水电富集地区大小水电协调优化调度方法研究及应用

【摘要】：水电是我国的第二大电源,同时也是最重要的清洁能源。我国水能资源主要集中在西南地区,近年来,随着“西电东送”战略的深入推进,作为电源基地的西南地区的水电取得了跨越式发展,发电装机容量实现了持续快速攀升。同时,在经济发展需求和相关政策的导向作用下,西南地区的小水电也得到了快速开发,并对当地经济发展和电力工业水平的提高起到了十分重要的作用。然而,一方面,水电系统规模的快速增长使得水电优化调度问题规模迅速扩大,传统方法难以适应大规模水电发展需求；另一方面,由于缺乏合理规划和有效管理,西南地区的小水电长期处于无序开发状态,管理和并网混乱,并随装机规模不断增长而出现了季节性小水电供大于求的现象,既定负荷需求下的小水电与大中型水电之间以及与其它能源之间存在着相互挤占有限发电空间和输电通道的问题,导致水电汛期大规模窝电弃水,并给电网安全稳定运行造成重大影响。针对上述问题,本文以水电富集的西南地区为研究背景,以大小水电协调优化调度为研究主线,深入分析了大规模水电站群优化调度特性、大小水电的出力特性以及相互之间的水力和电力联系,开展了大规模水电站群长期优化调度、不同时间尺度下大小水电协调优化调度和大小水电及风电的短期协调优化调度问题的研究与分析。主要成果如下:(1)针对大规模水电站投产导致水电站群优化调度问题规模急剧增长,传统优化调度方法求解耗时大幅增加的问题,提出了水电站群长期优化调度多核并行禁忌遗传算法。该算法以十进制遗传算法为基础,将单一种群划分为多个子种群,并引入多种群迁移策略,避免遗传算法早熟而陷入局部最优解；通过禁忌策略避免适应值重复计算,提高算法搜索的有效性；结合近年来快速发展的多核并行技术,实现遗传算法并行化计算。以澜沧江和红水河为背景的实例研究表明,所提方法能够有效避免传统遗传算法早熟问题,并能够显著减少计算耗时,大幅提高求解效率,是求解大规模水电系统优化调度问题的一种可行方法。(2)针对水电富集地区大小水电挤占有限的输电通道、外送电力不畅的问题,提出了大小水电长期协调调度决策树模型。首先建立了决策树数据挖掘算法,然后以大小水电长期可消纳电量最大为目标,采用确定性优化方法获得历史各年理想调度过程,在此基础上,利用决策树挖掘具有普适性的大小水电长期协调调度规则。在应用阶段,采用BP神经网络并结合美国气象预测系统(CFS)的降雨预报信息预测大中型水电站径流和小水电发电能力,并将其作为决策树输入,以获得面临时段水电调度决策信息。水电富集的云南德宏地区应用结果表明,所提方法能够合理利用大中型水电的调蓄能力,汛前降低水位、腾出库容,为小水电汛期外送腾出通道,有效减少窝电弃水,提升水电总体消纳量。(3)针对水电富集地区汛期大小水电抢占有限外送输电通道资源,造成大规模窝电弃水的问题,提出了大小水电可消纳电量期望值最大协调优化调度模型。该模型根据分区小水电并网特点,将分区小水电作为整体考虑,首先分析了小水电计划和实际出力偏差,然后采用模糊聚类分析和轮廓系数构建了小水电出力场景。在此基础上,采用启发式搜索方法和关联搜索算法进行求解。针对可能存在弃电的场景,通过调整大中型水电站末水位控制条件,实现大小水电协调,并将弃电风险控制在合理的范围内。以水电富集的滇西南德宏、普洱和版纳为背景的实例研究表明,所提模型和方法能够有效利用大中型水电良好的调节能力实现大小水电协调,减少弃电,是一种可行的大小水电短期协调优化调度方法。(4)针对水电富集地区风电等新能源的大规模开发进一步加剧了汛期电力外送压力的问题,以可消纳电量最大为目标,构建了大中型水电与小水电、风电协调优化调度模型。该模型将小水电和风电作为随机变量,采用非参数核密度估计方法分析了小水电计划出力和风电预测出力的误差分布。在模型求解方面,从初始粒子生成、惯性因子动态更新并增加粒子间的交叉和变异操作等方面对粒子群优化算法进行改进,在此基础上结合蒙特卡罗模拟方法进行求解。以滇西北地区实例研究表明,改进的粒子群优化算法明显优于传统的粒子群优化算法和遗传算法,所提方法能有效考虑小水电和风电的不确定性,利用大中型水电协调风电和小水电运行,并为调度人员提供运行风险与期望消纳电量的平衡依据,是一种有效的大小水电和风电协调优化调度方法。最后对全文研究工作进行总结,分析了本文存在的不足,并对未来可能研究工作进行了展望。 【关键词】：水电富集地区 大中型水电 小水电 多核并行 协调优化调度 风电 机会约束
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TV742;TV737
【目录】：

• 摘要4-6
• ABSTRACT6-16
• 图目录16-18
• 表目录18-19
• 主要符号表19-20
• 1 绪论20-42
• 1.1 研究背景与意义20-28
• 1.1.1 水电富集地区水电发展现状20-25
• 1.1.2 面临的关键问题25-27
• 1.1.3 开展大小水电协调优化调度的意义27-28
• 1.2 小水电发展与研究现状28-30
• 1.3 水电优化调度研究进展30-38
• 1.3.1 水电系统优化调度综述30-37
• 1.3.2 大、小水电及新能源协调优化调度研究现状37-38
• 1.4 本文主要研究内容及研究思路38-42
• 2 水电富集地区工程背景42-53
• 2.1 引言42-43
• 2.2 云南电源特点及发展情况43-47
• 2.2.1 云南水电资源特点43-44
• 2.2.2 云南大中型水电发展情况44-45
• 2.2.3 云南小水电发展历程及其特点45-46
• 2.2.4 云南其它电源发展情况46-47
• 2.3 云南水电消纳受阻分析47-51
• 2.3.1 云南电网建设情况47-49
• 2.3.2 云南水电受阻分析49-51
• 2.4 大小水电协调必要性及协调难点51-52
• 2.5 本章小结52-53
• 3 水电站群长期优化调度的多核并行禁忌遗传算法53-78
• 3.1 引言53-54
• 3.2 数学模型54-55
• 3.2.1 目标函数54
• 3.2.2 约束条件54-55
• 3.3 多核并行禁忌遗传算法55-60
• 3.3.1 遗传算法及其改进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 应用实例60-77
• 3.4.1 计算条件60-64
• 3.4.2 计算参数选择64-70
• 3.4.3 多核并行计算及结果分析70-77
• 3.5 本章小结77-78
• 4 基于决策树的大小水电长期协调调度模型78-94
• 4.1 引言78-79
• 4.2 基于决策树的大小水电协调调度模型79-82
• 4.2.1 决策树学习算法79-80
• 4.2.2 调度规则挖掘目标80-81
• 4.2.3 大小水电协调调度规则挖掘81-82
• 4.3 应用实例82-92
• 4.3.1 计算条件82-83
• 4.3.2 CFS降雨预报83-86
• 4.3.3 大中型水电径流预报86-88
• 4.3.4 小水电发电能力预测88-89
• 4.3.5 决策树挖掘89-91
• 4.3.6 决策树应用及结果分析91-92
• 4.4 本章小结92-94
• 5 大小水电可消纳电量最大短期协调优化调度模型94-113
• 5.1 引言94-95
• 5.2 小水电出力场景分析95-98
• 5.2.1 小水电出力偏差预处理95
• 5.2.2 模糊聚类分析95-96
• 5.2.3 场景数确定96-97
• 5.2.4 小水电出力场景97-98
• 5.3 数学模型98-100
• 5.3.1 目标函数98-99
• 5.3.2 约束条件99-100
• 5.4 模型求解100-104
• 5.4.1 模型求解方法100-101
• 5.4.2 大小水电协调策略101-103
• 5.4.3 模型总体求解流程103-104
• 5.5 应用实例104-112
• 5.5.1 计算条件104-105
• 5.5.2 小水电出力场景分析105-107
• 5.5.3 大小水电协调107-111
• 5.5.4 结果分析111-112
• 5.6 本章小结112-113
• 6 基于机会约束规划的大、小水电及风电短期协调优化调度模型113-129
• 6.1 引言113
• 6.2 模型建立113-115
• 6.2.1 目标函数114-115
• 6.2.2 约束条件115
• 6.3 风电和小水电不确定性分析115-118
• 6.3.1 核密度估计116
• 6.3.2 风电出力不确定性分析116-117
• 6.3.3 小水电出力不确定性分析117-118
• 6.4 模型求解方法及流程118-121
• 6.4.1 改进的粒子群优化算法118-120
• 6.4.2 机会约束求解120
• 6.4.3 模型求解流程120-121
• 6.5 算例仿真121-127
• 6.5.1 计算条件121-123
• 6.5.2 出力不确定性分析123-124
• 6.5.3 算例分析124-127
• 6.6 本章小结127-129
• 7 结论与展望129-133
• 7.1 结论129-130
• 7.2 创新点130-131
• 7.3 展望131-133
• 参考文献133-144
• 攻读博士学位期间科研项目及科研成果144-147
• 致谢147-148
• 作者简介148

您可以在本站搜索以下学术论文文献来了解更多相关内容