CN115439027B - 一种梯级水电站负荷优化调度方法、装置、设备和介质 - Google Patents
一种梯级水电站负荷优化调度方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115439027B CN115439027B CN202211389744.8A CN202211389744A CN115439027B CN 115439027 B CN115439027 B CN 115439027B CN 202211389744 A CN202211389744 A CN 202211389744A CN 115439027 B CN115439027 B CN 115439027B
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- hydropower
- load
- time
- water
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 109
- 238000005457 optimization Methods 0.000 title claims abstract description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 207
- 238000010248 power generation Methods 0.000 claims abstract description 92
- 230000008569 process Effects 0.000 claims abstract description 63
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 238000012850 discrimination method Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 description 27
- 230000000694 effects Effects 0.000 description 4
- 238000012821 model calculation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q10/06—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
- G06Q10/04—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
- G06Q10/0635—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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种梯级水电站负荷优化调度方法、装置、设备和介质,方法包括:对龙头水电站进行来水预测及其发电过程进行逐步优化;结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;将各级水电站的逐步发电过程优化结果上传至电网调度中心,抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配。本发明通过来水预测和以水定电优化调度联合完成梯级水电站的发电计划制作,与水电站的运行实际更加相符;在满足梯级负荷计划的前提下,通过系数判别法将梯级各站的发电水头维持在一定范围,从而提高水能利用率。
Description
技术领域
本发明属于梯级水电站调度技术领域,具体涉及一种梯级水电站负荷优化调度方法、装置、设备和介质。
背景技术
水资源通常具有显著的流域特征,且我国大多数河流年内和年际径流分布不均匀,丰枯季节流量相差悬殊,造成了水资源在时间和空间上分布的不均匀。因此,修建可调节性能好的水电站并实施径流调节是充分利用水资源的重要措施。而为了兼顾防洪、发电、充分利用水资源以及其他综合利用的要求,通常在流域上建立梯级水电站,各梯级水电站之间的优化调度,对于水电站的高效运行具有重要意义。
现有技术中,常见的优化调度方法主要是以水定电的优化方式,包括逐步优化、动态规划和分治算法等,上述方式通常能够解决水电站长期发电计划的规划与短期负荷计划申报的问题,但水电站的实时运行受制于电网负荷,运行负荷与申报负荷也不完全一致,无法解决水电站实时运行优化的问题。
发明内容
本发明的目的是提供一种梯级水电站负荷优化调度方法、装置、设备和介质,用以解决现有技术中存在的水电站的实时运行受制于电网负荷,运行负荷与申报负荷也不完全一致,无法解决水电站实时运行优化的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面提供一种梯级水电站负荷优化调度方法,包括:
对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化;
对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,各级水电站的来水预测的步长与发电过程逐步优化的步长一致。
在一种可能的设计中,通过新安江模型对龙头水电站进行来水预测,包括:
通过雨量检测站获取龙头水电站控制面内各检测点的降雨量,并采用泰森多边形算法计算得到控制面内的平均降雨量;
将平均降雨量输入到新安江模型中,得到龙头水电站的未来来水量。
在一种可能的设计中,根据来水预测结果对龙头水电站的发电过程进行逐步优化,包括:
分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大。
在一种可能的设计中,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,包括:
根据上级水电站的逐步发电过程优化结果,得到上级水电站的未来出库流量;
根据上级水电站的未来出库流量,结合当前水电站的区间流量,通过时变线性模型演算形成当前水电站的来水预测结果。
在一种可能的设计中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配之前,所述方法还包括:
抽取所述梯级负荷计划,将当前梯级水电站群的实际总负荷与所述梯级负荷计划进行比对,并根据比对结果将当前梯级水电站群的实际总负荷调整至与所述梯级负荷计划匹配。
在一种可能的设计中,所述实时运行指标至少包括弃水风险时间和水库放空时间。
在一种可能的设计中,根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配,包括:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
第二方面提供一种梯级水电站负荷优化调度装置,包括:
第一优化模块,用于对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化,
第二优化模块,用于对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
计划提交模块,用于将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
负荷分配模块,用于抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,各级水电站的来水预测的步长与发电过程逐步优化的步长一致。
在一种可能的设计中,在通过新安江模型对龙头水电站进行来水预测时,所述第一优化模块具体用于:
通过雨量检测站获取龙头水电站控制面内各检测点的降雨量,并采用泰森多边形算法计算得到控制面内的平均降雨量;
将平均降雨量输入到新安江模型中,得到龙头水电站的未来来水量。
在一种可能的设计中,在根据来水预测结果对龙头水电站的发电过程进行逐步优化时,所述第一优化模块具体用于:
分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大。
在一种可能的设计中,在通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测时,所述第二优化模块具体用于:
根据上级水电站的逐步发电过程优化结果,得到上级水电站的未来出库流量;
根据上级水电站的未来出库流量,结合当前水电站的区间流量,通过时变线性模型演算形成当前水电站的来水预测结果。
在一种可能的设计中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配之前,所述负荷分配模块还用于:
抽取所述梯级负荷计划,将当前梯级水电站群的实际总负荷与所述梯级负荷计划进行比对,并根据比对结果将当前梯级水电站群的实际总负荷调整至与所述梯级负荷计划匹配。
在一种可能的设计中,所述实时运行指标至少包括弃水风险时间和水库放空时间。
在一种可能的设计中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配时,所述负荷分配模块具体用于:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
第三方面提供一种计算机设备,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面任意一种可能的设计中所述的梯级水电站负荷优化调度方法。
第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面任意一种可能的设计中所述的梯级水电站负荷优化调度方法。
第五方面,本发明提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面任意一种可能的设计中所述的梯级水电站负荷优化调度方法。
本发明相较于现有技术的有益效果为:
本发明通过对各级水电站进行来水预测和发电过程逐步优化,基于上级水电站的发电过程逐步优化结果来对当前水电站进行来水预测,并基于当前水电站的来水预测结果对自身的发电过程进行逐步优化,从而通过来水预测和以水定电优化调度联合完成梯级水电站的发电计划制作,强调各级水电站之间运行的强相关,与水电站的运行实际更加相符;在满足梯级负荷计划的前提下,通过系数判别法将梯级各站的发电水头维持在一定范围,从而提高水能利用率。
附图说明
图1为本申请实施例中的梯级水电站负荷优化调度方法的流程图;
图2为本申请实施例中的流域各检测点布置示意图;
图3为本申请实施例中t0-t2时刻发电过程逐步优化示意图。
具体实施方式
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,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
实施例
为了解决现有技术中存在的水电站的实时运行受制于电网负荷,运行负荷与申报负荷也不完全一致,无法解决水电站实时运行优化的问题,本申请实施例提供了一种梯级水电站负荷优化调度方法,该方法通过对各级水电站进行来水预测和发电过程逐步优化,基于上级水电站的发电过程逐步优化结果来对当前水电站进行来水预测,并基于当前水电站的来水预测结果对自身的发电过程进行逐步优化,从而通过来水预测和以水定电优化调度联合完成梯级水电站的发电计划制作,强调各级水电站之间运行的强相关,与水电站的运行实际更加相符;在满足梯级负荷计划的前提下,通过系数判别法将梯级各站的发电水头维持在一定范围,从而提高水能利用率。
下面将对本申请实施例提供的梯级水电站负荷优化调度方法进行详细说明。
为便于描述,除特别说明外,本申请实施例均以工业计算机为执行主体进行说明。可以理解,所述执行主体并不构成对本申请实施例的限定,在其他的一些实施例中可以采用移动电脑或其他类型的终端设备作为执行主体,此处不再赘述。
如图1所示,是本申请实施例提供的梯级水电站负荷优化调度方法的流程图,所述基于安卓端的流程指示器生成方法包括但不限于由步骤S1~S4实现:
步骤S1.对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化;
其中,优选的,各级水电站的来水预测的步长与发电过程逐步优化的步长一致,步长为时段长,可设置为15分钟、小时、日、周等多种类型,其中,步长为15分钟类型的来水预测结果为间隔15分钟的序列,数值代表15分钟内流入水电站水库的平均流量,以水定电主要是根据优化来水优化发电的过程,步长与来水预测一致。
其中,需要说明的是,所述龙头水电站是指梯级水电站群中位于流域最上游的水电站,该水电站的来水量可以通过设置预测步长,利用现有的新安江模型对其来水量进行预测,具体包括:
步骤S11.通过雨量检测站获取龙头水电站控制面内各检测点的降雨量,并采用泰森多边形算法计算得到控制面内的平均降雨量;
其中,需要说明的是,泰森多边形法计算流域的平均降雨量,是以各雨量检测站之间连线的垂直平分线,把流域划分为若干个多边形,然后以各个多边形的面积为权数,计算各站雨量的加权平均值,并把它作为流域的平均降雨量。其中,雨量检测站只是监测流域某个点的降雨量,需用算法转换成流域面的平均降雨,然后才能用于来水预报。
例如,如图2所示,图中的外层椭圆为流域,A、B、C分别为流域的各个雨量检测点,A、B、C所在的扇形区域为各自控制的区域,根据面积比可以算出A、B、C各自的权重,再根据权重即可计算流域平均面雨量。
步骤S12.将平均降雨量输入到新安江模型中,得到龙头水电站的未来来水量。
其中,需要说明的是,将平均降雨量输入到新安江模型中进行未来来水量预测是基于现有的算法原理,此处不再赘述。
如图3所示,在步骤S1中,根据来水预测结果对龙头水电站的发电过程进行逐步优化,包括:
步骤S13.分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
其中,需要说明的是,本申请实施例中的水电站水位z1是指当前的实时水位,水电站水位z2是指在结束时刻期望达到的水位,可通过人工设置,也且通过系统自动设置,优选的,系统在自动设置时,将z2=z1。
步骤S14.将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
步骤S15.假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
步骤S16.在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大。
其中,需要说明的是,上述步骤S13-S16只是基于其中两个步长t0-t1和t1-t2对t1时刻的发电量进行优化的过程,按照上述步骤,可以对后续任意时刻的发电量进行优化,直至到最终时刻,完成本级水电站的一轮优化;当然,可以理解的是,其他下级水电站的发电过程逐步优化方法与龙头水电站的优化方式相同,此处不再赘述。当完成了所有水电站的一轮优化后,将本轮的优化结果作为下轮优化的初始状态,对下一轮进行相同的优化,直至整个梯级水电站群的状态不再变化,或者达到最大优化次数,则结束优化过程。
步骤S2.对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
其中,需要说明的是,时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测时,来水预测包含预测步长(间隔时长:15分钟、小时、日等,此处不做限定)和预测频率两项配置参数,还包括雨量、地下水消退系数和预热期等计算参数。
其中,需要说明的是,一条河流上通常有多个水电站,除龙头电站外,其余电站的来水主要分为上级出库与区间流量,上级出库指上级电站放出的流量、区间流量指上级电站至当前电站这段区间因降雨或者支流产生的流量;上级的出库流量经过传播流入当前电站水库。优化结果包含上级电站未来的出库流量过程、发电过程等,上级未来出库过程、区间流量通过时变线性模型演算形成当前电站的来水预测,具体包括:
在步骤S2中,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,包括:
步骤S21.根据上级水电站的逐步发电过程优化结果,得到上级水电站的未来出库流量;
步骤S22.根据上级水电站的未来出库流量,结合当前水电站的区间流量,通过时变线性模型演算形成当前水电站的来水预测结果。
步骤S3.将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
其中,需要说明的是,通过将各级水电站的逐步发电过程优化结果上传至电网调度中心,电网调度中心可以将各级水电站的逐步发电过程优化结果作为制定梯级负荷计划的参考,以生成负荷梯级水电站实际的负荷计划。
优选的,次日梯级负荷计划于当日24点前由电站运行人员提交至电网调度中心,经电网调度中心修改后重新发布,形成次日的梯级负荷计划。
步骤S4.抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,优选的,对于梯级负荷计划的抽取,通过定时服务的方式滚动运行,例如计划于每日0时执行任务,抽取由电网制定的梯级负荷计划存储至梯级水电站梯级总负荷预测与分配的优化调度应用数据库,供以电定水优化使用。
在步骤S4中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配之前,所述方法还包括:
抽取所述梯级负荷计划,将当前梯级水电站群的实际总负荷与所述梯级负荷计划进行比对,并根据比对结果将当前梯级水电站群的实际总负荷调整至与所述梯级负荷计划匹配。
其中,优选的,所述实时运行指标至少包括弃水风险时间和水库放空时间,则根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配,具体包括:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
例如:假设梯级水电站群中有A、B两个水电站,A水电站可蓄水2亿方,B水电站可蓄水500万方,在0点-0点15时,电网要求梯级总负荷达到150MW(兆瓦)。设置约束条件:水库蓄水不得超过最大蓄水,不得低于最小蓄水。
首先,计算A、B水电站的弃水风险时间(当前水位蓄至最高水位的时间)、放空时间(当前水位放空至最低水位的时间);然后,对比当前梯级总负荷与计划负荷的大小,确定是在当前负荷下增加梯级总负荷还是减少梯级总负荷;其中,增加负荷时根据弃水风险高低对梯级电站增加负荷,增加负荷分成多轮进行,每进行一轮,需重新计算A、B水电站站的风险时间、放空时间。其中,减少负荷时根据放空时间对梯级各站进行减负荷处理,分多轮进行,每进行一轮,需重新计算A、B两站的风险时间、放空时间。
基于上述公开的内容,本申请实施例通过对各级水电站进行来水预测和发电过程逐步优化,基于上级水电站的发电过程逐步优化结果来对当前水电站进行来水预测,并基于当前水电站的来水预测结果对自身的发电过程进行逐步优化,从而通过来水预测和以水定电优化调度联合完成梯级水电站的发电计划制作,强调各级水电站之间运行的强相关,与水电站的运行实际更加相符;在满足梯级负荷计划的前提下,通过系数判别法将梯级各站的发电水头维持在一定范围,从而提高水能利用率。
第二方面提供一种梯级水电站负荷优化调度装置,包括:
第一优化模块,用于对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化,
第二优化模块,用于对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
计划提交模块,用于将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
负荷分配模块,用于抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,各级水电站的来水预测的步长与发电过程逐步优化的步长一致。
在一种可能的设计中,在通过新安江模型对龙头水电站进行来水预测时,所述第一优化模块具体用于:
通过雨量检测站获取龙头水电站控制面内各检测点的降雨量,并采用泰森多边形算法计算得到控制面内的平均降雨量;
将平均降雨量输入到新安江模型中,得到龙头水电站的未来来水量。
在一种可能的设计中,在根据来水预测结果对龙头水电站的发电过程进行逐步优化时,所述第一优化模块具体用于:
分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大。
在一种可能的设计中,在通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测时,所述第二优化模块具体用于:
根据上级水电站的逐步发电过程优化结果,得到上级水电站的未来出库流量;
根据上级水电站的未来出库流量,结合当前水电站的区间流量,通过时变线性模型演算形成当前水电站的来水预测结果。
在一种可能的设计中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配之前,所述负荷分配模块还用于:
抽取所述梯级负荷计划,将当前梯级水电站群的实际总负荷与所述梯级负荷计划进行比对,并根据比对结果将当前梯级水电站群的实际总负荷调整至与所述梯级负荷计划匹配。
在一种可能的设计中,所述实时运行指标至少包括弃水风险时间和水库放空时间。
在一种可能的设计中,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配时,所述负荷分配模块具体用于:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第三方面,本发明提供一种计算机设备,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面任意一种可能的设计中所述的方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器;所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、GPRS(General Packet RadioService,通用分组无线服务技术)无线收发器和/或ZigBee(紫蜂协议,基于IEEE802 .15.4标准的低功耗局域网协议)无线收发器等。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面任意一种可能的设计中所述的方法。
其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第五方面,本发明提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面任意一种可能的设计中所述的方法。
本实施例第五方面提供的前述包含指令的计算机程序产品的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种梯级水电站负荷优化调度方法,其特征在于,包括:
对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化;
对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,各级水电站的来水预测的步长与发电过程逐步优化的步长一致;
根据来水预测结果对龙头水电站的发电过程进行逐步优化,包括:
分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大;
根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配,包括:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
2.根据权利要求1所述的梯级水电站负荷优化调度方法,其特征在于,通过新安江模型对龙头水电站进行来水预测,包括:
通过雨量检测站获取龙头水电站控制面内各检测点的降雨量,并采用泰森多边形算法计算得到控制面内的平均降雨量;
将平均降雨量输入到新安江模型中,得到龙头水电站的未来来水量。
3.根据权利要求1所述的梯级水电站负荷优化调度方法,其特征在于,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,包括:
根据上级水电站的逐步发电过程优化结果,得到上级水电站的未来出库流量;
根据上级水电站的未来出库流量,结合当前水电站的区间流量,通过时变线性模型演算形成当前水电站的来水预测结果。
4.根据权利要求1所述的梯级水电站负荷优化调度方法,其特征在于,在根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配之前,所述方法还包括:
抽取所述梯级负荷计划,将当前梯级水电站群的实际总负荷与所述梯级负荷计划进行比对,并根据比对结果将当前梯级水电站群的实际总负荷调整至与所述梯级负荷计划匹配。
5.根据权利要求1所述的梯级水电站负荷优化调度方法,其特征在于,所述实时运行指标至少包括弃水风险时间和水库放空时间。
6.一种梯级水电站负荷优化调度装置,其特征在于,包括:
第一优化模块,用于对于龙头水电站,通过新安江模型对龙头水电站进行来水预测,并根据来水预测结果对龙头水电站的发电过程进行逐步优化,
第二优化模块,用于对于除龙头水电站之外的其他水电站,通过时变线性模型结合上级水电站的逐步发电过程优化结果对当前水电站进行来水预测,并根据各自的来水预测结果对自身的发电过程进行逐步优化;
计划提交模块,用于将各级水电站的逐步发电过程优化结果上传至电网调度中心,以便电网调度中心结合各级水电站的逐步发电过程优化结果生成梯级负荷计划;
负荷分配模块,用于抽取所述梯级负荷计划,并根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配;
其中,各级水电站的来水预测的步长与发电过程逐步优化的步长一致;
根据来水预测结果对龙头水电站的发电过程进行逐步优化,包括:
分别设置龙头水电站在起始时刻t0和结束时刻t2的水电站水位z1和z2;
将t0-t1步长内的来水预测结果q1和t1-t2步长内的来水预测结果q2代入到发电过程进行逐步优化;
假设t0-t1时刻水库不放水,以水电站水位z1为起始状态,则在t1时刻水库可达到最高水位zmax,同时假设t1-t2时刻水库不放水,以水电站水位z2为结束状态,则推导得到t1时刻水库可达到最低水位zmin;
在最高水位和最低水位之间寻找最优水位zt,其中,最优水位zt满足t0-t1步长和t1-t2步长的目标函数,以使得在t1时刻的发电量达到最大;
根据各级水电站的实时运行指标,采用系数判别法对各级水电站的负荷进行梯级群内动态分配,包括:
分别计算各级水电站的弃水风险时间和水库放空时间,并采用系数判别发分别计算各级水电站的弃水风险时间的权重和水库放空时间的权重;
基于权重计算结果,采用预设的分配规则对各级水电站的负荷进行梯级群内动态分配,其中,所述预设的分配规则为弃水风险时间越短负荷增加优先级越高,水库放空时间越短负荷减少优先级越高。
7.一种计算机设备,其特征在于,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1-5任意一项所述的梯级水电站负荷优化调度方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1-5任意一项所述的梯级水电站负荷优化调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211389744.8A CN115439027B (zh) | 2022-11-08 | 2022-11-08 | 一种梯级水电站负荷优化调度方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211389744.8A CN115439027B (zh) | 2022-11-08 | 2022-11-08 | 一种梯级水电站负荷优化调度方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115439027A CN115439027A (zh) | 2022-12-06 |
CN115439027B true CN115439027B (zh) | 2023-03-24 |
Family
ID=84252184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211389744.8A Active CN115439027B (zh) | 2022-11-08 | 2022-11-08 | 一种梯级水电站负荷优化调度方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117650581B (zh) * | 2023-12-07 | 2024-05-03 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种梯级多电站的联合优化调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104698837A (zh) * | 2014-12-11 | 2015-06-10 | 华侨大学 | 一种时变线性结构工作模态参数识别方法、装置及应用 |
CN110472826A (zh) * | 2019-07-09 | 2019-11-19 | 大连理工大学 | 一种考虑日电量偏差的梯级水电站负荷变化实时自适应方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967126B (zh) * | 2015-07-14 | 2016-10-05 | 华中科技大学 | 一种面向区域电网的跨流域水电站群多电网联合调峰方法 |
CN105225017B (zh) * | 2015-10-30 | 2019-02-26 | 南京南瑞集团公司 | 一种多Agent的水电站群短期优化调度方法 |
JP6646182B2 (ja) * | 2017-07-06 | 2020-02-14 | 大連理工大学 | 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法 |
CN108777496B (zh) * | 2018-07-02 | 2021-04-20 | 大连理工大学 | 一种一洞多机的引水式水电站短期负荷分配方法 |
CN110599363A (zh) * | 2019-08-26 | 2019-12-20 | 重庆大学 | 一种计及梯级水电站优化调度的电力系统可靠性评估方法 |
CN110912200B (zh) * | 2019-10-21 | 2022-09-23 | 贵州电网有限责任公司 | 一种梯级水电站优化调度系统、方法及安全电网系统 |
CN110969283B (zh) * | 2019-10-21 | 2023-03-07 | 贵州电网有限责任公司 | 基于实时弃水风险评估的梯级水电站优化调度方法 |
CN112700080A (zh) * | 2020-08-20 | 2021-04-23 | 国家电网公司西北分部 | 一种梯级水电多阶段优化调度方法 |
-
2022
- 2022-11-08 CN CN202211389744.8A patent/CN115439027B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104698837A (zh) * | 2014-12-11 | 2015-06-10 | 华侨大学 | 一种时变线性结构工作模态参数识别方法、装置及应用 |
CN110472826A (zh) * | 2019-07-09 | 2019-11-19 | 大连理工大学 | 一种考虑日电量偏差的梯级水电站负荷变化实时自适应方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115439027A (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
CN105608513B (zh) | 一种耦合长、中、短期径流预报信息的水库优化调度方法 | |
CN109063901B (zh) | 一种省级电网水电系统中长期发电能力分析方法 | |
CN115439027B (zh) | 一种梯级水电站负荷优化调度方法、装置、设备和介质 | |
CN110598952B (zh) | 中长期电力市场安全校核、模型建立方法及设备 | |
CN103002459A (zh) | 一种wcdma网络扩容规划的方法和装置 | |
CN109919350B (zh) | 一种考虑整体经济性的多阶段变电站扩展规划方法 | |
CN106559828B (zh) | 小区忙时段管理方法、装置及自组织网络网元 | |
CN110912200B (zh) | 一种梯级水电站优化调度系统、方法及安全电网系统 | |
CN102395136A (zh) | 一种基于邻区场强信息的话务量分布计算方法及系统 | |
CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
CN102969720B (zh) | 一种能够在智能电网中应用的负载动态控制和分析方法 | |
CN110289631A (zh) | 一种风电场储能装置容量的计算方法及系统 | |
CN106354931A (zh) | 一种基于水泵特性曲线更新的泵站优化调度方法 | |
CN104182804A (zh) | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 | |
CN104822162A (zh) | 一种混合能源网络中的绿色基站分流方法及装置 | |
CN109494810B (zh) | 间歇性能源电站调度评价方法及该评价的限电分配方法 | |
CN103929752A (zh) | 基站间动态协同覆盖方法 | |
CN108090671B (zh) | 一种多阶段域间-域内反馈迭代的跨流域负荷分配方法 | |
CN110139282A (zh) | 一种基于神经网络的能量采集d2d通信资源分配方法 | |
Liu et al. | Risks analysis of discarding water in power generation process of hydropower station | |
CN101360319A (zh) | 一种基于业务量的资源预留方法及装置 | |
CN106296466A (zh) | 一种基于可靠性的馈线系统规划方法 | |
CN110969283B (zh) | 基于实时弃水风险评估的梯级水电站优化调度方法 | |
CN117096930A (zh) | 一种分布式资源群调群控技术应用方法及系统 |
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 |