梯级水电站实时优化调度与经济运行分析.docVIP

梯级水电站实时优化调度与经济运行分析 　　[摘 要]水是一种绿色可再生能源，随着我国电力市场的发展与完善，水电站的优化调度成为保障电力系统安全和经济运行的重要技术工作。梯级水电站优化调度控制问题比较复杂，尤其是二级以上具有较大调节水库的梯级水电站的优化调度其难度更大，受到相关学者的广泛关注。本文就梯级水电站实时优化调度与经济运行进行简要分析。 　　[关键词]梯级水电站；实时优化调度、经济运行 　　中图分类号：TM612 文献标识码：B 文章编号：1009-914X（2015）23-0356-01 　　我国水资源丰富，为建立水电站提供了有利的条件。水电站可以实现对水资源的充分利用，受到相关学者和各级部门的高度重视。多年来，相关学者为水电站的优化调度进行了深入研究，其中对具有年调节能力水库的梯级水电站的优化成为难点也成为人们关注的热点。梯级水电站优化调度国内可借鉴的经验较少，这样就加大了的优化调度的难度。 　　一、目前梯级水电站优化调度的研究方法 　　就我国目前的情况来看，梯级水电站优化调度的研究方法主要有随机性和确定性两种，这两种方法各有各的优势和适用范围。在对梯级水电站优化调度中，要根据水电站的具体情况选择适合的优化调度方法，以期取得最好的结果。 　　在梯级水电站短期优化调度中，由于其不确定性因素较少，同时操作比较简单，为了取得良好的效果，一般采用确定性方法。在中、长期水电站优化调度中，不确定性因素较多，此时采用随机性方法更为合适。目前，在我国的水电站优化调度中普遍的采用确定性方法，因此，本文以确定性方法为研究重点。 　　二、水电站优化调度的数学模型 　　1、目标函数及约束条件 　　传统水电站优化过程中，一般其目标函数在满足系统负荷和其它发电要求的条件下使火电的发电费用最低，或者使火电机组总耗量最小[1]。在这类数学模型中，水电仅仅是作为约束出现的，其目的并不是实现自身的优化。 　　在当前水电优化调度中，水电自身的优化成为优化调度考虑的重点，因此在目标函数的选择上，要注意梯级贮能和梯级发电量，一般情况下，只有梯级贮能最大或者是梯级发电量最大才能被选为目标函数。 　　在建立优化调度模型时，可以采用多种方法来计算和表现水电机组出力，一般可以用电站综合出力系数来表示电站流量、水头和出力的关系。随着市场经济的发展，水电企业将利益最大化作为企业本身的追求，在这种情况下，水电优化调度的目标函数也会产生相应的变化。目标函数中可以引入上网电价，这样可以将梯级水电站的最大收益更加准确直观的表现出来。 　　当进行梯级水电站优化调度时，经常采用的约束条件包括以下几个方面：梯级水电厂之间的水量联系、水库运行约束、机组运行约束、电站水量平衡、调度期初末条件、系统约束。 　　2、梯级水电站优化调度求解算法 　　目前，我国已经有多种算法应用于梯级水电站优化调度中，其中最常用的一般为以下三种方法： 　　（1）现代智能优化算法 　　现代智能优化算法的范围很广，它包括很多算法，除了进化算法、遗传算法、混沌优化之外，人工神经网络、蚁群优化等都属于现代智能优化算法。其中，蚁群优化、人工神经网络和遗传算法常常被应用于梯级水电站优化调度的问题中。遗传算法是优化组合求解最具有代表性的方法。 　　遗传算法属于进化算法的一种，随着梯级水电站的不断发展，遗传算法被越来越频繁的应用于求解梯级水电站优化调度问题中，已经成为最常用的方法之一。遗传算法是一种全局随机寻优的算法，可以利用目标函数本身的信息来实现寻优的目的，不仅编程比较简单，同时遗传算法的适用性也比较广。但是遗传算法也存在不足之处，就是当遗传算法在接近全局最优时，其搜索速度会大大减慢，在这种情况下很可能出现“早熟”现象。 　　（2）经典算法 　　梯级水电站优化调度是一个非线性问题，并且非常复杂。在经典算法中，该问题的求解算法一般包括非线性规划、动态规划、混合整数规划等。这些算法在求解优化组合的过程中有各自的优势，同时由于算法本身的特点，每一种方法并不是完美的，或多或少存在缺点。在进行水电站优化调度时，要根据水电站的具体情况和想取得的效果，选择适合的算法。 　　（3）混合算法 　　不管是现代智能优化算法还是混合算法，其包括的每一个方法都各有优缺点，为了充分发挥各种算法的优势，可以将两种或者是多种算法结合起来，取长补短，这样就可以形成一种混合算法。在运用混合算法求解优化组合时，可以充分利用各种算法的优势，更好的完成梯级水电站优化调度工作。 　　比如将遗传算法与混沌序列这两种算法结合，可以极大地提高求解的效率。遗传算法存在不足之处，那就是当遗传算法在接近全局最优时，其搜索速度会大大减慢，在这种情况下很可能出现“早熟”现象。混沌序列的介入可以很好地弥补遗传算法的这一缺陷，使得遗