梯形水电站的长期最优调度问题.docVIP

梯级水电站的长期最优调度问题 一、问题描述 中国江河流域的水力资源十分丰富，但由于其空间分布的不均，开发程度的不一，各地区间的利用情况存在明显差异，人均资源量仍不富裕。水力资源的合理优化利用不仅关系到水电企业自身的利益，更具有重要的社会意义。特别是在当前，在国家电力市场改革的进程中，水电作为清洁、可再生能源的开发利用已被提升到了国家能源战略的高度，具有更为重要的实际运用意义。梯级水电站的形成就是充分利用水力资源的主要表现形式之一，它是分布在一条江河流域的上下游且有着水流联系的水电站群。如何提高水资源的利用率、协调各水电站之间的用水矛盾、最大化水电企业的经济效益等问题，已成为众多研究学者关注的重点和难点。 梯级水电站的调度问题需要考虑电和水两方面的因素。要求在尽可能不弃水或少弃水的 前提下，充分考虑各种约束（如可用水量、上下游水位限制、水轮机过水能力或发电机出力 限制、航运或供水限制等）。在计及水轮发电机组的功率耗水量特性、电网传输损耗修正及考虑水火电（或其它类型电站）协调的基础上，追求电力系统总发电燃料费用最低。 二、数学模型 1 目标函数 电力系统总发电燃料费用最低。 2 约束条件 水位约束方程：水库水位=工作水头+尾水位 水库存水量方程：某级水库某一时段末的存水量=某水库上一时段末的存水量+本级水库 该时段的平均来水量+上一级水库发电用水量到达该级的来水量（考虑来水时间延迟）+上一级水库弃水量到达该级的来水量（考虑来水时间延迟）-本级水库该时段发电用水量-本级水库该时段的弃水量 某级水库存水量上下限约束 某级水库发电用水量上下限约束 某级水电厂出力上下限约束 某级电站调度周期内用水量平衡方程：某级电站调度周期内用水量=该级电站调度周期起点时的存水量-该级电站调度周期结束时的存水量 电力系统功率平衡方程 若计及电力网络的影响，则还需考虑节点潮流方程约束、线路潮流约束等。 三、求解方法 常用方法有线性规划法、改进粒子群算法、罚函数法、动态规划法、网流法、智能优化算法、优化调度算法等。下面用改进粒子群算法和优化调度算法分别进行设计，以解决最优调度问题。 一、改进粒子群算法 近年来，粒子群算法( PSO)作为一种新生的集群智能优化算法，由于具有简捷通用、依赖的经验参数少和收敛速度快等特点，被逐步应用于求解梯级水库优化组合问题。但是，和其他智能优化算法一样，基本 PSO 算法在寻优中仍存在搜索精度不高和易陷入局部最优解的情况。针对该问题，笔者在基本 PSO 算法的基础上，提出了一个新的改进 PSO 算法，并将其用于求解梯级水库优化调度问题。该算法提出了惯性权重的余弦处理机制和自适应选择学习对象策略，同时引进了分层交叉思想，从而有效地提高了算法的搜索精度，增强了算法跳出局部最优解的能力 1 梯级水库优化调度模型 1．1 目标函数 目标函数的表达式为 ( 1) 式中: E 为调度期梯级总发电量; Ai为电站 i 的综合出力系数;为电站 i 第 t 时段的平均发电流量; 为电站 i 第 t 时段的平均发电水头; T 为调度期总时段数; M 为水电站总数目; Δt 为时段长度。 1．2 约束条件 ( 1) 水位约束。表达式为 Zit，min≤ Zit≤ Zit，max ( 2) ( 2) 流量约束。表达式为 Qit，min≤ Qit≤ Qit，max (3) ( 3) 出力约束。表达式为 Nimin≤ AiQitHit≤ Nimax ( 4) ( 4) 水量平衡约束。表达式为 ( 5) 式中: Zit，min、Zit，max分别为水库 i 第 t 时段的最低和最高限制水位; Qit，min、Qit，max分别为电站 i 第 t 时段的最小和最大限制流量;Nimin、Nimax分别为电站 i 的最小和最大限制出力; Vit、分别为电站 i 第 t、t －1 时段的水库蓄水量; Iit为电站 i 第 t 时段的平均入库流量; qit为电站 i 第 t 时段的弃水流量。 2 粒子群优化算法的基本原理 粒子群算法在搜索过程中，每个粒子表示问题的一个可行解，粒子在搜索空间中以一定的速度飞行，并根据自身的飞行经验以及当前最优粒子的状态对速度进行动态调整，个体之间通过协作与竞争，实现对问题最优解的搜索。 首先，随机生成一定数量的粒子，第 i 个粒子的位置 xi=( …) 代表 D 维解析