CN114722709A - 兼顾发电量和最小出力的梯级水库群优化调度方法及*** - Google Patents
兼顾发电量和最小出力的梯级水库群优化调度方法及*** Download PDFInfo
- Publication number
- CN114722709A CN114722709A CN202210372851.3A CN202210372851A CN114722709A CN 114722709 A CN114722709 A CN 114722709A CN 202210372851 A CN202210372851 A CN 202210372851A CN 114722709 A CN114722709 A CN 114722709A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- penalty
- optimal
- cascade
- reservoir group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010248 power generation Methods 0.000 claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 10
- 230000001276 controlling effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010036590 Premature baby Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- -1 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供兼顾发电量和最小出力的梯级水库群优化调度方法及***,能够使梯级水库群发电与电网需求更加协调,推动梯级水库群充分利用水能资源。兼顾发电量和最小出力的梯级水库群优化调度方法包括:步骤1.根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型;步骤2.采用结合惩罚因子的DDDP‑SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集;步骤3.根据非劣解集,确定梯级水库群优化调度的最佳解。
Description
技术领域
本发明属于水库调度技术领域,具体涉及兼顾发电量和最小出力的梯级水库群优化调度方法及***。
技术背景
截至2020年底,中国水电装机为3.7亿千瓦,约占全国发电总装机容量的17%;发电量约为12140亿千瓦时,虽仅占全部发电量的16.4%,但在全部可再生能源发电量中占比超过60%。当前和今后一个时期,水电仍将是可再生能源发电的主力军。水电开发在中国能源转型升级、实现碳减排和碳中和目标中仍将发挥重要作用。
近年来,我国不断有大型水电站水库投产运行,形成了众多梯级水电站水库群,对提高水能资源,缓解能源紧张局面具有重要作用。开展梯级水库联合优化调度既符合梯级水库群工程效益充分发挥的需求,同时对进一步探索和完善梯级水库群联合调度理论和方法体系具有十分重要的意义。
梯级水库群优化调度是一个多目标、多维、动态、具有多约束条件的、高度非线性的复杂优化问题。传统的动态规划(DP)在求解过程中易出现维数灾现象。通过国内外学者的大量研究,现已应用较多的梯级水库群优化调度方法主要有两种,一种是基于DP及其发展的一些算法如基于离散微分动态规划(DDDP)或逐步优化算法(POA)的逐次逼近法(-SA);另一种是现代智能算法如遗传算法(GA)、粒子群算法(PSO)、差分进化算法(DE)等。
目前大多数智能算法在水库优化调度中存在早熟和易收敛于局部极值问题,加上面对尤其长系列、水库群以及复杂目标形式的优化调度问题时,智能算法的搜索速度较慢、易于陷入局部最优以及分布不易控制,在实际应用中,智能算法的应用结果也不稳定。
在梯级水库优化调度中,发电出力与电网负荷需求的适应性是梯级水库群调度领域亟待解决的关键问题。
发明内容
基于上述背景,本发明提出了一种兼顾梯级发电量和最小出力的梯级水库群优化调度方法及***,能够使梯级水库群发电与电网需求更加协调,推动梯级水库群充分利用水能资源。
为了实现上述目的,本发明采用了以下技术方案:
<方法>
本发明提供一种兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于,包括以下步骤:
步骤1.根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型;
步骤2.采用结合惩罚因子的DDDP-SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集;具体包括如下子步骤:
步骤2-1.输入历史入流资料和水库起始水位等初始条件;
步骤2-2.设置算法寻优目标为梯级总出力加上带有非线性惩罚的出力之和:
式中,Nt表示t时段的总出力,Nd表示适量大的设计出力,p为惩罚因子,A为指数型惩罚的底数(非线性);
步骤2-3.建立各惩罚因子与对应目标的相关关系,根据此关系选取各惩罚因子的取值范围,并在该范围内按照变化梯度均匀选取多个离散的惩罚因子,组成集合P作为算法参数,并根据计算精度要求选取各时段水位增量步长、增量数、增量缩小精度等;
步骤2-4.将步骤2-3所得各惩罚因子p∈P的离散取值进行字典序组合并代入结合惩罚因子的DDDP-SA算法求解,得到对应于每一个惩罚因子p的最优解结果;
步骤2-5.根据步骤2-4所得所有惩罚因子p的最优解结果,确定最小出力的变化趋势,进而确定惩罚因子的大致变化范围,在该变化范围内均匀离散惩罚因子,形成新的惩罚因子集合P*;
步骤2-6.将P更新为P*代入模型,再次执行步骤2-4,再利用非劣解筛选技术获得模型最终的非劣解集;
步骤3.根据非劣解集,确定梯级水库群优化调度的最佳解。
优选地,本发明提供的兼顾发电量和最小出力的梯级水库群优化调度方法,还可以具有以下特征:在步骤1中,构建的梯级水库群多目标优化调度数学模型为:
式中,E为调度期内水库群的总发电量;Ki为i水电站的出力系数,i=1,2,…,I;I为电站总数;T为调度期总时段数,时段序数t=1,2,…,T;Qfd,i(t)为i水电站在t时段的发电流量;Hi(t)为i水电站在t时段的发电水头;Dt为t时段的单位计算时段长;Nmin为T时段内梯级最小出力;Ni(t)为t时段i水库的出力。
优选地,本发明提供的兼顾发电量和最小出力的梯级水库群优化调度方法,还可以具有以下特征:在步骤1中,综合利用要求包括水量平衡约束、水位约束、出力约束、边界约束、流量约束和非负约束;
水量平衡约束:Vi(t+1)=Vi(t)+3600×(Qrk,i(t)-Qck,i(t))Dt (3)
边界约束:Zi(0)=Zstart,i,Zi(T)=Zend,i (6)
非负约束:各变量非负;
式中,Vi(t)为i水电站在t时段的蓄水量;Qrk,i(t)、Qck,i(t)和qi(t)分别为i水电站在t时段的入库流量、出库流量和区间入流量;分别为i水电站在t时段水位允许的最小值和最大值;分别为i水电站在t时段机组出力允许的最小值和最大值;Zstart,i、Zend,i分别为i水电站调度期的始、末水位;分别为i水电站在t时段水库允许的最小和最大下泄流量。
优选地,本发明提供的兼顾发电量和最小出力的梯级水库群优化调度方法,还可以具有以下特征:在步骤2-4中,针对每一个惩罚因子取值p∈P:
①对水库自上游到下游逐库进行结合惩罚因子的DDDP优化,在计算目标函数值时保持其他库调度过程不变,使目标函数值由受回水影响的上游水库、下泄流量改变的下游水库以及本库DDDP寻优对应的数值组成;
②重复①至目标函数值收敛至精度ε,得到对应于p的最优解结果。
优选地,本发明提供的兼顾发电量和最小出力的梯级水库群优化调度方法,还可以具有以下特征:在步骤2-4中,结合惩罚因子的DDDP-SA算法在求解包含最小出力最大目标时考虑初始解影响,综合多种初始解策略,选用各水库按各时段出力最大发电方式顺序递推策略的初始解,如此取得的效果最佳。
优选地,本发明提供的兼顾发电量和最小出力的梯级水库群优化调度方法,还可以具有以下特征:在步骤3中,采用逼近理想解排序法(TOPSIS法)确定最佳解。
<***>
进一步,本发明还提供梯级水库群调度***,其特征在于,包括:
历史资料获取部,获取梯级水库群历史入流资料;
模型构建部,根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型;
调度非劣解获取部,采用结合惩罚因子的DDDP-SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集;具体包括:
步骤2-1.读取历史入流资料并设置初始条件;
步骤2-2.设置算法寻优目标为梯级发电量加上带有非线性惩罚的梯级总出力之和:
式中,Nt表示t时段的总出力,Nd表示适量大的设计出力,p为惩罚因子,A为指数型惩罚的底数;
步骤2-3.建立惩罚因子与对应目标的相关关系,根据此关系选取惩罚因子的取值范围,并在该范围内按照变化梯度均匀选取多个离散的惩罚因子,组成集合P作为算法参数;
步骤2-4.将惩罚因子p∈P的离散取值代入结合惩罚因子的DDDP-SA算法求解,得到对应于每一个惩罚因子p的最优解结果;
步骤2-5.根据步骤2-4所得结果,确定最小出力的变化趋势,进而确定惩罚因子的变化范围,在该范围内均匀离散惩罚因子,形成新的惩罚因子集合P*;
步骤2-6.将P更新为P*代入模型,再次执行步骤2-4,得到最终的非劣解集;
最佳解确定部,根据非劣解集,确定梯级水库群优化调度的最佳解;
调度部,基于最佳解确定部确定的最佳解调控水库和水电站的相应运行装置执行相应的发电调度操作以达到相应最佳运行条件;以及
控制部,与历史资料获取部、模型构建部、调度非劣解获取部、最佳解确定部、调度部均通信相连,控制它们的运行。
优选地,本发明提供的水库调度***,还可以包括:输入显示部,与控制部通信相连,根据操作指令显示相应的信息。
优选地,本发明提供的水库调度***,还可以具有以下特征:输入显示部能够对历史资料获取部获取的历史资料、确定的流域基本情况和综合利用要求以及模型构建部构建的模型进行显示,还能够对调度非劣解获取部设置的初始条件、选取的集合P、所有惩罚因子p的解结果、最小出力变化趋势和惩罚因子变化范围、新的惩罚因子集合P*、最终的非劣解集以列表或者数据图的方式进行关联显示,并能够对最佳解确定部确定的最佳解以列表或者数据图的方式进行显示,而且能够对调度部调控运行装置执行的发电调度操作以列表方式或者以二维或者三维仪器控制图的方式进行关联显示。
优选地,本发明提供的水库调度***,还可以包括:监测部,与控制部和各水库及水电站的运行传感装置通信相连,监测各水库和水电站的运行情况,获取实时运行数据。
优选地,本发明提供的水库调度***,还可以具有以下特征:输入显示部还能够对监测部监测到的各水库及水电站的运行情况和实时运行数据以表方式或者以二维或者三维仪器控制图的方式进行关联显示。
本发明的作用与效果
本发明建立了含梯级发电量最大和最小出力最大的梯级水库群多目标优化调度模型,并提出了求解梯级水库群多目标模型的结合惩罚因子的DDDP-SA确定性算法,能够获得精度高、分布性好的多目标非劣解集,进而得到稳定、精确的最佳解,从而确定最佳的调度条件,本方法易于调控,求解稳定,对充分有效地利用梯级水电站水库的绿色能源、提高水电站水库的运行调度水平提供科学依据。进一步,本发明提供的梯级水库群调度***能够根据本发明方法自动求解和得到最佳调度条件,进而控制调度部执行相应的调度措施(例如,控制各水库水电站的运行装置,包括开关、闸门等)达到最佳调度条件,以实现发电出力与电网负荷需求相适应,充分有效且安全合理地利用梯级水电站水库的绿色能源。
附图说明
图1为本发明实施例涉及的兼顾发电量和最小出力的梯级水库群优化调度方法的流程图;
图2为本发明实施例涉及的结合惩罚因子的DDDP-SA算法的流程图;
图3为本发明实施例涉及的非劣解集结果图。
具体实施方式
以下结合附图对本发明涉及的兼顾发电量和最小出力的梯级水库群优化调度方法及***的具体实施方案进行详细地说明。
<实施例>
如图1所示,本实施例中所提供的兼顾发电量和最小出力的梯级水库群优化调度方法包括如下步骤:
步骤1.建立梯级水库群多目标优化调度模型:
1)目标函数为梯级发电量最大和最小出力最大:
式中,E为调度期内水库群的总发电量;Ki为i水电站的出力系数,i=1,2,…,I;I为电站总数;T为调度期总时段数,时段序数t=1,2,…,T;Qfd,i(t)为i水电站在t时段的发电流量;Hi(t)为i水电站在t时段的发电水头;Dt为t时段的单位计算时段长;Nmin为T时段内梯级最小出力;Ni(t)为t时段i水库的出力。
2)约束条件包括水量平衡约束、水位约束、出力约束、边界约束、流量约束和非负约束:
水量平衡约束:Vi(t+1)=Vi(t)+3600×(Qrk,i(t)-Qck,i(t))Dt (3)
边界约束:Zi(0)=Zstart,i,Zi(T)=Zend,i (6)
非负约束:各变量非负;
式中,Vi(t)为i水电站在t时段的蓄水量;Qrk,i(t)、Qck,i(t)和qi(t)分别为i水电站在t时段的入库流量、出库流量和区间入流量;分别为i水电站在t时段水位允许的最小值和最大值,最小值一般为死水位Zd,i,最大值根据对应时期要求为正常蓄水位Zn,i、汛限水位Zx,i等;分别为i水电站在t时段机组出力允许的最小值和最大值,最小值一般为机组技术最小出力或者取0,最大值可以取预想出力Nyx,i(t)或根据电网实际要求指定其他数值;Zstart,i、Zend,i分别为i水电站调度期的始、末水位;分别为i水电站在t时段水库允许的最小和最大下泄流量,最小值根据生态流量或其他要求设定,最大值受限于水库的泄流能力或下游防洪控制点安全泄量约束。
步骤2.针对已构建模型,采用结合惩罚因子的DDDP-SA算法求解。如图2所示,该算法的具体步骤如下:
1)输入历史入流资料和初始条件;
2)设置算法寻优目标为:
式中,Nt表示t时段的总出力,Nd表示适量大的设计出力,p为惩罚因子,A为指数型惩罚的底数;
在已知约束范围内,选用各单库,按各时段出力最大发电方式,顺序递推生成初始调度过程(初始解)Z=(zi,t)I×T;
3)在0到较大值中选取若干个离散的惩罚因子组成集合P,并根据计算精度要求选取各时段水位增量步长、增量数、增量缩小精度等;
4)针对每一个惩罚因子取值p∈P:
①对水库自上游到下游逐库进行结合惩罚因子的DDDP优化,在计算目标函数值时保持其他水库调度过程不变,即目标函数值由受回水影响的上游水库、下泄流量改变的下游水库以及本库DDDP寻优对应的数值组成。
②重复①至目标函数值变化幅度收敛至精度ε,得到对应于p的解结果。
综合以上所有结果,得到最小出力与惩罚因子的变化关系;
5)根据4)所得结果,根据最小出力的变化趋势,可明确惩罚因子的变化范围,在该范围内均匀离散惩罚因子,形成新的惩罚因子集合P*;
6)将P更新为P*代入模型,进行4)中①和②步骤,得到最终的非劣解集如图3所示。
步骤3.应用逼近理想解排序法(TOPSIS法)在最终的非劣解集中选取最佳解。
综上,本发明针对梯级水库群优化调度中发电出力与电网负荷需求的适应性问题,鉴于现代智能算法中可能出现的早熟、易收敛于局部极值、结果分布不可控等求解结果不稳定问题,提供了一种结合惩罚因子的DDDP-SA梯级水库群多目标优化调度模型求解方法。该方法针对形式复杂的最小出力最大目标,采用非线性惩罚因子的形式加以控制,同时考虑发电量最大,以实现两个目标的非劣解求解功能,可得出梯级最小出力最大与梯级发电量最大值的竞争关系,以便从中确定最佳解。
进一步,本实施例中还提供能够自动控制实现上述方法的水库调度***,该***包括:历史资料获取部、模型构建部、调度非劣解获取部、最佳解确定部、调度部、监测部、输入显示部以及控制部。
历史资料获取部能够执行上文步骤1所描述的内容,获取梯级水库群历史入流资料。
模型构建部能够执行上文步骤1所描述的内容,根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型。
调度非劣解获取部能够执行上文步骤2所描述的内容,采用结合惩罚因子的DDDP-SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集。
最佳解确定部能够执行上文步骤3所描述的内容,根据非劣解集确定梯级水库群优化调度的最佳解。
调度部基于最佳解确定部确定的最佳解调控水库和水电站的相应运行装置执行相应的发电调度操作以达到相应最佳运行条件。
监测部与各水库及水电站的运行传感装置通信相连,监测各水库和水电站的运行情况,获取实时运行数据。
输入显示部根据操作指令显示相应的信息。例如,输入显示部能够对历史资料获取部获取的历史资料、确定的流域基本情况和综合利用要求以及模型构建部构建的模型进行显示,还能够对调度非劣解获取部设置的初始条件、选取的集合P、所有惩罚因子p的解结果、最小出力变化趋势和惩罚因子变化范围、新的惩罚因子集合P*、最终的非劣解集以列表或者数据图的方式进行关联显示,并能够对最佳解确定部确定的最佳解以列表或者数据图的方式进行显示,而且能够对调度部调控运行装置执行的发电调度操作以列表方式或者以二维或者三维仪器控制图的方式进行关联显示。另外,输入显示部还能够对监测部监测到的各水库及水电站的运行情况和实时运行数据以表方式或者以二维或者三维仪器控制图的方式进行关联显示。
控制部与历史资料获取部、模型构建部、调度非劣解获取部、最佳解确定部、调度部、监测部、输入显示部均通信相连,控制它们的运行。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的兼顾发电量和最小出力的梯级水库群优化调度方法及***并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
Claims (10)
1.兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于,包括以下步骤:
步骤1.根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型;
步骤2.采用结合惩罚因子的DDDP-SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集;具体包括如下子步骤:
步骤2-1.输入历史入流资料和初始条件;
步骤2-2.设置算法寻优目标为:
式中,Nt表示t时段的总出力,Nd表示适量大的设计出力,p为惩罚因子,A为指数型惩罚的底数;
步骤2-3.建立惩罚因子与对应目标的相关关系,根据此关系选取惩罚因子的取值范围,并在该范围内按照变化梯度均匀选取多个离散的惩罚因子,组成集合P作为算法参数;
步骤2-4.将惩罚因子p∈P的离散取值代入结合惩罚因子的DDDP-SA算法求解,得到对应于每一个惩罚因子p的最优解结果;
步骤2-5.根据步骤2-4所得所有惩罚因子p的最优解结果,确定最小出力的变化趋势,进而确定惩罚因子的变化范围,在该范围内均匀离散惩罚因子,形成新的惩罚因子集合P*;
步骤2-6.将P更新为P*代入模型,再次执行步骤2-4,得到最终的非劣解集;
步骤3.根据非劣解集确定梯级水库群优化调度的最佳解。
3.根据权利要求1所述的兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于:
其中,在步骤1中,综合利用要求包括水量平衡约束、水位约束、出力约束、边界约束、流量约束和非负约束;
水量平衡约束:Vi(t+1)=Vi(t)+3600×(Qrk,i(t)-Qck,i(t))Δt (3)
边界约束:Zi(0)=Zstart,i,Zi(T)=Zend,i (6)
非负约束:各变量非负;
4.根据权利要求1所述的兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于:
其中,在步骤2-4中,针对每一个惩罚因子取值p∈P:
①对水库自上游到下游逐库进行结合惩罚因子的DDDP优化,在计算目标函数值时保持其他库调度过程不变,使目标函数值由受回水影响的上游水库、下泄流量改变的下游水库以及本库DDDP寻优对应的数值组成;
②重复①至目标函数值变化幅度收敛至精度ε,得到对应于p的解结果。
5.根据权利要求1所述的兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于:
其中,在步骤2-4中,结合惩罚因子的DDDP-SA算法在求解包含最小出力最大目标时考虑初始解影响,综合多种初始解策略,选用各水库按各时段出力最大发电方式顺序递推策略的初始解。
6.根据权利要求1所述的兼顾发电量和最小出力的梯级水库群优化调度方法,其特征在于:
其中,在步骤3中,采用逼近理想解排序法确定最佳解。
7.梯级水库群调度***,其特征在于,包括:
历史资料获取部,获取梯级水库群历史入流资料,确定流域基本情况和综合利用要求;
模型构建部,根据流域基本情况和综合利用要求,建立以梯级发电量最大和最小出力最大为目标的梯级水库群多目标优化调度模型;
调度非劣解获取部,采用结合惩罚因子的DDDP-SA算法求解多目标模型,通过控制惩罚因子的变化范围并在该范围内选取离散的惩罚因子,获取多目标问题分布均匀、广泛的非劣解集;具体包括:
步骤2-1.读取历史入流资料并设置初始条件;
步骤2-2.设置算法寻优目标为:
式中,Nt表示t时段的总出力,Nd表示适量大的设计出力,p为惩罚因子,A为指数型惩罚的底数;
步骤2-3.建立惩罚因子与对应目标的相关关系,根据此关系选取惩罚因子的取值范围,并在该范围内按照变化梯度均匀选取多个离散的惩罚因子,组成集合P作为算法参数;
步骤2-4.将惩罚因子p∈P的离散取值代入结合惩罚因子的DDDP-SA算法求解,得到对应于每一个惩罚因子p的最优解结果;
步骤2-5.根据步骤2-4所得结果,确定最小出力的变化趋势,进而确定惩罚因子的变化范围,在该范围内均匀离散惩罚因子,形成新的惩罚因子集合P*;
步骤2-6.将P更新为P*代入模型,再次执行步骤2-4,得到最终的非劣解集;
最佳解确定部,根据非劣解集,确定梯级水库群优化调度的最佳解;
调度部,基于所述最佳解确定部确定的所述最佳解调控水库和水电站的相应运行装置执行相应的发电调度操作以达到相应最佳运行条件;以及
控制部,与所述历史资料获取部、所述模型构建部、所述调度非劣解获取部、所述最佳解确定部、所述调度部均通信相连,控制它们的运行。
8.根据权利要求7所述的梯级水库群调度***,其特征在于,还包括:
输入显示部,与所述控制部通信相连,根据操作指令显示相应的信息。
9.根据权利要求8所述的梯级水库群调度***,其特征在于:
其中,所述输入显示部能够对所述历史资料获取部获取的历史资料、确定的流域基本情况和综合利用要求以及所述模型构建部构建的模型进行显示,还能够对所述调度非劣解获取部设置的初始条件、选取的集合P、所有惩罚因子p的解结果、最小出力变化趋势和惩罚因子变化范围、新的惩罚因子集合P*、最终的非劣解集以列表或者数据图的方式进行关联显示,并能够对所述最佳解确定部确定的最佳解以列表或者数据图的方式进行显示,而且能够对所述调度部调控所述运行装置执行的发电调度操作以列表方式或者以二维或者三维仪器控制图的方式进行关联显示。
10.根据权利要求8所述的梯级水库群调度***,其特征在于,还包括:
监测部,与所述控制部和各水库及水电站的运行传感装置通信相连,监测各水库和水电站的运行情况,获取实时运行数据;
其中,所述输入显示部还能够对所述监测部监测到的各水库及水电站的运行情况和实时运行数据以表方式或者以二维或者三维仪器控制图的方式进行关联显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210372851.3A CN114722709B (zh) | 2022-04-11 | 2022-04-11 | 兼顾发电量和最小出力的梯级水库群优化调度方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210372851.3A CN114722709B (zh) | 2022-04-11 | 2022-04-11 | 兼顾发电量和最小出力的梯级水库群优化调度方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114722709A true CN114722709A (zh) | 2022-07-08 |
CN114722709B CN114722709B (zh) | 2024-02-09 |
Family
ID=82241629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210372851.3A Active CN114722709B (zh) | 2022-04-11 | 2022-04-11 | 兼顾发电量和最小出力的梯级水库群优化调度方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114722709B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438972A (zh) * | 2022-09-13 | 2022-12-06 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
CN115809718A (zh) * | 2022-10-09 | 2023-03-17 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和*** |
CN115907402A (zh) * | 2022-12-06 | 2023-04-04 | 武汉大学 | 一种梯级水电站联合保证出力的推求方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5813798A (en) * | 1997-03-28 | 1998-09-29 | Whiffen; Greg | Piecewise continuous control of groundwater remediation |
CN102867275A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 梯级水库群中长期联合发电优化调度方法及*** |
CN103729556A (zh) * | 2013-12-25 | 2014-04-16 | 云南电力调度控制中心 | 基于正交逐次逼近算法的水库调度方法 |
CN104504455A (zh) * | 2014-12-02 | 2015-04-08 | 大连理工大学 | 一种梯级蓄能控制下水电站群长期优化调度方法 |
CN105719091A (zh) * | 2016-01-25 | 2016-06-29 | 大连理工大学 | 一种梯级水电站群并行多目标优化调度方法 |
CN105869070A (zh) * | 2016-04-06 | 2016-08-17 | 大连理工大学 | 一种跨流域梯级水电站群效益均衡的合作优化调度方法 |
CN106485366A (zh) * | 2016-10-31 | 2017-03-08 | 武汉大学 | 一种复杂梯级水库群蓄水期优化调度方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力***的多目标动态调度方法 |
CN109409569A (zh) * | 2018-09-20 | 2019-03-01 | 中国南方电网有限责任公司 | 一种考虑直流输电约束的水库群中长期调度的离散梯度逐步优化算法 |
CN109472463A (zh) * | 2018-10-19 | 2019-03-15 | 华中科技大学 | 一种特大流域水电站群多电网调峰调度方法及*** |
CN109523059A (zh) * | 2018-10-19 | 2019-03-26 | 华中科技大学 | 一种梯级水电站水库生态调度智能优化方法及*** |
CN110826806A (zh) * | 2019-11-07 | 2020-02-21 | 大连理工大学 | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 |
-
2022
- 2022-04-11 CN CN202210372851.3A patent/CN114722709B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5813798A (en) * | 1997-03-28 | 1998-09-29 | Whiffen; Greg | Piecewise continuous control of groundwater remediation |
CN102867275A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 梯级水库群中长期联合发电优化调度方法及*** |
CN103729556A (zh) * | 2013-12-25 | 2014-04-16 | 云南电力调度控制中心 | 基于正交逐次逼近算法的水库调度方法 |
CN104504455A (zh) * | 2014-12-02 | 2015-04-08 | 大连理工大学 | 一种梯级蓄能控制下水电站群长期优化调度方法 |
CN105719091A (zh) * | 2016-01-25 | 2016-06-29 | 大连理工大学 | 一种梯级水电站群并行多目标优化调度方法 |
CN105869070A (zh) * | 2016-04-06 | 2016-08-17 | 大连理工大学 | 一种跨流域梯级水电站群效益均衡的合作优化调度方法 |
CN106485366A (zh) * | 2016-10-31 | 2017-03-08 | 武汉大学 | 一种复杂梯级水库群蓄水期优化调度方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力***的多目标动态调度方法 |
CN109409569A (zh) * | 2018-09-20 | 2019-03-01 | 中国南方电网有限责任公司 | 一种考虑直流输电约束的水库群中长期调度的离散梯度逐步优化算法 |
CN109472463A (zh) * | 2018-10-19 | 2019-03-15 | 华中科技大学 | 一种特大流域水电站群多电网调峰调度方法及*** |
CN109523059A (zh) * | 2018-10-19 | 2019-03-26 | 华中科技大学 | 一种梯级水电站水库生态调度智能优化方法及*** |
CN110826806A (zh) * | 2019-11-07 | 2020-02-21 | 大连理工大学 | 一种结合聚合水库和模拟优化的梯级水电站优化调度规则制定方法 |
Non-Patent Citations (6)
Title |
---|
WANG X, ET AL: "Multi-objective model and decision-making method for coordinating the ecological benefits of the Three Gorger Reservoir", JOURNAL OF CLEANER PRODUCTION, pages 1 - 14 * |
ZHANG W, ET AL: "Optimal operation of multi-reservoir systems considering time-lags of flood routing", WATER RESOURCES MANAGEMENT, pages 523 - 540 * |
支悦等: "水库发电优化调度模型的快速求解算法及应用", 水力发电学报, pages 49 - 61 * |
王森: "梯级水电站群长期优化调度混合智能算法及并行方法研究", 大连理工大学, pages 1 - 151 * |
艾学山等: "水库多目标调度模型及算法研究", 水力发电学报, pages 19 - 27 * |
范祥莉: "梯级水电站群中长期多目标优化调度方法", 大连理工大学, pages 1 - 74 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438972A (zh) * | 2022-09-13 | 2022-12-06 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
CN115438972B (zh) * | 2022-09-13 | 2023-10-31 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
CN115809718A (zh) * | 2022-10-09 | 2023-03-17 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和*** |
CN115809718B (zh) * | 2022-10-09 | 2024-03-15 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和*** |
CN115907402A (zh) * | 2022-12-06 | 2023-04-04 | 武汉大学 | 一种梯级水电站联合保证出力的推求方法及*** |
CN115907402B (zh) * | 2022-12-06 | 2024-01-30 | 武汉大学 | 一种梯级水电站联合保证出力的推求方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114722709B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114722709A (zh) | 兼顾发电量和最小出力的梯级水库群优化调度方法及*** | |
CN103762620B (zh) | 基于预测调节性能和安全约束的新能源并网功率控制方法 | |
CN108092324B (zh) | 一种风电参与调峰调频的agc控制***和控制方法 | |
CN110112767B (zh) | 广域多形态需求侧负荷参与***调峰的荷源优化控制方法 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN102097828A (zh) | 一种基于功率预测的风电优化调度方法 | |
CN107221965B (zh) | 一种基于分布式设计的日前计划计算方法 | |
CN110912177A (zh) | 一种多端柔性直流输电***多目标优化设计方法 | |
CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
CN112488372A (zh) | 多时间尺度下电采暖负荷双层优化调度方法 | |
CN114243794B (zh) | 风光水多能互补***灵活性需求量化及协调优化方法 | |
CN102751724B (zh) | 一种面向需求侧响应基于预测的三相负载调度方法及装置 | |
He et al. | Stochastic model predictive control of hybrid energy storage for improving AGC performance of thermal generators | |
CN114548757B (zh) | 一种考虑源荷不确定性的火电机组灵活性改造规划方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及*** | |
CN117060470B (zh) | 一种基于灵活性资源的配电网电压优化控制方法 | |
CN107392350B (zh) | 含分布式能源及充电站的配电网扩展规划综合优化方法 | |
CN105098839A (zh) | 一种基于风电不确定出力的风电并网协调优化方法 | |
CN115907402B (zh) | 一种梯级水电站联合保证出力的推求方法及*** | |
CN116581775A (zh) | 一种考虑核电调峰的电力电量平衡分析方法及*** | |
CN117060499A (zh) | 风光水多能互补运行的控制方法、装置、设备及存储介质 | |
CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
CN107273673B (zh) | 一种考虑平抑风电波动的空调冷水机组群控方法 | |
CN110943452B (zh) | 一种电力***优化调度的方法 | |
CN114399162A (zh) | 一种基于能源调度时间自适应变化的滚动优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |