CN111612292A - 基于关键水位控制的梯级水电站调度控制系统及方法 - Google Patents

基于关键水位控制的梯级水电站调度控制系统及方法 Download PDF

Info

Publication number
CN111612292A
CN111612292A CN202010260767.3A CN202010260767A CN111612292A CN 111612292 A CN111612292 A CN 111612292A CN 202010260767 A CN202010260767 A CN 202010260767A CN 111612292 A CN111612292 A CN 111612292A
Authority
CN
China
Prior art keywords
water level
unit
model
water
time 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.)
Pending
Application number
CN202010260767.3A
Other languages
English (en)
Inventor
彭鹏
朱江
高英
李成俊
陈涛
肖燕
徐伟
于洁
雷芳
贺亚山
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 Wujiang Hydropower Development Co Ltd
Original Assignee
Guizhou Wujiang Hydropower Development 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 Guizhou Wujiang Hydropower Development Co Ltd filed Critical Guizhou Wujiang Hydropower Development Co Ltd
Priority to CN202010260767.3A priority Critical patent/CN111612292A/zh
Publication of CN111612292A publication Critical patent/CN111612292A/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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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

本发明属于水电站控制技术领域，具体涉及基于关键水位控制的梯级水电站调度控制系统及方法。所述系统包括：历史数据获取单元，用于获取水电站所在河流的历史径流信息，将获取到的历史径流信息作为数据集；模型构建单元，用于建立水电站的数学计算模型；模型求解单元，对数学计算模型进行多目标优化求解，获得结果集；最优解计算单元，用于对结果集进行计算，获得在不同约束条件下所对应的最优解集合，将该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。能够显著提升发电站的发电效益，降低发电站的弃水量，同时能够针对不同需求进行调度规则的调整，适用性广。

Description

基于关键水位控制的梯级水电站调度控制系统及方法
技术领域
本发明属于水电站控制技术领域，具体涉及基于关键水位控制的梯级水 电站调度控制系统及方法。
背景技术
水电厂全称水力发电厂，是把水的位能和动能转换成电能的工厂。它的 基本生产过程是：从河流高处或其他水库内引水，利用水的压力或流速冲动 水轮机旋转，将重力势能和动能转变成机械能，然后水轮机带动发电机旋转， 将机械能转变成电能。电站一般主要由挡水建筑物(坝)、泄洪建筑物(溢洪道 或闸)、引水建筑物(引水渠或隧洞，包括调压井)及电站厂房(包括尾水渠、 升压站)四大部分组成。主要组成部分有：水工建筑物、水力机械设备、发 电设备、变电设备、配电设备、输电设备和控制及辅助设备。
河流实行梯级开发，梯级水电站的工作状况同非梯级开发的个别独立运 行电站就有很大的差别，具有独立运行电站所没有的一些工况特征，这主要 是：
梯级水电站对河流的水能利用特征非常明显：在水头利用上，是分级开 发、分段利用；在水量利用上是多次开发、重复利用，因此，在上下梯级之 间表现出明显的相互影响的制约。由于整个梯级都受到上游来水的影响、 下游梯级都受到上游水库调节能力的制约、下一梯级受到上一梯级运行工况 的制约，因此梯级电站的调度不仅有各个电站的合理运行调度问题，而且有 整个梯级的优化调度问题。所以，梯级电站必须实行整个梯级的统一调度， 在满足系统所给定的负荷曲线前提下，实行各个梯级站的经济运行，以便合 理利用水力资源，提高水能利用率
一个河流梯级往往有多个电站，电站之间都相隔一定距离，厂区比较分 散，战线拉得较长，这就使生产指挥受到种种限制。如果各个电站开发方式、 布置型式、机组型号和容量不一样，这又使得生产技术管理复杂化。由于电 站分散、生产和生活设施也相对分散，这就使得后勤管理比较复杂。为了适 应对梯级电站统一管理的要求，对梯级电站厂区内的道路交通、通讯设施和 其它管理技术手段也有很多特殊的要求。总之，梯级电站的生产管理必须有 效解决好电站分散与管理集中之间的矛盾。
这主要指梯级电站与系统的关系问题，同时也涉及与所在地方之间的联 系。如果整个梯级同属于一个电网，这种联系相对单纯一些。如果一个梯级 分属于不同的电网，那么梯级管理中的利益冲突与调节将是十分重要的问题。 即便是属于同一个电网，如果构成梯级的电站所有权不一致，那么，也应十 分慎重地处理好电站――梯级――系统三者之间的利益关系。由于梯级电站 跨越好几个市县甚至好几个省区，这又涉及到不同地方之间的利益关系。这 种关系不仅是电量分配问题，而且涉及利税分配、水量分配、防洪安全、环 境影响等多方面问题。
发明内容
有鉴于此，本发明的主要目的在于提供基于关键水位控制的梯级水电站 调度控制系统及方法，能够显著提升发电站的发电效益，降低发电站的弃水 量，同时能够针对不同需求进行调度规则的调整，适用性广。
为达到上述目的，本发明的技术方案是这样实现的：
基于关键水位控制的梯级水电站调度控制系统，所述系统包括：历史数 据获取单元，用于获取水电站所在河流的历史径流信息，将获取到的历史径 流信息作为数据集；模型构建单元，用于建立水电站的数学计算模型；模型 求解单元，对数学计算模型进行多目标优化求解，获得结果集；最优解计算 单元，用于对结果集进行计算，获得在不同约束条件下所对应的最优解集合， 将该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。
进一步的，所述模型构建单元包括：关键水位确立单元，用于确定历史 径流信息中的关键水位，将确立的关键水位作为调度控制目标；所述关键水 位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概化单元，将 梯级水电站中的每个水电站分别划分为控制水库和非控制水库，基于划分的 结果，建立梯级水电站的数学计算模型。
进一步的，所述模型概化单元建立的梯级水电站的数学计算模型使用如 下公式表示：
Figure BDA0002439201970000031
其中，E*为 调度期内梯级水库群的最大发电量；T值为12，,是计算周期，表示计算周期 为12个月；m、M分别为水库编号和总数；f(Hm,t)为第m个水库在第t时段 的耗水率，为水头的函数；Hm,t为电站m在第t时段段的平均发电净水头，单 位：m；qm,t为电站m在第t时段的发电流量，单位：m3/s；Δt为第t时段段的 秒数；A为单位的修正系数；Cm,t为单位电量的电价，单位：元/kWh。Vq为 弃水量，Qqm,t为电站m在第t时的弃水流量。
进一步的，所述数学计算模型有如下的水位约束条件：控制期内每个时 段水库坝上水位应满足：
Figure BDA0002439201970000032
式中：Zm,t、
Figure BDA0002439201970000033
Zm,t 分别为电站m 在第t时段的水位、水位上限和水位下限，单位：m；该模型有如下的电站出 力约束条件：控制期内各个时段电站出力应该满足：
Figure BDA0002439201970000034
式中：pm,t、
Figure BDA0002439201970000035
pm,t 分别电站m在第t时段的出力、出力上限和出力下限，单位：MW； 该模型有如下的梯级蓄能约束条件：根据电网安全、调峰、水火协调等需求 对关键节点蓄能进行约束：
Figure BDA0002439201970000036
式中：Esm,t、
Figure BDA0002439201970000037
Esm,t 分别 为电站m在第t时段末的蓄能、蓄能控制上限和蓄能控制下限，单位：亿kWh； 该模型有如下的发电流量约束条件：各个时段的发电流量应该满足：
Figure BDA0002439201970000041
式中：qm,t、
Figure BDA0002439201970000042
qm,t 分别为电站m在第t时段的发电流量、发 电流量上限和发电流量下限，单位：m3/s；该模型有如下的水量平衡约束条 件：Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水 位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的 来水流量和弃水流量，单位：m3/s；该模型有如下的泄流量约束条件：各个 时段的下泄流量应该满足：
Figure BDA0002439201970000043
且有Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure BDA0002439201970000044
Q'm,t 分别为电站m在第t时段的下泄流量、下泄流量上限和下泄流量下限，单 位：m3/s。
进一步的，所述模型求解单元，对数学计算模型进行多目标优化求解， 获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解，设置最大进 化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0；初始化种 群Pt；结合数据集进行水位填充，并计算目标集：
Figure BDA0002439201970000045
使用NSGA-II选 择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1；判断t是 否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充， 并计算目标集；若t大于等于NGEN，则输出满意解集，作为最终的结果集。
基于关键水位控制的梯级水电站调度控制方法，所述方法执行以下步骤： 获取水电站所在河流的历史径流信息，将获取到的历史径流信息作为数据集； 建立水电站的数学计算模型；对数学计算模型进行多目标优化求解，获得结 果集；对结果集进行计算，获得在不同约束条件下所对应的最优解集合，将 该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。
进一步的，所述模型构建单元包括：关键水位确立单元，用于确定历史 径流信息中的关键水位，将确立的关键水位作为调度控制目标；所述关键水 位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概化单元，将 梯级水电站中的每个水电站分别划分为控制水库和非控制水库，基于划分的 结果，建立梯级水电站的数学计算模型。
进一步的，所述数学计算模型使用如下公式表示：
Figure BDA0002439201970000051
其中，E*为调度期内梯级 水库群的最大发电量；T值为12，,是计算周期，表示计算周期为12个月；m、 M分别为水库编号和总数；f(Hm,t)为第m个水库在第t时段的耗水率，为水头 的函数；Hm,t为电站m在第t时段段的平均发电净水头，单位：m；qm,t为电站 m在第t时段的发电流量，单位：m3/s；Δt为第t时段段的秒数；A为单位的 修正系数；Cm,t为单位电量的电价，单位：元/kWh。Vq为弃水量，Qqm,t为电 站m在第t时的弃水流量。
进一步的，所述数学计算模型有如下的水位约束条件：控制期内每个时 段水库坝上水位应满足：
Figure BDA0002439201970000052
式中：Zm,t、
Figure BDA0002439201970000053
Zm,t 分别为电站m 在第t时段的水位、水位上限和水位下限，单位：m；该模型有如下的电站出 力约束条件：控制期内各个时段电站出力应该满足：
Figure BDA0002439201970000054
式中：pm,t、
Figure BDA0002439201970000055
pm,t 分别电站m在第t时段的出力、出力上限和出力下限，单位：MW； 该模型有如下的梯级蓄能约束条件：根据电网安全、调峰、水火协调等需求 对关键节点蓄能进行约束：
Figure BDA0002439201970000056
式中：Esm,t、
Figure BDA0002439201970000057
Esm,t 分别 为电站m在第t时段末的蓄能、蓄能控制上限和蓄能控制下限，单位：亿kWh； 该模型有如下的发电流量约束条件：各个时段的发电流量应该满足：
Figure BDA0002439201970000058
式中：qm,t、
Figure BDA0002439201970000059
qm,t 分别为电站m在第t时段的发电流量、发 电流量上限和发电流量下限，单位：m3/s；该模型有如下的水量平衡约束条 件：Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水 位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的 来水流量和弃水流量，单位：m3/s；该模型有如下的泄流量约束条件：各个 时段的下泄流量应该满足：
Figure BDA0002439201970000061
且有Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure BDA0002439201970000062
Q'm,t 分别为电站m在第t时段的下泄流量、下泄流量上限和下泄流量下限，单 位：m3/s。
进一步的，所述模型求解单元，对数学计算模型进行多目标优化求解， 获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解，设置最大进 化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0；初始化种 群Pt；结合数据集进行水位填充，并计算目标集：
Figure BDA0002439201970000063
使用NSGA-II选 择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1；判断t是 否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充， 并计算目标集；若t大于等于NGEN，则输出满意解集，作为最终的结果集。
本发明的基于全生态监控的食品安全溯源方法及系统，具有如下有益效 果：能够显著提升发电站的发电效益，降低发电站的弃水量，同时能够针对 不同需求进行调度规则的调整，适用性广。
附图说明
图1为本发明实施例提供的基于关键水位控制的梯级水电站调度控制系 统的系统结构示意图；
图2为本发明实施例提供的基于关键水位控制的梯级水电站调度控制方 法的方法流程示意图；
图3为本发明实施例提供的关键水位控制示意图；
图4为本发明实施例提供的NSGA-II算法流程示意图；
图5为本发明实施例提供的非劣关键水位集获取流程示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1所示，基于关键水位控制的梯级水电站调度控制系统，所述系统 包括：历史数据获取单元，用于获取水电站所在河流的历史径流信息，将获 取到的历史径流信息作为数据集；模型构建单元，用于建立水电站的数学计 算模型；模型求解单元，对数学计算模型进行多目标优化求解，获得结果集； 最优解计算单元，用于对结果集进行计算，获得在不同约束条件下所对应的 最优解集合，将该最优解集合作为在不同需求和场景下对应的水电站的调度 控制规则。
具体的，本发明首先结合支持知识规则的关键水位计算方法，对长序列 历史径流过程进行多目标优化计算，并根据多目标选择算子，从中选取若干 个状态序列作为实际调度的满意解集；进一步考虑具体预测来水和约束要求， 在满意解集中选取少数状态序列作为备选方案；在此基础上，可以直接选择 多目标均衡方案或根据调度人员经验和偏好从备选方案中选择某个状态序 列作为最终的调度结果。
实施例2
在上一实施例的基础上，所述模型构建单元包括：关键水位确立单元， 用于确定历史径流信息中的关键水位，将确立的关键水位作为调度控制目标； 所述关键水位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概 化单元，将梯级水电站中的每个水电站分别划分为控制水库和非控制水库， 基于划分的结果，建立梯级水电站的数学计算模型。
具体的，如图3所示，关键水位控制是水库在蓄放水过程中对重要节点 水位的合理控制。关键水位控制方式在调度时以关键节点水位作为控制目标， 其余时段水位过程结合实际调度经验按照不同调度时段的知识规则来确定。 对于年调节及以上水库，关键水位主要包括汛初、汛末、年末3个时间节点 的水位值。
对水库关键水位的重点控制，目的是确保水电有效消纳和电网安全。水 库调度必须平衡水库当前的调度效益和未来的效益。而作为水库运行的重要 控制量，水库水位不仅要满足当前时段电力、生态等多种需求，还需要考虑 未来潜在的电力电量、生态等需求。随着我国乃至世界能源低碳化的发展， 作为占比最大的清洁能源，水电在电网中也占有越来越重要的地位，不恰当 的水位控制将对电网的影响也越来越大。以年调节水库为例，如果汛初水位 过高，汛期的水电消纳压力较大，会造成较大的弃水风险。如果汛初水位过 低，会导致汛期水库发电能力不足，在出现汛期推迟或来水低于预期的情况 下，无法满足电力需求，对电网安全造成严重威胁。多年调节水库兴利库容 在设计中分为多年调节和年调节两部分，但考虑电网以年为周期的实际运行 需求，不能对多年调节水库的库容进行硬性划分，而且现阶段水电系统调度 方式已由传统的保证出力控制转变为追求发电效益最大化。结合电网安全和 多电源协调的实际调度需求，多年调节水库宜寻找调节库容利用的均衡点， 反映在运行控制中则是关键节点水位的均衡控制范围。
干流梯级水电系统特别是其中的大型水库，对整个省级电网甚至区域电 网都有着重要影响，所以大型水库往往被多级部门同时调管。省级电网或者 区域电网更多的关注整体电网安全和清洁能源的消纳情况，对于流域集控中 心和电站则更多的关注自身效益和弃水情况。因此，协调多级部门关系，制 定出满足各级部门需求的发电计划是关键水库控制方法解决的重要问题。综 合考虑电网运行需求和流域梯级自身效益，关键水位控制方法可应用于中长 期尺度的发电计划制作和调度运行控制。关键水位控制方法运用步骤如下：
1)根据电网实际电量需求、水电调峰、火电发电份额等方面进行分析， 给出乌江梯级关键节点的蓄能控制范围。
2)在上述蓄能控制要求下，流域集控中心综合考虑发电效益、弃水等 因素，结合历史来水或预测来水，确定梯级重点水库关键节点的水位控制范 围或水位控制非劣方案集。
3)梯级水电站在实际调度运行中，将关键节点水位作为固定值或控制 目标，其余时段采用经验知识规则进行调度，例如：汛前1-4月梯级水库运 行应满足“梯级有序消落，电量均衡”的原则进行调度。应用水位控制规则 制定发电计划可控制关键节点水位为目标值，实际调度运行则可根据水位与 关键水位控制目标的偏差调整出力，以使时段末水位不偏离预定值，适当调 整火电等其他电源发电计划，配合各水电调度机构，使得各水库在不偏离水 位控制目标的同时，满足当前时段的电力需求。
4)面向关键水位控制的调度规则推求
与传统的调度规则一致的是：推求面向关键水位控制的调度规则目的是 得到广泛适用于各种调度条件下的梯级水电站群调度规则。不同的是面向关 键水位控制的调度规则有效结合实际调度经验，预留更多优化空间，能够将 电网运行、水能高效利用等需求结合起来，制定出一组梯级水电站关键水位 序列，得到均衡发电效益最大和弃水最小目标的调度水位过程线。
实施例3
在上一实施例的基础上，所述模型概化单元建立的梯级水电站的数学计 算模型使用如下公式表示：
Figure BDA0002439201970000091
其中，E*为调度期内梯级水库群的最大发电量；T值为12，,是计算周期，表 示计算周期为12个月；m、M分别为水库编号和总数；f(Hm,t)为第m个水库 在第t时段的耗水率，为水头的函数；Hm,t为电站m在第t时段段的平均发电 净水头，单位：m；qm,t为电站m在第t时段的发电流量，单位：m3/s；Δt为 第t时段段的秒数；A为单位的修正系数；Cm,t为单位电量的电价，单位：元 /kWh。Vq为弃水量，Qqm,t为电站m在第t时的弃水流量。
具体的，模型概化，就是为高阶复杂系统准备一个低阶的近似模型，它 在计算上、分析上都比原高阶系统模型简单，而且还可提供关于原系统足够 多的信息。通常，衡量一个模型概化方法有四条标准：1、准确性，要求概 化模型与原型的主要特征一致。2、稳定性，要求概化模型的稳定性与原型 一致，的而且具有相近稳定裕量。3、简便性，要求从原型获得简化模型的 过程简便，计算量小。4、灵活性，要求根据实际情况方便地进行调整，并 得出所侧重的概化模型。
实施例4
在上一实施例的基础上，所述数学计算模型有如下的水位约束条件：控 制期内每个时段水库坝上水位应满足：
Figure BDA0002439201970000101
式中：Zm,t、
Figure BDA0002439201970000102
Zm,t 分别为电站m在第t时段的水位、水位上限和水位下限，单位：m；该模型有 如下的电站出力约束条件：控制期内各个时段电站出力应该满足：
Figure BDA0002439201970000103
式中：pm,t、
Figure BDA0002439201970000104
pm,t 分别电站m在第t时段的出力、出力上 限和出力下限，单位：MW；该模型有如下的梯级蓄能约束条件：根据电网 安全、调峰、水火协调等需求对关键节点蓄能进行约束：
Figure BDA0002439201970000105
式中：Esm,t、
Figure BDA0002439201970000106
Esm,t 分别为电站m在第t时段末的蓄能、蓄能控制上限和 蓄能控制下限，单位：亿kWh；该模型有如下的发电流量约束条件：各个时 段的发电流量应该满足：
Figure BDA0002439201970000107
式中：qm,t、
Figure BDA0002439201970000108
qm,t 分别为电站m在 第t时段的发电流量、发电流量上限和发电流量下限，单位：m3/s；该模型 有如下的水量平衡约束条件：Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的来水流量和弃水流量，单位：m3/s；该模型有如 下的泄流量约束条件：各个时段的下泄流量应该满足：
Figure BDA0002439201970000109
且有 Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure BDA00024392019700001010
Q'm,t 分别为电站m在第t时段的下泄流量、 下泄流量上限和下泄流量下限，单位：m3/s。
具体的，以往水库调度规则的制定和优化多以满足保证出力要求下的发 电量最大为目标，很少考虑电网调峰、消纳、水火互济、梯级弃水等综合利 用需求，这也使得传统调度规则适用性越来越差。本发明关键水位控制规则 以重要水库关键节点水位优化替代传统满足发电、保证出力等求解思路，有 效将电网综合利用需求和经验控制规则结合到规则优化和应用中，使水位控 制规则优化结果更符合实际调度需求，也可通过优化结果验证调度经验的正 确性。
实施例5
在上一实施例的基础上，所述模型求解单元，对数学计算模型进行多目 标优化求解，获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解， 设置最大进化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0； 初始化种群Pt；结合数据集进行水位填充，并计算目标集：
Figure BDA0002439201970000111
使用 NSGA-II选择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1； 判断t是否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充，并计算目标集；若t大于等于NGEN，则输出满意解集，作为最 终的结果集。
具体的，实际水库优化调度问题往往涉及多个设计目标，这些目标通常 具有不同的意义和量纲，有些目标还是竞争关系，因而使优化变得困难。一 般的多目标优化问题的数学描述为：
Objective Min/Maxfm(X)m＝1,2,K,M
Subject to X＝[x1,x2,K,xn]
gi(X)≥0 j＝1,2,K,M
hk(X)＝0 k＝1,2,K,K 其中fm(X)是目标函数， X＝[x1,x2,K,xn]是决策向量，gi(X)≥0，hk(X)＝0分别表示不等式约束条件和等 式约束条件。
多目标优化问题的本质是，希望找到一组满足约束条件的决策向量，使 目标函数在某一区域内极大或者极小，而使目标函数同时达到极大或者极小 可能并不存在，1896年法国经济学家V.帕雷托提出了最优解的概念。
对于最小化多目标问题，xi，xj是任意两个决策向量，对于m∈{1,2,K,M}。 有fm(xi)≤fm(xj)，且至少存在一个l∈{1,2,K,P}，使fl(xi)≤fl(xj)，则xi支配xj； 当且仅当l∈{1,2,K,P}，使fl(xi)>fl(xj)，同时p∈{1,2,K,P}使fp(xi)>fp(xj)则xi， xj互不支配。如果在X＝[x1,x2,K,xn]区域内不存在任何x支配xi，称xi为Pareto 最优解，也称为非劣最优解。
不同于单目标优化问题，多目标优化问题的最优解几乎是不存在的，只 存在Pareto最优解。并且通常的多目标优化问题大都具有多个Pareto最优解。 对实际问题而言，往往需要根据决策者或消费者的偏好，从多目标优化问题 的解集中挑选合适的解作为问题的最优解，因此求解多目标优化问题的关键 是获得分布均匀的最优解。
如图4所示，NSGA-II是NSGA算法的改进版本。NSGA与简单的遗传 算法的主要区别在于:该算法在选择算子执行之前根据个体之间的支配关系 进行了分层。其选择算子、交叉算子和变异算子与简单遗传算法没有区别。 NSGA采用的非支配分层方法，可以使好的个体有更大的机会遗传到下一代。 适应度共享策略则使得准Pareto面上的个体均匀分布，保持了群体多样性， 克服了超级个体的过度繁殖，防止了早熟收敛。
而NSGA-II算法又在NSGA算法上加入了以下的改进：
1)提出了快速非支配排序算法，降低了计算的复杂度，使算法的复杂 度由原来mN3的降到mN2
2)引入精英策略，扩大采样空间。将父代种群与其产生的子代种群组 合，共同竞争产生下一代种群，有利于保持父代中的优良个体进入下一代， 保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的 精度。并通过对种群中所有个体的分层存放，使得最佳个体不会丢失，迅速 提高种群水平。
3)采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定 共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域 中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。
实施例6
基于关键水位控制的梯级水电站调度控制方法，所述方法执行以下步骤： 获取水电站所在河流的历史径流信息，将获取到的历史径流信息作为数据集； 建立水电站的数学计算模型；对数学计算模型进行多目标优化求解，获得结 果集；对结果集进行计算，获得在不同约束条件下所对应的最优解集合，将 该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。
实施例7
在上一实施例的基础上，所述模型构建单元包括：关键水位确立单元， 用于确定历史径流信息中的关键水位，将确立的关键水位作为调度控制目标； 所述关键水位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概 化单元，将梯级水电站中的每个水电站分别划分为控制水库和非控制水库， 基于划分的结果，建立梯级水电站的数学计算模型。
实施例8
在上一实施例的基础上，所述数学计算模型使用如下公式表示：
Figure BDA0002439201970000131
其中，E*为调度期内梯级 水库群的最大发电量；T值为12，,是计算周期，表示计算周期为12个月；m、 M分别为水库编号和总数；f(Hm,t)为第m个水库在第t时段的耗水率，为水头 的函数；Hm,t为电站m在第t时段段的平均发电净水头，单位：m；qm,t为电站 m在第t时段的发电流量，单位：m3/s；Δt为第t时段段的秒数；A为单位的 修正系数；Cm,t为单位电量的电价，单位：元/kWh。Vq为弃水量，Qqm,t为电 站m在第t时的弃水流量。
实施例9
在上一实施例的基础上，所述数学计算模型有如下的水位约束条件：控 制期内每个时段水库坝上水位应满足：
Figure BDA0002439201970000141
式中：Zm,t、
Figure BDA0002439201970000142
Zm,t 分别为电站m在第t时段的水位、水位上限和水位下限，单位：m；该模型有 如下的电站出力约束条件：控制期内各个时段电站出力应该满足：
Figure BDA0002439201970000143
式中：pm,t、
Figure BDA0002439201970000144
pm,t 分别电站m在第t时段的出力、出力上 限和出力下限，单位：MW；该模型有如下的梯级蓄能约束条件：根据电网 安全、调峰、水火协调等需求对关键节点蓄能进行约束：
Figure BDA0002439201970000145
式中：Esm,t、
Figure BDA0002439201970000146
Esm,t 分别为电站m在第t时段末的蓄能、蓄能控制上限和 蓄能控制下限，单位：亿kWh；该模型有如下的发电流量约束条件：各个时 段的发电流量应该满足：
Figure BDA0002439201970000147
式中：qm,t、
Figure BDA0002439201970000148
qm,t 分别为电站m在 第t时段的发电流量、发电流量上限和发电流量下限，单位：m3/s；该模型 有如下的水量平衡约束条件：Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的来水流量和弃水流量，单位：m3/s；该模型有如 下的泄流量约束条件：各个时段的下泄流量应该满足：
Figure BDA0002439201970000149
且有 Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure BDA00024392019700001410
Q'm,t 分别为电站m在第t时段的下泄流量、 下泄流量上限和下泄流量下限，单位：m3/s。
具体的，非劣关键水位集获取过程需要注意一下几个要点：
①仅对年(初)末，汛前消落水位进行优化调度，中间水位采用基于经验 控制原则自动填充。
②采用多目标优化算法NSGAII对实际径流序列进行模拟调度，目标为 发电效益E最大，Vq弃水量最小。
NSGA-II特殊的地方主要在其选择算子上，其交叉算子和变异算子与简 单遗传算法没有区别。
实施例10
在上一实施例的基础上，所述模型求解单元，对数学计算模型进行多目 标优化求解，获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解， 设置最大进化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0； 初始化种群Pt；结合数据集进行水位填充，并计算目标集：
Figure BDA0002439201970000151
使用 NSGA-II选择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1； 判断t是否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充，并计算目标集；若t大于等于NGEN，则输出满意解集，作为最 终的结果集。
具体的，多目标优化算法中，评估函数将返回n个目标值，组成目标集。 本发明评估函数将返回两个目标值，分别是多年平均发电效益、多年平均弃 水量。如前文所述，长时段中的水位填充和自然条件及结合工程实际的确定 性规则有关。
Figure BDA0002439201970000152
式中：Ωs表示梯级水库群历史区间径流矩阵序列， Ωi表示第i年的历史区间径流矩阵，N表示所使用的历史径流资料年数。一 般认为，同一区段的确定性规则是一定的，所以填充结果可以认为是仅和区 间来水相关。
具体的，交叉和变异运算。在遗传算法的迭代进化过程中，交叉和变异 的交替操作有助于提高算法的搜索性能。本发明采用单点交叉方式对基因序 列进行交叉运算。变异方式采用高斯变异。高斯变异就是在原有的个体上加 上一个服从高斯分布的随机扰动项。高斯分布是概率论和数理统计中一类重 要的分布，高斯变异就是在原有的个体上加上一个服从高斯分布的随机扰动 项。
实施例11
以乌江干流梯级电站发电优化调度问题为工程背景，选择主要控制水库 具有重要工程意义的汛初(4月末)、年末(12月末)两个关键节点水位为 主要优化变量，以“发电效益最大”和“弃水最小”为优化目标，考虑电网 消纳、水火协调等实际调度需求，利用历史来水资料提供高容错度的调度满 意解作为调度规则的初步成果，使用时结合预测来水和给定的目标计算出相 对最优的备选方案，决策者可以直接选择备选方案中的均衡调度方案，也可 根据不同偏好进行经验决策。
乌江公司流域梯级水电站，主要包括洪家渡、东风、索风营、乌江渡、 构皮滩、思林、沙沱、大花水、格里桥共9座电站，总装机容量8695MW。 干流梯级主要调节水库为多年调节水库洪家渡和构皮滩，优化调度规则主要 目标是制定2座多年调节水库的水位控制规则。不完全年调节水库东风、乌 江渡可结合梯级调度运行原则给出经验控制水位，其水位过程对整个梯级有 一定的调节作用。由于大部分弃水产生在调节性能较差的下游水库，并且剩 余5座电站设计发电量占梯级发电量的近40％，所以在调度规则优化计算中 有必要将支流电站以及调节性能较差的日调节电站考虑其中。为此，根据调 度经验和多年实际运行情况将支流以及日调节水库逐时段水位设置为固定 值，其中日调节水库非汛期控制高水位运行，参考3.3.3节梯级调度运行原 则。在其余电站给定水位控制过程上，对洪家渡、构皮滩2座多年调节水电 站进行水位控制规则优化，得到的调度规则能够充分考虑梯级补偿作用的影 响，有利于提高梯级整体发电效益。
本发明计算得到了洪家渡-构皮滩双控制水库的水位控制规则，并根据 水位控制规则的长系列模拟结果得到兼顾增大发电效益和减少弃水的“优化 蓄能控制区”，为指导梯级调度运行提供参考。
非劣关键水位集指在给定的多目标评判标准下的Pareto解集。非劣关键 水位集由多目标优化算法根据历史径流系列计算得出，目的是算出一个历史 平均意义下的非劣关键水位集合。本发明NSGA-II算法采用浮点编码，基因 序列中每个基因代表水库的关键水位点。使用关键水位作为状态变量值，每 个水库计算周期为一个自然年，每个自然年包含年初，蓄水期初，年末等三 个时刻的关键水位。因为年初年末为同一个值，所以每个水库实际变量值为 相应水库的年末，汛初时刻的水位，根据历史径流资料获取关键控制水位。在得到少量的关键水位集后，再从之前选择的备选方案中根据调度人员的经 验选取一个解作为最终调度结果。本发明直接采用拥挤度排序法选择多目标 均衡方案作为最终调度方案。
通过控制梯级年末和汛初蓄能、仅控制汛初蓄能和不控制蓄能三种计算 条件，依据长系列来水资料对洪家渡和构皮滩的关键水位组合满意解进行多 目标求解，获得不同条件下两库关键水位组合满意解集。得到了洪家渡-构 皮滩双控制水库的水位控制规则，并根据水位控制规则的长系列模拟结果得 到兼顾增大发电效益和减少弃水的“优化蓄能控制区”，指导梯级调度运行。
本发明针对梯级水电站优化调度和电网运行对水位控制的要求，提出了 一种面向关键节点水位控制的乌江梯级水电站多目标水位控制规则。规则制 定选择干流梯级主调节水库洪家渡和构皮滩的汛初、年末两个关键节点水位 为主要优化变量，以“发电效益最大”和“弃水最小”为优化目标，考虑电 网调峰、消纳、水火互济等综合利用需求，结合多年实际调度经验，利用长 系列历史来水资料进行多目标优化调度，提供多组非劣关键水位控制集作为 水位控制规则，为乌江流域的实际调度运行提供了重要技术支撑，具有重大的行业推广价值。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上 述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对 应过程，在此不再赘述。
需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进 行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能 模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如， 上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块， 以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步 骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上 述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方 法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各 示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实 现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、 只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬 盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介 质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照 功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软 件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人 员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实 现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或 表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使 得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而 且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者 设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但 是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具 体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关 技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入 本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护 范围。

Claims (10)

1.基于关键水位控制的梯级水电站调度控制系统，其特征在于，所述系统包括：历史数据获取单元，用于获取水电站所在河流的历史径流信息，将获取到的历史径流信息作为数据集；模型构建单元，用于建立水电站的数学计算模型；模型求解单元，对数学计算模型进行多目标优化求解，获得结果集；最优解计算单元，用于对结果集进行计算，获得在不同约束条件下所对应的最优解集合，将该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。
2.如权利要求1所述的系统，其特征在于，所述模型构建单元包括：关键水位确立单元，用于确定历史径流信息中的关键水位，将确立的关键水位作为调度控制目标；所述关键水位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概化单元，将梯级水电站中的每个水电站分别划分为控制水库和非控制水库，基于划分的结果，建立梯级水电站的数学计算模型。
3.如权利要求2所述的系统，其特征在于，所述模型概化单元建立的梯级水电站的数学计算模型使用如下公式表示：
Figure FDA0002439201960000011
Figure FDA0002439201960000012
其中，E*为调度期内梯级水库群的最大发电量；T值为12，,是计算周期，表示计算周期为12个月；m、M分别为水库编号和总数；f(Hm,t)为第m个水库在第t时段的耗水率，为水头的函数；Hm,t为电站m在第t时段段的平均发电净水头，单位：m；qm,t为电站m在第t时段的发电流量，单位：m3/s；Δt为第t时段段的秒数；A为单位的修正系数；Cm,t为单位电量的电价，单位：元/kWh。Vq为弃水量，Qqm,t为电站m在第t时的弃水流量。
4.如权利要求3所述的系统，其特征在于，所述数学计算模型有如下的水位约束条件：控制期内每个时段水库坝上水位应满足：
Figure FDA0002439201960000021
式中：Zm,t、
Figure FDA0002439201960000022
Zm,t 分别为电站m在第t时段的水位、水位上限和水位下限，单位：m；该模型有如下的电站出力约束条件：控制期内各个时段电站出力应该满足：
Figure FDA0002439201960000023
式中：pm,t、
Figure FDA0002439201960000024
pm,t 分别电站m在第t时段的出力、出力上限和出力下限，单位：MW；该模型有如下的梯级蓄能约束条件：根据电网安全、调峰、水火协调等需求对关键节点蓄能进行约束：
Figure FDA00024392019600000212
式中：Esm，t、
Figure FDA0002439201960000026
Esm,t 分别为电站m在第t时段末的蓄能、蓄能控制上限和蓄能控制下限，单位：亿kWh；该模型有如下的发电流量约束条件：各个时段的发电流量应该满足：
Figure FDA0002439201960000027
式中：qm,t、
Figure FDA0002439201960000028
qm,t 分别为电站m在第t时段的发电流量、发电流量上限和发电流量下限，单位：m3/s；该模型有如下的水量平衡约束条件：
Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的来水流量和弃水流量，单位：m3/s；该模型有如下的泄流量约束条件：各个时段的下泄流量应该满足：
Figure FDA0002439201960000029
且有Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure FDA00024392019600000210
Q'm,t 分别为电站m在第t时段的下泄流量、下泄流量上限和下泄流量下限，单位：m3/s。
5.如权利要求4所述的系统，其特征在于，所述模型求解单元，对数学计算模型进行多目标优化求解，获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解，设置最大进化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0；初始化种群Pt；结合数据集进行水位填充，并计算目标集：
Figure FDA00024392019600000211
使用NSGA-II选择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1；判断t是否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充，并计算目标集；若t大于等于NGEN，则输出满意解集，作为最终的结果集。
6.一种基于权利要求1至5之一所述系统的基于关键水位控制的梯级水电站调度控制方法，其特征在于，所述方法执行以下步骤：获取水电站所在河流的历史径流信息，将获取到的历史径流信息作为数据集；建立水电站的数学计算模型；对数学计算模型进行多目标优化求解，获得结果集；对结果集进行计算，获得在不同约束条件下所对应的最优解集合，将该最优解集合作为在不同需求和场景下对应的水电站的调度控制规则。
7.如权利要求6所述的方法，其特征在于，所述模型构建单元包括：关键水位确立单元，用于确定历史径流信息中的关键水位，将确立的关键水位作为调度控制目标；所述关键水位包括：汛初、汛末和年末三个时间节点对应的水位值；模型概化单元，将梯级水电站中的每个水电站分别划分为控制水库和非控制水库，基于划分的结果，建立梯级水电站的数学计算模型。
8.如权利要求7所述的方法，其特征在于，所述数学计算模型使用如下公式表示：
Figure FDA0002439201960000031
其中，E*为调度期内梯级水库群的最大发电量；T值为12，,是计算周期，表示计算周期为12个月；m、M分别为水库编号和总数；f(Hm,t)为第m个水库在第t时段的耗水率，为水头的函数；Hm,t为电站m在第t时段段的平均发电净水头，单位：m；qm,t为电站m在第t时段的发电流量，单位：m3/s；Δt为第t时段段的秒数；A为单位的修正系数；Cm,t为单位电量的电价，单位：元/kWh。Vq为弃水量，Qqm,t为电站m在第t时的弃水流量。
9.如权利要求8所述的方法，其特征在于，所述数学计算模型有如下的水位约束条件：控制期内每个时段水库坝上水位应满足：
Figure FDA0002439201960000032
式中：Zm,t、
Figure FDA0002439201960000041
Zm,t 分别为电站m在第t时段的水位、水位上限和水位下限，单位：m；该模型有如下的电站出力约束条件：控制期内各个时段电站出力应该满足：
Figure FDA0002439201960000042
式中：pm,t、
Figure FDA0002439201960000043
pm,t 分别电站m在第t时段的出力、出力上限和出力下限，单位：MW；该模型有如下的梯级蓄能约束条件：根据电网安全、调峰、水火协调等需求对关键节点蓄能进行约束：
Figure FDA0002439201960000044
式中：Esm，t、
Figure FDA00024392019600000411
Esm，t 分别为电站m在第t时段末的蓄能、蓄能控制上限和蓄能控制下限，单位：亿kWh；该模型有如下的发电流量约束条件：各个时段的发电流量应该满足：
Figure FDA0002439201960000046
式中：qm,t、
Figure FDA0002439201960000047
qm,t 分别为电站m在第t时段的发电流量、发电流量上限和发电流量下限，单位：m3/s；该模型有如下的水量平衡约束条件：Vm,t+1＝Vm,t+(Qm,t-qm,t-Qdm,t)Δt；式中：Vm,t和Vm,t+1分别表示在t时段的初水位对应的库容和末水位对应的库容，Qm,t、Qdm,t分别表示电站m在第t时段的来水流量和弃水流量，单位：m3/s；该模型有如下的泄流量约束条件：各个时段的下泄流量应该满足：
Figure FDA0002439201960000048
且有Q'm,t＝qm,t+Qdm,t；式中：Q'm,t、
Figure FDA0002439201960000049
Q'm,t 分别为电站m在第t时段的下泄流量、下泄流量上限和下泄流量下限，单位：m3/s。
10.如权利要求9所述的方法，其特征在于，所述模型求解单元，对数学计算模型进行多目标优化求解，获得结果集的方法执行以下步骤：使用NSGA-II算法进行求解，设置最大进化数NGEN，种群规模MU，设置基因编码方式，进化代数t＝0；初始化种群Pt；结合数据集进行水位填充，并计算目标集：
Figure FDA00024392019600000410
使用NSGA-II选择算子选出非劣解集；进行交叉和变异；得到新的子代种群Pt+1；判断t是否大于等于NGEN，若t小于NGEN，则返回重新结合数据集进行水位填充，并计算目标集；若t大于等于NGEN，则输出满意解集，作为最终的结果集。
CN202010260767.3A 2020-04-03 2020-04-03 基于关键水位控制的梯级水电站调度控制系统及方法 Pending CN111612292A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010260767.3A CN111612292A (zh) 2020-04-03 2020-04-03 基于关键水位控制的梯级水电站调度控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010260767.3A CN111612292A (zh) 2020-04-03 2020-04-03 基于关键水位控制的梯级水电站调度控制系统及方法

Publications (1)

Publication Number Publication Date
CN111612292A true CN111612292A (zh) 2020-09-01

Family

ID=72201800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010260767.3A Pending CN111612292A (zh) 2020-04-03 2020-04-03 基于关键水位控制的梯级水电站调度控制系统及方法

Country Status (1)

Country Link
CN (1) CN111612292A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114839943A (zh) * 2022-07-04 2022-08-02 国能大渡河流域水电开发有限公司 一种梯级电站闸门控制策略生成和滚动优化方法及系统
CN114862287A (zh) * 2022-07-06 2022-08-05 国能大渡河大数据服务有限公司 梯级电站群调度的风险效益分析方法、系统、终端及介质
CN115189413A (zh) * 2022-05-17 2022-10-14 龙岩市海德馨汽车有限公司 大功率集群并机/并网智能微电网的控制方法
CN115718461A (zh) * 2022-07-19 2023-02-28 北京蓝晶微生物科技有限公司 一种高通量柔性自动控制管理系统
CN116226687A (zh) * 2023-05-10 2023-06-06 长江三峡集团实业发展(北京)有限公司 一种基于数据挖掘技术的水库日初水位估算方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039659A1 (en) * 2014-04-11 2017-02-09 Wuhan University Daily electricity generation plan making method of cascade hydraulic power plant group
CN107563538A (zh) * 2017-07-13 2018-01-09 大连理工大学 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
CN107563654A (zh) * 2017-09-11 2018-01-09 大连理工大学 一种亿千瓦级水电系统调度递进特征组合降维方法
CN109902855A (zh) * 2019-01-14 2019-06-18 昆明电力交易中心有限责任公司 一种市场环境下的梯级关键水电站多目标优化及电量分配方法
CN110852525A (zh) * 2019-11-19 2020-02-28 长安大学 基于预报误差越级设防的水库防洪限制水位动态调节方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039659A1 (en) * 2014-04-11 2017-02-09 Wuhan University Daily electricity generation plan making method of cascade hydraulic power plant group
CN107563538A (zh) * 2017-07-13 2018-01-09 大连理工大学 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
CN107563654A (zh) * 2017-09-11 2018-01-09 大连理工大学 一种亿千瓦级水电系统调度递进特征组合降维方法
CN109902855A (zh) * 2019-01-14 2019-06-18 昆明电力交易中心有限责任公司 一种市场环境下的梯级关键水电站多目标优化及电量分配方法
CN110852525A (zh) * 2019-11-19 2020-02-28 长安大学 基于预报误差越级设防的水库防洪限制水位动态调节方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭有安等: "关键水位控制技术在澜沧江中下游梯级优化调度中的应用", 《水力发电》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115189413A (zh) * 2022-05-17 2022-10-14 龙岩市海德馨汽车有限公司 大功率集群并机/并网智能微电网的控制方法
CN115189413B (zh) * 2022-05-17 2023-05-23 龙岩市海德馨汽车有限公司 大功率集群并机/并网智能微电网的控制方法
CN114839943A (zh) * 2022-07-04 2022-08-02 国能大渡河流域水电开发有限公司 一种梯级电站闸门控制策略生成和滚动优化方法及系统
CN114839943B (zh) * 2022-07-04 2022-10-25 国能大渡河流域水电开发有限公司 一种梯级电站闸门控制策略生成和滚动优化方法及系统
CN114862287A (zh) * 2022-07-06 2022-08-05 国能大渡河大数据服务有限公司 梯级电站群调度的风险效益分析方法、系统、终端及介质
CN114862287B (zh) * 2022-07-06 2022-09-06 国能大渡河大数据服务有限公司 梯级电站群调度的风险效益分析方法、系统、终端及介质
CN115718461A (zh) * 2022-07-19 2023-02-28 北京蓝晶微生物科技有限公司 一种高通量柔性自动控制管理系统
CN115718461B (zh) * 2022-07-19 2023-10-24 北京蓝晶微生物科技有限公司 一种高通量柔性自动控制管理系统
CN116226687A (zh) * 2023-05-10 2023-06-06 长江三峡集团实业发展(北京)有限公司 一种基于数据挖掘技术的水库日初水位估算方法及装置

Similar Documents

Publication Publication Date Title
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
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
CN109347151B (zh) 一种新能源参与调峰的送端电网电源结构优化方法
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
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
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
CN107276127B (zh) 考虑联络线电力交易计划的多区域互联电力系统的风电消纳优化方法
CN109508499A (zh) 多时段多场景分布式电源最优接入位置与容量研究方法
Wang et al. An affine arithmetic-based multi-objective optimization method for energy storage systems operating in active distribution networks with uncertainties
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
Li et al. Hierarchical multi-reservoir optimization modeling for real-world complexity with application to the Three Gorges system
CN109636674B (zh) 一种大规模水电站群月度交易电量分解与校核方法
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
CN109447405A (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
CN109390973A (zh) 一种考虑通道约束的送端电网电源结构优化方法
CN109063901B (zh) 一种省级电网水电系统中长期发电能力分析方法
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
CN105184426B (zh) 一种基于随机连续寻优策略的梯级电站调峰方法
CN112163700A (zh) 一种考虑储能电池循环寿命的电化学储能电站规划方法
CN111967666A (zh) 一种江河湖水系综合协同调度系统及其调度方法
CN109657850B (zh) 中长期梯级水电优化调度方法及装置
CN108092321A (zh) 一种考虑不确定性的有源配电网有功无功协调控制方法
Huang et al. Genetic Algorithms for Optimization of Resource Allocation in Large Scale Construction Project Management.
CN112700080A (zh) 一种梯级水电多阶段优化调度方法
CN112561273A (zh) 一种基于改进pso的主动配电网可再生dg规划方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200901

RJ01 Rejection of invention patent application after publication