CN115222105A - 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 - Google Patents
考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 Download PDFInfo
- Publication number
- CN115222105A CN115222105A CN202210729196.2A CN202210729196A CN115222105A CN 115222105 A CN115222105 A CN 115222105A CN 202210729196 A CN202210729196 A CN 202210729196A CN 115222105 A CN115222105 A CN 115222105A
- Authority
- CN
- China
- Prior art keywords
- power station
- representing
- scheduling
- flow
- risk
- 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
Links
- 230000008901 benefit Effects 0.000 title claims abstract description 94
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004088 simulation Methods 0.000 claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 120
- 238000003860 storage Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 239000002351 wastewater Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—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
- 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
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明公开了考虑风险和效益博弈均衡的梯级电站调度优化方法及系统,涉及电力系统调度技术领域,其技术方案要点是:建立多任务调度模型;建立风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;将帕累托效率均衡策略集合作为初始调度策略;将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;依据外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。本发明将多目标优化问题转换为调度风险和效益博弈问题,实现了对多目标优化问题的降维。
Description
技术领域
本发明涉及电力系统调度技术领域,更具体地说,它涉及考虑风险和效益博弈均衡的梯级电站调度优化方法及系统。
背景技术
日调度模型除了要完成指定的负荷计划任务外,需要根据调度的具体季节特征,在多种任务之间进行平衡。而对多目标均衡问题主要是通过对多目标建模,利用目标降维、采用粒子群算法、遗传算法等启发式算法求解帕累托非劣解集,目标降维可以是目标加权或者把目标转换为约束。
然而,现有多目标均衡问题求解存在如下问题:1、如果采取目标降维,则必须事先给出目标的权重或者给出目标的允许取值范围,在实际的操作中,主观性太强,导致随意性较大;2、采用启发式算法求解多目标优化的非劣解集时,给出的解决方案仍然是多个解,在实际的使用过程中,仍然会面临着如何从多组解中选取一组进行执行的问题,如何进行选择仍然是仍待研究;3、利用启发式算法时,当目标多于两个时,上述算法求解效率较低;4、上述调度问题没有考虑到调度策略本身的风险,而是将风险看做是取值在某个范围内的变量,在取值范围内,将风险同等视之,例如在实际中,即使给出坝前水位取值范围在某个范围,那么在优化时,模型可能偏好采取较高或者偏好采取较低的水位,那么采取较高水位在汛期导致防洪控制的风险显然要比低水位要高;5.当前的调度模型没有考虑决策对未来的影响。
因此,如何研究设计一种能够克服上述缺陷的考虑风险和效益博弈均衡的梯级电站调度优化方法及系统是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供考虑风险和效益博弈均衡的梯级电站调度优化方法及系统,在调度中引入风险、效益决策方法,将多目标调度问题转换为效益风险合作博弈问题,使得梯级电站调度优化更加符合实际,梯级电站调度的准确度与合理性更好。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了考虑风险和效益博弈均衡的梯级电站调度优化方法,包括以下步骤:
依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型;
根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;
利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略;
根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;
依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
进一步的,所述调度场景依据时间特征划分为汛期调度和枯期调度。
进一步的,所述汛期调度的风险与效益矛盾是蓄水和防洪的矛盾。
进一步的,所述枯期调度的风险与效益矛盾是耗水率与消落风险的矛盾。
进一步的,所述汛期调度对应的风险与效益博弈模型具体为:
汛期效益方,在给定发电负荷计划的情况下,梯级电站群总出库流量之和越小,汛期效益方收益越大;
汛期风险方,用梯级电站群的坝前水位安全冗余量度量,低于安全水位越多,安全冗余量越大,风险越小,风险方的收益就越大。
进一步的,所述枯期调度对应的风险与效益博弈模型具体为:
枯期效益方,在梯级电站群的综合耗水率越小越好,以所有电站总的发电水除以总的发电量得到综合耗水率;
枯期风险方,定义与电站周坝前水位规划目标的差异作为枯期风险的度量,偏差越大,风险越大。
进一步的,所述汛期调度对应的两目标优化求解问题的目标函数具体为:
其中,g1表示汛期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g2表示汛期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;s.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;hi表示第i级电站的坝前水位;si表示第i级电站的弃水流量,pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;sj-1表示第j-1级电站的弃水流量;qf-1表示第j-1级电站的发电流量;V1 0表示第1级电站的期初库容;Vx1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
进一步的,所述枯期调度对应的两目标优化求解问题的目标函数具体为:
其中,g3表示枯期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g4表示枯期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;s.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;Hi,weeklt表示第i级电站的周坝前水位目标;hi表示第i级电站的坝前水位;fi表示第i级电站通过期初水位、发电流量弃水流量和入库流量计算水库的期末坝前水位的函数;si表示第i级电站的弃水流量;pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;sj-1表示第j-1级电站的弃水流量;qj-1表示第j-1级电站的发电流量;V1 0表示第1级电站的期初库容;V1 1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
进一步的,所述外部效用函数的构建过程具体为:利用未来的流域来水概率预测和未来的负荷预测,并采取蒙特卡洛模拟方法估计当前决策对未来长期目标达成度影响,构建得到外部效用函数。
第二方面,提供了考虑风险和效益博弈均衡的梯级电站调度优化系统,包括:
调度建立模块,用于依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型;
博弈转换模块,用于根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;
博弈求解模块,用于利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略;
调度仿真模块,用于根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;
评价分析模块,用于依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
与现有技术相比,本发明具有以下有益效果:
1、本发明提出的考虑风险和效益博弈均衡的梯级电站调度优化方法,将多目标优化问题转换为调度风险和效益博弈问题,实现了对多目标优化问题的降维;
2、本发明提出的考虑风险和效益博弈均衡的梯级电站调度优化方法,在调度中引入风险、效益相互博弈,得到的调度策略具有帕累托最优特性;
3、本发明引入了外部效用函数、未来的流域入库流量预测和未来的负荷预测信息,并采取蒙特卡洛模拟方法估计博弈均衡策略决策对未来调度的影响,解决了策略的未来影响的量化评估,得到的调度策略具有未来影响效益最佳的特性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中的流程图;
图2是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:考虑风险和效益博弈均衡的梯级电站调度优化方法,如图1所示,包括以下步骤:
S1:依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型;多任务调度模型采用现有技术进行建立,在此不作过多赘述;
S2:根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;调度任务类型分为风险管理任务和提升效益任务;
S3:利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略;其中,NSGA为一种改进的遗传算法,目前已改进指第三代,即为NSGA-III算法;
S4:根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;
S5:依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
调度场景依据时间特征划分为汛期调度和枯期调度。其中,汛期调度的风险与效益矛盾是蓄水和防洪的矛盾。枯期调度的风险与效益矛盾是耗水率与消落风险的矛盾。
具体的,汛期调度对应的风险与效益博弈模型具体为:汛期效益方,在给定发电负荷计划的情况下,梯级电站群总出库流量之和越小,汛期效益方收益越大;汛期风险方,用梯级电站群的坝前水位安全冗余量度量,低于安全水位越多,安全冗余量越大,风险越小,风险方的收益就越大。
枯期调度对应的风险与效益博弈模型具体为:枯期效益方,在梯级电站群的综合耗水率越小越好,以所有电站总的发电水除以总的发电量得到综合耗水率;枯期风险方,定义与电站周坝前水位规划目标的差异作为枯期风险的度量,偏差越大,风险越大。
效益方和风险方的动作集合一致,在博弈的过程中,假设按照二者动作的平均,作为系统执行动作,在实际的过程中,因为风险方和效益方都属于一个系统,即都属于同一个集团,假设集团会根据期末调度综合评价,给效益方和风险方一定的奖惩,即决策主体有共同的利益,因此,可将问题转换为一个合作博弈问题,通过风险决策方和效益决策方共同合作,来实现整个系统的效益最大化。
而在两个博弈主体的合作博弈中,博弈均衡一定是帕累托最优的,因为如果不是的话,则意味着存在一方在不伤害对方的前提下,有进一步提升的空间,无论是风险方抑或效益方的提升,都意味着系统综合效益有所提升,即要么在效益不变的前提下,风险相对以前有所降低;或在风险不变的前提下,效益较以前所有提升;或者二者均有提升;因此,两博弈主体的合作博弈可以转换为多目标优化问题,但是注意的是,如果博弈主体多于两个,则会存在“小团体”,此时合作博弈问题就不一定能转换为多目标优化问题。
具体的,汛期调度对应的两目标优化求解问题的目标函数具体为:
其中,g1表示汛期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g2表示汛期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;s.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;hi表示第i级电站的坝前水位;si表示第i级电站的弃水流量,pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;sj-1表示第j-1级电站的弃水流量;qj-1表示第j-1级电站的发电流量;V1 0表示第1级电站的期初库容;V1 1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
具体的,g1是汛期调度的第一优化目标,表示汛期的风险指标,汛期水位越接近电站允许的最大水位,风险越大,多个电站群的水位风险根据“木桶效应原理”,取决于风险最大的那个电站的风险,也就是水位离该水电站最大水位最近的电站,即然后以该风险最低作为调度目标,从而可降低梯级电站群的风险管理的短板。
g2表示汛期的效益指标,汛期由于水量充足,常常发生弃水,当给定未来总出力计划时,如何降低弃水,是电站首要追求的效益指标,因此,将三个电站的总弃水量最小作为效益优化目标。
每一组输入数据s1、q1、s2、q2、s3、q3在输入计算过程中,都能够得到多组hi数据。在汛期调度中,先求解同一组输入数据中不同组hi数据的差值,选取多个差值的最小值作为求解目标;然后求解不同组输入数据所选取的最小值中的最大值进行作为求解目标,以上为汛期调度第一个目标优化求解问题。此外,每一组输入数据s1、q1、s2、q2、s3、q3在输入计算过程中,以dsi、qi之和最小作为第二个目标优化求解问题,最后结合约束条件即可实现汛期调度对应的两目标优化求解问题。
此外,枯期调度对应的两目标优化求解问题的目标函数具体为:
其中,g3表示枯期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g4表示枯期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;s.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;Hi,weekly表示第i级电站的周坝前水位目标;hi表示第i级电站的坝前水位;fi表示第i级电站通过期初水位、发电流量弃水流量和入库流量计算水库的期末坝前水位的函数;si表示第i级电站的弃水流量;pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;sj-1表示第j-1级电站的弃水流量;qj-1表示第j-1级电站的发电流量;V1 0表示第1级电站的期初库容;V1 1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
具体的,g3表示枯期调度的第一优化目标,其含义表示利用与周水位目标的偏差值作为水位风险度量,与周水位的偏差越大,风险越大,根据木桶效应原理,多个电站的风险取决于风险最大的那个电站,即偏差最大的那个电站,所以首先找出偏差最大的电站,即然后将其最小化作为调度目标,从而达到处理风险管理中的短板问题。
g4表示枯期调度的第二优化目标,代表枯期的效益指标,即单位出力的加权发电流量,该值越小,发电效率越高;由于枯期原则上不允许弃水,因此,利用tanh函数构建了一个取值在[1,2]之间的惩罚乘子,当没有弃水时,不惩罚,惩罚乘子取值为1,当有弃水时惩罚乘子大于1,但是其值不会超过2。
当前的调度策略要使得未来给定时间的主要任务能顺利完成,但是,未来由于受不确定性影响,需要结合未来的不确定性影响因子,进行目标任务完成度的概率评估。所以,利用未来的流域来水概率预测和未来的负荷预测,并采取蒙特卡洛模拟方法估计当前决策对未来长期目标达成度影响,构建得到外部效用函数。外部效用函数可将调度策略量化为风险收益特征,实现了对调度仿真信息的精准分析。
实施例2:考虑风险和效益博弈均衡的梯级电站调度优化系统,该方法可实现实施例1记载的考虑风险和效益博弈均衡的梯级电站调度优化方法,如图2所示,包括调度建立模块、博弈转换模块、博弈求解模块、调度仿真模块和评价分析模块。
其中,调度建立模块,用于依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型。博弈转换模块,用于根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题。博弈求解模块,用于利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略。调度仿真模块,用于根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息。评价分析模块,用于依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
工作原理:本发明将多目标优化问题转换为调度风险和效益博弈问题,实现了对多目标优化问题的降维;此外,在调度中引入风险、效益决策方法,将多目标调度问题转换为效益风险合作博弈问题,无论是风险方或效益方的提升,都意味着综合效益有所提升,即要么在效益不变的前提下,风险相对以前有所降低;或在风险不变的前提下,效益较以前所有提升;又或者二者均有提升,使得梯级电站调度优化更加符合实际,梯级电站调度的准确度与合理性更好。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,包括以下步骤:
依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型;
根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;
利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略;
根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;
依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
2.根据权利要求1所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述调度场景依据时间特征划分为汛期调度和枯期调度。
3.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述汛期调度的风险与效益矛盾是蓄水和防洪的矛盾。
4.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述枯期调度的风险与效益矛盾是耗水率与消落风险的矛盾。
5.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述汛期调度对应的风险与效益博弈模型具体为:
汛期效益方,在给定发电负荷计划的情况下,梯级电站群总出库流量之和越小,汛期效益方收益越大;
汛期风险方,用梯级电站群的坝前水位安全冗余量度量,低于安全水位越多,安全冗余量越大,风险越小,风险方的收益就越大。
6.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述枯期调度对应的风险与效益博弈模型具体为:
枯期效益方,在梯级电站群的综合耗水率越小越好,以所有电站总的发电水除以总的发电量得到综合耗水率;
枯期风险方,定义与电站周坝前水位规划目标的差异作为枯期风险的度量,偏差越大,风险越大。
7.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述汛期调度对应的两目标优化求解问题的目标函数具体为:
其中,g1表示汛期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g2表示汛期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;S.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;hi表示第i级电站的坝前水位;si表示第i级电站的弃水流量,pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;Si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;sj-1表示第j-1级电站的弃水流量;qj-1表示第j-1级电站的发电流量;Vi 0表示第1级电站的期初库容;V1 1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
8.根据权利要求2所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述枯期调度对应的两目标优化求解问题的目标函数具体为:
其中,g3表示枯期调度的第一优化目标,表示选取一组数据s1,q1,s2,q2,s3,q3输入后所产生的多个计算值的最小值,表示选取以多组不同数据s1,q1,s2,q2,s3,q3输入后得到的多个最小值中的最大值;g4表示枯期调度的第二优化目标,表示选取多组不同数据s1,q1,s2,q2,s3,q3输入后所得到的多个计算值的最小值;S.t表示约束条件,C1-C12表示不同的约束条件;i表示电站编号,i取值为1表示梯级电站群最上游的第1级电站,i取值为2表示梯级电站群中游的第2级电站,i取值为3表示梯级电站群下游的第3级电站;qi表示第i级电站的发电流量;Hi,weekly表示第i级电站的周坝前水位目标;hi表示第i级电站的坝前水位;fi表示第i级电站通过期初水位、发电流量弃水流量和入库流量计算水库的期末坝前水位的函数;si表示第i级电站的弃水流量;pi表示第i级电站的出力;s1表示第1级电站的弃水流量,p1表示第1级电站的出力;q1表示第1级电站的发电流量;s2表示第2级电站的弃水流量;p2表示第2级电站的出力;q2表示第2级电站的发电流量;s3表示第3级电站的弃水流量;p3表示第3级电站的出力;q3表示第3级电站的发电流量;dsi表示第i级电站调整后的弃水流量;H i表示第i级电站的最低坝前水位;表示第i级电站的最高水位;q i表示第i级电站的最低发电流量;表示第i级电站的最大发电流量;si 表示电站第i级电站开启闸门时的最低弃水流量;Q i表示第i级电站的最低出库流量;表示第i级电站的最大出库流量;Pdaily_plan_pwr表示梯级电站群总规划出力;nhqi表示第i级电站的出力函数;I1表示第1级电站的入库总流量;Ij表示第j级电站的总入库流量;Aj表示第j级电站的自然产流入库流量;Sj-1表示第j-1级电站的弃水流量;qj-1表示第j-1级电站的发电流量;V1 0表示第1级电站的期初库容;V1 1第1级电站的期末库容;表示第j级电站的期初库容;表示第j级电站的期末库容;sj表示第j级电站的弃水流量;qj表示第j级电站的发电流量;bi表示第i级电站的尾水水位;fi 1表示根据第i级电站的库容计算坝前水位的函数,该函数根据该第i级电站的实验数据拟合得到;fi 2表示根据发电流量和弃水流量计算尾水水位的函数,该函数根据电站i的实验数据拟合得到。
9.根据权利要求1所述的考虑风险和效益博弈均衡的梯级电站调度优化方法,其特征是,所述外部效用函数的构建过程具体为:利用未来的流域来水概率预测和未来的负荷预测,并采取蒙特卡洛模拟方法估计当前决策对未来长期目标达成度影响,构建得到外部效用函数。
10.考虑风险和效益博弈均衡的梯级电站调度优化系统,其特征是,包括:
调度建立模块,用于依据多个大坝状态、电力负荷计划、未来来水预测和时间因素建立对应时段内的多任务调度模型;
博弈转换模块,用于根据多任务调度模型中的调度任务类型建立相应的风险与效益博弈模型,并将风险与效益博弈模型中风险、效益两主体合作博弈的帕累托效率均衡策略求解问题转换两目标优化求解问题;
博弈求解模块,用于利用NSGA-III算法求解博弈的帕累托效率均衡策略集合,并将帕累托效率均衡策略集合作为初始调度策略;
调度仿真模块,用于根据调度场景建立相应的调度仿真模型,并将初始调度策略输入调度仿真模型运行后采集得到调度仿真信息;
评价分析模块,用于依据预构建的外部效用函数对调度仿真信息进行评价分析,并从帕累托非劣解中选出外部效用值最佳的初始调度策略作为实际调度策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729196.2A CN115222105A (zh) | 2022-06-24 | 2022-06-24 | 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729196.2A CN115222105A (zh) | 2022-06-24 | 2022-06-24 | 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222105A true CN115222105A (zh) | 2022-10-21 |
Family
ID=83609326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210729196.2A Pending CN115222105A (zh) | 2022-06-24 | 2022-06-24 | 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117854287A (zh) * | 2024-03-08 | 2024-04-09 | 山东高速股份有限公司 | 一种高速公路的效率与效益平衡方法及系统 |
CN117910711A (zh) * | 2024-03-20 | 2024-04-19 | 长江水利委员会长江科学院 | 均衡风险与效益的汛期水位智能动态控制模型的构建方法 |
-
2022
- 2022-06-24 CN CN202210729196.2A patent/CN115222105A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117854287A (zh) * | 2024-03-08 | 2024-04-09 | 山东高速股份有限公司 | 一种高速公路的效率与效益平衡方法及系统 |
CN117910711A (zh) * | 2024-03-20 | 2024-04-19 | 长江水利委员会长江科学院 | 均衡风险与效益的汛期水位智能动态控制模型的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Analysis of operation cost and wind curtailment using multi-objective unit commitment with battery energy storage | |
CN115222105A (zh) | 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统 | |
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 | |
Shukla et al. | Clustering based unit commitment with wind power uncertainty | |
Pritchard et al. | Hydroelectric reservoir optimization in a pool market | |
Ji et al. | Inexact stochastic risk-aversion optimal day-ahead dispatch model for electricity system management with wind power under uncertainty | |
CN111082451A (zh) | 基于场景法的增量配电网多目标优化调度模型 | |
CN110867852B (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
CN105809349A (zh) | 一种考虑来水相关性梯级水电站群的调度方法 | |
Zhou et al. | Deep learning-based rolling horizon unit commitment under hybrid uncertainties | |
CN111553750A (zh) | 一种计及电价不确定性和损耗成本的储能竞价策略方法 | |
CN117578409A (zh) | 一种电力市场环境下的多能互补优化调度方法及系统 | |
Chen et al. | Evolutionary game analysis of tripartite cooperation strategy under mixed development environment of cascade hydropower stations | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
Duckstein et al. | Multicriterion analysis of hydropower operation | |
CN114169916A (zh) | 一种适应新型电力系统的市场成员报价策略制定方法 | |
Ding et al. | Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information | |
CN108330896A (zh) | 一种梯级水库调度方法及系统 | |
CN115239117A (zh) | 基于多目标优化的分类与特征选择方法 | |
CN115423147A (zh) | 一种兼顾风险与效益的水光互补发电调度图编制方法 | |
Heydari et al. | Optimal operation of multiple and multi purpose reservoirs systems using non-dominated sorting genetic algorithm (NSGA-II) | |
CN115358441A (zh) | 基于联邦学习的新能源集群消纳智能调控方法及装置 | |
Mathisen et al. | Measuring the Impact of Environmental Constraints on Hydropower Flexibility | |
CN117744501B (zh) | 考虑生态流量的水网系统调蓄节点优化调度与决策方法 |
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 |