CN115642655A - 一种水电厂多机组负荷分配优化方法及系统 - Google Patents

Abstract

本发明提供一种水电厂多机组负荷分配优化方法及系统，其中方法包括获取电厂的技术数据，还包括以下步骤：分别计算1，...，M种情形下的最优负荷分配，生成M个最优负荷分配方案；选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。本发明提出的一种水电厂多机组负荷分配优化方法及系统以耗水率最小为目标，采用粒子群算法，优化计算分配各台机组的负荷，同时将振动区作为约束条件，避免负荷分配位于振动区。

Description

一种水电厂多机组负荷分配优化方法及系统

技术领域

本发明涉及电厂机组负荷分配的技术领域，特别是一种水电厂多机组负荷分配优化方法及系统。

背景技术

电网向电厂下达负荷命令时，一般只会下达总负荷，电厂根据机组情况自行决定各台机组的负荷分配。而电厂通常会按照平均分配的思想进行总负荷分配，会造成不能位于各台机的最优负荷，一方面造成水资源的浪费，另一方面可能使得负荷位于振动区，造成对机组的损害。

2014年第2期的《华中科技大学学报（自然科学版）》上公开了杨侃、周佳佳、王文卓、杨柳的题目为《水电站最优负荷分配改进退火粒子群算法》的文章，该文章提出：针对大型水电站厂内经济运行中最优负荷分配问题的高维性、复杂非线性和实时性，提出一种收敛性全面改善的改进退火粒子群算法。改进算法采用了整体改进策略：初始种群生成方面，采用初始种群解空间生成法避开机组空蚀振动区；适应度函数设计方面，加入惩罚项提高算法搜索效率；进化操作方面，加入自适应惯性权重、交叉运算、变异运算，改善算法的全局与局部收敛性能；引进模拟退火算法，提高算法的局部收敛性，保证算法以较大概率收敛于全局最优解。以三峡水电站厂内经济运行为实例，与现有算法进行了对比，结果表明：改进的退火粒子群算法在收敛速度与收敛精度方面均有一定的优势，适用于求解水电站负荷分配优化问题。该方法的缺点是：未对机组进行分组寻优，只能找到一组最优的分配方案，不能针对多种分组情形找到各分组情况下的最优分配方案，另外未考虑振动区约束的影响，分配结果可能存在不合理性。

2007年第5期的《水力发电学报》上公开了李安强、王丽萍、李崇浩、纪昌明、李文武的论文《基于免疫粒子群优化算法的梯级水电厂间负荷优化分配》的文章，该文章指出：免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中，利用其特有的浓度选择机制以及疫苗接种原理，改进了粒子群优化算法的全局寻优能力，提高了收敛速度。在分析梯级水电厂间负荷分配的数学模型和IA-PSO算法特点的基础上，提出了基于IA-PSO算法的负荷优化分配方法，建立了数学模型，给出了具体求解步骤。经实例验证,IA-PSO算法得出的负荷分配方案优于PSO算法的计算结果，且算法后期收敛速度快，从而为梯级水电厂间负荷优化分配问题提供了一条新的求解途径，可应用于更广泛的优化问题。该方法缺点是：未对机组进行分组寻优，只能找到一组最优的分配方案，不能针对多种分组情形找到各分组情况下的最优分配方案。

发明内容

为了解决上述的技术问题，本发明提出的一种水电厂多机组负荷分配优化方法及系统以耗水率最小为目标，采用粒子群算法，优化计算分配各台机组的负荷，同时将振动区作为约束条件，避免负荷分配位于振动区。

本发明的第一目的是提供一种水电厂多机组负荷分配优化方法，包括获取电厂的技术数据，还包括以下步骤：

步骤1：分别计算启用1-M台机组的情形下的最优负荷分配，生成M个最优负荷分配方案；

步骤2：选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

优选的是，所述技术数据包括总负荷NN、库水位HU、尾水位HD、可用机组台数M和效率曲线表。

在上述任一方案中优选的是，所述步骤1包括以下子步骤：

步骤11：计算每台机组的耗水率；

步骤12：计算目标函数；

步骤13；计算约束条件；

步骤14：采用粒子群算法进行寻优计算，寻找最优的N(i)计算目标函数值，其中，N(i)为第i台机组负荷。

在上述任一方案中优选的是，每台机组的所述耗水率的计算公式为

其中，Q(i)为第i台机组发电流量，H为水头，η为效率（根据N(i)和H由效率曲线查出），L为水头损失， HD为净水头，HSL(i)为第i台机组耗水率，1≤i≤M。

在上述任一方案中优选的是，所述目标函数adaptFun的计算公式为

。

在上述任一方案中优选的是，所述约束条件包括刚性约束和非刚性约束。

在上述任一方案中优选的是，所述刚性约束至少包括每台机负荷取值范围，0≤N(i)≤Nmax，其中，Nmax为机组最大负荷.。

在上述任一方案中优选的是，所述非刚性约束至少包括振动区约束，NV ₁()< N(i)<NV ₂()，其中，NV ₁()为振动区的下限值数组，NV ₂()为振动区上限值数组。

在上述任一方案中优选的是，终止所述寻优计算至少满足以下任意条件之一，

1）两次迭代目标函数值之差小于ε，其中，ε为趋近于0的正数；

2）限定最大迭代次数NM。

本发明的第二目的是提供一种水电厂多机组负荷分配优化系统，包括用于获取电厂的技术数据的获取模块，还包括以下模块：

计算模块：用于分别计算1，...，M种情形下的最优负荷分配，生成M个最优负荷分配方案；

输出模块：选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

优选的是，所述技术数据包括总负荷NN、库水位HU、尾水位HD、可用机组台数M和效率曲线表。

在上述任一方案中优选的是，所述最优负荷分配的计算方法包括以下子步骤：

步骤11：计算每台机组的耗水率；

步骤12：计算目标函数；

步骤13；计算约束条件；

步骤14：采用粒子群算法进行寻优计算，寻找最优的N(i)计算目标函数值，其中，N(i)为第i台机组负荷。

在上述任一方案中优选的是，每台机组的所述耗水率的计算公式为

其中，Q(i)为第i台机组发电流量，H为水头，η为效率，HU为库水位，L为水头损失， HD为净水头，HSL(i)为第i台机组耗水率，1≤i≤M。

在上述任一方案中优选的是，所述目标函数adaptFun的计算公式为

。

在上述任一方案中优选的是，所述约束条件包括刚性约束和非刚性约束。

在上述任一方案中优选的是，所述刚性约束至少包括每台机负荷取值范围，0≤N(i)≤Nmax，其中，Nmax为机组最大负荷。

在上述任一方案中优选的是，所述非刚性约束至少包括振动区约束，NV ₁()< N(i)<NV ₂()，其中，NV ₁()为振动区的下限值数组，NV ₂()为振动区上限值数组。

在上述任一方案中优选的是，终止所述寻优计算至少满足以下任意条件之一，

1）两次迭代目标函数值之差小于ε，其中，ε为趋近于0的正数.；

2）限定最大迭代次数NM。

本发明提出了一种水电厂多机组负荷分配优化方法及系统，按照可用机组台数进行分组计算，以耗水率最小为目标，考虑振动区的影响，采用粒子群算法进行寻优计算，最终确定出各台机组的最优分配方案。与现有方法相比，不仅可计算出最优分配方案，而且可计算出各分组的最优分配方案，为电站负荷分配提供决策支持。

附图说明

图1为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的流程图。

图2为按照本发明的水电厂多机组负荷分配优化系统的一优选实施例的模块图。

图3为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的软件界面图。

图4为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的分配方案一的结果示意图。

图5为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的分配方案二的结果示意图。

图6为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的分配方案二的另一结果示意图。

图7为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的分配方案三的结果示意图。

图8为按照本发明的水电厂多机组负荷分配优化方法的一优选实施例的分配方案四的结果示意图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

实施例一

如图1、2所示，一种水电厂多机组负荷分配优化方法，执行步骤100，获取模块200获取电厂的技术数据，所述技术数据包括总负荷NN、库水位HU、尾水位HD、可用机组台数M和效率曲线表。

执行步骤110，计算模块210分别计算启用1-M台机组的情形下的最优负荷分配，生成M个最优负荷分配方案。包括以下子步骤：

执行步骤111，计算每台机组的耗水率，计算公式为

其中，Q(i)为第i台机组发电流量，H为水头，η为效率（根据N(i)和H由效率曲线查出），HU为库水位，L为水头损失，DH为净水头，HSL(i)为第i台机组耗水率，1≤i≤M。

执行步骤112，计算目标函数adaptFun，计算公式为

。

执行步骤113，计算约束条件。所述约束条件包括刚性约束和非刚性约束，

1）刚性约束至少包括每台机负荷取值范围，0≤N(i)≤Nmax，其中，Nmax为机组最大负荷，在本实施例中Nmax=135；

2）非刚性约束至少包括振动区约束，NV ₁()< N(i)<NV ₂()，其中，NV ₁()为振动区的下限值数组，NV ₂()为振动区上限值数组，在本实施例中，NV ₁(1)=0，NV ₁(2)=50，NV ₂(1)=20，NV ₂(2)=70，即0< N(i)<20、50< N(i)<70。

执行步骤114，采用粒子群算法进行寻优计算，寻找最优的N(i)计算目标函数值，其中，N(i)为第i台机组负荷。终止所述寻优计算至少满足以下任意条件之一，

1）两次迭代目标函数值之差小于ε，其中，ε为趋近于0的正数，在本实施例中，ε=10^-5；

2）限定最大迭代次数NM。

执行步骤120，输出模块220选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

本申请的技术方案的创新点在于：当给定需求负荷时，分别计算单个机组运行到几个机组组合运行再到全部机组运行的负荷分配方案，从上述负荷分配方案中选择最经济的负荷分配分案进行实施，

实施例二

右江电厂共有4台机组，每台机组装机容量135MW，共计540MW。每台机组NHQ曲线均相同，每台机组振动区均为0-20MW、50-70MW。将本发明提出的一种水电厂多机组负荷分配优化方法及系统应用在右江电厂，设计出如图3所示界面的电厂机组负荷分配软件，输入参数为：总出力、库水位、检修台数（总台数减去检修台数即为可用台数），勾选“避开振动区”选项，则将振动区作为约束条件。输入不同的参数值，得到不同的分配方式。

情况1

如图4所示，输入总出力300MW，库水位217m，尾水位122m，检修台数0，勾选“避开振动区”，点击计算后，结果如下所示。4台机的最优分配策略为90、70、70、70MW，耗水率为4.36，3台机的最优分配策略为100、100、100，耗水率为4.19，2台机和1台机情形下均触发惩罚项。因此3台机下的分配方式为最优，即1#、2#、3#、4#的负荷分别为100、100、100、0MW。

情况2

如图5所示，输入总出力60MW，库水位219m，尾水位122m，检修台数1，勾选“避开振动区”，点击计算后，结果如下所示。2台机的最优分配策略为40、20MW，耗水率为8.38，4台机、3台机和1台机情形下均触发惩罚项。因此2台机下的分配方式为最优，即1#、2#、3#、4#的负荷分别为40、20、0、0MW。

如图6所示，其他条件不变，不勾选“避开振动区”，点击计算后，结果如下所示。均为1台机为60MW，其余机组不开机情形下最优。即1#、2#、3#、4#其中一台机的负荷分别为60MW，其余为0、0、0。

情况3

如图7所示，输入总出力420MW，库水位219m，尾水位122m，检修台数0，勾选“避开振动区”，点击计算后，结果如下所示。4台机的最优分配策略为105、105、105、105MW，耗水率为4.17，3台机、2台机和1台机情形下均触发惩罚项。因此4台机下的分配方式为最优，即1#、2#、3#、4#的负荷分别为105、105、105、105MW。

情况4

如图8所示，输入总出力220MW，库水位219m，尾水位122m，检修台数0，勾选“避开振动区”，点击计算后，结果如下所示。4台机的最优分配策略为50、50、70、50MW，耗水率为5.17；3台机的最优分配策略为73、73、73MW，耗水率为4.34；2台机的最优分配策略为110、110MW，耗水率为4.25；1台机情形下触发惩罚项。因此2台机下的分配方式为最优，即1#、2#、3#、4#的负荷分别为110、110、0、0MW。

实施例三

某水力发电厂共有8台发电机组，确定总负荷、库水位和尾水位，使用电厂机组负荷分配系统对其发电机组进行负荷分配。

第一步，分别计算启动1-8台发电机组时的最优负荷分配，生成8个最优负荷分配方案，分别为：

1）启动1台发电机组时的最优负荷分配方案；

2）启动2台发电机组时的最优负荷分配方案；

3）启动3台发电机组时的最优负荷分配方案；

4）启动4台发电机组时的最优负荷分配方案；

5）启动5台发电机组时的最优负荷分配方案；

6）启动6台发电机组时的最优负荷分配方案；

7）启动7台发电机组时的最优负荷分配方案；

8）启动8台发电机组时的最优负荷分配方案。

第二步，计算每台机组的耗水率。

第三步，分别计算8个最优负荷分配方案的目标函数。

第四步，计算约束条件。

第五步，采用粒子群算法进行寻优计算，在8个目标函数中寻找最优的N(i)计算目标函数值。

第六步，选择8个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

在本实施例中，某水力发电厂共有8台发电机组，当得到负荷需求指标时，分别计算启动1台发电机组到启动8台发电机组是的最优负荷分配方案，然后从8个最优负荷分配方案中选择最经济的机组负荷分配方案作为最终的机组负荷分配方案。

为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种水电厂多机组负荷分配优化方法，包括获取电厂的技术数据，其特征在于，还包括以下步骤：

步骤1：分别计算启用1-M台机组的情形下的最优负荷分配，生成M个最优负荷分配方案；

步骤2：选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

2.如权利要求1所述的水电厂多机组负荷分配优化方法，其特征在于，所述技术数据包括总负荷NN、库水位HU、尾水位HD、可用机组台数M和效率曲线表。

3.如权利要求2所述的水电厂多机组负荷分配优化方法，其特征在于，所述步骤1包括以下子步骤：

步骤11：计算每台机组的耗水率；

步骤12：计算目标函数；

步骤13；计算约束条件；

步骤14：采用粒子群算法进行寻优计算，寻找最优的N(i)计算目标函数值，其中，N(i)为第i台机组负荷。

4.如权利要求3所述的水电厂多机组负荷分配优化方法，其特征在于，每台机组的所述耗水率的计算公式为

其中，Q(i)为第i台机组发电流量，H为水头，η为效率， L为水头损失， DH为净水头，HSL(i)为第i台机组耗水率，1≤i≤M。

5.如权利要求4所述的水电厂多机组负荷分配优化方法，其特征在于，所述目标函数adaptFun的计算公式为

。

6.如权利要求5所述的水电厂多机组负荷分配优化方法，其特征在于，所述约束条件包括刚性约束和非刚性约束。

7.如权利要求6所述的水电厂多机组负荷分配优化方法，其特征在于，所述刚性约束至少包括每台机负荷取值范围，0≤N(i)≤Nmax，其中，Nmax为机组最大负荷。

8.如权利要求7所述的水电厂多机组负荷分配优化方法，其特征在于，所述非刚性约束至少包括振动区约束，NV ₁()< N(i)<NV ₂()，其中，NV ₁()为振动区的下限值数组，NV ₂()为振动区上限值数组。

9.如权利要求8所述的水电厂多机组负荷分配优化方法，其特征在于，终止所述寻优计算至少满足以下任意条件之一，

1）两次迭代目标函数值之差小于ε，其中，ε为趋近于0的正数；

2）限定最大迭代次数NM。

10.一种水电厂多机组负荷分配优化系统，包括用于获取电厂的技术数据的获取模块，其特征在于，还包括以下模块：

计算模块：用于分别计算1，...，M种情形下的最优负荷分配，生成M个最优负荷分配方案；

输出模块：选择M个最优负荷分配方案中目标函数最小情形下的机组负荷分配方案作为最终的机组负荷分配方案。

Images