梯级泵站优化模型及参数敏感性分析

为提高梯级泵站的工作效率,优化其调度方式是一种有效的方法。采用分解协调法,建立某水库运行的能量优化模型和日运行电价优化模型,应用改进的Morris筛选法对其影响参数进行敏感性分析。研究发现,在能量优化模型中,瞬时流量、后池水位、前池水位等因素对能量消耗和扬程消耗均有影响,且各参数的敏感性依次为瞬时流量、前池水位、后池水位;在日运行电价模式中,影响因素以日调水量、高峰时段最小流量、低谷时段最大流量为主。在不超出机组负荷条件下,为使日运行电费最低,需要降低高峰时段最小流量,同时增大低谷时段最大流量。     

梯级泵站提水效率评估模型设计与应用探讨

高扬程梯级泵站具有级数多、输水距离长、提水效率评估难度大的特点。我国当前对未安装实时监测装置或仅有少部分计量装置的梯级泵站提水效率研究成果较少。基于现状提出未安装水量监测设备的梯级泵站提水效率评估模型,以某水利工程为例进行梯级泵站提水效率的计算与评估。结果表明,除了一些常见因素外,梯级泵站提水效率的高低主要受铭牌扬程与设计扬程是否匹配、主力泵流量大小以及泵站运行电压等级等因素的影响,梯级泵站提水效率的提升也应该从上述角度出发予以考虑。     

梯级泵站计算机监控系统的发展与应用

随着跨流域梯级引水工程和跨流域梯级排灌工程规模的大型化，泵站工程越来越复杂化，必须对这种大型工程全系统的优化调度运行进行研究。主要研究大型梯级泵站计算机监控系统功能、大型梯级泵站计算机监控系统网络结构、大型梯级泵站仿真系统与培训系统与大型梯级泵站经济安全运行等内容。     

高扬程梯级泵站的运行管理

甘肃中部沿黄干旱高原区分布着一系列大中型电力提灌工程，总装机1600多台（套），总动力44万kW，设计灌溉面积180多万亩，是重要的商品粮基地，对甘肃农业起着举足轻重的作用。管理好这些电力提灌泵站，使其高效率长期稳定地为农业生产服务，具有重要的现实意义。这些电灌泵站都是具有一定规模的高扬程梯级提水泵站。如景泰川一期泵站分11级从黄河提水，设计流量10m3／s，总扬程427m，泵站13座，机组103台（套），总动力67万kW，灌溉面积30万亩。对这种多台机组、多级泵站联合运行的提水工程，必须搞好泵站机电设备运行管理，保证安全正常…     

高扬程多梯级泵站提水灌区用水管理调度技术

概括介绍了水利部“948”计划项目“高扬程多梯级泵站提水灌区用水管理调度技术”的技术成果，主要包括高扬程提水灌区用水管理信息系统，灌溉渠系水流模拟仿真系统，渠道闸门太阳能自动控制系统和微功耗大容量自记式水位计等，这些成果在注重创新研究的同时，又强调技术的实用性，在灌区用水管理中得到了实际应用。     

提水泵站渠道灌溉和管道灌溉经济性对比实例

提水泵站渠道灌溉和管道灌溉经济性对比实例吕成长（永康市水电局机电排灌站）一、概况位于浙江省中部的永康市，拥有耕地面积２８万亩，现有机电排灌装机５５１０ＫＷ，受益面积８．５万亩，占全市灌溉总面积的３０％左右。提水泵站对保证我市农业稳产高产，适应家庭大田...     

梯级泵站流量调节

文章阐述了梯级泵站流量调节的必要性，以及常用调节方式的利弊。分析了双吸离心泵配备小范围变速电机调节水泵流量的可行性。     

多级串联梯级泵站扬程优化分配研究

为了使梯级泵站群整体以效率最高状态运行,降低输水成本,确定不同工况下梯级泵站群的最优运行调度方案,开展了针对南水北调来水调入密云调蓄工程梯级泵站不同的梯级净扬程组合下的扬程优化分配研究,即当首级泵站进水侧水位和末级泵站出水侧水位(即梯级净扬程)一定时,各级泵站间的扬程分配。在满足各渠段水力联系、各级泵站进、出水侧水位约束等多个条件的前提下,利用动态规划法进行求解,得出各级扬程分配的最优解,使整个梯级输水系统运行效率最高,从而得出梯级泵站系统联合运行扬程优化分配方案。     

基于水动力模型和遗传算法的梯级泵站优化调度研究

引滦入津输水沿线采用梯级泵站级联提水的方式工作。为降低泵站系统总能耗,在分析研究梯级泵站输水特点的基础上,设计出梯级泵站站间水位优化结合各单级泵站站内机组优化的调度方法,并利用丹麦DHI MIKE11水动力模型和遗传算法分别建立了河道水位数学模型和泵站优化调度模型,根据各泵站机组实测运行记录,拟合了机组运行效能曲线来计算功耗。结合2011年该梯级泵站运行实测数据,验证了该调度方法的合理性、有效性,能够满足梯级泵站节能降耗的要求。     

梯级泵站输水系统日优化调度及经济运行研究

南水北调来水调入密云水库调蓄工程是北京南水北调配套工程的重要内容,前半段从团城湖通过6级泵站提升输水至怀柔水库。为实现工程高效经济运行,基于分时电价规则,建立大系统分解协调模型求解该工程日优化调度及经济运行问题。将大系统分解成3个子系统,先采用动态规划法实现各子系统的最优化,然后根据大系统的总体目标,依据各子系统之间的关联,实现大系统的全局优化。结果表明,模型实用性强,优化调度运行方案中低电价时段所分配流量较大,对于实现工程高效经济运行具有指导意义。     

基于遗传算法的串联梯级泵站扬程优化分配

为实现引江济淮工程(安徽段)江水北送段的高效运行,以引江济淮工程江水北送段输水系统为研究对象,采用基于遗传算法构建的梯级泵站扬程优化分配模型,开展串联梯级泵站扬程优化分配研究。分别对设计和非设计工况下江水北送段输水系统的运行方案进行分析计算。计算结果表明:设计工况下优化后分配方案总效率较设计现状方案提高2.86%,说明模型优化后的方案可进一步提高梯级泵站的输水效率,为实现串联泵站输水系统科学、合理调度提供很好的科学支撑。     

基于来水不确定性的梯级水电站负荷调整耦合模型——以锦官电源组梯级水电站为例

针对来水不确定性引起的实际调度要求与原定发电计划的偏差问题,一方面结合风险管理内涵和梯级水电站发电调度操作规程,建立了梯级水电站安全运行预警机制,对发电计划进行滚动监测与评估;另一方面,基于误差分析技术和水库调度理论,建立了梯级水电站负荷调整耦合模型,并以预警结果为时间控制节点,构建二者的嵌套应用模式,同时提出了一种计及电网安全约束的负荷调整逐层递进求解算法。以雅砻江流域锦官电源组梯级水电站为实例进行计算,结果表明,所建模型可有效解决来水不确定性(偏小或偏大)导致的电站被迫降低出力运行或水库弃水问题,制定的负荷调整方案满足电网安全稳定运行约束和水电站水库运行要求,验证了所建模型的合理性。     

基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价

引入人工神经网络（ANN）理论,提出了水环境质量综合评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。与传统评价方法相比,本模型全面考虑多种因素,评价结果更为客观、合理;相应所开发的评价系统适应性强,通用性好,简单易用,具有优越性。     

基于堆栈自动编码器的泵站机组故障分析

将堆栈自动编码器(Stack Auto-encoders)应用到泵站机组的故障分析中,构建了基于堆栈自动编码器的故障分析模型。构建的模型主要由输入层、3个中间隐层和输出层构成,以实现对泵站机组的监测数据和特征进行提取和降维处理。模型网络采用了非监督逐层贪婪方法训练,然后使用反向传播算法对网络参数予以优化,在此基础上,利用softmax分类器进行分类。实验结果表明,运用所构建的模型对机组故障以及不同工况的平均分类准确率可以达到79.88%。该成果可以为泵站机组故障分析提供一定的参考依据。     

华光潭梯级水电站水库优化调度探讨

华光潭梯级水电站水库库容较小,如何根据梯级水库及其流域水文特性,进行水文测报和洪水预报,从而进行优化调度,是水电站取得良好经济效益和社会效益的唯一手段。本文通过2次实际调度案例的分析,提出了需进一步做好该梯级水库调度的建议。     

硕多岗河梯级水电站群短期优化调度研究

以云南硕多岗河梯级电站为主要研究对象,介绍了在调峰任务下梯级水电站的短期优化调度模型的改进方法,并建立相关数学模型.利用遗传算法可以从多初值沿多路径全局寻优的特点,打破了逐级寻优的常规方式,对梯级6站15台机组进行整体求解,总结其厂间和厂内的调度运行规律.分析遗传算法寻优得到的结果以及该模型反映出的机组和梯级各电站的特点,并与常用的梯级调度和水电站经济运行方法进行了比较.结果表明,该模型较好地反映了梯级电站在调峰任务下的水力联系和机组的运行特点.     

南水北调来水调入密云水库调蓄工程梯级泵站机组选型设计与研究

南水北调来水调入密云水库调蓄工程,通过沿京密引水渠建梯级泵站将南水北调来水调入密云水库,解决来水与北京市用水过程不匹配问题,提高供水可靠性。本文通过重点分析调蓄工程梯级泵站特点,理论和试验相结合地选择合理的超低扬程供水泵站泵型,选用合适的水力模型优化了流道设计,提高了泵站水力性能和泵站装置效率。研究成果可为类似调蓄工程超低扬程泵站设计提供参考。     

梯级水电站施工导流风险效益补偿机制研究

汛期通过上游已建水电站调蓄可保障下游施工电站的度汛安全。为有效均衡上下游风险,合理分摊合作利益,对梯级水电站施工导流风险效益进行了补偿机制的设计。以总效益可量化为前提,提出补偿是落实风险效益分摊的一种支付行为,分别从补偿主客体的界定、责权利的划分、风险效益计量、补偿实施方式、补偿管理流程设计等方面,构建了梯级水电开发条件下施工导流风险效益补偿框架和程序。针对补偿制度实施存在的难点,提出了相应的对策和建议,可为流域梯级水电站风险效益补偿管理模式和制度的构建提供参考。