CN113704680A - 一种基于水库调节系数排序的水电站群发电优化方法 - Google Patents
一种基于水库调节系数排序的水电站群发电优化方法 Download PDFInfo
- Publication number
- CN113704680A CN113704680A CN202111021794.6A CN202111021794A CN113704680A CN 113704680 A CN113704680 A CN 113704680A CN 202111021794 A CN202111021794 A CN 202111021794A CN 113704680 A CN113704680 A CN 113704680A
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- hydropower
- optimization
- station group
- stations
- 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 87
- 238000010248 power generation Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 abstract description 5
- 238000004445 quantitative analysis Methods 0.000 abstract description 4
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种基于水库调节系数排序的水电站群发电优化方法,包括以下步骤:收集待优化水电站群中各水电站的基础水文数据,根据所述基础水文数据计算水电站群各水电站的水库调节系数,对水电站群中各水电站进行编号,初始化水电站群中各水电站的原始出力数据,根据各水电站编号G生成对应的优化标志变量,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据,输出各水电站的优化出力数据。通过对水电站的调节能力进行更为精细的定量化分析。解决了现有水电站群联合优化调度问题约束边界复杂,搜索空间的离散化分段非常困难,水电站群优化模型的求解难度大的问题。
Description
技术领域
本申请涉及电力系统技术领域,尤其涉及一种基于水库调节系数排序的水电站群发电优化方法。
背景技术
在大规模水电系统中,由于流域、调度单位的不同,水电站群通常进行分区域或分级管理,但各水电站分区之间的调节能力往往存在较大差异,现有的水电站群优化过程中往往以“日调节、季调节、年调节”等对水电站调节能力进行粗略划分,导致优化结果不能较好地发挥水电站群的多时间尺度调节能力。例如:决策变量维数随着电站数量增加呈线性增长,同时目标函数次数将呈指数增长,极易陷入“维数灾”而导致问题难以求解;初始解分布范围不理想将造成可行解数量不足、算法收敛速度较慢以及计算精度偏低等问题;联合优化调度问题约束边界复杂,搜索空间的离散化分段非常困难,加剧了水电站群优化模型的求解难度。
因此,需要对水电站的调节能力进行更为精细的定量化分析,从而明确水电站群中各水电站的优化顺序,并以大系统分解协调理论为指导,采用分层循环逐步计算的手段,得到大规模水电站群的发电优化结果。
发明内容
为克服现有技术中存在的问题,本发明提供一种基于水库调节系数排序的水电站群发电优化方法,通过对水电站的调节能力进行更为精细的定量化分析,从而明确水电站群中各水电站的优化顺序,并以大系统分解协调理论为指导,采用分层循环逐步计算的手段,得到大规模水电站群的发电优化结果。解决了现有水电站群联合优化调度问题约束边界复杂,搜索空间的离散化分段非常困难,水电站群优化模型的求解难度大的问题。
本申请提供了一种基于水库调节系数排序的水电站群发电优化方法,包括以下步骤:
收集待优化水电站群中各水电站的基础水文数据,所述基础水文数据包括兴利库容、死库容、最大工作水头和最小工作水头;
根据所述基础水文数据计算水电站群各水电站的水库调节系数,并根据所述水库调节系数从小到大的顺序对水电站群中各水电站进行编号G(G=1.2.3...n);
初始化水电站群中各水电站的原始出力数据,根据各水电站编号G生成对应的优化标志变量g(g=1.2.3...n),所述优化标志变量g为优化流程中水电站的优化顺序;
通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
所述方法还包括:
若优化标志变量g小于水电站总数n,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
所述兴利库容为正常蓄水位与死水位之间的库容;死库容为死水位以下的水库容积,最大工作水头为正常蓄水位与单机发电尾水位的差值,最小工作水头为死水位与全部机组最大发电流量对应尾水位的差值。
所述根据所述基础水文数据计算水电站群各水电站的水库调节系数,其计算方法如下:
式中:Ve为兴利库容,单位为Mm3;Vn为死库容,单位为Mm3;Hm为最大工作水头,单位为m;Hn为最小工作水头,单位为m。
所述标函数如下:
式中:
Lt为电力系统典型年月平均净负荷,单位为MW,t=1,2,…,12为月份编号;
Nt为风电、光伏联合月平均出力,单位为MW;
Pg,t为待选第g座水电站的待优化出力,为决策变量,单位为MW;
所述优化处理的方法可以为混合整数规划法、粒子群算法或加速变步长搜索算法。
根据发电出力优化结果,修正当前水电站的原始出力数据,其计算公式如下:
G=g
由以上的技术方案可知,本申请提供了一种基于水库调节系数排序的水电站群发电优化方法,包括以下步骤:收集待优化水电站群中各水电站的基础水文数据,根据所述基础水文数据计算水电站群各水电站的水库调节系数,对水电站群中各水电站进行编号,初始化水电站群中各水电站的原始出力数据,根据各水电站编号G生成对应的优化标志变量,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据,输出各水电站的优化出力数据。通过对水电站的调节能力进行更为精细的定量化分析。解决了现有水电站群联合优化调度问题约束边界复杂,搜索空间的离散化分段非常困难,水电站群优化模型的求解难度大的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本申请提出的一种基于水库调节系数排序的水电站群发电优化方法的流程示意图。
具体实施方式
参见图1,本申请提供了一种基于水库调节系数排序的水电站群发电优化方法,包括以下步骤:
收集待优化水电站群中各水电站的基础水文数据,所述基础水文数据包括兴利库容、死库容、最大工作水头和最小工作水头;
根据所述基础水文数据计算水电站群各水电站的水库调节系数,并根据所述水库调节系数从小到大的顺序对水电站群中各水电站进行编号G(G=1.2.3...n);
初始化水电站群中各水电站的原始出力数据,根据各水电站编号G生成对应的优化标志变量g(g=1.2.3...n),所述优化标志变量g为优化流程中水电站的优化顺序;
通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
所述方法还包括:
若优化标志变量g小于水电站总数n,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
所述兴利库容为正常蓄水位与死水位之间的库容;死库容为死水位以下的水库容积,最大工作水头为正常蓄水位与单机发电尾水位的差值,最小工作水头为死水位与全部机组最大发电流量对应尾水位的差值。
所述根据所述基础水文数据计算水电站群各水电站的水库调节系数,其计算方法如下:
式中:Ve为兴利库容,单位为Mm3;Vn为死库容,单位为Mm3;Hm为最大工作水头,单位为m;Hn为最小工作水头,单位为m。
所述标函数如下:
式中:
Lt为电力系统典型年月平均净负荷,单位为MW,t=1,2,…,12为月份编号;
Nt为风电、光伏联合月平均出力,单位为MW;
Pg,t为待选第g座水电站的待优化出力,为决策变量,单位为MW;
所述优化处理的方法可以为混合整数规划法、粒子群算法或加速变步长搜索算法。
根据发电出力优化结果,修正当前水电站的原始出力数据,其计算公式如下:
G=g
由上述内容可知,本申请实施例提供的技术方案,包括以下步骤:收集待优化水电站群中各水电站的基础水文数据,所述基础水文数据包括兴利库容、死库容、最大工作水头和最小工作水头,根据所述基础水文数据计算水电站群各水电站的水库调节系数,并根据所述水库调节系数从小到大的顺序对水电站群中各水电站进行编号G(G=1.2.3...n),初始化水电站群中各水电站的原始出力数据,根据各水电站编号G生成对应的优化标志变量g(g=1.2.3...n),所述优化标志变量g为优化流程中水电站的优化顺序,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果,根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据,将当前水电站的优化标志变量g变更为g=g+1,判断优化标志变量g是否大于水电站群所包含的水电站总数n,若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。通过对水电站的调节能力进行更为精细的定量化分析。解决了现有水电站群联合优化调度问题约束边界复杂,搜索空间的离散化分段非常困难,水电站群优化模型的求解难度大的问题。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于水库调节系数排序的水电站群发电优化方法,其特征在于,包括以下步骤:
收集待优化水电站群中各水电站的基础水文数据,所述基础水文数据包括兴利库容、死库容、最大工作水头和最小工作水头;
根据所述基础水文数据计算水电站群各水电站的水库调节系数,并根据所述水库调节系数从小到大的顺序对水电站群中各水电站进行编号G(G=1.2.3...n);
初始化水电站群中各水电站的原始出力数据,根据编号G生成对应的优化标志变量g(g=1.2.3...n),所述优化标志变量g为优化流程中水电站的优化顺序;
通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
2.根据权利要求1所述的一种基于水库调节系数排序的水电站群发电优化方法,其特征在于,所述方法还包括:
若优化标志变量g小于水电站总数n,通过目标函数依次对各水电站的发电出力进行优化处理,得到发电出力优化结果;
根据发电出力优化结果,修正当前水电站的原始出力数据,得到优化出力数据;
将当前水电站的优化标志变量g变更为g=g+1;
判断优化标志变量g是否大于水电站群所包含的水电站总数n;
若优化标志变量g大于水电站总数n,输出各水电站的优化出力数据。
3.根据权利要求2所述的方法,其特征在于,所述兴利库容为正常蓄水位与死水位之间的库容;死库容为死水位以下的水库容积,最大工作水头为正常蓄水位与单机发电尾水位的差值,最小工作水头为死水位与全部机组最大发电流量对应尾水位的差值。
7.根据权利要求6所述的一种基于水库调节系数排序的水电站群发电优化方法,其特征在于,所述优化处理的方法可以为混合整数规划法、粒子群算法或加速变步长搜索算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021794.6A CN113704680B (zh) | 2021-09-01 | 2021-09-01 | 一种基于水库调节系数排序的水电站群发电优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021794.6A CN113704680B (zh) | 2021-09-01 | 2021-09-01 | 一种基于水库调节系数排序的水电站群发电优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113704680A true CN113704680A (zh) | 2021-11-26 |
CN113704680B CN113704680B (zh) | 2022-12-23 |
Family
ID=78658811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111021794.6A Active CN113704680B (zh) | 2021-09-01 | 2021-09-01 | 一种基于水库调节系数排序的水电站群发电优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704680B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065206A (zh) * | 2012-12-27 | 2013-04-24 | 大连理工大学 | 复杂时段耦合型约束下的水电站群变尺度优化调度方法 |
CN110400232A (zh) * | 2019-06-28 | 2019-11-01 | 云南电网有限责任公司 | 考虑电网断面约束的水电站群月度交易计划电量分解方法 |
-
2021
- 2021-09-01 CN CN202111021794.6A patent/CN113704680B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065206A (zh) * | 2012-12-27 | 2013-04-24 | 大连理工大学 | 复杂时段耦合型约束下的水电站群变尺度优化调度方法 |
CN110400232A (zh) * | 2019-06-28 | 2019-11-01 | 云南电网有限责任公司 | 考虑电网断面约束的水电站群月度交易计划电量分解方法 |
Non-Patent Citations (2)
Title |
---|
唐海东等: "基于改进搜索特性的粒子群算法的水电站优化调度研究", 《水电与抽水蓄能》 * |
申建建等: "大型梯级水电站群调度混合非线性优化方法", 《中国科学:技术科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113704680B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108306303B (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN108365608B (zh) | 一种区域能源互联网不确定优化调度方法及系统 | |
CN113193600B (zh) | 计及风电概率分布不确定性的电力系统调度方法及装置 | |
CN109523084A (zh) | 一种基于主元分析和机器学习的风电功率超短期预测方法 | |
CN114792156A (zh) | 基于曲线特征指标聚类的光伏输出功率预测方法和系统 | |
CN112070311A (zh) | 基于相似日聚类和气象因子赋权的日前光功率预测方法 | |
CN116028838B (zh) | 一种基于聚类算法的能源数据处理方法、装置及终端设备 | |
CN113268931A (zh) | 一种基于多目标黏菌优化算法重构光伏阵列的方法与系统 | |
CN109149656B (zh) | 一种气-电互联综合能源系统机组组合方法 | |
CN115115127A (zh) | 一种基于深度学习的低压台区智能调控方法及系统 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN113363976B (zh) | 一种基于场景图的风光水互补发电系统中期优化调度方法 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN113704680B (zh) | 一种基于水库调节系数排序的水电站群发电优化方法 | |
CN113033136B (zh) | 简化的光伏电池物理参数提取优化方法及系统 | |
CN116154875A (zh) | 基于tcn和误差函数的光伏电站有功功率优化分配方法 | |
CN116128211A (zh) | 基于风光不确定性预报场景的风光水联合短期优化调度方法 | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
CN113159437B (zh) | 一种短期光伏发电输出功率的预测方法 | |
CN113708380A (zh) | 风-光-储混合系统区域无功储备多目标优化方法 | |
CN112633565A (zh) | 一种光伏功率集合区间预测方法 | |
CN112215383A (zh) | 一种分布式光伏发电功率预测方法和系统 | |
CN111652449A (zh) | 一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型 | |
CN112734093B (zh) | 基于计算机的制氢装置容量优化配置方法 | |
CN116488158B (zh) | 一种基于迁移学习的风电中长期电量预测的方法及装置 |
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 |