梯级水电站群优化调度研究

梯级水电站群优化调度研究

杨滨榕

横县江南发电有限公司     广西壮族自治区    南宁市   530300

摘要：水电站作为我国目前新型的电能转换大型设备，也是电能转换设备中节能效果最好的。为了进一步优化水电站的电能转化效率，节约能源，我国提出了梯级水电站的调度模式。梯级水电站调度具有很强的调度能力，不仅能够加强水资源供应，同时可以改善水资源结构，确保用水的安全性，在生态环境保护方面也具有重要意义。

关键词：梯级；水电站群；调度

1梯级水电站群优化调度

国内外关于大规模水电优化调度降维方面的研究，已经趋于成熟和完备。申建建等以中国云南电网162座水电站为研究背景，提出一种考虑调度特征降维的水电短期实用化调度方法，满足了电网实际运行的时效性和实用性要求。纪昌明等构建了一种时段平均出力的泛函计算模型引入泛函分析思想到动态规划算法中用以解决水库优化调度过程中计算规模大和时间长的问题。Li等提出结合离散微分动态规划与大系统分解协调方法的混合寻优方法，基于长江流域梯级水电站群的测试结果证明了该方法在发电量和求解时间上具有双重优势。然而，以传统动态规划方法为代表的改进算法，虽然可以在一定程度上缓解维数灾困难，但在以较短时间确保运算结果的高精度同时，随着梯级水电站规模的扩大，计算负担可能会急剧增长，计算效率仍然十分具有挑战性。冯仲恺等在传统逐步优化算法引入计算机并行技术来加速求解大规模梯级水电优化调度问题，可极大地提高了计算效率。Liu等提出了一个并行机会约束动态规划模型，利用拉格朗日对偶理论和惩罚函数在Fork/Join并行框架下对模型进行求解，提高了梯级水电计算效率。但是，当水电系统的规模达到一定程度，方法求解的优化规模仍然保持不变，计算时间可能无法满足实际需求。因此，研究实用性、可行性的优化方法来提高梯级水电短期优化调度的效率和精度具有十分重要的意义。

2 梯级水电站群优化调度研究

2.1 数学规划方法

2.1.1 线性规划

线性规划方法是水电优化调度领域发展最为完善、应用最为广泛的方法之一。赵志鹏等构建考虑回水顶托影响的混合整数线性规划调峰模型，此模型比传统模型的精度和计算效率高。但由于梯级水电站群优化调度系统多为非线性系统，应用线性规划法计算对调度模型中进行近似线性化处理时得到的优化解精度低。一般用线性规划法求出近似优化解，再采用其他优化方法提高优化解的精度。

2.1.2 非线性规划

非线性规划法一般用于求解包含不可分目标函数或非线性约束条件的优化问题。该方法通常是线性化优化问题中的非线性约束，或者采用惩罚函数处理约束条件。只有凸规划问题求解时采用非线性规划才能得到全局最优解，所以非线性规划在处理凸规划问题时有更强的适用性。

2.2 现代启发式智能算法

2.2.1 遗传算法

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。遗传算法适用于处理传统搜索方法解决不了的复杂和线性问题，具有可直接操作结构对象和从多点出发搜索最优解等优点，多应用于组合优化和参数率定等问题。范金骥在遗传算法中引入模拟退火方法和混沌理论，为梯级水电站群长期优化调度提供了新方法。

2.2.2 蚁群算法

蚁群算法基础上建立水电站梯级调度的模型，利用调度算法实现可视化识别。水电站水库优化调度模式，即为水电站的水库改进调遣进程中调入及排出关联，此处调入是指水电站供应水源，排出是指全站转换的发电总量。根据水电站梯级调度模式的特征可以看出，该梯级水电站的改进调遣进程随着蓄水量高低表现出相对规则的变化，向辨别系统构造反馈踪迹。依据此类启发，选用简化后的梯度级年度可用性能源水电站的蓄能与梯级水电站的入能之和，当做全系的调入消息，表示初始蓄水量及总输入影响水电站水库调遣进程的程度，识别水电站梯级调度模式。

水电站梯级调度模式主要分为供给模式和存储模式，供给模式主要表现为水电站水库向转移区域提供水资源的状态，存储模式条件为水电站处于不工作状态，发电和转换设备处于待机状态。水电站梯级调度模式可以通过水资源入库流量过程、水电站水库调度的输入项，出库流量过程、梯级处理过程。根据对水电站梯级调度过程的变量指标进行数据处理，以便得到水电站梯级调度模式的状态。

2.2.3粒子群算法

粒子群优化（PSO）算法于1995年被提出，根据对鸟类寻食过程的信息共享机制进行社会化模拟，从而形成对优化问题的全局最优解快速搜索的能力，同时因参数少、算法简单等优点，受到国内外许多学者的关注。值得一提的是，经20多年的发展，粒子群算法的理论体系已相对成熟和完善，其适用性和求解结果的可靠性的优势，目前已被成功应用到水电调度工程领域。因此本文采用粒子群优化算法实现短期梯级水电站降维优化调度的目的。

3提高梯级水电站群优化调度的相关措施

3.1建立适合的随机调度模型，构建高效的求解算法

在梯级水电站群基础上进一步考虑不可控风、光发电，并结合储能系统的优化调度，其中模型输入为不确定性径流、风能以及太阳能，因此这是一种多重不确定性条件下的随机优化问题，则适合的模型与高效的算法成为协同调度的研究重点与难点。现有研究多以求解算法为主，针对复杂巨型随机约束优化问题内在的多维多目标特性研究较少，尚未形成系统的大规模多能源优化调度求解理论体系。同时为适应电网不同运行方式下的实际需求，需构建针对多种典型场景的调度模型，并采用效率与精度较高的智能优化算法进行求解。

3.2 水资源耦合系统动力学适应性调控建模

(1) 基于梯级水电站群系统的综合利用需求，兼顾上游其他电站的运行情况，探索并建立人工智能在大规模的互补系统综合调度技术领域应用的理论基础及研究范式，发展实时响应出力与负荷随机变化、工况自适应、耦合风险评估和方案自寻优、具有闭环反馈机制的适应性调控建模理论与方法，构建整个梯级水电站群下游综合风能、太阳能、水能的精准模拟体系。

(2) 研究流域梯级水电站群系统的联合优化调度模型、求解算法和集成耦合技术，发展联合优化调度方法，探讨预报与调度运行评估以及上下游利益分配的关键技术。

3.3多时空尺度梯级水电站群优化调度建模。

针对中长期调度，综合考虑梯级水电站群自身约束、电网约束、复杂耦合约束，以及电站的不确定性，考虑水库群的水位，建立面向梯级水电站群多能互补的中长期优化调度模型，分析梯级水电站群接入背景下流域梯级水库群的中长期互补调度方式，如调节性水库的关键水位控制，消落/蓄水时机、消落深度、蓄水速度等；从短时间尺度分析，梯级水电站群系统运行的主要目的是平抑新能源出力的随机性和波动性。针对短期调度，建立基于分区控制的流域级梯级水电站群短期效益与风险协同优化调度模型，实现区域间梯级水电站群联合优化调度，提出梯级水电站群短期多能互补运行的优化调度方式。综合长中短期调度研究，解析系统内各电站的复杂水力-电力多维耦合关系，分析中长期与短期调度在目标和方式间的协同机制，建立面向电力/电量补偿的多能互补系统多尺度调度运行方式。

结论

梯级水电站群优化调度问题涉及面广，其研究在实际生成中有重要价值。随着学者对水电站群优化调度理论的研究，梯级水电站群优化调度研究已开始转向实际应用，使用多技术混合进行优化。随着高新技术等大规模和高强度地应用，加快实现梯级水电站群调度系统科学化和智能化，提升调度决策的技术水平，使梯级水电站群调度的发展方向朝着可视化、智能化和集成化前进。

参考文献：

[1]赵珍玉,张一,李刚,李秀峰,蒋燕,周彬彬,程春田.风电并网条件下的梯级水电站长期优化调度[J].水力发电学报,2020,39(12):62-75.

[2]张验科,刘源,纪昌明,张佳新.考虑水流时滞的梯级水电站水库群短期发电优化调度[J].电力系统自动化,2020,44(06):45-51.

[3]赵梦龙. 黑河干流梯级水电站水库多目标优化调度研究[D].西安理工大学,2019.