古田溪中型梯级水电站开发的优越性

古田溪是福建省闽江流域的一条小支流,全长90km,流域面积1799km~2,河道落差300余米。流域主要受海洋性暖气流控制,雨量充沛,多年平均降雨量1700mm,来水总量13.8亿m~3,是我国建国以来进行梯级开发最早的河道之一。古田溪由古田、龙     

用分层模糊积分及模糊嘉量原理优化中型梯级水电站群的开发程序

本文针对中型梯级水电站群开发优化问题的具体特征及规划期各特性指标的模糊性,利用分层模糊积分综合评判模型进行了中型梯级水电站群各电站综合评判指标的运算。在满足电力系统逐年负荷要求的约束下,建立了以规划期序列总净收益最大为主目标,以各水电站的综合评判指标为权重的模糊动态规划模型,给出了用嘉量原理求解的步骤。并以嘉陵江中游段近期开发的五个中型梯级水电站为实例加以验证,得到了满意的结果;同时,本模型也便于推广到其它复杂系统的评价。     

三峡梯级水电站群调峰作用优化

在深入，全面地考虑了三峡梯级电站群发电与各综合利用部门之间的关系后，提出了具有防洪，发电，航运和冲沙等利用要求的梯级水电站群日调峰运行的多层次目标优化方法，求得了三峡梯级电站群调峰应用成果，还总结了优化调峰运行的机理，对其他水电站群具有广泛的指导和借鉴意义。     

梯级水电站群优化调度算法研究

根据梯级水电站群远程集控调度的特点,研究了适用于梯级水电站群的优化调度算法。讨论了梯级水电站群优化调度准则,对几种典型优化算法的适应性和局限性进行了分析比较。结果表明,在流域梯级电站数量较少时可采用动态规划算法,在流域梯级电站规模较大时可采用基于遗传算法的改进型优化算法。按照流域梯级水电站的实际情况采用适应的优化算法,才能发挥梯级水电站远程集控优化调度系统的优势。     

从龙溪河梯级水电站建设谈加快中型水电站开发

龙溪河是四川境内长江北岸的一条支流,河道长190km,流域面积3280km~2。河流水力资源的开发始于1935年,但旧中国14年的时间,只建成了一个装机3040kW的下洞水电站,解放前夕,还遭到了严重的破坏。     

试论梯级水电站群有效库容优化方法

本文利用系统工程学原理,对现有优选梯级水电站群有效库容的方法:从目标函数的选择、约束条件的拟定到优化设计方法进行了有益的评论,并提出了某些改进措施,对水能优化设计有一定的参考价值。     

梯级水电站群短期联合优化调度研究

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题.水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入/输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解.     

梯级水电站群短期联合优化调度研究

遗传算法是一种简单、适用的搜索方法,经常用于解决非线性复杂的问题。水库群的最优调度问题,就是利用搜索算法根据水库群进出水和综合利用情况,把水电站水库看作一个系统,把系统的各元素,输入／输出参数等简化和假设后建立简化通用的数学模型,用搜索算法对该数学模型进行优化仿真,得出最优解。     

郁江梯级水电站群联合优化调度初探

郁江梯级水电站群由西津、仙依滩和桂航3座水电厂组成。针对西津电厂出力变化频繁,加上西津下游两电厂装机容量较小,经常出现弃水,用增量动态规划法进行了联合优化调度探索,同时介绍马斯京根分段流量演算法。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略.算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法.文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解.实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行.改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法.     

梯级水电站群联合优化调度研究与应用

为保证梯级水电站安全、稳定、高效运行,充分利用水资源,需要对梯级水电站进行联合优化调度。根据梯级水电站蓄能最大原则,全方位考虑梯级水电站运行的约束条件,通过逐步搜索算法,对梯级水电站面临时段的运行进行优化计算,并根据优化结果制定梯级水电站优化调度规则。梯级水电站蓄能最大原则在短期能使梯级水电站蓄能最大,长期能使梯级水电站群发电量达到最大,根据梯级水电站蓄能最大原则制定的梯级水电站,短期调度规则能够使梯级水电站取得效益最大化。     

梯级水电站群并行多目标优化调度方法

为保障梯级水电站群多目标优化调度问题的计算效率和求解精度,提出了基于Fork/Join多核并行框架的并行多目标遗传算法。该方法以多目标遗传算法为基础,引入多种群异步进化策略保证种群间个体多样性;采用迁移机制保障子种群的信息有机互馈,提升算法收敛性和解集多样性;利用并行技术实现子种群在各内核的同步求解,提高计算效率。针对问题特点,耦合个体实数串联编码方法、混沌初始化种群策略和约束Pareto占优机制等,进一步提升方法寻优性能。澜沧江流域梯级水电站群多目标优化调度结果表明,所提方法可充分利用多核资源,提升模型计算效率与求解精度,并能获得分布均匀、合理可行的调度方案集,为水电系统多目标高效决策提供科学依据。     

基于粒子群算法的梯级水电站水能优化计算

基于粒子群算法,考虑梯级水电站之间水能、水量、出力之间的约束和联系,以及影响梯级电站水能计算的发电效率、水头、发电流量等因素,对某梯级水电站水能进行了优化计算。结果表明:非统一调节单级优化时的发电量比设计年均发电量大35.62亿kW·h,统一调节梯级优化时的发电量比设计年均发电量大97.84亿kW·h;离开了上游调节能力强的水库调节,下游水电站的水能损失较大。     

梯级水电站群联合优化调度函数的逐步回归模型

针对梯级水电站群联合优化调度函数识别中存在的线型选择及变量筛选问题,采用逐步回归模型筛选关键作用变量并建立回归调度函数方程,以保证调度函数的简洁、有效性。将模型应用于金沙江与三峡四库梯级系统提取消落期系统联合优化调度函数,从四库梯级联合优化调度样本中通过逐步回归调度函数辨识溪洛渡、三峡水库协同消落机制并检验了模型精度。结果表明:在率定来水样本条件下,逐步回归调度函数拟合误差均在3%以内,拟合精度较高;在检验来水样本条件下,与多元线性回归调度函数相比,逐步回归调度函数对应总发电效益平均增加1.67亿元(0.69%)。由于逐步回归调度函数剔除了次要因素干扰,相较于多元线性回归调度函数泛化能力更优,具有更高实用价值。     

考虑水头影响的梯级水电站群短期优化调度

在梯级水电站群调度模型中恰当表述离散运行区间约束以及水头影响并在求解算法中有效处理这些因素是梯级水电站群调度中面临的挑战。文中通过将水头离散化,设定多维0-1状态变量及相关约束,建立了一个梯级水电系统短期调度的线性混合整数规划模型,能够综合考虑水头影响、不连续运行区间等约束。模型采用CPLEX软件包求解,对一个包含3个梯级水库、12台机组的梯级水电系统进行了测试,结果表明所提出的建模方法是有效的,能灵活处理受水头影响的水库群水电站短期调度中的多种复杂因素。     

梯级水电站群中长期优化调度的离散梯度逐步优化算法

充分利用现有水电资源,进行库群中长期优化调度是构建清洁低碳、安全高效的现代能源体系的重要措施。逐步优化算法(POA)将多阶段问题转化为多个两阶段子优化问题,是求解中长期库群优化调度较为广泛且有效的一种方法。但随着水库数目的增加,POA仍会面临严重的"维数灾"问题。本文以梯度下降法为基础,提出离散梯度的概念及离散梯度逐步优化算法(DGPOA),该方法在不直接求导的情况下充分利用局部离散梯度信息确定最优搜索方向,可以快速获得优化结果。最后将该算法应用到澜沧江流域五水库梯级系统中,在不同离散精度和来水条件下,利用POA、POA-DPSA和DGPOA算法对梯级水库进行优化计算。结果表明,在不显著降低全局搜索能力的情况下,DGPOA的计算速度分别达到了POA-DPSA算法的8~12倍,POA算法的50~250倍,是一种解决梯级水库站群中长期优化调度中"维数灾"问题的有效方法。     

乌江干流梯级水电站优化开发程序研究

本文应用动态规划原理,建立了梯级水电站优化开发程序数学模型,研究了电站装机容量优化、电站投产时间优化和经济比较若干问题的计算方法。用该模型和方法,计算乌江干流梯级水电站开发程序得到满意成果,具有明显经济效益。