CN112700080A - 一种梯级水电多阶段优化调度方法 - Google Patents

一种梯级水电多阶段优化调度方法 Download PDF

Info

Publication number
CN112700080A
CN112700080A CN202010845485.XA CN202010845485A CN112700080A CN 112700080 A CN112700080 A CN 112700080A CN 202010845485 A CN202010845485 A CN 202010845485A CN 112700080 A CN112700080 A CN 112700080A
Authority
CN
China
Prior art keywords
objective function
station
time period
hydropower
scheduling
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
CN202010845485.XA
Other languages
English (en)
Inventor
王智伟
张振宇
马晓伟
张小白
张彦涛
褚云龙
王康平
刘鑫
王文倬
刘鹏飞
臧阔
原博
李武璟
杨安奇
王茂春
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.)
Northwest Branch Of State Grid Power Grid Co
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Northwest Branch Of State Grid Power Grid Co
Nari Technology Co Ltd
NARI Nanjing Control System 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 Northwest Branch Of State Grid Power Grid Co, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Northwest Branch Of State Grid Power Grid Co
Priority to CN202010845485.XA priority Critical patent/CN112700080A/zh
Publication of CN112700080A publication Critical patent/CN112700080A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种梯级水电多阶段优化调度方法，属于优化调度技术领域。它包括以下步骤：(1)以max‑min的数学算法建立模型，确定各个单目标函数，得出初期优化调度效益；(2)以风险评估算法建立模型，确定各个单目标函数，得到预测水电流量趋势；(3)结合步骤(1)的初期优化调度效益和步骤(2)的预测水电流量趋势，考虑水流延时的日优化调度情况，确定各个单目标函数，确定水电出站约束限制；(4)将步骤(3)确定的水电出站约束限制进行求解，获取梯级水电站的调度过程；(5)将步骤(4)确定的梯级水电站的调度过程采用逐次逼近算法进行收敛计算，即可。本发明提供一种梯级水电多阶段优化调度方法，为梯级水电站群实时调度提供了一种可行的理论和技术保证。

Description

一种梯级水电多阶段优化调度方法
技术领域
本发明属于优化调度技术领域，具体地说，涉及一种梯级水电多阶段优化调度方法。
背景技术
梯级水电站的优化调度是一个具有多目标、多属性、多层次、多阶段的复杂决策过程， 不仅关系到全流域，而且与大坝下游的生态紧密相连。当前的梯级水电站优化调度方式只要 有两种，分别是考虑防洪的调度和考虑经济效益的调度，这两种调度方式只单纯的考虑了经 济效益和社会效益，在这种调度方式下进行水电站的运行之后，由于忽略了对河道生态环境 的影响，导致流域的生态环境受到了不同程度地破坏。从目前梯级水电站优化调度的运行方 式以及保护河流生态系统的角度出发来分析可发现，现行的梯级水电站优化调度方式主要存 在两个问题，一是在梯级水电站优化调度的方案中缺乏考虑大坝下游的生态保护和库区水环 境保护的要求；二是在对水资源的统一调度与管理制度方面比较欠缺。因此，考虑基于生态 调度的梯级水电站多目标优化调度已成为当前研究的热点。
本申请的具体方案如下：
(1)针对梯级水电站群中不同利益主体冲突的协调问题，建立多目标优化调度模型，并 提出求解基于Qando加权法的迭代算法；
(2)针对梯级水电站群发电优化调度的协调问题，建立兼顾系统发电量和最小平均出力 的多目标优化调度模型，并提出NSN理想点法的算法模型；
(3)针对调度周期较长的协调问题，建立基于水量平衡的的函数，并提出相应的算法模 型。
(4)针对现有的实时调度控制模型，如下：
Figure BDA0002642908020000011
Figure BDA0002642908020000012
开展相应的算法优化，实现满足电网电力平衡要求的同时尽可能 减小上游水库的发电泄流，以增加系统蓄能。
发明内容
1、要解决的问题
针对上述现有技术中存在的问题，本发明提供一种梯级水电多阶段优化调度方法，为梯 级水电站群实时调度提供了一种可行的理论和技术保证。
2、技术方案
为解决上述问题，本发明提供的技术方案为：
一种梯级水电多阶段优化调度方法，包括以下步骤：
(1)以max-min的数学算法建立模型，确定各个单目标函数，包括第一目标函数、第二 目标函数、第三目标函数及第四目标函数，得出初期优化调度效益；
(2)以风险评估算法建立模型，确定各个单目标函数，包括第一目标函数、第二目标函 数、第三目标函数及第四目标函数，得到预测水电流量趋势；
(3)结合步骤(1)的初期优化调度效益和步骤(2)的预测水电流量趋势，考虑水流延 时的日优化调度情况，确定各个单目标函数，包括第一目标函数、第二目标函数、第三目标 函数及第四目标函数，确定水电出站约束限制；
(4)将步骤(3)确定的水电出站约束限制进行求解，获取梯级水电站的调度过程；
(5)将步骤(4)确定的梯级水电站的调度过程采用逐次逼近算法进行收敛计算，即可。
上述所述的梯级水电多阶段优化调度方法中，
步骤(1)中第一目标函数为F1(qv1)＝(qv11-qv0)/qv12，其中qv0、qv1、qv11及qv12为不同时期计划流量值；
步骤(1)中第二目标函数为
Figure BDA0002642908020000021
其中Fi(qvi)为参考流量值，计算方式为采用权重系数变换法并赋予权重；
步骤(1)中第三目标函数为Vi,j+1＝Vi,j+(Qi,j-qi,j-Qlossi,j)，其中Vi,j为第j时间段第i电站 的蓄水量，其中Vi,j+1为第j+1时间段第i电站的蓄水量，其中Qi,j为第j时间段第i电站的进 水量，其中qi,j为第j时间段第i电站的泄流量，其中Qlossi,j为第j时间段第i电站的水损失量；
步骤(1)中第四目标函数为
Figure BDA0002642908020000022
其中Esm为水电总蓄能值，其中Vm,T为调 度时期的有效库容，其中γm,T为调度时期的耗水量，其中m,T为水库m在t时段的编号与总 数。
上述所述的梯级水电多阶段优化调度方法中，
步骤(2)中第一目标函数为
Figure BDA0002642908020000023
其中Pm,t为电站m在t时段的总力，其中Pt为t时段电网总负荷；
步骤(2)中第二目标函数为
Figure BDA0002642908020000031
其中q m，t为电站m在t时段的发电流量下限，其中qm，t为电站m在t时段的发电流量约束范围，其中
Figure BDA0002642908020000032
为电站m在t时段的发 电流量上限。
上述所述的梯级水电多阶段优化调度方法中，
步骤(2)中第三目标函数为
Figure BDA0002642908020000033
其中S m，t为电站m在t时段的出库流量下限，其中Sm，t为电站m在t时段的出库流量约束范围，其中
Figure BDA0002642908020000034
为电站m在t时段的出库 流量上限；
步骤(2)中第四目标函数为
Figure BDA0002642908020000035
其中Z m，t为电站m在t时段的库水位下限， 其中Zm，t为电站m在t时段的库水位约束范围，其中
Figure BDA0002642908020000036
为电站m在t时段的库水位上限。
上述所述的梯级水电多阶段优化调度方法中，
步骤(3)中第一目标函数为
Figure BDA0002642908020000037
其中
Figure BDA0002642908020000038
为电站m最大出力爬坡限制， 其中pm，t为电站m在t时段的电站出力，其中pm，t-1为电站m在t时段的电站出力；
步骤(3)中第二目标函数为(pm，t-Δ+1-pm，t-Δ)(pm，t-pm，t-1)≥0，，其中Δ＝1，2，…，tvm，其 中tvm为电站m在一轮出力升降过程最高、最低处需持续的最少时段数。
上述所述的梯级水电多阶段优化调度方法中，
步骤(3)中第三目标函数为
Figure BDA0002642908020000039
其中
Figure BDA00026429080200000310
为电站m在t时段的 第k个限制区的上限，其中
Figure BDA00026429080200000311
为电站m在t时段的第k个限制区的下限，其中pm，t为电站m在t时段的电站出力；
步骤(3)中第四目标函数为
Figure BDA00026429080200000312
其中Γ为光滑区间集合。
上述所述的梯级水电多阶段优化调度方法中，
步骤(4)中求解的表达式为
Figure BDA00026429080200000313
其中Γi为单个光 滑区间，其中i和I分别为光滑区间编号和总数；t1i、t2i分别为第i个光滑区间的起始时段和 终止时段。
上述所述的梯级水电多阶段优化调度方法中，
步骤(4)中还需要进行均值光滑处理，具体的表达式为
Figure BDA0002642908020000041
其 中负荷偏差序列为
Figure BDA0002642908020000045
上述所述的梯级水电多阶段优化调度方法中，
步骤(5)中逐次逼近算法包括
Figure BDA0002642908020000042
其中i、j分别为水库和 时段序号，其中N为水库总数，其中T为总时段数，其中Ai为某一水库的出力系数，其中Hi,j为某一水库某一时段的平均值，其中Qi,j为某一水库在某一时段的流量。
上述所述的梯级水电多阶段优化调度方法中，
步骤(5)中还包括离散梯度逐步优化过程，具体为
Figure BDA0002642908020000043
其中
Figure BDA0002642908020000044
采用本申请方法得到的实时发电计划能够实时调整日前发电计划，充分考虑日前发电计 划的指导性。与电站实际出力过程相比，实时优化出力过程更加平稳。在测试中，在07:15-23:00 时段内，电站因承担了大部分负荷负偏差，导致其实时发电计划与日前计划偏差较大，但二 者出力总体趋势基本一致。营电站开机出力波动范围为140-470MW，其开机状态有3种情况， 电站限制区也随之变化，具体为：在00:00-08:00及24:00时段内，运行1台机，电站限制区 为(0,130)；在负荷高峰10:30-12:15和18:15-19:45时段内，运行3台机，电站限制区为(0,130) ∪(204,260)；其余时段运行2台机，电站限制区为(0,130)∪(204,260)。在调度期内，电站实 时出力可有效避开限制区，说明计算结果合理。通过模拟弃水来验证弃水调整策略的有效性， 通过统计入库水量统计值，在16:00-17:30时段内，因索风营电站短期入库偏差较大，发生弃 水，总弃水量为118.6万m3。东风出库水流恒定滞时为1.5h，需在14:30之前寻找一可行区 间，同步反向调整东风和索风营电站出力，直至不发生弃水。在09:45-11:00时段内，东风电 站出力同时下调100MW，使出库水量减少43.5万m3，营电站出力上调100MW，使出库水 量增加75.1万m3，可使索风营库水量减少118.6万m3，避免发生弃水。
3、有益效果
相比于现有技术，本发明的有益效果为：
本申请对梯级水电站多目标生态优化调度的理论和方法进行了探讨，得出了一些具有理 论意义的成果，但还有很多与生态调度有关的实质性问题亟待研究，由于梯级水电站多目标 生态优化调度的过程是一个需要研究多个目标、多个属性、多个层次、多个阶段的极其复杂 的决策过程，因而该研究涉及到社会、经济以及实践等众多方面，因此对于梯级水电站多目 标生态优化调度的研究仍需作进一步的改善。
(1)生态调度方面。截至目前对于生态调度还无统一的标准，生态又多样化，所以在生 态调度中，若要实现生态系统的完全健康会有较大难度。当前的生态调度体制还不够健全， 生态调度涉及的范围广，通过工程措施虽可有效应对，但对于具体的实施还有较多阻碍，因 此还需对生态调度进行更深入的研究。
(2)梯级水电站优化调度优化算法与变化范围法(RVA)相结合，形成自适应模型，得 到社会经济和生态效益最优的方案。利用优化算法产生决策变量，并将其转移到评价模型中， 由该模型决定状态变量用以描述系统行为，进而响应决策变量。随后，在当前状态变量和目 标函数的基础上优化模型继续产生新的变量，如此往复这种循环过程一直持续到函数收敛于 一个全局的或者接近全局的优化结果。
(3)本文的研究基础是一般河流，相比在多泥沙河流上的大型水利枢纽的运用调控方式 要简单一些，所以在复杂河流上建立梯级水电站生态调度的目标函数时，如何协调泥沙冲淤 与其他目标的关系来实现梯级水电站的优化运用以获得良好的综合效益至关重要。
(4)由于河流水系是相通的，同一河段在不同的时间可能受不同支流来水的影响。就流 域而言，下游河道水量的减少或增加受干流和支流同步蓄水、放水等过程的影响，该过程也 会对流域中下游的生态系统产生较大的负面影响。因此，就流域层面的梯级水电站多目标生 态优化调度而言，应开展以多级水电站为主的联合调度方式进行研究。
具体实施方式
下面结合具体实施例对本发明进一步进行描述。
一种梯级水电多阶段优化调度方法，包括以下步骤：
(1)以max-min的数学算法建立模型，确定各个单目标函数，包括第一目标函数、第二 目标函数、第三目标函数及第四目标函数，得出初期优化调度效益；
(2)以风险评估算法建立模型，确定各个单目标函数，包括第一目标函数、第二目标函 数、第三目标函数及第四目标函数，得到预测水电流量趋势；
(3)结合步骤(1)的初期优化调度效益和步骤(2)的预测水电流量趋势，考虑水流延 时的日优化调度情况，确定各个单目标函数，包括第一目标函数、第二目标函数、第三目标 函数及第四目标函数，确定水电出站约束限制；
(4)将步骤(3)确定的水电出站约束限制进行求解，获取梯级水电站的调度过程；
(5)将步骤(4)确定的梯级水电站的调度过程采用逐次逼近算法进行收敛计算，即可。
上述所述的梯级水电多阶段优化调度方法中，
步骤(1)中第一目标函数为F1(qv1)＝(qv11-qv0)/qv12，其中qv0、qv1、qv11及qv12为不同时期计划流量值；
步骤(1)中第二目标函数为
Figure BDA0002642908020000061
其中Fi(qvi)为参考流量值，计算方式为采用权重系数变换法并赋予权重；
步骤(1)中第三目标函数为Vi,j+1＝Vi,j+(Qi,j-qi,j-Qlossi,j)，其中Vi,j为第j时间段第i电站 的蓄水量，其中Vi,j+1为第j+1时间段第i电站的蓄水量，其中Qi,j为第j时间段第i电站的进 水量，其中qi,j为第j时间段第i电站的泄流量，其中Qlossi,j为第j时间段第i电站的水损失量；
步骤(1)中第四目标函数为
Figure BDA0002642908020000062
其中Esm为水电总蓄能值，其中Vm,T为调 度时期的有效库容，其中γm,T为调度时期的耗水量，其中m,T为水库m在t时段的编号与总 数。
上述所述的梯级水电多阶段优化调度方法中，
步骤(2)中第一目标函数为
Figure BDA0002642908020000063
其中Pm,t为电站m在t时段的总力，其中Pt为t时段电网总负荷；
步骤(2)中第二目标函数为
Figure BDA0002642908020000064
其中q m，t为电站m在t时段的发电流量下限，其中qm，t为电站m在t时段的发电流量约束范围，其中
Figure BDA0002642908020000065
为电站m在t时段的发 电流量上限。
上述所述的梯级水电多阶段优化调度方法中，
步骤(2)中第三目标函数为
Figure BDA0002642908020000066
其中S m，t为电站m在t时段的出库流量下限，其中Sm，t为电站m在t时段的出库流量约束范围，其中
Figure BDA0002642908020000067
为电站m在t时段的出库 流量上限；
步骤(2)中第四目标函数为
Figure BDA0002642908020000068
其中Zm，t为电站m在t时段的库水位下限， 其中Zm，t为电站m在t时段的库水位约束范围，其中
Figure BDA0002642908020000069
为电站m在t时段的库水位上限。
上述所述的梯级水电多阶段优化调度方法中，
步骤(3)中第一目标函数为
Figure BDA00026429080200000610
其中
Figure BDA00026429080200000611
为电站m最大出力爬坡限制， 其中pm，t为电站m在t时段的电站出力，其中pm，t-1为电站m在t时段的电站出力；
步骤(3)中第二目标函数为(pm，t-Δ+1-pm，t-Δ)(pm，t-pm，t-1)≥0，，其中Δ＝1，2，…，tvm，其 中tvm为电站m在一轮出力升降过程最高、最低处需持续的最少时段数。
上述所述的梯级水电多阶段优化调度方法中，
步骤(3)中第三目标函数为
Figure BDA0002642908020000071
其中
Figure BDA0002642908020000072
为电站m在t时段的 第k个限制区的上限，其中
Figure BDA0002642908020000073
为电站m在t时段的第k个限制区的下限，其中pm，t为电站m在t时段的电站出力；
步骤(3)中第四目标函数为
Figure BDA0002642908020000074
其中Γ为光滑区间集合。
上述所述的梯级水电多阶段优化调度方法中，
步骤(4)中求解的表达式为
Figure BDA0002642908020000075
其中Γi为单个光 滑区间，其中i和I分别为光滑区间编号和总数；t1i、t2i分别为第i个光滑区间的起始时段和 终止时段。
上述所述的梯级水电多阶段优化调度方法中，
步骤(4)中还需要进行均值光滑处理，具体的表达式为
Figure BDA0002642908020000076
其 中负荷偏差序列为
Figure BDA00026429080200000710
上述所述的梯级水电多阶段优化调度方法中，
步骤(5)中逐次逼近算法包括
Figure BDA0002642908020000077
其中i、j分别为水库和 时段序号，其中N为水库总数，其中T为总时段数，其中Ai为某一水库的出力系数，其中Hi,j为某一水库某一时段的平均值，其中Qi,j为某一水库在某一时段的流量。
上述所述的梯级水电多阶段优化调度方法中，
步骤(5)中还包括离散梯度逐步优化过程，具体为
Figure BDA0002642908020000078
其中
Figure BDA0002642908020000079
上述所述的梯级水电多阶段优化调度方法，具体应用时，需要注意的是，利用该模型的 特点，采用遗传算法的多目标优化算法来计算本文所建立的模型。在各个约束条件下，得出 梯级水电站各阶段不同状态下的缺水量相对值，进而应用遗传算法得出与最优目标值相应的 发电流量、灌溉保证率等一系列过程，在此基础上得出梯级水电站运行的最优轨迹。
同时，需要注意：第一，通过一系列不同的生态流量值来得出不同阶段的梯级水电站多 目标生态优化调度的案；第二，由模拟调度验算得出在不同方案下梯级水电站的最优放水过 程；第三，将各个方案进行比较，得出能够实现梯级水电站多目标生态优化调度的整体最优 方案。
此外，包括：IHA的各组参数及其对河流生态系统的影响：
(1)月均流量：植物的土壤湿度有效性/陆生动物的水资源有效性及水供应的可靠性；
(2)年极端流量：河渠地形塑造(年最小、最大1、3、7、30、90日流量均值基流指数)；
(3)流量变化的改变率及频率：流量平均增加率、流量平均减少率，每年流量逆转次数；
(4)上下阈值的确定：用各指标的平均值加减一个标准偏差或各指标发生的概率为75％ 及25％的值作为各个指标的上限和下限，称为RVA的上下阈值，作为建立电站以及运行点战 后IHA指标受影响程度的标准。
其中水文改变度的计算，定义如下：
Figure BDA0002642908020000081
其中：Gi为第i个IHA的水文改变度；Zi为第i个IHA在水电站建设后实际落于RVA 阈值内的年数；Z0为水电站建成后可能落于RVA标的内的年数，可利用rZXr来求解，r为 水电站建成前IHA落于RVA标的内的比例，本文以各IHA发生概率为0.75和0.25的值确定 标的范围，如此rX0.5，而rZ为建电站后IHA统计的总年数。
需要提醒的是，探讨了电站调度的理论基础、基本原则以及调度准则等的基础上，建立 了梯级水电站多目标生态优化调度的模型，并对求解方法遗传算法作了简单的叙述。把模型 中的多目标问题采用权重加权成一个总目标函数，即简化为单目标，并利用缺水量来表征对 梯级水电站进行优化调度时产生的经济效益和生态效益。
还需要提醒的是，通过总结和分析国内对于河流研究的具体情况得出，利用7Q10法计 算时，对我国河流有较高要求，广泛应用于大型水利工程建设的环境影响评估中。由于我国 南方与北的方水资源差别较大，所以参考《制订地方水污染物排放标准的技术原则和方法》 (GB3838～83)中的规定，其改进后的7Q10法是：采用近10年最小月平均流量或90％保 证率的最小月平均流量作为河流最小流量设计值。
本文以湖北某水电站的历史水文资料为代表进行计算。上述水电站坝址位于唐乃亥水文 站下游1.56×104m处，该水文站控制流域面积1.45×105km2的，占实际控制面积为0.078。 水文站一直是唐乃亥水电站经济运行及防洪调度的控制站，所以龙羊峡水电站的年径流系列 根据唐乃亥水文站的多年历史水文资料而来.
经试验，从经济效益评价的角度来看，9个方案中，无生态流量的方案计算出的缺水量 相对值是最小的，在该方案下运行电站时会产生最大的经济效益，但它对下游河道生态环境 的影响是最大的；通过计算水文改变度以及分析得出方案8的生态效益是最优的，但是经济 效益却明显降低，灌溉保证率也是所有方案中最低的，只有0.88。因此综合分析，对龙羊峡 水电站从经济效益以及生态效益整体最优的方案是方案7。
国内外也有类似的研究，就理论层面而言，国内专家学者深入研究和探讨了水利工程建 设对生态产生的影响、对生态的评估、对生态功能的解析以及梯级水电站生态优化调度方式 的改进。如，董哲仁提出了梯级水电站优化调度应兼顾多个目标以弥补当前梯级水电站优化 调度对下游河道生态环境考虑不充分的现象；傅春等专家提出了生态水利的理念，在可持续 利用水资源方面建立了相关模型；针对枯水期水电站的发电优化调度问题以及如何缓解下游 河道及库区的水华现象等，谢平研究得出，对电站群进行联合优化调度是最有效的办法；贾 海峰等分析和探讨了河流中复杂的营养物质对水电站优化调度的影响，提出了同时考虑防洪 和水华的调度方法；专家梅亚东研究了如何评价梯级水电站生态优化调度的方法。此外，梯 级水电站生态调度的理念是近几年才出现的，对于其理念和含义的理解并无统一标准，对其 定义的差别主要体现在水电站综合效益与生态目标的优先次序问题上。艾学山通过探讨得出， 梯级水电站生态优化调度是指：在调控梯级水电站下泄水流的过程中，不仅要考虑梯级水电 站的综合效益，也要兼顾梯级水电站下游河道生态用水需求和库区水环境需求的调度模式。 董哲仁等对基于生态的梯级水电站优化调度给出的定义是：基于生态的梯级水电站优化调度 是指在充分发挥梯级水电站的社会经济等多种目标的前提下，适当兼顾河流生态用水的梯级 水电站优化调度。
本申请对梯级水电站多目标生态优化调度的理论和方法进行了探讨，得出了一些具有理 论意义的成果，但还有很多与生态调度有关的实质性问题亟待研究，由于梯级水电站多目标 生态优化调度的过程是一个需要研究多个目标、多个属性、多个层次、多个阶段的极其复杂 的决策过程，因而该研究涉及到社会、经济以及实践等众多方面，因此对于梯级水电站多目 标生态优化调度的研究仍需作进一步的改善。
(1)生态调度方面。截至目前对于生态调度还无统一的标准，生态又多样化，所以在生 态调度中，若要实现生态系统的完全健康会有较大难度。当前的生态调度体制还不够健全， 生态调度涉及的范围广，通过工程措施虽可有效应对，但对于具体的实施还有较多阻碍，因 此还需对生态调度进行更深入的研究。
(2)梯级水电站优化调度优化算法与变化范围法(RVA)相结合，形成自适应模型，得 到社会经济和生态效益最优的方案。利用优化算法产生决策变量，并将其转移到评价模型中， 由该模型决定状态变量用以描述系统行为，进而响应决策变量。随后，在当前状态变量和目 标函数的基础上优化模型继续产生新的变量，如此往复这种循环过程一直持续到函数收敛于 一个全局的或者接近全局的优化结果。
(3)本文的研究基础是一般河流，相比在多泥沙河流上的大型水利枢纽的运用调控方式 要简单一些，所以在复杂河流上建立梯级水电站生态调度的目标函数时，如何协调泥沙冲淤 与其他目标的关系来实现梯级水电站的优化运用以获得良好的综合效益至关重要。
(4)由于河流水系是相通的，同一河段在不同的时间可能受不同支流来水的影响。就流 域而言，下游河道水量的减少或增加受干流和支流同步蓄水、放水等过程的影响，该过程也 会对流域中下游的生态系统产生较大的负面影响。因此，就流域层面的梯级水电站多目标生 态优化调度而言，应开展以多级水电站为主的联合调度方式进行研究。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，所示的也只是本 发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启 示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式 及实施例，均应属于本发明的保护范围。

Claims (10)

1.一种梯级水电多阶段优化调度方法，其特征在于，包括以下步骤：
(1)以max-min的数学算法建立模型，确定各个单目标函数，包括第一目标函数、第二目标函数、第三目标函数及第四目标函数，得出初期优化调度效益；
(2)以风险评估算法建立模型，确定各个单目标函数，包括第一目标函数、第二目标函数、第三目标函数及第四目标函数，得到预测水电流量趋势；
(3)结合步骤(1)的初期优化调度效益和步骤(2)的预测水电流量趋势，考虑水流延时的日优化调度情况，确定各个单目标函数，包括第一目标函数、第二目标函数、第三目标函数及第四目标函数，确定水电出站约束限制；
(4)将步骤(3)确定的水电出站约束限制进行求解，获取梯级水电站的调度过程；
(5)将步骤(4)确定的梯级水电站的调度过程采用逐次逼近算法进行收敛计算，即可。
2.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(1)中第一目标函数为F1(qv1)＝(qv11-qv0)/qv12，其中qv0、qv1、qv11及qv12为不同时期计划流量值；
步骤(1)中第二目标函数为
Figure FDA0002642908010000011
其中Fi(qvi)为参考流量值，计算方式为采用权重系数变换法并赋予权重；
步骤(1)中第三目标函数为Vi,j+1＝Vi,j+(Qi,j-qi,j-Qlossi,j)，其中Vi,j为第j时间段第i电站的蓄水量，其中Vi,j+1为第j+1时间段第i电站的蓄水量，其中Qi,j为第j时间段第i电站的进水量，其中qi,j为第j时间段第i电站的泄流量，其中Qlossi,j为第j时间段第i电站的水损失量；
步骤(1)中第四目标函数为
Figure FDA0002642908010000012
其中Esm为水电总蓄能值，其中Vm,T为调度时期的有效库容，其中γm,T为调度时期的耗水量，其中m,T为水库m在t时段的编号与总数。
3.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(2)中第一目标函数为
Figure FDA0002642908010000013
其中Pm,t为电站m在t时段的总力，其中Pt为t时段电网总负荷；
步骤(2)中第二目标函数为
Figure FDA0002642908010000014
其中q m，t为电站m在t时段的发电流量下限，其中qm，t为电站m在t时段的发电流量约束范围，其中
Figure FDA0002642908010000015
为电站m在t时段的发电流量上限。
4.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(2)中第三目标函数为
Figure FDA0002642908010000021
其中S m，t为电站m在t时段的出库流量下限，其中Sm，t为电站m在t时段的出库流量约束范围，其中
Figure FDA0002642908010000022
为电站m在t时段的出库流量上限；
步骤(2)中第四目标函数为
Figure FDA0002642908010000023
其中Z m，t为电站m在t时段的库水位下限，其中Zm，t为电站m在t时段的库水位约束范围，其中
Figure FDA0002642908010000024
为电站m在t时段的库水位上限。
5.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(3)中第一目标函数为
Figure FDA0002642908010000025
其中
Figure FDA0002642908010000026
为电站m最大出力爬坡限制，其中pm，t为电站m在t时段的电站出力，其中pm，t-1为电站m在t时段的电站出力；
步骤(3)中第二目标函数为(pm，t-Δ+1-pm，t-Δ)(pm，t-pm，t-1)≥0，其中Δ＝1，2，…，tvm，其中tvm为电站m在一轮出力升降过程最高、最低处需持续的最少时段数。
6.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(3)中第三目标函数为
Figure FDA0002642908010000027
其中
Figure FDA0002642908010000028
为电站m在t时段的第k个限制区的上限，其中
Figure FDA0002642908010000029
为电站m在t时段的第k个限制区的下限，其中pm，t为电站m在t时段的电站出力；
步骤(3)中第四目标函数为
Figure FDA00026429080100000210
其中Γ为光滑区间集合。
7.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(4)中求解的表达式为
Figure FDA00026429080100000211
其中Γi为单个光滑区间，其中i和I分别为光滑区间编号和总数；t1i、t2i分别为第i个光滑区间的起始时段和终止时段。
8.根据权利要求7所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(4)中还需要进行均值光滑处理，具体的表达式为
Figure FDA00026429080100000212
其中负荷偏差序列为
Figure FDA00026429080100000213
9.根据权利要求1所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(5)中逐次逼近算法包括
Figure FDA0002642908010000031
其中i、j分别为水库和时段序号，其中N为水库总数，其中T为总时段数，其中Ai为某一水库的出力系数，其中Hi,j为某一水库某一时段的平均值，其中Qi,j为某一水库在某一时段的流量。
10.根据权利要求9所述的梯级水电多阶段优化调度方法，其特征在于：
步骤(5)中还包括离散梯度逐步优化过程，具体为
Figure FDA0002642908010000032
其中
Figure FDA0002642908010000033
为
Figure FDA0002642908010000034
CN202010845485.XA 2020-08-20 2020-08-20 一种梯级水电多阶段优化调度方法 Pending CN112700080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010845485.XA CN112700080A (zh) 2020-08-20 2020-08-20 一种梯级水电多阶段优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010845485.XA CN112700080A (zh) 2020-08-20 2020-08-20 一种梯级水电多阶段优化调度方法

Publications (1)

Publication Number Publication Date
CN112700080A true CN112700080A (zh) 2021-04-23

Family

ID=75505652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010845485.XA Pending CN112700080A (zh) 2020-08-20 2020-08-20 一种梯级水电多阶段优化调度方法

Country Status (1)

Country Link
CN (1) CN112700080A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115439027A (zh) * 2022-11-08 2022-12-06 大唐乡城唐电水电开发有限公司 一种梯级水电站负荷优化调度方法、装置、设备和介质
CN115659641A (zh) * 2022-10-26 2023-01-31 武汉大学 面向水华防控的水工程多目标优化调度方法
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
CN117454674A (zh) * 2023-12-25 2024-01-26 长江水利委员会水文局 一种水电站实时生态流量智能动态调控方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103729556A (zh) * 2013-12-25 2014-04-16 云南电力调度控制中心 基于正交逐次逼近算法的水库调度方法
CN104408531A (zh) * 2014-12-02 2015-03-11 大连理工大学 一种多维多阶段复杂决策问题的均匀动态规划方法
US20160161538A1 (en) * 2013-07-16 2016-06-09 State Grid Corporation Of China Method for testing dynamic model parameters of wind power plant
CN105956714A (zh) * 2016-05-21 2016-09-21 华能澜沧江水电股份有限公司 一种梯级水库群优化调度新型群体搜索方法
CN109300058A (zh) * 2018-10-19 2019-02-01 华中科技大学 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
CN111476475A (zh) * 2020-04-01 2020-07-31 贵州黔源电力股份有限公司 多约束条件下梯级水电站短期优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161538A1 (en) * 2013-07-16 2016-06-09 State Grid Corporation Of China Method for testing dynamic model parameters of wind power plant
CN103729556A (zh) * 2013-12-25 2014-04-16 云南电力调度控制中心 基于正交逐次逼近算法的水库调度方法
CN104408531A (zh) * 2014-12-02 2015-03-11 大连理工大学 一种多维多阶段复杂决策问题的均匀动态规划方法
CN105956714A (zh) * 2016-05-21 2016-09-21 华能澜沧江水电股份有限公司 一种梯级水库群优化调度新型群体搜索方法
CN109300058A (zh) * 2018-10-19 2019-02-01 华中科技大学 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
CN111476475A (zh) * 2020-04-01 2020-07-31 贵州黔源电力股份有限公司 多约束条件下梯级水电站短期优化调度方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659641A (zh) * 2022-10-26 2023-01-31 武汉大学 面向水华防控的水工程多目标优化调度方法
CN115659641B (zh) * 2022-10-26 2024-03-08 武汉大学 面向水华防控的水工程多目标优化调度方法
CN115439027A (zh) * 2022-11-08 2022-12-06 大唐乡城唐电水电开发有限公司 一种梯级水电站负荷优化调度方法、装置、设备和介质
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
CN117454674A (zh) * 2023-12-25 2024-01-26 长江水利委员会水文局 一种水电站实时生态流量智能动态调控方法
CN117454674B (zh) * 2023-12-25 2024-04-09 长江水利委员会水文局 一种水电站实时生态流量智能动态调控方法

Similar Documents

Publication Publication Date Title
CN107506909B (zh) 鱼类栖息地保护的梯级水库水电站群调度控制系统及方法
CN112700080A (zh) 一种梯级水电多阶段优化调度方法
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
US11009001B2 (en) Method for multi-objective optimal operations of cascade hydropower plants based on relative target proximity and marginal analysis principle
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
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
WO2019006733A1 (zh) 一种跨省互联水电站群长期联合调峰调度方法
CN104268653B (zh) 基于集束径流预报的梯级水库优化调度方法
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
CN110942212B (zh) 一种基于梯级水库运行系数的梯级水库优化运行方法
CN104299072A (zh) 一种基于水火协调的安全约束发电计划制定方法
CN111428970B (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
CN116667395B (zh) 基于梯级水电改造的水风光蓄互补泵站容量配置方法
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
CN117709682B (zh) 一种梯级水电响应灵活性需求模式下的水库水位扰动区间评估与控制方法
CN116011656A (zh) 一种基于模型预测控制的泵闸群防洪调度方法及系统
CN106447218A (zh) 基于多风电场的抽水蓄能系统的可靠性评估方法
CN111144655A (zh) 一种分布式电源选址定容与配电网网架联合优化方法
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
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
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
CN110378805B (zh) 梯级水电站发电调度分级调峰方法
Zhang et al. Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve
CN116384641A (zh) 一种共享库容的虚拟电厂优化调度方法

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