CN113944639B - 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法 - Google Patents

基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法 Download PDF

Info

Publication number
CN113944639B
CN113944639B CN202111202257.1A CN202111202257A CN113944639B CN 113944639 B CN113944639 B CN 113944639B CN 202111202257 A CN202111202257 A CN 202111202257A CN 113944639 B CN113944639 B CN 113944639B
Authority
CN
China
Prior art keywords
angle
pump station
time
period
constraint
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.)
Active
Application number
CN202111202257.1A
Other languages
English (en)
Other versions
CN113944639A (zh
Inventor
程浩淼
程吉林
王诗文
王梦磊
龚懿
张礼华
陈兴
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.)
Yangzhou University
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN202111202257.1A priority Critical patent/CN113944639B/zh
Publication of CN113944639A publication Critical patent/CN113944639A/zh
Application granted granted Critical
Publication of CN113944639B publication Critical patent/CN113944639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D13/00—Pumping installations or systems
    • F04D13/02—Units comprising pumps and their driving means
    • F04D13/06—Units comprising pumps and their driving means the pump being electrically driven
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0055—Rotors with adjustable blades
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/81—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/71—Type of control algorithm synthesized, i.e. parameter computed by a mathematical model

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种基于R‑IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，包括以下步骤：步骤1）根据泵站单机组数据建立模型，建立以开机运行总耗电费用最少为目标函数，各时段开关机变量和叶片安放角为决策变量，同时需满足规定时段内的提水总量约束、电动机额定功率约束和开关机约束；步骤2）对于上述模型，采用0‑1随机更新和改进粒子群的组合优化算法进行求解，得到泵站单机组的控制参数，包括时均扬程、不同时段的开关机状态、不同时段的叶片安放角、时段流量、装置效率、时段提水量和运行总耗电费用；步骤3）根据上述控制参数控制泵站单机组运行；本发明实现了泵站运行的经济合理的最优配置，并取得调度期内的最小运行费用。

Description

基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控 制方法
技术领域
本发明涉及泵站优化调度技术领域，特别涉及一种泵站单机组控制方法。
背景技术
近年来，随着南水北调工程的建设，诸多学者对于跨流域调水泵站的优化运行的研究日益深入，并取得了一定的成果。国内外对泵站(群)优化运行已有许多研究：(1)在模型构建方面，主要是以泵站运行费用最低为目标，此过程中很少考虑将开关机损耗。泵站频繁开开停机，对于实行峰谷电价的泵站，可以实现峰电停机、谷电提水，减少运行成本；对于潮汐影响的沿江滨海地区泵站，可以根据外河水位变幅情况，通过开停机方案调整，提高降低泵站运行能耗。但是，泵机组频繁开关机，工程损耗增大、影响泵站经济寿命，对于跨流域调水泵站这一类需要长期运行的大型泵站而言，如何在其经济运行过程中充分考虑开关机带来的损耗具有十分重要的现实意义。(2)在模型求解方面，主要包括动态规划法、遗传算法、蚁群算法、狼群算法试和系统试验选优法等，但上述求解方法或多或少存在“非优解”、“计算量大”和“效率低”等问题。
发明内容
针对现有技术中存在的不足，本发明提供了一种基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，在考虑变角调节的基础上引入泵站开关机状态，并在目标函数中，增加每开停机1次的损耗值c，来解决泵站开停机带来的不利影响，且在约束条件中增加了泵站一次运行过程中，泵站开停机的总数约束，使得泵站控制更加高效。
本发明的目的是这样实现的：一种基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，包括以下步骤：
步骤1)根据泵站单机组数据建立模型，建立以开机运行总耗电费用最少为目标函数，各时段开关机变量和叶片安放角为决策变量，同时需满足规定时段内的提水总量约束、电动机额定功率约束和开关机约束；
步骤2)对于上述模型，采用0-1随机更新和改进粒子群的组合优化算法进行求解，得到泵站单机组的控制参数，包括时均扬程、不同时段的开关机状态、不同时段的叶片安放角、时段流量、装置效率、时段提水量；
步骤3)根据上述控制参数控制泵站单机组运行。
作为本发明的进一步限定，步骤1)中模型具体为：
目标函数：
约束1提水总量约束：
约束2额定功率约束：Ni(θi)≤N0 (3)
约束3开关机约束：
式中：F为单机组1日运行的能耗费用；
i为机组运行的第i时段；SN为泵站优化运行时段总数，ki为开关机状态系数，其中：ki＝0为泵站在第i时段处于关机状态，ki＝1为泵站在第i时段开机状态；c为泵站机组停机、开机1次的损耗费用；ρ为水密度；g为重力加速度；Hi为第i时段的平均扬程；Qi(θi)为在第i时段的水泵流量，当日均扬程Hi一定时，其为叶片安放角θi的函数；△Ti为第i时段的时间长度；Pi为第i时段的电价；We为单机组日提水总量；ηz,i(θi)、ηmot、ηint、ηf分别指水泵装置效率、电动机效率、传动效率和变频效率，ηz,i(θi)与第i时段流量、扬程有关；在负荷大于60％时，可以认为电动机效率ηmot基本不变，大型电机的ηmot值在94％左右；直连机组的传动效率ηint为100％；大功率PWM高压变频器的变频效率ηf在96％左右；Ni(θi)为第i时段对应叶片安放角θi的实际功率，应小于等于电动机额定功率N0；O为泵站每日最大开关机次数。
作为本发明的进一步限定，步骤2)求解方法具体步骤如下：
Step1参数设置：候选解个数为N、最大运动速度Vmax、叶片安放角度θ范围θmin和θmax、当前迭代次数g和最大迭代数Gk；
Step2协同多样化更新初始化：生成具有对应关系的开关机状态0-1矩阵State和叶片安放角度矩阵Angle，并将两矩阵的每一行组合起来作为一组候选解，即：候选解由State和Angle组成；由于每个候选解同时具有位置与速度两个属性，在生成候选解时，需要同时对两属性值进行初始化；同时，State和Angle通过式5和式6采用协同多样化的方式进行随机更新；
式中：State(i)g：为g次迭代第i个表示开关机状态的候选解位置，λ和δ为偏移系数，分别取值为0.3和0.7，α为[0,1]之间的随机数，β为服从[0,1]均匀分布的随机数；S_V(i)g为g次迭代第i个表示开关机状态的候选解速度，Vmax为最大运动速度；Angle(i)g为g次迭代第i个叶片安放角的候选解位置，θmax和θmax分别表示叶片最大和最小安放角度；A_V(i)g为g次迭代第i个表示叶片安放角的候选解速度；
Step3离散化处理：对生成的候选解通过四舍五入方式进行离散化处理，将开机状态矩阵State离散为0和1两种逻辑值，以对应关和开两种状态；为方便安装调节，将叶片安放角矩阵Angle离散为整数角度；
Step4约束处理：根据式2-4进行约束处理，删除不满足条件的候选解，并根据Step2和Step3重新生成，直至所有候选解满足以上约束；
Step5适应度求解及最优位置更新：根据式1计算每组候选解的适应度值；并根据适应度值，将当前位置与前一最优位置pbest适作比较，如果较好，则更新当前位置为局部最优最优位置pbest；将当前位置与历史最优位置gbest作比较，如果较好，则更新当前位置为全局最优位置gbest；
Step6候选解的组合更新：R-IPSO对于不同的决策变量，采取不同的更新策略；针对State矩阵：每次迭代均通过式5进行协同多样化更新；针对Angle矩阵，每次迭代过程通过式7-9进行更新，并将生成的State矩阵与Angle矩阵进行组合计算；Angle矩阵位置与速度更新公式如下：
Angle(i)g+1＝Angle(i)g+A_V(i)g (7)
A_V(i)g+1＝ωg·V(i)g+c1·α·(pbestg-Angle(i)g)+c2·α·(gbestg-Angle(i)g) (8)
式中：Angle(i)g+1表示g+1次迭代第i组候选解位置，Angle(i)g表示g次迭代第i组候选解位置，A_V(i)g表示g次迭代第i组候选解速度；A_V(i)g+1表示g+1次迭代第i组候选解速度，ωg+1表示g+1次迭代的惯性权重因子(式9)，其中，ωini＝0.93，ωend＝0.41，Gk表示最大迭代数，g表示当前迭代数，c1和c2表示学习因子，取值均为2，pbestg：第g次迭代最优位置，gbestg：g次迭代中的最优位置；
Step7Angle矩阵的二分修正更新：对更新后不在可行域范围内的候选解Angle矩阵，包括位置和速度，进行二分修正更新，其过程为：对比候选解与可行域，对不在可行域范围内的候选解进行以下操作，随机生成二分次数τ，并将可行域二分一次；进一步判断候选解与可行域的关系(小于或大于)，若小于取左侧可行域，反之取右侧；依次将可行域进行二分直至达到二分次数τ，每次二分会得到两个左右子区间，随机选择其中一个，最终得到二分更新区间，生成此区间的均匀分布数，替换不在可行域范围的候选解，完成二分修正更新；
Step8判断迭代条件：当g≤Gk，重复Step3-Step7，直至退出迭代过程并输出结果，其结果信息包括，时均扬程Hi、不同时段的开关机状态ki、不同时段的叶片安放角θi、时段流量Qi、装置效率ηi、时段提水量和运行总耗电费用minF。
作为本发明的进一步限定，步骤1)中时段日均扬程H和典型潮位的设计过程为，分析泵站日平均水位和平均潮位，确定日均扬程H；选定典型潮位的时间范围，确定该时间段的平均高潮位、平均潮位、平均低潮位、潮差，平均涨潮时间、平均落潮时间，拟合得到满足上述特征的潮位曲线。
作为本发明的进一步限定，步骤1)中时段i的划分以及时均扬程Hi的确定具体过程为，根据泵站所处地区的分时电价信息，按照电价划分为SN个时段，确定ΔTi，i∈[1,SN]，得到电价Pi，并根据日均扬程H和潮位曲线，得出时均扬程Hi。
作为本发明的进一步限定，步骤1)中扬程H会影响流量Q的大小，流量Q会影响机组效率η，根据H-Q和Q-η的对应关系，采用多样式拟合方式设计Q-H、Q-η性能曲线，并根据曲线，得到日均扬程H对应的各时段叶片安放角θi下的流量Qi、时均扬程Hi、装置效率ηi和电价Pi。
本发明的有益效果为：
(1)本发明在传统的叶片全调节泵站单机组模型的基础上，首次考虑了泵站开关机对泵站运行费用的影响。本发明在模型中引入了泵站开关机状态这一“0-1”变量，使用惩罚单价c表征泵站启停机带来的经济损耗，构建了一种考虑开停机损耗的叶片全调节泵站单机组优化运行模型；该模型以开机运行总耗电费用最少(minF)为目标函数，各时段开关机变量(ki)和叶片安放角(θi)为决策变量，同时需满足规定时段内的提水总量约束、电动机额定功率约束和开关机约束，通过此模型可以得到更为经济且合理的泵站优化方案；
(2)本发明提出的考虑开停机损耗的叶片全调节泵站单机组优化运行模型本质上是一个具有复杂离散变量的的组合优化问题。针对该模型变量的高度离散特征，本文针对性的提出了0-1随机更新和改进粒子群的组合优化算法(R-IPSO)对其进行求解，极大地提高了传统算法对该复杂模型的求解精度和收敛速度；①R-IPSO针对“0-1”决策变量ki进行0-1随机更新策略，极大的降低了计算成本并加速了更新速度；②R-IPSO采用协同多样化更新策略对离散决策变量θi进行初始化，提高了θi候选解的质量以及θi的收敛速度；③R-IPSO还提出二分修正更新对不在可行域范围内的候选解进行修正替换，改善了迭代过程中多样性丢失的问题，进一步提高了收敛精度，使得优化过程更加高效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为发明控制流程图。
图2为本发明各运行工况下IPSO优化运行与常规优化运行单位提水费用节约百分比。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以江都四站为例，研究组合优化算法(R-IPSO)与常规优化调度对于模型求解结果的优化对比。江都四站安装7台套立式轴流泵，机组额定转速n＝150r/min，叶轮直径为2900mm。水泵叶片为液压全调节，设计叶片安放角θ＝0°，其调节范围为[-4°，+4°]，电动机额定功率N0＝3440kW。要求单机组满负荷运行，提水量大于2.95×106m3/d，根据泵站服役期，取得惩罚单价c＝2000,以此对江都四站进行优化分析。
如图1所示，一种考虑开停机损耗的泵站单机组控制方法，包括以下步骤：
步骤1)建立模型：建立以开机运行总耗电费用最少(minF)为目标函数，各时段开关机变量(ki)和叶片安放角(θi)为决策变量，同时需满足规定时段内的提水总量约束、电动机额定功率约束和开关机约束。具体优化模型如下：
目标函数：
约束1提水总量约束：
约束2额定功率约束：Ni(θi)≤N0 (3)
约束3开关机约束：
式中：F为单机组1日运行的能耗费用(元)；i为机组运行的第i时段；SN为泵站优化运行时段总数；ki为开关机状态系数，其中：ki＝0为泵站在第i时段处于关机状态，ki＝1为泵站在第i时段开机状态；c为泵站机组停机、开机1次的损耗费用(元)；ρ为水密度(kg/m3)；g为重力加速度(m/s2)；Hi为第i时段的平均扬程(m)；Qi(θi)为在第i时段的水泵流量(m3/s)，当日均扬程(Hi)一定时，其为叶片安放角(θi)的函数；△Ti为第i时段的时间长度(h)；Pi为第i时段的电价(元/kw·h)；We为单机组日提水总量(万m3)；ηz,i(θi)、ηmot、ηint、ηf分别指水泵装置效率、电动机效率、传动效率和变频效率，ηz,i(θi)与第i时段流量、扬程有关；在负荷大于60％时，可以认为电动机效率(ηmot)基本不变，大型电机的ηmot值在94％左右；直连机组的传动效率(ηint)为100％；大功率PWM高压变频器的变频效率(ηf)在96％左右；Ni(θi)为第i时段对应叶片安放角θi的实际功率，应小于等于电动机额定功率N0；O为泵站每日最大开关机次数。
步骤2)求解模型：采用0-1随机更新和改进粒子群的组合优化算法(R-IPSO)进行求解，具体步骤如下：
Step1 R-IPSO参数设置：候选解个数为N、最大运动速度Vmax、叶片安放角度θ范围(θmin和θmax)、当前迭代次数g和最大迭代数Gk。
Step2协同多样化更新初始化：生成具有对应关系的开关机状态0-1矩阵(State)和叶片安放角度矩阵(Angle)，并将两矩阵的每一行组合起来作为一组候选解，即：候选解由State和Angle组成。由于每个候选解同时具有位置与速度两个属性，在生成候选解时，需要同时对两属性值进行初始化。同时，State和Angle通过式(5)和式(6)采用协同多样化的方式进行随机更新。
式中：State(i)g：为g次迭代第i个表示开关机状态的候选解位置，λ和δ为偏移系数，分别取值为0.3和0.7，α为[0,1]之间的随机数，β为服从[0,1]均匀分布的随机数；S_V(i)g为g次迭代第i个表示开关机状态的候选解速度，Vmax为最大运动速度；Angle(i)g为g次迭代第i个叶片安放角的候选解位置，θmax和θmax分别表示叶片最大和最小安放角度；A_V(i)g为g次迭代第i个表示叶片安放角的候选解速度。
Step3离散化处理：对生成的候选解通过四舍五入方式进行离散化处理，将开机状态矩阵State离散为0和1两种逻辑值，以对应关和开两种状态；为方便安装调节，将叶片安放角矩阵Angle离散为整数角度。
Step4约束处理：根据式2-4进行约束处理，删除不满足条件的候选解，并根据Step2和Step3重新生成，直至所有候选解满足以上约束。
Step5适应度求解及最优位置更新：根据式1计算每组候选解的适应度值。并根据适应度值，将当前位置与前一最优位置pbest适作比较，如果较好，则更新当前位置为局部最优最优位置pbest；将当前位置与历史最优位置gbest作比较，如果较好，则更新当前位置为全局最优位置gbest。
Step6候选解的组合更新：R-IPSO对于不同的决策变量，采取不同的更新策略；针对State矩阵：每次迭代均通过式(5)进行协同多样化更新；针对Angle矩阵，每次迭代过程通过式(7-9)进行更新，并将生成的State矩阵与Angle矩阵进行组合计算；Angle矩阵位置与速度更新公式如下：
Angle(i)g+1＝Angle(i)g+A_V(i)g (7)
A_V(i)g+1＝ωg·V(i)g+c1·α·(pbestg-Angle(i)g)+c2·α·(gbestg-Angle(i)g) (8)
式中：Angle(i)g+1表示g+1次迭代第i组候选解位置，Angle(i)g表示g次迭代第i组候选解位置，A_V(i)g表示g次迭代第i组候选解速度；A_V(i)g+1表示g+1次迭代第i组候选解速度，ωg+1表示g+1次迭代的惯性权重因子(式9)，其中，ωini＝0.93，ωend＝0.41，Gk表示最大迭代数，g表示当前迭代数，c1和c2表示学习因子，取值均为2，pbestg：第g次迭代最优位置，gbestg：g次迭代中的最优位置。
Step7Angle矩阵的二分修正更新：对更新后不在可行域范围内的候选解Angle矩阵(包括位置和速度)进行二分修正更新，其过程为：对比候选解与可行域，对不在可行域范围内的候选解进行以下操作，随机生成二分次数τ，并将可行域二分一次；进一步判断候选解与可行域的关系(小于或大于)，若小于取左侧可行域，反之取右侧；依次将可行域进行二分直至达到二分次数τ，每次二分会得到两个左右子区间，随机选择其中一个，最终得到二分更新区间，生成此区间的均匀分布数，替换不在可行域范围的候选解，完成二分修正更新。
Step8判断迭代条件：当g≤Gk，重复Step3-Step7，直至退出迭代过程并输出结果，其结果信息包括，时均扬程Hi、不同时段的开关机状态ki、不同时段的叶片安放角θi、时段流量Qi、装置效率ηi、时段提水量和运行总耗电费用minF；
步骤3)根据上述控制参数控制泵站单机组运行。
步骤1)中时段日均扬程H和典型潮位的设计，其过程为，分析泵站日平均水位和平均潮位，确定日均扬程H；选定典型潮位的时间范围，确定该时间段的平均高潮位、平均潮位、平均低潮位、潮差，平均涨潮时间、平均落潮时间，拟合(如，多项式拟合和三次样条插值拟合等)得到满足上述特征的潮位曲线。
步骤1)中时段i的划分以及时均扬程Hi的确定，其具体过程为，根据泵站所处地区的分时电价信息，按照电价划分为SN个时段，确定ΔTi(i∈[1,SN])，得到电价Pi，并根据日均扬程H和潮位曲线，得出时均扬程Hi。
步骤1)中Q-H、Q-η性能曲线。扬程H会影响流量Q的大小，流量Q会影响机组效率η，根据H-Q和Q-η的对应关系，采用多样式拟合方式设计Q-H、Q-η性能曲线，并根据曲线，得到日均扬程H对应的各时段叶片安放角θi下的流量Qi、时均扬程Hi、装置效率ηi和电价Pi。
由图2可知，不论日均扬程H如何变化，采用IPSO的优化结果都是优于常规优化的。当日均扬程分别为6.8m，5.8m，4.8m，3.8m时，分别以100％，80％，60％负荷提水量作为约束水量进行优化，并与常规优化运行对比，日均扬程6.8、5.8、4.8及3.8m时不同提水负荷下优化运行相较常规优化运行单位提水费用平均节省了1.64％-8.07％，7.89％-8.46％，4.81％-15.49％，5.98％-17.55％。
表1为日均扬程7.8m条件下各时段电价及对应时均扬程，表2为优化调度结果对比，考虑开关机损耗，当日均扬程7.8m，以80％满负荷提水量作为约束水量进行优化运行时，与常规优化运行(仅考虑变角优化)比较，单位费用分别节省4.7％。表中具体结果信息包括，时均扬程Hi、不同时段的开关机状态ki、不同时段的叶片安放角θi、时段流量Qi、装置效率ηi、时段提水量、运行总耗电费用minF。
表1各时段电价及对应时均扬程(以日均扬程7.8m为例)
表2日均扬程7.8m，80％负荷工作的优化运行过程
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (4)

1.一种基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，其特征在于，包括以下步骤：
步骤1)根据泵站单机组数据建立模型，建立以开机运行总耗电费用最少为目标函数，各时段开关机变量和叶片安放角为决策变量，同时需满足规定时段内的提水总量约束、电动机额定功率约束和开关机约束，模型具体为：
目标函数：
约束1提水总量约束：
约束2额定功率约束：Ni(θi)≤N0(3)
约束3开关机约束：
式中：F为单机组1日运行的能耗费用；i为机组运行的第i时段；SN为泵站优化运行时段总数，ki为开关机状态系数，其中：ki＝0为泵站在第i时段处于关机状态，ki＝1为泵站在第i时段开机状态；c为泵站机组停机、开机1次的损耗费用；ρ为水密度；g为重力加速度；Hi为第i时段的平均扬程；Qi(θi)为在第i时段的水泵流量，当日均扬程Hi一定时，其为叶片安放角θi的函数；△Ti为第i时段的时间长度；Pi为第i时段的电价；We为单机组日提水总量；ηz,i(θi)、ηmot、ηint、ηf分别指水泵装置效率、电动机效率、传动效率和变频效率，ηz,i(θi)与第i时段流量、扬程有关；在负荷大于60％时，认为电动机效率ηmot基本不变，大型电机的ηmot值为94％；直连机组的传动效率ηint为100％；大功率PWM高压变频器的变频效率ηf为96％；Ni(θi)为第i时段对应叶片安放角θi的实际功率，应小于等于电动机额定功率N0；O为泵站每日最大开关机次数；
步骤2)对于上述模型，采用0-1随机更新和改进粒子群的组合优化算法进行求解，得到泵站单机组的控制参数，包括时均扬程、不同时段的开关机状态、不同时段的叶片安放角、时段流量、装置效率、时段提水量，求解方法具体步骤如下：
Step1参数设置：候选解个数为N、最大运动速度Vmax、叶片安放角度θ范围θmin和θmax、当前迭代次数g和最大迭代数Gk；
Step2协同多样化更新初始化：生成具有对应关系的开关机状态0-1矩阵State和叶片安放角度矩阵Angle，并将两矩阵的每一行组合起来作为一组候选解，即：候选解由State和Angle组成；由于每个候选解同时具有位置与速度两个属性，在生成候选解时，需要同时对两属性值进行初始化；同时，State和Angle通过式5和式6采用协同多样化的方式进行随机更新；
式中：State(i)g：为g次迭代第i个表示开关机状态的候选解位置，λ和δ为偏移系数，分别取值为0.3和0.7，α为[0,1]之间的随机数，β为服从[0,1]均匀分布的随机数；S_V(i)g为g次迭代第i个表示开关机状态的候选解速度，Vmax为最大运动速度；Angle(i)g为g次迭代第i个叶片安放角的候选解位置，θmax和θmax分别表示叶片最大和最小安放角度；A_V(i)g为g次迭代第i个表示叶片安放角的候选解速度；
Step3离散化处理：对生成的候选解通过四舍五入方式进行离散化处理，将开机状态矩阵State离散为0和1两种逻辑值，以对应关和开两种状态；为方便安装调节，将叶片安放角矩阵Angle离散为整数角度；
Step4约束处理：根据式2-4进行约束处理，删除不满足条件的候选解，并根据Step2和Step3重新生成，直至所有候选解满足以上约束；
Step5适应度求解及最优位置更新：根据式1计算每组候选解的适应度值；并根据适应度值，将当前位置与前一最优位置pbest适作比较，如果较好，则更新当前位置为局部最优最优位置pbest；将当前位置与历史最优位置gbest作比较，如果较好，则更新当前位置为全局最优位置gbest；
Step6候选解的组合更新：R-IPSO对于不同的决策变量，采取不同的更新策略；针对State矩阵：每次迭代均通过式5进行协同多样化更新；针对Angle矩阵，每次迭代过程通过式7-9进行更新，并将生成的State矩阵与Angle矩阵进行组合计算；Angle矩阵位置与速度更新公式如下：
Angle(i)g+1＝Angle(i)g+A_V(i)g (7)
A_V(i)g+1＝ωg·V(i)g+c1·α·(pbestg-Angle(i)g)+c2·α·(gbestg-Angle(i)g) (8)
式中：Angle(i)g+1表示g+1次迭代第i组候选解位置，Angle(i)g表示g次迭代第i组候选解位置，A_V(i)g表示g次迭代第i组候选解速度；A_V(i)g+1表示g+1次迭代第i组候选解速度，ωg+1表示g+1次迭代的惯性权重因子，计算公式见式9，其中，ωini＝0.93，ωend＝0.41，Gk表示最大迭代数，g表示当前迭代数，c1和c2表示学习因子，取值均为2，pbestg：第g次迭代最优位置，gbestg：g次迭代中的最优位置；
Step7Angle矩阵的二分修正更新：对更新后不在可行域范围内的候选解Angle矩阵，包括位置和速度，进行二分修正更新，其过程为：对比候选解与可行域，对不在可行域范围内的候选解进行以下操作，随机生成二分次数τ，并将可行域二分一次；进一步判断候选解与可行域的关系，若候选解小于可行域，则取左侧可行域，反之取右侧可行域；依次将可行域进行二分直至达到二分次数τ，每次二分会得到两个左右子区间，随机选择其中一个，最终得到二分更新区间，生成此区间的均匀分布数，替换不在可行域范围的候选解，完成二分修正更新；
Step8判断迭代条件：当g≤Gk，重复Step3-Step7，直至退出迭代过程并输出结果，其结果信息包括，时均扬程Hi、不同时段的开关机状态ki、不同时段的叶片安放角θi、时段流量Qi、装置效率ηi、时段提水量和运行总耗电费用minF；
步骤3)根据上述控制参数控制泵站单机组运行。
2.根据权利要求1所述的基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，其特征在于，步骤1)中时段日均扬程H和典型潮位的设计过程为，分析泵站日平均水位和平均潮位，确定日均扬程H；选定典型潮位的时间范围，确定该时间范围的平均高潮位、平均潮位、平均低潮位、潮差，平均涨潮时间、平均落潮时间，拟合得到满足上述特征的潮位曲线。
3.根据权利要求1所述的基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，其特征在于，步骤1)中时段i的划分以及时均扬程Hi的确定具体过程为，根据泵站所处地区的分时电价信息，按照电价划分为SN个时段，确定ΔTi，i∈[1,SN]，得到电价Pi，并根据日均扬程H和潮位曲线，得出时均扬程Hi。
4.根据权利要求1所述的基于R-IPSO算法考虑开停机损耗的叶片全调节泵站单机组控制方法，其特征在于，步骤1)中扬程H会影响流量Q的大小，流量Q会影响机组效率η，根据H-Q和Q-η的对应关系，采用多样式拟合方式设计Q-H、Q-η性能曲线，并根据曲线，得到日均扬程H对应的各时段叶片安放角θi下的流量Qi、时均扬程Hi、装置效率ηi和电价Pi。
CN202111202257.1A 2021-10-15 2021-10-15 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法 Active CN113944639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111202257.1A CN113944639B (zh) 2021-10-15 2021-10-15 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111202257.1A CN113944639B (zh) 2021-10-15 2021-10-15 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法

Publications (2)

Publication Number Publication Date
CN113944639A CN113944639A (zh) 2022-01-18
CN113944639B true CN113944639B (zh) 2023-10-13

Family

ID=79330182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111202257.1A Active CN113944639B (zh) 2021-10-15 2021-10-15 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法

Country Status (1)

Country Link
CN (1) CN113944639B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116292336B (zh) * 2023-05-12 2023-09-19 安徽明泉水设备有限公司 一种水泵叶片检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101131394B1 (ko) * 2011-12-21 2012-04-03 장한기술 주식회사 부스터 펌프 시스템의 변유량 제어 장치 및 제어 방법
CN103807184A (zh) * 2014-02-17 2014-05-21 扬州大学 大型全调节水泵泵站变角优化运行叶片调节频度确定方法
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
CN109492819A (zh) * 2018-11-19 2019-03-19 扬州大学 基于时间优化分区的感潮泵站系统变台数+变角日优化运行方法
CN113190978A (zh) * 2021-04-13 2021-07-30 杭州电子科技大学 一种排涝泵站中电动机选型方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI654376B (zh) * 2018-04-17 2019-03-21 太琦科技股份有限公司 幫浦控制系統及其操作方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101131394B1 (ko) * 2011-12-21 2012-04-03 장한기술 주식회사 부스터 펌프 시스템의 변유량 제어 장치 및 제어 방법
CN103807184A (zh) * 2014-02-17 2014-05-21 扬州大学 大型全调节水泵泵站变角优化运行叶片调节频度确定方法
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
CN109492819A (zh) * 2018-11-19 2019-03-19 扬州大学 基于时间优化分区的感潮泵站系统变台数+变角日优化运行方法
CN113190978A (zh) * 2021-04-13 2021-07-30 杭州电子科技大学 一种排涝泵站中电动机选型方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于试验选优方法的多机组叶片全调节优化运行研究;龚懿;灌溉排水学报;第29卷(第4期);42-45 *
泵站单机组叶片调节与变频变速组合日运行优化方法研究;程吉林等;水力发电学报;第29卷(第6期);第218-220页 *

Also Published As

Publication number Publication date
CN113944639A (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN110445179B (zh) 一种保证柔塔共振穿越的风电场有功功率调度方法
WO2020103781A1 (zh) 基于时间优化分区的感潮泵站系统变台数+变角日优化运行方法
CN113944639B (zh) 基于r-ipso算法考虑开停机损耗的叶片全调节泵站单机组控制方法
CN110059345B (zh) 一种抽水蓄能机组相继甩负荷关机规律优化方法与系统
CN111476475B (zh) 多约束条件下梯级水电站短期优化调度方法
CN103384014A (zh) 基于最大净功率策略的质子交换膜燃料电池空气供应系统控制
CN114033713B (zh) 基于正交试验-动态规划组合算法的一组考虑开停机损耗的泵站控制方法
Liu et al. Optimization model for rotor blades of horizontal axis wind turbines
CN115455812A (zh) 一种供水泵站优化方法及系统
CN109586332B (zh) 一种含柔塔风电场的有功功率调度方法
CN113962419B (zh) 基于改进多目标布谷鸟搜索算法的热电联产机组负荷优化分配方法
CN114035432B (zh) 基于线性整数-动态规划组合算法的一组考虑开停机损耗的泵站控制方法
CN110390430A (zh) 一种避免频繁启停的变频式循环水泵优化运行方法
CN114089793B (zh) 一种利用自发风电与湖泊调蓄的调水方法
CN112084645B (zh) 一种基于混合迭代adp方法的锂离子电池储能系统能量管理方法
CN110735682B (zh) 一种基于多目标优化算法的分布式余压发电系统及调控方法
CN107273673A (zh) 一种考虑平抑风电波动的空调冷水机组群控方法
CN111262240B (zh) 一种综合能源系统优化运行方法及系统
CN113865152B (zh) 一种地源热泵流量温差调节方法
CN113364056B (zh) 一种海上风电场调频模式下的有功控制方法
CN117117991B (zh) 基于碳捕集和储能的高比例风电并网方法及装置
CN109899229B (zh) 一种低风速高性能风力机叶片
CN117293801B (zh) 一种考虑电弧炉负荷精细化建模的源荷协调调度方法
CN109779836B (zh) 一种基于遗传算法寻优的风力发电机组发电量提升方法
CN102691339A (zh) 一种供水系统水泵的节能改造方法

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
GR01 Patent grant
GR01 Patent grant