基于人工神经网络的梯级水电站群调度规则研究

水电站群的操作运行往往根据经验而来,缺少科学依据.本文根据人工神经网络的非线性决策的特点,提出了水电站群最优调度规则的人工神经网络模型,并结合实际算例,进行其最优调度规则的模拟计算.通过与不同方法所得结果的对比,结果表明了模型的合理性、可行性及实用性.     

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.     

清江梯级水电站联合调度图的研究与应用

针对清江梯级水电站开展了水库联合调度图的研究,结合库群补偿调度的库容效率指数方法,建立了基于微粒群算法的联合调度图研制模型。得到的联合调度图方案符合清江流域水文及梯级水库结构特点,同时具有调度决策直观、操作简明的优点。经模拟调度检验,联合调度图与现设计应用方案相比,清江梯级总出力不仅满足设计保证率,而且年均发电量可提高2.01亿kW.h,增长率达2.77%,减少弃水10.67亿m^3,减小38.96%。     

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。     

基于模拟逐次逼近算法的梯级水电站群优化调度图研究

水库调度图是水电站发电调度运行的基础,然而现有研究和算法大都集中在单库调度图,库群发电调度图成果较少。本文结合我国开发得较为完善的乌江流域梯级水电站群,提出了一种实用的梯级水电站群发电优化调度图制定方法。该方法以单库调度图为基础,综合形成初始的库群调度图,并以此进行模拟调度,即根据两种调度图对长系列资料逐时段计算,获得两种负荷结果,最终运用库群负荷分配调整两种负荷的偏差,获得调度结果;然后以模拟调度统计的多年平均发电量最大为目标,采用逐次逼近算法不断修正两种调度图的基本调度线,最终获得满足精度要求的单库调度图和库群调度图。较常规方法,本方法方便一次性得出水电站（群）调度图。模拟调度结果表明所建立的方法有效、实用,在兼顾电网对电站要求的基础上,大大提高了梯级长期发电效益。     

基于Matlab遗传算法工具箱的梯级水电站优化调度

遗传算法因其简单、通用、适于并行处理而用于解决非线性复杂问题。在研究了基于Matlab遗传算法工具箱（GAOT）的基础上。提出把水电站水库看作一个系统,把系统的各元素、输入／输出参数等简化和假设后建立简化通用的数学模型。用该数学模型讨论了实现梯级水电站的优化调度问题。详细分析了算法设计中遗传算法控制参数的确定、编码、随机生成初始母体群、适应度计算、选择、交叉、变异、停止准则判断等。以某梯级水电站为例。利用提出的优化调度模型计算了比较简单的情况。表明是可行的。对较复杂的情况也同样适用。     

水电站水库群分区调度图的基本研究

本文提出了应用水电站水库群分区调度图进行库群长期调度的新方法。该调度图的绘制,则是通过建立水库优化调度模型、设计计算径流系列、进行统计分析和优化计算等步骤实现的。实例研究结果证明了该方法的有效性和可行性。     

水电站双线性调度规则研究

本文研究水电站水库调度函数问题。提出了用多种方法综合计算线性调度函数的方法,以使其更具稳定性。采用双线性调度函数相互印证和补充,给出了相应的计算公式,并提出了考虑各决策变量取值规律的具体决策规则。实例模拟调度得到了满意的结果,显示了所提双线性调度规则的有效性。     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。     

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间.提出了一种优化常规调度图的新方法--混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正.该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性.通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径.     

梯级电站厂间负荷分配算法研究

节能减排形势下,为尽可能节约水资源,电网应下达梯级日内96点负荷曲线,由梯级电站根据自身梯级情况进行厂间负荷分配,力求在最小耗水量条件下满足梯级日内负荷需求,该负荷分配面临高维数、多约束问题。本文以电网下达日内负荷为约束条件,以梯级耗水量最小为目标函数,研究厂间负荷分配求解算法。论文提出层次化厂间负荷分配算法模型,建立负荷随机分配算法得到厂间负荷分配初始解,进而提出功率微增逐次寻优算法获得厂间负荷分配最优解,并进行实例验证。研究表明,算法较好地解决了高维数、强约束条件下厂间梯级负荷问题,达到了节约梯级水资源目的。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性     

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。     

梯级水电站优化调度研究现状

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。     

市场环境下梯级电站厂间–厂内负荷分配模型

市场环境下梯级负荷分配包括厂间负荷分配和厂内机组两个层次,厂间负荷分配目标为梯级效益最大化,厂内负荷分配目标为在安全前提下满足耗水量最小化。本文建立两个层次分配模型：厂间采用发电收益最大目标,使用逐步优化算法解决;厂内机组负荷分配采用耗水量最小目标,使用双动态规划解决,先采用动态规划解决逐时段内安全约束下最优分配,在此基础上时段间采用动态规划解决机组启停优化。两层次间以时段综合出力系数为协调变量的策略进行协调优化,将厂间负荷分配作为第一阶段,将厂内负荷分配作为第二阶段,两阶段迭代求解,得到最优分配结果。实例表明算法高效、快速完成了厂间–厂内负荷分配的统一调度,提高市场环境下梯级电站的竞争能力。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

改进的多层次优化算法在水库群优化调度中的应用

随机动态规划(SDP)方法是水库优化调度的基本方法,但将其应用于包含有多年调节水库的水库群的优化调度时会引起"维数灾"问题,并且难以反映多年调节水库调节周期不定的特点。针对这种情况,本文提出多层次的改进遗传模拟退火优化算法(IGA-SA),把库群优化问题分解为第1层次的SDP优化与第2层次的IGA-SA优化,从而获得库群的优化调度结果,并应用于贵州乌江梯级水库群中长期发电优化调度研究中,取得较好的结果。实践表明,该方法可以克服随机动态规划应用中遇到的"维数灾"问题,并给包含有多年调节水库的水库群的优化调度问题研究提供了有效的工具。     

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.     

梯级水电站群联合优化调度规则制定的投影寻踪回归法

为了客观反映梯级水电站群联合调度过程中各调度因子之间的非线性关系,引入了投影寻踪回归模型,用相关分析和多元逐步回归分析相结合的方法筛选调度因子,建立了基于Hermite多项式的梯级水电站群调度函数的投影寻踪回归模型,并采用实数编码遗传算法对模型进行了求解。算例结果表明,投影寻踪回归模型能很好地反映调度函数中决策变量与自变量之间的非线性关系,与BP人工神经网络模型相比,其对最优运行轨迹的拟合效果提高明显,稳健性更好。     

梯级补偿效益分摊的变异系数-Shapley值法

针对流域水能梯级开发中各水电站隶属于不同业主,在梯级水电站补偿效益分摊中既要保证梯级整体效益最大化,又要满足分摊结果公平合理的问题,将变异系数法与Shapley值法相结合,提出多业主梯级水电站补偿效益分摊的变异系数-Shapley值法,并将其应用于汉江中游南河流域梯级中的三级水电站补偿效益分摊实例中。结果表明,该方法不仅考虑了各水电站在参与联合调度时的自身贡献率,同时也兼顾了各水电站自身的装机容量、保证出力、调节库容、多年平均发电量等个体特征,实现了各水电站间补偿效益分摊的公平性与合理性,有利于提高各级水电站参与梯级联合调度的积极性,确保流域梯级联合调度效益最大化。