一种市场环境下的梯级关键水电站多目标优化及电量分配方法与流程

本发明属于水电经济调度领域，涉及一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据交易中心披露的市场成交信息，结合历史径流信息和未来径流预报，以经济效益和弃水最小为目标优化年内的市场电量分配和水位控制，进而为交易中心发布重要水电站水位的边界范围、为市场参与主体的水电站参与电力市场竞价提供方法支持。

技术背景

具有多年调节性能的梯级水电站群对整个流域的水能利用有着重要的作用，同时也是电网调度中参与调峰调频的重要组成部分。但是受流域来水的不确定性及本地消纳有限的影响，梯级水电站经常出现弃水现象，电力市场将进一步加剧弃水风险，如何在电力市场条件下，保证水电清洁最大程度的消纳，是电力监管部门和发电企业普遍关注的重大问题，需要结合各地水电参与电力市场特点，研究提出兼顾市场、清洁能源利用的梯级水电站群调度优化新方法。

在常规调度时，如何降低梯级弃水是电力监管人员对水电运行管理的重点。而随着我国逐步建立电力市场，电力交易价格受市场供需影响，梯级水电站作为市场参与者倾向于“价枯期高泄流、汛期价低蓄水”的水库调度过程，但是伴随着未来来水不确定因素的影响，这种行为一旦与来水情况相悖会导致后期来水减少降低经济效益、来水增加加剧梯级弃水的潜在可能。如何在减少弃水的情况下提高经济效益成为电力市场环境下电力监管部门对梯级水电站群运行管理的新需求。另一方面，梯级水电站作为发电企业参与电力交易面对市场交易多元化和价格不确定性变化，如何保证经济收益稳定性是梯级运营人员关注的重点。市场价格作为引导市场主体参与交易的信号，梯级水电站通过利用交易中西的公开信息对多元市场历史价格波动进行电量分散投资来降低市场风险，同时给出基于期望收益最大的交易组合电量分配比例是参与目前我国多元电力市场的另一个新需求。

为了解决上述所提问题和满足对应的新需求，本发明从梯级关键水电站参与多元电力市场优化调度及交易周期内电量分配优化着手，引入多目标优化方法及投资组合理论，提出了一种经济效益及弃水量兼顾的梯级调度及多元电力市场交易电量分配方法。

技术实现要素：

本发明要解决根据梯级水电站群年内来水情况根据市场经济效益最大及弃水量最小的多目标优化调度方法制定需要，并根据多元市场分类给出基于不同市场价格波动率最小、期望收益最大的多元电力市场分配比重。为此，建立一种市场环境下的梯级关键水电站多目标优化及电量分配方法，该方法利用nsga-2遗传算法框架对梯级市场经济效益及弃水量进行多目标前沿解集求解，给出年内梯级水库水位过程及处理过程满意解集，根据参考年内市场电价波动给出计划参与多元市场交易电量分配比例。

本发明的技术方案为：

一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据梯级来水情况，以梯级水电站物理约束为控制条件，给出多目标的优化调度满意解集，再根据多元电力市场历史电价信息给出年内梯级水电站群参与各类市场分配比例；具体步骤如下：

(1)根据梯级年内来水预测数据，还原梯级区间径流，根据水库库容特性确定约束边界及发电特性曲线，建立梯级水电站群参与的市场效益模型、弃水模型和电价模型。

(2)确定多目标优化满意解集数量s，计算迭代次数g、变异概率p1和交叉概率p2。

(3)根据来水条件初始化解集种群。

(4)计算以市场经济效益和弃水多目标适应度函数，基于nsga-2适应度排序策略及种群保留策略选择个体形成新种群，基本流程见图1。

(5)迭代次数低于g时，进行种群间交叉及个体变异，补充新种群个体数目至s，重复步骤(4)，迭代次数等于g时，输出种群，得到满意解集。

(6)将多元市场进行分类，计算各类交易表征电价，得到各时段电价序列。

(7)计算各类电价的期望收益及波动率。

(8)在给定效益函数下计算风险波动率最小时的交易组合电量比重。

(9)给出满意解集各方案参与多元市场的电量组成。

本发明对比现有技术具有如下有益效果：本发明一种以市场经济效益及弃水量的多目标优化及年内多元市场电量分配方法，首先根据来水条件、水库特性条件、市场电价条件给出以市场经济效益最大及弃水量最小的满意解集；根据多元电力市场交易特点进行交易分类及电价表征，通过各类交易价格期望收益与波动程度给出波动程度最小下的多元市场参与比例，确定满意解集参与多元市场的电量比重。对比现有技术，本发明能够有效解决具有水力联系的梯级水电站群参与多元电力市场中长期调度方案的制作及年内交易电量分配的问题，为梯级调度人员提供多种水位调度方案，是一种切实可行的梯级经济调度方法，对于梯级水电站群追求多元市场经济效益和提高水能利用具有重要的理论和实践意义。

附图说明

图1是nsga-2算法基本流程图。

图2(a)和图2(b)分别是本发明方法求解得到的小湾和糯扎渡水位过程满意解集图。

图2(c)和图2(d)分别是本发明方法求解得到的小湾和糯扎渡出力过程满意解集图。

图2(e)是本发明方法求解得到的梯级经济效益与弃水量关系图。

图3是应用本发明方法得到的多元电力市场投资组合期望收益与波动率关系图。

具体实施方式

下面结合说明书附图和实施例对本发明作进一步的描述。

在以往梯级水电站调度一般以发电量为优化目标，其目的是促进梯级水电站群水能高效利用，方法优化的目标大多是是唯一的。随着我国电力市场改革，梯级水电站作为电力市场参与主体，参与交易的经济利益是其关注的重点，但是另一方面也要兼顾水能利用。本发明旨在通过预测或已知年内来水情况下，通过参考历史交易年内各月电价，在基于nsga-2多目标优化种群保留策略下得到出力和水位的满意解，提供调度管理人员进行参考，并根据多元电力市场交易特点进行交易分类，给出电价序列后通过建立优化函数获得年内电量分配比例，为梯级水电站群参与多元市场提供指导。

具体步骤描述如下：

步骤一：确定梯级来水资料，作为梯级区间流量数据，数据来源方式本发明不作要求。确定计算水库的信息：水库特征水位信息包括汛限水位、死水位和正常高水位；水库特征曲线包括水位库容曲线、尾水位泄量曲线以及耗水率曲线；机组发电特征信息包括机组台数和机组最大过流能力。

水库和机组的约束条件如下：

(a)水量平衡约束

式中：vt为水库在t时段末的库容，单位：m³；int为水库在t时段的入库流量，单位：m³/s；ut为水库在t时段的出库流量，单位：m³/s；δt为时段时长，单位：s。

(b)库容限制约束

式中：分别为库容上、下限，单位：m³。

(c)出库流量约束

式中：分别为出库流量的上、下限，单位：m³/s。

(d)出力限制约束

式中：pi,t为第i个水库t时段出力，单位：w；为第i个水库的出力上限，单位：w。

(e)发电流量限制约束

式中：qi,t为第i个水库t时段发电流量，单位：m³/s；为第i个水库的机组发电流量上限，单位：m³/s。

(f)初始库容约束

vbeg＝vbeg

式中：vbeg为水库起始库容变量，m³；vbeg为水库起始库容控制值，m³。

(g)水位库容关系

式中：fvz(·)为水位库容关系函数；zft为水库在t时段的坝前水位，m。

(h)尾水位泄量关系

式中：fzu(·)为尾水位泄量关系函数；zdt为水库在t时段的尾水位，m。

确定参考年内电力市场各时段特征电价，得到电价模型，特征电价计算方式为：

其中，p为时段内交易加权平均电价，共有n类市场交易，第n类市场交易的成交均价为pn、成交电量为qn。

以年内梯级水电站群参与月度市场交易的经济利益和弃水量为目标，建立市场效益模型和弃水模型，经济效益emarket与弃水量qaban作为多目标的两个目标函数，其表达如下：

其中，emarket为系统梯级经济效益，单位：元，表示水电站m在t时段的市场交易电价，单位：元/kwh；表示水电站m在t时段市场成交电量，单位：kwh；t为计算周期，此处为12，表示计算周期为12个月；m、m分别为水电站编号和总数；qaban为系统梯级弃水量，单位：m³；为水电站m第t时段的弃水流量，单位：m³/s；δt为时段时长，为3600×24×30，单位：s。

步骤二：确定经济效益emarket与弃水量qaban的多目标优化满意解集数量s，计算迭代次数g、变异概率p1和交叉概率p2，参数需由使用者自行设置，本发明不作要求，本实施例中设置的参数为：s＝100；g＝1000；p1＝0.2；p2＝0.8。满意解集数量影响最后优化方案中的可提供的数量，计算迭代数影响优化算法最终收敛的程度，变异概率是保证种群不陷入局部最优并提供满意解集多样性。

步骤三：种群中的个体为一组m×t的水位值，单位：m；为保证计算效率及收敛速度，在初始种群时，根据步骤一中的梯级内区间流量，通过随机入库流量方式给出基于满意解集数量s的随机初始解，即生成数量为s的个体；步骤如下：

(1)对于第m个水电站，计算给定来水下的时段内来水总量qinm：

其中，qinm为t时段内第m个水电站的总来水，单位：m³。

(2)生成时段数t的随机数向量其中random(0,1)为在0和1中取一个随机数，按照r生成的权重得到各时段的新入库流量：

其中，int^*为电站m随机生成后的新入库流量，单位：m³/s。

(3)计算各时段末库容，根据约束条件中库容限制约束对时段末库容进行修正，超过库容约束上限，则将时段末库容修正为库容上限；低于库容约束下限，则将时段末库容修正为库容下限。

(4)根据水位库容函数fvz(·)，通过时段末库容确定时段末水位。

步骤四：计算步骤一中两个目标函数的适应度函数，通过nsga-2适应度排序策略及种群保留策略选择个体生成新种群，算法流程结合图1，该算法框架为现有技术，实现方式本发明不作限制，本实施例实现基于python语言编写通过开源第三方包deap中遗传算法框架实现迭代过程并调用包中自带nsga-2适应度排序策略及种群保留策略实现对满意解的排序和筛选。

步骤五：该步骤为验证步骤，如果迭代次数低于设置的值g，则对新种群按照给定概率对种群内个体进行个体交叉和个体变异操作，种群个体之间的交叉和变异方式不限要求，其目的是在迭代过程中得到满意解集的更新，可采用如下的方式：

交叉：数交叉算子是在父代个体完成非支配排序后，按照p1概率由程序控制发生，由其中两个个体a、b进行线性组合而生成新个体，其中组合系数α由a、b两个体的排序层级确定。算数交叉算子适度保留个体的排序层级信息，有效减小随机交叉对个体可行性的破坏，同时充分利用其他层级个体的遗传信息以保证种群多样性。其中，式中：和表示迭代过程中第i代满意解集中的a、b个体的水位序列；和表示交叉发生后生成的第i+1代新的个体；α为百分比值，表示个体中从起始到某一点占个体长度的百分比；ar和br分别表示a、b两个体在这代满意解集中的排序位置。

变异：小扰动变异是利用高斯分布进行小尺度扰动，其目的是增加优秀个体出现几率，同时减少种群陷入局部最优解的概率，按照p2概率由程序控制发生。对于个体在某一概率下的变异为：式中为第i+1代个体a中x位置的新水位值，为第i代发生变异个体a中x位置的水位值。

步骤六：根据多元电力市场中的市场交易按照省内交易和外送交易进行交易分类，两类交易生成的电价序列长度以月为时段，至少包含24个月电价数据，电价序列按照各时段各类市场交易电量比例进行数据处理：

其中为t时段第n类考虑市场份额后的交易电价，单位：元；为该类交易的加权电价,按照步骤一所提出的特征电价计算方式进行电价计算，单位：元/kwh；为该类交易所占市场份额的比重；

其中，n为多元电力市场交易分类数量，以本实施例中按照省内交易和外送交易分类为例，n＝2，交易分类方式本发明不做限制，可根据实际情况确定，分类总数量满足n≥2，qk和qn分别为n类交易中第k类与第n类交易的总成交电量，单位：kwh。

步骤七：对于电价序列(本实施例中为省内交易和外送交易的电价序列)，其收益率为：

其中，为第n类交易t时段收益率，为第n类交易t时段考虑市场份额后的交易电价，为第n类交易t-1时段考虑市场份额后的交易电价，为以自然对数e为底的对数值；rn为第n类交易的平均收益；

设梯级水电站群参与n类交易的权重为：w＝(w1,w2,…,wn)；

则满足以下条件：

步骤八：目标为预期投资组合波动率最小，目标函数描述为：

其中，σ为梯级水电站群参与多元电力市场的波动率；σij为第i类市场交易与第j类市场交易虑市场份额后的电价序列的协方差，其中i,j∈n；

预期收益描述为：

其中，u为预期收益值，单位：元。

本目标优化函数其本质上是一个二次规划寻优问题，可用目前已知任意二次规划优化算法进行求解，本发明不做限制。本实施例通过利用序贯最小二乘规划优化算法(sequentialleastsquaresprogrammingoptimizationalgorithm,slsqp)进行求解。求得梯级水电站群参与的市场交易的最优比例wopt。

步骤九：根据步骤八得到的最优比例wopt以及根据步骤五的满意解集得到的水位，计算出各时段电量，得到各类市场交易的参与电量(本实施例中为省内交易和外送交易两类交易的参与电量)。

以澜沧江下游流域小湾和糯扎渡两座具有多年调节能力的水电站为例，给出基于本发明方法的多目标满意解制定及年内电量分配。在给定来水情况下，小湾糯扎渡始末水位分别为1235m和805m时得到的满意解集，图2(a)和图2(b)分别是小湾和糯扎渡水位过程满意解集，颜色越深表示其获得经济效益越大；图2(c)和图2(d)分别是小湾和糯扎渡出力过程满意解集；图2(e)为所获得的解集中经济效益与弃水量的关系图，从得到的满意解集来看，最后生成的多目标解集弃水量在14.0～16.0亿立方米，发电效益在102.0～105.0亿元之间，对应发电量在565.5～578.5亿立方米之间。可见随着经济效益的增加弃水量也逐渐增加。

表1为根据本发明方法对多元市场归类后两类市场交易的加权价格。图3为通过优化计算后得到的波动率最小的点，其颜色代表期望收益与波动率比值，颜色越深比值越小，星号处为期望波动率最小点，是梯级水电站群参与省内和外送两个市场建议比例，此时交易组合比例为(0.704，0.296)，即对于各类方案中得到的每月电量采用建议比例风险收益概率最小。即梯级参与省内交易电量在398.112～407.264亿立方米；参与西电东送交易电量在167.388～171.236亿立方米。

表1某电力市场省内与外送电价加权表