电力系统优化调度研究.doc

毕业设计说明书中文摘要电力系统优化调度研究摘要 电力系统优化调度是一项复杂的系统工程。目前，在在电力系统发电领域，还没有一个系统的、完善的、成熟的解决方案。研究电力系统中水电厂优化调度，必须考虑到环境的影响，对提高电网安全稳定水平，优化利用能源资源，全方位努力地开拓发电企业的电力市场、提高经济效益等都具有重要意义。在电力市场环境下，本文提出了水电厂优化调度系统的整体结构、系统模块组成以及各个模块之间的相互关系，针对其中水电厂优化调度、检修优化几个重要的部分进行了分析研究。结合葛洲坝水电厂，给出的数据情况下，分别用遗传算法和动态规划法进行了分析比较，在满足电能生产的安全、可靠、优质的前提下，基于动态规划以及遗传算法两种方法，编制了葛洲坝水电厂优化调度运行和机组检修的数学模型，并进行了计算和比较，为以后的水电厂优化调度实际运行打下了基础。关键词 电力系统；优化调度；遗传算法；动态规划法毕业设计说明书外文摘要 Study for optimal scheduling of power systemAbstractOptimal operation of power system is a complicated systematic project.Currently,there is no systematic, comprehensive, mature solution in the field of power system generation. Study of power system optimal operation of hydropower, must take into account the environmental impact of raising the level of network security and stability, optimal use of energy resources, optimal use of energy resources, Comprehensive efforts to develop power plants in the electricity market, improve economic efficiency are all important.In the electricity market environment，In this paper, power system optimal operation of the overall structure of the hydropower plant, the system modules and the relationship between the various modules, including hydropower plants for optimal operation, maintenance optimization of several important parts of the algorithm analysis. Gezhouba hydropower plant combination, the data presented case were the genetic algorithm and dynamic programming are analyzed and compared, in meeting the energy production of safe, reliable, high quality under the premise of dynamic programming and genetic algorithm based on two methods, the preparation of the Gezhouba hydropower plant operation and unit maintenance scheduling optimization mathematical model were calculated and compared to optimal operation of hydropower plants for the future foundation for the actual operation.Keyword Power system; optimal scheduling; genetic algorithm; dynamic programming目录1 引言41.1课题研究的目的与意义 41.2电力系统的现状 52 电力系统油画调度算法52.1优化算法52.2优化调度遗传算法72.3优化调度动态规划法 113 电力系统优化调度 123.1水电厂优化调度思路 123.2水电厂优化调度建模 123.3水电厂优化调度运行 153.3.1优化调度检修优化 173.3.2最小风险度模型 184优化结果比较 194.1计算结果分析比较 194.2两种算法比较 215结论与展望。 235.1结论 235.2展望 23参考文献 23致谢 23- 3 -刘杰：电力系统优化调度研究电力系统优化调度研究1 引言1.1课题研究的目的与意义电力工业的根本任务是以安全为中心，在充分合理地利用能源和运行设备能力的条件下，保证安全经济发、供电，以满足国民经济各部门的电能需求。电力系统供应着现代化社会生产和生活的大部分能量，相应地，也消耗着大量的一次能源煤、石油等。对于电力这样重要的能源转换系统，提高其运行效率、实现其运行优化的必要性是显而易见的。对于一个大的电力系统而言，在保证供电的前提下减少燃料消耗，提高运行的效率，就意味着每年能够节约数以万吨计的燃料。因此，电力系统的优化问题长期以来一直是电力系统工程技术人员和学者研究的重点。尤其是近几年来，随着我国国民经济的快速发展和人民生活水平快速提高，全社会用电量急速增长，全国都面临着电力严重短缺的局面。在如此严峻的形势下，深入研究电力系统的优化及经济运行问题更具有十分现实的社会意义。电力系统优化是电力系统分析的一个分支，它所研究的问题主要是在满足负荷需求的前提下，如何优化地配置系统资源以及调度系统内设备的运行工况，从而使系统发电所需的总费用或所消耗的总能源耗量达到最小这样一个运筹决策问题。现代电力系统优化是电力系统潮流分析、数学优化理论、运筹学以及系统工程等多学科交叉的一个研究领域，它所包含的内容是十分广泛的。本文从能耗及环境方面等角度研究现代电网优化问题，根据现代电力系统的特点建立合适的数学模型，结合数学优化理论、运筹学知识以及优化算法，对研究水电厂实用化可提供一定的解决方案。总之，对电力系统优化调度的研究有助于发展和丰富电力系统分析和优化运行理论，有益于提高电力系统经济效益，促进电力市场的健康发展，同时也是提高电力系统自动化水平的迫切要求，因此本课题研究电力系统的优化调度具有深远的理论意义，也具有重大的实际价值。1.2电力系统的现状能源是人类发展的基本条件。电能作为现代社会最主要的二次能源，在生产和生活中获得了极广泛的应用，在人类社会的现代化进程中扮演了极其重要的角色。20世纪中叶以来出现的大电力系统，是一切工业系统中规模最大、层次复杂、资金和技术密集的复合系统，是人类工程科学上最重要的成就之一。尤其是在现代社会，科技水平的提高以及经济的发展，使得人类对电能的需求和依赖越来越高。现代的电力系统，可以看成是由三个基本系统组成。一是电能生产、传输、使用的一次系统，即发电、输电、变电、配电和用电五个子系统组成，称之为物流系统；二是电力系统的监控、保护、自动控制和调度自动化等组成的能量管理系统，称为信息流系统；三是电能量的交易系统，称为货币流系统。其中物流系统研究的侧重在于能量的转化、电能的输送和分配以及电力系统可靠、稳定、安全、经济运行的规律；信息流系统主要研究如何获得物流系统的各种状态信息以及对所得信息的传输、处理和应用；货币流系统主要任务是研究在市场环境下有关电能这种商品的经济性行为。电能是电力工业的唯一产品，因此现代电力系统的特点与电能的特点是紧密相联的。由于电能不能大量储存，电能的生产、输送、分配和消费都是同时进行的。在任何时刻，电力的生产、输送、分配和消费在功率和能量上，必须严格保持平衡，并需留有足够的容量和能量的备用，这是电力企业充足、可靠、合格地向用户供电的基本条件。发、送、变、配和用电各个子系统相互连接，形成一个整体，不可分割，具有鲜明的系统性。区域电网的互联是现代电力系统发展的一大趋势。从安全经济运行的角度上看，电网互联可以实现更大范围的社会资源优化配置，带来巨大的经济效益，主要表现在：可以在能源丰富的地区建立电厂，把一次能源转化成电能，然后输送到负荷密集区域，这样大大提高能源的输送效率；大系统可以安装大容量、高效率机组，有利于节省建设资本，降低发电能耗；各个子系统互为备用，减少了总备用容量，增强系统的抗事故能力；利用可再生能源与耗尽型能源的互补调节，充分利用可再生的一次能源，提高能源效率，强化可再生能源的利用，实现可持续发展的能源战略；另外大电网可承受较大的冲击负荷，使系统的稳定性增强.因此，大电力系统是电力工业发展的客观要求和必然趋势。高压交流输电是实现系统互联的主要模式之一，它给电力系统带来了巨大的经济效益，但同时也带来了系统运行的复杂性。为了克服大系统联网的困难，高压直流输电在现代电力系统中得到了发展。所以，现代电力网络通常是交直流混合的输电系统。1971年，WOStadlin首次提出了优化调度要考虑未来负荷的变化、发电机输出功率变化速率及其调节容量的有限性，在建立经济负荷分配的模型时，通过给发电机组预留一定比例的调整裕度来保证未来的负荷变化需求，这种做法虽然在一定程度上满足了负荷变化的需求，但各机组预留的比例尽皆相同，故没有正确的反映出动态优化调度的基本矛盾，也不能很好的协调经济性和调节余量的关系。1980年，DwRoss和SKim首次明确提出了电力系统优化调度的思想，建立了动态经济负荷分配模型，将系统的发电计划和负荷变化协调起来进行整体优化，模型目标函数为一定时间范围内的各时段目标函数和，约束条件包含了发电机组输出功率变化速率限值这一动态约束。在上世纪80年代初期，研究工作大都以等微增率原理为出发点，试图将动态优化调度问题转化静态优化调度问题来加以求解。80年代后期，由于稀疏技术的应用和计算机技术的发展，一些学者将非线性规划的方法引入动态优化调度，从而使动态优化调度模型更全面。进入90年代，对动态优化调度的研究又有了新的进展，提出的动态负荷瓶颈分析理论，可以定量的给出不同阶梯数临界紧段落功率增量的瓶颈序列，对动态优化的关键矛盾有了定量的分析标准。到本世纪，随着我国电力市场的逐步建立和完善，对电力系统优化调度又提出了新的更高的要求，它不仅要满足电力系统运行的电气规律，同时还要体现市场经济性能的机理，如购电费用、网损费用、旋转备用费用以及它们之间的折中处理等，因此近年来，对电力系统优化调度研究的热度有增无减，如模糊最优化算法，遗传算法等。此外，研究的比较多的还有网络流和内点法提出了一种最小费用网络流模型，该模型把机组的功率平衡约束和爬坡约束进行了统一，并采用广义的OutofKilter算法求解，对于规模不大的系统优化问题，计算速度较快，但遇到大规模系统时，计算就显得比较复杂。在此基础上提出了一种适用于网络流模型的解耦算法，对大系统的优化调度取得了一定的效果，还对动态优化调度解耦求解的最小前瞻窗口问题进行了研究和探讨，为电力市场下刚性优化和柔性决策的相结合，以及对电力系统优化调度问题的进一步研究打下了基础。2 电力系统优化调度算法2.1优化算法在电力系统优化调度中现有的优化方法众多，已有的主要有两类：传统优化方法和现代智能启发式优化方法。传统的优化算法1）等微增率法：在电力系统经济运行中发挥着重要作用，并且应用非常普遍。但当考虑到电力系统运行方式及众多水电厂间的复杂约束条件时，协调方程十分困难，甚至无法求解，因而等微增率法的应用存在局限性。2）线性规划法：能较容易地处理水电厂间的水力联系，但必须对具有非线性特征的目标函数和约束条件做相应的线性化处理，降低了计算结果的求解精度。3）非线性规划法：利用惩罚函数将有约束问题转化为无约束问题，或者基于可行方向法直接求解有约束的优化问题，也有将非线性规划问题转化为线性规划问题，然后求解。4）网络流规划法：专门针对网络特点的一种数学规划法，网络模型的结构由弧和节点确定，利用网络中弧上的流来满足约束条件，然后在流中寻优求解。5）动态规划法：解决多阶段决策优化问题的一种数学方法。因其对系统方程的类型、约束条件和目标函数没有任何限制而在优化调度中得到广泛的应用。6）逐步规划算法：POA算法是根据贝尔曼最优化的思想，提出了逐步最优化的原理，即最优路线具有这样的性质，每对决策集合相对于它的初始值和终止值来说是最优的。7）大系统分解协调方法：基本思想是根据所求问题的复杂程度，将其分解为一系列子系统问题，在各子系统上设置一协调器以获得各子系统的结果，并由协调器指示各子系统修改有关参数，重新计算直至获得满意的结果。现代智能优化方法1）人工神经网络：人工神经网络中常采用于解决优化问题的两种主要模型是BP网络和Hopfield网络模型。2）模拟进化算法：模仿生物进化规律的仿生智能优化算法，主要包括遗传算法（GA）、进化规划法（EP）、进化策略法（ES）。3）模拟退火算法：一种解大规模优化问题的通用算法。该法建立在蒙特卡罗原理基础上，模拟固体退火过程，是一种具有启发式的随机搜索算法。4）蚁群算法：最近几年由意大利学者受自然界中蚁群集体行为启发而提出的一种新型模拟进化算法，初步的研究已经表明该算法具有较强的鲁棒性和适应并行分布计算等优点，为求解复杂的组合优化问题提供了一种新思路。5）禁忌搜索算法：20世纪60年代末提出的一种模拟智力过程而扩展邻域的启发式搜索方法，在搜索过程中获得知识，能以较大的概率跳出局部极值区而获得全局最优解。6）混沌优化算法：混沌是存在于非线性动力系统中一种较普遍的现象，混沌运动具有遍历性、随机性、规律性等独特的动力学性质。基于混沌理论的混沌优化是一种新型的直接搜索优化算法，它直接采用混沌变量在解空间中按混沌运动的自身规律进行搜索，利用其遍历性找到最优解。7）模糊优化方法：起源于20世纪70年代Bellman提出的模糊决策的概念和模糊环境下的决策模型，它是将优化问题中确定性的约束条件用模糊方式表达，不仅能表示可行解，而且对不可行解可按距离可行域的远近程度进行模糊处理，这样可有效处理约束条件。8）其它方法：近年来，随着计算机和人工智能技术的迅猛发展，不断涌现出许多其他的新方法，除上述方法外，还有灰色系统、专家系统等方法。2.2 优化调度遗传算法遗传算法起源于对生物系统所进行的计算机模拟研究，是一种仿生算法。该算法把待解决的实际问题看作某个目标函数的全局优化，通过模拟生物进化的繁殖、变异、竞争和选择过程，逐步寻优得到全局最优或准最优解。其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息，简单通用，鲁棒性强，特别适于并行处理及传统搜索方法难于解决的复杂和非线形问题，是21世纪有关智能计算中的关键技术之一。水电厂厂内经济运行运用遗传算法的基本思路随机给出电厂机组运行环境下的一组初始流量分配，通过目标函数式评价其优劣，评价值低的被抛弃，只有评价值高的有机会将其特征保留至下一代，逐渐得到最优的流量分配值。遗传算法在解决水电厂厂内经济运行问题时，首先要确定编码，相应的解码和初始负荷编码串也就确定了；其次，根据目标函数引出适应度评价函数，计算优良度的高低，用选择算子进行母体的筛选，以产生新的母体群；再采用杂交和变异操作得到新一代的母体群。重复以上的选择、交叉、变异运算，当满足一定的收敛标准时，即输出最优机组组合和流量分配的结果。1）编码在遗传算法中，如何描述问题的可行解，即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法就称为编码。编码方法除了决定染色体的解码方法、编码方法也影响到交叉算子，变异算子等遗传算法的运算方法。编码过去常常使用二进制编码，用二进制编码时，需进行十进制到二进制数的变换，输出结果时要解码；而且当二进制数串很长时，操作比较复杂。为了改进和简化计算，引入浮点数编码进行优化调度的遗传算法的研究。2）适应度函数在给出初始母体群后，为了进行迭代计算，对母体群中任意一个母体的优劣程度进行评价，适应度高的个体优良度就高，它遗传到下一代的几率就高，适应度低的个体优良度就差，它遗传到下一代的几率就小。为了对母体中的个体进行取舍，必须先求出其优劣程度，也即获得对其进行评价的定量化指标。由于水电厂经济优化运行问题是具有等式和不等式约束条件的最大值问题，对于不等式约束，可采用编码的方法解决；对于各机组所用流量之和等于给定的水流量的平衡等式约束式，在遗传算法中一般采用三种方法处理，即搜索空间限定法，可行解变换法和罚函数法。罚函数的基本思想是设法对不符合约束条件的个体给予惩罚，计算其适应度时，处以一个罚函数，从而降低该个体的适应度，减少该个体被遗传到下一代群体中的机会。采用罚函数的目的是将罚函数设计到适应度函数当中去，以便将这种带有约束条件的优化经济运行问题转换成带有惩罚的非约束优化经济运行问题。这里设罚函数为： （1）由此，构成适应度函数： （2）式中：m为罚因子3）交叉运算交叉是把两个父代个体的部分基因加以替换重组而生成新个体的操作，目的是为了能够在下一代产生新的个体。交叉操作是按照一定的概率在配对库中随机的选择两个个体进行的，两个个体交叉的位置也是随机确定的。交叉运算设计的内容包括以下两方面：如何确定交叉点的位置；如何进行部分基因重组。常用的方法有单点交叉、两点交叉，还有多点交叉、均匀交叉、算术交叉等方法。这里采用以下这几种交叉方法：a 单点交叉单点交叉过程如下：(1)对群体中的个体进行两两随机配对；(2)对每一对相互配对的个体，随即设置某一基因座之后的位置为交叉点；(3)对每一对相互配对的个体，以设定的交叉概率P，在其交叉点处相互交换两个个体的部分染色体，从而产生出两个新的个体。b 算术交叉算术交叉是指由两个个体的线性组合而产生出两个新的个体。为了能够进行线性组合运算，算术交叉的操作对象一般是浮点数所表示的个体。假设两个个体之间进行算术较差，则交叉运算后产生出的两个新个体是： （3）c启发式交叉若为两个浮点编码表示的父代个体，r为0-1之间的随机数，这里假定父代要比好。则启发式交叉产生的后代为： （4）其特点是使用目标函数确定搜索方向，只生成一个后代，也可能根本不产生后代。主要用于进行微调或者引导算法朝一个最有希望的方向进行搜索。4）变异运算变异就是用一定的概率随机的改变群体中个体的某些基因值。其具体操作是指将个体染色体上的某些基因用该基因座上的其它等位基因来替代。变异本身是一种局部随机搜索，与选择、交叉操作结合在一起，就能避免由于选择和交叉操作而引起某些信息的永久丢失，保证了算法的有效性，使GA算子具有局部的随机搜索能力，同时使得遗传算法保持群体的多样性，以防止出现早熟收敛。为了适应各种问题的需要，人们设计出以下几种变异算子：基本位变异、均匀变异、非均匀变异、边界变异、高斯变异等。这里选用以下这几种变异方法：a均匀变异均匀变异操作是指分别用符合某一范围内均匀分布的随机数，以某一较小的概率来替换个体编码串中各个基因座上的原有基因值。均匀变异的具体操作过程是：(1)依次指定个体编码串中的每个基因座为变异点；(2)对每一个变异点，变异概率从对应基因的取值范围内取一随机数来代替原有基因值。b边界变异在进行边界变异操作时，随机的取基因座的二个对应边界基因值之一去替代原有基因值。5）选择运算遗传算法中的选择操作就是确定如何从父辈群体中按某种方法取哪些个体遗传到下一代中的一种遗传运算。选择操作是建立在对个体适应度进行评价的基础上，主要是为了避免基因缺陷，提高全局收敛性和计算效率。目前最常采用的选择方法有轮盘赌博方法、随机剩余选择法、确定性选择法，排序选择法等。6） 算法程序的实现遗传算法发展至今已形成了各种各样的算法，但总体来讲都是在基本遗传算法的基础上拓展而成。对于一个实际的最优化问题，运用遗传算法的基本步骤是：a建立优化模型，确定决策变量和约束条件；b选择编码方法，同时也就确定了解码方法，以实现个体表现型与个体基因型的相互转换；c确定个体评价方法，即定义适应度函数；d确定遗传策略，即确定选择、交叉、变异运算的具体操作方法；e确定遗传算法的相关运行参数，如初始群体大小、迭代次数、交叉概率、变异概率等。图1 遗传算法流程图遗传算法程序流程图如图1所示，其伪代码表示如下：procedureGAstructindividual%定义个体结构：染色体编码、适应值population%定义群体类：群体大小、迭代次数、交叉变异概率等beginfori=1tomaxGenTermdobegininitializega%初始化操while(notconv)do判断是否达到收敛条件beginselect选择操作crossover交叉操作mutation变异操作endendofwhileendend2.3优化调度动态规划法动态规划是运筹学的一个分支，它是解决多阶段决策过程最优化的一种数学方法，其基本思想是“在多阶段决策过程中，不论其过去的状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略”，这个原理归结为用一个基本的递推关系式来使过程连续的转移。动态规划程序流程如图2所示。图2 动态规划程序流程图在多阶段决策过程中，每一个阶段都是系统的一个组成部分，整个系统则是按一定的顺序联系起来的统一整体。把所给问题的过程，恰当地分为若干个相互联系的阶段，以便能按一定的次序去求解，描述阶段的变量成为阶段变量，常用表示。3 电力系统优化调度3.1 水电厂优化调度思路随着资产重组、厂网分开等电力体制改革措施的逐步到位，建立电力市场、实行竞价上网将是目前及下一步电力体制改革的重要内容。竞价上网将为传统的水电厂优化运行带来挑战：一是各发电公司产权独立，必然追求发电收入和利润最大化，过去以发电量最大为准则，被系统结算电价下电厂发电收入最大为目标所取代；二是水电厂的上网电量受报价高低影响很大，成功的报价策略会得到理想的成交电量，否则，会失去上网机会；三是水电厂的发电收入不仅取决于系统结算电价，而且取决于发电量在时间上的分配，但系统结算电价事先并不知道，需要水电厂对次日系统结算电价进行预测，并根据水库调节性能、来水情况及电力系统供需情况，合理安排电厂运行方式，高电价时多发电，低电价时少发电，从而提高电厂效益；四是水电厂根据市场电价的变化来调整自己的运行方式，并且，各电厂都基于统一的系统边际电价来结算。因此，在电力市场环境下，水电厂优化调度工作不能只考虑水量因素，还需考虑电价因素，从市场经济的角度出发，重视电能量的时效性，从而在竞价上网取得最大经济效益。按编制的优化运行方式、计划长短分类，优化调度系统有长期优化调度运行方式、中期优化调度运行方式、短期或24小时最优负荷曲线优化调度运行方式、水电厂厂内机组间经济负荷分配实时调度方式四种。水电系统短期、中长期优化调度，既要解决负荷在各机组的最优分配的空间优化问题，又要解决水电厂水量在各时段间最优分配的时间优化问题，而且实时、短期、及中长期优化运行之间紧密联系、相互衔接、相互补充，构成水电厂系统优化运行的完整体系。对于这四种不同的调度方式，只是其调度周期不同，其基本模型方法是一致的。值得注意的是，由于电力负荷、电价预测和水文预报存在误差，加之影响电力系统运行，不可预测的随机因素的出现，致使水电厂系统的实际运行方式偏离预期的优化调度方案，因此，在方案实施的全过程中必须及时收集相关信息，进行实时校正，实行“滚动优化”及动态平衡。3.2水电厂优化调度建模目前水电厂常常采用的的几种最优准则为：1）以国民经济效益最大或国民经济费用最小为最优准则；2）水电厂发电量最大为最优准则；3）在满足网调负荷要求下，以水电厂总耗水量最小为最优准则；4）以水电厂群总蓄能量最大为最优准则。水电厂的优化调度运行是在满足电能生产的安全、可靠、优质的前提下，合理的安排组织电厂设备的运行，以获得尽可能大的经济效益。水电厂的优化运行，包括空间最优化和时间最优化。空间最优化准则1）以水定电的优化准则：水电厂的耗水量或电站来水量确定之后，电厂的生产运行应以出力最大为目标。目标函数： （5）等式约束条件： （6）不等式约束条件： （7）式中：N为相应于流量Q的水电厂总发电量；为第j台机组的出力；Q为电厂总工作流量;为第j台机组的引用流量；j为投入运行的机组编号，j=1,2,L,m为投入运行的机组总数;为j号机组出力范围，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。2）以电定水的优化准则：对于调节水库的水电厂，其运行中出力是给定的，电厂的目标是总工作流量最小。目标函数： （8）等式约束条件： （9）不等式约束条件： （10）式中：为号机组引用流量范围。时间最优化准则1）以水定电的优化准则：当各段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。目标函数： （11）等式约束条件： （12）不等式约束条件： （13）式中：为t时段第台机组的出力；为t时段电厂引用流量；为t时段停开机耗水量；为t时段时间长。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。目标函数： （14）等式约束条件： （15）等式约束条件： （16）电力市场下水电厂优化调度运行的数学模型 在电力市场环境下，水电厂优化调度运行的目标函数为发电效益最大。数学模型： （17）约束条件：1）水电机组特性约束 （18）式中：指电站下游水位和发电流量间的关系，它与稳态的下游水位和发电流量关系有所不同，但一般计算中忽略二者之间的差别；是指电站上游水位与水库存水关系，为电站水头，指电站出力与发电流量、水头间的关系。2）各水电厂水量平衡方程 （19）式中：分别为水电厂时段始末蓄水量；分别为水电厂t时段的入库流量、总发电引用流量及弃水流量。3）水电厂功率平衡约束 （20）式中:为水电厂可投入机组集合；为水电厂j机组t时段的出力；为t时段水电系统负荷。4）机组最大过水能力约束 （21）式中: 为水电厂第台机组的最大过机流量约束。5）水电厂用水流量约束 （22）式中：、为最小、最大出库流量要求限制。6）水电厂出力约束 （23）式中:水电厂第t时段出力下限；水电厂第t时段出力上限。7）水库水位(库容)约束 （24）式中：,为最大、最小蓄水限制线。3.3水电厂优化调度运行对于葛洲坝水电厂，我们采用空间最优化准则以水定电的优化准则，建立优化调度的数学模型如下目标函数： （25）等式约束条件： （26）H=20m时小机组(125MW)大机组(170MW) H=24m时小机组(125MW) 大机组(170MW) 说明：葛洲坝共有21台水轮发电机组，所以m=21。根据提供的数据，拟合出水电机组耗量特性曲线方程：H=20m时大机组(170MW)的耗量特性为 j=1,2 （27）小机组(125MW)的耗量特性为 （28）H=24m时大机组(170MW)的耗量特性为j=1,2 （29）小机组(125MW)的耗量特性为 （30）为保证大江、二江两站的厂用电安全和满足二江220KV系统运行方式的要求，二江最小开机台数为4台，而且尽量保证带厂用电机组优先运行（检修除外，带厂用电机组为3号机、4号机-6号机）。大江最少开机3台，不能集中在1个单元内运行。葛洲坝21台机：其中1#、2#机为大机，容量为170MW，3#-21#机为小机，容量为125MW。二江机组是1号-7号机，大江是8号-21号机。枯水期水头一般在22米以上，运行规程规定，当水头大于23米时，大机（1号、2号机）尽量不运行。为了便于对计算结果进行分析，根据葛洲坝水电厂各机组最大流量及运行的台数进行了组合，得到如下结论：20m、24m水头下，流量范围与开机台数的关系为表3.1所示：表3.1流量范围与开机台数的关系表流量范围开机数目20m水头下24m水头下3410-63403410-47327台6340-71964732-54088台7196-80525408-60849台8052-89066084-676010台8906-97646760-743611台9764-106207436-811212台10620-114768112-878813台11476-123328788-946414台12332-131889464-1014015台13188-1404410140-1081616台14044-1490010816-1149217台14900-1575611492-1216818台15756-1661212168-1284419台16612-1746812844-1368520台大于17468大于1368521台由于机组空转时要耗水，因此在满足给定流量的情况下，如果能够减少运行机组的台数，经济性将会比较好。由上确定m=7，21台机组运行的流量范围，当流量在这些流量范围内，就必须增开机组。当葛洲坝在水头20、24m下，用遗传算法和动态规划进行经济运行的计算分析。3.3.1 优化调度检修优化发电机组检修或停机安排是电力系统长期运行计划中一项十分重要的内容,由于机组的检修影响到总的发电出力，所以它对系统运行的可靠性和经济性都有很大的影响，所以周密制定最优的发电机组检修计划有很重要的意义。按照优化目标的不同，目前求解检修计划有以下几种常用的方法. 等备用法这是最为广泛应用的方法之一，这种方法所追求的是使计划时间中的每个时段（周、旬、月等）的发电储备容量均等，但是它不能确切的考虑发电机组强迫停运，负荷变化等随机因素，因此从可靠性指标来说，其解并不是最优的。 等风险度法从机组可靠性出发，试图使计划时间中在高峰负荷期间增大储备容量，在低谷负荷期间减少储备容量，从而使计划时间内的缺电概率指标尽可能相等，但是这种方法从全年来说其LOLP并不是最小,此外,它甚至也不能保证全年LOLP比等储备法小. 最小风险度法它基于机组强迫停电所造成的总损失和全年停电时间的累加成比例这一常识，以全年LOLP最小为优化目标，但是系统的运行费用将增大。同等风险度法一样，这种方法只能保证系统安全运行的合理性，而不能保证经济上的最优。 最小发电费用法该方法考虑了机组的发电成本，能使机组因停机检修所带来的运行费用的增加最小，但是其全年LOLP可能最高，因此用这种方法求解，应保证LOLP在有关规程所允许的极限范围内，此外用这种方法所求得的储备容量亦与其他方法大不相同。除了上述这些方法外，还有很多其他方法，例如等有效储备容量法，最小检修费用法，相对现有检修计划得最小偏差法等.3.3.2最小风险度法模型 最小风险度法目标函数： （31） 式中：为时段可用容量，它与机组检修安排计划相关；为时段负荷；为失负荷概率；为检修安排总时段。容量概率停运表的计算对任何一台两状态（停运和运行）机组，它的不可用为： （32）式中：为故障率；为修复率；为平均无故障时间；为平均维修时间；为状态转换频率；为状态转换时间。追加一台强迫停运率为，容量为的两状态机组后，强迫停运率恰好为的状态的递推公式为： （33）式中：分别是追加机组前、后停运容量为的概率。上式可由全概率公式得到，追加机组有两个互斥的状态：故障状态和工作状态。如果追加的机组为工作状态（其概率为），原来的模型的停运容量必须为（概率为），如追加的机组为故障状态（概率为），原来的模型停运容量应为（概率为）。对于第一台机组的模型，这也是初始化值。计算中如果，当追加的发电机组有降额状态（即旋转备用）时 （34）式中：为追加机组的状态数；为追加机组第个停运容量；为追加机组的第个状态的概率。当用累计状态概率代替时，上式就是累计状态的递推公式。初始值，;如果,。累计概率也可由下式计算： 为大于的第一个容量。4 优化结果比较4.1 计算结果分析比较前面建立了葛洲坝水电厂厂内优化调度模型，用动态规划和遗传算法两种优化算法，对实际运行的情况进行了计算。以下取水头为20m时的一部分数据进行比较分析。动态规划和遗传算法两种优化算法的流量分配部分结果列于表3.2、表3.3所示。其中m为机组号，3-21为小机125MW，1-2为大机170MW；Q为总水流量，单位；q为各台机组的分配量，单位；N为总出力，单位MW。表3.2动态规划法流量分配表mqQ12345671832410301030856856856856856165001030103084884885085085013500102410248188188188188181100010221022814814814814075009981000786786078603410696694404404000续前表：mqQ89101112131418324856856856856856856856165008508408508508508508501350081881808188188180110008148140081481607500078600786003410040400000续前表：mqQ15161718192021N18324856856856856856856856304916500848850850850848002748.4135008188180818818002258.51100081400814814001842.1750078600798798001262.1341040400064600599.8表3.3遗传算法流量分配表mqQ12345671832485685685685685685685616500994.841030851.4797.71855.99855.99855.9913500980.2971.46856681.56856856855.8711000815.1800.06856806.61856849.86852.67500999.44968.95793.29747.260855.4903410683.52509.74521.91434.52000续前表：mqQ8910111213141832485685685685685685685616500855.998560707.68855.9885685613500856855.990707.68855.98855.99011000855.92822.46730.32714.1200075000725.2900836.620034100402.9100000续前表：mqQ15161718192021N1832485685685685610308561030304916500856856856848.71855.99002748.31350077