烏江梯級水電站短期優化調度研究

曹 輝

(1.中國長江三峽集團公司,北京100038;2.三峽水利樞紐梯級調度通信中心,四川成都610041)

隨著廠網分開、電力市場改革的不斷深入,水電站作為電力市場主體之一,其角色和經營目標發生了明顯變化。如何調度梯級水電站,達到降低成本、優化運行的目的,是每個電力企業迫切需要解決的問題。水電站短期優化調度是提高發電收益的重要手段[1-2]。短期優化調度能在考慮電站水情、電力市場環境及電站特點等因素的情況下,制定優化的競價電量,為參與市場競價提供重要的決策支持[1]。本文通過選擇梯級發電量最大模型對流域不同頻率來水情況下梯級電站的發電量進行計算分析,進而總結了烏江梯級電站短期優化調度的發電規律,為梯級電站短期調度計劃的制定提供決策指導[3- 6]。

1 流域概況

烏江是長江上游南岸最大的一條支流,全長1 037 km,流域面積8.8 km2,多年平均水量534億m3。烏江流域為降水補給河流,降雨集中在5～10月,暴雨集中在6、7兩個月,洪水主要由暴雨形成。由于暴雨急驟,匯流迅速,洪水漲落快,峰形尖瘦,洪量集中。烏江流域天然落差大,落差達到2 124 m,水量充沛,水力資源豐富,是西部大開發“西電東送”的主要電源點之一。目前,烏江干流已建和將建成的水庫群包括洪家渡、東風、索風營、烏江渡、構皮灘、思林和沙沱水庫。梯級各水庫的特征參數見表1。

2 烏江梯級水庫群優化調度模型

2.1 目標函數

為了挖掘烏江梯級水庫群優化調度規律,本文建立梯級發電量最大模型,目標函數見式(1),該模型在未來一個調度期水庫始、末水位及短期預報入庫徑流已知的情況下,考慮各水庫電站實際情況及電網綜合約束,尋求梯級各電站的某種短期聯合運行方式,使調度期內梯級電站的總發電量最大[7-9]。

表1 烏江梯級水庫群主要特征參數

(1)

式中,E為調度期內梯級總發電量；N(i,t)為第i梯級水庫t時段平均出力；Δt為時段長；N為梯級水電站數目；T為時段數目。

2.2 約束條件

水量平衡約束

V(m,t+1)=V(m,t)+(QI(m,t)-QO(m,t))×Δt

(2)

蓄水位限制

Zmin(m,t)≤Z(m,t)≤Zmax(m,t)

(3)

出庫流量約束

QOmin(m,t)≤QO(m,t)≤QOmax(m,t)

(4)

電站出力限制

Nmin(m,t)≤N(m,t)≤Nmax(m,t)

(5)

式中,QI(m,t)、QO(m,t)為第m級電站、第t時段入庫、出庫流量；V(m,t)、V(m,t+1)為第m級電站第t時段初、末庫容；Zmax(m,t)、Zmin(m,t)為第m級電站第t時段水位變化上、下限；QOmax(m,t)、QOmin(m,t)為第m級電站第t時段出庫流量約束上、下限值；Nmax(m,t)、Nmin(m,t)為第m級電站第t時段出力約束上、下限。

2.3 模型求解

本文研究采用關聯平衡協調和關聯預估協調所組成的混合法對原問題進行分解,選取的協調變量為拉格朗日乘子λit和水庫入庫流量Qrit,研究中將烏江梯級水電站群分解為7個獨立的子系統,即洪家渡水庫、東風水庫、索風營水庫、烏江渡水庫、構皮灘水庫、思林水庫和沙陀水庫七個子系統。單庫優化采用POA算法進行求解(配合0.618法兩階段尋優),然后通過二級協調器把各子系統連接在一起,并協調各子系統的最優以達到大系統的整體最優,使之滿足協調約束,一旦滿足則各子系統的最優解即為整個系統最優解。在求解短期優化調度時需要根據具體情況考慮水流時滯問題,因此構造原問題的拉格朗日函數表示為

(6)

式中,uit、λit為拉格朗日乘子。由于不考慮梯級系統出力限制要求,構造函數時不需要考慮相應的庫恩-塔克乘子,只需進行兩級遞接控制。

當選取λit和Qrit作為協調變量時,在協調級給定的情況下,對上述拉格朗日函數分解,則可表達成如下加性可分形式:

(7)

式中,cont為常數。

由此可將本次研究的大系統問題分解為如下n個子問題

(8)

分別對協調變量Qrit和λit求導可以得出考慮水流時滯的第二級協調器的計算公式為

(9)

(10)

式中,k為迭代次數；ηj為第j水庫的出力系數；Hjjt為第j水庫t時段的平均水頭。

3 梯級水電站發電量最大模型結果及分析

3.1 常規調度

選取不同頻率的來水(P=10%、25%、50%、75%、90%),調度期各庫的始末水位相同,分別取洪家渡始末水位1 120 m；東風始末水位960 m；索風營始末水位830 m；烏江渡始末水位740 m；構皮灘始末水位630 m；思林始末水位435 m；沙沱始末水位360 m。以梯級發電量最大為目標,采用等流量調節方法,計算烏江干流7庫96點日調度,結果如表2、3所示。以上常規調度結果可以看出：

表2 不同頻率來水的常規調度計算結果

表3 不同頻率來水的優化調度梯級計算結果

(1)各庫發電量占梯級發電比重不同,隨來水改變呈現不同變化趨勢。構皮灘占梯級發電比重最大,各頻率來水條件下均超過33.61%；而洪家渡最小,僅占5%左右。

(2)隨著來水的變化,各水庫發電量占梯級總發電量比重略有變化,其中洪家渡水庫所占比重隨來水減少而不斷減少,從來水頻率p=10%的5.62%減少到p=90%的4.82%,減少幅度為0.8%；而索風營、烏江渡水庫占梯級比重隨來水減少則不斷增加,其中索風營從來水頻率p=10%的6.04%增加到p=90%的6.29%,增加幅度為0.25%,烏江渡從來水頻率p=10%的13.56%增加到p=90%的14.46%,增加幅度為0.92%；構皮灘水位變化略有波動,整體呈現減少趨勢；其余各庫中,東風隨來水增加呈增加趨勢,思林與沙沱水庫隨來水的變化波動,趨勢但并不明顯。

3.2 優化調度

選取不同頻率的來水,各庫始末水位相同與常規調度一致,以梯級發電量最大為目標,采用大系統分解協調方法,計算烏江干流7庫96點日調度,結果如表3所示。從優化調度結果可以看到出：

(1)構皮灘仍然占梯級發電比重最大,而且比常規占梯級比重略微提高,各頻率來水條件下均超過34%；洪家渡仍舊最小,但是比重有所提高,均超過5.1%。與常規調度相比,東風、索風營水庫發電量占梯級總量比重略有增加,烏江渡、沙沱有所減少,思林沒有太大變化。

(2)隨著來水的變化,優化調度的各水庫發電量占梯級發電量比重略有變化,其中洪家渡水庫所占比重隨來水減少而不斷減少,從來水頻率p=10%的5.89%減少到p=90%的5.10%,減少幅度為0.79%,與常規調度相差不多；索風營、烏江渡水庫占梯級比重隨來水減少不斷增加,其中索風營從來水頻率p=10%的6.64%增加到p=90%的6.81%,增加幅度為0.17%,比常規調度增幅減少,烏江渡從來水頻率p=10%的12.86%增加到p=90%的13.88%,增加幅度為1.02%,增幅略高于常規調度；其余各庫中,東風、思林隨來水增加呈增加趨勢,沙沱呈減少趨勢,構皮灘水庫隨來水的變化波動,趨勢并不明顯。

3.3 優化調度與常規調度對比分析

優化調度與常規調度的結果無法直接用來比較,因為兩種方法的梯級總來水量是不同的,原因是因為短期調度考慮了水流時滯的影響。在烏江干流梯級水庫中,相鄰兩庫最大水流時滯時間為3小時,最小也需要1小時,因此水流時滯在烏江短期日優化調度中是一個不容忽視的因素。水流時滯對短期日優化調度的影響集中體現在水量平衡方面,具體地說就是,由于水流滯時的影響,使得上級電站前一日最時間內的流量參與下一級電站次日的水量平衡；同時本級電站當日最后時間內的流量參與下級電站次日的水量平衡。因此,上游電站的下泄流量、區間入流量以及進入下游水庫的流量在一個時段甚至一日內,并不是平衡的。其中任一級電站的日發電水可視為兩部分組成。一部分為當日水量,另一部分為前一日的水量。

但是為了能夠直觀的分析說明優化調度與常規調度的差異,做以下處理：①以梯級來水較少的優化調度為基準,減少常規梯級來水到與優化調度相同。②同倍比縮放常規調度除洪家渡以外其他各水庫的來水與發電量。

不同頻率來水的優化調度下梯級發電量與經過處理的不同頻率來水的常規調度下梯級發電量結果如表4所示。通過表4可以看出,隨著區間來水增大,發電量增加,但并不是來水越大,優化的效果越明顯。當區間來水頻率為50%的時候,優化結果最為明顯,達到1.22%,區間來水頻率為10%的時候優化效果最差,這是因為當來水較大的時候,水庫的水位變幅減小,優化能力減弱。

表4 不同頻率區間來水的梯級常規與優化調度發電量比較

以區間來水頻率為50%為例,詳細分析各水庫在梯級水庫發電所占比重和優化效果，結果見表5。由表5可以看到,沙沱和烏江渡優化效果最差,小于常規調度,其他電站均優于常規調度,其中以索風營最為明顯,達到10.82%,其次為烏江渡8.04%,構皮灘3.47%,思林不是很明顯只有1.03%,整個梯級發電量優化調度較常規優化1.22%,從上面的優化結果中可以發現：

(1)兩個具有多年調節性能的水庫水位變化最小,洪家渡與構皮灘水位變化只有0.03 m；調節性能較弱的水庫水位變化較大,其中以庫容最小的索風營水位變化最大,達到1.8 m,可以認為水位變化幅度與庫容大小直接相關。

(2)從水位變化過程來看,具有日調節以上性能的水庫,除了東風在前期因為受洪家渡放水的影響,水位略微抬升,其他3座水庫均前期降低水位,后期抬高水位,3座日調節性能水庫均采取前期蓄水后期放水原則。

表5 P=50%的常規與優化調度比較

4 結 論

本文應基于大系統分解協調算法對發電量最大模型進行求解,其中洪家渡水庫所占比重隨來水減少而不斷減少,索風營、烏江渡水庫占梯級比重隨來水減少不斷增加,東風、思林隨來水增加呈增加趨勢,沙沱呈減少趨勢,構皮灘水庫隨來水的變化波動,趨勢并不明顯。并于不同頻率來水的常規算法進行比較,當區間來水頻率為50%的時候,優化結果最為明顯,達到1.22%,區間來水頻率為10%的時候優化效果最差。最后對50%頻率來水的發電過程進行了分析,從水位變化過程來看,具有日調節以上性能的水庫,除了東風在前期因為受洪家渡放水的影響,水位略微抬升,其他3座水庫均前期降低水位,后期抬高水位,3座日調節性能水庫均采取前期蓄水后期放水原則。

[1] 郭樂, 徐斌. 三峽梯級水庫群聯合優化調度增發電量分析[J]. 水力發電, 2016, 42(12): 90- 93．

[2] 李克正, 武見, 謝維, 等. 基于優化調度規律挖掘的水庫調度運用方案研究[J]. 水力發電, 2015, 41(12): 96- 100．

[3] 鐘平安, 張金花, 徐斌, 等. 梯級庫群水流滯后性影響的日優化調度模型研究[J]. 水力發電學報, 2012, 31(4): 34- 38．

[4] 劉燁, 鐘平安. 基于多重迭代算法的梯級水庫群調度圖優化方法[J]. 水利水電科技進展, 2015, 35(1): 85- 88 ．

[5] 張陽, 鐘平安, 徐斌, 等. 基于廊道約束的水庫調度圖優化遺傳算法[J]. 水利水電科技進展, 2014, 34(6): 13- 17．

[6] 張雙虎. 梯級水庫群發電優化調度的理論與實踐—以烏江梯級水庫群為例[D]. 西安: 西安理工大學, 2007．

[7] VALENZUELA J, MAZUMDAR M. A probability model for the electricity price duration curve under an oligopoly market[J]. IEEE Transactions on Power Systems, 2005, 20(3): 1250- 1256．

[8] ELFERCHICHI A, GHARSALLAH O, NOUIRI I, et al. The genetic algorithm approach for identifying the optimal operation of a multi-reservoirs on-demand irrigation system[J]. Bio-systems Engineering, 2009, 102(3): 334- 344．

[9] AFSHER M H, MOEINI R. Partially and fully constrained ant algorithms for the optimal solution of large scale reservoir operation problems[J]. Water Resour Manage, 2008, 22(12): 1835- 1857．