（水利水电工程专业论文）水电站群短期优化调度及决策支持系统集成.pdf

华中科技大学硕士学位论文 摘要 本文阐述了水电站群优化运行的一些理论和方法，并着重探讨了这些理论和 方法在福建电网水电站群发电优化调度决策支持系统短期优化运行中的应用。全 文共分六章ii 从厂内经济运行、短期优化运行和决策支持系统集成三个方面来讨 论。 7y 、 i ) 综合评述了过去几十年中，水电站群优化调度的理论，方法和应用的现状， 分析了各种理论方法的优点和不足，并讨论了改进的方向。 2 ) 在厂内优化运行方面讨论了水电站厂内优化运行的准则和常用的计算方法 分析了等微增率、动态规划和遗传算法的优缺点，并用动态规划法解决了水电站厂 内机组间负荷优化分配问题，给出了详细的计算步骤。 3 ) 以福建水电站群为背景给出了一种能快速、灵活地描述混合水电站拓扑关 系的表达方式；分析了目前水电站群短期优化调度的目标模型，结合福建水电系 统的实际建立了发电量最大和均匀用水量最小两个数学模型，采用逐次逼近算法 和坐标轮换法对复杂问题进行分解和简化，考虑了各种约束条件，给出了详细的 求解步骤。f 在水电站群间进行负荷优化分配时，根据梯级水电站的具体特点提出 了水电站群简化策略，对水电站数目较多的短期优化调度问题比较有用。尸r 4 ) 对上文建立的数学模型进行仿真演算，考证其合理性。 5 ) 阐述了系统集成思想，系统集成管理过程，福建电网水电站群决策支持系 统界面、数据库、数学模型等系统结构之间的关系及其特点，展望了水电系统决 策支持系统集成进一步研究的方向和功能扩展的内容。 f6 ) 最后，对全文进行总结。 关键词：短期优化调度逐次逼近算法 决策支持系统 系统集成拓扑结构福建水电站群 华中科技大学硕士学位论文 a b s t r a c t w i t ha p p l i c a t i o nt ot h ed e c i s i o ns u p p o r ts y s t e mo no p t i m a ls c h e d u l i n gf o r m u l t i h y d r o p o w e rs t a t i o n si nf u j i a np o w e rs y s t e m ，t h et h e o r i e sa n dm e t h o d s f o rt h e s h o r t t e r mh y d r o p o w e rg e n e r a t i o ns c h e d u l i n g a r ed i s c u s s e da n dd e v e l o p e di nt h i s d i s s e r t a t i o n i nt h ef o l l o w i n gs i xc h a p t e r s ，t h et u r b i n el o a da l l o c a t i o n ，s h o r t t e r m g e n e r a t i o no p t i m i z a t i o n ，a n d d e c i s i o ns u p p o r ts y s t e mi n t e g r a t i o na r ed e s c r i b e d i nc h a p t e r1 t h em e r i t sa n ds h o r t c o m i n g so ft h et h e o r y sa n dm e t h o d sa r es t a t e d a n dt h ef u r t h e rr e s e a r c ho r i e n t a t i o n sa r ep o i n t e do u t ，a f t e rt h er e v i e wo f t h ee a r l yw o r k s o v e rt h ep a s ts e v e r a ld e c a d e so nt h et h e o r y , m e t h o da n da p p l i c a t i o ni nt h eo p t i m a l g e n e r a t i o ns c h e d u l i n go f h y d r o p l a n t s i nc h a p t e r2 ，i nt h ef i e l do f h y d r o p o w e rp l a n to p t i m a ls c h e d u l i n g ，t h er u l ea n d t h e t r a d i t i o n a l w a y s f o rt u r b i n el o a da l l o c a t i o na r ed i s c u s s e d ，t h e a d v a n t a g e s a n d d i s a d v a n t a g e so fe q u a li n c r e m e n tp r o c e d u r e ，d y n a m i cp r o g r a m m i n g ，a n dg e n e t i c a l g o r i t h ma r ea n a l y z e d ，a n dd y n a m i cp r o g r a m m i n g i sa p p l i e di n t ot h eo n e h y d r o p l a n t l o a da l l o c a t i o n ，o f w h i c ht h ec o m p u t a t i o ns t e p sa r ed e s c r i b e di nd e t a i l i nc h a p t e r3 ，b a s e do nt h ep r o j e c to ff u j i a nh y d r os y s t e m s ，aw a yt od e s c r i b e q u i c k l ya n dc o n v e n i e n t l yt h et o p o l o g y o f t h em i x e d h y d r o p l a n t sa r ep r e s e n t e d a f t e ra n a n a l y s i so f t h eo b j e c t i v ef u n c t i o n sc u r r e n t l yu s e d i nt h es h o r t t e r mo p t i m a lo p e r a t i o no f h y d r o p l a n t s ，am o d e l t om a x i m i z et h ee n e r g yp r o d u c t i o na n da n o t h e rt om i n i m i z et h e p o t e n t i a le n e r g yc o n s o l 蕾p t i o na r ep r e s e n t e d t h ec o m p l e xp r o b l e m s w i t l ld i f f e r e n t c o n s t r a i n t sa r ed e c o m p o s e da n ds i m p l i f i e du s i n gt h ep r o g r e s s i v eo p t i m a l i t ya l g o r i t h m a n dt h eu n i v a r i a t es e a r c ht e c h n i q u e ，o fw h i c ht h ec o m p u t a t i o ns t e p sa r ed e s c r i b e di n d e t a i l a c c o r d i n gt o t h ec h a r a c t e r i s t i co fc a s c a d e h y d r o p l a n t s ，au s e f u lp o l i c y t o a g g r e g a t e t h e h y d r o p l a n t s i s p r o p o s e d w h e n d i s p a t c h i n g t h el o a d a m o n g t h e l i 华中科技大学硕士学位论文 h y d r o p l a n t s t h i sp o l i c yi se f f e c t i v ew h e n t h e r ea r em a n y h y d r o p l a n t s ， i nc h a p t e r4 ，w i t ha p p l i c a t i o nt of u j i a nh y d r os y s t e m s ，t h em a t h e m a t i c a lm o d e l s a l ep r a c t i c a l l yt e s t e d i n c h a p t e r5 ，t h e s o u la n dm a n a g e m e n tp r o c e s so fs y s t e mi n t e g r a t i o n a r e p r e s e n t e ds y s t e m i c l y , t h er e l a t i o n s h i p b e t w e e na n dc h a r a c t e r i s t i co ft h ei n t e r f a c e ， d a t a b a s ea n dm o d e lo ft h ed e c i s i o ns u p p o r ts y s t e m o no p t i m a ls c h e d u l i n gf o r m u l t i - l a y d r o p o w e rs t a t i o n si nf u j i a n p o w e rs y s t e ma r ei n t r o d u c e d ，a n dt h eo r i e n t a t i o n a n dc o n t e n t sf o rf u r t h e rr e s e a r c ha r ed i s c u s s e d c h a p t e r 6s u m m a r i z e st h i sd i s s e r t a t i o n k e y w o r d s ：s h o r t - t e r mg e n e r a t i o no p t i m i z a t i o n p r o g r e s s i v eo p a m a l i t ya l g o r i t h m d e c i s i o ns u p p o r ts y s t e m s y s t e mi n t e g r a t i o nt o p o l o g yf u j i a nm u l t i h y d r o p o w e r s t a t i o n s m 华中科技大学硕士学位论文 1 1 引言 1绪论 我国水电资源丰富，水资源总量为2 6 ，5 6 2 亿立方米( 2 0 0 0 年) ，水能蕴藏总 量约为6 7 6 亿千瓦，为世界水资源第一大国；但是，目前我国水电比重较低，只 有2 4 4 ( 1 9 9 9 年) ，低于历史最高1 9 8 4 年的3 2 ，水电装机总容量只有7 7 0 0 万 千瓦左右( 2 0 0 0 年底) 。根据专家预测，随着国民经济和社会的不断发展，我国 对能源的需求将继续增长，到2 0 1 0 年能源需求总量达到2 2 6 0 亿吨标准媒，其中 水电需求约为l 亿千瓦，到那时我国将成为水电生产第一大国，到2 0 5 0 年全国总 装机约为1 5 亿千瓦，其中水电装机总量为5 亿千瓦，占总装机比例的3 3 左右。 根据国外优先发展水电能源的经验，我国水电事业具有很好的发展前景。 随着我国加入w t o ，国际间的竞争日益激烈，我国水电技术只有在水电数 量、质量、科技、管理、效益等方面全面领先，才能成为真正意义上的水电第一 大国。水电站是国民经济的基础设旌和基础产业，在“九五”期间，实现了经济 体制从传统的计划经济向社会主义市场经济和经济增长方式从粗放型向集约型两 个根本性的转变，其运行管理以深化改革为动力，以确保工程安全和生产安全为 前提，以经济效益为中心，以优质服务为宗旨，以最大限度地满足用电需求为目 标，建立完整规范、科学合理、高效有序的管理体系和管理制度，确实做好各项 工作f l 】脚。水电站群发电优化调度决策支持系统是电力系统管理软件的重要组成部 分，可以实现与其它电力系统资源共享，对水电站群全局发电规划起到“事先” 仿真，为决策者提供翔实可靠的理论依据例。 水电站优化运行在时空域内通常可分为三种方式 4 1 q ：厂内优化运行，短期 优化运行和长期优化运行。水电站短期优化运行是电力系统运行中最复杂的问题 之一，特别是对于梯级水电站，不仅存在着电力方面的联系，还存在着水方面的 华中科技大学硕士学位论文 联系。上一级水电站发电用水和弃水经一定延时将会影响下级各水电站的发电， 而下级水电站的水库调节能力反过来又影响上级水电站的用水计划，当水电站群 包括多个梯级且水电站数目较多时，问题会变得更加复杂，关于水电站群优化调 度的研究比较多，每年都有相关的研究报告和论文发表。 1 2目前国内外水电站群优化调度的方法及现状 水电站优化调度是在已知系统结构类型，水电站及其水库，系统其它组成单 元的功能，任务、参数，特性等原始数据和各种信息的约束条件下，为满足国民 经济各有关部门和社会的要求，按运行调度基本原则，利用一定优化理论方法和 技术，制定和实现对水资源的优化利用和控制方式，即寻求系统和水电站及其水 库的最优运行调度方式、最优策略和最优决策【4 】吼在过去几十年里，优化理论、 方法及其在水资源工程领域中的应用研究取得了很大的进展。由于梯级水电站群 之间的优化调度比较复杂，约束条件比较多，目标函数也比较复杂，国内外学者 对该问题进行了较长时间的研究，但至今未找到一套理论上严谨而实用的数学模 型和计算方法悼j 。 水电站群优化调度问题是一个典型的多约束优化问题，理论上可以采用数学 上的优化方法对其求解。通过国内外学者几十年的研究与发展提出了许多富有成 效的方法，下面讨论在水电系统中的理论及方法的应用情况。 1 ) 等微增率和协调方程法【1 l 【4 】【5 】( 6 】 7 】：在上世纪5 0 年代，由c h a n d h e r c y p s e r 和g l i m n 等人利用变分法原理推导出使目标函数最小值的充要条件，其必 要条件为：各电厂或机组的负荷分配符合等耗量微增率；其充分条件为：水电厂 或水轮机耗水流量对各自负荷的二价导数大于零或耗量函数是凸函数。由于在实 际情况中，水电厂耗水流量在一些点对各自出力的二阶导数根本不存在，所以有 时等微增率分配负荷时总耗量可能不是最小，反而有可能是极大。对于梯级电站， 这种方法忽略了梯级水电站问流量流达时间的影响。在上世纪6 0 年代，d r a k ee t a 1 和a r i s m u n a n d e r 等人对该算法进行了改进：运用任一负荷下微增率反 2 华中科技大学硕士学位论文 映负荷做微小变动时相应引起流量变化的特性，根据各个电厂微增率相对大小的 关系进行负荷分配和调整，使每次调整的结果均使目标函数值减小，即减少输入 一次能源的总量，直到使输入的标准一次能源最小，从而得到系统的最优解。使 用这种负荷分配的优化调整方法时，如果系统的情况具备前述的目标函数取极小 值的充分条件，则所得结果与等微增率和解协调方程的结果完全一致：如果充分 条件不满足，也能保证调整过程逐步向最优解接近【8 1 。所以这种方法的应用比较 广泛，计算速度也比较快，但是在水电站数目增加时会遇到收敛困难，并且在处 理复杂的水火电力系统，特别是解决梯级水电系统的多约束问题时，这种方法有 其局限性。 2 ) 线性规划( l p ) 澍1 0 】【l l 】【1 2 l 【1 1 14 】【1 5 1 【1 6 】：线性规划作为较成熟的优化理论在 水电能源系统中已有了广泛的应用。l p 方法处理高维问题的能力比较强；可从任 意初始解开始求解：易于处理复杂的约束条件；算法简单，计算速度快。但是线 性规划要求目标函数和约束条件必须是线性的。然而，一个较为复杂的水电系统 优化运行问题其目标函数和大部分约束条件都是非线性的，这就需要对目标函数 及约束条件进行线性化处理，线性化处理可能会造成与实际问题有较大的偏差； 另外，线性规划虽然较符合实际问题，但其计算量是非常惊人的，因此线性规划 在水电站群优化调度中的应用受到一定的限制。 3 ) 非线性规划( n l p ) 法【1 5 】【1 6 1 1 1 7 1 ：从本质上讲，水电系统优化问题中的目标 函数及约束条件中的水力特性等都具有非线性的特征，因此，用n l p 法求解这样 一个问题从理论上来说是最为合适的。非线性规划求解方法很多，一般可分为两 大类：无约束问题和约束问题。对无约束问题可用梯度法、共轭法、步长加速法 等直接求解的方法；对有约束的问题，求解时除了要使目标函数值不断下降之外， 还要时刻注意解的可行性问题，这给非线性规划问题带来较大的困难。为简化寻 优工作，通常可采用以下方法：将不等式约束转化为等式约束：将约束问题转化 为无约束问题；将非线性规划闯题转化为线性规划问题。所以，当约束条件很复 杂时，求解非线性规划问题比较困难。 华中科技大学硕士学位论文 4 ) 动态规划法( d p ) 1 8 i f l 9 】【2 0 1 2 1 】【2 3 】【2 4 】 2 5 】【2 6 1 1 2 7 】：二十世纪五十年代，美国数 学家r b e l l m a n 创立了动态规划法( d p ) ，用于优化一个多阶段的决策过程间题。 它将整体问题按时间或空间的特征而分成若干个前后衔接的时空阶段，把多阶段 决策问题表示为前后有关联的一系列单阶段决策问题，然后逐个加以解决，从而 求出整个问题的最优决策序列。要把一个具体系统优化问题转化为动态规划模型， 一般需要：a ) 将问题的求解过程划分成若干阶段：b ) 巧妙地选取状态变量和决 策变量：c ) 确定递推方向；d ) 给出状态转移方程：e ) 确定目标函数，约束条件 和递推方程。其中关键是如何选取状态变量，所选的状态变量应该能用来描述受 控过程的演变特征和满足无后效性的要求。由于水电系统的优化问题正好是一个 多阶段决策问题，运用d p 法可以将一个大型的复杂的多阶段优化问题按时段划分 为一系列子问题求解。相对而言，d p 法比较容易考虑复杂约束和随机因素的影响， 因而d p 法从理论上来说非常适合用于解决水电系统优化问题。所以，目前d p 法 是水电系统优化运行问题中使用最广泛的方法。但是当水库数目较多时，随机d p 模型的求解存在“维数灾”问题。为克服动态规划“维数灾”这一主要缺点，国 内外学者提出了不少改进的方法【l9 】：微分动态规划( d d p ) ，状态增量动态规划 ( s t d p ) ，离散微分动态规划( d d d p ) 以及逐次逼近动态规划( d p s a ) 。在水电能源 系统规划中最常用的是后两种方法。d d d p 法由于每次迭代计算都局限在所得轨迹 为中心的一个s 邻域内，这样大大缩小了可行域的范围，减少了占用内存量 和节省了机时。该方法主要缺点是只能获得局部最优解。因此，必须从若干不同 试验轨迹出发，进行迭代计算，如果所得的稳定策略各不相同，则只能选择使目 标函数值最优的那个策略作为问题的最优解。逐次逼近动态规划是将原来n l 维状 态向量的动态规划问题分解成只有一个状态变量的m 个子问题，使这些子问题的 优化序列收敛于原问题的解，因而其计算工作量只随维数m 成线性增长而不是成 指数增长。由此可见，问题的维数越高，该法所节省计算工作量越显著。实践证 明，逐次逼近动态规划是求解高维问题特别有希望的方法。其主要缺点是不能证 明在所有情况下均收敛于全局最优解，而且达到收敛所需迭代次数取决于初始解 4 华中科技大学硕士学位论文 与最优解的逼近程度，为了获得更接近于全局最优解，有必要选用若干个不同的 初始策略进行试算。在解决实际工程问题时，常常是利用逐次逼近动态规划与离 散微分动态规划相结合：首先用逐次逼近法将m 维动态规划问题分解成只有一维 的1 1 个子问题，然后用离散微分动态规划法来实现每个子问题的最优化。 5 ) 大系统分解协调法【2 】【3 】【2 8 】是将大系统分解成相对独立的若干个子问题，形 成递阶结构型式，以便运用现有的优化方法实现各个子系统的局部最优；然后再 根据大系统的总目标，使各子系统相互协调起来，以获得整个大系统的全部最优。 分解与协调是大系统寻优的重要手段，它的寻优步骤是：首先建立研究对象系统 的数学模型；其次按照模型的性质，特点和便于求解的原则，选取合适的递阶结 构型式，通过分解，把大系统问题变换成某种递阶关系的子系统：再次，分别对 这些子系统按各自的最优化条件寻求最优解；最后，通过各级问的协调关系使整 个大系统最优。从求解程序而言，分解是大系统算法的结构设计，协调是大系统 全局最优的保证。大系统控制协调中有两种基本原理：关联平衡原理和关联预估 原理。对于大规模的水电站群系统，以地理位置为基础可以划分成几个子系统， 划分时考虑的因素有：水电站群的空间布置形式，各水库调节性能的差异，以及 各水库综合利用程度等。划分的原则为：尽可能使划分后所得的子系统简单明了， 以便于分析；尽可能使子系统之间的关联少，以利于协调。大系统分解协调法常 用于梯级水电站群发电优化调度问题中。 6 ) 混沌优化1 2 9 1 3 0 1 【3 i l ：混沌是一种普遍的非线性现象，其行为复杂且类似随机， 但存在着规律。1 9 6 3 年l r e n z 揭开了混沌研究的序幕。混沌的发现对科学的发展 具有空前深远的影响。近年来，混沌控制，混沌同步和混沌神经网络受到了广泛 关注，并展现出诱人的应用与发展前景。混沌具有其独特的性质：a 随机性，即 混沌具有类似随机变量的杂乱表现；b 遍历性，即混沌能够不重复地历经一定范 围内的所有状态；c 规律性，即混沌是由确定性的迭代式产生的，介于确定性和 随机性之间，混沌具有丰富的时空动态，系统动态的演变可导致吸引子的转移。 最重要的是混沌的遍历性特点可作为搜索过程中避免陷于局部极小的一种优化机 华中科技大学硕士学位论文 制，因此混沌已成为一种新颖的优化技术，并受到广泛重视。混沌序列的遍历性 是混沌用于函数优化的根本出发点，通常基于混沌的优化搜索过程分为两个阶段： 首先是基于确定性迭代式产生的遍历性轨道对整个解空间进行考察，当满足一定 终止条件时，认为搜索过程中发现最佳状态已经接近问题的最优解；其次是以第 一阶段得到的结果为中心通过附加小幅度的扰动进行下一步区域内的细搜索，直 至算法终止于收敛准则。基于以上思想，很多学者进行了混沌的应用研究，提出 了不同的混沌优化算法，如张彤等提出了变尺度的混沌优化算法，王子才等将混 沌的遍历机制引入模拟退火算法，c h o i 等将混沌动态引入最陡下降法进行函数优 化。函数问题的混沌优化策略思路直观，容易程序实现，比较适合于连续变量的 函数优化问题。但它起步较晚，有很多关键技术还需要进一步完善，例如：如何 选择搜索起点，如何缩小搜索区间，如何设计局部搜索方式，如何设计好两阶段 的终止准则，如何选取合适的初始控制参数及其控制策略等。受生物神经元混沌 特性的启发，通过在h n n ( h o p f i e l d n e u r a ln e t w o r k ，h n n ) 中引入混沌动态， a i h a r a 等提出了混沌神经网络模型( c h a o t i cn e u r a ln e t w o r k ，c n n ) 。借鉴混沌 动态的遍历性特点，搜索过程不受能量障碍的限制，从而有效避免了优化过程陷 于局部最优解。混沌神经网络，混沌遗传算法已成为解决组合优化问题的有效工 具，最近几年在优化领域内受到广泛地关注。从最近的科技论文中看到，混沌优 化法已经应用到水资源优化问题中。 7 ) 遗传算法( g e n e t i ca l g o r i t h m s 简称g a ) 【3 4 】【3 5 】口6 1 1 3 7 】上世纪六七十年代 h o l l a n d 提出了遗传算法的基本定理模式定理( s c h e m at h e o r e m ) ，从而奠定 了遗传算法的理论基础。1 9 7 5 年h o l l a n d 出版了第一本系统论述遗传算法和人工 自适应系统的专著自然系统和人工系统的自适应性( a d a p t a t i o ni nn a t u r a la n d a r t i f i c i a ls y s t e m s ) 。1 9 7 5 年k a d ej o n g 在博士论文中对结合模式定理进行 了大量的纯数值函数优化计算实验，树立了遗传算法的工作框架，得到了一些重 要的结论，例如：对于规模在5 0 到i 0 0 的群体，经过l o 至2 0 代的演化，遗传算 法都以很大的概率找到最优或近似最优解，而且这个结论对一个变化非常大的问 题空间也成立；基因码串中每位的变异概率只要在0 0 0 1 的数量级就足以防止算 华中科技大学硕士学位论文 法搜索陷入局部极值点。d e o n g 还建立了著名的五函数测试平台，定义了评价 遗传算法性能的在线指标和离线指标。1 9 9 1 年l d a v i s 编辑出版了遗传算法手 册( h a n d b o o ko fg e n e t i ca l g o r i t h m s ) ，书中包括了遗传算法在科学计算，工 程技术和社会经济中的大量应用实例，为推广和普及遗传算法的应用起到了重要 的指导作用。遗传算法是一种基于群体选择的随机搜索算法，它借鉴于自然界生 物进化中适者生存的竞争机制。在求解最优化问题时，遗传算法将优化问题当作 一个生存环境，问题的一个解当作生存环境中的一个个体，以目标函数值或其变 化形式来评价个体对环境的适应能力，模拟由一定数量的个体所组成的群体的进 化过程，优胜劣汰，最终获得最好的个体，即问题的最优解。遗传算法的特点是 在大区域中作快速随机搜索，有较大把握寻找到全局最优解，并且不要求映射空 间或函数的连续性，凸凹性，适合处理非线性优化问题。遗传算法提供了一种求 解复杂系统优化问题的通用框架，它不依赖于问题的具体领域，对问题的种类有 很强的鲁棒性，所以广泛应用于函数优化，组合优化，生产调度问题，自动控制， 机器人学习，人工生命，遗传编码等领域。从上个世纪九十年代开始遗传算法逐 渐应用到水电站优化调度领域。由于在解决梯级水电站优化调度问题时，逐次逼 近动态规划法d p s a 存在目标函数收敛于局部极值情况，而遗传算法可以从不同的 初始解出发获得全局最优解或趋向最优解，所以经过不少学者的努力，遗传算法 在水电站厂内优化，梯级水电站优化等方面，在理论和实际中都得到了广泛地应 用。 除以上方法外，用于水电站群优化调度方面的还有模糊数学法【3 】，神经网络 法瞰瞎。由于梯级水电站优化调度存在多约束等问题，所以在解决实际工程问题 时往往会综合运用以上一种或几种方法【3 9 】。 但是，目前用于水电站群短期优化调度的模型和算法存在以下不足f 3 2 】：a ) 对 于梯级水电站，虽然考虑了流量流达时间，但优化目标只是考虑了当天的发电效 益，没有合理考虑由于流量流达时间对相邻未来时间的影响，在相关资料上提到 了周期性模型和过渡性模型，但在实际应用中的相关资料比较少，在描述水电站 的梯级关系及水力关系不够成熟；b ) 针对水电站群优化调度复杂，约束条件多的 7 华中科技大学硕士学位论文 情况，目前还没有一种公认的，精确度高的计算方法，以上所提到的各种方法都 存在各自的缺陷。 ， 1 3 本文的重要内容及章节安排 本文的意义：短期优化调度模型是福建电网水电站群模型中的重要组成部 分，它将福建水电系统已建或待建的2 7 水电站作为研究对象，进行合理规划，统 一调度，为福建电力公司水调中心日计划安排提供技术支持。由于结合工程实际， 本文的研究具有较大的现实意义。 本文是以水电站短期优化调度为主线，具体研究水电站厂内优化调度，水电 站群优化调度等问题，并以福建电网水电站群决策支持系统为实例，对水电站优 化调度问题进行应用性研究另外对决策支持系统集成有所总结。本文的章节安 排为： 第l 章主要介绍耳前我国的水资源现状及其发展方向，用在水电站短期优化 调度中的各种方法及其优缺点，分析了当前在这一领域中存在的问题和未来进一 步研究的方向。 第2 章主要介绍水电站厂内负荷优化分配，应用动态规划法对福建古田一级 厂内机组负荷分配问题进行仿真计算。 第3 章主要描述了福建水电站群短期优化调度数学模型及其求解算法，在短 期发电量最大模型和均匀用水量最小模型求解中用到逐次逼近算法和坐标轮换 法：对均匀用水最小模型根据水电站不同的调节能力提出了一种近似的简化策略 对水电站群的拓扑关系进行了简化，减少了参与统一调度的水电站“个数”。 第4 章主要对上面的模型进行仿真计算，以考证其适用性，可靠性。 第5 章主要对福建电网水电站群优化调度决策支持系统集成进行了简要论 述，分析了该系统的特点、功能、组成等，讨论了目前存在的不足，并阐述了今 后水电系统决策支持系统应该完善的内容及发展前景。 第6 章对全文内容进行总结，并提出了以后的工作方向。 华中科技大学硕士学位论文 2 1 概述 2 水电站厂内负荷优化 水电站厂内优化运行【1 4 1 1 6 i 4 0 1 【4 1 】是在满足电能生产的安全、可靠、优质的前 提下，合理地组织调度电厂的发电设备，获得尽可能大的经济效益。其研究内容 主要包括固定机组间的最优负荷分配、电厂机组开停计划等优化问题。水电生产 过程中的优化准则是：当电厂负荷给定之后，要求电厂耗水量最小；或者在电厂 的可耗水量一定时，力求发电量最大。 厂内负荷优化运行一般受到机组动力特性，机组台数，厂内日运行计划，水 库特性等约束。解决该问题的方法有等微增率法，动态规划法和遗传算法等。采 用等微增率分配的充分条件是机组的微增率曲线是凸函数，另外机组存在出力限 制区时会给等微增率法带来很多困难。而用动态规划法求解该问题时，可以直接 利用流量特性，没有其它的任何特殊要求，不要求流量曲线必须是凸的，并且动 态规划法有坚实的理论基础，只要能计算出来，其结果一定是最优策略。其缺点 是需要将耗水量特性曲线离散化，离散点越多，精度越高，但离散点越多，则需 要较长的计算时间和占用较大的计算机内存。随着计算机软硬件不断发展，其运 算速度和存储技术逐步提高，使得动态规划这一缺点得到了缓解。从最近的科技 论文中看出，遗传算法也应用到了水电站厂内负荷分配优化问题中【3 “，该算法可 以从多个初始点出发，沿多条路径进行搜索，实现全局或准全局最优，在计算过 程中不需要存储状态或决策变量的离散点，是一种有效的自适应随机搜索算法， 但是该算法只是以一种概率收敛于最优解，其群体所占内存也较大，存在“早熟” 等缺点，在实际水电站厂内负荷优化应用中比较少见。下面以传统的动态规划法 来求解水电站厂内优化问题。 9 华中科技大学硕士学位论文 2 2 水电站厂内优化运行的数学准则 水电站厂内优化运行依据具体课题和给定条件的不同而采用不同的优化准 则，包括空间最优化和时间最优化两层意思。 1 ) 空间最优化准则【6 】 ( 1 ) 以水定电的优化准则：水电站的耗水量或电站来水确定之后，电站的生 产运行应以出力最大为目标，其数学模型为： , u a x yn i k ，l n q k ( n 。) = q ( 2 - 1 ) n k r t 式中m ：电站第k 号机组的出力l q ：电站总工作流量； q ( m ) ：k 号机组出力为m 时的引用流量； r k ：k 号机出力范围，在最大技术出力和最小技术出力之间，并且要避开 机组的汽蚀和振动区； n ：电站参加发电的机组台数。 ( 2 ) 以电定水的优化准则：对于调节水库的水电站，其运行中出力是给定的， 电站的目标是总工作流量最小，其数学模型为： 蚴n q k ( n k ) n m ( 绞) = g d i 式中砬：k 号机组引用流量范围； n k ( g ) ：k 号机组工作流量为幺时的出力 其它的符号与式( 2 1 ) 相同。 ( 2 2 ) 1 0 华中科技大学硕士学位论文 2 ) 时间最优化准则 ( 1 ) 以水定电的优化准则：当各时段的可耗水量确定之后，电厂运行的目标应 是发电量最大，其数学模型为： 妇( n k ( t ) 正 “娥【以( ，) 】+ 睨( f ) = q ( r ) ( 2 3 ) n k “也 式中q ( t ) ：t 时段电厂引用流量； 彬( f ) ：t 时段开停机耗水量； n 。( r ) ：t 时段第k 号机的出力： f ：t 时段时间长； 其它符号同式( 2 1 ) 。 ( 2 ) 以电定水的优化准则：若电力系统在某时段给电厂的发电任务已确定 于是电厂的运行调度应以耗水量最小为目标，其数学模型为： m i n z 幺【机( f ) 互+ 睨( f ) “以( f ) = ( f ) ( 2 4 ) 姨( f ) 珥 式中的符号同上式( 2 1 ) ，( 2 2 ) ，( 2 3 ) 。 以上各目标函数分别与相应的约束条件一起组成水电站厂内优化运行不同 具体课题的数学模型，具体的约束条件也与每一水电站的具体情况决定。 2 3 水电站厂内固定机组负荷优化分配 根据福建电网水电站群发电优化调度决策支持决策系统的具体要求，在该文 中只讨论固定机组间负荷分配问题。问题描述为：在特定水头下，已知水电站总 l l 华中科技大学硕士学位论文 负荷，在各机组之间分配负荷使水电站的总耗水量最少，即以电定水。 2 3 1 数学模型 ( 1 ) 目标函数：，= r a i n q k ( h 。，瓦) ( 2 5 ) 其中，n k 为机组承担的负荷， 为可用机组总数，h o 为特定水头；q 为 机组七的耗水量，它是水头和负荷的函数，可由机组综合出力特性获得。 ( 2 ) 约束条件： a 电站总负荷约束：以= 。 l 。l 其中一为水电站总负荷。 ( 2 6 ) b 机组出力限制：n u ，。( 乩) s t 。( 凰) 或以= 0 ( 2 7 ) 其中。和一。分别为机组后最小和最大出力限制，它们都与水头有关。 2 3 2 用动态规划求解【6 】 下面采用动态规划来求解负荷分配问题，求解方法如下 ( 1 ) 动态递推方程忱q , ( - n 。：k ) 矾= 巍m i n q ( k ( h o , ，n k ) 。+ ) 螂 ( 2 8 ) i q o ( n o ) = 0 其中，g ( t ) 为指标函数，表示从。号机组到t 号机组，当它们总负荷为瓦 时的最小耗水量。 ( 2 ) 状态转移方程：一n = 面一以 ( 2 9 ) 1 2 华中科技大学硕士学位论文 阶段变量t ：机组台数； 状态变量n t ：t 台机组的总负荷： 决策变量。：第t 台机组的负荷； 代价函数幺( n k ) ：七号机组的工作流量； 日标函数同式( 2 5 ) 。 ( 3 ) 用动态规划进行厂内负荷分配优化流程图： 开始 输入机组组合数( 如 1 1 ) 并计算k ( 机组数) 按空载流量从小到大 顺序给机组编号1 ，2 k h i d = 0 ，m n k = o ， mn k1 = 0 ，x = o n 缈、瓿 按机组组合读取h n q 文件将同一水头 的出力和流量存放到对应的数组 ne n i ，q e n j ，及一n e n q l j k = q k j n o j k = j ：j + + ： n mn kl = mn k m n k = mn k + m _ n k 】 j = o n 将优化结果输 入到新的文件 y i ( = n k x = q k i + q 1 j i k - 1 】 j 参 n n 写蔫 n i + + n 图2 - 1 动态规划流程图 1 3 曼一 嘉 薹 黹可 慕 华中科技大学硕士学位论文 ( 4 ) 福建水电站厂内负荷分配计算实例 由于福建水电站群有2 7 个电站，我们选取其中比较复杂的古田一级为例来 计算厂内负荷优化问题。古田一级有六台机组，两种机型，在水头为1 1 0 米机组 出力特性分别为： 表2 - 1大机机组出力特性 ( 流量q ：m 3 s ，出力i q ：万千瓦) n0 0 00 5 0 1 0 01 5 02 0 02 5 03 0 0 3 5 04 0 0 q 2 8 23 1 23 ，4 53 8 t 4 1 74 5 24 9 05 2 85 6 7 n4 5 05 0 0 5 5 06 o o6 5 07 0 0 7 5 08 o o8 5 0 q 6 0 56 4 36 8 47 2 5 7 6 58 0 48 4 48 8 4 9 2 5 n9 0 0 9 5 01 0 0 01 0 5 01 1 0 01 1 5 0 1 2 o o1 2 5 0 q 9 6 61 0 0 81 0 5 01 0 9 61 1 4 l 1 2 0 01 2 5 91 3 1 8 表2 - 2小机机组出力特性 ( 流量q ：m 3 s 出力n ：万千瓦) n 0 0 00 5 01 0 01 5 0 2 0 02 5 03 0 03 5 04 0 0 q1 2 71 6 32 0 l2 4 02 8 13 2 33 6 5 4 0 74 4 9 n4 5 05 0 0 5 5 06 o o6 5 07 0 07 5 08 o o q 4 9 15 3 45 7 86 2 06 6 87 1 07 5 l 7 8 7 表2 - 3计算结果 ( 流量q ：聊3 s ，出力n ：万千瓦) n0 0 02 0 04 0 06 0 08 0 01 0 0 01 2 0 0 1 4 0 01 6 0 0 q 0 0 02 8 14 4 96 2 07 8 71 0 5 0 1 2 3 61 4 0 71 5 7 4 n1 8 0 02 0 0 02 2 o o2 4 0 02 6 0 02 8 0 0 3 0 0 03 2 o o3 4 0 0 q 1 8 3 72 0 4 62 2 8 22 4 5 72 6 2 42 8 3 33 06 93 3 0 5 3 5 0 6 n3 6 0 03 8 0 04 0 0 04 2 0 04 4 0 04 6 0 04 8 0 05 0 0 05 2 0 0 q 3 6 7 43 8 5 64 0 9 24 3 2 84 5 5 64 7 2 44 9 0 6 5 1 1 55 3 5 l n5 4 0 05 6 ，0 05 8 o o6 0 0 06 2 0 0 6 4 0 0 q 5 5 8 75 7 7 45 9 5 66 1 3 86 3 7 46 6 1 0 华中科技大学硕士学位论文 结果分析：由于动态规划的最优化原理已经成熟，因而在水电厂机组不是太 多，优化精度要求不是太高的情况下，动态规划方法是解决该问题的首选方法； 结合福建电网实际情况，其2 7 个电站中机组最多为7 台，机组类型最多为两种， 动态规划的“维数灾”问题不是很明显，同时随着计算机技术的不断发展，可以 基本克服该系统中的“维数灾”和内存不足等缺陷。 2 4 水电站出力特性数据整理 对不同的水头求解上述动态规划可获得如下信息： 1 ) 电厂综合出力特性：出力( p o w e r ) 水头( h e a d ) 发电流量( r ) 关系曲线。 应用中对不同的水头采用二次曲线拟合。 2 ) 最大有效发电流量限制：每个水头对应一个，它可能来自过水能力( 低水 头情况) 或者机组额定出力( 高水头情况) 的限制。 当有机组在检修时，将在水电站可用机组总数中把它们减去：这样，不同的 检修情况就有不同的电厂可用机组状态，从而就有不同的电厂出力特性。把不同 机组检修状态的电厂综合出力特性进行离线储备，这样，在发电优化调度中就可 以根据各个时段的机组检修情况进行离线调用。 2 5 小结 本章描述了水电站厂内优化调度的优化准则，厂内负荷分配的目标函数，并 用动态规划来解决水电站厂内负荷分配优化问题，结合福建电网某水电站进行了 实例验算，分析了结果。实践证明该文所建立的模型和选取的算法在福建电网水 电站群发电优化调度决策支持系统中是可行的。 华中科技大学硕士学位论文 3 1 引言 3水电站群短期优化调度 由于水电站群包括单库水电站，梯级水电站，也包括不同梯级混合而成的电 站，所以水电站群优化调度问题具有如下特点：上下游梯级电站之间存在水的联 系，不同梯级电站由于有共同的下游电站也存在水的联系，体现在考虑蓄水发电 能力；对整个水电站群水电站之间存在电的联系，体现在负荷分配，容量备用等 方面；需要考虑梯级电站之间的流量流达时间；水电站群间的约束条件比较复杂。 基于以上特点国内外学者和专家在解决水电站群优化调度在问题时一般是针对具 体问题具体分析，还没有一套理论上可靠，实践上通用的方法。本章在解决福建 电网水电站群短期优化调度时考虑了水电站群网络拓扑关系，短期优化调度模型