基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

梯级水电站优化调度研究现状

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。     

乌溪江梯级水电站隐随机优化调度方案

针对乌溪江梯级水电站的特点,充分利用水库优化调度技术,采用隐随机方法分别拟合了该梯级电站逐月和逐旬的优化调度函数,并通过模拟调度对比分析,最终确定了该梯级电站的优化调度方案。计算表明,该优化成果合理,效益显著,能有效应用于生产实际。     

梯级水电站联合优化发电调度

梯级水电站联合发电调度的优化模型的确定在整个电网经济、安全运行中起着非常重要的作用。文中提出一种新的梯级水电站群联合发电优化调度的调度准则——以单位水体发电电价最高优先发电,在此基础上建立梯级水电站群联合发电优化调度模型及其评价方法。首先建立基于四层水体的水库能的水电站发电模型,在此基础上提出单位水体发电电价的概念。建立优化调度模型时,将电力系统中的负荷变化和在电力市场机制下分时上网电价的影响因素考虑在内。该模型能较为客观地反映梯级水电站运行情况,能给系统调度员做出最佳调度决策提供一定的依据。优化仿真计算结果证明该调度准则具有可行性和适用性。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

基于Hopfield网络的浠水梯级水电站实时优化调度

采用Hopfield网络的并行处理特性求解梯级水电站经济运行问题，提出了水电站经济运行实时优化调度的神经网络方法。     

混合式抽水蓄能电站在梯级水电站群中的优化调度

在充分考虑东北电网调峰需求和抽水蓄能机组运行工况的前提下,优化白山混合式抽水蓄能电站水库调度,提高白山水库的运行水位,获得最大化的"水头"增发电量,实现梯级电站年发电量或年调峰效益的最大化。结果表明白山混合式抽水蓄能电站抽水发电转换效率发电量最大模型比调峰效益最大模型高,2种模型的抽水发电转换效率分别为90.65%～95.50%和87.94%～92.58%,都比纯抽水蓄能电站的发电转换效率高,体现了混合式抽水蓄能电站的优势。抽水蓄能机组运行对下游仅具有日调节性能的红石水电站影响不大,但加剧了下游具有不完全多年调节性能的丰满水库的径流年内分配的不均匀,使得梯级运行效率为75.93%～82.62%。结果表明梯级水电站群中建设混合式抽水蓄能电站,其效率及对其他电站的影响与梯级电站的布置如龙头水库的位置和开发方式等因素有关。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

基于数据挖掘的梯级水电站群指令调度优化方法

水电规模急剧扩大和电网调度精细化要求不断提高给水电调度的时效性和结果可用性带来极大挑战。提出一种基于数据挖掘的梯级水电站群指令调度优化方法,采用聚类分析从电站海量日发电数据中提炼出若干关键特性指标并聚类形成调度决策库;以此为基础,采用大系统分解协调方法对不同流域不同电站进行分层求解,并耦合逐步优化算法组合优选水电站群调度出力曲线及其变化幅值,快速得到合理可行的调度决策。澜沧江中下游梯级水电站群实例研究表明,所述方法能够快速获得水电站群发电出力曲线,且符合实际调度要求,是一种切实高效的实用化方法。     

基于电网安全稳定运行前提下的梯级水电站优化调度新探讨

优先和大力发展水电是调整能源结构和可持续性发展的重要措施之一,梯级水电站由于其经济效益显著受到极大的关注。随着水力资源的不断开发,电网结构日益复杂,水电关系必将越来越密切,就梯级水电站的优化调度问题,立足于电网稳定安全,提出了先电网优化再水库调度优化的调度方式。基于四川南充电网梯级水电站,通过PSASP系统进行了不同电网运行方式下的潮流计算,较好地验证了这一方案的提出。     

流域梯级水电站节能调度效益评价指标体系研究

在对流域梯级水电站节能调度特点进行具体分析的基础上,结合评价指标选取原则,构建了一套定量与定性相结合的指标体系,从而为合理评定梯级水电站节能调度效益并对其实施有效监管、解决系统内调节效益补偿问题提供了决策依据.     

计及来水量不确定性的梯级水电站发电调度研究

针对梯级水电站来水量的不确定性,建立了计及来水量不确定性的梯级水电站调峰调度模型.采用区间数来描述来水量的不确定性,并借鉴联系数理论,确定区间数之间的排序关系,从而将模型中带有区间数的约束条件进行清晰化处理,使不确定的优化问题得以用确定的优化方法来求解;通过算例分析验证了所提模型和方法的有效性.     

市场竞价下梯级水电站短期优化调度研究

针对梯级水电站短期优化调度的特点，通过对电力市场中发电厂商竞价策略特点的分析，提出了市场竞价下梯级水电站的竞价运行策略，构建了市场竞价下梯级水电站优化调度模型。模型采用概率分布来模拟发电厂商报价策略，并利用蒙特卡洛方法对电力市场出清过程进行随机模拟，而且在最大效益子模型中考虑了梯级各电站发电成本不同的因素。最后通过实际算例，利用改进蚂蚁算法和遗传算法对硕多岗河梯级水电站在市场竞价条件下的整体调度过程进行了模拟优化求解，得出了较优的市场出清结果和梯级优化运行方案，并通过对优化结果的详细分析，指出了模型的优点和缺陷。     

基于水力学仿真的梯级水电站运行调度研究

针对级间调蓄容积较小的渠道梯级水电站,采用可视化软件仿真分析运行调度引起的非恒定流过程,以防调度不当导致渠池被抽空或大量溢流弃水等现象。仿真计算的数学模型中对明渠非恒定流和管道水锤分别采用显式蛙跳格式和特征线格式迭代求解,两种格式通过引水前池的水位边界条件和机组的流量边界条件衔接。对某两级渠道水电站,采用Visual Basic 6.0开发了可视化仿真软件来模拟甩负荷、起动和停运等工况下非恒定流过程,并调算得出了各级站相应的运行调度原则,为工程的设计和运行管理提供了有价值的建议。     

小浪底、西霞院梯级水电站短期调峰调度研究

基于具有日调节性能的反调节水库的运行特点,提出西霞院水电站参与电网调峰的构想。通过建立小浪底、西霞院梯级水电站短期调峰模型,从理论和实际运行角度验证了西霞院参与调峰的可行性。根据不同的影响因子,制定了小浪底、西霞院短期调峰运行的可行方案。采用加速遗传算法求解各方案,结果表明：西霞院参与调峰运行能够大大提高水资源利用率和电站运行水平,实现电调与水调的双赢。     

风电并网条件下的梯级水电站长期优化调度

随着新能源的快速发展,大规模风电并网条件下电网需要更多的调节能力,梯级水电站利用其灵活的调节能力可以与大规模风电联合运行。本文研究了风电的日内反调峰特性对梯级水电站发电的影响,并得到梯级水电站的日发电量上下限。然后,通过这个日发电量约束搭建梯级水电站长期调度与短期调度的桥梁,以达到在长期优化调度中考虑风电的短期反调峰特性的目的。以我国西南地区澜沧江下游2座梯级水电站与周边风电为实例进行研究,结果表明,与风电站联合调度后,梯级水电站的长期调度方式需要改变,尤其是汛前枯期的库水位决策与汛后蓄水决策。所提出模型为破解大规模风电并网问题提供新的技术途径。     

负荷频繁波动情景下梯级水电站实时调度策略

在新能源高比例并网环境下,如何安全、高效地发挥水电的调节作用是电网安全稳定运行的关键问题之一。介绍电力系统转型时期梯级水电站面临的负荷频繁波动情景,分析水电站实时调度后效性影响,建立实时尺度下水电灵活性量化准则。在此基础上,提出负荷频繁波动情景下的梯级水电站实时调度策略,采用实时与远期视角相结合、时段出力与调度期末水位同时动态控制的方式满足实时调整需求。算例结果表明,所提实时调度策略在多种负荷波动场景下均可提升水电系统对未来调度时段风险的对冲能力,比传统实时调度策略更适应当前水电运行环境。     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.     

水电站分期发电调度规则提取方法

针对水电站发电优化调度需求，提出了结合灰色关联度（GRA）和贝叶斯模型平均法（BMA）提取水电站水库分期发电调度规则方法。在确定性优化调度模型基础上，首先确定决策变量和影响因子属性集，基于GRA筛选分期影响因子；然后分别采用多元线性回归模型、支持向量机模型及BP神经网络模型拟合得到分期水电站水库发电调度规则；最后应用BMA进行多模型结果加权平均获取最终分期水电站水库发电调度规则。以新安江水电站为例，对本文的方法进行了验证。研究结果表明，基于GRA和BMA结合的调度规则提取方法不仅可以提供精度较高的均值模拟，而且能较好地保持确定性优化调度的发电效益。     

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