水库m的流量计算函数；
(2)末水位控制
Figure BDA0002435362280000029
其中：
Figure BDA00024353622800000210
为水库m调度期末水位，zendm为其控制目标值；
(3)发电流量约束
Figure BDA00024353622800000211
其中：
Figure BDA00024353622800000212
为水库m在t时段的最大发电引用流量；
(4)库水位约束
Figure BDA00024353622800000213
其中：
Figure BDA0002435362280000031
为水库m在t时段初的最低、最高水位限制；
Figure BDA0002435362280000032
为水库m在t时段初的库水位；
(5)出库流量约束
Figure BDA0002435362280000033
其中：
Figure BDA0002435362280000034
为水库m在t时段的最小综合用水约束、最大出库流量限制；
Figure BDA0002435362280000035
为水库m在t时段的出库流量；
(6)电站出力约束
Figure BDA0002435362280000036
其中：
Figure BDA0002435362280000037
为水电站m在t时段的最小、最大出力限制；
(7)梯级总出力限制
Figure BDA0002435362280000038
其中：h t，
Figure BDA0002435362280000039
表示水电系统总出力下、上限。
进一步的，采用逐步优化算法求解目标函数。
进一步的，采用状态逐密离散微分动态规划算法求解目标函数。
进一步的，采用逐次逼近算法求解目标函数。
进一步的，采用可变搜索策略方法求解目标函数，过程包括：
可变搜索策略方法的基本思路是反复依次求解两时段子问题，根据问题求解方式不同，分为四种方式：a.广度优先一维搜索；b.广度优先多维搜索；c.深度优先一维搜索；d.深度优先多维搜索；实际应用中，可根据不同特点和规模的问题选择计算模式：
1)对小规模水电优化调度问题，采用模式b；
2)对中等规模水电优化调度问题，采用模式d；
3)对大规模梯级水电优化调度问题，采用模式a或c；
4)对特大规模梯级或跨流域水电优化调度问题，采用模式a；
以上四种优化计算模式及其应用方法构成可变策略搜索算法，计算步骤如下：
步骤1初始解生成；
步骤2电站分组，采用计算模式的不同确定分组数目N和每组电站个数Mj；
步骤3设t＝1，初始搜索步长ε；
步骤4设j＝1；
步骤5固定第j组水库的
Figure BDA0002435362280000041
和
Figure BDA0002435362280000042
用以下步骤求解
Figure BDA0002435362280000043
a)若t＜T-1则判断前一轮t+1时段各电站末水位是否有变化，同时若t＞0，判断本轮次t-1时段末水位是否有变化，若都无变化则t＝t+1返回步骤3；
b)每组内按照搜索步长ε，在分组内各电站初始的出库流量
Figure BDA0002435362280000044
上下得到初始廊道，求得最优的状态使得目标函数最大的状态组合；
步骤6设j＝j+1，重复步骤5直到j＞N，转入步骤7；
步骤7如果未收敛，且采用时间维深度优先方式，则转入步骤4，否则转入步骤8；
步骤8设t＝t+1，若t＜T-1，则转入步骤4，否则转入步骤10；
步骤9若未收敛，转入步骤3；否则设ε＝ε/2，若未达到精度要求，转入步骤3，否则转入步骤10；
步骤10寻优结束，输出结果。
与现有技术相比，本发明所达到的有益效果是：本发明的基于发电效益目标的梯级水电站中长期优化调度方法，在考虑各种约束条件下，确定各个水电站水库的中长期调度过程，使得系统发电效益最大。
附图说明
图1为可变策略搜索算法流程图；
图2为北盘江流域梯级电站拓扑图；
图3为测试采用的电价曲线；
图4为发电效益最大模型丰水年(25％)计算结果-各电站出力；
图5为发电效益最大模型丰水年(25％)计算结果-梯级总出力；
图6为发电效益最大模型丰水年(25％)计算结果-光照水位；
图7为发电效益最大模型枯水年(75％)计算结果-各电站出力；
图8为发电效益最大模型枯水年(75％)计算结果-梯级总出力；
图9为发电效益最大模型枯水年(75％)计算结果-光照水位；
图10为发电效益最大模型平水年(50％)计算结果-各电站出力；
图11为发电效益最大模型平水年(50％)计算结果-梯级总出力；
图12为发电效益最大模型平水年(50％)计算结果-光照水位。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
在电力市场环境下，梯级水电站根据市场电价确定自身发电调度决策，其模型为在给定调度期内入库流量过程和水库始末水位，在考虑各种约束条件下，确定各个水电站水库的调度过程，使得系统发电效益最大。
本发明的基于发电效益目标的梯级水电站中长期优化调度方法，包括以下过程：
步骤1，以发电效益最大化为目标建立目标函数。
目标函数的表达式为：
Figure BDA0002435362280000051
其中：F为发电效益函数；T、M为调度期时段数目和水电站数目；
Figure BDA0002435362280000061
为水电站m在t时段的出力和电价；Δt为时段t小时数。
步骤2，建立目标函数的约束条件。
约束条件包括：
(1)水量平衡
Figure BDA0002435362280000062
其中：
Figure BDA0002435362280000063
为水库m时段t+1初蓄水量，
Figure BDA0002435362280000064
为水库m时段t初蓄水量；
Figure BDA0002435362280000065
Figure BDA0002435362280000066
分别为水库m在t时段的总入库流量、区间入库流量、发点流量、弃水流量和出库流量；um为水库m直接上游水库数目，Uj为水库m第j个直接上游水库编号；
Figure BDA0002435362280000067
为水库m的第j个直接上游水库Uj，t0时段出库在t时段流达水库m的流量计算函数。
(2)末水位控制
Figure BDA0002435362280000068
其中：
Figure BDA0002435362280000069
为水库m调度期末水位，zendm为其控制目标值。
(3)发电流量约束
Figure BDA00024353622800000610
其中：
Figure BDA00024353622800000611
为水库m在t时段的最大发电引用流量。
(4)库水位约束
Figure BDA00024353622800000612
其中：
Figure BDA00024353622800000613
为水库m在t时段初的最低、最高水位限制；
Figure BDA00024353622800000614
为水库m在t时段初的库水位。
(5)出库流量约束
Figure BDA0002435362280000071
其中：
Figure BDA0002435362280000072
为水库m在t时段的最小综合用水约束、最大出库流量限制；
Figure BDA0002435362280000073
为水库m在t时段的出库流量。
(6)电站出力约束
Figure BDA0002435362280000074
其中：
Figure BDA0002435362280000075
为水电站m在t时段的最小、最大出力限制。
(7)梯级总出力限制
Figure BDA0002435362280000076
其中：h t，
Figure BDA0002435362280000077
表示水电系统总出力下、上限。
步骤3，求解目标函数，获取梯级水电站中各个电站的调度过程。
(1)逐步优化算法(POA)
POA算法将多阶段决策问题分解成若干个子问题，子问题之间由系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标函数值，逐个时段进行寻优，直到收敛。POA算法的每个子问题的实际上是一个有约束的多维非线性规划问题。
POA算法需要由一个初始可行解开始，本次研究采用的得到初始可行解的方法分为两步：
1)将调度期按照径流量大小分成若干段，首先设定各段的起止水位，在各段时期内采用等流量调节，并在无法满足单站最小出力要求的时候，自动调整前面设置的水位。
2)一般情况下，前一步可以得到满足大多数约束条件的初始可行解，但是在设定的约束条件较为苛刻的时候，需要在前面得到的解的基础上，由上游电站到下游电站逐个采用动态规划方法继续寻找满足约束条件的可行解。本系统采用逐次逼近的状态逐密离散微分动态规划和直接搜索算法来解决每个子问题。
(2)状态逐密离散微分动态规划(DDDP)
根据经验或者简便方法定出一条尽可能接近最优的决策序列，并求得相应的初始状态序列；在该初始状态序列的上下各变动一个小范围(增量)，形成廊道；在廊道内用DP求解；反复迭代直至收敛。在迭代过程中，增量可由大变小；也可根据情况只在初始决策序列的一侧选增量；在各个阶段和上下两侧的增量个数也可以不同，而且增量值的大小也可以不一样。该方法可以求解一维甚至多维的问题，所得的解也不能够保证在所有情况下都收敛到真正的总体最优解。计算工作量与初始决策序列的选择关系密切，同样也可以通过选择不同的初始状态序列和决策序列进行试算。
(3)逐次逼近算法(DPSA)
这是克服“维数障碍”的一种有效的方法。把带有多个决策变量的问题分解成仅仅带有一个决策变量的若干个子问题，轮流让一个变量变动而让其它变量都固定在已得到的最优值上，迭代直至收敛。但此方法不能够保证全局最优，迭代次数取决于初始解与最优解的逼近程度。为获得更接近于全局的最优解，可以从几个不同的初始序列进行试算，从中选择最好的解。
(4)可变搜索策略方法
该方法借鉴DDDP思想，采用时间维深度优先或广度优先方式连续求解两时段子问题，求解时段子问题时采用DDDP算法，并可结合DPSA降维思路。由于子问题仅有两个时段，则求解算法实际上变为局部一维或多维直接搜索方式，不受动态规划递推式应用条件限制。具体来讲，采用时间维深度优先或广度优先两种模式反复依次求解各两时段子问题搜索，其中深度优先子问题求解时需计算至收敛，广度优先不需要收敛，仅进行一轮次局部寻优即可。子问题求解时，可采用一维或多位搜索方式，一维搜索采用迭代方式，计算速度快；多维搜索计算速度慢，受系统规模的限制较大，要将电站分组，其原则是首先确定每组电站最大数量MD；将各梯级连续MD个电站分为一组，遇到有多个上游的电站时，将其与各上游电站分为一组。
提出的可变搜索策略方法的基本思路是反复依次求解两时段子问题，根据问题求解方式不同，分为四种方式：a.广度优先一维搜索；b.广度优先多维搜索；c.深度优先一维搜索；d.深度优先多维搜索。实际应用中，可根据不同特点和规模的问题选择计算模式：
5)对小规模问题(2个长期调节电站以下)水电优化调度问题，采用模式b。
6)对中等规模(3-5个长期调节电站)水电优化调度问题，采用模式d。
7)对大规模梯级(5-15个长期调节电站)水电优化调度问题，采用模式a或c。
8)对特大规模梯级(15个以上长期调节)或跨流域水电优化调度问题，采用模式a。
以上四种优化计算模式及其应用方法构成可变策略搜索算法。参见图1所示，计算步骤如下：
步骤1初始解生成。
步骤2电站分组，采用计算模式的不同确定分组数目N和每组电站个数Mj。
步骤3设t＝1，初始搜索步长ε。
步骤4设j＝1。
步骤5固定第j组水库的
Figure BDA0002435362280000091
和
Figure BDA0002435362280000092
用以下步骤求解
Figure BDA0002435362280000093
a)若t＜T-1则判断前一轮t+1时段各电站末水位是否有变化，同时若t＞0，判断本轮次t-1时段末水位是否有变化，若都无变化则t＝t+1返回步骤3。
b)每组内按照搜索步长ε，在分组内各电站初始的出库流量
Figure BDA0002435362280000101
上下得到初始廊道，求得最优的状态使得目标函数最大的状态组合。
步骤6设j＝j+1，重复步5直到j＞N，转入步骤7。
步骤7如果未收敛，且采用时间维深度优先方式，则转入步骤4，否则转入步骤8。
步骤8设t＝t+1，若t＜T-1，则转入步骤4，否则转入步骤10。
步骤9若未收敛，转入步骤3；否则设ε＝ε/2，若未达到精度要求，转入步骤3，否则转入步骤10。
步骤10寻优结束，输出结果。
实施例
黔源公司所辖北盘江流域梯级电站(如图2)包括善泥坡电站(具有日调节性能，装机185.5MW)、光照电站(具有不完全多年调节性能，装机1040MW)、马马崖电站(具有日调节性能，装机558MW)、董箐电站(具有日调节性能，装机880MW)，装机总量为2663.5MW。北盘江梯级四座水电站具有日、不完全多年两种调节性能，并两两分属于贵州中调和南网总调调管，其中光照电站为北盘江下游龙头电站，对其下游电站起到控制与补偿调节作用。从图2北盘江并网关系可以看出，光照、马马崖、董箐通过兴仁换流站并入同一网架。
采用发电效益最大模型求解丰、平、枯典型年的调度方案。由于北盘江流域暂未采用丰枯分时电价，为测试模型采用的虚拟电价曲线如图3。
图4为发电效益最大模型丰水年(25％)计算结果-各电站出力；图5为发电效益最大模型丰水年(25％)计算结果-梯级总出力；图6为发电效益最大模型丰水年(25％)计算结果-光照水位；图7为发电效益最大模型枯水年(75％)计算结果-各电站出力；图8为发电效益最大模型枯水年(75％)计算结果-梯级总出力；图9为发电效益最大模型枯水年(75％)计算结果-光照水位；图10为发电效益最大模型平水年(50％)计算结果-各电站出力；图11为发电效益最大模型平水年(50％)计算结果-梯级总出力；图12为发电效益最大模型平水年(50％)计算结果-光照水位。各电站的年发电量结果参见下表。
表1发电效益最大模型计算结果汇总
Figure BDA0002435362280000111
本发明方法建立基于发电效益目标的梯级水电站中长期优化调度目标，在考虑各种约束条件下，确定各个水电站水库的调度过程，使得系统发电效益最大。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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设备上，使得在计算机或其他可编程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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (7)

1.基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，包括以下过程：
S1，以梯级水电站中所有电站的发电效益最大化为目标建立目标函数；
S2，建立目标函数的约束条件；
S3，求解目标函数，获取梯级水电站中各个电站的调度过程。
2.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，目标函数的表达式为：
Figure FDA0002435362270000011
其中：F为发电效益函数；T、M为调度期时段数目和水电站数目；
Figure FDA0002435362270000012
为水电站m在t时段的出力和电价；Δt为时段t小时数。
3.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，约束条件包括：
(1)水量平衡
Figure FDA0002435362270000013
其中：
Figure FDA0002435362270000014
为水库m时段t+1初蓄水量，
Figure FDA0002435362270000015
为水库m时段t初蓄水量；
Figure FDA0002435362270000016
分别为水库m在t时段的总入库流量、发点流量、弃水流量；Δt为时段t小时数；
(2)末水位控制
Figure FDA0002435362270000017
其中：
Figure FDA0002435362270000018
为水库m调度期末水位，zendm为其控制目标值；
(3)发电流量约束
Figure FDA0002435362270000019
其中：
Figure FDA0002435362270000021
为水库m在t时段的最大发电引用流量；
(4)库水位约束
Figure FDA0002435362270000022
其中：
Figure FDA0002435362270000023
为水库m在t时段初的最低、最高水位限制；
(5)出库流量约束
Figure FDA0002435362270000024
其中：
Figure FDA0002435362270000025
为水库m在t时段的最小综合用水约束、最大出库流量限制；
(6)电站出力约束
Figure FDA0002435362270000026
其中：
Figure FDA0002435362270000027
为水电站m在t时段的最小、最大出力限制；
(7)梯级总出力限制
Figure FDA0002435362270000028
其中：h t，
Figure FDA0002435362270000029
表示水电系统总出力下、上限。
4.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，采用逐步优化算法求解目标函数。
5.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，采用状态逐密离散微分动态规划算法求解目标函数。
6.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，采用逐次逼近算法求解目标函数。
7.根据权利要求1所述的基于发电效益目标的梯级水电站中长期优化调度方法，其特征是，采用可变搜索策略方法求解目标函数，过程包括：
步骤1初始解生成；
步骤2电站分组，采用计算模式的不同确定分组数目N和每组电站个数Mj；
步骤3设t＝1，初始搜索步长ε；
步骤4设j＝1；
步骤5固定第j组水库的
Figure FDA0002435362270000032
和
Figure FDA0002435362270000031
用以下步骤求解
Figure FDA0002435362270000033
a)若t＜T-1则判断前一轮t+1时段各电站末水位是否有变化，同时若t＞0，判断本轮次t-1时段末水位是否有变化，若都无变化则t＝t+1返回步骤3；
b)每组内按照搜索步长ε，在分组内各电站初始的出库流量
Figure FDA0002435362270000034
上下得到初始廊道，求得最优的状态使得目标函数最大的状态组合；
步骤6设j＝j+1，重复步骤5直到j＞N，转入步骤7；
步骤7如果未收敛，且采用时间维深度优先方式，则转入步骤4，否则转入步骤8；
步骤8设t＝t+1，若t＜T-1，则转入步骤4，否则转入步骤10；
步骤9若未收敛，转入步骤3；否则设ε＝ε/2，若未达到精度要求，转入步骤3，否则转入步骤10；
步骤10寻优结束，输出结果。
CN202010250647.5A 2020-04-01 2020-04-01 基于发电效益目标的梯级水电站中长期优化调度方法 Pending CN111476477A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010250647.5A CN111476477A (zh) 2020-04-01 2020-04-01 基于发电效益目标的梯级水电站中长期优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010250647.5A CN111476477A (zh) 2020-04-01 2020-04-01 基于发电效益目标的梯级水电站中长期优化调度方法

Publications (1)

Publication Number Publication Date
CN111476477A true CN111476477A (zh) 2020-07-31

Family

ID=71749677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010250647.5A Pending CN111476477A (zh) 2020-04-01 2020-04-01 基于发电效益目标的梯级水电站中长期优化调度方法

Country Status (1)

Country Link
CN (1) CN111476477A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642256A (zh) * 2021-10-12 2021-11-12 北京恒润安科技有限公司 一种基于主题数据库的实用闸门启闭优化方法
CN115730724A (zh) * 2022-11-24 2023-03-03 中国长江电力股份有限公司 一种基于不蓄电能最大化的梯级水电站联合调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504455A (zh) * 2014-12-02 2015-04-08 大连理工大学 一种梯级蓄能控制下水电站群长期优化调度方法
WO2017071230A1 (zh) * 2015-10-30 2017-05-04 南京南瑞集团公司 一种多Agent的水电站群短期优化调度方法
CN106920001A (zh) * 2017-01-19 2017-07-04 贵州黔源电力股份有限公司 一种梯级水库群实时优化调度及效益评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504455A (zh) * 2014-12-02 2015-04-08 大连理工大学 一种梯级蓄能控制下水电站群长期优化调度方法
WO2017071230A1 (zh) * 2015-10-30 2017-05-04 南京南瑞集团公司 一种多Agent的水电站群短期优化调度方法
CN106920001A (zh) * 2017-01-19 2017-07-04 贵州黔源电力股份有限公司 一种梯级水库群实时优化调度及效益评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾筠;武新宇;程春田;唐红兵;李崇浩;: "跨流域水电站群长期优化调度的可变策略搜索求解算法", 中国电机工程学报, no. 28, pages 9 - 16 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642256A (zh) * 2021-10-12 2021-11-12 北京恒润安科技有限公司 一种基于主题数据库的实用闸门启闭优化方法
CN113642256B (zh) * 2021-10-12 2022-01-25 北京恒润安科技有限公司 一种基于主题数据库的实用闸门启闭优化方法
CN115730724A (zh) * 2022-11-24 2023-03-03 中国长江电力股份有限公司 一种基于不蓄电能最大化的梯级水电站联合调度方法
CN115730724B (zh) * 2022-11-24 2024-02-13 中国长江电力股份有限公司 一种基于不蓄电能最大化的梯级水电站联合调度方法

Similar Documents

Publication Publication Date Title
JP6736112B2 (ja) 超大規模の水力発電所群の短期間実用化スケジューリング方法
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
CN109599861B (zh) 考虑本地负荷调峰能力的送端电网电源结构规划方法
JP6646182B2 (ja) 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法
CN109347151B (zh) 一种新能源参与调峰的送端电网电源结构优化方法
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
CN109390973B (zh) 一种考虑通道约束的送端电网电源结构优化方法
CN109936164A (zh) 基于电源互补特性分析的多能源电力系统优化运行方法
CN110838733B (zh) 一种适于梯级水光互补能源发电系统的光伏容量配置方法
CN109390981B (zh) 新能源参与电量平衡的送端电网机组组合运行控制方法
CN102682409A (zh) 一种基于gams非线性规划梯级水库群优化调度方法
CN110957717A (zh) 一种多电源电力系统多目标日前优化调度方法
CN115940292B (zh) 基于圆圈搜索算法的含风储电力系统优化调度方法及系统
CN115081693A (zh) 一种能源不确定性的水风光互补系统两阶段容量配置方法
CN111476477A (zh) 基于发电效益目标的梯级水电站中长期优化调度方法
CN114021965A (zh) 一种梯级水电站群多目标多模式智能切换的优化调度方法
CN105184426A (zh) 一种基于随机连续寻优策略的梯级电站调峰方法
CN112581310A (zh) 梯级水电站群发电指标分配方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN116307533A (zh) 水库群防洪调度智能化方法、系统及介质
CN109300058A (zh) 一种特大流域水电站群优化调度两阶段直接搜索降维方法
CN111476475B (zh) 多约束条件下梯级水电站短期优化调度方法
Zhang et al. Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve
CN115907402B (zh) 一种梯级水电站联合保证出力的推求方法及系统
CN109873419B (zh) 一种考虑相似度和经济收益的水光蓄系统运行优化方法

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