梯级水电站水电调度优化方法综述

梯级水电站水电调度优化方法综述

田佳豪,郭敏,秦阳

广西大藤峡水利枢纽开发有限责任公司 广西省桂平市537200

摘要：水电能源作为现阶段电力系统中占比最高的可再生清洁能源，需要在优化调度过程中均衡考虑发电量和最小出力两个动能指标。发电量最大模型可最大限度地利用水能资源，实现发电企业效益最大化；最小出力最大模型则可提升水电系统最小出力，增强水电丰枯补偿调节作用。作为国民经济发展基础能源产业的水电力工业，是现代化工业生产和生活不可或缺的动力产业，是国家能源局重点发展产业之一。梯级水电站是由建立在同一江河流域的若干个水电站构成的。由于梯级水电站之间存在着水力、电力联系，梯级水电站不仅要满足电力系统运行要求，还要考虑发电和用水之间的协调才能使综合效益最大化。

关键词：梯级水电站；水电调度；优化方法 

梯级水电站在电力系统运行中发挥着重要作用，对其进行长期优化调度是一个复杂的高维非线性优化决策问题，求解相当复杂。许多学者对此进行了研究，大多采用单目标优化调度模型，以发电量最大、耗水量最小、总蓄能最大为优化目标取得了较好的效果。由于梯级水电站之间存在着水力、电力联系，约束复杂，运行方式较单个水电站更为灵活多变，因此，梯级水电站优化调度的模型建立一直是水电系统优化调度中的难点问题。同时，梯级水电的优化调度具有大规模、非线性、有时滞约束的动态特性，对求解方法也有很高的要求。我国原有的水电优化调度研究都是在计划经济体制下进行的，伴随着电力体制改革的推进，电力市场逐步建立和完善，必然会对水电优化调度提出新的耍求，水电优化调度蟊临新的挑战。

一、梯级水电站运行特性

1、承担社会职能。大型水电站通常兼具防洪、灌溉、航运、生态用水等多重社会职能，其运行除满足自身安全约束外，还需要将综合利用约束纳入发电优化调度模型中，导致梯级水电站优化调度需要处理的约束条件数目众多且形式各异。

2、梯级水电站之间水力联系。梯级水电站各电站坐落于同一河流上，呈现间断式或连接式衔接。上游电站发电或弃水流量影响下游一级或多级电站入库流量，进而影响下游电站发电和综合用水计划；而水电站自身当前时段下泄流量亦影响后续时段用水计划，使梯级水电站之间以及单一电站不同时段之间具有很强的水力耦合关系，导致梯级水电站运行调度无论在时空关系上，还是在能量传递与时程分配上均十分复杂。

3、梯级水电站间电力联系。梯级水电站统一调度情况下可协调各水电站运行方式，充分挖掘梯级水电站间库容补偿和水文补偿效益，但由于电站数目众多，且一般具有一定调节能力，容易导致短期运行调度在负荷分配技术上的“高维”问题。特别是各级电站在同一或邻近接入点并网，共用输电通道且容量不足时，容易形成相互制约关系。梯级水电站与电力系统之间，以及梯级水电站之间的电力联系，一定程度上增加了优化调度难度。

二、梯级水电站优化调度模型

梯级水电站之间水力、电力关系复杂，涉及变量众多，其运行不仅与水库调节能力、坐落位置有关，还与上、下游电站衔接方式、机组发电效率等相关，主要模型和参数包括：水电站出力模型、水量平衡方程、流量平衡方程、水位－库容曲线方程、尾水位－泄流量曲线方程、发电量－引水流量曲线方程，以及净水头、前池水位、尾水位等参数。下面给出梯级水电站优化调度目标函数和相关参数、约束条件。

1、梯级水电站优化调度目标函数。非市场环境下，梯级水电站中长期优化调度为“以水定电”过程，通常选择发电量最大为目标，短期或实时调度为“以电定水”决策过程，通常选择最大蓄能优化目标，提高水能资源综合利用效率；市场环境下，则通常以梯级水电站发电效益最大为目标，实现增发增收。

2、常用约束条件

（1）水位约束

（2）流量约束



三、梯级水电站水电调度优化方法

1、智能优化方法

（1）模拟退火算法(SA)：模拟退火算法来源于固体退火原理。固体物质在加热的时候内部粒子间的布朗运动增强，呈现无序状态，内能增强至一定强度后再退火，粒子热运动减弱，并逐渐趋于有序，最后达到平衡态，内能减弱达到毒小。 ．模拟退火是一种通用的优化算法，是基于迭代求解策略的二种随机寻优算法，它通过利用概率突跳特性在解空间随机寻找目标函数，有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。

（2）遗传算法(GA)：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是以一种群体中所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。遗传算法包括参数编码、适应度函数的设计、初始群体的选取等核心内容，而选择、交叉和变异则构成了遗传算法的三个遗传算子。遗传算法是一种新的全局优化搜索算法，其特点是简单通用，健壮性强，适于并行处理以及高效实用等，目前在各个领域都得到了广泛应用，并且取得了良好效果，有望成为重要智能算法之一。

（3）禁忌搜索(TS)：禁忌搜索的基本思想是标记对应已搜索的局部最优解的一些对象，通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，从而保证对不同的有效搜索途径的探索。禁忌搜索算法是一种全局性领域搜索算法，是对人类思维过程本身的一种模拟，它通过对一些局部最优解的禁忌，达到多样化的有效探索以最终实现全局优化。

（4）人工神经网络(ANN)：人工神经网络是一种模仿生物神经网络的结构和功能的数学模型，它的构成与作用方式都是在模仿人脑。人工神经网络是通过已知数据的实验运用来学习和归纳总结，学习的作用是根据神经元之间激励与抑制的关系，改变它们的作用强度。人工神经网络由大量的人工神经元联结而成，神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。人工神经网络通过对局部情况的对照比较(该比较是基于不同情况下的自动学习和实际要解决问题的复杂程度所产生的)，推理产生一个可以自动识别的系统，该系统就能给出正确的推理结论。

2、优化方法性能比较。最优化方法在应用于复杂、困难的优化问题时有较大的局限性。线性规划算法是一种较先进和科学的方法，有统一算法，任何线性规划问题都能求解，但是只能处理线性关系的情形；非线性规划不像线性规划那样，有统一的算法，针对每个待解决的问题都要有其特定的算法，从而存在一定的局限性，到目前为止还没有适合于各种非线性规划问题的一般算法：动态规划算法在求解过程中能够得到一组全局最优解，在计算时，可以利用动态过程演变的联系和特征，再加上实际知识和经验提高求解效率，但是动态规划模型没有统一的标准模型，利用数值方法求解时存在维数灾。现代智能优化算法一般都是建立在生物智能或物理现象基础上的随即搜索算法。例如，模拟退火算法来源于固体退火原理，遗传算法模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程，禁忌搜索模拟了人类有记忆过程的智力过程，人工神经网络更是直接模拟了人脑的思维模式。它们之间的联系非常紧密，比如模拟退火和遗传算法为人工神经网络的后续学习铺平了道路，为其更优良算法的研究提供思路，把它们有机地结合在一起，扬长避短，性能将更加优越。智能优化算法由于其面世时间晚，在理论上的研究远不如优化算法完善，往往在求解过程中并不能确保解的最优性，但从实际应用的观点看，这类新算法的要求的条件没有那么苛刻，一般不会要求目标函数和约束条件的连续与凸性，甚至有时连解析表达式都不作要求，对计算中数据的不确定性也有很强的适应能力，可移植性更强。

在市场经济大潮的推动下，电力市场改革热潮的日趋激烈，同时伴随着近几年科研活动的广泛开展，新的市场环境给传统的梯级水电优化调度提出了新的要求，虽然水电调度优化及运行理论取得了较大进步，但仍然存在一些问题，尤其是针对实际生产实践，现存的水电调度优化方法还不能完全适用。

参考文献：

[1]袁晓辉，袁艳斌，权先璋．基于混沌进化算法的梯级水电系统短期发电计划[J]．电力系统自动化，2019，(16)：34～38．

[2]徐刚，马文光，基于蚁群算法的梯级水电站群优化调度[J]．水力发电学报，2018，24(5)：7～10．

[3]梅亚东，朱教新．梯级水电站短期优化调度模型及迭代解法[J]水力发电学报，2019(2)：1～6．

[4]纪昌明，张玉山，李继清，市场环境下水电系统厂间经济运行问题研究[J]．华北电力大学学报，2018，32(1)：99～102．