（水文学及水资源专业论文）水电站厂内经济运行新型算法的研究.pdf

大连理工大学硕士学位论文 摘要 作为水电站运行管理的重要组成部分，水电站厂内经济运行是充分利用水能资源的 一项增产措施，也是减少水能消耗的一项节能措施，能够增加水电站的经济效益。 动态规划是求解水电站厂内经济运行方式问题的经典方法，在水电站装机较少时有 较快的计算速度而且能给出较为理想的优化结果，但是在电站装机较多、机组容量、电 厂容量较大的情况下，计算工作量将相当大，一定条件下甚至达到难以实用的程度，利 用动态规划求解水电站厂内经济运行将面临“维数灾”和计算实时性问题，迫切需要研 究更加有效的计算方法与模型。 本文根据水电站厂内经济运行问题的特点，将该问题分为两个模型负荷分配模型 和机组组合模型。作为一种新型的随机搜索算法，粒子群算法在解决经典优化算法难以 求解的非线性病态优化问题时显示出强大的优势，在水电站厂内经济运行的应用中，能 够弥补动态规划的诸多不足。改进的变尺度混沌优化方法把以往机组组合优化分为两步 计算的方法转化为一次寻优计算，引入罚函数及对变量进行初始化处理，将机组组合问 题转化为无约束问题进行计算，取得了较好的优化结果。现有文献，对于粒子群算法和 混沌优化方法在水电站经济运行领域的研究，绝大多数从方法的应用角度探讨较多，但 从替代动态规划的必然性和潜力方面探讨较少，鲜有实例分析。本文以百万级装机千瓦 的乌江渡水电站为实例，深入分析与比较了粒子群算法与动态规划在求解负荷分配模型 时的优劣，对于机组组合模型，从优化结果、计算效率等方面将改进的交尺度混沌优化 方法同动态规划进行对比分析，并进行了仿真模拟计算和比较，认为粒子群算法和改进 的交尺度混沌优化方法是代替动态规划、求解装机规模庞大的巨型水电站厂内经济运行 的有效方法。 关键词：水电站；经济运行；动态规划；粒子群算法；改进的交尺度混沌优化 水电站厂内经济运行新型算法的研究 s t u d yo ni n n e r p l a n te c o n o m i c a lo p e r a t i o no fh y d r o p o w e rs t a t i o nm o d e l b a s e dn o v e lh e u r i s t i c sa l g o r i t h m a b s t r a c t a st h ei m p o r t a n c eo fh y d r o p o w c rp l a n to p e r a t i o na n dm a n a g e m e n t t h ee c o n o m i c a l o p e r a t i o no fh y d r o p o w e rp l a n t ( z o r n , ) p r o b l e mi sa ne f f e c t i v em e a s n r ef o rm a k i n gf u l l 咄 o fw a t e rr e s o u r c $ , d e c r e a s i n gt h ee n e r g yl o s sa n di n c r e a s i n gt h ee c o n o m i cb e n e f i to f h y d r o p o w e rs t a t i o n d y l l r m i cp r o g r a m m i n g ( d p ) i saw i d e l yu s e dc l a s s i c a lm e t h o dt os o l v et h ee o h p p r o b l e m n er e l a t i v e l yf a s tc a l c u l a t i o ns p e e da n dm o r ed e s i r a b l eo p t i m i z a t i o nr e s u l t sc a nb e o b t a i n e db yd pi nl e s si n s t a l l e dc a p a c i t yo fh y d r o p o w e rs t a t i o n h o w e v e r ，t h ec a l c u l a t i n g d i f f i c u l t ya n dt h ea m o u n to fc a l c u l a t i n gw o r kw i l lb eg r e a t l yi n c r e a s e d5 0t h a ti tw i l lb en o t e m p l o y e di nm o r ei n s t a l l e dc a p a c i t y i ti sa h i n d r a n c et ou s ed pd u et o “c u r s eo fd i m e n s i o n ” a n dt h er e a l - t i m ep r o b l e mo fc a l c u l a t i o nt os o l v et h ee o h pp r o b l e m , t h e r e f o r et h em o r e e f f e c t i v ea l g o r i t h m sn e e d sm u s tb ee x p l o r e d a c c o r d i n gt ot h ec h a r a c t e r i s t i c so ft h ee o h pp r o b l e m , t h i sm o d e lc a nb ed i v i d e di n t o t w o s u b m o d e l s ，n a m e l y t h e ”u n i t c o m m i t m e n t ”c o c ) d e c i s i o na n dt h e “e c o n o m i c d i s p a t c h ”( e d ) d e c i s i o n a san e wr a n d o ms e a r c ha l g o r i t h m , p a r t i c l es w a r mo p t i m i z a t i o n ( p s o ) a l g o r i t h mh a sd e m o n s t r a t e das t r o n ga d v a n t a g et os o l v en o n l i n e a ro p t i m i z a t i o n p r o b l e m s ，c a nc o m p e n s a t ef o rt h em a n yi n a d e q u a c i e si nd p t h ep e n a l t yf u n c t i o ne m p l o y e d t oc h a n g et h eu ct oa nu n c o m l r a i n e dp r o b l e m , i m p r o v e dm u t a t i v es c a l ec h a o so p t i m i z a t i o n a l g o r i t h m ( i m s c o a li sa d o p t e dt os o l v et h eu cp r o b l e mf o ro n l yo n es t e pc a l c u l a t i o na n d a c h i e v e db e t t e rr e s u l t s t h ep s oa n di m s c o at oh y d r o p o w e rs y s t e mh a v eb e e na p p l i e db y s o m er e s e a r c h e ra n de n g i n e a r , b u tt h e ys e l d o mg a v et h ec o m p a r i s o nb e t w e e nt h et w o a l g o r i t h m sa n dd p f r o mt h ei n e v i t a b i l i t ya n d p o t e n t i a lo f r e p l a c e m e n tu s i n gc a s es t u d y i nt h i s p a p e r , w u j i a n g d uh y d r o p o w e rp l a n tw i t h12 5 0m wo fi n s t a l l e dc a p a c i t ya n d5u n i t si su s e d t oc o m p a r et h ep e r f o r m a n c eo f o p t i m a lo p e r a t i o nb e t w e e np s oa n dd pf o r 血ee d p r o b l e ma s a ne x a m p l e 1 1 1 co p t i m i z a t i o nr e s u l t sa n dc o m p u t a t i o n a le f f i c i e n c ya r cc o m p 盯e db e t w e e n i m s c o aa n dd pf o rs o l v i n gt h eu cp r o b l e m t h er e s u l t ss h o wt h a tp s 0a n di m s c o ah a v e g r e a ta d v a n t a g eo v e rd pi nt h ee f f i c i e n c ya n dw i l lb ee f f e c t i v em e t h o d st os o l v et h eo p t i m a l o p e r a t i o no f t h eh u g eh y d r o p o w e ru n i t s k e yw o r d s ：h y d r o p o w e rs t a t i o me c o n o m i c a lo p e r a t i o n ；d p ：p s o ；i m s c o a i i - 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名： 扛吼生 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位 论文版权使用规定”，同意大连理工大学保留并向国家有关部门或机构送 交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连理 工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也 可采用影印、缩印或扫描等复制手段保存和汇编学位论文。 作者签名： 导师签名 监至里 叠塾趣望 班年旦月兰日 大连理工大学硕士学位论文 1 绪论 1 1 课题背景及选题意义 电力产业是现代社会最重要，最广阔的支柱产业之一，由于电能生产、输送、分配 和使用的便捷性和多样性，电能正日益在社会生活的各方面发挥着越来越重要的作用， 已成为现代社会发展的主要能源。电力系统是一个消耗大量煤炭、石油、天然气等一次 性能源和可再生的水资源，同时又输出巨大电能的系统工程，如何提高电力系统的运行 效率，充分利用水能资源，减少一次性能源的消耗，增加电能输出，这就是电力系统的 优化经济运行问题。 水能资源是可再生的、清洁的能源，水能资源丰富的国家都非常重视水电的开发， 发达国家的水能资源开发程度非常的高。世界各国在能源资源利用上，一般都优先考虑 开发本国的水能资源。在水电比重较高的国家，电网能够安全经济运行，水电的效益也 都得到了较大的发挥。我国的水能资源理论蕴藏量为6 8 9 亿k w ，年发电量6 0 4 万亿 k w h ，技术可开发装机容量4 9 3 亿k w ，年发电量2 2 6 万亿k 、h ，居世界首位。但我 国的水能开发程度较低，水电开发率仅为1 8 7 ，低于世界平均水平( 2 2 ) ，远低于 工业发达国家的开发水平( 5 0 - - - 1 0 0 ) ，所以我国的水电开发潜力巨大，前景广阔。 虽然水电的建设成本高于火电，但随着国家对节能、环保等要求的提高，若考虑到火电 厂脱硫、脱硝、除尘等环保要求以及煤耗率的控制，水电的建设成本与火电差距大幅缩 小。同时水电站的长运行期和低运行成本是火电厂远远不及的，目前国内水电厂运行成 本一般是0 0 4 加0 9 元k w h ，而火电厂由于购买和运输大量燃料，使其运行成本高达o 1 9 元i 【w h ，随着煤炭价格的上涨，火电厂的发电成本还将上升。 长期以来，我国的发、输、配电一直是由电力管理局( 电力集团公司) 独家管理， 实行统一核算、利益均分的经营模式，作为其下属机构，水电厂( 站) 的调度运行由电 网调度部门统一安排。随着电力体制改革的推进，我国的电力市场化改革取得了重要进 展，厂网分开基本完成，发电企业成为了竞争的主体。水电走向市场，按照“公平、公 开、公正”的原则参与竞价上网，将是水电发展的必然趋势【”。市场环境下，水电站的 运行管理权能由其所属的水电公司所有，各水电公司均为独立核算的经济实体，在竞价 上网的电力市场中，他们追求的主要目标就是效益最大化。因此，水电站在参与市场竞 争的过程中，必须根据自身运行特性，在水电生产的各个环节实行优化管理，减少单位 耗水量，降低运行成本，提高自身的竞争能力，适应电力市场改革。在目前交易中，水 电公司可采取单机组形式竞价，也可将全部电站机组合并成l 台模拟机组进行竞价【2 l ， 水电站厂内经济运行新型算法的研究 但无论采取哪种竞价形式，不增加硬件投资就能产生效益的厂内经济运行都是水电生产 各环节中举足轻重的一环。 由已经投入经济运行的水电站实际数据来看：湖南柘溪水电站实现长期经济运行， 提高发电量约3 l0 ：湖北葛洲坝二江水电站实施经济运行提高效益1 3 ；美 国石河段水电站的资料表明，实行经济运行后电站发电效率平均提高3 。水电厂在实 施了经济运行后，发电效益均可提高l 3 以上口】。由此可见，水电站实行经济运行 所取得的经济效益是十分可观的，这部分效益增加对于我国这样的水电大国和能源供需 矛盾日渐突出的形势都是非常有意义的。 1 2 国内外研究现状及分析 在国外，水电站厂内经济运行开展得比较早，早在二十世纪2 0 年代左右，等微增 率方法的思想就己产生，当时人们关心的是如何在机组间经济地分配负荷。5 0 年代， 国内外都进行了不少关于水电站厂内经济运行的理论研究工作，以等微增率方法为代表 的各种研究取得了不少成果。6 0 年代后，随着计算机的使用，美国、日本、加拿大等 都取得了一些成功的例子。目前，西方发达国家的大多数水电站已经实现了经济运行。 而我国在这方面经过几十年来的努力和实践，也逐渐形成了以动态规划法为主流的水电 站经济运行有效方案，并在国内许多电站投入运行。 动态规划作为经典的优化算法，有着较高的成熟性 4 1 。采用动态规划求解水电站经 济运行方式的问题，对机组流量特性没有特别要求，能将确定由哪些机组承担负荷和负 荷怎样分配一起解决，并能够给出较好的结梨鲥。但是动态规划需将机组流量特性曲线 离散化，在递推过程中需要存储大量的离散点，当水电站机组较多、装机容量较大时， 这种求解方法在计算工作量还是所占用的计算机内存上都是不可接受的。随着我国三峡 ( 2 6 台机组，装机容量1 8 7 0 万千瓦) 、小湾( 装机4 2 0 万千瓦) 等巨型水电站的竣工 投产，利用动态规划求解水电站厂内经济运行将面临“维数灾”和计算实时性问题，迫 切需要研究更加有效的计算方法与模型。 一2 大连理工大学硕士学位论文 2 水电站厂内经济运行介绍 电力系统的负荷总是不被控制的，对于同一负荷条件下，可以有许多种不同的发电 供电方案，都能保持电力系统正常的运行状态，满足电能质量和安全可靠要求。经济运 行就是指在满足电能生产的安全、可靠、优质的前提下，寻求一种最优的发电处理分配 方案，以合理利用资源，期以获得尽可能大的经济效益p j 。 2 1 水电站厂内经济运行在水电站优化调度中的地位 水电站在电力系统中的最优运行方式按照工作周期长短的不同，通常划分为三种方 式，即长期运行方式、短期运行方式、厂内运行方式1 5 】。每种方式有其独立性但同时又 互有一定的联系，三者互相依从和制约，其关系图可见图2 1 。 在理论研究和分析水电站在电力系统的运行方式时，总是把水电站看成一个单元， 认为全厂特性是按各动力设备运行工况最优化而实测得出的，短期的平均特性又是按厂 内经济运行方式实测的参数平均值。在此基础上最后明确长期经济运行方式。亦即“先 厂内，次短期，后长期”的关系。 图2 1 水电站经济运行方式 f i g 2 1m a n n e ro f h y d r o p o w e rs t a t i o no p t i m a lo p e r a t i 在实际制定各种经济运行方式的方案，则是“先长期，次短期，后厂内”的顺序。 即制定长期经济运行方式，把水电站规定的有限输入能源分配给短期各时段；进而制定 短期经济运行方式，把由长期经济运行方式所确定的短期可用能源，用负荷分配和逐时 段运行状态的形式划分给各水电站：最后根据短期经济运行方式所确定的各电站负荷 ( 日负荷图) ，分别组织水电厂内各动力设备的优化运行。 水电站厂内经济运行新型算法的研究 长期运行方式是制定调度方案，短期运行方式产生水电站调度计划，厂内经济运行 则是方案和计划的具体实现者，同时厂内经济运行的实现必须实现对机组特性、水库特 性和负荷特性的准确采集，其误差直接影响整个水电站的优化调度结果。 2 2 水电站厂内经济运行原理 水电站厂内经济运行( 也叫优化运行) 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生产设备，以获得尽可能大的经济效益。 2 2 1 厂内经济运行的基本任务 水电站厂内经济运行的基本任务是在给定系统负荷条件下，水电站在某一水头下运 行，对水电站各机组的动力特性曲线、最优工作机组台数和组合、机组的合理启停及在 运行机组间有功负荷的最优分配方案进行分析和研究，得到水电站厂内最优运行方式 用以指导水电站的实际运行，以期获得水电站运行的最大效益。 2 2 2 厂内经济运行的基本课题 水电站厂内经济运行的基本课题概括起来就是：寻求在研究时期( 一般为一天) 及 其中各时段( 刻) ，在已知条件下使所采用的优化准则达到极值的水电站工作机组的最 优台数七( f ) 、组合z ( ，) 及系统分配的有功负荷p ( t ) 和无功负荷p ( f ) 在工作机组间的最优 分配。通常，其他已知条件有，研究时期始末时刻f 0 、f ，的水电站上下游水位状态和设 备状况，机组动力特性和上下游水位特性，机组的电气接线方式和水力布置方式等。 2 2 3 厂内经济运行的数学准则 水电生产过程中常用的优化准则为：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己定时，力求发电量最大。上述准则中，前者适用于蓄水式发电 厂。后者适用于径流式发电厂。 水电站的优化运行包括空间最优化和时间最优化两层意思。 ( 1 ) 空间最优化 以水定电的优化准则 水电站的耗水量或电站来水确定以后，电站的生产运行应以出力最大为目标，其数 学描述为： 大连理工大学硕士学位论文 m a x m 珐皱( i ) = q 机墨 ( 2 1 ) 式中一电站总出力； m 第k 号机组的出力： q 一电站总的工作流量： q ( m ) 一七号机组出力为m 时的引用流量； 冠一七号机组出力范围： r l 一电站参加发电的机组台数。 以电定水的优化准则 对于有调节水库的水电站，其运行中出力是由调度部门根据电网的优化运行策略给 定的，这样电站的目标应该是总工作流量最小。 m i i l q , tc n k ) “m 劬) = n g 砬 式中d i 一_ j 号机组引用流量范围； 以( q ) 一七号机组工作流量为q 时的出力。 ( 2 ) 时间最优化 以水定电的优化准则 当各时段的耗水量确定之后，电厂运行的目标应该是发电量最大，即 m 觚n k c t ) z ，i ll - 1 月 n q 也( f ) 】+ 形( ，) = q o ) 1 1 1 i 甩 ( 2 2 ) ( 2 3 ) 水电站厂内经济运行新型算法的研究 式中q ( f ) 一f 时段电厂引用流量； 形( f ) 一f 时段开停机耗水量； m ( f ) 一，时段第k 号机组的出力； z = 一r 时段时间长。 以电定水的优化准则 若电力系统在某时段内给定电厂的发电任务已经确定，于是电厂的运行调度应以耗 水量最小为目标，即 n f l n q k ( n k ( t ) ) 互+ 形( ，) t - 1lk - i j 虹m ( ，) = o ) t ，l q ( f ) 见 ( 2 4 ) 2 2 4 厂内经济运行的数学模型 ( 1 ) 空间最优化模型 当电力系统在某一时刻分配给水电站的负荷一定时，水电站运行机组间最优负荷分 配应满足总的工作流量最小准则，数学模型如下： 目标函数 n d n q ( n ，吩) = q ( ， ) ( 2 5 ) 约束条件 电站有功功率平衡约束 ( q ) = n i - i 机组出力限制 柚s 川m 。 机组水头限制 面s 吩吩。 机组流量限制 q 劬sq js q ，。 水库库容约束 s 矿 一6 一 ( 2 6 ) ( 2 7 ) ( 2 8 ) ( 2 9 ) ( 2 1 0 ) 大连理工大学硕士学位论文 其中，f 。，。为第f 号机组的最小和最大出力； 。，吩，。为第f 号机组运行所 需要的最小和最大水头；q f 。，q 一为第i 号机组运行所需要的最小和最大流量； p 孟，p ，雌为水库允许达到的最小最大库容。 ( 2 ) 时间最优化模型 目标函数 r m i a j = 【q ( 研，川) 斫+ 叫( 1 - - u j 。) c j + 叫一o h ；) 口】 ( 2 1 1 ) i l l i - i 约束条件 电站功率平衡约束 机组输出功率约束 最小开停机时间约束 旋转备用约束 珥州= 形 i - i n i 面s n ：s n ：痂 n t m n ：s n 。v i , t z ：面2 霉加，巧。z 口v f 讲m 。( 孵+ 置) y t ( 2 1 2 ) f 2 1 3 ) ( 2 1 4 ) ( 2 1 5 ) 其中， 名为f 时段系统的负荷；f 劬，f 。分别为f 号机组的最小、最大出力； ， i 。分别为f 号机组的汽蚀振动限制区间：z ，。，z ，为f 号机组的最小停机、 运行时间；i 矿，巧。为f 号机组停机、运行状态持续时间；墨为时段f 系统要求的备用容 量：珥为机组f 在t 时段的运行状态，彬为1 表示机组i 在t 时段开机，叫为0 表示机组 f 在t 时段停机：c ，、口为机组i 开、停机耗流量a 2 3 水电站厂内经济运行求解方法 2 3 1 优先顺序法 按照机组的单位耗量进行排队，单位耗量小的机组排在前面，先启动，它在排序过 程中不考虑负荷变化，是一种静态排序策略睁】。 该算法一般不考虑机组的启停流量，计算量小但不能保证获得最优解。因此不能经 常计算以保证电站运行于优化工况导致电站经常偏离优化工况，更无法满足调频的要 求，特别不能用于参加调频的电站。 水电站厂内经济运行新型算法的研究 2 3 2 等微增率法 等微增率法仅适应于求解机组台数和组合一定时，机组间负荷的最优分配问题。但 是这种方法要求机组的流量曲线为凸的，即流量微增率随机组出力的增加而增加【6 】。当 流量微增率不随机组出力的增加而增大时，则应将机组的特性曲线进行修正后才能按等 微增率法分配负荷。若修正误差较大，则不能采用这种方法。这就使得等微增率法的应 用受到限制。 等微增率法适用于确定机组运行情况后( 由哪些机组并联运行) 的机组间负荷分配， 且要求机组流量特性具有正的二阶导数，不能确定应由哪些机组承担负荷分配。 2 3 3 动态规划法 动态规划法是运筹学的一个分支，有着较为广泛的应用1 4 1 。动态规划法对机组流量 特性没有特别要求，甚至当机组在某个出力区有振动，要求负荷分配时避免该机组在振 动出力区运行也能适应，而且能将确定由哪些机组承担负荷和负荷怎样分配一起解决。 但是当机组台数增多时，需要的计算机的存储量很大，导致动态规划的“维数灾”问题 垆】，因此在算法设计上必须采取各种近似方法加以简化，增加了算法设计的复杂性，而 且各种简化方法也使得常常丢失最优解。 2 3 4 拉格朗日松弛法 拉格朗日松弛法是解决复杂整数和组合优化问题的一类优化算法。拉格朗日松弛法 在机组组合问题中的应用研究始于7 0 年代，有大量的理论和应用成果，系统论述了拉 格朗日松弛法在机组组合、发电计划中的应用。拉格朗日法的优点是：随着机组数的增 加，计算量近似线性增长，克服了维数障碍，且机组数目越多，算法效果越好；方法十 分灵活，不但可以成功地解决机组组合问题，也可以推广到水火电联合经济调度问题和 电力交易的问题；算法的一些因子具有实际的物理( 经济) 意义，如与系统负荷约束相 关的拉格朗日乘子等于系统边际发电成本。因此，拉格朗日松弛法是一类有着成熟理论 基础的整数( 组合) 优化算法，适合于解决大系统的优化问题，在实际中得到了广泛的 应用1 7 】。但是，由于目标函数的非凸性，用对偶方法求解时，很难得出原问题严格数学 意义上的对偶问题，因此存在对偶间隙，需要根据对偶问题的优化解采取一定的措施构 造原问题的优化可行解，这是拉格朗日松弛法的一个难点。另外，算法的迭代过程中有 可能出现振荡或奇异现象，需要采取措施加快收敛，而这在实际中也是很难解决的。 一8 一 大连理工大学硕士学位论文 2 3 5 遗传算法 遗传算法是8 0 年代出现的新型优化算法，是基于自然遗传和自然优选机理的寻优 方法。它发展迅速，在经典最优化、日程安排、经济调度、自适应控制和机器人等学科 领域日益得以应用。国内学者于9 0 年代底开始研究将遗传算法运用于水电站厂内经济 运行，文献 8 】提出了一种基于遗传算法求解厂内运行的新思路。对目标函数性态没有特 殊要求，从理论上来说可以找到全局最优解；可以得到多个可选方案：方法比铰灵活， 可以考虑多种约束；适合于并行处理；由于其不需要存储状态变量的离散点，大大减少 了计算机内存。 但是遗传算法本质上属于无约束优化算法，如何处理约束条件将在很大程度上影响 算法的效率；由于是随机优化算法，不能保证得到全局最优解；计算量比较大，所需时 间长。 2 3 ，6 粒子群算法 粒子群算法是由美国社会心理学家j a m e sk e m l e d y 和电器工程师r u s s e l le b e r h a r t 9 1 在1 9 9 5 年共同提出的，是继蚁群算法之后又一种新的群体智能算法，目前己成为进化 算法的一个重要分支，是一种基于群体智能的新型演化计算技术，在函数优化、神经网 络设计、模式识别、信号处理等许多领域已取得了成功应用。该算法具有并行处理、鲁 棒性好等特点，能以较大概率找到问题的最优解，计算效率比传统随机算法高，并且简 单易实现、收敛速度快，有深刻的智能背景，但是粒子群算法有诸如数学基础薄弱、容 易陷入局部最优等缺点。 尽管国内外学者对粒子群算法在电力系统的应用傲了很多的研究，涉及了很多方 面，但是由于时间还比较短，目前的很多工作都还处在起步阶段，还需要进一步的深入 发展。国内学者基本上没有将粒子群算法应用于水电站厂内经济运行领域。 2 3 7 混沌优化方法 混沌优化方法是一种新型的直接搜索优化算法。它利用混沌运动能在一定范围内自 发的永不重复的遍历所有状态的性质，直接采用混沌变量在允许解空间进行搜索，搜索 过程完全按照混沌运动自身的规律进行，更容易跳出局部最优点，搜索效率高。在电站 经济运行领域得到了一定的应用，并取得了较好的优化结剿1 0 l 。 但是混沌优化方法的许多结论缺乏严格的理论论证，其应用的有效性和普遍性值得 怀疑。另外混沌优化方法的应用还局限与较小规模的问题，或仅仅是对某些特定问题的 仿真而缺乏与实际问题接轨的能力。 一9 一 水电站厂内经济运行新型算法的研究 2 4 小结 水电站厂内经济运行是一类典型的单目标优化问题，本文将以水电站在给定发电负 荷下耗流量最小作为最优化目标来探讨这一问题。它包含了两个优化问题：机组负荷分配 优化问题和机组组合优化问题，都可以作为单独的优化问题来研究。机组负荷分配优化 问题和机组组合优化问题都是以耗流量最小作为唯一的优化目标。 固定机组负荷分配问题要求根据水电站给定水头下的各台可供发电的机组出力与 流量之间的特性曲线，得到这些机组在各种负荷下的机组所要承担的出力状况，并保证 在这一负荷要求下，这种分配方案耗流量最少。由于在这个过程中，我们所依据的机组 特性曲线是非线性的，因此这是一个非线性的优化问题。它还必须满足下述约束： ( 1 ) 水电站中每台机组具有最小出力和最大出力限制，即分配在各台机组上的出力 不应该超出这个范围。 ( 2 ) 在各台机组的最小出力和最大出力之间还存在气蚀振动区，在机组负荷分配时， 必须加以规避，以延长机组的使用寿命。 ( 3 ) 水电站所要承担的负荷应该在整个电站的出力范围之内，同时还应保证各台机 组的总出力与该时段的负荷相等，保证电力电量平衡。 机组组合优化问题则是根据上级调度部门给出的水电站日负荷曲线，安排水电站内 某一段时间的机组开停组合。在机组组合问题中，包含有大量的o 1 变量和离散变量， 在数学上表现为一个包含大量约束条件的大规模非线性混合整数规划问题。它需要满足 以下的约束条件： ( 1 ) 系统负荷和备用要求。由于水电站的机动性较好因此在电力系统中一般都要 承担系统的备用要求，以保证在电力系统出现事故或突发事件时能够迅速满足系统的负 荷需要，因此，在实行机组组合优化时，必须保证目前处于运行状态的机组能够应付负 荷备用的要求。 ( 2 ) 最小开机时间和最小停机时间。机组频繁的启停会对机组造成损坏，为了避免 机组的频繁启停，水电站要设定机组的最小开机时间和最小停机时间，从而限定各台机 组在一个调度时段内的开机次数。 ( 3 ) 机组爬坡速率( 功率变化速率) 。在电力系统中水轮发电机组及水电厂的机动性 在电力系统中是最好的，一般来说枧组自停运状态启动到满负荷运行一般仅经历3 5 分钟，而停机过程则更短。因此，在单纯的水电站厂内经济运行中可以不考虑机组爬坡 速率。 大连理工大学硕i - - q , 位论文 3 机组负荷分配优化 3 1 引言 负荷分配是厂内经济运行的主要内容。厂内经济运行考虑的负荷分配强调很强的实 时性，根据水库水情与机组运行工况发生变化实时的进行负荷分配、调整机组的工作方 式。因此负荷分配的计算必须要有较快的计算速度】。 负荷分配需要考虑的变化情况主要有： ( 1 ) 水库入库流量变化； ( 2 ) 水库水位变化情况； ( 3 ) 水库可调节水位变化范围： ( 4 ) 机组的运行工况，是否发生异常情况； ( 5 ) 电网负荷需求的变化。 目前，水电站厂内经济运行应用得较多的是动态规划。动态规划作为经典的优化算 法，有着较高的成熟性。采用动态规划求解水电站经济运行方式的问题，对机组流量特 性没有特别要求，能将确定由哪些机组承担负荷和负荷怎样分配一起解决，并能够给出 较好的结果。但是动态规划需将机组流量特性曲线离散化，在递推过程中需要存储大量 的离散点，当水电站杌组较多、装机容量较大时，这种求解方法在计算工作量还是所占 用的计算机内存上都是不可接受的。对于一些装机达到二十台甚至更多的水电系统进行 求解，动态规划的不足更将暴露无遗。 近些年，粒子群算法作为一种求解大量非线性、不可微和非凸的复杂优化问题的简 单和易于实现的方法，已经被应用于解决水电系统的优化问题【1 2 6 1 。上述文献【川6 1 从电 力系统的机组组合、水电站的优化调度以及负荷经济分配等几个方面阐述了粒子群算法 的应用。但是国内对粒子群算法在水电站厂内经济运行方面的研究尚不多见，特别是动 态规划和粒子群算法在求解巨型水电站厂内经济运行时的性能如何，缺乏深入的实例研 究 本章结合装机5 台、装机容量1 2 5 万千瓦的乌江渡水电站，用其承担的实际日负荷 曲线，分析比较了两种方法在求解负荷分配问题时的优劣。得出的结论，对于指导今后 的巨型水电站厂内经济运行有重要的实用价值。 水电站厂内经济运行新型算法的研究 3 2 动态规划在厂内负荷分配中的应用 3 2 i 动态规划概述 动态规划( d y n a m i cp r o g 瞄m m i n g ) 是解决多阶段决策过程最优化问题的一种方法【1 7 l 。 1 9 5 1 年，美国数学家贝尔曼( r b e l l m a n ) 研究了一类多阶段决策问题的特征，提出了解决 这类问题的基本原理，在研究、解决了某些实际问题的基础上，于1 9 5 7 年发表了动 态规划这一名著。 动态规划把比较复杂的问题划分成若干阶段，通过逐段求解，最终求得全局最优解。 这种“分而治之，逐步改善”的方法已在一些较难解决的问题中显示出优越性，尤其是 离散性问题，用动态规划的方法去处理比用线性规划和非线性规划方法有时更为有效。 迄今为止，动态规划已广泛应用于经济、生物、工程、军事等诸多领域，并已取得了很 好的效果【。 动态规划是一种严密的求多元极值的数学方法【4 l 。其基本方法是把一个复杂的系统 问题分解，形成一个多阶段的决策过程，并按一定顺序或时序，以初始阶段开始，逐次 求出每段当系统发生所有可能的状态时的最优决策，并经历各阶段到达终点，从而求得 整个系统的最优决策。 动态规划主要用于解决含有时间和空间变化因素的问题，它和线性规划、非线性规 划都属于数学规划的范围，而且动态规划和线性规划一样，是一种逐步改善法。线性规 划在逐步改善中，每一步都是就问题的整体加以改善。而动态规划则是将整体划分成数 个时空阶段，前后衔接，先由一个决策阶段求出一个最优状态，再逆序或顺序和另个 决策阶段共同构成该前后两个阶段的最优状态，如此一步步循序递推，直到最后一个阶 段，求得总体的最优状态，从而求出该问题的最优决剩”j 。 动态规划的研究对象是多阶段决策问题，应用动态规划求解多阶段决策问题时，首 先必须对实际问题进行阶段划分，描述各阶段的状态，决定决策变量和目标函数。下面 对动态规划的一些概念迸行具体定义： 阶段( s t a g e ) ：阶段是一些性质相近，可以同时处理的状态集合。通常，一个问题可 以由处理的先后次序划分为几个阶段。实际上，阶段只是标识那些处理方法相同、处理 顺序无关的状态。一个阶段既可以包含多个状态，也可以只包含一个状态。也就是说， 系统在某一个阶段可以处于不同的状态。 状态( s t a 把) ：一个阶段在开始时所面临的状况，表示系统所处的位置和状态，是描 述动态规划中的“单元”的量。 大连理工大学硕士学位论文 状态转移方程：是前一个阶段的状态转移到后一个状态的演变规律，是关于两个相 邻阶段状态的方程，是动态规划的中心。 决策：每个阶段做出的某种选择性的行动。当某阶段的状态给定后，从该状态出发， 决策者可以做出不同的决策，面使系统沿着不同的方向演变，结果达到下一阶段的某一 状态，这种选择称为决策。在负荷分配中，决策是机组的出力，所以选择决策时需要满 足以下约束：出力不能小于机组最小出力、不能大于机组最大出力，出力不能在机组振 动区、汽蚀区等。 目标函数：用以衡量多阶段决策过程实现效果的一种数量指针，是定义在全过程和 所有后部子过程上的数量函数。 动态规划所处理的问题是一个“多阶段决策问题”，一般由初始状态开始，通过对 中间阶段决策的选择，达到结束状态。这些决策形成了一个决策序列，同时确定了完成 整个过程的一条活动路线( 通常是求最优的活动路线) ，如图3 1 所示： 匡回乜亘卜 乎 堕 _ 悃 图3 1 动态规划寻优过程 f i g 3 ic a l c u l a t e dp r o c e s so f d p 3 2 2 负荷分配的动态规划模型 作为经典的优化算法，动态规划有着较高的成熟性。采用动态规划求解电站经济运 行方式的问题，对机组流量特性没有特别要求，不要求机组流量特性曲线必需是凸的， 而且能将确定由哪些机组承担负荷和负荷怎样分配一起解决，并能够给出较好的结果。 ( 1 ) 水电站总负荷在机组间的最优化分配问题，实质上是一个与时问无关的空间最 优化问题，为采用动态规划求出厂内机组间负荷的最有分配方案，人为的给该问题赋予 时间特性，虽然机组间的分配工作应在同一时间作出决定，但不影响问题的最终结果。 为此将水电站中可供选用的机组编上固定的顺序号码，每台机组作为一个阶段。若各阶 段的决策是最优的，则由这些决策构成的策略称为最优策略。这样水电站负荷分配的最 优化问题就变成了一个多阶段决策过程的最优化闯题。 用动态规划方法求解式2 5 所描述的机组负荷优化分配问题，建立以下数学递推模 型【5 1 t 2 0 1 2 1 】： 阶段变量f ：以机组编号为序，机组台数f 为阶段变量 状态变量m ：f 台机组的总负荷 水电站厂内经济运行新型算法的研究 决策变量j ：第f 号机组的负荷 状态转移方程：一n ，- ；- 一 目标函数：总工作流量最小，即m i n q ( 鬈) i - i 根据动态规划的最优化原理，可得到以下顺向递推方程组 g ( _ ，吩) = m i n q ( ，咄) + 醇，( “， 一，) ，1 = n s 一( 扛l ，2 ， ) q o ( n o ，h ) = 0 ，v n , ( 3 1 ) 其中，岔( ，局) ：电厂负荷为，时，在1 f 号机组之间优化分配负荷时全厂总工 作流量；q ( ，岛) ：第z 号机组负荷为m 时的工作流量；蜴( o ，矗) ：边界条件，即在 起始阶段以前工作流量为零。 ( 2 ) 面向编程的负荷分配动态规划模型 模型中变量符号及说明 f ：机组台号及台数，f = 1 ，2 ，k ； i v ( i ) ：第t 号机组容量； 。：电厂装机容量； m ：1 f 号机组的总容量； j ：l f 一1 号机组的总工作流量； j ：状态变量，发电任务： 珂：决策变量，f 号机组的出力： q ( t i v ) ：第 机组的流量特性曲线； q ( ，) ；1 一f 号机组的总工作流量； q 2 ( d ：1 f l 号机组的总工作流量； a n ：出力步长； x 、j r ：比较单元，暂存工作流量，而j ，单元存放较优的工作流量； ，0 ：中间单元，存放较优的决策玎； n o ( s ，f ) ：存放负荷分配结果，即当负荷j 由j 台机组完成时f 号机组所承担的负 荷 大连理工大学硕士学位论文 递推方程组 q f ( - ，) = m i n q ( i ，z ) + q j ( ，一甩) 】。 月 f k j n j sm 拧( f ) ，一n f l o ( j ，f ) = 1 0 ( 3 2 ) ( 3 3 ) 负荷分配的动态规划模型递推计算的程序框图如图3 i 所示。由3 2 式递推计算出 的结果称为最优负荷分配表l ，最优负荷分配表1 充分形象地体现了动态规划的递推过 程。然而它在现场的实际应用中既不直观也不方便，并且还需花费时间来查找计算，为 此必须将其整理成一般意义上的表格。 根据动态规划最优化原理，按以下方程组查找出各个机组的负荷。 n o ( j ，f ) = n o ( j ，f )活甩l m = j n o ( ，f + 1 )f n n o ( j ，f ) = n o ( m ，f ) j r 34 1 整理最优负荷分配表1 的流程见图3 2 所示。 一1 5 一 水电站厂内经济运行新型算法的研究 图3 2 负荷分配动态规划求解流程图 f i g 3 2f l o wc h a r to f s o l v i n gl o a dd i s p a t c hb yd p 1 6 一 大连理工大学硕士学位论文 图3 3 负荷分配结果整理流程 f i g 3 3f l o wc h a r to f p a c k i n gu pt h er e s u l t so f d p 3 3 粒子群算法在厂内负荷分配中的应用 3 3 1 群体智能简介 群体智能作为一个新兴领域，自从2 0 世纪8 0 年代出现以来，引起了多个学科领域 研究人员的关注，已经成为人工智能以及经济、社会、生物等交叉学科的热点和前沿领 域。由单个复杂个体完成的任务可由大量简单的个体组成的群体合作完成，而后者往往 更具有健壮性、灵活性和经济上的优势。群体智能( s w a r mi n t e l l i g e n c e ) 利用群体优势， 在没有集中控制，不提供全局模型的前提下，为寻找复杂问题解决方案提供了新的思路。 人们在很早的时候就对自然界中存在的群集行为感兴趣，如大雁在飞行时自动排成 人字形，蝙蝠在洞穴中快速飞行却可以互不碰撞等。对于这些现象的一种解释是：群体 中的每个个体都遵守一定的行为准则，当它们按照这些准则相互作用时就会表现出上述 的复杂行为。基于这一思想，c r a i g r e y n o l d s 在1 9 8 6 年提出一个仿真生物群体行为的模 型b o i d 。r e y n o l d s 用