梯级水电站发电优化调度研究.docxVIP

科研管理水利规划与设计2016年第6期

·93·

DOI:10.3969/j.issn.1672-2469.2016.06.032

梯级水电站发电优化调度研究

王娟娟

(新疆金达鑫工程建设有限公司，新疆库尔勒841000)

摘要：针对传统优化算法在求解高维、复杂梯级水电站发电调度时易出现“维数灾”,或陷入局部最优解的缺陷，本文提出了免疫蛙跳算法(ISFLA)。该算法将克隆选择算法嵌入到混洗蛙跳算法框架中，对混合之后的蛙群构造子群体执行免疫克隆选择操作，同时使用改进的最差解更新方式提高其局部有哪些信誉好的足球投注网站能力。应用实践表明，通过将ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比，ISFLA在求解梯级水电站发电优化问题时具有明显的优越性。

关键词：梯级水电站；优化调度

中图分类号：TV212文献标识码：B文章编号：1672-2469(2016)06-0093-03

梯级水电站之间不仅存在着复杂的水力和电力联系，还存在众多的约束条件，其优化调度是一个高维、非凸、非线性复杂系统模型的最优控制问题1,2];对水电站优化调度来说，由于水流时滞的存在使得相邻调度期内存在一定的水量和电量耦合，当前的最优调度会进一步影响滞后期调度，故而调度问题变得更为复杂[3,4]。近年来，随着人工智能技术研究的不断深入，遗传算法、粒子群算法和差分进化算法等方法被广泛应用于水库优化调度中5,6)

混洗蛙跳算法(ShuffledFrogLeapingAlgorithm,SFLA)是由Eusuff和Lansey两人2003年提出的一种基于群体智能的协同有哪些信誉好的足球投注网站方法，其基于族群分类的思想提供了较强的全局有哪些信誉好的足球投注网站能力。SFLA所需经验参数较少，对目标函数要求低和对约束条件限制少，但随着对该算法研究的逐步深入，其也存在不足之处：易收敛到局部最优，在求解部分函数优化问题时效果不够理想。本文将克隆选择算法引入SFLA算法中，采用免疫蛙跳算法(Immune-ShuffledFrogLeapingAlgorithm,ISFLA)。通过实例计算，验证了该算法在求解梯级水电站短期发电优化调度问题时的有效性和实用性。

1梯级水电站短期发电优化调度数学模型

目前对梯级水电站联合优化调度来说，主要有“以水定电”和“以电定水”两种模式，相对应的优化准则也可分为梯级发电量最大和梯级蓄能最大。

本文以调度期内梯级发电量最大为优化准则，根据径流预报结果，综合考虑电站运行约束要求，确定梯级电站最优水位运行过程。

1.1目标函数

以调度期内发电量最大为目标，则目标函数为：

式(1)式(1)中：E为调度期内梯级总发电量；n为梯级电站个数；T为调度时段数；N.,为i电站t时段的出力；△t为时段长度；H,、Q:,分别为i电站t时段的发电水头和发电流量；η:为i电站出力系数。

1.2约束条件

(1)蓄水位约束：

Z7,≤Z;,≤Z7式(2)

(2)时段出力约束：

N:,≤N;,≤N,式(3)

(3)下泄流量约束：

97,≤Q;,+S,≤9;,式(4)

(4)梯级水电站间的水力联系，i电站t时段入库流量：

I,=Qi-1,1-1+Si-1,1-1+B,式(5)

(5)水量平衡方程：

收稿日期：2015-02-10

作者简介：王娟娟(1981年一),女，工程师。

2016年第6期水利规划与设计科研管理

·94·

V;,?+1=V,,+(I,,-Q;,-S;)·△t式(6)

2免疫蛙跳算法(ISFLA)

2.1混洗蛙跳算法(SFLA)基本原理

SFLA是根据青蛙觅食的行为提出的一种随机全局优化方法，通过族群间的协作与族群内的竞争学习，实现对最优化问题的寻优。假设初始蛙群X。由P只青蛙构成，可表示为X。=[x?,0,x?,0

…,xp,。],其中x,o=(x?,xi?,…,x:)为最优化

问题的解向量，s为优化问题的解向量维数。对初始蛙