（水文学及水资源专业论文）水火电系统短期节能发电调度研究与应用.pdf

大连理工大学博士学位论文 摘要 节能发电调度是指在保障安全可靠运行的前提下，按照各类发电机组类型、能耗水 平和环保指标事先排序，对发电机组的启停和出力分配进行优化，优先利用可再生和清 洁发电资源。水火电系统短期( 日) 发电调度指导电力系统日常实际运行，涉及了电力 生产的许多环节，例如：负荷需求预测、发输电设备检修、机炉运行方式、负荷分配、 潮流计算和网损分析等。研究如何在短期( 日) 发电调度计划制定的过程中体现节能降 耗思想，对于电力系统大力开展节能发电调度具有重要意义。 本文从短期电力负荷预测、负荷优化分配和水电站厂内经济运行三个方面着手，研 究如何在水火电系统短期发电调度计划中实现节能降耗的问题。主要成果概述如下： ( 1 ) 在分析短期电力负荷特性的基础上，建立了基于s c e u a 支持向量机的短期 电力负荷预测模型。将s v m 应用于短期电力负荷预测中，在s v m 建模过程中核函数 选择径向基核函数，并在此基础上应用s c e u a 算法优化s v m 参数，在s c e - u a 搜索 过程中以相似日的负荷数据为样本，以日负荷预测准确率最大为目标来寻找最优参数。 将优化的s v m 模型用于短期电力负荷预测，并通过与人工神经网络模型预测的结果作 比较，结果显示该模型在短期电力负荷预测中的有效性和准确性。 ( 2 ) 结合电网环保、节能、经济发电调度的要求，提出了以节能降耗为目的求解 水火电系统负荷优化分配的新方法，该方法将改进的逐次切负荷法和等微增率法两种算 法结合在一起，根据水电站群的排序原则，用改进的逐次切负荷法求解水电站群在电力 系统负荷图上的工作位置以及发电调度计划；根据火电机组的排序原则，用等微增率法 在已确定并网运行的火电机组间优化分配系统剩余负荷。该方法的特点是充分合理的利 用水电资源，使水电尽可能多发；火电厂的火电机组发电耗煤量降至最低，节约煤炭资 源。通过费州电网实例研究，表明方法是实用、可行的，为电网节能发电调度提出了可 行的解决方案。 ( 3 ) 针对水电站厂内经济运行中需要考虑的关键问题，建立了相关的数学模型， 并提出了求解该模型的结合禁忌搜索思想改进的混合粒子群算法。该算法采用二进制离 散变量和十进制连续变量混合编码技术，分别用离散二进制粒子群算法解决机组运行状 态组合优化子问题。用标准粒子群算法解决既定运行机组间负荷分配优化子问题，并将 两个问题结合在一起并行优化。为克服p s o 算法可能出现的早熟现象，引入了禁忌搜索 算法的记忆功能和藐视准则，用以保持种群中粒子的多样性，扩大搜索空间，避免算法 陷入局部最优。仿真计算结果验证了该算法应用于求解水电站厂内经济运行问题的可行 水火电系统短期节能发电调度研究与应用 性，并与p s o 算法进行比较，表明该方法不仅有效的克服t p s o 算法可能出现的早熟现 象，提高了全局收敛能力，而且还具有更高的全局寻优能力。 ( 4 ) 利用集成开发工具b u i l d e r ，采用o r a l e 9 i 数据库，在j 2 e e 平台上成功研究开 发了结构合理、功能齐全、界面友好，具有很强实用性的基于w e b 的省级电网短期发 电优化调度系统，将决策支持系统引入电网短期发电优化调度与运行管理，将智能算法 模型融入到决策支持系统实际应用中。重点阐述了系统体系结构和功能模块、业务流程 设计、e j b 组件开发方式、以及系统数据库表设计方法等关键技术，可实现从负荷预测、 发电设备检修备用、机组开启、出力过程安排、电力电量平衡计算到发电调度计划编制 以及制作曰常所需计划报表全过程。系统操作简便、功能强大，同时具有良好的稳定性、 移植性和可扩展性。并且系统已经成功应用于实践，2 0 0 4 年1 1 月在云南电网正式投入 运行，2 0 0 7 年2 月在贵州电网正式投入运行。 最后对全文做了总结，并对有待予进一步研究的问题进行了展望。 关键词：水火电系统；节能；负荷预测；发电调度；经济运行 盔垄墼丕堂堡圭塑塑 s h o r t - t e r me n e r g y s a v i n gp o w e rg e n e r a t i o no p e r a t i o no fh y d r o - t h e r m a l p o w e rs y s t e m a b s t r a c t e n e r g y - s a v i n gp o w e rg e n e r a t i n no p e r a t i o ni sa b o u to h m i z a t i o no f u n i tc o m m i t m e n ta n d l o a dd i s t r i b u t i o nb yg i v i n gp r i o r i t yt ot h eu s eo fr e n e w a b l ea n dc l e a np o w e rg e n e r a t i o n i 吧s o u i o o sw i t h o ms u f f e r i n gs a f e t ya n dr e l i a b i l i t yo fs y s t e m ，a c c o r d i n gt 0t y p eo fg e n e r a t i n g s o t s ，e n e r g yc o n s u m p t i o nl e v e la n de n v i r o n m e n t a lp r o t e c t i o n i n d e x s h o r t - t e r mp o w e r g e n e r a t i o no p e r a t i o no fh y d r o - t h e r m a ls y s t e mc o v e r sm a n ya s p e c t sf r o ml o a df o r e c a s t i n g ， m a i n t e n a n c eo fg e n e r a t i n gs e t s ，u n i to p e r a t i n gm e t h o d , l o a dd i s t r i b u t i o n , p o w e rf l o w c a l c u l a t i o nt ot n m s m i s s i o nl o s s e sa n a l y s i se t c ，a n dc a nb eu s e dt og l l i d ed a i l yo p e r a t i o n i n t r o d u c t i o no fe n e r g ys a v i n ga n dc o n s u m p t i o nr e d u c i n gt ot h em a k i n go fs h o r t - t e r mp o w e r g e n e r a t i o n h e d u l i n gi so fg r e a ts i g n i f i c a n c ef o rc a r r y i n go u te n e r g y - s a v i n gp o w e rg e n e r a t i o n o p e r a t i o n i nt h i sp a p e r , t h es h o r t - t e r me n e r g y - s a v i n gp o w e rg a t i o no p e r a t i o np r o b l e mi ss t u d i e d f r o mt h et h r e ea s p e n s ：s h o r t - t e r ml o a df o r e c a s t i n g 1 0 a dd i s t r i b u t i o n o p t i m i z a t i o na n d h y d r o e l e c t r i cp l a n te c o n o m i co p e r a t i o n t h em a i nc o n t e n t s a n dr e s e a r c hp r o c e s s 戤a s f o l l o w s ： ( 1 ) b ya n a l y z i n go ft h ef e a t u r e so fs h o r t - t e r mp o w e ri o a d , s u p p o r tv e c t o rm a c h i n e s ( s v m ) m o d e l ，w h i c hp a r a m e t e r sa r ee s t i m a t e db ys c e - u aa l g o r i t h m ，i sp r e s a n t e da s p r o m i s i n gm e t h o df o rs h o r t - t e r ml o a df o r e c a s t i n g 1 1 1 er a d i a lb a s i sf u n c t i o ni ss e l e c t e di nt h e e s t a b l i s h m e n to f t h em o d e l a n ds c e - u aa l g o r i t h mi su s e dt oi d e n t i f yt h ep a r a m e t e r so fs v m , w h i c hu s e sl o a dd a t ao fs i m i l a rd a ya st r a i n i n gs a m p l ea n dd a i l yl o a df o r a s t i n ga c c u r a c y m a x i m i z a t i o na so 巧e c t t h eo p t i m i z e ds v mm o d e li sa p p l i e dt os h o r t - t e r ml o a df o r e c a s t i n g , a n dc o m p a r e dw i t ht h ef o r e c a s t i n gr e s u l t so fa r t i f i c i a ln e u r a ln e t w o r km o d e l t h er e s u l t s s h o w e di t se f f e c t i v e n e s sa n da c c u r a c y ( 2 ) an e wm e t h o d , w h i c hc o m b i n e st h ei m p r o v e dc u t t i n gl o a dm e t h o da n dt h ee q u a l i n c r e m e n tr a t em e t h o d , i sp r e s e n t e dt os o l v el o a dd i s t r i b u t i o no fh y d r o - t h e r m a lp o w e rs y s t e m f o rs a v i n ge n e r g ya n dr e d u c i n ge n e r g yc o n s u m p t i o n 1 1 圮i m p r o v e dc u t t i n gl o a dm e t h o di s u s e dt og e th y d r o p o w e rs t a t i o n s w o r k i n gp o s i t i o ni ns y s t e md a i l yl o a dm a pa n dt h e i rp o w e r g e n e r a t i o ns c h e d u l i n ga c c o r d i n gt ot h e i rs o r t i n gp r i n c i p l e t h ee q u a li n c m m e n tr a t em e t h o di s u s e dt oo p t i m i z et h es y s t e mr e m a i n i n gl o a da m o n gt h ea f f l r m a t o r yr u n n i n gu n i t sa c c o r d i n gt o t h e i rs o r t i n gp r i n c i p l e n ec h a r a c t e ro fp m p o s a dm e t h o di st h a th y d r o p o w e rr a s o u i v 七i s a d e q u a t e l yu s e da n dc o a lc o n s u m p t i o nf a l l st om i n i n l m t ot h ee x a m p l e so fc r l i 7 , h o up o w e r i i i - 水火电系统短期节能发电调度研究与应用 g r i d , t h es t u d yi n d i c a t e dt h a tt h ep r o p o s e dm e t h o di sp r a c t i c a la n df e a s i b l e ，a n dp s 咖l 协a f e a s i b l ep r o j e c tf o re n e r g y - s a v i n gp o w e rg e n e r a t i o no p e r a t i o no f p o w e rg r i d ( 3 ) am o d e lh a sb e e ni n t r o d u c e d 幻s o l v et h ee c o n o m i co p e r a t i o no fh y d r o e l e c t r i cp l 锄坞 a n dt h ei m p r o v e dm i x e dp a r t i c l es w a r mo p t i m i z a t i o l lo s a l g o r i t h me m b e d d e dw i t ht a b u s e a r c h ( t s ) i su s e di nt h i sm o d e lf o rr e s u l t s t h et s - p s oa l g o r i t h mu 螂t h em i x e de n c o d i n g t e e h n 0 1 0 9 yi n v o l v i n gd i s c r e t eb i n a r yv a r i a b l e sa n dt h ec o n t i n u o u sv a r i a b l e s t h ed i s c r e t e b i n a r yp s oi su s e dt os o l v et h eu n i tc o m m i t m e n ts u b - p r o b l e m 。a n dt h es t a n d a r dp s oi su s e d f o rl o a d i n ge c o n o m i cd i s p a t c h s u b - p r o b l e m p a r a l l e lo p t i m i z a t i o ni s m a d ep o s s i b l eb y c o m b i n i n gt h et w os u b - p r o b l e m sf o rt h er l s o nt h e ya r ei n t e r r e l a t e d t oa v o i de n t r a p m e n ti n l o c a lo p t i m a , t h ef l e x i b l em e m o r ys y s t e mo ft si se m b e d d e di n t op s ot ok e e pp a r t i c l e s d i v e r s i t i e sa n di nt u r ne n l a r g et h es e a r c hs p a c ea n d h 彻c o n v e r g e n c ep r o p e r t y m e x p e r i m e n t a lr e s u l t sb yu s i n gt h et s - p s om e t h o di nh y d r o e l e c t r i cp l a n tr e v e a lt h a t , c o m p a r e d w i t hp s o ，i te f f e c t i v e l yo v e r c o m e st h ep r e m a t u r ep h e n o m e n o na n di m p r o v e st h eg l o b a l c o n v e r g e n c ea n dg l o b a lo p t i m i z a t i o ns e a r c h i n gc a p a b i l i t y ( 4 ) aw e b - b a s o ds h o r t - t e r mp o w e rg e n e r a t i o no p 删l t i o ns y s t e mf o rp o w e rg r i di s s u c c e s s f u l l yd e s i g n e da n dd e v e l o p e do nj 2 e ep l a t f o r mb ym c a n bo f 删l d e r a st h ei d ea n d o r a e l e 9 id a l a b a s e 勰t h ed a t as a v i n ga n dm a n a g i n gw a r e h o u s e d e c i s i o ns u p p o r ts y s t e m e m b e d d e dw i t hi n t e l l i g e n tm o d e l si si n t r o d u c e dt os h o r t - t e r mp o w e rg e n e r a t i o no p e r a t i o na n d m a n a g e m e n t t h ek e yt e c h n i q u e s s u c ha ss y s t e ma r c h i t c e t u r ea n df u n c t i o n , d c s i g no fw o r k f l o w , d e v e l o p m e n tm e t h o do fe mc o m p o n e n t , a n dd e s i g no fd a t a b a s ee ta r ec o v e r e di nt h i s a r t i c l e n 砖s y s t e m 啪p r o c e s sav a r i e t yf u n c t i o n sf r o ml o a df o r e c a s t i n g e a t m p m e n t m a i n t c n a n e e ，g e n e r a t i n g s e t o p e n i n g , 1 0 a da r r a n g i n g , e l e c t r i ep o w e r ，e n e r g yb a l a n c e c a l c u l a t i n g , t om a k i n gp o w e rg e n e r a t i o np l a na n dr e p o r tf o r m s n 嵋s y s t e ms t a n d so u tf o ri t s e a s i n e s st ou s e ，s t r o n gf u n c t i o n s ，g o o ds t a b i l i t y ，t r a n s p l a n t - a b i l i t ya n de x t e u s i b i l i t y f i n a l l y ，as u m m a r yi sg i v e na n ds o m ep r o b l e m st ob ef u r t h e rs t u d i e da r ed i s c u s s e d k e yw o r d s l h y d r o - t h e r m a lp o w e rs y s t e m ；s a v i n ge n e r g y ；l o a df o r e c a s t i n g p o w e r g e n e r a t i o no l r a d o n ；e c o n o m i co p e r a t i o n - i v 独创性说明 作者郑重声明：本博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：细7 f 大连理工大学博士研究生学位论文 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阗。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： 垄塑：】 导师魏旌塑 二l 年蝴上白 大连理工大学博士学位论文 1 绪论 1 1 选题背景和研究意义 能源是社会发展的重要物质基础，也是人类赖以生存的基本条件，是国民经济持续、 快速、健康发展的重要保证。近年来随着我国国民经济的发展和人民生活水平的日益提 高，对能源的需求越来越大，能源的供需矛盾日渐突出。成了制约我国国民经济发展的 重要因素，解决能源问题，一要发展，二要节约。 我国是世界第二大能源消费国，但人均能源占有量不到世界平均水平的一半，能源 稀缺，成为制约中国经济持续高速发展的瓶颈【i j 。另方面，与世界先进水平相比，我 国能源利用效率和经济效益还存在着较大差距。高耗能产品的能源消耗要比发达国家平 均水平高4 0 左右，单位产值能耗大约是世界平均水平的2 倍多，能源有效利用率要比 世界平均水平低l o 多个百分点1 2 1 。因此，节约能源和提高能源利用率的潜力很大，充分 挖掘节能潜力，降低能源消耗，是摆在我们面前的一项紧迫任务。 电力工业既是重要的能源生产部门，同时又是耗能大户。电力系统在发、供、用电 过程中，其自身电能损耗是相当大的。据有关资料的估算：从发电、供电、用电全过程 中，广义电力系统中的各种电气设备总的电能损耗约占发电量的2 8 e 一3 3 ，我国发电 机、变压器、电力线路、电动机等电气设备，电能损耗总量每年高达3 0 0 0 3 7 0 0 亿k w h ， 这相当于一个较大电力系统的发电爨 3 1 。所以挖掘节能潜力，实施电网经济调度，降低 电力系统的损耗，提高供电的经济效益是电力调度部门的中心工作。过去由于供电负荷 紧张，人们只注重安全可靠供电，而不太注重电网的经济运行和经济效益。现在随着电 力工业的发展，供电不足的矛盾已基本解决，人们逐渐认识到电网降损节能、提高经济 效益的重要意义。 电力工业为能更好地实现“十一五”规划确定的节能降耗目标，需要按照科学发展 观的要求，以节能、环保、经济为标准，通过多种途径降低发电能耗：1 ) 通过调整电 源构成实现结构节能；2 ) 通过建设坚强的国家电网实现技术节能和管理节能：3 ) 通过 合理的发电调度实现管理节能。然而合理的发电调度，是实现电力降耗的突破i t 4 1 。 随着电力体制改革的逐步深入，原来“发、输、配”高度统一的电力系统的垄断局 面也发生了变化，实现了厂网分开，发电厂归属了不同的发电主体。电力市场规则不完 善，发电竞争上网市场尚未建成，上网电价仍然由国家审批，各发电主体的利益受年度 发电计划的影响很大。为了平衡各发电主体的利益，在年度发电计划制定上，能耗高、 效率低的中小火电机组和能耗低、效率高的大型火电机组的年运行小时数基本相当，存 水火电系统短期节能发电调度研究与应用 在只求公平而忽视效率的倾向，这与国家“十一五”规划纲要提出的节能降耗目标的要 求是不一致的。可以看出，现有的发电调度排序原则未能从降低能源消耗的角度来进行 优化，已不能适应建设资源节约型、环境友好型社会的要求。因此研究以节能降耗为目 标的发电调度方式来促使高效节能机组多运行、淘汰低效高能耗发电机组、提高电力行 业的整体效率势在必行。 本文试图在前人的研究基础上，从短期电力负荷预测、负荷优化分配和水电站厂内 经济运行三个方面着手，研究如何在水火电系统短期发电调度计划中实现节能降耗的问 题。短期电力负荷预测是电力系统优化调度的基础工具，是电力企业日常经营管理工作 的重要组成部分，也是电力系统安全、经济运行的基础。准确地短期电力负荷预测是电 网调度机构制定发电计划和做好电网供需平衡的关键，有利于制定合理的电源建设规 划，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和f 浑低发电成本， 有利于计划用电管理，有利于提高电力系统的经济效益和社会效益；短期发电调度负荷 优化分配问题从本质上讲是一个具有复杂约束条件的大型、动态、非凸、有时滞的混合 整数非线性规划问题，即在整个调度期内，在已知的负荷需求和满足大量约束条件的前 提下，确定出各水电厂的放水发电过程，避免或尽量减少弃水，以便充分地利用水力资 源，最大限度地节省火电燃料成本，以达到使整个系统的运行成本最小的目的；水电站 厂内经济运行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闻有功负荷的 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。 本文以贵州电网为工程背景，针对上述三个方面进行了深入的研究，将s c b u a 算 法、支持向量机、改进的逐次切负荷法、等微增率法、粒子群算法和禁忌搜索算法等算 法引入到问题的建模求解当中，并将其应用于相关的工程实际，开发了一套完整的水火 电系统短期发电调度决策支持系统，为电力系统开展节能降耗工作提供了强大的技术支 持。 1 2 短期电力负荷预测研究综述 短期电力负荷预测的研究已有较长的历史，它是随着电力系统中e m s 系统的逐步 发展丽发展起来的。从上世纪七+ 年代开始，对电力负荷预测的研究就呈现出逐步上升 的趋势，到了八十年代，由于能源紧张造成的对负荷预测重视程度越来越高。九十年代， 随着世界各国电力市场的发展，负荷预测受到了人们更加广泛的重视。至今，国内外的 大连理工大学博士学位论文 许多专家学者在预测理论和方法方面做了大量的研究工作，取得了很多卓有成效的进 展。 针对影响系统负荷的因素，电力系统某一时刻的总负荷预测模型一般可以按四个分 量模型【5 1 ，描述如下； 工( f ) = b ( f ) + 形o ) + s ( f ) + 矿( ，) ( 1 1 ) 式中：三( f ) 为t 时刻的系统总负荷： 觑f ) 为t 时刻的基本正常负荷分量； 形( f ) 为t 时刻的天气敏感负荷分量； s “) 为t 时刻的特别事件负荷分量； 矿( f ) 为t 时刻的随机负荷分置。 基本正常负荷分量口) 一般呈周期性变化，可用线性交化模型和周期变化模型描述， 或用二者的合成共同描述。， 天气敏感负荷分量w ( t ) 是对给定的过去若干负荷记录、天气记录( 温度、湿度、阴 晴等) ，利用线性回归或曲线拟合方法来描述。 特别事件负荷分量s ( f ) 是指特别电视节目、重大政治活动、民间节假日等对负荷造 成的影响，其特点是只有积累大量的时间记录，才能从中分析出某些事件的出现对负荷 的影响程度，从而做出特别事件对负荷的修正规则。这种分析可以用专家系统方法来实 现，也可以简单的通过人工修整来实现。 - 。 随机负荷分量矿( f ) 是对于给定的过去一段时间的历史负荷记录，提取出基本负荷分 量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差可以看作是随机时间序列。 对于电力系统短期负荷预测模型的研究，在过去的十几年中得到了很大的发展，各 种预测方法和模型被引入短期负荷预测中。但是，它们都有各自的研究特点和使用条件， 不弄清楚其模型结构和使用范围而盲目的生搬硬套，可能不会取得理想的预测效果。目 前。短期电力负荷预测研究现状大致分类介绍如下： ( 1 ) 回归模型预测技术 回归模型预测技术f 6 ，7 】是电力负荷预测的一种常见的方法，根据过去的负荷历史资 料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。根据回归分析设计变 量的多少，可以分为一元回归分析和多元回归分析。在回归分析中，自变量是随机变量， 因变量是非随机变量，由给定的多组自变量和因变量资料，研究各自变量和因变量之间 的关系，形成回归方程。而回归方程根据自变量和因变量之间的函数形式，又可分为线 性回归方程和非线性回归方程两种。 水火电系统短期节能发电调度研究与应用 在负荷预测问题中，回归方程中的因变量一般是电力系统负荷，自变量是影响系统 负荷的各种因素，如社会经济、人口、气候等。但这种回归模型更适用于电力系统的中、 长期负荷预测。而且回归分析有两个难点：一是回归变量的选取，应选取主要因素而忽 略次要因素；二是变量因素的量化涉及到计量经济学的范畴，过于麻烦。 ( 2 ) 时间序列法 时间序列法是应用较早、最为广泛、发展比较成熟的一种方法【8 9 】。他把负荷数据看 作是一个按季节、周、天以及小时周期性变化的时间序列，并将实际负荷和预测负荷之 间的差值看作一个平稳的随机过程，进行分析和处理。常用的时间序列分析模型有以下 几种：1 ) 自回归( a r ) 模型，描述为现在值可以由其本身的过去值的有限项的加权之 和与一个干扰量来表示。2 ) 动平均( m a ) 模型，描述为现在值可由其现在与过去的干 扰量的有限项的加权之和来表示。3 ) 自回归动平均( a r m a ) 模型，描述为现在值是 其过去值的有限项的加权之和与过去干扰量的有限项加权之和的叠加。4 ) 累积式自回 归动平均( a r i m a ) 模型，适用于含有趋势项的非平稳随机过程。 虽然时间序列法比回归分析更适用于短期电力负荷预测，但是这种经典方法在天气 和温度变化不大的时候，才容易取得比较满意的结果。而且预测步数越长，预测精度越 差。 ( 3 ) 模糊推理系统 模糊推理系统1 1 0 ，】是用一组模糊i f - t h e n 规则来表示系统输入输出之阎的非线性映射 关系，通过对输入输出空间的划分，模糊推理系统可以逼近任意复杂的非线性关系。其 规则含义较为清晰直观，规则结构适合描述不同种类变量之间的复杂关系，成为一种效 果较好的负荷预测建模方法。模糊推理系统的难点在于输入变量选择和输入空间的划 分，以往单凭专家经验的方法是远远不够的。 ( 4 ) 小波分析 小波分析【1 2 】是一种时域频域分析方法，在时域和频域上同时具有良好的局部化性 质，并且能根据信号频率高低自动调节采样的疏密，容易搐捉和分析微弱信号以及信号、 图像的任意细小部分。尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号 电力系统日负荷曲线具有特殊的周期性，负荷以天、周、年为周期发生波动，大周 期中嵌套小周期。对负荷序列进行小波变化可以将负荷序列分别投影到不同的尺度上， 而各个尺度可近似看作各个不同的“频带”，这样各个尺度上的子序列分别代表了原序 列中不同“频域”的分量，它们更加清楚地表现了负荷序列的周期性。由于各个子序列 的周期性更为明显，显然采用周期自回归模型的预测结果也就更为准确。 ( 5 ) 人工神经网络技术 - 4 - 大连理工大学博士学位论文 运用人工神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理过 程，对大量的非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知 识推理和优化计算的特点，特别是其自学习和自适应功能是常规算法和专家系统所不具 备的。因此，预测是人工种经网络的最优潜力的应用领域之一，有非常广泛的前途i l ”。 1 9 9 1 年p a r k 等人第一次将人工神经网络应用于电力系统负荷预测，并取得了令人满意 的结果。 一般而言，人工神经网络应用于短期要比应用于中长期负荷预测更为合适，因为短 期负荷变化可以认为是一个平稳随机过程。可以将对电力负荷影响最大的集中因素作为 输入，即当天的温度、天气、风力、平均湿度、峰谷负荷及相关负荷等，争取获得较好 的预测结果。人工神经网络预测负荷的良好性能己得到普遍的认可，被认为是一种非常 有效的负荷预测技术，在国内外已经取得了许多成功的实例1 1 4 - 2 2 。 ( 6 ) 支持向量机 支持向量机( s u p p o r t v e c t o r m a c h i n e s ，s v m ) 是一类新颖的学习机器，因其杰出的 性能引起从模式识别到函数回归估计领域研究人员的广泛关注。支持向量机是由贝尔实 验室的v a v r 放等人提出的一种新型机器学习算法，它与传统的神经网络方法采用的经 验风险最小化原则不同，实现了结构风险最小化原则。它的另一个优点是它的训练等价 于解决一个线性约束的二次规划问题，因此存在唯一解。支持向量机已经扩展为解决非 线回归估计问胚的一种有效算法，而且与神经网络方法相比，有着显著的优越性，被认 为是人工神经网络方法的替代方法。 因为支持向量机的理论基础完备，模型求解算法简单、快速，在短期电力负荷预测 方面，已经引起国内外学者的广泛关注。应用支持向量机方法的短期电力负荷预测，与 传统的人工神经网络方法楣类似，即选取过去一段时间的负荷作为训练样本，用某种训 练算法对预测模型进行训练，将训练得到的模型用作负荷预测。文献 2 3 。2 4 指出，在相 同的信息条件下，基于支持向量机方法的预测精度高于已有的其它方法，且训练时间非 常短。但是，随着研究的深入。支持向量机在应用上还存在一些问题：( 1 ) 不同的核 函数适合描述不同的数据结构，对于给定的数据，如何选择最为合适的核函数：( 2 ) 支持向量机中的参数选取对预测模型的泛化性能影响很大，但是目前尚缺乏结构化的方 法来实现参数的最优选择。 1 ，3 水火电系统短期发电调度研究综述 实现水火电系统的短期经济运行，充分利用现有的水力资源，提高科学管理水平， 发挥工程综合效益，一直是水利电力部门普遍关注和尚待解决的问题。水火电系统短期 水火电系统短期节能发电调度研究与应用 发电调度计划优化问题是一个具有复杂约束条件的大型、动态、有时滞的非线性优化问 题，可采用数学上传统优化算法对此问题进行求解。它以系统工程学为理论基础，利用 现代计算机技术和最优化技术，寻求满足调度原则的满意的调度规划方式，实时发电调 度计划指导整个电力系统安全经济运行。从规划的时间周期上看，水火电系统发电调度 是一个典型的动态决策过程，系统的规模基本上取决于划分的时段大小。对于梯级水电 系统，径流的水力联系进一步增加了问题的复杂性。从数学的角度看，水火电系统发电 调度是一个多阶段，有时延的大规模动态非线性规划问题，巨大的经济效益使得几十年 来求解该问题出现了多种方法，多年来一直是电力科学专家学者的研究热点。随着系统 工程理论和现代计算机技术在水库优化调度领域的不断应用，各种形式的新模型与算法 相继出现。 1 3 1 水火电系统短期发电调度常规算法 ( 1 ) 等微增率法 等微增率方法的思想最早产生于2 0 世纪2 0 年代左右，其理论和方法于5 0 年代形成 长期以来，这种方法在优化电力系统发电调度计划中发挥着重要的作用，并且目前在实 际电力系统中的应用也非常广泛脚】。尤其对单个发电厂、纯火电系统以及不太复杂的水 火电力系统，该方法应用十分普遍。 ( 2 ) 线性规划 线性规划法( l p ) 是规划数学中发展最为完善的静态优化方法，处理的问题由一组 线性方程表示，其全部约束条件和目标函数都是线性的。因其处理高维问题的能力强， 可从任意初始解开始搜索迭代求解，算法简单、计算速度快，能较简便地处理约束条件 等优点丽在电力系统优化发电调度计划中受到相当广泛地应用和关注。然丽在实际的短 期发电调度计划优化问题中目标函数和约束条件从本质上讲都是非线性的，因此实际工 程应用中都必须先将这些非线性特性做合理的线性化处理，然后才能使用线性规划算法 进行求解。一种线性逼近非线性的方式是对非线性函数进行一阶t a i l o r 级数展开，另一 种方式是采用分段线性逼近非线性函数。很明显，前一种方式要求函数一阶可导，后一 种方式会引入新的变量，增加问题的规模。l p 已经在水电站发电调度中得到了广泛的 应用，文献【2 6 】对余留效益进行一阶t a i l o r 级数展开，时段效益采用线性近似计算，时 段最优解通过l p 褥到，采用动态规划递推计算整个时期的发电调度，得到了满意的结 果。h c t n a n d e z 采用l p 求解c o l o m b i a n 水火互连电力系统中短期优化调度1 2 7 l ，除了区 域交换功率和功率、水量平衡约束外，也考虑了备用要求和发电厂的容量限制，其中火 电费用采用分段线性凸曲线逼近，备用约束则受机组、区域和系统的最大发电容量限制。 大连理工大学博士学位论文 伍宏中1 2 s 】将出力方程线性化按逐段线性来处理库容曲线，在库容曲线和尾水位流量关系 曲线上取若干工作点，用泰勒级数展开，忽略高阶项，得到直线组用以近似原曲线。在 优化计算中，先用初始的参数进行一轮线性规划，求得相应的解，然后进行迭代计算， 使参数收敛。在迭代计算中，根据前一轮l p 的结果，修改参数，形成新的约束。以进 行下一轮的线性规划。当参数收敛时，相应的l p 的解便是最优解。一般认为，线性规 划法模型的精度较差，然而实际的计算表明，采用适当的逼近技术，目标函数的优化精 度是可以提高到相当满意的程度的。 ( 3 ) 非线性规划 非线性规划( n l p ) 问题的算法基本思想大多是利用惩罚系数将约束合并到目标函 数中形成无约束优化问题，或者采用可行方向法直接求解约束优化问题，或者采用线性 化方法将n l p 问题转化为l p 问题求解。r c n g 2 9 j 在解决具有目标? 申突的多姑露天水资源 系统的动态运行时采用加权法将目标整合为单目标优化问题，库容和发电特性直接采用 非线性关系描述，直接采用n l p 进行了计算。y e h 3 0 l 在他的里程碑式的文章中曾经指出， 采用n l p 求解水资源系统的优化运行会遇到三个麻烦，首先是优化程序通常收敛较慢 并占用大量存储空间，其次是n ip 模型的数学描述一般太复杂，最后是n l p 不易处理 来水的随机性。p e n g 为了克服n l p 的第三个缺陷，使用了隐随机方法。在隐随机方法 中，采用时间系列模型生成许多合成来水序列，接着对每一确定的来水序列用数学模型 求解，从优化了的运行序列中获取运行规则。从计算的结果来看，由于计算技术和运筹 学理论的快速发展，y e h 对n l p 的前两个顾虑现在似乎已经有了相当程度的减轻。 b a r r o s l 3 i 】首先采用两种不同的线性化技术线性化n l p 问题并用l p 进行了求解，接着对 线性化和n l p 模型的计算结果进行了比较分析，结果表明没有迭代的最简线性化模型 适合于规划耳的。由于l p 提供了好的扔始运行策略，逐次线性规划可以很快收敛于非 常好的结果。在模拟实时运行时，n l p 模型利用了不断更新的来水预报。王金文等口2 】 设计了一种直接搜索模式，它具有不要求目标函数可导和计算存储量较小的优点，可用 于求解仅有蓄水状态和出库流量约束但具有非线性目标函数的水电站长期优化调度问 题。 ( 4 ) 网络流规划法 网络流规划法( n f p ) 的目的是寻找从起点到终点的最小费用路径从而得到最小化 优化闯题的解。网络流方法本质上是一种特殊的线性或非线性规鲻，然而在能用两络流 描述的问题中，采用网络流方法通常比其它的算法具有更快的计算速度。自从2 0 世纪 7 0 年代以来，该方法在电力系统的经济运行中得到了广泛的应用。文献【3 3 】在建立水电 系统的非线性n f p 时考虑了水头的变化在第一阶段求解时将线路的安全约束作为一 水火电系统短期节能发电调度研究与应用 组非网络型约束暂时忽略不计，采用简约梯度法求解一个精心设计的非线性目标线性约 束的规划问题。f r a n c o 3 4 l 将网络流算法应用于水电占主导的水火电系统短期调度中。 j o h a n n e s e n 3 5 l 将整个调度问题分成水和电两个子问题，采用标准的最小费用n f p 水问 题，电力安全约束则在电问题中考虑。朱继忠等l 蚓将水火电力系统分解为水火子问题后 统一采用n f p 进行了求解，避免了子问题间反复迭代的耗时计算。文献f 3 7 】证明了多水 库的单一水系具有仿射结构，从而可以通过求解相关的静态优化问题来比较容易地得出 一条稳定的“近视”( m y o p i c