电网峰谷出力比约束下的梯级水电站短期优化调度模型研究

研究在电网对水电站各时段出力要求情况下的梯级水电站短期优化调度问题,建立了优化运行模型,并用逐步优化算法求解.结合实际算例,通过对比在单一电价及在分时电价和峰谷出力比约束情况下的梯级水电站各个时段的发电量和收入,认为此模型使得梯级电站更加可靠,符合电厂和电网双方的利益,表明了模型的合理性、可行性及实用性.     

梯级水电站短期优化调度研究

在市场环境中系统电价和负荷一定的情况下,将效益最大化作为系统优化准则,运用水资源价值系数、设备运行费、折旧费及其他费用等成本因素,建立分时电价梯级水电站短期优化调度模型;构造了求解该模型的层结构蚁群算法,采用启发式规则解决解的多样性和机组启停问题,采用精英策略节约计算内存和优化时间。最后,运用我国西南地区某梯级流域中三个连续水电站的数据建立了调度模型并运用层结构算法进行仿真;并从理论方面分析了仿真结果中的每一个变化,对精英区大小的选择作了讨论,分析表明仿真结果与理论分析保持一致,说明建立的模型是合理的,提出的方法是可行而有效的。     

机会约束规划下的梯级水电站短期优化调度策略

以一定时期内可能实现的总的目标利润最大化为目标,在一定的置信水平的前提下满足约束条件,基于机会约束规划构建了一种新的的梯级水电站短期优化调度策略。模型全面分析了蓄水量、弃水量、前池水位、放水路水位、发电水头之间的关系,并考虑了电价、入库径流量、机组运行状况等不确定因素对梯级水电站短期优化调度问题的影响。利用粒子群算法算简单、鲁棒性好、可操作性强的优势,将其嵌入蒙特卡罗随机模拟对模型进行求解。算例说明了该方法可以根据电站的实际情况协调风险和利润这两个相互矛盾的指标,实现最优化决策。     

市场竞价下梯级水电站短期优化调度研究

针对梯级水电站短期优化调度的特点，通过对电力市场中发电厂商竞价策略特点的分析，提出了市场竞价下梯级水电站的竞价运行策略，构建了市场竞价下梯级水电站优化调度模型。模型采用概率分布来模拟发电厂商报价策略，并利用蒙特卡洛方法对电力市场出清过程进行随机模拟，而且在最大效益子模型中考虑了梯级各电站发电成本不同的因素。最后通过实际算例，利用改进蚂蚁算法和遗传算法对硕多岗河梯级水电站在市场竞价条件下的整体调度过程进行了模拟优化求解，得出了较优的市场出清结果和梯级优化运行方案，并通过对优化结果的详细分析，指出了模型的优点和缺陷。     

电力市场环境下梯级水电站短期优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出梯级水电站优化运行三步调度方案,针对不同阶段分别建立了面向电力市场的梯级水电站短期优化调度模型,包括总用水量相同情况下发电效益最大调度模型和总负荷一定条件下耗水量最小调度模型;对遗传算法进行了改进,提高了其收敛速度和求解精度,提出了基于混合遗传算法的模型求解方法.实例研究证明该方法科学可行,对电力市场环境下梯级水电站短期调度运行有较高的参考价值.     

梯级水电站短期优化调度方法综述

根据现阶段梯级水电站短期优化调度的研究成果,主要从其数学模型、约束条件、优化算法等几个方面进行了综述,详细描述了梯级水电站短期优化调度模型所涉及到的约束条件。从经典优化算法和现代智能算法两个层面分别总结了线性规划、非线性规划、动态规划、遗传算法、粒子群算法、人工神经网络、模拟退火、混合优化算法等算法的优缺点,以及将该算法应用在梯级水电站短期优化调度中所取得的研究成果。     

梯级水电站短期周优化调度规律探讨

建立了梯级水电站短期周优化调度的梯级蓄能最大模型,在此基础上采用动态搜索算法对其进行求解.通过严密的理论推导和详尽的实例分析探讨了流域梯级电站负荷最优分配规律.梯级电站负荷最优分配主要由梯级水库的区间入流关系和水库特性决定,其结论可指导流域梯级电站优化运行,为集控中心调度和指导实际应用提供参考.调度决策者尚需根据本文的研究方法针对本流域和电站的特性制定符合自身的最优调度规则.     

风电并网条件下的梯级水电站长期优化调度

随着新能源的快速发展,大规模风电并网条件下电网需要更多的调节能力,梯级水电站利用其灵活的调节能力可以与大规模风电联合运行。本文研究了风电的日内反调峰特性对梯级水电站发电的影响,并得到梯级水电站的日发电量上下限。然后,通过这个日发电量约束搭建梯级水电站长期调度与短期调度的桥梁,以达到在长期优化调度中考虑风电的短期反调峰特性的目的。以我国西南地区澜沧江下游2座梯级水电站与周边风电为实例进行研究,结果表明,与风电站联合调度后,梯级水电站的长期调度方式需要改变,尤其是汛前枯期的库水位决策与汛后蓄水决策。所提出模型为破解大规模风电并网问题提供新的技术途径。     

处理梯级水电站复杂约束的短期水火电系统环境经济优化调度

首先建立采用迭代费用惩罚系数的单目标水火电系统环境经济优化调度模型;其次为解决梯级水电站由于时间耦合性和空间相关性而带来的同时处理发电流量约束、库容约束和动态水量平衡约束的难题,给出约束条件的启发式处理方法,使得在满足上述复杂约束的同时,更利于最优解的搜寻。对总装机容量为2 975 MW的水火电系统(包含一个含4水电机组的梯级水电站和3个火电机组)进行仿真计算,结果不仅表明了该启发式约束条件处理方法的可行性和有效性,而且对比进化算法和差分进化算法所得结果,每天的燃料费用分别降低了4 303.96$和1 311.96$,污染气体排放量分别减少8 231.37 lb和1 522.37 lb。     

计及发电权转让的梯级水电站短期优化调度

传统电力市场环境下,梯级水电站的短期优化调度方式简明直观、便于理解,但考虑因素不够全面,为此构建了电力市场环境下的梯级水电站短期优化调度模型,该模型考虑了发电权转让对梯级水电站短期优化调度决策的影响,且当存在发电权交易时兼顾了发电权出让方、受让方以及电网公司三方的经济利益,模型还考虑了梯级水电站的库容、水库水头、机组出力和电网公司购电费用等约束条件。梯级水电站短期优化调度为高维、有时滞且带有大量约束条件的非线性优化问题,因此采用微分进化算法对该优化模型进行求解。算例结果验证了该模型及算法的有效性。     

小浪底、西霞院梯级水电站短期调峰调度研究

基于具有日调节性能的反调节水库的运行特点,提出西霞院水电站参与电网调峰的构想。通过建立小浪底、西霞院梯级水电站短期调峰模型,从理论和实际运行角度验证了西霞院参与调峰的可行性。根据不同的影响因子,制定了小浪底、西霞院短期调峰运行的可行方案。采用加速遗传算法求解各方案,结果表明：西霞院参与调峰运行能够大大提高水资源利用率和电站运行水平,实现电调与水调的双赢。     

基于梯级水电调节的多能联合发电系统短期优化调度

“碳中和”背景下,以新能源为主体的新型电力系统正在大力建设,而化石型调节电源占比的降低给大规模新能源消纳带来了严峻挑战。为此,提出了基于梯级水电调节的多能联合发电系统优化调度模型,以减小因新能源的接入而给电网带来的功率波动冲击,并缓解电网调节资源配备压力。该日前调度模型以梯级水电平抑新能源接入后的负荷波动最小和系统综合成本最低为双重目标。针对模型中高维复杂约束问题,提出了一种改进的NSGA-II算法。该算法对选择策略中设定的比例因子进行了改进,并将正态分布算子引入交叉过程,以保证种群的多样性并提升算法在空间上的搜索能力。仿真结果表明所提模型能利用梯级水电有效平抑新能源入网波动,并兼顾多能发电系统综合经济效益。通过比较各种算法的结果,改进NSGA-II算法帕累托解的质量更优,且分布更均匀。     

基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.