CN112785454A - 一种梯级水电站汛期智能调度方法及决策支持系统 - Google Patents

Abstract

本发明公开一种能够科学、精准、智能生成汛期调度决策方案的梯级水电站汛期智能调度方法及决策支持系统，实现在保证防洪安全条件下发电效益。所述方法包括以下步骤：获取水情预报信息和电力市场的预测信息；根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；优化调度策略；根据优化后的调度策略，生成调度决策。本发明实现了对于各类复杂工况的智能适应、匹配和切换，在不同工况下智能生成科学的调度决策方案，显著降低了一线调度人员工作强度和安全风险，为汛期电站群防洪安全保障和发电效益提升提供了决策支持和技术参考。

Description

一种梯级水电站汛期智能调度方法及决策支持系统

技术领域

本发明涉及电站优化调度方法，特别是涉及一种电站优化调度智能决策的方法。

背景技术

电站调度方案是流域集控的核心业务，也是指导电力生产和工程调度的关键依据。制定科学合理的电站调度方案可有效提高工程安全保障水平和电站运行综合经济效益。

汛期电站群调度决策的关键是防洪安全和发电效益间的权衡，核心难点是不同调度模式和目标的科学选择和灵活切换。现有的汛期电站调度运行技术多针对防洪或发电单一目标，对于不同模式之间的选择和切换探讨较少，目前多依靠人工经验确定，存在决策效率低、人力强度大、发电效益不充分、存在安全风险等问题，缺乏能够指导汛期全过程的科学调度决策的成套技术方法。

因此制定合理的汛期调度决策方案，提高梯级水电站发电效益,是当前亟待解决的问题。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种能够科学、精准、智能生成汛期调度决策方案的梯级水电站汛期智能调度方法及决策支持系统，实现在保证防洪安全条件下发电效益。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供一种梯级水电站汛期智能调度方法，包括以下步骤：获取水情预报信息和电力市场的预测信息；根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；优化调度策略；根据优化后的调度策略，生成调度决策。

进一步的，所述根据所述水情预报信息和电力市场的预测信息制定调度策略的方法包括以下步骤：根据中长期水情和电力市场的预测信息，通过梯级水电站群中长期调度模型对当前时段至汛末调度过程进行模拟和推演，生成逐旬的发电过程和水位过程，并判断汛末水库能否蓄满；根据汛末水库判断结果，将水电站的发电模式切换为“增粮票”或“减粮票”模式，并生成中长期调度方案，所述中长期调度方案包括逐旬的发电计划和水位控制策略；根据所述中长期调度方案、旬水情预报和旬发电计划，通过梯级水电站群短期调度模型，对当前时段至旬末梯级水电站调度运行情况进行滚动推演，生成旬内逐日的发电过程和水位过程，并判断水位是否超过汛限水位；其中，所述滚动推演的方法包括：发电流量按照发电计划进行推算，泄洪流量则按照调度规则进行计算；根据水位是否超过汛限水位的判断结果，将水电站的发电模式切换为防洪调度模式或兴利模式，生成旬内逐日调度方案并逐日滚动更新所述旬内逐日调度方案。

进一步的，所述根据汛末水库判断结果，将水电站的发电模式切换为“增粮票”或“减粮票”模式的方法包括以下具体步骤：

若汛末水库无法蓄满，则进入“减粮票”模式；

若汛末水库可以蓄满，则进入“增粮票”模式；

其中，“增粮票”模式对应目标函数为：

H_i，final＝H_i，aim (2)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量，N_t，order表示第t个时段电网下达的发电份额；

所述“减粮票”模式对应目标函数为：

H_i，final＝H_i，aim (5)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量。

进一步的，所述根据水位判断结果，将水电站的发电模式切换为防洪调度模式或兴利模式的方法包括以下步骤：若旬内最高水位超过汛限水位，则将水电站的发电模式切换为防洪调度模式；若旬内水位不会超过汛限水位，则将水电站的发电模式切换为兴利模式。

进一步的，所述防洪模式的目标函数为：

F＝minH_max (6)

Q_out，i，t＜Q_{out，i，max} (7)

式中，F为函数目标，H_max表示预见期内目标水库的最高水位，Q_out，i，t表示梯级内第i个电站第t时刻的出库流量，Q_{out，i，max}表示梯级内第i个电站满足防洪安全的出库流量；

所述兴利模式包括：根据调度目标分为优先蓄水模式和优先发电模式；

所述优先发电模式的目标函数为：

式中，F为函数目标，I表示梯级总电站数量，E_i表示在第i个电站的蓄能值，N_i表示第i个电站的发电量，N_order表示根据中长期调度方案该时段的梯级总发电量；

所述优先蓄水模式的目标函数为：

H_i，end＝H_i，order (11)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i，end第i个电站预见期末的水位，H_i，order表示根据中长期调度方案第i个电站预见期末的目标水位。

进一步的，将实际调度过程反馈给中长期模型，滚动更新所述中长期调度方案；根据预报来水、计划电量、已发电量、市场预测结果实时对所述中长期调度方案和所述旬内逐日调度方案进行滚动修正；所述滚动修正的方法包括：第一个时段过后，以实际执行的结果作为第二时段的初始条件，依据更新后的预报信息重新计算。

进一步的，所述根据所述水情预报信息和电力市场的预测信息制定调度策略还包括以下步骤：在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选。

进一步的，所述根据所述水情预报信息和电力市场的预测信息制定调度策略还包括以下步骤：展示调度结果，所述调度结果包括实测的调度结果与预测的调度结果，所述调度结果包括各大水库出、入库流量过程，并通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位；进行实测的调度结果与预测的调度结果对比。

第二方面，本发明提供一种梯级水电站汛期智能调度决策支持系统，所述系统包括：

信息获取模块：用于获取水情预报信息和电力市场的预测信息；

策略制定模块：用于根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；

策略优化模块：用于优化调度策略；

决策生成模块：用于根据优化后的调度策略，生成调度决策。

进一步的，所述系统还集成有调度信息自动采集和输入模块、调度方案比选模块、流域调度模拟推演模块、调度决策智能生成模块和调度结果展示模块；

其中，所述调度方案比选模块是用于在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；并选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选；

所述调度结果展示模块用于展示各大水库出、入库流量过程，可通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位，并展示实测的调度结果与预测的调度结果对比结果。

与现有技术相比，本发明所达到的有益效果：

1、本发明根据汛期防洪和发电等综合要求，建立梯级水电站智能调度决策逻辑体系和流程，并根据中长期水情和电力市场等预测信息，对当前时段至汛末调度过程进行模拟和推演，建立梯级水电站群中长期调度模型，并智能切换模式，生成未来调度方案并滚动更新，在保证防洪安全条件下发电效益最大，实时高效且准确，现有调度方式通常采用人工计算的方式，效率极其低下，且难以保证计算精度，本发明通过电脑计算代替了人工计算，在保证效率的同时极大地提高了计算精度。

2、现有调度方式依靠经验进行调度决策，缺乏科学依据，使得水资源利用率不高，难以充分发挥水库调洪作用，本发明充分挖掘和分析调度需求，建立科学合理的调度模型，智能生成调度决策，极大地提高了水库的社会经济效益和水资源的利用率。

3、本发明实现了对于各类复杂工况的智能适应、匹配和切换，在不同工况下智能生成科学的调度决策方案，显著降低了一线调度人员工作强度和安全风险，为汛期电站群防洪安全保障和发电效益提升提供了决策支持和技术参考；

4、本发明实时对各尺度调度模型进行滚动修正，尽可能消除预报误差带来的影响；

5、本发明提供的决策支持系统，实现调度信息自动采集和输入、调度方案比选、流域调度模拟推演、调度决策智能生成、调度结果展示等功能；

6、本发明提供的决策支持系统支持调度方案比选功能，调度结果展示主要涵盖了各大水库出、入库流量过程，可通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位，进行实测与预测的对比。

附图说明

图1是本发明方法的流程图；

图2是实施例中的某电站实际调度水位过程图；

图3是实施例中优先发电模式下优化调度水位过程图；

图4是实施例中优先发蓄水式下优化调度水位过程图；

图5是面对千年一遇洪水防洪模式下优化调度水位过程图；

图6是本发明提供的决策支持系统的整体展示界面；

图7是本发明提供的决策支持系统的旬尺度预报方案及约束条件修正界面；

图8是本发明提供的决策支持系统的旬尺度调度方案编制界面(流量水位信息)；

图9是本发明提供的决策支持系统的旬尺度调度方案编制界面(发电量信息)；

图10是本发明提供的决策支持系统的旬尺度总发电量比选界面；

图11是本发明提供的决策支持系统的旬尺度水情信息比选界面；

图12是本发明提供的决策支持系统的旬尺度电量信息比选界面；

图13是本发明提供的决策支持系统的日尺度预报方案及约束条件修正界面；

图14是本发明提供的决策支持系统的日尺度调度方案编制界面(流量水位信息)；

图15是本发明提供的决策支持系统的日尺度调度方案编制界面(发电量信息)；

图16是本发明提供的决策支持系统的日尺度总发电量比选界面；

图17是本发明提供的决策支持系统的日尺度水情信息比选界面；

图18是本发明提供的决策支持系统的日尺度电量信息比选界面。

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。

实施例一：

本发明提供一种能够科学、精准、智能生成汛期调度决策方案的梯级水电站汛期智能调度方法，本发明建立长短期嵌套考虑防洪的优化调度模型，寻求在保证防洪安全条件下发电效益最大的调度方式。如图1所示，本发明的一种梯级水电站汛期智能调度方法，包括以下步骤：

步骤1：首先根据汛期防洪和发电等综合要求建立梯级水电站智能调度决策逻辑体系和流程。

根据水情预报、电量计划信息对中长期调度过程进行推演模拟，生成逐旬的发电过程和水位过程，判断汛末水库能否蓄满。若汛末无法蓄满，表示当前电量计划过多，按照当前计划发电则电站在汛末面临无法蓄满的风险，则需适当减少发电份额，进入“减粮票”模式；若旬末可以蓄满，表示当前电量计划过少，按照当前计划发电，则电站在汛末不仅蓄满而且存在弃水，则需与电网协商，或通过市场适当增加发电份额，进入“增粮票”模式。

根据中长期调度过程以及未来10天来水预报信息，对旬内逐日调度过程进行推演，其中发电流量按照发电计划进行推算，泄洪流量则按照调度规则进行计算，生成旬内逐日的发电过程和水位过程，判断水位是否超过汛限水位(或预先设置的限制水位)。若旬内最高水位超过汛限水位(或预先设置的允许最高水位)，则意味着水库面临防洪风险，进入防洪调度模式；若旬内水位不会超过汛限水位(或预先设置的允许最高水位)，则表示水库未来无防洪风险，调度目标以兴利为主。兴利模式优化调度模型可分为优先蓄水和优先发电两种模式。

步骤2：根据中长期水情和电力市场等预测信息，对当前时段至汛末调度过程进行模拟和推演，建立梯级水电站群中长期调度模型，并智能切换“增粮票”和“减粮票”模式，生成逐旬发电计划和水位控制策略。

其中，模型目标函数为：

其中，E(x)表示目标函数集，E₁(x)表示发电效益目标函数，E₂(x)表示防洪效益目标函数，G(x)表示约束条件集。

更具体的，所述建立梯级水电站优化模型的方法包括：

(1)建立发电效益目标：

①发电量最大目标：

式中F表示N个水电站在调度周期T内的总发电量；A_i为第i个水电站的出力系数；

H_i,t分别是第i个水电站在第t个时段内的发电流量和发电水头；Δt为时段间隔。

②发电效益最大目标：

式中，

为第i水电站第t时段的合同电价，

为第i水电站第t时段的合同电量，

为第i水电站第t时段的现货竞价电价，

为第i水电站第t时段的现货竞价电量。

③发电效益最大目标：

式中I_i,t、Q_i,t、h_m,t为第i水库第t时段的入库、出库流量与水头；k_m第i水库发电系数。

④发电水耗最小目标：

式中，F为发电耗水，E_i,t为第i水电站第t时段的发电量。

(2)建立防洪效益目标：

F＝minH_max (6)

式中，H_max表示预见期内目标水库的最高水位。

(3)约束条件集：

①水量平衡约束

V_i,t+1＝V_i,t+(I_i,t-Q_i,t)Δt (7)

式中V_i,t+1为第i水电站第t、t+1时段水库蓄水量；I_i,t为第i水电站第t时段的平均入库流量；Q_i,t为第i水电站第t时段的平均出库流量；Δt为时段时长。

②电量平衡约束

式中N_i,t为第i水电站第t时段出力。

③电力平衡约束

式中P_load为第t时段负荷，P_i,t为第i水电站第t时段负荷。

④电站出力约束

式中

为第i水电站第t时段机组出力上下限。

⑤流量平衡约束

式中Q_i,t、

q_i,t分别为第i水电站第t时段出库流量、发电流量和弃水流量。

⑥发电流量约束

式中

为第i水电站第t时段发电流量上下限。

⑦下泄流量约束

式中

为第i水电站第t时段下泄流量上下限。

⑧水位约束

式中

为第i水电站第t时段水位上下限。

(4)优化调度算法库：

在水电站优化调度中合理选择优化算法可更高效得到更为精确的结果，本项目针对优化时间尺度及目标的不同设置了不同的求解算法：

①动态规划及其改进算法

②逐步优化算法(POA)

③大系统分解协调

④遗传算法

⑤其他算法

实施中，采取动态规划进行求解。当梯级水电站某一时段内的总发电量给定，机组间的最优负荷分配符合总耗水最小的准则，可以通过并行动态规划求解。

式中：

t、T——时段序号和时段数；

S_t——M维(电站个数)水库库容；

I_t——M维(电站个数)水库入库流量；

N_t——M维(电站个数)水库出力；

f_t ^*(S_t)——时段t状态为S_t时从时段t到末时段的系统最大发电量；

B_t(S_t,I_t,N_t)——时段t初始蓄水状态为S_t，入库流量为I_t，决策出力为N_t时的本时段系统发电量；

T_t+1(S_t+1,I_t,N_t)——时段t+1到t的状态转移方程，此处取水量平衡方程。

由以上动态规划发建立的数学模型，可以借助计算机编程求解。

具体的，根据未来增减发电份额建议生成逐旬发电计划和水位控制策略，其中，“增粮票”模式对应目标函数为：

H_i，final＝H_i，aim (17)

式中，F为总发电量，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量，N_t，order表示第t个时段电网下达的发电份额。

“减粮票”模式对应目标函数为：

H_i，final＝H_i，aim (20)

式中，F为目标函数，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量。

步骤3：以中长期调度方案为指导，根据旬水情预报和发电计划，对当前时段至旬末梯级水电站调度运行情况进行滚动推演，建立梯级水电站群短期调度模型，智能切换防洪或兴利模式，生成未来10天逐日调度方案并逐日滚动更新。

其中，防洪模式目标函数为：

F＝minH_max (21)

Q_out，i，t＜Q_{out，i，max} (21)

式中，F为目标函数，H_max表示预见期内目标水库的最高水位，Q_out，i，t表示梯级内第i个电站第t时刻的出库流量，Q_{out，i，max}表示梯级内第i个电站满足防洪安全的出库流量。

兴利模式根据调度目标分为优先蓄水模型和优先发电模型。其中优先发电模型目标函数为：

式中，F为函数目标，E_i表示在第i个电站的蓄能值，N_i第i个电站的发电量，N_order表示根据中长期调度过程该时段的梯级总发电量。

优先蓄水模型目标函数为：

H_i，end＝H_i，order (25)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i，end第i个电站预见期末的水位，H_i，order表示根据中长期调度过程第i个电站预见期末的目标水位。

步骤4：将短期电站实际调度过程反馈给中长期模型，通过水位和发电量的联系，实现长期和短期之间的衔接、循环和嵌套，滚动更新梯级水电站中长期调度决策方案。

实际运行结果与调度决策往往存在偏差，并随着时间的推移偏差将会逐渐累积。本发明根据不同尺度的调度任务和业务需求，提出多尺度相互嵌套、滚动向前的优化调度决策模型，根据预报来水、计划电量、已发电量、市场预测结果实时对各尺度调度模型进行滚动修正。第一个时段过后，以实际执行的结果作为第二时段的初始条件，依据更新后的预报信息重新计算。依次类推直至年末，尽可能消除预报误差带来的影响。

步骤5：在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；并选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选。

本发明的方法可实现以下功能的步骤：

(1)防洪调度结果展示：

梯级水电站群展示部分可展示流域各电站在某一时刻的水位和整体发电量情况，并通过滚动条的拖动展示水位和发电量随时间的变化情况；可通过按钮选择不同的时间尺度(日尺度、旬尺度)，进行尺度间的切换；在日尺度下还将展示当前所处的模式(防洪模式、兴利模式)；选择单站将展示不同电站的具体信息以及各项指标。

展示调度方案和方案对应的指标两部分。其中调度方案包括该站的水位、出入库流量、发电量随时间的变化情况；各项指标包括发电量、水位、入库流量、出库流量、负荷率、削峰率、本月累计发电量等。

(2)旬尺度调度决策会商：

①预报方案和约束条件修正：

实际生产运行中，来水预报方案往往需要通过人工修正以排除不合理的预报数据；面临不同的突发情况，不同模型产生的预报结果的可信度往往不同，需要人工进行选择；约束条件也会受到调令、突发情况的影响。因此，需要对预报方案及实际的约束条件进行人为的修正和选择。

其中左边为预报方案修正和选择部分。上半部分为单站预报流量随时间变化的过程，方便调度人员对预报信息的可信度进行评估；下半部分修正界面，可对可信度较低的数据进行人工修改，修改后的数据将显示为绿色，以便区分修改前后的数据。

中间为约束条件修正部分。其约束条件包括水位约束、流量约束、水位变幅约束、负荷率约束、发电份额约束等，各约束有默认数值，并可以进行人工修正。

②调度方案编制：

根据所选择的预报方案及修正后的约束条件智能生成优化调度方案，包括水位流量信息及发电量信息。如各项指标符合调度人员预期和要求，可保存方案；否则可对约束条件进行修正，重新生成调度方案。

其中，调度方案比选是在调度计划编制阶段允许人机交互灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案。允许人机交互选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，进行多方案比选。

③多方案比选：

比选内容包括：总发电量，各电站水情信息以及各电站发电量信息。

(3)日尺度调度决策会商：

①预报方案和约束条件修正：

实际生产运行中，来水预报方案往往需要通过人工修正以排除不合理的预报数据；面临不同的突发情况，不同模型产生的预报结果的可信度往往不同，需要人工进行选择；约束条件也会受到调令、突发情况的影响。因此，需要对预报方案及实际的约束条件进行人为的修正和选择。

②调度方案编制：

根据所选择的预报方案及修正后的约束条件智能生成优化调度方案，包括水位流量信息及发电量信息。如各项指标符合调度人员预期和要求，可保存方案；否则可对约束条件进行修正，重新生成调度方案。

③多方案比选：

比选内容包括：总发电量，各电站水情信息以及各电站发电量信息。

根据优化调度和实际调度的结果对比，常规调度下，2018年汛期总发电量为85.06亿kW·h。在优化调度模型调度下，按照2018年来，优先发电模式下水汛期发电量为101.82亿kW·h，比实际增加19.7％；优先蓄水模式下，蓄能值增加16.5％；当面对千年一遇洪水时，在保证下游不突破警戒流量的前提下优化调度模型削峰率达到38％，而实际调度下即使没有达到千年一遇的洪量，下游已经突破警戒流量。结果表明优化调度模型可以有效提高水库的发电效益以及水库的调洪作用。

实施例二：

本实施例提供一种梯级水电站汛期智能调度决策支持系统，所述系统包括：

信息获取模块：用于获取水情预报信息和电力市场的预测信息；

策略制定模块：用于根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；

策略优化模块：用于优化调度策略；

决策生成模块：用于根据优化后的调度策略，生成调度决策。

所述系统还集成有调度信息自动采集和输入模块、调度方案比选模块、流域调度模拟推演模块、调度决策智能生成模块和调度结果展示模块；

其中，所述调度方案比选模块是用于在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；并选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选；

所述调度结果展示模块用于展示各大水库出、入库流量过程，可通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位，并展示实测的调度结果与预测的调度结果对比结果。

即，本系统可实现下列功能：

(1)防洪调度结果展示：

防洪调度结果展示界面包括流域梯级水电站群展示部分和单站展示部分。

梯级水电站群展示部分可展示流域各电站在某一时刻的水位和整体发电量情况，并通过滚动条的拖动展示水位和发电量随时间的变化情况；可通过按钮选择不同的时间尺度(日尺度、旬尺度)，进行尺度间的切换；在日尺度下还将展示当前所处的模式(防洪模式、兴利模式)；选择单站将展示不同电站的具体信息以及各项指标。

单站展示部分包括调度方案和方案对应的指标两部分。其中调度方案包括该站的水位、出入库流量、发电量随时间的变化情况；各项指标包括发电量、水位、入库流量、出库流量、负荷率、削峰率、本月累计发电量等。

界面设计如图6所示。上半部分为流域梯级水电站群展示部分，不同尺度的切换按钮位于整个界面的右上角；下半部分为单站展示部分，左边为单站调度方案展示，右边为单站具体指标展示。

(2)旬尺度调度决策会商：

①预报方案和约束条件修正：

实际生产运行中，来水预报方案往往需要通过人工修正以排除不合理的预报数据；面临不同的突发情况，不同模型产生的预报结果的可信度往往不同，需要人工进行选择；约束条件也会受到调令、突发情况的影响。因此，需要对预报方案及实际的约束条件进行人为的修正和选择。

预报方案和约束条件的修正界面设计如图7所示。

其中左边为预报方案修正和选择部分。上半部分为单站预报流量随时间变化的过程，方便调度人员对预报信息的可信度进行评估；下半部分修正界面，可对可信度较低的数据进行人工修改，修改后的数据将显示为绿色，以便区分修改前后的数据。

中间为约束条件修正部分。其约束条件包括水位约束、流量约束、水位变幅约束、负荷率约束、发电份额约束等，各约束有默认数值，并可以进行人工修正。

②调度方案编制：

调度方案编制界面设计如图8和图9所示。

根据所选择的预报方案及修正后的约束条件智能生成优化调度方案，包括水位流量信息及发电量信息。如各项指标符合调度人员预期和要求，可保存方案；否则可对约束条件进行修正，重新生成调度方案。

其中，调度方案比选是在调度计划编制阶段允许人机交互灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案。允许人机交互选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，进行多方案比选。

③多方案比选：

多方案比选界面设计如图10～图12所示。

比选内容包括：总发电量，各电站水情信息以及各电站发电量信息。

(3)日尺度调度决策会商：

①预报方案和约束条件修正：

实际生产运行中，来水预报方案往往需要通过人工修正以排除不合理的预报数据；面临不同的突发情况，不同模型产生的预报结果的可信度往往不同，需要人工进行选择；约束条件也会受到调令、突发情况的影响。因此，需要对预报方案及实际的约束条件进行人为的修正和选择。

预报方案和约束条件的修正界面设计如图13所示。

其中左边为预报方案修正和选择部分。上半部分为单站预报流量随时间变化的过程，方便调度人员对预报信息的可信度进行评估；下半部分修正界面，可对可信度较低的数据进行人工修改，修改后的数据将显示为绿色，以便区分修改前后的数据。

中间为约束条件修正部分。其约束条件包括水位约束、流量约束、水位变幅约束、负荷率约束、发电份额约束等，各约束有默认数值，并可以进行人工修正。

②调度方案编制：

调度方案编制界面设计如图14和图15所示。

根据所选择的预报方案及修正后的约束条件智能生成优化调度方案，包括水位流量信息及发电量信息。如各项指标符合调度人员预期和要求，可保存方案；否则可对约束条件进行修正，重新生成调度方案。

③多方案比选：

多方案比选界面设计如图16～图18所示。

比选内容包括：总发电量，各电站水情信息以及各电站发电量信息。

根据优化调度和实际调度的结果对比，常规调度下，2018年汛期总发电量为85.06亿kW·h。在优化调度模型调度下，按照2018年来，优先发电模式下水汛期发电量为101.82亿kW·h，比实际增加19.7％；优先蓄水模式下，蓄能值增加16.5％；当面对千年一遇洪水时，在保证下游不突破警戒流量的前提下优化调度模型削峰率达到38％，而实际调度下即使没有达到千年一遇的洪量，下游已经突破警戒流量。结果表明优化调度模型可以有效提高水库的发电效益以及水库的调洪作用。

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形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种梯级水电站汛期智能调度方法，其特征在于，包括以下步骤：

获取水情预报信息和电力市场的预测信息；

根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；

优化调度策略；

根据优化后的调度策略，生成调度决策。

2.根据权利要求1所述的一种梯级水电站汛期智能调度方法，其特征在于，所述根据所述水情预报信息和电力市场的预测信息制定调度策略的方法包括以下步骤：

根据中长期水情和电力市场的预测信息，通过梯级水电站群中长期调度模型对当前时段至汛末调度过程进行模拟和推演，生成逐旬的发电过程和水位过程，并判断汛末水库能否蓄满；

根据汛末水库判断结果，将水电站的发电模式切换为“增粮票”或“减粮票”模式，并生成中长期调度方案，所述中长期调度方案包括逐旬的发电计划和水位控制策略；其中，粮票指代电网下发的发电份额，所述“增粮票”模式表示当前电量份额过少，按照当前计划发电则梯级电站在年末面临蓄能较高，则应适当增加发电份额的模式；“减粮票”模式表示当前电量份额过多，按照当前计划发电则梯级电站在年末面临蓄能较低或关键水库库水位较低的风险，则应适当减少发电份额的模式；

根据所述中长期调度方案、旬水情预报和旬发电计划，通过梯级水电站群短期调度模型，对当前时段至旬末梯级水电站调度运行情况进行滚动推演，生成旬内逐日的发电过程和水位过程，并判断水位是否超过汛限水位；其中，所述滚动推演的方法包括：发电流量按照发电计划进行推算，泄洪流量则按照调度规则进行计算；

根据水位是否超过汛限水位的判断结果，将水电站的发电模式切换为防洪调度模式或兴利模式，生成旬内逐日调度方案并逐日滚动更新所述旬内逐日调度方案。

3.根据权利要求2所述的一种梯级水电站汛期智能调度方法，其特征在于，所述根据汛末水库判断结果，将水电站的发电模式切换为“增粮票”或“减粮票”模式的方法包括以下具体步骤：

若汛末水库无法蓄满，则进入“减粮票”模式；

若汛末水库可以蓄满，则进入“增粮票”模式；

其中，“增粮票”模式对应目标函数为：

H_i，final＝H_i，aim (2)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量，N_t，order表示第t个时段电网下达的发电份额；

所述“减粮票”模式对应目标函数为：

H_i，final＝H_i，aim (5)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i,final第i个电站的汛末水位，H_i,aim表示第i个电站的正常蓄水位。，N_t,i表示在第t个时段内、梯级第i个电站的发电量。

4.根据权利要求2所述的一种梯级水电站汛期智能调度方法，其特征在于，所述根据水位判断结果，将水电站的发电模式切换为防洪调度模式或兴利模式的方法包括以下步骤：

若旬内最高水位超过汛限水位，则将水电站的发电模式切换为防洪调度模式；

若旬内水位不会超过汛限水位，则将水电站的发电模式切换为兴利模式。

5.根据权利要求4所述的一种梯级水电站汛期智能调度方法，其特征在于，所述防洪模式的目标函数为：

F＝min H_max (6)

Q_out，i，t＜Q_{out，i，max} (7)

式中，F为函数目标，H_max表示预见期内目标水库的最高水位，Q_out，i，t表示梯级内第i个电站第t时刻的出库流量，Q_{out，i，max}表示梯级内第i个电站满足防洪安全的出库流量；

所述兴利模式包括：根据调度目标分为优先蓄水模式和优先发电模式；

所述优先发电模式的目标函数为：

式中，F为函数目标，I表示梯级总电站数量，E_i表示在第i个电站的蓄能值，N_i表示第i个电站的发电量，N_order表示根据中长期调度方案该时段的梯级总发电量；

所述优先蓄水模式的目标函数为：

H_i，end＝H_i，order (11)

式中，F为函数目标，T表示总时段数，I表示梯级总电站数量，N_t,i表示在第t个时段内、梯级第i个电站的发电量，H_i，end第i个电站预见期末的水位，H_i，order表示根据中长期调度方案第i个电站预见期末的目标水位。

6.根据权利要求2所述的一种梯级水电站汛期智能调度方法，其特征在于，所述优化调度策略的方法包括以下步骤：

将实际调度过程反馈给中长期模型，滚动更新所述中长期调度方案；

根据预报来水、计划电量、已发电量、市场预测结果实时对所述中长期调度方案和所述旬内逐日调度方案进行滚动修正；

所述滚动修正的方法包括：第一个时段过后，以实际执行的结果作为第二时段的初始条件，依据更新后的预报信息重新计算。

7.根据权利要求2所述的一种梯级水电站汛期智能调度方法，其特征在于，所述根据所述水情预报信息和电力市场的预测信息制定调度策略还包括以下步骤：

在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；

选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选。

8.根据权利要求2所述的一种梯级水电站汛期智能调度方法，其特征在于，所述根据所述水情预报信息和电力市场的预测信息制定调度策略还包括以下步骤：

展示调度结果，所述调度结果包括实测的调度结果与预测的调度结果，所述调度结果包括各大水库出、入库流量过程，并通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位；

进行实测的调度结果与预测的调度结果对比。

9.一种梯级水电站汛期智能调度决策支持系统，其特征在于，所述系统包括：

信息获取模块：用于获取水情预报信息和电力市场的预测信息；

策略制定模块：用于根据所述水情预报信息和电力市场的预测信息制定调度策略，所述调度策略包括所述中长期调度策略和短期调度策略；

策略优化模块：用于优化调度策略；

决策生成模块：用于根据优化后的调度策略，生成调度决策。

10.根据权利要求9所述的梯级水电站汛期智能调度决策支持系统，其特征在于，所述系统还集成有调度信息自动采集和输入模块、调度方案比选模块、流域调度模拟推演模块、调度决策智能生成模块和调度结果展示模块；

其中，所述调度方案比选模块是用于在调度方案的编制阶段灵活选择调度的尺度和调度周期，通过改变目标、约束集、约束参数，生成多组方案；并选择相同调度尺度和调度周期下的不同优化调度方案，采用方案特征指标比选法和过程线比选法，对所述多组方案进行比选；

所述调度结果展示模块用于展示各大水库出、入库流量过程，可通过输入水位、入库流量、出库流量、日期来查询预测的流量、水位，并展示实测的调度结果与预测的调度结果对比结果。

Images