水电调度

2024-08-03

水电调度（通用8篇）

水电调度篇1

水库调度工作主要是预测入库流量,然后结合后期天气情况和下游有关部门发电用水需求,制定水库日、周、月、年发电计划,并在实际运行过程中滚动调整,使水库经济运行,达到不用增加额外投资就能安全运行并增发电量的目的。

根据用途不同,水库调度方式可分为防洪调度、兴利调度和综合利用调度。合理的水库调度可以在防洪、发电、灌溉、航运等方面取得不同程度的效益。

水库调度是一项不可或缺的工作,加强对水库调度人员的培训工作,提高调度水平,是涉及并关乎水电站的社会效益和经济效益的大事,必须抓紧抓好。

1 水库调度培训工作的必要性

1.1 水库调度培训能够系统地强化员工的专业知识

目前,基层水电站的水库调度人员的专业水平参差不齐,大多都不是水文及相关专业出身。虽然他们在工作中通过不断学习和积累经验,对水库调度专业知识的掌握程度有了很大的提高,能基本满足日常工作的需要,但是由于掌握的知识缺乏系统性,很难从全局的角度来考虑专业问题,这样的专业知识架构对企业发展是不利的,因此系统化的培训更显迫切。

1.2 水库调度培训能够提高员工的综合素质

新技术、新方法的培训,能增强员工对水库调度专业知识的熟练度,可以有效提升员工的工作能力,使员工游刃有余地开展工作;培训工作中对员工心态、思维习惯和各种能力的培训,会使其在处理工作和生活中出现的问题时更加成熟,促进其综合素质的提高。因此,新技术、新方法的培训亦显必要。

1.3 水库调度培训能够提高员工的工作效率

增强了员工对专业知识的熟练度必然会提高工作的效率,和减少工作中的失误。新技术、新方法、新的思维习惯能使人的思路更加开阔,能帮助其改进工作方法和提高工作效率,让员工的工作更加实用、更加标准,这对提高水电站的经济效益十分重要。

1.4 水库调度培训能够提高员工学习、钻研的兴趣

倒班制度让员工集中讨论的机会减少,遇到无法解决的问题时往往不能相互及时交流,久而久之,意志力不坚定的人会降低钻研问题的兴趣;因此,在培训师的引导下整体推进水库调度培训工作,能够提高员工学习的兴趣,进而形成一种良好的学习氛围。

2 水库调度培训工作的现状

目前,水电站管理人员非常重视各专业的培训工作,并要求各专业的基层培训师制订分期的培训计划,而基层工作人员,特别是青年员工,大都有强烈的学习新知识的愿望,因此定期的培训深受员工的欢迎。但由于种种原因,目前培训效果还不能令人满意,因此对于水库调度培训中存在的问题不能忽视。水库调度培训目前存在以下问题:水库调度培训工作没有有效开展;水库调度培训工作内容不够全面和新颖;有些培训师由于准备不足导致培训效果不佳;培训形式单调;培训深度把握不好。

3 水库调度培训工作的改进方法

鉴于水库调度培训工作的重要性,以及目前这项工作存在的问题,可以从以下2个方面加以改进:首先,细心拟定完整、系统、重点突出、重心在于提高员工综合素质的培训内容;其次,以培训效果为导向,紧密结合实际改进培训方式,以达到更好的培训效果。

3.1 认真拟定培训内容

确定科学、合理的培训内容是整个培训工作最重要的部分,完整、详细、重点突出的培训内容,是搞好培训工作的前提和基础。作为培训师,应根据培训内容深入思考,抓住关键环节,激发员工的学习兴趣。同时,要注意根据日常应用知识的培训、水库调度相关知识的培训及个人能力的培训3个培训内容的知识应用范围的不同,有针对性地施以不同的培训对象。

3.2 日常应用知识的培训内容与范围

(1)水库调度相关设备的培训。一些设备虽然不难操作,例如闸门操作、水位计维护等,但由于平时操作不多,时间久了员工的记忆会变得模糊,因此可以间隔培训。

(2)预报方法的培训。基层单位的水文预报虽然是以成因分析为主,但预报准确率还有待提高,因此应该针对预报方法进行培训,让员工充分了解各种模型,弄清模型的原理和计算步骤,并在实际工作中检验各模型的效果,以综合选出适合本流域的预报方法。

(3)应急预案的培训。为了使全员具有应对突发险情的能力,除了每年安排演练之外,在平时也应该注意设置以防汛方面的应急预案为重点的培训内容,并通过培训让员工“知其然”“知其所以然”,知道在险情发生时自己要做哪些事和怎么做这些事;让员工思考做这些事的目的,这些处理方法是否是最好的,自己做的这些事在整个应急救援体系中具有什么作用等。只有这样,当险情发生时,员工才可能做出正确的判断。

(4)特殊时期调度方案的培训。特殊水情时的调度方案,例如不同洪水等级下的水位控制、开关闸门的时间确定、下泄流量的控制,这些都是水情调度工作的重点,水情调度值班员只有对方案了如指掌,才能做到临危不乱。通过培训使每位值班员在面对不同约束条件时都能及时地制订出合理的调度方案。

(5)水调新技术、新知识的培训。新技术和新知识的获取和应用往往能够解放员工的思想,拓宽员工的思路,提高其工作效率,充分发挥其主观能动性。因此,在企业的基层工作中,要对员工加强新技术和新知识的培训,不断满足员工的求知欲,提高他们对获取新知识的兴趣。

3.3 水调相关知识的培训内容与范围

(1)数据库知识的培训。水调工作产生的数据庞大,需要用数据库来储存和调用,在日常工作中,需要调用或修改数据库中数据的情况比较多,但这些操作基本上都是通过水调值班软件实现的,对于数据库的安装、查询、备份、还原、附加、数据导入导出等基本和重要的操作,值班员并没有完全掌握,且由于水调数据库一般是实时使用的,也增加了值班员自学的难度,因此进行数据库基本知识的培训是非常必要的。为防止误操作,培训工作最好在非实时使用的数据库上进行。

(2)水文设计知识的培训。水文设计知识主要包括合理地选择装机容量和水库特征水位。了解各特征水位选择的步骤,能够拓宽值班员的知识面,使工作游刃有余。例如,了解死水位选择的原理、死水位的作用及其对本电站和上、下游电站的影响。对于实际工作中与此相关的事情,例如库水位大幅下降对航运、养殖、灌溉、传播时间的影响,上游调节性水库建成后、下游调节性水库死水位可以调整等,员工会把握得更透彻。只有充分了解防洪相关水位的设计原理,才能对防洪调度工作理解得更深刻,开展汛期调度工作时才能做到胸有成竹。

3.4 对发现问题、分析问题、解决问题能力的培训

培训是贯穿于日常工作和生活之中的重要工作,其核心是培养员工良好的心态和思维习惯及增强其抗压能力,充分发挥个人的主观能动性。良好的习惯养成后,就会在生活中相互影响,相互促进,使自己的学习能力和解决问题的能力等综合素质得到提高,让人受益一生。

3.5 合理确定培训方式

(1)培训工作应该建立良好的制度。培训工作是一项小投入大产出的工作,要制定完善的培训制度,领导干部要带头严格按照培训制度办事,确保培训工作按时、按量进行,并且在培训过后要进行培训效果评价。

(2)提高培训师的授课技巧。培训师要注重培训效果,结合实际工作,深入浅出,系统讲解,充分激发被培训人员的兴趣,让他们变得更加主动。在讲解预报方法时,要将各种预报方法应用到实际流域进行对比,结合实际情况讲解各种方法的适用性;在讲解洪水调度的理论知识时,要结合具体的洪水调度过程进行分析,让被培训者自己去体会和总结更好的调度方法。

(3)培训方式应该多样化。在企业内部培训时,既要用讲课方式和讨论方式,也要用考试或者竞赛的方式,使大家从被动学习向主动学习过渡;外出培训时,要针对某一具体技术问题或管理方式,开展行业之间新技术、新方法的学习交流,达到共同提高的目的。

(4)培训工作应该分层次、有准备地进行。针对新、老员工学习能力的差异,在有条件的情况下,分批进行培训,适当调整培训内容的深度;授课时要注意突出重点,事先让学员熟悉和思考培训内容,以便达到最佳的培训效果。

在形成良好的培训和学习氛围后,要善于鼓励员工多阅读相关专业的技术或管理论文,组织班组人员定期进行问题交流和讨论,以保持大家的学习兴趣。

4 结语

水库调度工作涉及水电站及下游居民生活的安全和效益,是一项低投入、高产出的工作。培训工作的目标是提高被培训者的学习兴趣,使其由被动学习转变为主动学习,因此要给员工提供一个良好的环境和平台,从严抓起,常抓不懈。通过培训,正确引导员工积极参加学习,从中获得更多有用的知识,促进员工工作效率、工作能力和工作水平的不断提高,为企业的持续发展提供强有力的智力支撑。

摘要：水库调度工作兼顾水电站及下游居民生活的安全和效益,因此水电站水库调度培训工作非常重要,但目前基层水电站水库调度培训工作还比较滞后。文章在认真分析存在问题的基础上,提出了改进措施:结合实际,重点安排培训的主要内容;强调效益,突出培训内容的系统完整性;以人为本,确保员工综合素质的提高;以培训效果为导向,有针对性生地改进培训方式,以真正达到培训的目的。

关键词：水电站,水库调度,培训

水电调度篇2

关键词水电站；防洪调度

中图分类号 TV 文献标识码 A 文章编号 1673-9671-(2012)021-0208-01

恩施州属中亚热带山地季风气候地区，雨量充沛，空气湿润，丰沛的地表径流同众多具有较大落差的深谷型河流相结合，构成了丰富的水能资源。全州水能资源理论蕴藏量509.31万千瓦，可开发蕴藏量349.1万千瓦，可开发装机近500万千瓦，是湖北省除宜昌以外水能资源最丰富的地区。至2010年底，全州拥有水电站271处，总装机容量305.77万千瓦（包括水布垭电站184万千瓦），恩施州成为全省乃至华中地区重要的清洁能源基地。

1 工程概况

罗坡坝水电站工程为中型水库，大坝为混凝土拱坝，大坝及水工建筑物为Ⅲ等3级，水电站厂房为3级。水库正常蓄水位750.00 m，死水位724.00 m，有效库容4 300万m3，库容系数12.9%，为年调节水库，电站设计保证率为90%，出力系数取8.4。大坝按50年一遇洪水设计，500年一遇洪水校核，电站厂房按50年一遇洪水设计，200年一遇洪水校核。

2 流域特性

罗坡坝水库建于冷水河上，冷水河为乌江水系唐岩河的一级支流，发源于恩施市盛家坝乡三县场，河流全长53.21 km，流域面积460 km2，河道平均坡降7.06‰，总落差1 472 m，流域内有小型水库3个，总集水面积3.11 km2，总库容149万m3，对罗坡坝水库产、汇流影响较小。

3 安全泄量

罗坡坝电站厂房200年一遇校核洪水流量2 440 m3/s，厂房以下河段拉弓坝村、罗坡坝村均为高山峡谷，两岸悬崖陡峭，沿河两岸无人居住，下游小河电站2000年一遇校核洪水流量2 716 m3/s，罗坡坝水库向下游河道宣泄的安全泄量定为罗坡坝厂房200年一遇校核洪水流量2 440 m3/s。

4 水文预报方法

根据水库流域的水文气候特点，将一些科研成果运用于水文资料收集、传输、预报服务中。建立了罗坡坝水库流域雨量站点遥测系统、水文自动预报系统，产流量采用降雨径流相关法计算，水库坝址入库洪水过程采用时段单位线法推求。

罗坡坝洪水预报方案精度：产流方案合格率为79.6%，汇流方案流量合格率为83.3%，峰现时间合格率为83.3%，只能达到乙等预报合格率水平，预报误差使得罗坡坝水库防洪调度存在一定风险。

水库形成后，天然河道变成人工湖泊，水力特性的改变而造成洪水过程预报与实时入库过程的误差。如果不注意建库后库区汇流加快及洪峰值的增高，将使预报值偏小滞后，带来严重的后果。调度运行过程中，及时收集建库后的实测相关资料，加强入库洪水演变分析，制定入库洪水修正方案。

5 水库调度

根据水量平衡方程，采用试算法推求水库出库流量过程，主控参数为：入库流量过程、水库库容曲线、表孔下泄曲线、起调水位750.00 m，闸门开启孔数。整个计算只需输入起调水位、自动导入流域降雨量，由电脑自动完成，准确快捷。

水量平衡公式如下：

（）△t=V2-V1=△V

式中：Q1、Q2─表示时段初、时段未的入流量；q1、q2─表示时段初、时段未的出流量；△t─为时段长（以选定步长为准）；V1、V2─表示时段初、时段未的水库蓄水量；△V─为水库蓄水增量。

洪水调度原则如下。

1）防洪调度。依据工程防洪能力和下游防护对象的重要程度，采取分级控制泄洪的调度方式。应包括如下主要内容：①罗坡坝水库主要泄洪设施包括三个表孔、两台水轮发电机和生态放水管，水轮发电机组是否参与泄洪，视电网要求而定，当库水位超过752.42 m（厂房200年一遇校核标准洪水相应库水位）时，电站不宜参与泄洪；②根据对汛初来水的预报，罗坡坝水库在汛前及汛期有可能发生弃水时，要及时加大出力多发季节性电能，同时起到降低库水位以备水库度汛的作用；③罗坡坝水库汛期调度运用计划为：汛期4月15日～10月15日，水库水位处于正常蓄水位750 m以下时，水库按发电运行方式调度；当库水位达正常蓄水位750.0 m时，根据洪水预报，如来水流量大于机组最大过流能力36.0 m3/s（电站装机两台，单机额定流量17.47 m3/s，生态放水管设计流量1.06 m3/s）时，首先开启中表孔，由闸门控制泄流量使其等于来水流量，维持库水位不变；当来水流量大于中表孔闸门全开时的泄流能力时，中表孔闸门全开，同时对称开启两边表孔，控制泄流量使其等于来水流量，维持库水位不变，当来水流量大于三表孔闸门全开时的泄流能力时闸门全开。当来水流量逐渐减小时，按先对称关闭两边表孔，后中表孔的顺序，控制下泄流量等于来水流量，使库水位尽量维持在正常蓄水位750 m。

2）兴利调度计划。兴利调度的任务是在确保大坝安全的前提下，充分利用兴利调节库容，合理调配水量多发电，充分发挥工程的综合效益。①发电调度方案制定应以电网、罗坡水电站的安全运行为前提，充分合理地利用水量与水头，承担电力系统调峰任务，努力做到经济、优质运行；②罗坡水水利水电枢纽兴利调度服从于防洪调度，并与生态调度相协调。根据冷水河流域山区性河流上峡谷型水库的特点，水深每消落1 m所获库容不大，减少电站弃水量不多，而减小发电水头对该时段及后续运行期造成较大影响，发电调度应尽量维持高水位运行。拟定的水库调度方式为：根据水库调节性能和径流特性，每年自4月初开始按保证出力工作，水库逐步蓄水，保证在汛末蓄水至正常蓄水位，然后当入库流量大于调节流量（发保证出力所需流量）电站按入库径流工作，当等于或小于调节流量时，按保证出力工作，水库开始供水。为维持较高工作水头，一般年份在枯水期末并不消落至死水位（只有在设计枯水年才消落至死水位）。

3）生态调度。①生态调度的原则是结合防洪、发电等调度，确保下游河道不断流，合理下泄流量，满足下游生态需水基本要求；②一般情况下，通过电站发电下泄流量满足生态用水要求；③当罗坡坝电站停止发电可通过发电引水系统下泄0.75 m3/s的生态流量。

6 结论

通过以上分析，得出以下结论：对中小型水库运行调度应该注意以下几点问题。

1）首先应制定一个完善的气象、水文预报方案，这就要求在流域内保障有足够和雨量站点，有条件的在水库上下游设立水位流量实时监测点。

2）确保水情信息的准确性与时效性，应加强自动化测报站点的维护管理与更新。

3）水库安全标准和下游防护对象的防洪标准是水库调度不可超越的制约因素，一定要在保障大坝和下游防洪安全的前提下对入库洪水进行调蓄。

4）水库的运行环境是在不断变化着的，加强入库洪水演变分析，才能消除各种影响因素对调度成果的综合影响。

5）完善水文预报模型，为改善水文预报模型精度，应编制实时校正模型，利用实时水、雨情反馈信息改进模型的预估过程。同时，可参照专家系统模式，科学总结成功的洪水预报经验，使模型中难以包括的洪水规律能在预报实践中发挥作用。

6）要有一套畅通的水情传输通道及上报机制。

参考文献

[1] 罗小青.小水电站防洪安全问题及对策[J].水利发展研究,2008,8(2):55-57.

水电调度篇3

梯级水电系统的短期优化调度是指在满足库容平衡、水流滞时、水电转换等约束的前提下,根据已知水电站群各水库的初始水位和控制期内的水量,利用可用水量优化各水电站的出力过程,从而提高整个梯级水电系统的经济效益和运行水平[1,2]。由于梯级水电站之间存在着水力、电力联系,约束复杂,使得短期梯级水电优化调度是一个非线性、多约束、有滞时的混合整数规划问题,求解难度较大。其求解方式分为传统优化方法和现代智能方法两大类,其中,传统优化方法包括线性规划法[3]、非线性规划法[4]、动态规划法[5]和混合整数规划法[6,7]等;现代智能算法包括粒子群算法[8,9],蚁群算法[10]和遗传算法[11]等。文献[3]建立了考虑直流输电线路的水火电联合优化调度模型,并采用大规模线性规划法进行求解。文献[4]采用结合拉格朗日分解法和逐次二次规划法的混合方法求解考虑启停的水电优化调度问题。文献[5]建立了多目标短期水电优化调度模型,并采用差分动态规划法进行求解。文献[8]针对梯级水库群优化调度多约束、高维、非线性和难以求解的特点,将鲶鱼效应机制引入到粒子群算法中提出鲶鱼效应粒子群算法,提高模型求解效率。文献[9]将改进二进制粒子群算法与动态微增率逐次逼近法混合嵌套,分别对水电站外层机组组合和内层机组间负荷分配进行交替迭代优化来求解水电站机组组合问题。文献[10]将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法,并用于梯级水电系统经济调度研究中。文献[11]采用逐步优化算法与遗传算法嵌套搜索,制定短期水电站调度规则。

在应用于短期梯级水电优化调度问题求解时,线性规划法简单、快速,但所求解模型转化为线性规划模型时,存在较大精度损失;非线性规划法虽然精确,但收敛性较差;动态规划法适合求解多时段优化问题,但“无后效性”的条件很难得到满足;而现代智能算法简单、适应性广,但随机优化的特点导致解精度无法得到验证,求解时间也较长。目前看来,利用现代代数技术,将短期梯级水电优化调度问题转化为混合整数线性规划问题后求解,是解决短期梯级水电优化调度问题的有效手段[6,7]。

由于上游电站的出库流量经过一定时间的传播后,成为下游电站的入库流量。体现这种联系的一个重要参数就是上下游水电站之间的水流滞时。目前大量文献将水流滞时作为固定常数或忽略不计予以简化,但受到水电站的出库流量的影响,梯级水电站间的水流滞时处于动态变化之中[12,13]。若将水流滞时作为固定值进行建模,可能导致用水计划安排的偏差,进而导致水电优化调度结果的偏差,因此需要在梯级水电调度过程中考虑动态水流滞时的优化。

考虑动态水流滞时,使得上下游水电站之间的水电联系在时间轴上处于变化之中,从而导致短期梯级水电优化调度中的优化变量在大小和时间两个维度上变化,采用常规算法直接求解困难。针对该问题,本文提出求解计及动态水流滞时短期梯级水电优化调度的逐次逼近法,该方法将水流滞时表示成电站出库流量的函数形式,并以常规短期梯级水电优化调度为基础,构造了逐步逼近精确水流滞时的迭代流程。最后通过一个测试系统和某实际梯级水电系统的算例分析结果验证了本文所提出方法的有效性。

1 数学模型

1.1 目标函数

为了更好地发挥水电的经济效益,选取计划周期内梯级流域总发电量最大为目标函数,具体表示为

式中:f为总发电量;T为计划周期内的时段总数;t为时段编号;N为系统内的水电机组总数;n为水电机组编号;pn,t为t时段机组n的出力。

1.2 约束条件

1)梯级水库流量关系

2)库容平衡

3)能量转换平衡

4)机组的技术最大最小功率输出

5)水库库容约束

6)发电流量约束

7)出库流量等式

8)动态滞时约束

式中:rn,t为电站n平均入库流量;qn,t为电站n的发电流量;sn,t为电站n的弃水流量;gn,t为电站n的出库流量;In,t为电站n的自然入流;Un代表电站n的上游水电站集合;τk为从电站k到n的水流滞时;vn,t为电站n在时段末的蓄水量;ΔT为时段间隔;kn为电站n综合出力系数;Pn,t,max,Pn,t,min分别为最大、最小功率输出限制;Vn,t,max和Vn,t,min分别为允许的最大、最小蓄水量;Qn,t,max和Qn,t,min分别为最大、最小发电流量限制;ψ()为机组发电功率关于发电流量和库容的非线性关系;ϕ()为水流滞时τn和出库流量gn,t之间的非线性关系。

显然,本文所提出的短期梯级水电优化调度模型与常规短期梯级水电优化调度模型的区别就在于式(9)所示的动态滞时约束。

水流滞时受出库流量的影响,当出库流量增大时,水流滞时减小,当出库流量减小,水流滞时增大,两者之间的关系如图1粗虚线所示的非线性函数关系[12,13]。

同时,一般认为某电站到下游电站的水流滞时在调度周期内的各时段为同一个值,因此,某电站到下游电站的水流滞时可按照该电站平均出库流量来计算,因此,式(9)可具体表达为式(10)。

式中,βn为常数,由上下游水电站之间的高程差、河床长度和结构、以及区间自然入流等因素决定。

在制定调度计划时,水流滞时必须是调度时段间隔的整数倍,因此,以调度时段间隔为单位离散化水流滞时和出库流量的函数曲线,如图1所示实线阶梯状曲线。

2 模型的逐次逼近求解方法

逐次逼近法是解决复杂方程求解和优化的有效方法,已经成功地应用于电力系统潮流计算[14]和水电优化调度[9,10,11,12,13,14,15]等问题。其基本原理和过程如式(11)~式(14)所示。

假设如式(11)所示的难解复杂方程可以变形为式(12)所示的形式。

当Y为常数时,很容易求解,则可以构造如式(13)的迭代格式。

迭代从初值Y(0)开始,直到满足如式(14)的收敛条件为止。

式中:l为迭代次数;ε为收敛精度。

本文中的短期梯级水电优化调度模型与常规梯级水电优化调度模型的区别就在于考虑了水流滞时与出库流量之间的非线性关系式(9)。如果各电站水流滞时为常数,则模型转化为常规梯级水电优化调度模型,可以采用各种有效算法进行求解。因此,可设Y为各电站水流滞时τn,而X为除各电站水流滞时外的其他优化变量,即各电站的发电流量qn,t、弃水流量sn,t、出库流量gn,t、功率输出pn,t和蓄水量vn,t,式(1)~式(8)为G(X,Y)=0,等式(9)为Y-Z(X)=0。

在本文中,收敛条件为前后两次迭代的水流滞时不发生变化,如式(15)所示。

对模型作上述处理后,即可按照迭代格式(13)进行求解。具体流程如下:

1)任意给定各个水电站到下游电站水流滞时的初值τn,0。设置τn(l)=τn,0,迭代次数l=0。

2)根据已知的τn(l),调用常规短期梯级水电优化调度方法求解式(1)~式(8),得到各电站发电流量qn,t(l)、弃水流量sn,t(l)、出库流量gn,t(l)、功率输出pn,t(l)和蓄水量vn,t(l)。

3)根据2)中得到的gn,t(l),按照式(10)计算各个水电站水流滞时τn(l+1)。

4)判断式(15)是否成立,如是,优化结束,输出优化结果;如否,设l=l+1,返回2)。

上述过程的流程图如图2所示。

针对常规短期梯级水电优化调度模型的求解,本文首先采用如下线性化方法将模型转化为线性混合整数规划问题,然后调用CPLEX 11.0进行求解,这是目前求解常规梯级水电优化调度问题有效的方法[6,7]。

在式(1)~式(7)所示的常规短期梯级水电优化调度模型中,式(4)所示的能量转换平衡为非线性约束条件。根据实际数据,通过线性拟合方法,可以得到个不同库容下水电机组发电功率p与发电流量q的函数关系,,如图3所示。基于图3,式(4)可以采用式(16)~式(20)等价转化为线性表达式。

式中:en,r为第n个水电机组r段库容下能量转换参数;qn,t,r为第n个水电机组在t时段r段库容下的发电流量;dn,t,r为0、1变量,当Vn,r-1≤vn,t≤Vn,r时取值为1,否则为0。

3 算例分析

3.1 仿真算例

基于上述提出求解考虑动态水流滞时短期梯级水电优化调度的逐次逼近法,本文分别针对一个测试算例和一个实际算例进行求解。设测试算例中的梯级水电系统包含上游水电站A和下游水电站B2个电站,其基本参数如表1所示。

经计算后所得的水电站A和水电站B的出力计划如图4所示。水流滞时迭代收敛情况如图5所示,从图中可以看出,迭代次数为2,计算速度较快。由此可见,所提出方法能有效地求解考虑水流滞时的梯级水电优化调度问题。

为了验证本文所建模型的合理性,分别按照以下三种情况进行优化调度:(1)不计水流滞时;(2)水流滞时取计划周期前一日平均出库流量对应的滞时;(3)将水流滞时作为优化变量。通过优化计算,下游水电站B的水库优化调度结果如图6所示。由图6可见,三种情况下的水库优化调度结果均不相同,不考虑水流滞时的影响以及参考前一日水流滞时均会造成调度决策的偏差,无法正确地指导水电优化调度工作,而本文提出的模型能够根据出库流量的变化,对水流滞时进行动态调整,从而合理地反映了水流滞时变化的特征,为水电站优化调度工作提供了科学的参考依据。为了比较三种情况的经济效益,分别将所得水库优化调度结果代入本文所建模型计算目标函数值,求解结果如表2所示。由表2可以看出,水流滞时的优化计算可以增加梯级水电系统的总发电量,进而提高经济效益。

3.2 实际应用

为了进一步检验所提出方法的实用性,结合某地区的实际算例进行测算。实际算例包含8座梯级水电站,水系结构示意图如图7所示。计算收敛情况如图8所示,经过4次迭代便可稳定收敛到最优解。

4 结论

本文考虑水流滞时和电站出库流量之间的非线性关系,提出求解计及动态水流滞时的短期梯级水电优化调度的逐次逼近法,通过分析可以得出以下结论:

(1)水流滞时会受出库流量的影响,取值并非恒定,将水流滞时表示为出库流量的函数,能够较好地反映滞时的动态特性。

(2)根据固定的滞时参数进行优化调度,将会产生调度的偏差,而在优化调度中考虑滞时变量的优化,能够提升梯级水电系统的经济效益。

基于蚁群算法的水电经济调度篇4

关键词：蚁群算法,水电经济调度,目标函数,算法

1 引言

电力系统的经济问题就是在满足系统负荷以及机组备用要求和机组运行的技术约束条件的情况下, 确定在今后一段时期内各机组的开停机状况并在机组间分配负荷, 以使系统总的耗水等费用最小。该问题是一个高维数、离散、非线性化的优化问题[1]。意大利学者Dorigo等人在1991年提出了一种模拟自然界蚁群行为的模拟进化算法——蚁群算法[1,2]。这种算法是受蚂蚁觅食的启发, 该算法具有分布式计算、信息正反馈和启发式搜索的特征, 在随机性、自适应性、鲁棒性、非线性等复杂问题的搜索中表现出了非常好的优点, 被广泛应用到电力系统中去, 效果比较满意。

2 水电经济调度的数学模型

本文基于文献[3]和文献[4]总结的数学模型来研究水电站的机组运行耗水量即经济调度问题。水电经济调度的数学模型主要分为目标模型函数和约束模型函数。目标模型函数是对于一个给定的机组和固定调度周期的水电站, 要求在完成额定电能的同时, 所需要的总耗水量最小;而约束模型函数主要包括机组开停机时间约束、发电机组备用功率约束、发电流量约束和水库水量以及机组发电功率约束、功率负荷平衡约束等。

2.1 数学模型

假设某水电站的调度周期分为M个时段, 水电站有N台发电机组。该模型为在已知发电机组的规模和调度周期的情况下, 使水电站总耗水量最小。

undefined

式中:i——该发电机组编号 (i=1, 2, …, N) ;t——该发电机组运行的时间段 (t=1, 2, …, M) ;Pit——该发电机组i在时间段t的发电出力;uit——该发电机组i在t时间段的运行状态 (若uit=0, 该发电机组处于停机状态, 若uit=1, 该发电机组处于开机状态) ;Jt——时间段t时该发电机组段水头;Δt——时间段的时间长度;Vit——该发电机组i在t时段运行时的耗水量;Vui, Vdi——该发电机组开机和停机过程中消耗的水量。根据以该发电机组段水头为参数的动力特性曲线可得Vit的计算公式为[3]:

Vundefined=aiPundefined+biPundefined+ci

2.2 约束条件函数

(1) 功率负荷平衡约束函数:

undefined

式中:P——总功率。

(2) 机组系统备用功率约束函数:

undefined

式中:Pundefined、Pundefined——该发电机组i在t时间段的最大和最小可能出力;Lundefined、Lundefined——t时间段所需的最大和最小备用功率。

(3) 水库库容及发电耗水流量约束条件:

Qundefined≤Qundefined≤Qundefined

Vundefined≤Vkt≤Vundefined

式中:Qundefined——水库k在t时段的库容;Qundefined和Qundefined——水库k的最小和最大库容值;Vkt——水库k在t时段发电流量;Vundefined、Vundefined——水库k在t时间段发电流量的最小值和最大值。

(4) 发电机组功率上下限约束:

Pundefined≤f (Pundefined) ≤Pundefined

式中:Pundefined, Pundefined——发电机组i在t时段的发电功率下限和上限。

(5) 机组最小开停机时间约束:

undefined

式中:Xit——该发电机组i在时间段t已开或者已停机的时间长度;tundefined——i发电机组的开关机时间。

(6) 水库的水量平衡约束条件:

f (Q) =Qundefined+Rundefined-Vkt-Sundefined

式中:Qundefined——水库k在t-1时刻的库容量;Rundefined——t时刻水库k的入库容量;Vundefined——t时刻水库k的发电耗水量;Sundefined——t时刻水库k的泄洪水量。

3 蚁群算法原理以及说明

蚁群算法主要是受蚂蚁群落搜索食物的过程的启发而得出的。根据人们的长期观察和研究发现, 自然界中的蚂蚁完全有能力在没有任何可见提示下找出从蚂蚁穴到食物之间的最短路径, 并且能随着外界环境的改变而变化搜索新的食物路径, 并且产生新的选择[4]。其主要原因是蚂蚁个体之间是通过一种信息素的化学物质进行信息传递的;蚂蚁在它所经过的路径上留下该种物质, 我们称之为信息素, 蚂蚁的运动方向由信息素来决定的, 信息素浓度越高, 蚂蚁选择此路径的可能性也越大。信息素轨迹可以使蚂蚁找到它们返回食物源的路径, 其它蚂蚁也可以利用该路径找到同伴发现的食物源的位置[1]。

(1) 初始化以及蚂蚁状态转移概率。

初始时刻, 各条路径上的信息素量相等, 设τij (0) =C (C为常数) 。蚂蚁k (k=1, 2, 3, …, m) 在运动过程中根据各条路径上的信息素量决定转移方向。蚂蚁系统所使用的状态转移规则被称为随机比例规则, 它给出了位于城市i的蚂蚁k选择移动到城市j的概率。在t时刻, 蚂蚁k从城市i选择城市j的转移概率为[6,7]:

undefined

式中:allowedk={0, 1, …, n-1}——蚂蚁k下一步允许选择的城市, 也就是禁忌表;τij (t) ——t时刻在路径边ij上残留的信息量;ηij (t) ——t时刻在路径边ij上的信息素重要程度;α, β——参数, 分别反映了蚂蚁在寻找食物过程中所经过路径上所积累的激素和启发信息在蚂蚁选择下一个目标的可能性指标数值。

(2) 信息素强度的局部更新以及全局更新规则。

τij (t) ← (1-ρ1) *τij (t) +ρ1*Δτ0

τij (t) ← (1-ρ2) *τij (t) +ρ2*Δτij

4 采用蚁群算法解决问题的具体分析与步骤

水电经济调度优化问题与TSP问题有所不同, 它具有自己的独特之处, 本文对它们的不同之处进行总结, 设计出比较有效的方法来解决这类问题。

4.1 水电经济调度中蚂蚁路径和算法执行过程分析

根据式 (1) 可知:机组在各个时段的状态只有开和关两种状态 (对应1和0) , 蚂蚁从最初节点到最末节点并非是形成闭环状的, 而是最后节点和最初节点是不一样的, 类似一个二叉树的结构, 如图1所示为某个时段的蚂蚁路径结构, 如果分为12个时段, 则为12个类似这样的结构。蚂蚁沿着这个路径开始, 当一个循环结束后, 所得各个机组在各个时段的状态代入式 (1) 得到一个目标函数值, 一次循环结束后, 所得的值与当前保留的值进行比较, 总是保留更小的值, 并保留此次蚂蚁经过的路径。当所有的循环结束后或者是达到迭代次数后, 当前保留的一定是最小的目标函数值, 这只蚂蚁经过的路径即为最优路径, 也就是我们所需要的最优机组组合。

4.2 本实例中的蚁群算法的蚂蚁禁忌表的确定

由蚁群算法的原理可知, 人工蚂蚁在爬行过程中使用类似二叉树结构的路径, 其禁忌表为allowedk={Uundefined, d}, 其中Uundefined为t时刻k号机组, d为k号机组的使用状态。即d=0或者1表示为开或者关的两种状态。算法流程图如图2所示。

4.3 本实例中的蚂蚁状态初始化以及蚂蚁状态转移概率

每个元素的初始信息素是相等的。设信息素τi (0) =P (i=1, 2, …, n) , 其中P为日计划发电总功率。寻优过程中, 其信息素τi将随着蚂蚁群过后留下的激素量的变化而变化[8,9,10]。

蚂蚁k在运动中是根据各个元素的转换概率来决定选取哪一个元素的。转移概率为:

undefined

式中ηij的确定很重要, 直接影响算法的收敛程度以及执行效率。根据水电调度的原则, 我们确立了这样几个原则:容量大、效率高、停机损失小和单位发电耗水量少的优先级别高, 也就是对蚂蚁的吸引程度高, 故可以令undefined来构建蚂蚁算法中的转移概率。其中Qm——机组m的容量;ηm——机组m的效率;λv——机组m的单位发电耗水量;Qs——机组m停机时的损失水量。故其转移概率公式为:

undefined

4.4 仿真实例分析

对于有12台发电机组, 以日为调度周期的水电系统, 其机组特性参数和系统负荷表参见文献[2]。使用VB语言编制仿真程序, 在本实例中, 取α=1, β=8, ρ1=0.6, ρ2=0.9时仿真结果较好, 蚂蚁数m=100, 代数=200, 该问题的仿真图如图3、图4所示, 仿真结果如表1、表2所示。在表1中, “0”表示该机组为停机状态, “1”表示该机组为开机运行状态[11,12]。

5 结束语

本文将蚁群算法应用于水电经济规划中, 以在满足负荷以及安全的条件下, 使系统运行费用最低为目标函数, 建立了相应的算法, 并通过了相应的实例验证, 结果表明该算法针对这类问题是安全可行和有效的。

参考文献

[1]李示勇, 陈永强, 李研, 等.蚁群算法及其应用[M].哈尔滨:哈尔滨工业大学出版社, 2004.

[2]王建国, 张昊宇, 明学星, 等.基于蚁群算法优化的再热汽温系统变参数预测PD控制[J].化工自动化及仪表, 2008, 35 (3) :19-22.

[3]杨俊杰, 周建中, 刘大鹏.电力系统日发电计划的启发式遗传算法[J].水力发电, 2004, 30 (1) :7-11.

[4]刘建明, 李茂军.基于改进遗传算法的水电经济调度[J].电力系统自动化, 2007, 19 (5) :39-44.

[5]赵佩清, 颜学峰.基于新型蚁群算法优化的重油裂解模型[J].化工自动化及仪表, 2007, 34 (6) :20-23.

[6]赵佩清, 林文才, 颜学峰.基于蚂蚁智能体调度的混沌搜索算法及化工应用[J].化工自动化及仪表, 2009, 36 (4) :21-25.

[7]IPPOLTO M G, MORANA G, SANNEVERINO E R, et al.AtColony Search Algorithm for Optimal Strategical Planning of E-lectrical Distribution Systems Expansion[J].Applied Intelli-gence, 2005, 23:139-152.

[8]张秀霞, 王爽心, 吴冠伟.基于混沌遗传和模糊决策算法的多目标负荷经济调度[J].电力自动化设备, 2009, 29 (1) :94-99.

[9]VALSAN S P, SWARUP K S.Hopfield Neural Network Ap-proach to the Solution of Economic Dispatch and Unitcommit-ment[C]//Proceedings of International Conference on Intelli-gent Sensing and Information Processing.India, 2004:311-316.

[10]DAMOUSIS I G, BAKIRTZIS A G, DOKOPOULOS P S.Net-work-constrained Economic Dispatch Using Real-coded Genet-ic Algorithm[J].IEEE Trans on Power Systems, 2003, 18 (1) :198-205.

[11]TEMRAZ H K, SALAMA M M A.A Planning Model for Si-ting, Sizing and Timing of Distribution Substations and Defi-ning the Associated Service Area[J].Electric Power SystemsResearch, 2002, 62:145-151.

石泉水电站优化调度模式的探索篇5

水电站发电量受来水制约,而汉江上游来水暴涨暴落的特点明显,洪水期1天之内流量可由200m3/s涨到10 000 m3/s以上,对于上游调节能力非常有限的水电站来说,如何开展水库优化调度,减少甚至避免弃水,充分利用水能显得尤为重要。

石泉水电站作为汉江上游第1座大型水电站自运行以来就一直探索水库的优化调度方式,在保证大坝及下游河道行洪安全的前提下最大限度地利用水资源。进行过洪尾超蓄风险调度研究[1,2,3],梯级联合洪水协调调度实践等[4]。2008年起,该站对原有的水情自动测报系统进行了全面升级改造,建成了水调自动化系统[5],使开展优化调度的条件更为成熟。在过去研究实践的基础上,石泉水电站把精细化调度落实到日常调度工作中,通过对雨洪规律,电站泄流能力,机组实际特性的分析,制定了衡量优化运行的量化指标,使优化调度模式具有了可操作性,达到了实用化程度,适用于汉江流域水库的优化调度。

1 现状分析

1.1 石泉水电站概况

石泉水电站坝址位于汉江上游陕西省石泉县城西峡谷下口距石泉县城1 km处,控制流域面积23 400 km2。电站总装机容量225 MW(5×45 MW)。多年平均发电量为6.34×108 KWh。水库为季调节,属狭长的河道型水库,主要由汉江干流、牧马河支流及子午河流域组成。水库总库容3.98×10m8 3,有效调节库容为2.27×10m8 3;水库正常蓄水位410.0 m,死水位400.0 m,最低死水位393.0 m。

水库设计多年平均入库水量108×108m3,多年平均流量342 m3/s。近年来由于汉江上游来水偏枯,多年平均入库水量已由设计时的108×108m3,减少到现在的97.2×108 m3(1954年一2012年)。径流的年内时程变化和年际时程变化明显,洪水在3月-11月均有出现,以7月-9月最多,年最大流量多出现在7月和9月。洪水过程涨落极快,一次过程一般历时5-7天。

1.2 水库运行调度模式

石泉水电站主要以发电为主,调度模式主要是发电调度和防洪调度,属于汉江上游第一座大型电站,水库有一定的调节能力,承担了滞洪削峰的防洪任务,备受各级防汛部门的关注。当下泄流量超过6 000m3/s,小于21 500 m3/s时,调度权限归安康市防汛抗旱指挥部;当下泄流量超过21 500 m3/s时,调度权限归陕西省防汛抗旱总指挥部。防汛部门要求主汛期洪后的回蓄水位不能超405.0 m;根据《石泉水电站水库调度规程》规定,在入库洪峰流量大于6 000 m3/s时,水库首先进行防洪调度,其次才是发电调度。

1.3 流域内雨洪特点

(1)持续2～3天的小到中雨,局地大雨,土壤前期影响在20～30 mm,累计场降雨量25～50 mm之间;或流域内某支流区域大到暴雨,2～3个雨量监测站点降雨量在70～90 mm;或3～5个监测站的降雨量在50～60 mm,均可形成洪峰流量为1 000～2 000 m3/s的洪水。

(2)持续3～4天的中到大雨,局地大暴雨,土壤前期影响在45～55mm,累计场降雨量50～70mm;或前期有2天左右的小雨,后面有1～2天的大到暴雨或局地暴雨到大暴雨;或4～5个雨量监测站的降雨量在90～100mm,均可形成洪峰流量为2 000～3 000 m3/s的洪水。

(3)中到大雨,局地大到暴雨,持续5天左右,土壤前期影响45～55 mm,累计场降雨量70～120 mm;或短时间有局地大暴雨,均可形成洪峰流量为3 000～4 500 m3/s的洪水。

(4)中到大雨,局地大暴雨,单站超过100 mm或者多站超过50 mm以上;或中到大雨持续时间长,基本在1周左右,均可形成洪峰流量为5 000～8 500 m3/s的洪水。

2 水库调度优化

2.1 调度理念的转变

水电站运行受天然来水控制,有水多发没水少发,弃水不可避免,这是客观因素。以前我们只是被动地接受执行各项调度指令,缺乏沟通,关注度不够,致使水库没有达到经济运行。近几年我们转变观念,提高了对水库精细化调度的认识,在确保安全的情况下,规定了每个时段的水库优化运行边界条件以及边界条件发生变化时计划如何调整。比如从时段分为汛期、非汛期、洪水期、平水期。分别制定长期、中期、短期水库优化运行方案。从主汛期开始,每日下午根据气象预报及水库运行实况和检修要求等,制作第2天的最优发电计划,并把发电计划执行情况与水库实际运行情况进行对比分析,看是否达到优化调度,并不断总结提高。非汛期在满足系统调峰要求下,按最经济水位控制运行。

2.2 具体措施

2.2.1 洪前腾库减少弃水

洪水来临之前根据机组满发或大发电消落库水位腾出库容,不仅可以增加防洪库容,还可以用腾出的库容多蓄水量从而减少弃水,增发电量。洪前腾库不是盲目地将库水位降至最低,而且要预防预报失误导致的水库蓄不满或运行水位低,发电水头损失和机组发电效率低等情况。

库水位的消落深度要根据预报的降雨历时、降雨强度、目前的入库流量、水库的运行实况、流域前期土壤的含水量等因素来综合确定,最主要的依据是降雨预报的强度及历时。通过对石泉水电站近几年的水文气象预报与实际来水的分析,当汉中气象局3天滚动天气预报和陕西省气象局7天滚动预报同时预报未来1周内流域有3天及以上中雨过程时,石泉水库可逐步增开机组,并根据随后的预报及实际降雨消落水库水位。在消落水位的过程中,须根据预报的加强或减弱、实际降雨强度的大小、降雨面积及降雨位置离库区的远近,及时调整增加或降低出力。经过计算,预报入库流量小于2 000 m3/s时,库水位消落到399.0～400.0 m最为经济,预报入库流量大于2 500 m3/s时,水位可消落到极限死水位腾库迎洪。

受降雨预报的不确定性、降雨时空分布的差异、洪水预报误差等因素的影响,如果对于腾库的时机和消落的深度不能准确把握,则可选择损失小的方案。以石泉水库增发电量的比较来衡量方案的优劣。

假如石泉水库水位从400.0 m降至394.0 m,并伴有弃水,预泄腾库增发电量ΔE增为:

假如石泉水库水位从400.0 m降至394.0 m,并无弃水,水头降低损失电量△E减为:

式中:ΔV为预泄腾库库容(水量);q为预泄时段平均发电耗水率;q1为水位降低到400.0 m的发电耗水率。

通过以上计算数据可以看出,提前腾库减少弃水带来的增发电量远大于腾库水头损失造成的损失电量。

最优化,最理想状态是每一场洪水来临之前把水位控制得恰到好处,衔接紧凑,但即使水位降下来而因降雨与预报偏差大,流量和水量都没有达到预想结果的情况下,流量还是会有一定程度增长,此时通过调整机组运行方式,水位很快就能回蓄起来。

2.2.2 抬高运行水头的途径

石泉水电站平均水头(净)42.0 m,设计水头(净)39.0 m,最大工作水头(净)47.5 m,最小工作水头(净)26.3 m,在设计水头附近每增加或降低1.0 m水头,发电耗水率减小或增加0.2 m3/kWh左右,水头达到42.0 m以上,机组出力最大为5.0×104 kW,对于水电站,水头的高低对发电耗水率及机组出力影响很大,宜保持高水头运行。

抬高水头的途径主要有以下几种:

(1)抬高库水位。1)次汛期(5、6、10月)的非洪水期,1周内无降雨可将库水位控制在406.0 m左右按来水发电,如天气预报发生变化可根据变化情况及时调整;2)主汛期(7、8、9月)的非洪水期,1周内无降雨可控制水位接近405.0 m运行;3)洪水期根据洪峰流量大小确定水库运行水位:洪峰流量小于2 000 m3/s时,洪前将水位降至400.0 m左右迎洪;洪峰流量大于2 000 m3/s而小于6 000 m3/s时,洪前将库水位降至极限死水位,洪中运行水位控制在404.5～405.0 m,洪后根据天气预报确定回蓄水位,1周内无降雨可考虑将水位按409.0～410.0 m回蓄;洪峰流量大于6 000 m3/s时,洪峰前后运行水位宜降至402.0～403.0 m之间运行,洪后回蓄水位与洪峰小于6 000 m3/s的洪水相同。

(2)降低尾水位。合理安排开启闸门,在保证安全的前提下,能不多开的闸门一定不要多开。在保证库水位的同时还要考虑不要人为抬高下游水位,从而降低发电水头。

(3)及时清理拦污栅及机组进水口浮、沉渣,通过调整闸门运行排渣,保持机组进水口门前清洁,降低进水口压差,抬高发电水头。

按以上方法调整后的石泉水电站机组出力与发电水头对照见表1。

2.2.3 汛限水位动态控制

主汛期拦蓄洪尾实施汛限水位动态控制,可使梯级电站同时增发电量,充分利用水资源。目前石泉水电站建成了新一代的水调自动化系统,可同时接收水文部门的人工实时信息、各级气象部门的预报信息、下游电站的水库信息,有了巨大的、可靠的信息支撑,同时采取了有效的防范措施,假如预报有大雨或产生局地强降雨等情况,可以根据下游电站的实际情况,通过同时预泄的方式将水位降至汛限以下。石泉水电站汛限水位以上可运行的闸门有4个表孔、大底孔、5台机组,最大总泄量为10 800 m3/s,采用梯级电站同时预泄的方式,且下游安康水电站有3.6×108m3的防洪库容,16.7×108m3的兴利调节库容。比如水位在410.0 m时,假如入库流量600 m3/s,则2.9 h就可将水位从410.0 m降至405.0m。即使遇到最不利的情况,也不会对下游带来安全风险,历史资料显示最快的1次近坝区强降雨(2012年6月9日子午河流域强降雨)到洪水入库也要5 h以上。因此主汛期短时水位超汛限运行是可以实施的。

2.2.4 优化机组运行

同样的压差和水量,每个机组的效能也不一样。严格执行巡回检查制度,及时消缺维护,保证机组状态良好。根据机组实际情况,制定合理的开机顺序和组合方案。

2.2.5 实施梯级联合调度

在洪水调度过程中,虽然具备了信息共享,但还是要根据中短期预报,加强同喜河水电站的沟通,洪前腾库时采取喜河水电站先于石泉水电站腾库待洪的运行方式,洪后回蓄水位时,喜河水电站先蓄满后根据石泉水电站的泄洪,利用闸门可调节的优势,随石泉水电站的泄量调节,保持高水位运行,可使梯级发电量最大化[8,9,10]。

3 水库优化调度的效益评价

表2是石泉水库2012-2013年优化调度取得的成效,其中,ΔE1表示洪前腾库迎峰,减少弃水增发电量,ΔE2表示洪中抬高水头增发电量,ΔE3表示洪后实施汛限水位动态控制增发电量。

由表2可知,在2012-2013年共计12场洪水中:洪前腾库增发电量1 961.04×104 kWh;洪中抬高水头增发电量4 423.3×104 kWh;洪后实施汛限水位动态控制增发电量7 608.02×104 kWh;超铭牌出力增发电量3 131.02×104kWh,2年内在洪水期累计增发电量1.71×108 kWh,折合石泉水电站上网电价0.22元/kWh,创造额外效益0.376 2亿元。

4 结语

石泉水电站是汉江上游的第1座大型电站,其调度运行直接关系到下游梯级电站的防洪安全和效益,经过近几年的实践探索,建立了适合石泉水电站的优化运行模式,在2010-2013年的洪水调度过程中验证了这种调度模式是经得起考验的,同时取得了可观的经济效益。在此过程中,发现了还存在一

些不足,需要继续探索和完善,如石泉与喜河梯级水电站还未真正实现联合调度,不能充分利用水能资源。

参考文献

[1]席秋义,黄强,赵雪花.石泉水库主汛期拦蓄洪尾超蓄运用的风险分析[J].水力发电学报,2004,23(6):108-110.

[2]席秋义,黄强,黄灵芝,等.石泉水库主汛期拦蓄洪尾运用方式研究[J].西北农林科技大学学报(自然科学版),2005,33(4):112-116.

[3]席秋义,刘招,洪华,等.水电站防洪预报调度图绘制及应用研究[J].水电能源科学,2011,29(7):29-32,96.

[4]武世峰,席秋义.汉江喜河水库经济运行方式研究[J].陕西电力,2013,41(3):46-48,71.

[5]姚跃庭.基于发电量最大的三峡梯级枢纽优化调度[J].水电站机电技术,2010,33(3):87-89.

[6]吴月秋,纪昌明,郑江涛.改进粒子群算法在梯级水电站优化调度研究中的应用[J].电网与清洁能源,2011,27(12):38-43.

[7]张清扬,冯雪.班电量考核制度下龙首电站水库优化调度研究[J].电网与清洁能源,2012,28(l):87-92.

[8]沈延青,靳少波,白钰.黄河上游唐乃亥水文站与龙羊峡水电站水量不平衡原因分析[J]田.电网与清洁能源,2014,30(1):117-119.

[9]王军辉.花园水电站综合自动化系统的设计与应用[J].电网与清洁能源,2013,29(11):126-130.

水电调度篇6

近年来, 我国的风电发电发展迅速, 我国成为风电装机容量最大的国家。然而, 风电具有随机性和间歇性, 对电网的安全和经济运行产生负面影响[1]。

如何应对风电的不确定性对调度运行的影响, 成为许多学者关注的问题。为提高含有风电的电力系统的安全性, 常采用具有蓄能作用的系统与其配合, 如水力蓄能、压缩空气蓄能、超导磁力蓄能、流体电池组等[2]。如GARCIA-CONZELEZ J研究以风电和抽水蓄能进行联合调度, 以经济效益最大为目标建立模型, 并分析比较了风电和抽蓄联合运行与单独运行时的效益[3]。静铁岩在考虑抽水蓄能机组启停限制和工况转换限制为约束的基础上, 以联合运行效益最大化为目标建立了风电-抽水蓄能联合日调度模型, 降低了风电的随机性对电网的负面影响[4]。刘小平建立了油电、火电和光伏发电的实际运行成本最小模型, 并通过蒙特卡洛模拟与遗传算法相结合对模型进行求解并分析了不确定因素对于结果的影响[5]。衣立东提出了水电、火电为风电调峰的调峰能力计算方法[6], 为风电接入后电网调峰能力的研究提供了借鉴。

本文提出常规水电与风电联合调度模型, 以风电水电联合效益最大为目标, 同时以给定置信度水平满足系统要求为约束条件, 具体表现为旋转备用容量在一定的置信水平下满足系统要求。通过联合调度, 充分利用了风能且充分考虑了系统的安全性。通过蒙特卡罗方法模拟风电的随机性, 并与分布估计算法相结合对模型进行求解。以具有4个水库的风电水电联合系统作为算例进行测试分析, 讨论了风电的不确定性因素对联合调度结果的影响。

1风电水电联合调度模型

风电与水电联合运行的系统中, 由于风电的随机性和间歇性, 在系统中主要体现其电量的效应。水电在吸纳风电电量的同时需提供一定的容量来配合风电的随机性。从长期调度尺度而言, 水电站发电量与可调电量相等时对风电消纳贡献最有利, 但此时并非是清洁能源发电量最佳[7]。本文在考虑风电输出功率波动的前提下, 建立水电风电联合短期调度模型, 以风电水电联合效益最大模型为目标, 同时考虑系统可靠性的概率约束条件。

1.1目标函数

以水库群调度为例, 已知该电站一天的入库径流序列, 以小时为时段, 以风电水电联合效益最大模型为优化模型, 其目标函数为:

$\max \sum_{i}^{Τ} [π_{i} \cdot (\sum_{k = 1}^{Ν_{h}} Ρ_{h k}^{t} + \sum_{k = 1}^{Ν_{w}} Ρ_{w k}^{t}) \cdot Δ t] (1)$

式中:P $_{h k}^{t}$ 为第k个水电站在t时段时的出力;Nk为水电站个数;P $_{w k}^{t}$ 为第k个风电机组在t时段时的出力;Nw为风电机组个数;Δt为时段长度;πi为电价。

1.2约束条件

(1) 水电出力约束:

$Ρ_{h i}^{\min} \leq Ρ_{h i}^{t} \leq Ρ_{h i}^{\max} (2)$

(2) 水库发电流量约束:

$Q_{i}^{\min} \leq Q_{i}^{t} \leq Q_{i}^{\max} (3)$

(3) 水库库容约束:

$V_{i}^{\min} \leq V_{i}^{t} \leq V_{i}^{\max} (4)$

(4) 水库初末水位限制:

$V_{i}^{0} = V_{i}^{B}, V_{i}^{Τ} = V_{i}^{E} (5)$

(5) 水量平衡约束:

$V_{i}^{t} = V_{i}^{t - 1} + Ι_{i}^{t} - Q_{i}^{t} - S_{i}^{t} + \sum_{m = 1}^{Ν_{u}} [Q_{m}^{t - τ_{m, i}} + S_{m}^{t - τ_{m, i}}] (6)$

式中:P $_{h i}^{t}$ 是第i个水电发电在t时段时的出力;P $_{h i}^{\min}$ 、P $_{h i}^{\max}$ 为第i个水电出力的下限与上限, MW; V $_{i}^{\min}$ 、V $_{i}^{\max}$ 为第i个水电库容的下限与上限;V $_{i}^{0}$ 、V $_{i}^{Τ}$ 为第i个水电调度的起调水位和末水位;V $_{i}^{t}$ 为第i个水库在t时刻的库容, m3;I $_{i}^{t}$ 第i个水库在t时刻的入库流量;Q $_{i}^{t}$ 为第i个水库在t时刻的发电流量;Q $_{i}^{\min}$ 、Q $_{i}^{\max}$ 为第i个水电泄流的下限与上限;S $_{i}^{t}$ 为第i个水库在t时刻的弃水流量, m3/h;τm, i为水库i上游水力联系的第m个水库的下泄流量到该水库的流达时间。

(6) 旋转备用。

在电力系统实际的运行中, 往往受到一些不确定因素的影响, 如负荷需求的波动、风电的随机波动。若要满足系统的可靠性需求, 需求一定的旋转备用容量。虽然大量的旋转备用容量可以大幅地提高系统的可靠性, 但在实际中某些极端情况的出现概率极小, 因此, 在考虑旋转备用容量时可在系统的可靠性和经济性之间进行权衡。

根据随机规划中机会约束的形式, 用概率形式描述旋转备用约束, 其表达式为:

$Ρ [R^{t} \geq δ_{w j}^{t}] \geq β (7)$

式中:δ $_{w j}^{t}$ 为风电在t时段的功率波动;β为给定的置信水平;Rt为t时段的旋转备用容量。

旋转备用容量主要由水电机组提供, 其表达式如下式 (8) :

$\min [Ρ_{h i}^{\max} - Ρ_{h i}^{t}, f (V_{h i}^{t}, Q_{h i}^{t}) - Ρ_{h i}^{t}] (8)$

式中:f (V $_{h i}^{t}$ , Q $_{h i}^{t}$ ) 为时段t时考虑当前流量和库容情况下水电的最大出力。

本文中考虑的模型为以小时为调度时段的短期调度, 常用的出力计算公式适用于水库长期调度中对计算准确度要求不高的出力计算, 在短期调度的出力计算中采用可与水库库容Vj, t和发电流量Qj, t相关的二次函数表示, 如文献[8]中所提到的计算方法, 其表达式如下:

$Ρ_{h i}^{t} = c_{1 j} V_{j, t}^{2} + c_{2 j} Q_{j, t}^{2} + c_{3 j} V_{j, t} Q_{j, t} + c_{4 j} V_{j, t} + c_{5 j} Q^{j, t} + c_{6 j} (9)$

式中:c1j、c2j、c3j、c4j、c5j和c6j为常数。

2不确定因素模拟

通过对大量的实际数据进行统计分析, 其结果表明风速近似服从威布尔分布[9]。文献[10]将风力机组的输出功率Pw与实际的风速之间的关系表示为:

$Ρ_{w} = {\begin{matrix} 0 & v ＜ v_{C Ι}, v \geq v_{C Ο} \\ \frac{Ρ_{W}^{R}}{v_{R}^{3} - v_{C Ι}^{3}} v^{3} - \frac{v_{C Ι}^{3}}{v_{R}^{3} - v_{C Ι}^{3}} Ρ_{w}^{R} & v_{C Ι} \leq v ＜ v_{R} \\ Ρ_{W}^{R} & v_{R} \leq v ＜ v_{C Ο} \end{matrix} (10)$

式中:P $_{w}^{R}$ 为风机的额定输出功率;vCI为切入风速;vCO为切出风速;vR为额定风速。

在对风电运行进行模拟时, 根据时段的平均预测风速, 采用蒙特卡洛方法随机产生风速数据, 并按式 (10) 计算风电机组的输出功率。

3模型求解

在风电水电联合调度的模型中, 由于存在机会约束和随机变量, 在对模型进行求解时需通过蒙特卡罗模拟对机会约束进行验证, 并与分布估计算法相结合, 可有效地对风电水电联合调度模型进行求解。

3.1分布估计算法

分布估计算法是一类基于概率分布模型的进化算法, 该算法不使用交叉和变异算子, 而直接提取当前优选的解集合中的信息, 然后根据这些信息建立概率分布模型, 并以此概率模型采样产生下一代群体, 如此重复, 直到满足终止条件[11]。分布估计算法是对整个群体建立数学模型, 直接描述群体的进化趋势, 具有良好的全局搜索能力。

EDA算法的一般流程如下, 概率模型选取高斯概率分布, 其均值参数引导算法的搜索方向, 方差参数控制算法的搜索范围。

Step 1:采用随机生成的方式初始化群体, 设置EDA的参数。

Step 2:计算群体的适应度值, 并采用某种选择机制 (本文采用截断算法) 选取M个较优的个体作为评价集, 并将部分最优个体作为精英保留。

Step 3:通过对评价集分析, 计算其均值参数及标准差参数σj, 并记录当前最优个体。

Step 4:利用高斯分布概率模型 , 通过采样得到下一代群体。

Step 5:判断算法是否满足终止条件;若满足则终止输出最优个体;否则进化代数加1, 算法转入Step 2, 直至算法终止。

由上述算法可以看出, 由于选择机制的作用, 算法随着迭代次数的增加, 其概率分布的方差逐渐收敛到0, 均值收敛到一个固定值, 进化群体收敛。分布估计算法借助于样本分布的概率模型, 能很好地描述变量之间的互相关系, 为解决复杂优化问题提供了新方法[12]。

分布估计算法的性能受其参数选择的影响较大, 且其局部搜索能力较弱, 所以分布估计算法常与局部搜索能力较好的算法相混合, 以弥补算法局部搜索能力的不足。本文中采用自适应方法对分布估计算法的参数进行控制, 且引入爬山局部搜索与分布估计算法相结合, 大幅提高了算法的搜索性能。

3.2参数控制策略

分布估计算法中概率分布函数的参数变化对算法的性能影响较大。当σj较大时, 算法的搜索范围广, 具有较好的全局搜索能力;当 σj较小时, 使得算法的搜索范围较小, 算法的局部搜索能力较强。在算法初期, 希望算法保持群体多样性, 此时算法进行全局搜索, 有效地避免了算法的早熟现象;而在算法搜索的后期搜索范围随着进化过程逐渐减小, 以提高算法的局部搜索能力。基于这样的思想, 本文在分布估计算法中, 设计方差参数与当前代数Gen和进化最大代数Gmax有关, 其函数表达式如下:

$σ_{j} = σ_{j}^{0} e^{- α G_{e m} / G_{\max}} (11)$

式中:α为控制操作影响范围的参数;σ $_{j}^{0}$ 为初始设定的搜索范围, 在本文中σ $_{j}^{0}$ = (uj-lj) , 其中uj, lj分别是第j变量的上限和下限约束。

在以上设计思想的指导下, 设计的标准差参数σj可以根据搜索的过程自适应调整大小, 从而使算法具有较好的全局及局部搜索能力。在算法中引入蒙特卡罗模拟方法检测个体是否满足机会约束的要求, 并通过罚函数方法对违反约束的个体进行惩罚, 使得算法搜索的群体向可行域靠拢。其算法的步骤如图1所示。

3.3局部搜索策略

本文采用爬山搜索策略对最优个体进行局部搜索, 在提高算法求解精度的同时, 使得算法跳出局部最优。其实现如下。

采用随机生成方式在[0, 1]范围内产生随机序列ck=[ c $_{1}^{k}$ , …, c $_{j}^{k}$ , …, c $_{n}^{k}$ ], 其中n为个体中的变量个数。将序列影射到设定搜索区间内, 得到搜索步长值的值Rm, j, 同时亦引入自适应控制策略对步长值进行修正, 以提高局部搜索的效率。

$R_{m, j} = σ_{j} c^{k} (12)$

式中:σj为自适应控制参数;ck为[0, 1]之间的混沌序列;Rm, j为第m次搜索在第j个变量上的搜索步长。

对最优个体进行局部搜索, xbest为当前最优个体, 令S0=xbest, 采用式 (6) 产生新个体:

$S_{m + 1, j} = S_{m, j} \pm R_{m, j} (13)$

式中:m为混沌搜索的次数;Sm, j为初始个体在第j个向量上经过m次搜索后所产生的新个体。

采用以上的设计方式, 可有效跳出局部最优。在算法的后期, 局部搜索的范围减小, 提高了算法的收敛精度。频繁的局部搜索容易使得算法的计算时间复杂度增加, 本文中每次进化混沌搜索的次数取10。

4算例分析

本文以4个水电站组成的梯级和1个风电站联合运行为例, 对风电水电进行联合调度。调度时段为小时, 调度总时段为24 h, 系统中有4个水库, 其水库之间的拓扑关系见图2。水库的参数、上游来水及约束条件参考文献[8]。风电厂装机10台, 单机容量为1.65 MW, 风机的参数vCI为3 m/s, vCO为20 m/s, vR为14 m/s, 形状参数k取2, 尺度参数c取 $2 \bar{v} / \sqrt{π}$ , 其中 $\bar{v}$ 为平均风速。算法的参数设置中群体规模为100, 最大运行代数为500, 蒙特卡罗模拟次数取1 000, 电价为0.5 美元/kWh。

算法运行20次, 得到的平均结果如表1所示。随着置信水平β的不断增加, 水电需预留更多的可调容量来平抑风电的不确定性带来的影响, 所以水电的计划出力随着置信度的提高而不断减少但水电的总备用容量却增加, 联合发电系统的总收益亦随着置信水平β的提高而逐渐减小。考虑到水电约束条件和算法计算精度的影响, 水电的计划出力和备用总容量之和并不是固定值, 且水电在每个时段的备用容量为水电在该时段的可调容量。风电计划出力的变化为随机变化, 其最大的变化量为16.5 MW, 此时置信水平β为1.00和0.90时水电的计划出力相差10.967 4 MWh。当置信度小于0.90时, 水电的计划出力变化较小, 与水电单独运行时所得到的计划相同。由此可知, 风电水电的联合出力的系统中, 为吸纳风电电量水电需付出10.967 4 MWh的电量, 此时风电的计划发电量为161.001 2 MWh。图3和图4分别为β为1.00和0.90时水电和风电的计划出力过程。可见取不同的置信水平时, 水电的运行过程差异较大。

当风电机组数量为35时, 其初始计划出力按比例增加, 风电的不确定性波动范围增大, 其水电需付出的备用容量亦发生改变, 计算联合调度结果如表2所示。当风电机组容量增加时, 水电为了配合风电的出力以保证系统的可靠性, 需提高水电的备用容量从而使得水电的发电量减少。由此可见联合系统的经济性和安全性受到系统中风电发电的容量和计划电量的影响。通过分析测试不同风电容量时, 在置信水平为1.00和0.90时水电备用容量的变化, 得到风电容量和水电备用容量在不同置信水平下的关系曲线如图5所示。由图5可知, 在相同的风电容量下, 置信度越大需要配置的水电备用容量越多;当风电容量增加时, 所需的水电备用容量亦增加, 且其增加的趋势逐渐增大, 如当风电机组数从10台增加到15台时所增加的水电备用容量小于机组数从30台增加到35台所增加的水电备用容量。

5结论

本文结合随机约束建立了风电水电联合效益最大模型, 该模型充分利用了风电能源, 并通过水电的旋转备用来降低风电随机性对系统安全性的影响。通过蒙特卡洛模拟对风电的随机性进行模拟, 并采用分布估计算法对模型进行求解。以4个水库的水库群与风电进行联合调度, 分析了联合调度的经济性与可靠性之间的关系, 为风电研究风电参与电力系提供了一个有效的解决方案。在风电水电联合调度中, 采用模拟的方式确定对风电电量吸纳量的多少以达到经济性和可靠性之间的平衡, 是进一步需研究的问题。

摘要：以风电水电联合发电效益最大为目标, 建立以考虑旋转备用容量在满足一定置信水平为约束条件的风电水电联合发电调度模型。通过蒙特卡洛模拟风电的随机性, 并与分布估计算法相结合对调度模型进行求解。采用自适应控制策略控制分布估计算法的参数, 并引入爬山局部搜索有效地提高了算法的性能。以4个水库和风电的联合系统进行仿真调度测试, 分析了风电不确定性因素对调度结果的影响, 讨论了联合调度的经济性与可靠性之间的关系, 为研究风电参与电力系提供了一个有效的解决方案。

关键词：水库群,风力发电,联合优化调度,机会约束,分布估计算法

参考文献

[1]王卿然, 谢国辉, 张粒子.含风电系统的发用电一体化调度模型[J].电力系统自动化, 2011, 35 (5) :15-18.

[2]潘文霞, 范永威, 杨威.风-水电联合优化运行分析[J].太阳能学报, 2008, 29 (1) :80-84.

[3]Garcia-conzelez J, de la Muela R M R, Santos L M, et al.Sto-chastic joint optimization of wind generation and pumped-storageunits in an electricity market[J].IEEE Trans on Power Systems, 2008, 23 (2) :460-468.

[4]静铁岩, 吕泉, 郭琳, 等.水电-风电系统日间联合调峰运行策略[J].电力系统自动化, 2011, 35 (22) :97-104.

[5]刘小平, 丁明, 张颖媛, 等.微网系统的动态经济调度[J].中国电机工程学报, 2011, 31 (31) :77-84.

[6]衣立东, 朱敏奕, 魏磊, 等.风电并网后西北电网调峰能力的计算方法[J].电网技术, 2010, 34 (2) :129-134.

[7]黄春雷, 丁杰, 田国良, 等.大规模消纳风电的常规水电运行方式[J].电力系统自动化, 2011, 35 (23) :37-40.

[8]PK Hota, AK Barisal, R Chakrabarti.An improved PSO techniquefor short-term optimal hydrothermal scheduling[J].Electric Pow-er Systems Research, 2009, 79 (2) :1 047-1 053.

[9]Karki R, Hu P, Billinton R.A simplified wind power generationmodel for reliability evaluation[J].IEEE Transactions on EnergyConversion, 2006, 21 (2) :533-540.

[10]Wang L, Singh C.PSO-based multidisciplinary design of a hybridpower generation system with statistical models of wind speedand solar insolation[C]∥Proceedings of IEEE International Con-ference on Power Electronics, Drives and Energy Systems for In-dustrial Growth.New Delhi, India:IEEE PES, 2006:1-6.

[11]P Larraaga, Lozano JA.Estimation of distribution algorithms:anew tool for evolutionary computation[M].Kluwer AcademicPublishers, 2002.

季调节水电站枯水期调度研究篇7

目前, 水电站枯水期运行方式的制定有两种基本途径:常规调度图、水库优化调度理论。常规调度图是水库调度规则函数的图形表示, 是在缺乏准确信息的情况下, 依据历史系列水文资料计算绘制而成。直观、简明的特点使得其在单库调度问题中广泛应用, 但对于规模日益庞大的库群补偿调度问题, 则不能满足实际生产的要求。

以数学模型进行水库枯水期期优化调度的方法受限于径流预报的准确度。依据对径流描述和处理方式的不同, 水库优化调度理论可分为:确定性优化[1,2,3,4,5,6,7,8,9,10]与随机优化方法[11,12,13,14,15,16,17]。确定性优化假定水库调度期内初末运行水位为已知条件, 而实际调度过程是无限持续进行的, 固定调度期末边界条件的做法不能满足实际运行要求。随机优化调度方法以随机径流样本结果推导出的规则或以考虑径流概率分布推导出基于期望值的运行策略, 在实际应用中不直观, 难以实现对调度决策的实际指导。如何考虑水库入流的不确定性, 优化水位消落运行方案, 以实现水量利用与水头利用的协调控制, 是枯水期调度决策面临的实际困难。

在枯水期调度运行期间, 从充分提高水量利用程度来看, 最好的决策是来水就尽量发电以最大化利用水量;而从提高水头而言, 应尽量蓄水以提高水头, 保持高水头运行。这两种运行方式存在矛盾, 而对于水库调节能力较差的水电站而言, 由于库容小、水头消落变化很快, 这种矛盾的表现更为突出。尽量多放水的运行方式由于水头的损失, 未必能够获得更大的发电收益。

因此, 本文以季调节及以下调节能力的水电站为研究对象, 从蓄能分析的角度研究其枯水期调度规律, 以高效利用水库蓄能为目标, 通过合理控制水位消落程度与消落运行时段减少来流能损失, 提出兼顾水量利用与水头利用的最优调度运行策略。

1 电站枯水期运行方式分析

1.1 问题的描述

依据水电能源学的观点, 水库经电站发出的电能由两部分组成[18]:一部分是来流能, 它是由来水经水电站直接发出的电能;另一部分是水库中的动用蓄能, 它是由水库中的蓄水下泄而得到的电能。一般而言, 很自然的可以得到如下的结论:将来水与水库中的蓄水全部用于发电的所发电能之和应大于将来水维持上游水位不变下的来流能, 即:

式中, 等式左边的E (Q) 表示来水在发电过程中水头不断损失下的来流能, 等式右边的E' (Q) 表示来水在维持上游水位不变下的来流能。

在实际运行中, 对于季调节及以下调节能力的水库而言, 若将来水及水库中的蓄水均用以发电, 由于自身调节能力较差, 水头在发电过程中的消落损失将使得来流能E (Q) 比E' (Q) 小。因此, 需要在动用水库中蓄能ΔE (V) 时保证有一定的利用效率λ, 即保证有λ·ΔE (V) 的发电量:

通过对较差调节能力的季调节及以下调节能力水电站调度规律的深入研究, 综合考虑保证发电量与水位消落的优化控制, 能够实现以最优的决策方式保证来流能与水库蓄能的高效利用。

1.2 最佳运行方式的运行原理

水电站枯水期最佳运行方式制定的关键在于如何消落水位。枯水期水位消落的一般规律是在前期逐步消落, 而在枯水期末、汛期初消落至死水位。依据不同的消落程度, 分为下面两种情况讨论:

1) 运行时段末的水位消落至正常蓄水位与死水位之间:这种情况下, 水位的消落将伴随着来流能的损失和水库蓄能的动用。

来水在维持上游水位不变下的来流能:

式中, K为水电站出力系数, Qλ为天然来水径流, 为时段内的由水库蓄水提供的平均下泄流量, H初为时段初水头, Δt为时段间隔长。

来水在水位消落下的来流能:

式中, 为消落过程上的平均水头。

水位消落过程中损失的来流能:

式中, ΔH为时段内发电的损失水头。

水位消落过程中动用的水库蓄能:

式中, μ为水电站平均发电耗水率。基于上游水位-库容曲线中水位变化与库容变化间的对应关系, 可计算相应的水库蓄能的变化, 得到上游水位-水库蓄能曲线, 如图1所示。

2) 运行时段末的水位消落至死水位:这种情况对应于运行时段末为枯水期末汛期初, 依据最佳水位消落要求, 运行时段末可能不必消落至死水位, 但由于汛期的到来运行时段末必须消落至死水位。此种情况下的最佳水位消落方式应该是在前期保持上游水位不变, 以高水头运行, 而在后期以较短的时间将水位拉至死水位, 此时需要确定的是最佳的放水时刻。

这里将运行时段Δt分为2部分:来水维持上游水位不变的时间段Δt1与拉水运行的时间段Δt2, 水头损失定义为ΔH', 则存在以下关系:

来水在消落过程中的来流能损失:

水位消落过程中动用的水库蓄能:

最佳的拉水运行时刻的确定:

2 应用实例

2.1 基本参数

本文以澜沧江流域不完全季调节漫湾和大朝山水电站为例, 进行枯水期最佳水位消落运行方式的计算分析。漫湾水电站的装机容量1 670MW, 死水位982 m, 正常高水位994 m, 最大引用流量对应的下游水位为901 m, 水电站出力系数取为8.6, 平均发电耗水率取为4.6~4.9。2011年枯水期1月至5月的运行要求是从正常高水位994 m拉水至死水位982 m。大朝山水电站的装机容量1 350 MW, 死水位882 m, 正常高水位899 m, 最大引用流量对应的下游水位为817m, 水电站出力系数取为8.6, 平均发电耗水率取为4.995~5.23。2011年枯水期1月至5月的运行要求是从正常高水位899 m拉水至死水位882 m。漫湾与大朝山水电站1月至5月的入库流量如表1所示。

2.2 枯水期运行方式分析

2.2.1 水位落至死水位临界入库流量确定

此种情况下, 水库中的全部库容将用以发电, 而水头消落的损失可能使得库容本应发出的电能由于来流能的损失而全部贬值或部分贬值。若式 (2) 中的水库蓄能利用效率λ为0, 意味着水库蓄能全部贬值, 而若λ在[0, 1]区间内, 则意味着水库蓄能的部分贬值。此时水头损失ΔH、平均水头、动用库容ΔV均成为已知量, 由式 (2) 可得到相应的临界入库流量。

表2为对应不同水库蓄能利用效率, 水位由正常高水位消落至死水位的临界入库流量。

从表2中可看到, 在将水库水位由正常高水位消落至死水位的过程中, 漫湾水电站的入库流量若大于1 559.19 m3/s, 大朝山水电站的入库流量若大于1 320.20 m3/s, 则水库蓄能将全部贬值;若漫湾水电站入库流量小于595.80 m3/s, 大朝山水电站入库流量小于528.08 m3/s, 则水库蓄能能够保证60%的利用效率;若漫湾水电站入库流量小于446.85 m3/s, 大朝山水电站入库流量小于396.06 m3/s, 则水库蓄能能够保证70%的利用效率。由表2可知, 水库库容的全部利用并不一定意味着发电量的增加, 入库流量较大时维持高水头运行更有利于发挥水库蓄能的作用。

2.2.2 月内最佳消落水位的确定

对于漫湾与大朝山水电站, 月内最佳消落水位的确定可由式 (2) 分析得到。对于1月份, 漫湾水电站的入库流量为759.4 m3/s, 大于相应表1中的临界流量595.8 m3/s;大朝山水电站的入库流量为808.6 m3/s, 大于相应表1中的临界流量528.08 m3/s。若将水位消落至死水位, 水库蓄能的利用率均将低于60%。因而, 水位消落应当控制在一个合理范围内。

由图1的水位消落可查到相应的水库蓄能的变化, 进而可分别求得漫湾与大朝山水电站来流能的损失与动用的水库蓄能, 分别如表3与表4所示。

*选择的月末控制水位标灰。

从表3与表4中可看到, 随着消落程度的加大, 在动用更多水库蓄能获得更大可发电量的同时, 来流能的损失在增加, 蓄能利用效率在降低。在电网供电形势紧张时, 可牺牲一定的蓄能利用效率, 以获得最大的实际可发电能;而在电量需求不足时, 则可以高效利用蓄能的同时满足电量平衡。在此选择将漫湾水电站水位消落1 m的运行方案, 月末拉水至993 m;选择将大朝山水电站水位消落1 m的运行方案, 月末拉水至993 m。

同理, 可分别计算2月份至4月份漫湾与大朝山水电站不同消落程度下的来流能和水库蓄能的利用情况, 并依据电量平衡需求, 确定各月的水位消落方案。表5至表10分别为漫湾与大朝山水电站2月份至4月份拉水运行过程中的来流能与水库蓄能的利用情况。

*选择的月末控制水位标灰。

从表5至表10中可看到, 2月份至4月份拉水过程中来流能损失、动用的水库蓄能、实际可发电能及蓄能利用效率的变化规律与1月份是一致的, 合理的运行方式应当是在满足电网电量需求的前提下, 尽量维持高水位运行。

需要说明的是, 在水位消落方案的计算中耗水率随运行水头的变化而取相应的变化值。

2.2.3 月内水位必须消落至死水位时最佳拉水运行时段的确定

此种情况对应于5月份, 虽然由月内放水规律, 应维持上游高水位运行, 但由于水库汛期运行的要求, 枯水期末5月末水位必须消落至死水位。为了尽量减少来流能的损失, 应当在前期维持上游水位不变, 而在后期以拉水方式运行, 以获得水量与水头的最佳利用。表11为针对不同的水库蓄能利用效率, 由式 (10) 可确定相应的最佳拉水运行时段。

从表11中可看到, 对于不同的水库蓄能利用效率0.6、0.65、0.7, 漫湾水电站最佳拉水运行时段分别为15.68天、13.72天、11.76天, 大朝山水电站最佳拉水运行时段分别为12.82天、11.22天、9.61天。

3 结束语

本文综合考虑来流能与水库蓄能的利用, 提出以水库蓄能高效利用为目标的水电站枯水期调度运行策略, 以协调水量利用与水头利用间的矛盾。通过对枯水期水位消落过程中来流能损失与水库动用蓄能的比较分析, 确定水位消落深度及消落运行时段, 为基于蓄能分析的枯水期调度规律在水电站运行决策中的应用提供参考。

摘要：水库入流的不确定性使得水电站在枯水期调度运行时面临着水量利用与水头控制间的协调矛盾, 而季调节及以下调节能力的水电站由于调节能力的限制使得这种矛盾更加突出。本文从综合利用来流能与水库蓄能的角度出发, 提出以来流能损失表示水头的损失, 以水库蓄能的高效利用为目标确定水电站枯水期最佳调度运行方式。通过来流能损失与一定水库蓄能利用效率下的动用蓄能的比较分析, 优化确定枯水期水位控制方案, 为实现枯水期水量与水头利用的协调控制提供调度决策依据。

水电调度篇8

在中国, 有近1/2 的地域、1/3 的县市、1/4 的人口主要靠小水电供电, 小水电在我国能源结构中占有非常重要的地位[1]。伴随着我国水电行业发展的不断完善, 大型水电工程市场趋于饱和, 中小型水电工程开发建设已成为热点。与目前火热的开发建设局面相比, 其优化管理调度的运用研究尚不完善, 造成水资源的分配不够合理[2]。因此, 构建合理的防洪发电调运规则, 解决调度管理存在的问题, 是充分发挥小水电工程综合效益的关键。

位于河南省栾川县境内的金牛岭水电工程, 隶属于伊河流域, 工程任务以发电为主, 兼顾防洪、旅游、水产养殖等功用。对金牛岭水电工程实施科学管理, 进行合理调度, 可以“ 一库多用, 一水多用”, 实现水资源的合理调配、高效使用。

1 水库调度原则

依据规划设计要求, 科学处理防洪与兴利之间的对立关系, 合理调配水量, 充分发挥水库的综合效益, 是水库兴利调度的首要任务。在进行水库兴利调度时, 要遵守以下基本调度原则:确保工程安全;妥善处理防洪与兴利的关系, 做到统筹兼顾;贯彻“ 一水多用, 梯级联合调度”的基本原则, 充分发挥水库调节功能, 提高水的重复利用率;兴利调度方式, 要满足既定的防洪、兴利任务和要求, 根据水库调节性能和兴利各部门用水特点及效益最大的原则制定; 非汛期利用水库的调蓄功能, 最大限度满足下游各梯级电站流量互相匹配, 联合运用;汛期防洪弃水时, 充分利用弃水进行发电, 提高防洪效益。

防洪调度的任务则是根据规划设计确定的防洪标准及调洪原则, 在确保枢纽工程安全可靠运行的前提下, 尽量避免或减轻洪水灾害。在进行水库防洪调度时, 要遵循“ 安全第一”的原则, 按既定的方案进行调度。

因金牛岭水库是栾川县伊河防洪体系的一部分, 应从整个防洪系统着手, 运行时充分考虑整个系统内外的水情信息, 按照防汛部门的统一部署进行合理调度。

2 优化调度

2.1 单库优化调度

金牛岭水电工程作为伊河梯级开发规划的一部分, 其水库调度方式是否合理, 直接影响到整个枢纽工程的效益。在对该水库进行合理调度时, 可采用常规调度和优化调度[3]两种方式:常规调度, 即根据现有的水库常规调度图对水库进行调度;优化调度, 即采用优化算法, 使水库达到最优运行的一种调度方法。优化调度能更大程度、更有效地利用水库的调洪蓄水能力, 在保证水库合理调度的前提下, 获得更大的经济效益。

为分析对比水库优化调度后的效果, 需对以上两种调度方式进行对比计算:常规调度是按供水期、蓄水期进行等流量调节, 不蓄不供期来多少放多少的方式进行调节, 同时需要考虑水电站的装机容量及过水能力的限制, 分别对丰水、平水、枯水三个典型年的水能进行计算;优化调度是首先选取丰水、平水、枯水三个典型年设计径流过程, 以年发电量最大化为基准目标, 综合考虑水库水位、库容及电站最大过水能力、装机容量、水量平衡等约束条件, 初步建立数学模型, 然后根据书库调度过程的多阶段决策的特点, 采用动态规划数学模型对其进行求解。

两种调度方式下的计算结果对比如表1 所示。

对表1 中的计算结果进行对比可以发现, 金牛岭水电工程 ( 装机容量为5000.00k W) 优化调度比常规调度多年平均增发电量173.99 万度, 增发率为12.97%。因此, 对金牛岭水库电站进行优化调度, 效果显著。

2.2 梯级优化调度

金牛岭水库的调度运用效果直接影响下游水电站的发电效益。对伊河流域的梯级电站实行联合优化调度, 统一进行管理, 有利于水能资源的高效利用, 充分发挥梯级枢纽工程的综合利用效益[4]。

为分析梯级电站联合优化调度的效果, 下面分别从金牛岭水电工程联合调度情况下金牛岭水电站发电量的减少及整个梯级水电站发电量的增加两个方面进行计算。

首先选取丰水、平水、枯水三个典型年分别进行梯级水电站的联合优化调度, 计算结果见表2。同时列出表1 中金牛岭水库单库优化调度的结果以分析年发电量的减少情况。

由表2 中的计算结果可以发现: 金牛岭水电工程梯级联合优化调度 ( 装机容量为5000.00kw) 相比单库优化调度时, 年发电量减少74.09 万度, 减少率为4.89%。

表3 汇总了金牛岭水库梯级电站联合优化调度下的计算结果及梯级电站非联合优化调度下的梯级电站总发电量。

由表3 可以得出:水库梯级电站联合优化调度相比非联合优化调度时, 总发电量增加了163.94 万度, 增发率为2.63%, 发电效益优势明显。

3 防洪优化调度运用规则

水库调度图及其相应的调度运用规则是指导水库调运的基本依据, 水库调度图的上、下基本调度线是水电站保证出力时, 水库运行的边界条件[5]。

通过综合对比分析水库调度图、单库优化调度图及梯级联合优化调度图可知, 供水期按电站保证出力运行方式计算, 其上、下基本调度线基本重合;蓄水期及不蓄不供期按常规运行方式或优化运行方式计算, 其上下调度线有所不同。为充分利用水资源, 在确保水库安全渡汛情况下实现水库梯级电站发电效益最大化, 建议按梯级调度线指导水库调度。

根据水库蓄水的状态、所处的运行区及不同的来水等外在条件, 决策水电站运行时按什么出力, 再对按水库调度图作出的各种决策进行分析总结, 得到如下的调度规则, 以便指导水库电站的实际运行。

(1) 当水库的实际蓄水位在上、下基本调度线之间的保证出力区时, 供水期水电站将按保证出力运行, 即水电站出力N=Np。

( 2) 当水库的实际蓄水位在上基本调度线以上时, 供水期水电站将按加大出力运行, 即水电站出力N>Np。

( 3) 当水库的实际蓄水位在下基本调度线以下 ( 即限制出力区) 时, 供水期水电站将按降低出力运行, 即水电站出力N<Np。

( 4) 由于水库库容相对较小, 汛期很容易蓄满, 因此, 可结合天气预报, 在保证水库防洪安全的条件下, 采用早蓄方案, 使电站能在大多数月份处于高水位运行状态。在蓄水期及不蓄不供期, 水电站尽量保持高水头运行。

( 5) 为安全起见, 在汛期, 水库水位不得超过汛期限制水位;在非汛期, 水库水位不得超过正常蓄水位。

( 6) 根据调洪演算结果和水库下游保护对象所在断面处的水位流量关系, 即可确定水库遭遇不同设计洪水时, 水库下游河道断面的相应水位, 为防洪抢险及下游居民生产、生活安全提供决策依据。

在水库电站实时调度运行的过程中, 应根据以上调度规则并考虑下游电站的合理匹配, 以保证水库梯级电站的总发电量最大化, 同时还应兼顾水库下游群众生活用水、农业生产用水及河道生态需水要求等, 合理选择泄流方式。

4 结束语

( 1) 在实施梯级小水电防洪优化调度时, 要严格遵守相应的调度原则;

(2) 水库梯级电站进行联合调度效益显著:金牛岭水库梯级电站联合优化调度时, 总发电量增加163.94万度, 增发率为2.63%;

( 3) 水库调度图对水库的调度决策起指导性的作用:在水库调度图的指导下, 水库调度可根据当时水位和预报来水情况, 指导水库运行;