梯级水库

梯级水库（通用3篇）

梯级水库 篇1

在流域梯级水库联合调度中,补偿水库与受偿水库之间不仅存在天然的水力联系,还存在梯级水库联合调度补偿效益分配的经济关系。由于补偿效益计算的复杂性,补偿效益分摊准则的模糊性,以及各个利益主体的不完全理性等原因,参与补偿效益分摊的部门和决策群体在梯级水库的联合调度中会产生矛盾与冲突,这将危及流域梯级水库的联合稳定运行。

F-H冲突理论是在亚对策分析方法的基础上发展起来的冲突理论。1971年,Howard在他的著作《Paradoxes of Rationality》中,提出了奠定冲突分析领域基础的理论——亚对策分析方法[1]。1979年,加拿大滑铁卢大学的Fraser和Hipel教授对亚对策分析做了改进,从而形成了F-H冲突分析方法[1]。F-H冲突分析方法是一种局势分析方法,包括建模和稳定性分析两个部分。其中,建模是研究冲突的本质结构,确定冲突涉及的局中人及其策略集,由此确定冲突的可行局势并计算局中人的局势偏好向量,进而确定各局中人局势的单方改进局势;稳定性分析是运用合理性、相继稳定性、同步稳定性等判断准则分析各局中人的局势稳定性,进而寻找冲突的平衡点,在多于一个平衡点的情况下,对这些平衡点进行可行性分析,确定冲突的最可能解。

本文采用上述方法对流域梯级水库利益主体的冲突问题进行分析和研究。首先从矛盾的现实世界中将要分析的问题加以抽象,建立冲突分析模型;然后进行稳定性分析;最后对结果进行分析与评论,以便为决策者提供必要的决策信息。

1 流域梯级水库利益主体的不平等性分析

在流域梯级水库联合调度中,上游水库的建设、运行和变化对下游水库的发电、供水、防洪、航运等方面均产生非常重要的影响[2,3,4],因此,下游水库的效益依赖于上游水库的建设和运行。可见,下游水库处于弱势地位,上游水库处于强势地位。

在流域梯级水库补偿效益分摊中,由于两方面的原因导致水库补偿效益分摊在实践中难以实施。一方面是技术因素,即水库补偿效益计算方面存在困难[5,6];另一方面,水库建成后,下游水库出于自身私利(不完全理性),使补偿调节水库的补偿效益没有得到应有的返还,尽管补偿效益的分摊具有环境经济学理论基础和相关的法律依据,但往往执行困难,所以,在这种情况下,下游水库处于强势,上游水库处于弱势。

可见,流域梯级水库各利益主体的这种不平等性来源于流域梯级水库特殊的地理位置分布和流域梯级水库联合调度的经济外部性。这种不平等性不仅导致了流域梯级水库各利益主体的矛盾冲突,而且阻碍了各种资本对水电的投入,影响了水电事业的发展,不利于梯级水电的滚动开发。

2 冲突模型的建立

2.1 冲突局中人

随着水库调度在流域水资源配置中的地位不断提升,水库补偿的范围也不断扩大,水库补偿效益的对象也由水库拓展到全流域,包括社会、经济、生态环境等诸多利益主体。本文将各个具体的利益主体抽象为两类:补偿方主体和受偿方主体,这两类主体即是冲突局中人。

流域管理机构担负着促进全流域综合效益最大、维护流域可持续发展的重要职能,因此责无旁贷,理应扮演冲突协调者的角色,担负起促进补偿方与受偿方合作的责任,使流域梯级联合调度、统一配置水资源成为可能。可见,流域管理机构也是冲突局中人。

注:局中人1代表补偿利益主体;局中人2代表受偿利益主体;局中人3代表流域管理机构。

2.2 局中人策略集

对于补偿利益主体有3种可选策略:①服从流域管理机构进行流域水资源统一调度的规定,放弃考虑自身利益,以全流域综合效益最大化为目标;②不完全服从流域管理机构进行流域水资源统一调度的规定,会考虑自身利益由于统一调度而发生的损失;③不服从流域管理机构进行流域水资源统一调度的规定,完全以自身利益为重。

对于受偿利益主体有2种可选策略:①与流域管理机构和补偿利益主体充分合作,依据“谁受益,谁补偿”的原则以及认可的补偿效益分摊比例,从梯级联合调度发生的收益中拿出一部分支付给补偿利益主体;②与流域管理机构和补偿利益主体完全不合作,即使从流域统一调度中受益也不支付补偿效益给相应的补偿利益主体。

流域管理机构具有3种可选策略:①对于不服从和不合作的利益主体不实行有效的惩罚和激励措施,保持现状;对于服从和合作的利益主体不实行有效的激励措施,保持现状;②对于不服从和不合作的利益主体制定并实行严格的惩罚措施,使上下游之间的矛盾冲突局面向好的方向转变,促进流域梯级利益主体建立合作联盟;③对于服从和合作的利益主体制定并实行相关的优惠政策支持或者其他激励措施,促进上下游之间的合作,保障流域梯级联盟长期持续的稳定性。

这样,3个局中人行动策略的总数为3+2+3=8。以二进制表示策略的选择与否,即对于每种策略,当局中人选择时以“1”表示,当局中人不选择时以“0”表示,则上述3个局中人的共8种策略,可产生28=256种可能的局势。考虑到上述策略的互斥性,如补偿利益主体不可能同时选择3种策略,受偿利益主体也不可能同时选择2种策略,则剔除不可行的局势后,得到冲突分析的结果,见表1。

2.3 局势偏好分析

2.3.1 补偿利益主体的局势偏好分析

从个体理性的角度来看,补偿利益主体以自身利益最大化为目标,可见,获得收益是补偿利益主体局势偏好依据的首要原则。按照流域管理机构的规定,由于地处流域中上游,补偿利益主体担负着流域梯级联合调度“蓄丰补枯”,增加全流域水资源综合利用效益的重要使命;然而,由此却会造成自身发电、供水等效益的巨大损失,因此,一方面,补偿利益主体期望在流域管理机构的领导和控制下,通过对不合作的受偿利益主体实施惩罚措施,落实“谁受益,谁补偿”的原则,由受偿利益主体支付相应的补偿效益给自己,既可补偿自身的损失,又可保障全局的效益;另一方面,补偿利益主体认为自身服从了流域管理机构的联合调度规定,为全局利益牺牲了自身的局部利益,因此期望流域管理机构能给予自身以一定的政策扶持和奖励。而流域管理机构对受偿利益主体的不补偿行为放之任之,受偿利益主体拒绝或逃避支付补偿效益等局势对补偿利益主体是最不利的结局。可见,局势201,137,73是补偿利益主体最偏好的结局。

2.3.2 受偿利益主体的局势偏好分析

与补偿利益主体一样,出于个体理性的考虑,受偿利益主体也以争取自身利益最大化为目标。因此,一方面,受偿利益主体期望从流域梯级联合调度中受益;另一方面,又不愿支付补偿效益给补偿利益主体。由于流域联合调度将增加受偿利益主体的发电、供水、生态等方面的收益,因此,受偿利益主体期望能够获得流域管理机构的支持,允许自身以无补偿的方式参加流域联合调度。因此,局势49,50是受偿利益主体最偏好的结局。

注:局中人1代表补偿利益主体;局中人2代表受偿利益主体;局中人3代表流域管理机构。

2.3.3 流域管理机构的局势偏好分析

流域管理机构担负着促进全流域经济效益最大化、改善生态环境以及维护公平与效率的职责,因此,对于补偿效益分摊问题,必须从全流域整体出发,考虑全局最优,有效解决补偿利益主体和受偿利益主体之间的矛盾冲突,保障流域梯级联合调度的稳定运行。

在流域梯级联合调度中,处于梯级中上游的补偿利益主体占有地理位置优势,其收益最有保障。若补偿利益主体不服从流域统一调度,则补偿利益主体可获得最大的收益,而全流域的综合效益必然受到损失。因此,流域管理机构倾向于补偿利益主体服从统一调度,放弃自身利益,以保障流域的全局利益。可见,局势41,73,137,201,49,81,145,209是流域管理机构最偏好的结局,而局势44,76,140,204,52,84,148,212是流域管理机构最不满意的结局。

在上述流域管理机构最偏好的结局中,有一些结局由于不合理、不公平而不具有可操作性。如局势49,补偿利益主体为全局利益放弃了自身利益,受偿利益主体获得了收益而不必支付补偿效益,流域管理机构也实现了全局利益最优的目标,这其中只有补偿利益主体在独自承担损失;而局势81比局势49对补偿利益主体更为不利,除了独自承担损失,还要因不服从统一调度而受到惩罚。因此,流域管理机构倾向于采取惩罚与激励联合策略,一方面,对于不服从和不合作的利益主体制定并实行严格的惩罚措施,使上下游之间的矛盾冲突局面向好的方向转变,促进流域梯级利益主体建立合作联盟;另一方面,对于服从和合作的利益主体制定并实行相关的优惠政策或其他激励措施,促进上下游之间的合作,保障流域梯级联盟长期的稳定性。因此,在流域管理机构偏好的局势中,局势41,73,137,201对流域管理机构而言更具有现实性。

根据上述分析,确定各局中人的局势偏好排序结果,如表2所示。

2.4 稳定性分析

根据表1和表2,可以进行单方改进分析。如局势49,补偿利益主体选择策略①,受偿利益主体选择策略②,对流域管理机构而言,在补偿利益主体和受偿利益主体的策略不变的情况下,流域管理机构可进行单方改进,从选择策略①改变为选择策略②,将局势改变为81。局势81比局势49更有利于促使受偿利益主体选择合作策略,从而促进补偿机制的实施。因此,局势81是局势49的单方改进。局中人稳定局势的判断如下:

a. 合理局势。在这种情况下,该局中人在其他局中人策略不变时,该局势是他最好的选择,没有单方改进。

b. 稳定局势。某局中人想要由某一局势进行单方改进,对于改进后的局势,其他局中人又有新的单方改进,若这一新的局势对该局中人而言还不如改进前的局势,则局中人会停止想要做的单方改进,则该局势是该局中人的稳定局势。

c. 不稳定局势。在局中人对某一局势进行的所有单方改进中,若至少有一个单方改进不存在必然制裁,则这一局势是不稳定的。

对3位局中人的所有局势进行稳定性分析后,如果某种局势对于3个局中人来说都是合理局势或稳定局势,则该局势就是局中人矛盾冲突的均衡解;如果该局势对某局中人是不稳定局势,则该局势就是非均衡解。局势稳定分析结果见表3。

注:局中人1代表补偿利益主体;局中人2代表受偿利益主体;局中人3代表流域管理机构。

由表3可知,流域梯级利益主体冲突的均衡解为局势201和202。局势201的含义是3个局中人完全合作,即补偿利益主体选择完全服从流域梯级联合调度,从全局利益着想;受偿利益主体则与补偿利益主体和流域管理机构完全合作,为在梯级联合调度中所受到的利益支付一定比例的补偿效益给补偿利益主体;流域管理机构则采取激励与惩罚联合的策略,对采取服从和合作策略的利益主体给予政策方面或其他方式的补偿和支持,对不服从或不合作的利益主体进行惩罚。局势202的含义是局中人部分合作,主要是补偿利益主体在服从联合调度的过程中考虑兼顾自身的利益。

显然,局势201是3方共赢的帕累托效率均衡解,在这种情况下,任何一方都不可能采取只增加自身的利益而不损害整体或其他个体利益的方案,因而是流域管理层最期望的结局。在这种结局下,流域管理机构通过采取激励和惩罚的联合策略,参与和协调流域梯级利益主体的矛盾与冲突,补偿利益主体服从流域管理机构统一调度的安排,为保障流域整体利益而牺牲自身局部利益,但是补偿利益主体并不必独自承担损失,它将从流域管理机构或受偿利益主体处获得政策支持和效益补偿。

3 结 论

a. 在流域梯级水库各利益主体中,由于梯级水库联合调度的经济外部性和流域梯级各利益主体地位的不平等性,造成了流域梯级水库利益主体的必然冲突。冲突的根本原因在于各方谋求自身利益的最大化。冲突无法回避,解决的办法只能是科学的分析和理性的处理。通过建立流域梯级水库利益主体的F-H冲突分析模型,对流域梯级各利益主体中的矛盾进行细致的分析,可以理解局中人策略的相互作用,预测冲突的可能结果,指导局中人采取最佳策略。

b. 从流域可持续发展的角度出发,流域中上游补偿水库不仅要致力于自己的发展,同时还应兼顾流域中下游的利益;流域中下游受偿主体在获得流域梯级联合调度所带来的收益时,有义务分摊一部分补偿效益费用;流域管理机构在这个过程中,地位举足轻重,因而在协调流域上下游关系方面,必须采取有效的经济、技术、政策等方面的激励或惩戒措施促进上下游的合作,并建立相关的控制和信息反馈机制,以获得全流域帕累托效率均衡解。

通过流域梯级利益主体冲突分析,虽然可求得冲突可能达到的均衡状态以及达到均衡状态的大致路径,但是F-H冲突分析模型仍有2个问题没有解决:①根据F-H冲突分析方法,阻碍局中人进行局势改进的是局势改进后可能面临的制裁,但是在现实中这种制裁是否奏效取决于局中人的理性;②根据冲突模型的分析,流域管理机构的激励和惩罚措施是促进流域梯级利益主体冲突双方由不合作走向合作的关键,是促使冲突局势转变的外界环境刺激。在局中人非完全理性的情况下,采取多大力度的激励和惩罚措施才能促使局势由冲突向合作转变,是F-H冲突分析模型没有解决的问题。

摘要：在流域梯级水库补偿效益分摊中,补偿水库与受偿水库之间的冲突源于2类水库地位上的不平等性。针对这种不平等性,运用F-H冲突理论建立了流域梯级水库补偿效益分摊的冲突模型,进行冲突模型的稳定性分析,并讨论了冲突模型的最可能解。分析表明,冲突的解决有赖于补偿利益主体、受偿利益主体和流域管理机构3方冲突主体的协作,冲突理论在解决流域梯级水库补偿效益分摊冲突中具有一定的作用。

关键词：流域梯级水库,补偿效益分摊,冲突主体,F-H冲突分析模型

参考文献

[1]李会民.冲突分析与合作理论研究[D].天津:天津大学,2003.

[2]龙勇,杨秀苔.不确定环境下不平等联盟的利益分配博弈[J].数量经济技术经济研究,2003(2):104-107.

[3]赵麦换.水库补偿效益理论与实践:以黄河干流水库为例[D].西安:西安理工大学,2005.

[4]刘涵,黄强,赵麦换,等.黄河干流供水发电补偿效益及其分配方案研究[J].水力发电学报,2003(2):24-30.

[5]王浩,王建华,秦大庸.流域水资源合理配置的研究进展与发展方向[J].水科学进展,2004,15(1):123-128.

[6]李国英.黄河治理的终极目标是“维持黄河健康生命”[J].中国水利,2004(1):6-7.

[7]彭祥,胡和平.水资源配置博弈论[M].北京:中国水利水电出版社,2006.

梯级水库 篇2

随着我国大规模的水电开发,形成了许多大型梯级水库水电站群,对这些水库群优化构成了多维、高度非线性、复杂条件下的优化问题。各种优化方法和现代启发式搜索技术都被用于求解该问题, 包括离散微分动态规划[1]、逐次优化法[2,3]、逐次逼近动态规划算法[4]、大系统分解协调法[5]、网络流算法[6,7]、遗传算法[8,9,10]、粒子群算法[11] 等,然而当库群数和时段数较多时,这些方法在一些方面都不尽人意。如离散动态规划法会陷入因离散状态空间组合所形成的维数灾问题,计算时间长;逐次优化法(POA)将多阶段优化问题分解为一系列两阶段子优化问题,在对子优化问题寻优时一般采用坐标轮换法或复合单纯形法,当变量较多时,搜索速度慢,且局部收敛;逐次逼近动态规划法(DPSP)考虑的水库上下游联系比较简单,因此不能保证收敛到全局最优解;网络流算法本质上是求解线性规划问题的,且对编程有较高要求;遗传算法具有收敛于全局最优解能力,对变量数不多的优化问题求解,效果好,但是对于时段数较多(几十乃至几百个时段)的水库群优化调度问题,搜索空间与优化变量个数(随时段数增长)呈指数关系,直接应用遗传算法不一定能在有限的时间内求得满意解[9]。针对上述问题,本文提出采用逐次优化法和遗传算法相结合的方法求解多水库群长期优化调度问题,并以大渡河干流梯级水库群长期优化为实例,对逐次优化-遗传算法的效率和结果进行验证分析。

2 水库群优化调度模型的建立

对于确定性的水库群优化调度问题,在满足水库群水电站各种约束条件下,优选水库群调度策略,使得调度期内总效益最大化。设研究对象为N个水库水电站组成的系统,以月或旬为单位将调度期分为T时段,假定调度期内水库群天然入流已知,以调度期内兼顾保证出力要求的发电量最大为优化准则,建立相应的水库群确定性长期优化调度模型。

目标函数:

$\max F={\displaystyle \sum _{t=1}^{{\rm T}}{\displaystyle \sum _{j=1}^{{\rm N}}{\rm P}}}{}_{t,j}\text{Δ}t{}_t(1)$

式中:t为时段编号;j为水库群水电站编号,从上至下游按1,2,… ,N的顺序;Δtt为时段小时数;Pt,j为第j水库水电站第t时段出力。

约束条件:

(1)保证率约束:

$\max F={\displaystyle \sum _{t=1}^{{\rm T}}\left[{\displaystyle \sum _{j=1}^{{\rm N}}{\rm P}}{}_{t,j}-\sigma A({\displaystyle \sum _{j=1}^{{\rm N}}{\rm P}}{}_{t,j}-{\rm P}F)\right]}\text{Δ}t{}_t(2)$

式中:PF为该水电站群保证出力;A为大于0的惩罚系数;σ为0~1的变量,其取值规则为:

$\sigma =\{\begin{array}{l}0{\displaystyle \sum _{j=1}^{{\rm N}}{\rm P}}{}_{t,j}\ge {\rm P}F\\ 1{\displaystyle \sum _{j=1}^{{\rm N}}{\rm P}}{}_{t,j}＜{\rm P}F\end{array}(3)$

(2)水量平衡约束:

$V{}_{t+1,j}=V{}_{t,j}+(Q{}_{t,j}-q{}_{t,j})\tau {}_t-L{}_{t,j}(4)$

式中:Vt,j,Vt+1,j分别表示第j个水库t时段初、末的蓄水容积;Qt,j表示第j个水库t时段水库平均入库流量;qt,j表示第j个水库t时段水库平均出库流量;Lt,j表示第j个水库t时段的水量损失;τt为单位转换系数。

(3)上下游水库之间的水力联系:

$Q{}_{t,j}=q{}_{t,j-1}+Q{}_{o{}_{t,j}}(5)$

式中:Qt,j为第j座水库t时段的入库流量;qt,j-1为第j-1座水库t时段的出库流量;Qot,j为第j座水库t时段区间来流量。

(4)水库水位限制:

${\rm Z}{}_{\min {}_{t,j}}\le {\rm Z}{}_{t,j}\le {\rm Z}{}_{\max {}_{t,j}}(6)$

式中:Zmint,j表示第j座水库在t时段允许消落到的最低水位,对应水库死水位;Zmaxt,j表示第j座水库在t时段允许蓄到的最高水位,在汛期对应汛限水位,在非汛期对应正常蓄水位。

(5)水库出库流量限制:

$Q{}_{\min {}_{t,j}}\le q{}_{t,j}\le Q{}_{\max {}_{t,j}}(7)$

式中:Qmint,j表示水库放水量下限,一般由下游综合利用要求(如灌溉、航运、生态环境等)提出;Qmaxt,j表示水库放水量上限,一般受电站过水能力和水库泄洪能力限制。

(6)电站出力限制:

${\rm P}{}_{\min {}_t}\le {\rm N}{}_t\le {\rm P}{}_{\max {}_t}(8)$

式中:Pmint表示第j座水库水电站出力下限;Pmaxt,j表示第j座水库水电站出力上限;它们通过综合考虑机组额定出力、受阻容量及调峰要求等确定。

(7)水库边界条件:

${\rm Z}{}_{1,j}={\rm Z}{}_{c,j}‚{\rm Z}{}_{{\rm T}+1,j}={\rm Z}{}_{e,j}(9)$

式中:Zc,j表示调度期初水库蓄水位,一般给定;Ze,j表示调度期末水库蓄水位,可给定。

3 逐次优化-遗传算法

对于不考虑水流时滞影响的梯级水电站优化调度模型,其阶段效益函数可表达为阶段(时段)初、末水库蓄水量的函数。根据目标函数特点,可将上述T阶段的优化问题,转化为多个两阶段优化问题,对于这些两阶段的子决策采用浮点数编码的遗传算法求解。

目标函数表达为:

$\begin{array}{l}\text{o}\text{p}\text{t}F=f{}_1({\rm Z}{\rm T}{}_1,{\rm Z}{\rm T}{}_2)+f{}_2({\rm Z}{\rm T}{}_2,{\rm Z}{\rm T}{}_3)+\\ \cdots +f{}_{{\rm T}}({\rm Z}{\rm T}{}_{{\rm T}},{\rm Z}{\rm T}{}_{{\rm T}+1})(10)\end{array}$

式中:ZTt表示t时段初各水库的蓄水位向量,ZTt={Zt,1,Zt,2,…,Zt,N}T。算法主要步骤如下:

(1)取初始可行轨迹:{ZT${}_t^1$,t=1,2,…,T+1},ZT${}_1^1$,ZT${}_{{\rm T}+1}^1$为水库边界条件。

(2)t=1时,仅对ZT2寻优,其他的ZT${}_t^1$保持不变,原问题等价于:

$\text{o}\text{p}\text{t}F{}_1=f{}_1({\rm Z}{\rm T}{}_1^1,{\rm Z}{\rm T}{}_2)+f{}_2({\rm Z}{\rm T}{}_2,{\rm Z}{\rm T}{}_3^1)(11)$

记求出的最优解为ZT*2,以ZT*2代替原ZT${}_2^1$。

(3) t=2,3,…,T-1时,对{ZTt+1}寻优,其他的{ZT${}_t^1$}保持不变,原问题等价于:

$\text{o}\text{p}\text{t}F{}_t=f{}_2({\rm Z}{\rm T}{}_t^{*},{\rm Z}{\rm T}{}_{t+1})+f{}_3({\rm Z}{\rm T}{}_{t+1},{\rm Z}t{}_{t+2}^1)(12)$

记求出的最优解为ZT*t+1,以ZT*t+1代替原ZT${}_{t+1}^1$,进行下一个两阶段问题优化。如果t=T-1转入(4)。

(4)检验精度是否符合要求:如前后两次最大发电量值或水库蓄水位轨迹达到精度要求,则迭代结束;否则,记初始轨迹为{ZT*1,…,ZT*T+1},再从t=1开始第2轮计算。如此循环,直到前后两轮迭代满足精度要求。

由于第t阶段要求解的是多变量非线性优化模型,这里采用浮点数编码的遗传算法计算。将水库蓄水量映射为遗传空间,把每个可能的解向量编码成一个计算机可以识别的实型向量,每个编码称为一个个体,所有个体组成种群(种群大小用POP表示)。随机生成POP组水库蓄位序列{ZTt,1,ZTt,2,…,ZTt,POP},并以此作为母体,按适应度函数计算每个个体的适应度,根据适应度大小对每个个体进行选择、交叉、变异等遗传操作,剔除适应度低的个体,留下适应度高的个体,从而得到新的种群。这样反复迭代,直到收敛到最优解[12,13]。

逐次优化-遗传算法的特点:

(1)逐次优化-遗传算法根据贝尔曼最优化原理将多阶段问题划分为多个两阶段子问题,克服了遗传算法复杂度随阶段数增加而大大增加的缺点。

(2)采用浮点数编码的遗传算法求解子决策问题,无需离散状态变量,有助于提高解的精度。

(3)POA在求解多状态变量多阶段决策问题时,由于没有很好的方法求解单阶段多变量非线性优化问题,所以算法收敛速度慢,不易于实现,而遗传算法由于优化的随机性,对求解单阶段多变量非线性优化问题有着明显的优势。

(4)逐次优化-遗传算法在优化计算时,占用计算机内存少,计算时间快,优化效率高,编程简单易于实现。

(5)如果遗传算法在选择前保留最优个体,则以概率1收敛于全局最优解[10],因此在选取的种群数和进化代数合适时,用遗传算法求解两阶段子决策时也以概率1收敛于最优解,即逐次优化-遗传算法有较好的收敛性。

4 实例应用

大渡河是岷江水系的最大支流,全河水力资源理论蕴藏量3 367.97万kW,技术可开发装机2 401.91万kW, 大渡河干流(下尔呷-铜街子)规划22个梯级,总装机容量2 340万kW,梯级保证出力238.4万kW。考虑到大渡河流域梯级水库调节性能的差异,长期优化调度对象主要研究下耳呷(多年调节)、双江口(年调节)、猴子岩(季调节)、瀑布沟(季调节)等4个调节性能较好的水库水电站,其他调节性能较差的水库由于资料原因不作考虑。各水库的基本参数如表1所示。

采用1959~2000年共42年径流资料,以月为计算时段进行水库群长期优化调度。将梯级水电站水库群系统分解为各个单库子系统,对每个水库按单一水库优化方法求解各库的优化运行策略,并以此作为逐次优化-遗传算法(POA-GA)的初始解。为了进行比较,同时采用逐次逼近法(DPSP)进行求解。2种方法的优化结果见表2。在梯级历时保证率92%条件下,POA-GA和DPSP的多年平均发电量分别比设计值高16.82亿kWh和14.43亿kWh。

实例计算结果表明:

(1) 逐次优化-遗传算法得到的优化结果比逐次逼近法高0.7%,比梯级水库设计值高4.9%。

(2)逐次逼近法的计算时间为4~5 min,逐次优化-遗传算法的耗时一般为12 min左右,可见2种算法的计算效率都比较高,收敛速度快,耗时少;而且编程都比较简单,易于在计算机上实现。

(3)从2种算法整个调度期内的水库蓄水过程看,下耳呷作为整个梯级的龙头水库只有在遇到连续枯水年组时水库蓄水位才会消落到比较低的水位。

(4)从弃水量的比较可以看出逐次逼近法比逐次优化-遗传算法弃水量要大很多,而弃水主要发生在猴子岩水库。造成这种现象的主要原因是2种算法的收敛轨迹不同:首先是因为猴子岩水库库容较小,调节性能比较差,所以弃水相对较多;其次逐次逼近法的优化结果特点是水库在汛期比较早地蓄到汛限水位,导致水头较高,后面时段的弃水较多,而逐次优化-遗传算法的汛期是逐渐蓄水到汛限水位,所以水头较低,弃水较少。

5 结 语

高维、多阶段优化模型求解是人们一直在探索的问题。直接应用遗传算法求解水库群优化调度问题时,容易受到计算时段数的制约,优化时间长;传统逐次优化法应用于水库群优化调度时,由于状态变量较多,收敛慢;而应用逐次优化-遗传算法时,从时间上划分阶段进行降维,并采用遗传算法求解子决策问题,在一定程度上解决了这些问题。逐次优化-遗传算法在解决4个水库优化调度问题时占用计算机内存少,计算时间在10 min左右,速度比较快,在对计算时间要求比较高时(如制定梯级水库水电站群实时调度方案)有其优势。总之,逐次优化-遗传算法为求解多状态变量多阶段决策问题提供了新的思路与途径,不仅可用于兴利水库调度,还可应用于防洪等其他目标的水库调度。当然,通过改进遗传算法,可望提高逐次优化-遗传算法的计算速度,同时逐次优化算法还可与其他启发式算法相结合(如蚁群算法、粒子群算法等),充分利用各个算法的优点,从而从整体上提高解的精度和求解速度。

梯级水库 篇3

在河流水能资源的开发利用中, 为满足防洪兴利双重目的, 形成一群共同工作、一定程度上相互协作、共同调节径流、满足流域整体中各部门的多种需要的水库, 称之为梯级水电站水库群。梯级水电站水库群最主要的特点是上下库间的水力联系, 集中体现在位于上游的、较高调节程度的水库对天然来水起了调节作用, 改变下游水库入库流量的年内分配、甚至年际分配。

目前, 以流域为单元实行水资源的综合开发与统一管理, 已经在世界范围内形成了一个潮流。我国地域辽阔、河流众多, 大江大河径流充沛、落差巨大, 蕴藏着极为丰富的水能资源, 形成了十三大水电基地, 是我国能源的重要组成部分。

1 我国流域梯级水电站群联合运行模式现状

我国水能资源在地域分布上具有局部河段或区域资源集中的特点, 有利于形成规模化的水电基地, 目前我国已经形成了包括黄河上游、乌江流域、澜沧江流域等在内的十三大水电基地。

我国水电开发模式经历了四个主要的发展阶段:传统计划经济体制下的指挥部模式;市场经济体制下的业主负责制;流域、梯级、滚动、综合开发机制;混合所有制股份企业流域开发模式。

目前“流域、梯级、滚动、综合”水电开发模式, 仍然是当前乃至今后相当长时期内水电开发模式的主流, 该模式以已建水电站为母体, 用母体水电站的发电效益来逐级开发流域内的其他水电站, 以水电效益为龙头形成汇集流域内相关产业发展的综合效益, 达到开发与保护并重、实现流域资源的可持续发展。遵循水电站建设规律, 结合电力市场供求状况, 优先开发条件好, 调节能力强, 经济效益显著的水电站, 充分发挥流域综合效益。并建成了清江干流、三峡梯级、乌江梯级以及澜沧江干流等具有代表性的梯级水电站水库群优化调度模式。

2 我国流域梯级水电站群联合运行面临的问题

实现流域梯级水电站群的联合运行, 是流域梯级水电站建设发展的必然趋势, 能够大大提高流域水能资源利用效率, 实现经济效益和社会效益的最大化, 而然, 梯级水电联合优化运行仍在存在着许多挑战。目前比较突出的主要有三个方面:

2.1 组成流域梯级水电站水库群的各个电站之间发电计划的制定与协调

在作出流域洪水预测的基础上, 按照电网调度的要求, 及时调整水库调度计划, 制定组成流域梯级水电站水库群的各个电站的发电计划制定与协调是一个复杂的长期过程, 加之电力体制改革、电力市场化交易等环境因素的影响, 对流域干支流梯级水电站水库群发电计划的协调是流域梯级水电站群联合运行面临的一个重要问题。

2.2 流域各个主体之间的效益分配与补偿机制

对于梯级开发、投资多元化的流域, 在其联合运行实施中, 应充分考虑各个主体的利益, 建立完善的效益分配与补偿机制, 避免水库长期处于低水位运行, 严重影响流域的发电效益和防洪调度。

2.3 组成流域梯级水电站水库群的各个电站之间信息与资源的共享

目前我国大多数流域的信息采集系统仍不够完善, 比如水情遥测站点数量较少或者除了梯级各水电站上下游少数几个标志性的站点以外, 其余的遥测站点均同时布设了水文部门的报讯站点等, 造成重复建设。此外, 由于各系统信息采集、编制口径不一致, 限制了信息数据的共享性等。

3 我国流域梯级水电站群联合运行前景展望

目前, 我国正处于电力改革、电力市场化交易的试行阶段, 未来, 流域梯级水电站水库群优化调度将从以下几个方面取得长足的发展和进步。

3.1 流域梯级水电站水库群运行模式自动化水平提高

将水库调度原则和电力市场原则相结合, 考虑水电站工程枢纽安全、对电网运行的影响等因素的基础上, 在未来电厂“无人值班”、“少人值守”发展趋势的要求下, 提高电能传输质量, 注重设备的更新改造和预防性检修, 节省投资, 随着计算机水平不断提高, 流域梯级水电站水库群优化调度工作自动化水平将不断提高。制定合理的发电计划。提高设备自动化水平。

3.2 流域梯级水电站水库群优化调度机制更加完善

通过公平协商, 完善流域效益分配机制, 兼顾上下游和干支流之间的协调发展, 促进资源优化利用。一方面, 完善梯级水电站水库群联合调度的利益分配和补偿机制的法律保障和政策措施。另一方面, 研究联合调度的利益分配和补偿机制, 充分协调各方利益, 促进地区经济社会的和谐发展。同时确保公益性调度行为有效实施。

3.3 进一步关注流域生态环境保护等需求

将生态环境保护因素, 纳入联合调度统一考虑, 促进社会对水电的客观认识和正确判断, 积极探索梯级水库群防洪、兴利与生态环境相互协调、统一的水库综合调度方式, 减少水库群对河流生态和库区水环境造成的负面影响, 将水库群对河流生态和库区水环境造成的负面影响控制在可承受范围内。

4 结束语

建立梯级水电站水库群联合优化调度模式, 是未来流域水能资源开发利用的趋势。我国地域辽阔、水能资源丰富, 形成了十三大水电基地, 建设了一系列在国民经济、社会环境等方面发挥在着巨大作用的梯级水电站水库群。同时也将长期面临着各个电站之间发电计划的协调与制定面临巨大挑战、流域各个主体之间的效益分配与补偿机制不够完善、各部分之间信息与资源共享水平有待提高等问题。未来, 我国流域梯级水电站水库群优化调度模式将结合电力改革的大环境, 进一步提高流域联合调度自动化水平、进一步完善相应机制, 同时结合大环境要求, 加强对生态环境的保护等需求。

摘要：未来水能资源开发利用的发展趋势是以流域为单位实行水能资源的统一开发和利用, 即形成流域梯级水电站水库群, 梯级水电站水库群联合优化调度共同进行流域水能资源的开发、利用、治理、保护等, 实现流域水能资源的高效利用。经过长期的理论研究和实践探索, 我国形成了一系列具有共性又各具特色的水电站水库群联合优化运行模式。文章简要阐述了我国流域梯级水电站群联合运行模式现状、面临的问题以及前景展望, 具有一定的工程实际意义。

关键词：梯级水电站群,联合优化运行,前景

参考文献

[1]梅亚东, 熊莹, 等.梯级水库综合利用调度的动态规划方法研究[J].水力发电学报, 2007, 26 (21) :1-4.

[2]韩桂芳, 陈启华, 张仁贡.动态规划法在水电站厂内经济运行中的应用[J].水电能源科学, 2005, 23 (1) :48-62.

[3]周瑞蓉.梯级水库群发电优化调度的理论与实践研究[J].电源技术应用, 2013 (12) :421.

[4]鲍正风, 徐杨, 等.溪洛渡、向家坝与三峡梯级水库联合调度[J].水电厂自动化, 2014, 35 (4) :56-61.

[5]左天才, 谢思敏.乌江流域梯级水电站几种管控模式探讨[J].远程集控与电厂监控, 2006 (1) :1-6.