电网调峰的水电站短期多目标发电计划编制方法及系统与流程

本发明属于水利调度领域，更具体地，涉及一种响应电网调峰的水电站短期多目标发电计划编制方法及系统。

背景技术：

随着我国电网建设的高速发展和电网规模的不断扩大，电网安全稳定经济运行的需求越来越高，电力系统调峰能力不足的问题日益凸显。梯级水电站短期发电计划编制是流域梯级集控中心水调部门工作的重要组成部分，属于“以水定电”模式。它通常以梯级总发电量、发电效益最优或者调峰效益最大为目标，综合考虑短期径流预报、电力系统负荷变化以及电站机组检修计划、出力振动区等约束，从而有效利用和细化中期调度分配至日内的可用水量。

传统的发电计划编制一般仅考虑发电量或发电效益的单一目标，当需要响应电网调峰需求时也只以剩余负荷最大值最小或者方差最小为目标函数，往往忽略了发电量与调峰量二者之间的统筹协调关系，导致弃水调峰等问题的发生，不利于水资源和水能资源的有效利用。且原有多目标粒子群算法易陷入局部最优。

技术实现要素：

针对现有技术的以上缺陷或改进需求，本发明提供了一种电网调峰的水电站短期多目标发电计划编制方法及系统，由此解决现有发电编制方法忽略了发电量与调峰量二者之间的统筹协调关系，导致弃水调峰等的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种电网调峰的水电站短期多目标发电计划编制方法，包括：

(1)建立电网余荷方差最小和梯级总发电量最大的梯级水电站短期多目标发电计划编制模型；

(2)确定所述梯级水电站的经济运行方式，在机组nhq曲线的基础上求得所述梯级水电站的最优动力特性，进而得到各台机组的出力，其中，所述梯级水电站经济运行方式包括以电定水和以水定电两种模式；

(3)在可行空间内随机产生若干个粒子，并基于各粒子的目标函数值确定每个粒子的个体极值，然后根据粒子的支配关系，将彼此不受支配的部分粒子保存在外部档案集中；

(4)由各粒子的个体极值更新每个粒子的位置和速度，然后从所有粒子中随机选择预设比例的粒子进行多项式变异之后，对变异后粒子进行不可行解的修复，再次计算所有粒子的目标函数值；

(5)由重新计算的各粒子的目标函数值更新各粒子的个体极值，若新的目标函数值支配更新后的个体极值，则用新的目标函数值替换更新后的个体极值；若新的目标函数值与更新后的个体极值彼此不受支配，则随机选择新目标函数值或更新后个体极值作为新的个体极值；

(6)根据粒子的支配关系以及拥挤距离对所述外部档案集进行更新，判断是否满足预设终止条件，若满足所述预设终止条件，则输出所述外部档案集，从所述外部档案集中随机选择两个解，通过比较选择的两个解的拥挤距离获得全局极值，以作为最优发电计划编制方案，若不满足所述预设终止条件，则返回执行步骤(4)。

优选地，所述电网余荷方差最小为：由确定最小的电网余荷方差，其中，t为时段序号，t为总时段数，dt表示第t时段电网余荷，d表示电网余荷的平均值，f表示电网余荷的方差。

优选地，所述梯级总发电量最大为：由确定最大的梯级总发电量，其中，i为电站序号，i为总电站数，e表示梯级总发电量，ntⁱ表示第t时段电站i的出力，时段长度为δt，t表示总时段数。

优选地，所述梯级水电站短期多目标发电计划编制模型的约束条件为：末水位控制约束、水位约束、出力约束、下泄流量约束、水量平衡约束、出力爬坡约束及机组振动区约束。

优选地，在所述梯级水电站经济运行方式为以电定水方式时，所述方法包括：

根据电站负荷、机组动力特性，由对所有水头及出力组合下的最优负荷分配方案依次求解，得到电站最优负荷分配表，其中，k为机组序号，k表示总机组台数，h表示发电净水头，及分别表示k-1台和k台机组条件下的总负荷，表示总负荷为净水头为h情况下各台机组最优总耗流量，qk(nk,h)为第k台机组出力为nk、净水头为h时的耗流量，为边界条件，表示第k-1台机组在总负荷为净水头为h情况下的耗流量，nk为第k台机组的出力。

优选地，在所述梯级水电站经济运行方式为以水定电方式时，所述方法包括：

计算电站净水头，然后根据计算得到的净水头查电站预想出力曲线，得到电站最大出力nmax和最小出力nmin，并获取电站最大出力及最小出力对应的发电流量qmax和qmin；

判断已知下泄流量q是否在qmin与qmax之间，若q＜qmin，则设置最终出力n＝0；若q＞qmax，则设置最终出力n＝nmax；

若已知下泄流量q在qmin与qmax之间，则将当前出力设置为并利用以电定水求得在出力n'情况下电站的总耗流量q'；

若|q-q'|≤δ，则设置最终出力n＝n'；若q-q'＞δ，则设置nmin＝n'，并由最新确定的最小出力确定当前出力；若q'-q＞δ，则设置nmax＝n'，并由最新确定的最大出力确定当前出力，δ为预设阈值。

优选地，在步骤(4)中，由更新粒子的速度，由更新粒子的位置，其中，w为惯性权重，c1及c2为正的加速常数，r1及r2为[0,1]之间均匀分布的随机数，表示第i个粒子的个体极值，为全局极值，表示粒子更新后的速度，表示粒子更新之前的速度，和分别表示粒子更新前、后的位置。

按照本发明的另一方面，提供了一种电网调峰的水电站短期多目标发电计划编制系统，包括：

模型构建模块，用于建立电网余荷方差最小和梯级总发电量最大的梯级水电站短期多目标发电计划编制模型；

第一计算模块，用于在机组nhq曲线的基础上求得所述梯级水电站的最优动力特性，进而得到各台机组的出力，并根据输入条件确定所述梯级水电站经济运行方式，其中，所述梯级水电站经济运行方式包括以电定水和以水定电两种模式；

第二计算模块，用于在可行空间内随机产生若干个粒子，并基于各粒子的目标函数值确定每个粒子的个体极值，然后根据粒子的支配关系，将彼此不受支配的部分粒子保存在外部档案集中；

第三计算模块，用于由各粒子的个体极值更新每个粒子的位置和速度，然后从所有粒子中随机选择预设比例的粒子进行多项式变异之后，对变异后粒子进行不可行解的修复，再次计算所有粒子的目标函数值；

第四计算模块，用于由由重新计算的各粒子的目标函数值更新各粒子的个体极值，若新的目标函数值支配更新后的个体极值，则用新的目标函数值替换更新后的个体极值；若新的目标函数值与更新后的个体极值彼此不受支配，则随机选择新目标函数值或更新后个体极值作为新的个体极值；

判断执行模块，用于根据粒子的支配关系以及拥挤距离对所述外部档案集进行更新，判断是否满足预设终止条件，若满足所述预设终止条件，则输出所述外部档案集，从所述外部档案集中随机选择两个解，通过比较选择的两个解的拥挤距离获得全局极值，以作为最优发电计划编制方案，若不满足所述预设终止条件，则返回执行所述第三计算模块的操作。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明实现了流域梯级水电站短期多目标发电计划编制模型的高效求解，能够取得下列有益效果：

(1)与传统的多目标进化算法(multi-objectionevolutionaryalgorithm，moea)不同，本发明不需要适应度赋值的过程，算法设计可得到相应简化。但由于同时存在多个彼此不受支配的全局最优解，本发明从外部档案集中随机选择两个解，通过比较二者的拥挤距离获得全局极值。另外，为了防止算法陷入局部最优，本发明采用多项式变异对一定比例的粒子进行变异操作，实现流域梯级水电站短期多目标发电计划编制模型的高效求解。

(2)本发明求解短期多目标发电计划编制问题，同样选择水库水位为决策变量对粒子进行编码，采用“廊道”法随机生成初始解以及不可行解修复策略，依据空间最优流量分配方法进行单时段“以水定电”出力计算，并修正不满足爬坡约束的出力过程，对工程有实际指导意义。

附图说明

图1是本发明实施例提供的一种方法流程示意图；

图2是本发明实施例提供的一种总发电量最大时清江梯级出力过程及省网余荷结果图；

图3是本发明实施例提供的一种总发电量最大时清江梯级电站的水位及出力过程图，其中，图3中(a)为水布垭电站的水位及出力过程图，图3中(b)为隔河岩电站的水位及出力过程图，图3中(c)为高坝洲电站的水位及出力过程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明应用于统筹考虑电网余荷方差最小和梯级总发电量最大两个目标的模型，可有效减轻系统调峰压力，改善供电质量。电网能够安全稳定经济运行。并且，本发明有效改善了原有多目标粒子群算法易陷入局部最优的不足，在满足电网调峰需求的同时提高整个梯级电站的发电效益，获得分布均匀的pareto最优解集，为制定兼顾电网调峰需求的梯级水电站短期发电计划编制提供借鉴与参考。

如图1所示是本发明实施例提供的一种方法流程示意图，本发明实施例提供的一种电网调峰的水电站短期多目标发电计划编制方法包括以下步骤：

s1：确定模型，统筹建立电网余荷方差最小和梯级总发电量最大两个目标的梯级水电站短期多目标发电计划编制模型，具体为：

s1.1：模型目标函数；

s1.1.1：电网余荷方差最小，计算公式如下：

其中，i为电站序号，i∈[1,i]，i为总电站数；t为时段序号，t∈[1,t]，t为总电站数；ct及dt分别表示第t时段电网负荷及其余荷；表示电站i第t时段的出力；及f为统计值，分别表示电网余荷的平均值及其方差；

s1.1.2：梯级总发电量最大，其目标函数可表示为：

其中，e表示梯级总发电量；m表示第i个电站的机组台数；表示第t时段电站i的第m台机组的出力，它是该机组发电流量与发电水头的函数；

s1.2：约束条件

s1.2.1：末水位控制约束

其中，及分别表示调度期末电站i的实际水位及控制末水位；

s1.2.2：水位约束

其中，和分别为第i个电站第t时刻的水位及其上下限，汛期水位上限为汛限水位；

s1.2.3：出力约束

其中，分别为第i个电站第t时段出力的最大、最小值，表示电站i第t时段的出力；

s1.2.4：下泄流量约束

其中，和分别表示电站i第t时段的下泄流量及其上下限；

s1.2.5：水量平衡约束

其中，和分别表示电站i第t时段初、末库容值；和分别表示电站i第t时段的入库及下泄；δt为时段长度；

s1.2.6：出力爬坡约束

其中，rⁱ为电站i单时段爬坡出力限制，表示第i个水电站第t-1时段的出力，表示电站i第t时段的出力；

s1.2.7：机组振动区约束

其中，和分别为电站i第m台机组的振动区上下限，表示第t时段电站i的第m台机组的出力，表示电站i第t时段的出力；

s2：空间流量最优化分配

在机组nhq曲线的基础上求得电站全厂最优动力特性进行出力计算，尽可能地减小误差，提高发电计划编制的精度。根据输入条件的不同，水电站经济运行方式有“以电定水”和“以水定电”两种模式；

s2.1：“以电定水”模式

已知水电站负荷以及机组动力特性，采用罚函数法处理机组振动区约束、动态规划法求解，相应递推公式如下：

其中，k为机组序号，k∈[1,k]；h表示发电净水头；分别表示k-1和k台机组条件下的总负荷；表示总负荷为净水头为h情况下各台机组最优总耗流量；qk(nk,h)为第k台机组出力为nk，净水头为h时的耗流量；为边界条件，表示第k-1台机组在总负荷为净水头为h情况下的耗流量，nk为第k台机组的出力，k表示总机组台数；

根据步骤s2.1对所有水头h及出力n组合下的最优负荷分配方案依次求解，得到电站最优负荷分配表，进行“以电定水”计算时直接查表即可；

s2.2：“以水定电”模式

“以水定电”计算时，需结合折半查找法对已知耗流量进行迭代查找，具体步骤如下：

s2.2.1：计算电站净水头，在给定水头下查电站预想出力曲线，得到电站最大出力nmax和最小出力nmin，并由查得其对应的发电流量qmax和qmin；

s2.2.2：判断已知下泄流量q是否在qmin与qmax之间，若q＜qmin，则设置最终出力n＝0，转到步骤s2.2.5；若q＞qmax，则设置最终出力n＝nmax，转到步骤s2.2.5；否则转到步骤s2.2.3进行折半查找；

s2.2.3：令利用“以电定水”模块求得该出力情况下电站的总耗流量q'；

s2.2.4：若|q-q'|≤δ，则设置最终出力n＝n'，转到步骤s2.2.5；若q-q'＞δ，说明n'偏小，设置nmin＝n'，转到步骤s2.2.3继续迭代；若q'-q＞δ，说明n'偏大，设置nmax＝n'转到步骤s2.2.3继续迭代；

s2.2.5：迭代结束，输出最终出力n；

其中，δ为预设阈值，其可以根据实际需要确定。

s3：初始化粒子群

在可行空间内随机产生个粒子，初始化其速度；计算每个粒子的目标函数值；

在本发明实施例中，将每个优化问题的可行解称为“粒子”，将优化问题的所有可行解的集合作为“可行空间”。

s4：极值的确定

确定每个粒子的初始个体极值，即每个粒子本身的初始位置；

s5：根据关系得到支配粒子

根据粒子的支配关系，得到彼此不受支配的部分粒子，并保存在外部档案集np中；

s6：更新粒子位置和速度

由及更新每个粒子位置和速度；

其中，w为惯性权重；c1、c2为正的加速常数；r1、r2为[0,1]之间均匀分布的随机数，表示第i个粒子的个体极值；为全局极值；表示粒子更新后的速度，表示粒子更新之前的速度，和分别表示粒子更新前、后的位置；

s7：进行变异

随机选择预设比例的粒子，进行多项式变异；

在本发明实施例中，预设比例可以根据实际需要确定，本发明实施例优选为15％。

s8：计算目标函数值

采用修复策略修复不可行解，再次计算所有粒子的目标函数值；

s9：根据关系得到支配粒子

更新粒子的自身最好位置pbest，若新解支配pbest，则进行替换；若新解与pbest彼此不受支配，则随机选择一个解作为新的pbest；

s10：更新和维护

根据粒子的支配关系以及拥挤距离对np进行更新和维护；

s11：判断是否终止

判断是否满足终止条件，若满足，输出外部档案集np；否则，转到步骤s6继续迭代。

下面结合附图及实施例(清江梯级电站)，对本发明实施例提供的一种限制粒子飞行速度的改进多目标粒子群算法smpso进行详细说明。

选取2014年某日湖北省网和清江梯级的实际运行工况，采用smpso算法对短期多目标发电计划编制模型进行求解。该日湖北省网负荷峰谷差242.18万kw，方差5506.10；清江梯级水布垭电站的始末水位分别为381.23m和381.17m，隔河岩电站的始末水位分别为193.62m和193.56m，高坝洲电站的始末水位分别为78.75m和78.67m。各电站机组的出力振动区见表3，另外，设置电站单时段出力爬坡约束为单台机组的最大出力。

smpso算法参数设置如下：加速常数c1，c2∈[1.5,2.5]；惯性权重ω＝0.1；多项式变异参数pm＝1/k，其中，k为变量个数，η＝20；粒子群与外部档案集的规模都为100；迭代次数2000代。作为对比，同时选择omopso算法进行计算，其相应的参数设置为：加速常数c1，c2∈[1.5,2.0]；惯性权重ω∈[0.1,0.5]；均匀变异与非均匀变异概率pm＝1/k，其中，k为变量个数；粒子群规模和迭代次数与smpso算法相同。以日为调度周期(24个时段)，进行清江梯级电站非弃水期多目标发电计划编制仿真模拟计算，得到pareto前沿与最优解集分布如表4所示，在本发明实施例中，列举了50个均匀分布的非支配解。

以日为调度周期(24个时段)，进行清江梯级电站非弃水期多目标发电计划编制仿真模拟计算，得到pareto前沿与最优解集分布如表1所示。

表1清江梯级多目标短期发电计划编制的pareto最优解集分布

表2清江梯级多目标发电计划编制结果指标对比

表3清江梯级水电站特征参数表

表4清江梯级多目标短期发电计划编制的pareto最优解集分布

表2中列举了省网余荷方差最小和梯级总发电量最大两种极端方案下的指标对比结果。由此表可见，方案1省网余荷方差从原来的5506.10减小到990.12，降幅达82.0％；峰谷差由开始的242.18万kw减小到130.97万kw，相应降低45.9％，调峰效益显著。通过清江梯级水电站的调节，省网余荷趋于平稳，水电的调峰作用得以充分发挥。而方案50省网余荷方差为2450.63，降幅55.5％；峰谷差为174.07万kw，相应降低28.1％，相应幅度变化见图2，有一定的调峰效果，但仍存在余荷波动的情况。方案1的梯级总发电量为2315.584万kwh，方案50则为2395.551万kwh，比方案1提高了3.5％，这是损失调峰效益换来的结果，进一步证明了发电效益与调峰效益相互制约的关系。

由图3方案50清江梯级各电站水位及出力过程可知，各电站调度期末的水位都达到了给定末水位，水位过程变化平稳，满足日及小时变幅约束。电网负荷低谷各电站按最小下泄对应出力发电，负荷高峰时加大出力运行以满足调峰需求，计算结果合理有效。实际发电计划编制过程中，还需综合权衡调峰效益和发电效益两个目标，从pareto非支配解集中选择最终解。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。