人工智能与水电站经济运行的论文.docVIP

　　人工智能与水电站经济运行的论文 摘要：本文通过对水电站经济运行问题的优化，用面向对象的软件构造，完成约束满足问题csp（constraint satisfaction problem）的推理求解，实现了知识表示、约束传递、智能回溯，并在微机上模拟运行。用面向对象、人工智能的方式解决水电站机组间负荷动态调度问题，编制了《全数字仿真自动发电控制系统》平台, 其生成结果的分析和证明由《水电站经济运行最优解的证明》完成。 　　关键词：水电站 微增率 经济运行 人工智能 产生式系统 　　背景 　　随着经济的快速发展，电力生产的供需矛盾也日见突出，在国家加大新的电源、电网投资、建设的同时，如何充分发挥现有电站的潜能，提高其水能利用率，使水电站的运行由粗放式转向集约化，引起了发电企业的广泛关注。 　　欧、美发达国家优化运行资料表明，大型水电站厂内优化运行的效益为0.5%～3.0%.八十年代中期，我国某年平均发电量22亿k）。 　　程序结构： 　　open=（s）,f（s）； 　　loop： if open=（ ）then exit（fail） 　　n=first （open）； 　　if goal（n） then exit（success）； 　　remove （n,open） 　　expand （n） （m）,f（n）,f（m）； 　　add （m, open） 　　if f（n）gt;f（m），扩展m节点； 　　if f（n）lt;f（m）, 写回n节点； 　　open 表中的节点按评价函数f的值从小到大排序； 　　goto loop；[2] 　　综合数据库是由水轮机的综合特性曲线、水库特性、电站下游水位流量关系、泄洪和电站引、排水设备特性等组成，是产生式系统中使用的主要数据结构。产生式规则是知识表示的重要部分，是对问题空间的数学模型透彻了解后产生的方法空间。工程实际中的问题通常是复杂的、多层面的；而方法空间则是从不同侧面、不同视角审视问题空间而形成的方法集。要模拟人类的智能活动，必须解决组合爆炸问题，即从问题空间复杂的组合中剔除不可能同时出现的情况。搜索策略的好坏不仅能决定程序效率的高低，同时也影响着相关参数是否收敛于目标集，即应用软件是否成功。搜索策略是人工智能系统的核心部分，它是利用知识表示、控制和协调系统的各???部分对当前问题进行求解的。产生式系统控制策略的作用，就是从规则集中选取规则，并作用于综合数据库，从初始状态出发，寻求一个满足一定条件的问题状态[3]. 　　3、水电站的经济运行 　　在展开该问题的讨论之前，先引入组态效率这一概念。实际在水电站机组并联运行中，当水头一定，最后的总出力是由各机组不同工况的组合而成，即 　　n=sni=n1+n2+.。。+nn n为机组并联台数 ni为第i台机的出力 　　q=sqi=q1+q2+.。。+qn n为机组并联台数 qi为第i台机的流量 　　而组态效率：ηz=n/（9.81′q′h）,它反映出了水能的总利用率。 　　水电站的经济运行表现在两个方面： 　　a出力一定，流量最小化lt;以下简称为控制出力gt; 　　为了保持电网的供需平衡，现在的agc（自动发电控制）软件往往是根据网上的需求给电站一个总负荷，再在电厂内优化出力组合，即耗水量最少。 　　b流量一定，出力最大化lt;以下简称为控制流量gt; 　　我国大多数中小水电站的实际资源情况有如下特征：1库容小甚至无库容（径流式电站）；2流量随季节变化大。 　　如何利用有限的流量多发电，并使机组协联于稳定运行区，保持组态效率最高呢？笔者研发的《全数字仿真水轮发电机组智能调度系统》主要针对上述两种情况进行优化，其功能主要包括[1]： 　　a 能进行实时预报，并根据预报与实测结果的对比，对有关参数进行校正； 　　b根据电力系统的调度计划或水电站水库的来水及当时的水位等情况，确定出水电站的日负荷计划，在实际运行中进行水电站厂内负荷的实时自动给定； 　　c在给定的全厂负荷下，进行工作机组台数和机组组合的最优化计算，并按最优化准则选择工作机组的台数和机组号，实现工作机组间负荷的最优分配； 　　d根据水电站的日负荷计划或即将面临的负荷预测资料，事先进行机组启、停最优化计算，确定改变工作机组组合的合理性，使机组的启，停按最优化准则进行； 　　e对调频水电站，即在电力系统中承担系统负荷瞬时变化调节任务的水电站，在电站机组要改变运行工况时，如增负荷，减负荷、停机或启动新的工作机组等，进行实时计算，寻找出改变水电站机组工况的最优控制规律，并进行机组间随机负荷的最优分配和实时调节； 　　f当水电站按给定负荷运行或作调频运行时，可实时进行负荷偏差的检测；当水电站的出力和系统要求的负荷值存在偏差时，依据实际偏差值，及时进行相应的调节与控制； 　　g具有