水電富集地區(qū)大小水電協(xié)調優(yōu)化調度方法研究及應用

【摘要】：水電是我國的第二大電源,同時也是最重要的清潔能源。我國水能資源主要集中在西南地區(qū),近年來,隨著“西電東送”戰(zhàn)略的深入推進,作為電源基地的西南地區(qū)的水電取得了跨越式發(fā)展,發(fā)電裝機容量實現(xiàn)了持續(xù)快速攀升。同時,在經濟發(fā)展需求和相關政策的導向作用下,西南地區(qū)的小水電也得到了快速開發(fā),并對當?shù)亟洕l(fā)展和電力工業(yè)水平的提高起到了十分重要的作用。然而,一方面,水電系統(tǒng)規(guī)模的快速增長使得水電優(yōu)化調度問題規(guī)模迅速擴大,傳統(tǒng)方法難以適應大規(guī)模水電發(fā)展需求；另一方面,由于缺乏合理規(guī)劃和有效管理,西南地區(qū)的小水電長期處于無序開發(fā)狀態(tài),管理和并網(wǎng)混亂,并隨裝機規(guī)模不斷增長而出現(xiàn)了季節(jié)性小水電供大于求的現(xiàn)象,既定負荷需求下的小水電與大中型水電之間以及與其它能源之間存在著相互擠占有限發(fā)電空間和輸電通道的問題,導致水電汛期大規(guī)模窩電棄水,并給電網(wǎng)安全穩(wěn)定運行造成重大影響。針對上述問題,本文以水電富集的西南地區(qū)為研究背景,以大小水電協(xié)調優(yōu)化調度為研究主線,深入分析了大規(guī)模水電站群優(yōu)化調度特性、大小水電的出力特性以及相互之間的水力和電力聯(lián)系,開展了大規(guī)模水電站群長期優(yōu)化調度、不同時間尺度下大小水電協(xié)調優(yōu)化調度和大小水電及風電的短期協(xié)調優(yōu)化調度問題的研究與分析。主要成果如下:(1)針對大規(guī)模水電站投產導致水電站群優(yōu)化調度問題規(guī)模急劇增長,傳統(tǒng)優(yōu)化調度方法求解耗時大幅增加的問題,提出了水電站群長期優(yōu)化調度多核并行禁忌遺傳算法。該算法以十進制遺傳算法為基礎,將單一種群劃分為多個子種群,并引入多種群遷移策略,避免遺傳算法早熟而陷入局部最優(yōu)解；通過禁忌策略避免適應值重復計算,提高算法搜索的有效性；結合近年來快速發(fā)展的多核并行技術,實現(xiàn)遺傳算法并行化計算。以瀾滄江和紅水河為背景的實例研究表明,所提方法能夠有效避免傳統(tǒng)遺傳算法早熟問題,并能夠顯著減少計算耗時,大幅提高求解效率,是求解大規(guī)模水電系統(tǒng)優(yōu)化調度問題的一種可行方法。(2)針對水電富集地區(qū)大小水電擠占有限的輸電通道、外送電力不暢的問題,提出了大小水電長期協(xié)調調度決策樹模型。首先建立了決策樹數(shù)據(jù)挖掘算法,然后以大小水電長期可消納電量最大為目標,采用確定性優(yōu)化方法獲得歷史各年理想調度過程,在此基礎上,利用決策樹挖掘具有普適性的大小水電長期協(xié)調調度規(guī)則。在應用階段,采用BP神經網(wǎng)絡并結合美國氣象預測系統(tǒng)(CFS)的降雨預報信息預測大中型水電站徑流和小水電發(fā)電能力,并將其作為決策樹輸入,以獲得面臨時段水電調度決策信息。水電富集的云南德宏地區(qū)應用結果表明,所提方法能夠合理利用大中型水電的調蓄能力,汛前降低水位、騰出庫容,為小水電汛期外送騰出通道,有效減少窩電棄水,提升水電總體消納量。(3)針對水電富集地區(qū)汛期大小水電搶占有限外送輸電通道資源,造成大規(guī)模窩電棄水的問題,提出了大小水電可消納電量期望值最大協(xié)調優(yōu)化調度模型。該模型根據(jù)分區(qū)小水電并網(wǎng)特點,將分區(qū)小水電作為整體考慮,首先分析了小水電計劃和實際出力偏差,然后采用模糊聚類分析和輪廓系數(shù)構建了小水電出力場景。在此基礎上,采用啟發(fā)式搜索方法和關聯(lián)搜索算法進行求解。針對可能存在棄電的場景,通過調整大中型水電站末水位控制條件,實現(xiàn)大小水電協(xié)調,并將棄電風險控制在合理的范圍內。以水電富集的滇西南德宏、普洱和版納為背景的實例研究表明,所提模型和方法能夠有效利用大中型水電良好的調節(jié)能力實現(xiàn)大小水電協(xié)調,減少棄電,是一種可行的大小水電短期協(xié)調優(yōu)化調度方法。(4)針對水電富集地區(qū)風電等新能源的大規(guī)模開發(fā)進一步加劇了汛期電力外送壓力的問題,以可消納電量最大為目標,構建了大中型水電與小水電、風電協(xié)調優(yōu)化調度模型。該模型將小水電和風電作為隨機變量,采用非參數(shù)核密度估計方法分析了小水電計劃出力和風電預測出力的誤差分布。在模型求解方面,從初始粒子生成、慣性因子動態(tài)更新并增加粒子間的交叉和變異操作等方面對粒子群優(yōu)化算法進行改進,在此基礎上結合蒙特卡羅模擬方法進行求解。以滇西北地區(qū)實例研究表明,改進的粒子群優(yōu)化算法明顯優(yōu)于傳統(tǒng)的粒子群優(yōu)化算法和遺傳算法,所提方法能有效考慮小水電和風電的不確定性,利用大中型水電協(xié)調風電和小水電運行,并為調度人員提供運行風險與期望消納電量的平衡依據(jù),是一種有效的大小水電和風電協(xié)調優(yōu)化調度方法。最后對全文研究工作進行總結,分析了本文存在的不足,并對未來可能研究工作進行了展望。 【關鍵詞】：水電富集地區(qū) 大中型水電 小水電 多核并行 協(xié)調優(yōu)化調度 風電 機會約束
【學位授予單位】：大連理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TV742;TV737
【目錄】：

• 摘要4-6
• ABSTRACT6-16
• 圖目錄16-18
• 表目錄18-19
• 主要符號表19-20
• 1 緒論20-42
• 1.1 研究背景與意義20-28
• 1.1.1 水電富集地區(qū)水電發(fā)展現(xiàn)狀20-25
• 1.1.2 面臨的關鍵問題25-27
• 1.1.3 開展大小水電協(xié)調優(yōu)化調度的意義27-28
• 1.2 小水電發(fā)展與研究現(xiàn)狀28-30
• 1.3 水電優(yōu)化調度研究進展30-38
• 1.3.1 水電系統(tǒng)優(yōu)化調度綜述30-37
• 1.3.2 大、小水電及新能源協(xié)調優(yōu)化調度研究現(xiàn)狀37-38
• 1.4 本文主要研究內容及研究思路38-42
• 2 水電富集地區(qū)工程背景42-53
• 2.1 引言42-43
• 2.2 云南電源特點及發(fā)展情況43-47
• 2.2.1 云南水電資源特點43-44
• 2.2.2 云南大中型水電發(fā)展情況44-45
• 2.2.3 云南小水電發(fā)展歷程及其特點45-46
• 2.2.4 云南其它電源發(fā)展情況46-47
• 2.3 云南水電消納受阻分析47-51
• 2.3.1 云南電網(wǎng)建設情況47-49
• 2.3.2 云南水電受阻分析49-51
• 2.4 大小水電協(xié)調必要性及協(xié)調難點51-52
• 2.5 本章小結52-53
• 3 水電站群長期優(yōu)化調度的多核并行禁忌遺傳算法53-78
• 3.1 引言53-54
• 3.2 數(shù)學模型54-55
• 3.2.1 目標函數(shù)54
• 3.2.2 約束條件54-55
• 3.3 多核并行禁忌遺傳算法55-60
• 3.3.1 遺傳算法及其改進55-57
• 3.3.2 禁忌策略57-58
• 3.3.3 多核并行策略58-59
• 3.3.4 MPTGA求解流程59-60
• 3.4 應用實例60-77
• 3.4.1 計算條件60-64
• 3.4.2 計算參數(shù)選擇64-70
• 3.4.3 多核并行計算及結果分析70-77
• 3.5 本章小結77-78
• 4 基于決策樹的大小水電長期協(xié)調調度模型78-94
• 4.1 引言78-79
• 4.2 基于決策樹的大小水電協(xié)調調度模型79-82
• 4.2.1 決策樹學習算法79-80
• 4.2.2 調度規(guī)則挖掘目標80-81
• 4.2.3 大小水電協(xié)調調度規(guī)則挖掘81-82
• 4.3 應用實例82-92
• 4.3.1 計算條件82-83
• 4.3.2 CFS降雨預報83-86
• 4.3.3 大中型水電徑流預報86-88
• 4.3.4 小水電發(fā)電能力預測88-89
• 4.3.5 決策樹挖掘89-91
• 4.3.6 決策樹應用及結果分析91-92
• 4.4 本章小結92-94
• 5 大小水電可消納電量最大短期協(xié)調優(yōu)化調度模型94-113
• 5.1 引言94-95
• 5.2 小水電出力場景分析95-98
• 5.2.1 小水電出力偏差預處理95
• 5.2.2 模糊聚類分析95-96
• 5.2.3 場景數(shù)確定96-97
• 5.2.4 小水電出力場景97-98
• 5.3 數(shù)學模型98-100
• 5.3.1 目標函數(shù)98-99
• 5.3.2 約束條件99-100
• 5.4 模型求解100-104
• 5.4.1 模型求解方法100-101
• 5.4.2 大小水電協(xié)調策略101-103
• 5.4.3 模型總體求解流程103-104
• 5.5 應用實例104-112
• 5.5.1 計算條件104-105
• 5.5.2 小水電出力場景分析105-107
• 5.5.3 大小水電協(xié)調107-111
• 5.5.4 結果分析111-112
• 5.6 本章小結112-113
• 6 基于機會約束規(guī)劃的大、小水電及風電短期協(xié)調優(yōu)化調度模型113-129
• 6.1 引言113
• 6.2 模型建立113-115
• 6.2.1 目標函數(shù)114-115
• 6.2.2 約束條件115
• 6.3 風電和小水電不確定性分析115-118
• 6.3.1 核密度估計116
• 6.3.2 風電出力不確定性分析116-117
• 6.3.3 小水電出力不確定性分析117-118
• 6.4 模型求解方法及流程118-121
• 6.4.1 改進的粒子群優(yōu)化算法118-120
• 6.4.2 機會約束求解120
• 6.4.3 模型求解流程120-121
• 6.5 算例仿真121-127
• 6.5.1 計算條件121-123
• 6.5.2 出力不確定性分析123-124
• 6.5.3 算例分析124-127
• 6.6 本章小結127-129
• 7 結論與展望129-133
• 7.1 結論129-130
• 7.2 創(chuàng)新點130-131
• 7.3 展望131-133
• 參考文獻133-144
• 攻讀博士學位期間科研項目及科研成果144-147
• 致謝147-148
• 作者簡介148

您可以在本站搜索以下學術論文文獻來了解更多相關內容