[发明专利]一种跨流域梯级水电站群效益均衡的合作优化调度方法

摘要

一种跨流域梯级水电站群效益均衡的合作优化调度方法。先基于可发电量的出力决策求解，获得梯级或跨流域系统总出力以及各水库出力决策；然后，构建具有流域最小发电量限制的跨流域系统最小出力最大的分布式调度规则优化模型或集中式调度规则优化模型；最后，采用遗传算法求解各梯级或跨流域系统各月“五段式”调度规则曲线。本发明方法可以获得跨流域梯级水电站群系统中分布式的各子系统调度规则或集中式的跨流域系统调度规则，满足不同梯级效益均衡前提下的跨流域补偿，具有重要的推广和应用价值。

主权项

一种跨流域梯级水电站群效益均衡的合作优化调度方法，其特征包括下述步骤：第一部分：基于可发电量的出力决策求解方法根据各月所具有的不同的基于可发电量的“五段式”调度规则曲线，按照下述步骤获得系统出力决策和水库发电决策：(1)计算系统可发电量：单一梯级系统计算式如下所示，跨流域系统计算式为各流域计算式之和：①②③式中，EA^t为时段t的可发电量；M为梯级的水库数；e_m为水库m发电机组的效率；为水库m时段t最低水位以上的水量的重心；分别为水库m时段t初的蓄水量的上下限；H_m(·)水库计算m净水头的函数；为水库t时段初的蓄水量；水库m为t时段的区间径流；为水库t时段的弃水，由上游至下游采用单库调度规则估算；(2)采用“五段式”调度规则曲线确定梯级或跨流域系统总出力根据步骤(1)计算所得的系统可发电量，采用“五段式”形式的调度规则曲线确定梯级或跨流域系统总出力，具体操作为：首先在横坐标轴上确定计算所得的可发电量所在的点，由该点引平行于纵坐标轴的直线，并与“五段式”调度规则曲线相交于某点；然后由该交点引平行于横坐标轴的直线，与纵坐标轴相交，此时获得的交点所代表的值即当前出力；对于分布式调度规则，则为梯级系统总出力；对于集中式调度规则，则为跨流域系统总出力；(3)利用出力分配模型确定系统出力决策以单一梯级说明出力分配模型，在不同流域无水力联系的水库组合时，跨流域多个梯级系统同样适用：1)确定出力分配模型：出力分配目标是当前时段和未来总效益最大，实现这一目标最大化的出力分配模型，根据水库所处的阶段为蓄水阶段或供水阶段的不同，分别表示如下：a)蓄水阶段：目标函数：④$\max z^t=\underset{m=1}{\overset{M}{\Σ}}{e}_m\left\{r^t{H}_m\left(S_m^t\right)\underset{j=m+1}{\overset{M+1}{\Σ}}{T}_{m,j}^t+r_r^t{\stackrel{\‾}{H}}_m\left(S_{m,f}^t\right)Q_m^t+r_f{H}_m\left(K_m\right)\[F_m-{\mathrm{\α}}_m\left(\underset{j=m+1}{\overset{M+1}{\Σ}}{T}_{m,j}^t-\underset{k=1}{\overset{m-1}{\Σ}}{T}_{k,m}^t\right)\]\right\}+\underset{m=1}{\overset{M}{\Σ}}\underset{j=2}{\overset{M+1}{\Σ}}\left(\underset{k=m+1}{\overset{j-1}{\Σ}}{e}_k{r}^t{H}_k\left(S_k^t\right)\right)T_{m,j}^t$式中：z^t为系统在t时段的经济效益；M为梯级系统水库数量；r^t为当前时段电量价格；为时段t上游水库m下泄流量，被下游水库j截蓄的流量；为从时段t末到水库蓄满时预期的平均电价(时段电量加权)；为从时段t末到水库蓄满时水库m的期望发电水头(时段发电水量加权)；为从t时段末至水库蓄满状态的期望发电水量；r_f为水库蓄满期间的期望电价；K_m为水库m的蓄满容量；F_m为水库m在蓄满到开始下泄之间期望发电水量；α_m为水库m当前库容增减造成蓄满期间弃水增减的比例；b)供水阶段：目标函数：⑤$\max z^t=\underset{m=1}{\overset{M}{\Σ}}{e}_m\[r^t{H}_m\left(S_m^t\right)\underset{j=m+1}{\overset{M+1}{\Σ}}{T}_{m,j}^t+r_r^{\′t}{{\stackrel{\‾}{H}}^{\′}}_m\left(S_{m,f}^t\right)\left(Q_m^{\′t}-\underset{j=m+1}{\overset{M+1}{\Σ}}{T}_{m,j}^t+\underset{k=1}{\overset{m-1}{\Σ}}{T}_{k,m}^t\right)\]+\underset{m=1}{\overset{M}{\Σ}}\underset{j=2}{\overset{M+1}{\Σ}}\left(\underset{k=m+1}{\overset{j-1}{\Σ}}{e}_k{r}^t{H}_k\left(S_k^t\right)\right)T_{m,j}^t$式中：为时段t末至水库放空时的期望电价(时段电量加权)；从时段t末到水库放空时水库m的期望发电水头(时段发电水量加权)；为从t时段末至水库放空时发电水量期望；上述两种阶段的约束条件一致，表示如下：⑥⑦⑧q_m≥q_m式中：为关于和的发电水头计算函数；E₀为当前总电量决策；为总发电水量；为最小出库限制；2)求解出力分配模型：以为决策变量，基于确定各的增减顺序；为从水库m到j‑1间对应的发电量，为了把以单库调度规则获得的系统发电决策和E₀之间的部分分配至各水库，和E₀之间的差异，即ΔE＝E₀‑E被划分为n份：对于每部分ΔE/n，通过改变一个或几个加以满足；将所有m和j组合按照排序，按照排序后的顺序依次改变，直到ΔE/n被满足；然后，在部分水库末水位改变后对m和j可能的组合重新排序并分配下一份ΔE/n；当单步调整T_m,j时，考虑约束条件⑧，采用试错法按如下步骤进行：2.1)设置总出力目标：设置水库m到水库j‑1总出力目标，设l＝1，Δ_l＝ΔE/n；2.2)计算水库m到水库j‑1的平均水头加权的出力系数，为水库k在时段t的发电水头估算值，按照计算初始增加水量；2.3)估计各的边界值，k＝m,m+1,…,j，根据式水库水位限制，记和从水库j到m向上游检查约束，对于水库k，须满足其中，k＝j，在计算流程中暂时记2.4)如果超出的上下限，则修正至上下限值；修正后计算发电量，尽可能固定水库蓄水状态和并且计算当前发电量和目标发电量之间的差值2.5)如果Δ_l×Δ_l‑1＜0，则设置若Δ_l≠0并且已达到限制值，则转至步骤2.4)；2.6)停止计算；第二部分：构建调度规则优化模型根据多个梯级水电站群组成的跨流域梯级水电站群中各个子系统之间的出力是否相互影响，将调度规则模型分为两类，一类是分布式调度规则优化模型，一类是集中式调度规则优化模型；(1)分布式调度规则，即每一个梯级系统的出力不需要考虑其他梯级的状态，模型具体表示为：目标函数：⑨约束条件：⑩最小发电量约束：式中：I为系统中子梯级系统的个数；i为子梯级系统的序号；M_i为梯级系统i的水电站数目；m是第i个梯级系统中水库的序号；T是模拟时段数；t是模拟时段的序号；是时段t时，初始蓄能为的梯级系统i的总出力；和是第i个梯级系统第m个水库的发电量和出力；ES_i为梯级系统i的最小发电量约束，其取值小于梯级单独运行的发电量；(2)集中式优化调度规则，模型具体表示为：目标函数：约束条件：最小发电量约束同⑩式中：EA^t为时段t的系统可发电量；P^t(EA^t)为系统初始蓄能是EA^t时的系统总出力；首先采用极大熵函数法将分布式优化调度规则模型和集中式优化调度规则模型中⑨和所示的极大极小形式的目标函数转化为连续函数，如下式所示：式中：F'_Φ是替代目标函数，Φ＝0.1是一个参数；这两种调度规则优化模型中还包括水库水位上下限、水库出库流量下限和水库出力上限约束；其中⑩最小发电量约束和水库出库流量下限约束为软约束，采用惩罚函数处理，水库出库流量下限约束已同时在第二部分中满足；第三部分：基于遗传算法的调度规则优化模型求解方法(1)初始可行域确定：在“五段式”形式的调度规则曲线中，变量E₂和E₃的可行区间是Es≤E₂≤E₃和E₂≤E₃≤Ee，由于二者的可行域有交叉，不利于遗传算法的求解，其他变量也存在可行域过大而收敛困难的问题；因此，首先根据目标函数的特点设定二者的边界，即和同时设定E₁和E₄可行域为其最大可行范围，设定P_C可行域：分布式调度规则中，为流域梯级保证出力附近的区间内；集中式调度规则中，为各流域保证出力之和附近的区间内；(2)种群初始化：采用浮点型编码方式生成初始种群，对于分布式调度规则，种群中的个体代表各月各梯级的五段线调度规则曲线族的控制点E₁、E₂、E₃、E₄和控制值P_C；对于集中式调度规则，种群中的个体代表跨流域系统的五段线调度规则曲线族的控制点E₁、E₂、E₃、E₄和控制值P_C；其中控制点E₁、E₂、E₃、E₄值各月不同，而控制值P_C各月相同，设置计算参数，包括种群规模、最大迭代次数、交叉概率、变异概率；(3)计算种群个体适应度以评价个体质量：针对每个个体计算适应度时，依次在模拟调度各时段，首先调用第一部分中的“(1)计算系统可发电量”计算面临时段的可发电量，对于分布式调度规则，可发电量为各流域可发电量，对于集中式调度规则，可发电量为各流域系统可发电量之和，并由可发电量采用第一部分中的(2)确定梯级或跨流域系统的总出力决策；而后采用第一部分中的“(3)利用出力分配模型确定系统出力决策”在梯级内或跨流域梯级间将出力决策分配至各水库，最后得到的水库发电决策进行该时段的模拟调度并获得该时段各水库的发电流量、出力、末水位、出库流量指标；依次在各模拟调度时段按照上述流程进行模拟调度，获得整个模拟调度期间内的调度过程；调用第二部分中的目标函数和约束条件惩罚，进行每个个体的适应度评价；(4)根据个体适应度执行遗传操作：选择操作采用排序策略，交叉操作采用两点式交叉操作，变异操作采用不对称变异操作；(5)判断是否达到最大迭代次数，若是，则转至步骤(6)；否则，转至步骤(2)；(6)输出执行此次遗传算法的计算结果；(7)可行域修正：若步骤(2)‑(6)得到更优解，则通过各变量可行区间的压缩和移动得到E₁、E₂、E₃、E₄新的可行域，并在得到的P_C最优解附近压缩其可行域范围，然后重新执行步骤(2)‑(6)进行求解，否则结束。