梯級水電站短期優化調度算法研究及軟件開發

費如君,盧毓偉,樊紹華,周怡先,齊明臣

(1.中國水電顧問集團中南勘測設計研究院,湖南 長沙 410014;2.重慶烏江電力有限公司,重慶 409000)

0 引 言

隨著流域大規模的梯級開發和水電站群增多,各電網公司和流域開發公司對于梯級水電站聯合調度和精細化調度的要求也越來越高.而梯級水電站群優化調度問題本身是一個約束和限制條件相對復雜的高維、非線性優化問題,因此建立一個既能滿足眾多約束條件又兼顧計算時間和計算精度的求解梯級聯合優化調度模型的方法顯得尤為必要.

國內外學者對于動態規劃算法和POA算法等傳統算法以及遺傳算法、粒子群算法等新的智能算法都進行了研究,但這些方法或多或少存在一定的局限性,如傳統動態規劃算法的 "維數災"問題、POA算法比較依賴初始狀態[1-2]、遺傳算法[3]和粒子群算法[4]過收斂易早熟等.為此,本文以逐次逼近動態規劃算法 (Dynamic Programming with Successive Approximation,DPSA)[5]的改進算法為基礎,結合阿蓬江梯級水電站短期優化調度實例進行研究,并進行了軟件的開發,取得了較好的效果.

1 數學模型

1.1 目標函數

梯級水電站短期優化調度是研究一天或幾天的時間內,在滿足電站各種約束的條件下實現最優用水和負荷分配[6-8].一般說來,水電系統短期優化調度主要采用兩大類最優準則:用水一定下總發電量或發電總效益最大準則和負荷過程一定下用水量最小或梯級蓄能最大準則.本文在考慮梯級各水庫的蓄水、水位限制、水流滯時、電站泄流和出力等約束條件下,以調度期內一定用水量下梯級總發電量最大化為準則,建立梯級水電站短期優化調度模型[9],目標函數

式中,E為調度期內梯級水電站總發電量;NP為梯級水電站發電保證率;Ai為第i個電站出力系數;Qi,t為第i個電站在第t時段發電流量,m3/s;N為梯級水電站總數;Hi,t為第i個電站在第t時段平均發電凈水頭,m;T為調度期內計算總時段數;Mt為第t時段分鐘數,min.

1.2 約束條件

水量平衡約束

水庫蓄水量約束

水電站機組過水能力流量約束

電站出力約束

水庫之間的水力聯系

還有其他非負約束.式中,Vit,Vit+1分別為第i個電站第t時段初、末水庫蓄水量,m3;qi,t為第i個電站第t時段入庫流量,m3/s;Si,t為第i個電站第t時段棄水流量,m3/s;Δt為計算時段長度,s;Vit,min,Vit,max分別為第i個電站第t時段應保證的水庫最小蓄水量和允許的水庫最大蓄水量,m3(考慮到防洪要求);Qit,min為第i個電站第t時段所要求的最小過機流量,m3/s;Qit,max為第i個電站第t時段最大過機流量,m3/s;Ni,min為第i個電站允許的保證出力,MW;Ni,max為第i個電站的裝機容量,MW;Ri,t為第i水庫第t時段的平均入庫流量,m3/s;Δti-1為第i-1電站到第i電站的水流滯時對應的時段數;Ii,t為第t時段第i-1電站到第i電站之間的區間平均入流,m3/s.覽器/服務器)模式在數據訪問上的統一.系統充分汲取了軟件技術領域的最新成果和先進的技術理念,全面采用面向對象技術、組件技術和.NET技術,包含多種調度模型、可擴充、可定制和配置多種調度方案.其中梯級短期優化調度部分的主要界面見圖2~圖7.

圖1 梯級調度系統功能模塊

圖2 系統主界面

圖3 梯級調度短期優化調界面

2 軟件開發

本梯級水電站優化調度系統 (見圖1)開發選擇微軟公司的Visual Studio.NET,數據訪問基于Web Service,實現 C/S(客戶/服務器)與 B/S(瀏

圖4 人機交互

圖5 方案存庫

圖6 方案會商示意

圖7 結果圖表顯示對比

3 實 例

阿蓬江為烏江下游右岸的一級支流,跨鄂渝兩省區.目前,阿蓬江流域已經建成并投入運行的有朝陽寺、舟白、漁灘、箱子巖、大河口和梯子洞6座水電站水庫 (見圖8),其中朝陽寺和大河口水庫為不完全年調節水庫,其他的均為日調節水庫.由于重慶烏江電力有限公司 (以下簡稱 "公司")對朝陽寺尚無調度權,現階段主要是對朝陽寺以下的5個電站 (見表1)進行梯級聯合優化調度.該流域屬于山區型河流,各電站對下游河道沒有防洪任務,因此水庫主要以發電為主.另外,由于公司建設有自己的小型電網,電力能源的大部分用于內部的冶金企業;在此條件下,建立短期梯級發電量最大模型是合適的.

圖8 阿蓬江流域梯級電站分布示意

表1 水電站特征參數

在調度軟件中分別嵌套了POA、PSO和改進DPSA 3種算法對梯級水電站短期發電進行了優化計算,調度結果見表2.值得說明的是, PSO算法在短期調度中,由于計算時段劃分較細且生成的放水流量決策隨機性較強,因此在求解中每次優化的結果都會有差異,本文利用PSO算法進行優化求解時是通過多次計算選擇一個較優的結果參與比較的.這種解的不唯一性也在很大程度上限制了PSO等智能算法的推廣,尤其是在工程實踐中的應用.

表2 梯級優化調度結果對比

由3種算法的計算結果可以看出,改進DPSA算法由于在對初始解的考慮上更為充分,且將多維問題分解成一維,其計算時間和結果都是最優的;PSO算法由于考慮了解空間的全局性,因此也能得到不錯的解,但其解不是唯一的;而POA算法在梯級水庫調度中并沒有從水庫數量的角度去降維,因此求解的時間稍長,若要解決更加復雜的水庫群調度問題,其缺點則會凸顯.3種算法在水庫日調度中計算得到的梯級發電量幾乎一致.這是由于計算中各水庫并無棄水產生,因此在水能的利用上差別不大.綜合上述結果可看出,改進的DPSA算法在梯級水庫短期優化調度應用中有一定的優越性.

4 結 論

由于梯級水電站短期優化調度對于模型的求解精度和時間有著較高的要求,但目前傳統的動態規劃算法和智能算法對于多維水庫的優化問題在計算耗時和解的穩定性上均存在一定的局限性.本文提出了基于發電量最大模型的梯級水電站短期優化調度算法,并編制了調度軟件.應用情況表明,優化調度結果合理、有效,軟件界面友好,操作方便,系統實時運算效率高,能夠為梯級水電站群短期優化調度提供重要的決策支持.

[1] 方紅遠,王 浩,程吉林.初始軌跡對逐步優化算法收斂性的影響[J].水利學報,2002(11):27-30.

[2] 宗航,李承軍,周建中,等.POA算法在梯級水電站短期優化調度中的應用[J].水電能源科學,2003,21(1):46-48.

[3] 金菊良,楊曉華,丁晶.水資源系統工程[M].成都:四川科學術出版社,2002.

[4] 張秋菊,王黎,馬光文,等.基于WEB的電網節能發電調度系統[J].水力發電,2010,36(10):76-79.

[5] 黃強,暢建霞.水資源系統多維臨界調控的理論與方法[M].北京:中國水利水電出版社,2007.

[6] 張麗娜.水電站優化調度模型及其應用研究[D].大連:大連理工大學,2007.

[7] 費如君,董增川,等.改進加速遺傳算法在梯級水電站優化調度中的應用[J].水力發電,2008,34(8):8-11.

[8] 陳洋波,陳安勇.水庫優化調度-理論.方法.應用[M].武漢:湖北科學技術出版社,1996.

[9] 董子敖,水庫群調度與規劃的優化理論和應用[J].濟南:山東科學技術出版社,1989.

[10] 馬光文,劉金煥,李菊根.流域梯級水電站群聯合優化運行[M].北京:中國電力出版社,2008.