含多种约束仿水循环算法的梯级水电站优化调度

进入二十一世纪以来，科技大发展，经济大发展。人们的生活越来越舒适、便捷的同时，随之而来的一系列问题也十分明显。环境的污染、能源的短缺，促进了我国水电企业模型的改革，因为只有改革才能适应时代的变化，才能解决日益严峻的能源形势。下面，我们将主要分析一下目前我国梯级水电站优化调度模型与算法。

如今，广大民众对能源的需求量越来越高，但是我国的能源可用量却越来越少，在这种情况下，对水、电能源结构进行调整是势在必行的。其实，梯级水电站优化调度已经得到了广大民众的普遍关注．而本研究就将针对“梯级水电站优化调度模型与算法研究”这一主题进行详细的阐述，使广大民众对这方面的内容有一个更加全面且深入的了解。

进入二十一世纪以来，科技大发展，经济大发展。人们的生活越来越舒适、便捷的同时，随之而来的一系列问题也十分明显。环境的污染、能源的短缺，促进了我国水电企业模型的改革，因为只有改革才能适应时代的变化，才能解决日益严峻的能源形势。下面，我们将主要分析一下目前我国梯级水电站优化调度模型与算法。

如今，广大民众对能源的需求量越来越高，但是我国的能源可用量却越来越少，在这种情况下，对水、电能源结构进行调整是势在必行的。其实，梯级水电站优化调度已经得到了广大民众的普遍关注．而本研究就将针对“梯级水电站优化调度模型与算法研究”这一主题进行详细的阐述，使广大民众对这方面的内容有一个更加全面且深入的了解。

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。

随着经济社会不断发展,我国能源结构也随着不断变化,水电资源作为一项重要能源,其发展好坏直接关系到我国的可持续发展道路.梯级水电站作为水电的一种关键形式,必须对其进行发电优化调度,从而保证水资源得到合理利用.本文主要针对梯级水电站的主要特点和未来发展方向,总结了我国的一些成果,并深入分析了其运行过程中的主要问题,通过对模型进行改进,对其进行优化调度,提出了新的调度模型.

本文首先从目标函数和约束条件两个方面,介绍了梯级水电站优化调度的各类数学模型.然后对目前研究比较广泛的各类优化算法进行了综述.最后指出随着水电能源的开发,梯级水库优化调度下一步可能的发展方向.

将改进型蚂蚁算法用于梯级水电站短期优化调度问题,并通过引入遗传算法的交叉和变异思想以及自适应搜索半径方法提高了蚂蚁算法的搜索能力．以最小耗水率模型为例,给出了梯级水电站短期优化调度问题改进型蚂蚁算法的数学描述和求解的算法步骤,并通过龙羊峡-李家峡梯级水电站实例验证了改进型蚂蚁算法的优越性．结果表明,与遗传算法相比,改进型蚂蚁算法获得了更优的调度方案．优化结果在取得更低耗水率的同时,减少了机组的启停次数,并且使所有机组连续高效运行,从而降低了机组的维护费用,并增加了梯级的经济效益．

提出一种求解梯级水电站中长期优化调度问题的方法—蚁群算法(antcolonyalgorithm,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。

为有效求解梯级水电站多目标联合优化问题,充分发挥水电的发电效益和容量效益,提出一种新型的改进多目标布谷鸟算法(imocs)。针对传统布谷鸟算法存在收敛速度慢的问题,将动态发现概率和步长融入到算法中,并结合非支配排序遗传算法(nsga-ii)的非支配排序思想以及拥挤距离维护外部档案集策略,提出imocs;通过测试函数验证了所提算法的有效性。将imocs应用到乌江梯级水电站多目标优化调度中,得到了分布均匀的非劣调度方案集。最后通过模糊决策模型,主客观确定目标权重法,从非劣解集中选择一个折中方案,得到各水电站发电用水过程。结果表明,调度方案合理、可靠,且均能满足各项约束条件。梯级水电站优化调度采用imocs具有较大的实用意义。

针对pso算法中的早熟收敛问题,提出一种文化粒子群算法(cpso)并将pso纳入文化算法模型作为群体空间的进化方式,引入一种局部随机搜索算子实现信念空间的知识结构并指导算法的演化过程,在保持种群多样性的同时提高算法的全局寻优性能。将cpso应用于某梯级水电站的优化调度中,结果表明,cpso可很好地兼顾计算速度及求解精度,为梯级水库优化调度提供了一条全新途径。

逐步优化算法（poa）在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析poa寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了poa的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的＂自上而下逐电站＂寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比poa算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法(seoa)是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将seoa应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法(改进seoa)。实例表明,在梯级水电站发电优化调度模型的求解中,改进seoa搜索效率高、寻优能力强、稳定性好。

逐步优化算法(poa)在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析poa寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了poa的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的\"自上而下逐电站\"寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比poa算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法（seoa）是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将seoa应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法（改进seoa）。实例表明,在梯级水电站发电优化调度模型的求解中,改进seoa搜索效率高、寻优能力强、稳定性好。

针对电力市场中买卖双方通过签订远期合同进行交易的市场交易类型,结合水库优化调度理论与方法,建立物理合同和金融合同下的梯级水库优化模型,并以清江梯级水电站为例进行应用研究,验证了模型的合理性与有效性,为今后市场环境下水电商针对不同的合同签订方式做出决策提供了参考和依据。

针对流域梯级水电站优化调度的特点,提出了计及atc影响的梯级水电站优化调度模型。根据电网典型运行方式和上一时间段的调度情况,利用最优潮流计算水电上网通道的atc容量。将atc容量约束直接引入到梯级水电站优化调度模型中,利用粒子群优化算法的全局寻优能力对梯级水电站中长期优化调度进行寻优。以四川某流域梯级的4个电站优化调度为例,计算结果表明采用所建模型和方法能够有效提高梯级水电站发电量和发电收益。

梯级水电站中长期经济调度是一个典型非线性优化问题，通常要求在满足复杂的水力、电力约束条件，兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题，通过改进标准蝙蝠算法（batalgorithm，ba）更新策略和引入差分进化算法（differentialevolution，de）变异、选择操作，提出一种改进的蝙蝠算法（improvedbatalgorithm，iba）。对标准蝙蝠算法更新策略进行以下改进：1）蝙蝠个体脉冲频率不随种群迭代而更新；2）蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新；3）无条件接受全局搜索产生的新解，有条件接受局部搜索产生的新解；4）改进飞行速度公式，缩小新个体与当前种群最优个体的偏离值。同时，针对蝙蝠算法种群多样性差、易陷入局部最优的缺点，引入差分进化算法中的变异、选择操作，实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型，利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例，从流域长系列径流资料中选取典型年，对iba的主要控制参数（缩放因子、最大迭代次数）进行测试与分析。采用iba、ba、逐步优化算法（poa）对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看，对于复杂的梯级水电站经济调度问题，改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力，同时缩短计算时间，获得更高精度解。

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.

本文针对目前各种梯级水电站优化调度算法存在不足,以云南滚朋羊梯级水电站优化调度为工程背景,着力考虑该梯级总发电量和最大保证出力2个重要指标,并且围绕这2个指标建立该梯级水电站优化调度的目标函数,采用蚁群算法获得该目标函数的解。最后通过仿真证明,采用蚁群算法获得的解将是全局最优解。

分析对梯级水电站优化调度效益影响的因素和评价指标计算方法,设计符合乌江梯级水电站优化调度工作标准及其指标体系,拟定了乌江梯级水电站优化调度效益评价管理办法,用于提高效益评价工作过程中信息的准确性、完整性和实时性,推动优化调度工作的开展。

http://www.***.*** 乌溪江梯级水电站优化调度研究 芮钧 国电自动化研究院，江苏南京（210003） e-mail：ruijun12@163.com 摘要：以乌溪江梯级水电站为例，详细介绍了用逐步优化算法求解梯级水电站发电优化调 度的全过程。此方法可以获得梯级各电站的最优运行方式，指导梯级各水电站的实际运行。 关键词：乌溪江梯级电站，逐步优化算法，优化调度 1.引言 水电站的单库优化调度问题，可以使用常规动态规划算法来求解，其计算时间和计算精 度均能满足实际生产的需要[1]。但是，梯级水电站优化调度决策变量较多，且各水库之间互 相影响，利用常规的动态规划来求解会遇到维数灾问题[2]。目前比较适合用于求解梯级水电 站优化调度的算法主要有逐步优化算法和基因遗传算法。本文主要讨论用逐步优化算法求解 梯级水电站优化调度问题的方法。 逐步优化算法（