流域梯级水电站联合优化调度辅助决策系统分析-analysis of auxiliary decision-making system for joint optimal dispatching of cascade hydropower stations in river basin.docx

摘要本论文以网络环境下构建流域梯级水电站联合优化调度辅助决策系统为研究对象，将智能优化和网络通讯等技术应用于流域梯级水电站的信息管理、水文预报及优化调度决策中，研制开发了较为实用的流域梯级水电站联合优化调度辅助决策系统。系统可对生成的调度方案进行合理评价和优化决策，为实现梯级水电站调度方案实施的智能化、信息化和网络化管理提供了理论与技术支持。论文主要研究内容及成果如下：(1)针对流域内降水及下垫面条件时空分布不均匀的特点，提出了水库入库径流分级预测方法。通过对采集的水文序列进行时空分析，建立了分级预报因子集特征值变量与观测值对应的小波神经网络径流预测模型。设计了预测模型分类识别器，根据不同的径流特征值自动搜寻相适应的网络模型进行预测，最终将分类预测模型合并为组合预测模型。(2)研究了市场机制下梯级水电站优化调度模型的建模方法及针对梯级水电站厂内经济运行优化调度模型的建模方法，并提出相应的模型求解算法。其中，厂内经济运行调度模型求解采用本论文提出的基于遗传算法的双层耦联算法，设计上层为求解机组负荷分配问题模块，下层为求解机组组合问题模块。该算法具有可同时求得电厂负荷分配问题和机组组合问题的最佳调度方案的优点。(3)建立了基于多目标决策模糊优选理论的梯级水电站调度决策方案评估模型。方案评估以调度优化目标相应的评估指标为依据，采用多目标模糊优选法对生成各调度方案进行排序，模型中引入调度规则集，通过规则重要性标度计算得到方案优劣性评价成果，为梯级水电站调度方案评估模型提供评价依据，并提出了针对水电站调度决策的加权推理机制指导生成最优调度方案的算法和程序。(4)研制开发了网络环境下的流域梯级水电站优化调度辅助决策系统软件。系统基于上述所提出的理论方法和技术，结合具体软件研发目标，并对系统功能需求进行了深入的分析；采用B／S网络构架模型和软件分层服务模式，设计开发出了系统的总体框架和各个功能模块，并对各个模块的实现过程进行了详细的说明。所研制的系统软件在实际调度工程中的应用，可为决策人员提供完善的信息数据和科学的调度方案，提高企业的信息综合管理水平和调度自动化实施能力。关键词：流域梯级水电站水文预报优化调度辅助决策数学模型信息管理ABSTRACTThe由esistakestheestablishmentofunitedoptimaloper.创ionaiddecisionsystemwithweb-basedmethodforabasinc甜cadeplants描也eobjectiveof伽isresearch.Withthetechnologiesofintelligenceoptimizationandnetworkinformation白appliedinto伽e部pectofthebasincascadehydropowerplants，suchasinformationmanagement，hydrologicalforecastingandoptimaloperation，acomparativelypractica1unitedoptimaloperating创ddecisionsystemofthebasincascadehydropow即plantswasdeveloped.白山systemcanc缸巧，onrationalappraisalandoptimaldecisiontotheproducingoperationschemes，andoffersthωreticalfoundationandtechnica1supportfor由eop町ationschemeofthebasincascadehydropow臼.plants，whichrealizedintelligence，informationizationandnetworkm创lagement.Themainresearchcontentsandachievementsofthethesisare制follows:(1)Aimingattheheterogeneousdistributioncharacteristicofthetime-spacerainfallandtheundergroundcushionconditionin伽ebas恤，aclassifi叫forecastingmethodforputtingtherunoffin怕也.erese凹0让wasproposed.机rroughca:衍抖ngon也.etime-spaceana1ysistothegatheredhydrologyseries，thewaveletneura1networkforecastingmodelcorrespondingto由echaracteristic