水电站优化调度方法.docxVIP

水电站优化调度方法 水電作为清洁可再生能源，在我国的供电系统中所占的比例越来越大，水电不仅有力推动了我国的经济发展，而且在环境饱和和节能减排方面也有着重要的贡献。但是，随着水电站的不断增多，如何对并网电厂的运行进行优化调度，使水电的优势充分发挥出来成为了研究的重点。 一、我国水电发展现状 水电发展“十三五”规划指出：“十二五”期间，新增加的水电投产装机容量为*****万千瓦，年平均增幅为8.1%，在这其中大中型水电8076万千瓦，小水电1660万千瓦，抽水蓄能达到了612万千瓦。预计至2021年底，全国水电总装机容量将会达到*****万千瓦，其中大中型水电*****万千瓦，小水电7500万千瓦，抽水蓄能2303万千瓦，水电装机占全国发电总装机容量的20.9%。2021年全国水电发电量约1.1万亿千瓦时，占全国发电量的19.4%，在非化石能源中的比重达73.7%。 二、水电调度的任务 水电调度的任务是合理利用现有工程和技术设施，对入库径流进行合理调度，尽可能的减少水害、增加发电和综合利用效益，从而实现水能资源和水资源的充分利用，为水利电力部门和其他有关行业提供有效服务。 三、水电调度优化方法 （一）水利电力系统优化的简要定义 在已知系统结构和参数以及约束条件下的情况下，利用优化理论对水能和水资源实现最优控制。优化目的是使效益最大化，包括满足社会需求和实现环境保护的目的。 （二）经典优化方法 1. 目标函数及约束条件 Ⅰ 目标函数： （1） 式中 为t时刻（段）水电站所承担负荷 的最优发电流量； 、 、 分别为i号机组的机组（段）水头、承担的有功负荷及所耗用的发电流量； 为i号机组的机组（段）耗流量特性曲线。 Ⅱ 约束条件 ①功率平衡约束 （2） （3） 式中： 为t时刻（段）水电站承担的无功负荷； 为t时刻（段）i号机组承担的无功负荷。 ②机组出力限制约束 （4） 式中： 、 分别为t时刻（段）i号机组允许最小出力和最大出力，它们一般反应了机组振动、预想出力及电力线路等限制因素。 2.经典优化方法 Ⅰ 线性规划法 线性规划法是运筹学的重要分支，它的研究历史较长，并且已经发展的比较成熟，所以能应用于很多领域。线性规划用于研究在线性约束条件下目标函数的极值问题。线性规划具有基础性的地位，非线性问题也常化为线性为题求解。线性回归的一般数学模型可表示为： （5） （6） 式中， 、 、 、 都为已知常数。 Ⅱ 非线性规划 非线性规划也是運筹学一个重要分支。与线性规划不同，它是具有非线性约束条件或目标函数的数学规划，它的目标函数和约束条件至少有一个是未知量的非线性函数。非线性规划问题的一般数学模型可表示为求未知量 ， ，…， 使其满足约束条件： （ ， ，…， ） 0 m=1，…，p （ ， ，…， ） 0 n=1，…，q 并使目标函数 （ ， ，…， ）达到最小值（或最大值）。 Ⅲ 动态规划 动态规划是解决最优化问题的一种途径，它不是一种算法。动态规划就是把计算的中间结果暂时的保存下来，在以后用到这些结果的时候就直接读取出来。如果将静态规划（线性规划、非线性规划）划分成若干个阶段，也可以用动态规划来解决。 （7） 式中， ， 都是已知函数，最优自策略 与 之间是递推关系，要求 和 ，则需先求 。 3.现代优化方法 现代有很多新的优化方法，如遗传算法、模拟退火算法、人工神经网络算法等。前两种算法为第三种算法的产生奠定了一定的基础，使人工神经网络算法汲取了前两种算法的优点，又有自身独特的优势，因此，下面只介绍人工神经网络算法。 人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式构造的网络系统。这种数学模型具有高容错性、智能化、并行分布处理能力、学习能力等特点，所以它的应用几乎涵盖了所有自然科学领域。它为解决非线性、不确定性和不确知系统问题提供了一个新的算法。人工神经系统由大量的节点连接构成，而且每个节点间的连接方式各有不同。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个通过该连接信号的加权值，称之为权重，这相当于人工网络的记忆。 四、小结 随着水电站的不断增多，调度问题也越来越成为关注的焦点。虽然现在已经有了比较完善的调度系统，但是仍然存在着一些不足，主要体现在理论结合实际时产生的差异。 以上的几种方法还需要不断加以