水库调度研究若干进展.pdfVIP

·46· 水电站梯级调度、自动控制技术研讨会论文集 水库调度研究的若干进展 梅亚东 (武汉大学水利水电学院湖北省武汉市430072) 摘要 简要回顾了水库群调度优化方法的进展；介绍了生态友好型水库调度的概念。总结 了其研究现状及研究重点；对求解水电站水库群优化调度这类高雏、非线性问题作了初步分 析。 关键词 水库调度优化算法 生态友好型调度电力市场 水库大坝通过对天然径流的时空调控，可以不断满足经济社会发展对防洪、灌溉、发电、 工业和城镇供水、航运等方面的要求。从这个意义上讲。水库大坝已成为促进社会文明进步的 重要手段之一。据世界大坝委员会2002年报告统计，发达国家水电平均开发程度已达60％以 上，其中美国水电资源已开发约82％，日本约84％，加拿大约65％，德国约73％，法国、挪威、瑞 士也均在80％以上。我国水电开发量占其可开发容量比例不到20％，水电开发程度大大低于 世界平均水平。随着经济社会快速发展，我国电力紧缺矛盾正在日益加剧，作为可再生的清洁 能源，水电开发利用是解决能源瓶颈的重要战略措施。据测算，到2020年我国要实现GDP 比2000年翻两番的目标，国家需增加电力装机9．3亿kW，其中水电装机要在当前基础上增加 1．7亿kW，即平均每年要新增1000万kW。 随着河流大规模梯级开发和水电站群逐渐投入运行，大型水库水电站群运行调度管理日 趋复杂。目前，我国已建水电站水库调度面临以下主要问题：①调度规模越来越大，相互联系 越来越复杂，对其运行调度方式优化需要发展有效的适合求解高维、非线性优化问题的方法： ②将生态环境保护和改善作为水库调度目标的呼声越来越强烈，如何实现水库传统的兴利 除害目标和生态环境目标的协调，值得深入研究；③在我国电力市场化的大背景下。水电站 优化运行调度问题。 1 水库群调度优化方法的进展 水资源开发利用的历史悠久，但应用系统分析理论与方法，研究和解决水资源开发利用 问题包括水库调度问题，始于20世纪50、60年代。从发挥水库经济社会效益出发，探讨如何 实现水库综合利用效益最佳，包括防洪、发电、灌溉、供水及航运等效益最佳，国内外进行了大 量研究工作并应用于实践，建立了显随机性优化调度、确定性优化调度、最优控制、多目标优 化调度等多种模型，提出了动态规划、非线性规划、网络流规划算法、大系统分解协调方法等 单目标优化方法，和权重法、约束扰动法、多目标线性规划法、多目标动态规划法、均衡规划 法、目的规划法等多目标优化方法，最近又发展了遗传进化算法、神经网络方法、模糊方法及 ‘ 微粒群(PSO)方法、蚁群算法(AntA)等方法，形成了水库调度的智能(仿生)优化方法。 水库调度研究的若干进展 ·47· 1．1 遗传算法 遗传算法(GA)是一种基于自然选择原理和自然遗传机制的全局自适应搜索算法，最初由 形成了遗传算法的基本框架。遗传算法属于自适应概率搜索技术，其选择、交叉和变异等运算 都以一种概率方式进行，因而增加了搜索的灵活性。具有广泛的应用价值。国内最早采用GA 求解确定性人流下单目标水电站水库年优化调度问题是1996年，之后又用于求解梯级水电 站日优化运行问题，根据水库调度多目标要求提出了多目标GA，并应用于水库群优化调度问 时段数都不大，多数为年调度问题。当GA应用于多年调度问题时，计算效果和效率均有待进 一步改进。 1．2 蚁群算法 原理而设计的一种群体智能算法。在解决旅行商问题、二次分配问题、车间调度问题、车辆路 线等组合优化问题时取得了一系列较好的实验结果。近些年，蚁群算法的应用也逐渐扩展到 年)用蚁群算法获得了配水系统的近似全局最优解，并指出蚁群算法能代替遗传算法用于配水 系统的优化设计。在国内徐刚等(2005年)把蚁群算法应用到梯级水电站水库群优化调度中。 1．3粒子群算法 体”与“进化”的概念，同样是根据个体的适应值大小进行操作。所不同的是：PSO算法的进化 过程是一个自适应的过程，粒子的位置代表被优化问题在搜索空间中的潜在解，粒子们追随 当前的最优粒子在解空问搜索。IX30初始化为一群随机粒子，然后通过迭代来找到最优解。