水库群蓄水调度多目标随机规划与聚类分析

梯级水库群汛后蓄水期蓄水时机、速率、次序决策面临径流不确定、多目标竞合关系复杂等问题。针对蓄水期决策难题,构建发电、蓄满、生态、上、下游防洪安全等指标的水库群多目标随机规划模型,生成非劣解集;采用K均值聚类法提取非劣解集类别特征,分析目标矛盾关系及蓄水机制。以溪洛渡-葛洲坝梯级水库群为例,结果表明：蓄水期来水越枯,蓄水难度越大,综合效益越低,枯水年发电量较丰水年下降了21.6%;上游防洪安全与发电量矛盾性最强,由枯到丰相关系数降低了0.047;溪洛渡、三峡蓄水呈分段式变化,前期快速蓄水,中后期缓速蓄水。本研究提出的耦合水库群多目标随机规划与聚类分析方法对于科学制定水库群蓄水方案具有参考价值。     

水库群消落期多目标智能优化调度研究

本文考虑了河道天然流量模式调度需求,以发电量、供水满足度最大和河道流量偏差函数值最小为目标,建立了水库群消落期多目标优化调度模型,采用非支配排序遗传算法求解,以湘江流域东江-双牌-涔天河水库群为研究对象,进行了实例分析。研究结果表明：相比常规方案,在丰、平、枯水年情景下,发电量最大方案分别能提高1571万kW·h(11.2%)、1167万kW·h(10.9%)和811万kW·h(10.0%)的发电量;生态效益最好的方案,能减小1.56(61.2%)、0.33(6.3%)和0.89(13.6%)的河道流量偏差函数值;供水满足度最大的方案能提高2.1%、2.6%和3.4%的供水效益。构建的水库群消落期多目标优化调度模型可为长江流域水库群消落调度提供理论参考。     

大渡河梯级水库群联合优化调度函数研究

采用＂优化-拟合-再优化-随机仿真＂技术框架研究梯级水库群联合优化调度函数：首先建立梯级水库群优化调度模型,通过改进的动态规划方法得到最优样本;然后对最优样本进行回归分析得到联合调度函数;并基于模拟调度结果采用非线性规划法直接修正调度函数;最后通过水文随机模拟技术生成径流系列,进一步检验、评价所得调度函数的效率。以长江上游大渡河梯级水库长期优化调度为对象进行实例研究,计算结果表明：对于1959-2000年实测径流系列,梯级水库群联合优化调度函数较常规调度年均发电量增幅达1.66%;对于Copula随机模型生成的水文径流系列,年均发电量提高了1.42%,经济效益显著。     

基于结构方程模型的水库多目标互馈关系研究

梯级水库多目标问题涉及的因子集维度较高，目标间关系错综复杂，传统统计学方法难以同时考虑各目标所涉及的不同指标，对于互馈关系仅可给出定性分析。针对此问题，本文建立梯级水库发电-供水-生态多目标优化调度模型，采用快速非支配排序遗传算法（NSGA-Ⅱ）求解，并提出三者间互馈关系的初步假设，进而引入结构方程模型（SEM），以非劣解集内各指标值作为输入数据，进行高维验证性因子分析，针对目标间互馈关系给出可视化、定量化的计算结果。溪洛渡-向家坝梯级水库的研究结果表明，在丰、平、枯不同典型年中发电-供水的冲突最剧烈，其次为发电-生态，而供水-生态的互馈关系并不显著；另外，随着天然来流由丰变枯，发电-供水矛盾急剧锐化。     

病毒进化遗传算法在水电站优化调度中的应用研究

将生物免疫系统的核心内容——病毒感染机制引入遗传算法,提出了基于病毒进化遗传算法的水电站优化调度模型。通过病毒个体对宿主种群的感染,有效改善了种群多样性,提高了遗传算法的全局搜索能力。以福建省棉花滩水电站的年发电调度为例,对丰、平、枯不同典型年进行了优化计算。计算结果表明,各种典型年,病毒进化遗传算法获得的调度结果均优于标准遗传算法,与动态规划方法获得的结果十分接近。因此,基于病毒进化遗传算法的水电站优化调度模型是有效的和优越的。     

考虑大规模风电和电动汽车入网的协同优化调度

为了实现发电机组的经济调度,同时减少污染气体的排放和等效负荷的波动,结合电动汽车与电力系统之间能量双向流动的特点,考虑风力发电的间歇性和电动汽车充放电的随机性对电网的影响,以发电成本、排污成本和等效负荷波动方差最小为多目标函数,构建了计及风电和插入式混合电动汽车(Plug-in Hybrid Electric Vehicles,PHEVs)的协同优化调度模型。并应用基于ε占优的多目标粒子群算法进行求解,该方法能保证外部存档非劣解的收敛性和分布性,克服了粒子群算法(Particle Swarm Optimization,PSO)求解多目标优化问题极易收敛到伪pareto前沿和收敛速度慢的缺陷。最后,通过仿真实验,验证了所构建多目标协同优化调度模型与单目标优化调度模型相比,能有效平抑可再生能源发电出力波动,降低发电总成本和排污成本。     

金沙江下游梯级和三峡梯级水电站群联合调度补偿效益分析

为探索金沙江下游梯级和三峡梯级水电站群联合发电调度补偿效益及补偿规律,分别建立以发电量最大为目标的单库优化调度模型和梯级联合优化调度模型,采用经典动态规划法和笔者提出的多精英向导粒子群算法(Elite-guide particle swarm optimization,EGPSO)算法对两模型进行求解,以计算梯级电站群联合调度电力电量补偿效益。选择1999、1983、1992作为丰、平、枯典型代表年径流数据进行计算,分析结果表明:金沙江下游梯级和三峡梯级水电站群联合调度能显著提高梯级整体发电量,减少弃水,补偿效益显著。梯级联合调度中,金沙江梯级对三峡梯级进行电量补偿,在提高枯期出力和季节性发电量的同时,缓解了汛期集中消落带来的调度风险。     

考虑SVC和储能接入电网的多目标协同经济调度

针对风电并网引起的电网功率波动和安全运行问题,提出一种考虑SVC和储能的多目标协同经济调度优化方法。以典型日运行为例,建立了以系统综合运行成本、电压偏差和系统网损最小为目标函数的经济调度多目标优化模型,在优化过程中对经济调度和无功优化模型的目标进行协同迭代,获取兼顾电网经济性和安全性的最优解,并将结果与利用权重系数法获得的Pareto前沿面进行对比分析,通过对IEEE RTS-24节点系统进行仿真分析,验证其算法的合理性和可行性。     

采用改进隶属度函数的梯级水电站多目标优化调度模型

梯级水电站的多目标优化调度要求在保证发电量最大同时减少用水量和弃水量,提高水能利用率,为此提出了采用改进隶属度函数的梯级水电站模糊多目标优化调度模型,以梯级水电站总发电量最大、总弃水量最小及调度期末蓄水量最大为目标建立了多目标优化调度模型。传统求解多目标问题的模糊算法普遍采用半升或半降直线型隶属度函数,文中以定义域上连续可微的Sigmoid函数及反Sigmoid函数作为新的隶属度函数,确定了Sigmoid隶属度函数各参数的计算方法。改进隶属度函数的应用要求目标函数可导的非线性规划法更加适于求解该多目标模型。算例结果验证了该模型的可行性。     

金沙江干流梯级水电站水库群长期优化调度

以金沙江干流梯级水电站水库群为研究对象，建立了金沙江梯级水电站水库群兼顾保证出力要求的以发电量最大为目标的长期优化调度模型;考虑水电系统的调峰要求，建立了金沙江梯级发电量最大长期优化调度模型。均用逐次逼近动态规划法求解，结果表明，调峰系数不同对梯级水电站发电效益及运行方式有明显影响。     

耦合集合预报信息的水库高效调度方法研究

预报不确定性是水库调度领域亟待解决的关键难题。集合预报能有效的刻画预报不确定性，但将其直接耦合在水库多目标优化调度模型中会极大地增加计算负担。为此，本文提出了一种耦合集合预报信息的水库高效调度方法。首先，采用同步回代缩减算法将集合预报样本缩减为几种典型场景及对应的发生概率；然后，基于典型预报场景构建水库多目标优化调度模型，使得水库在多场景下性能指标的期望值最优；最后，采用“参数-模拟-优化”框架优化调度规则参数。以引汉济渭跨流域调水工程为例，研究结果表明：基于本文提出的方法制订的调度规则能有效应对预报的不确定性，各性能指标较优且计算负担较小。     

梯级水库群多目标调度增益分配的组合系数法

在当前流域综合开发的背景下,流域内多利益主体间公平、高效、合理的效益分配,是维持梯级水库合作联盟的稳定性和综合发展的可持续性的关键。本文基于水资源多目标开发要求和多利益主体效益分配问题,提出了同时考虑水库贡献度和牺牲度的组合系数增益分配模型,综合水库在发电优化联合调度中的增益贡献度和多目标优化调度中的效益牺牲度,合理进行联盟增量效益分配。应用结果表明：增量效益的分配实质上是对水库贡献的奖励和对牺牲的补偿;贡献度和牺牲度都较高的水库分得更多的增量效益,组合系数分摊法的分配结果公平合理;与基于比例分配法和传统Shapley值分配法的分配结果相比,组合系数的分摊方法更符合当前水资源多目标发展要求。     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。     

促进清洁能源消纳的多网联合优化与决策模型

针对我国西南地区,弃电量大、清洁能源消纳受阻的问题,考虑清洁能源外送消纳的方式,本文以互联电网各自运行成本最小为目标,建立了多网联合多目标优化模型。基于小生境多目标粒子群算法对模型进行求解,应用基于熵权法的逼近理想解排序法进行最佳均衡解决策。以云南送广东、广西的“一个送端+两个受端”系统为例进行实例分析,结果表明：小生境多目标粒子群算法求解得到了均匀分布的近似Pareto前沿;基于熵权法的逼近理想解排序法决策得到的最佳均衡解显示,送端电网清洁能源消纳率达到100%,外送通道日利用小时数最大,表明多网联合优化计算能够大大提高清洁能源的消纳能力和外送通道的利用程度。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。     

兼顾四大家鱼产卵需求的梯级水电站生态调度北大核心CSCD

为实现流域梯级水电站水资源高效利用,以金沙江下游溪洛渡-向家坝梯级水库生态调度为例,通过已有研究成果以及实测数据推求四大家鱼产卵所需的适宜生态流量,构建梯级水库长短期耦合双层优化模型,上层模型采用非支配排序遗传算法(NSGA-Ⅱ)求解,下层模型采用遗传算法求解,进而提出兼顾四大家鱼产卵流量需求的梯级水库日调度方案。结果表明:与常规调度相比,当以促进四大家鱼产卵为主要目标时,调度期内(5—6月)梯级水库发电量减小1.91亿kW·h,减幅为1.76%;同时生态流量契合度增大0.123,有效洪水上涨作用期累计可达12 d,可较好地促进四大家鱼产卵。研究成果可为制定面向下游河道四大家鱼产卵的梯级水库生态调度方案提供参考依据。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性     

火电厂厂级负荷分配的多目标优化和决策研究

火电厂的负荷优化分配系统通常是以机组煤耗特性为基础的,其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求,以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法,求出Pareto最优解,由Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。