梯级水电站短期优化调度算法研究及软件开发

费如君,卢毓伟,樊绍华,周怡先,齐明臣

(1.中国水电顾问集团中南勘测设计研究院,湖南 长沙 410014;2.重庆乌江电力有限公司,重庆 409000)

0 引 言

随着流域大规模的梯级开发和水电站群增多,各电网公司和流域开发公司对于梯级水电站联合调度和精细化调度的要求也越来越高.而梯级水电站群优化调度问题本身是一个约束和限制条件相对复杂的高维、非线性优化问题,因此建立一个既能满足众多约束条件又兼顾计算时间和计算精度的求解梯级联合优化调度模型的方法显得尤为必要.

国内外学者对于动态规划算法和POA算法等传统算法以及遗传算法、粒子群算法等新的智能算法都进行了研究,但这些方法或多或少存在一定的局限性,如传统动态规划算法的 "维数灾"问题、POA算法比较依赖初始状态[1-2]、遗传算法[3]和粒子群算法[4]过收敛易早熟等.为此,本文以逐次逼近动态规划算法 (Dynamic Programming with Successive Approximation,DPSA)[5]的改进算法为基础,结合阿蓬江梯级水电站短期优化调度实例进行研究,并进行了软件的开发,取得了较好的效果.

1 数学模型

1.1 目标函数

梯级水电站短期优化调度是研究一天或几天的时间内,在满足电站各种约束的条件下实现最优用水和负荷分配[6-8].一般说来,水电系统短期优化调度主要采用两大类最优准则:用水一定下总发电量或发电总效益最大准则和负荷过程一定下用水量最小或梯级蓄能最大准则.本文在考虑梯级各水库的蓄水、水位限制、水流滞时、电站泄流和出力等约束条件下,以调度期内一定用水量下梯级总发电量最大化为准则,建立梯级水电站短期优化调度模型[9],目标函数

式中,E为调度期内梯级水电站总发电量;NP为梯级水电站发电保证率;Ai为第i个电站出力系数;Qi,t为第i个电站在第t时段发电流量,m3/s;N为梯级水电站总数;Hi,t为第i个电站在第t时段平均发电净水头,m;T为调度期内计算总时段数;Mt为第t时段分钟数,min.

1.2 约束条件

水量平衡约束

水库蓄水量约束

水电站机组过水能力流量约束

电站出力约束

水库之间的水力联系

还有其他非负约束.式中,Vit,Vit+1分别为第i个电站第t时段初、末水库蓄水量,m3;qi,t为第i个电站第t时段入库流量,m3/s;Si,t为第i个电站第t时段弃水流量,m3/s;Δt为计算时段长度,s;Vit,min,Vit,max分别为第i个电站第t时段应保证的水库最小蓄水量和允许的水库最大蓄水量,m3(考虑到防洪要求);Qit,min为第i个电站第t时段所要求的最小过机流量,m3/s;Qit,max为第i个电站第t时段最大过机流量,m3/s;Ni,min为第i个电站允许的保证出力,MW;Ni,max为第i个电站的装机容量,MW;Ri,t为第i水库第t时段的平均入库流量,m3/s;Δti-1为第i-1电站到第i电站的水流滞时对应的时段数;Ii,t为第t时段第i-1电站到第i电站之间的区间平均入流,m3/s.览器/服务器)模式在数据访问上的统一.系统充分汲取了软件技术领域的最新成果和先进的技术理念,全面采用面向对象技术、组件技术和.NET技术,包含多种调度模型、可扩充、可定制和配置多种调度方案.其中梯级短期优化调度部分的主要界面见图2~图7.

图1 梯级调度系统功能模块

图2 系统主界面

图3 梯级调度短期优化调界面

2 软件开发

本梯级水电站优化调度系统 (见图1)开发选择微软公司的Visual Studio.NET,数据访问基于Web Service,实现 C/S(客户/服务器)与 B/S(浏

图4 人机交互

图5 方案存库

图6 方案会商示意

图7 结果图表显示对比

3 实 例

阿蓬江为乌江下游右岸的一级支流,跨鄂渝两省区.目前,阿蓬江流域已经建成并投入运行的有朝阳寺、舟白、渔滩、箱子岩、大河口和梯子洞6座水电站水库 (见图8),其中朝阳寺和大河口水库为不完全年调节水库,其他的均为日调节水库.由于重庆乌江电力有限公司 (以下简称 "公司")对朝阳寺尚无调度权,现阶段主要是对朝阳寺以下的5个电站 (见表1)进行梯级联合优化调度.该流域属于山区型河流,各电站对下游河道没有防洪任务,因此水库主要以发电为主.另外,由于公司建设有自己的小型电网,电力能源的大部分用于内部的冶金企业;在此条件下,建立短期梯级发电量最大模型是合适的.

图8 阿蓬江流域梯级电站分布示意

表1 水电站特征参数

在调度软件中分别嵌套了POA、PSO和改进DPSA 3种算法对梯级水电站短期发电进行了优化计算,调度结果见表2.值得说明的是, PSO算法在短期调度中,由于计算时段划分较细且生成的放水流量决策随机性较强,因此在求解中每次优化的结果都会有差异,本文利用PSO算法进行优化求解时是通过多次计算选择一个较优的结果参与比较的.这种解的不唯一性也在很大程度上限制了PSO等智能算法的推广,尤其是在工程实践中的应用.

表2 梯级优化调度结果对比

由3种算法的计算结果可以看出,改进DPSA算法由于在对初始解的考虑上更为充分,且将多维问题分解成一维,其计算时间和结果都是最优的;PSO算法由于考虑了解空间的全局性,因此也能得到不错的解,但其解不是唯一的;而POA算法在梯级水库调度中并没有从水库数量的角度去降维,因此求解的时间稍长,若要解决更加复杂的水库群调度问题,其缺点则会凸显.3种算法在水库日调度中计算得到的梯级发电量几乎一致.这是由于计算中各水库并无弃水产生,因此在水能的利用上差别不大.综合上述结果可看出,改进的DPSA算法在梯级水库短期优化调度应用中有一定的优越性.

4 结 论

由于梯级水电站短期优化调度对于模型的求解精度和时间有着较高的要求,但目前传统的动态规划算法和智能算法对于多维水库的优化问题在计算耗时和解的稳定性上均存在一定的局限性.本文提出了基于发电量最大模型的梯级水电站短期优化调度算法,并编制了调度软件.应用情况表明,优化调度结果合理、有效,软件界面友好,操作方便,系统实时运算效率高,能够为梯级水电站群短期优化调度提供重要的决策支持.

[1] 方红远,王 浩,程吉林.初始轨迹对逐步优化算法收敛性的影响[J].水利学报,2002(11):27-30.

[2] 宗航,李承军,周建中,等.POA算法在梯级水电站短期优化调度中的应用[J].水电能源科学,2003,21(1):46-48.

[3] 金菊良,杨晓华,丁晶.水资源系统工程[M].成都:四川科学术出版社,2002.

[4] 张秋菊,王黎,马光文,等.基于WEB的电网节能发电调度系统[J].水力发电,2010,36(10):76-79.

[5] 黄强,畅建霞.水资源系统多维临界调控的理论与方法[M].北京:中国水利水电出版社,2007.

[6] 张丽娜.水电站优化调度模型及其应用研究[D].大连:大连理工大学,2007.

[7] 费如君,董增川,等.改进加速遗传算法在梯级水电站优化调度中的应用[J].水力发电,2008,34(8):8-11.

[8] 陈洋波,陈安勇.水库优化调度-理论.方法.应用[M].武汉:湖北科学技术出版社,1996.

[9] 董子敖,水库群调度与规划的优化理论和应用[J].济南:山东科学技术出版社,1989.

[10] 马光文,刘金焕,李菊根.流域梯级水电站群联合优化运行[M].北京:中国电力出版社,2008.