本文選題：梯級水電站群　切入點：優(yōu)化調(diào)度　出處：《大連理工大學(xué)》2014年博士論文　論文類型：學(xué)位論文

【摘要】：近年來,我國水電事業(yè)的發(fā)展速度和規(guī)模突飛猛進,已躍居世界水電大國首位,并形成了或?qū)⑿纬梢淮笈哂须娬炯墧?shù)多、裝機容量大、輸送電范圍廣等特點的大規(guī)模梯級水電站群。這類大規(guī)模梯級水電站群的優(yōu)化調(diào)度問題具有非常顯著的高維數(shù)、非線性、多階段、約束強耦合等特點,動輒十幾級甚至幾十級電站規(guī)模使“維數(shù)災(zāi)”問題將變得尤為突出,求解難度越來越大,計算效率越來越低。采用傳統(tǒng)優(yōu)化方法求解呈現(xiàn)一定的局限性,已無法滿足電網(wǎng)和水電公司的精細化調(diào)度需求,探索合理高效的求解算法是水電調(diào)度工作亟待解決的重要課題。因此,針對上述問題,本文以西南地區(qū)大型流域紅水河和瀾滄江梯級水電站群為工程背景,在深入分析梯級水電站群長期優(yōu)化調(diào)度特性的基礎(chǔ)上,開展不同智能算法相結(jié)合的混合智能算法研究,并結(jié)合近年來興起的多核并行技術(shù)提出了動態(tài)規(guī)劃及其改進算法的并行求解方法。主要成果如下： (1)針對粒子群算法早熟收斂、易陷入局部最優(yōu)、停滯等不足,提出了梯級水電站群長期優(yōu)化調(diào)度自適應(yīng)混合粒子群進化算法。該算法引入混沌優(yōu)化的遍歷性生成初始種群,提高初始種群的個體質(zhì)量；通過粒子能量、粒子能量閾值、粒子相似度和粒子相似度閾值來描述算法的自適應(yīng)變化以及群體進化程度,同時結(jié)合遺傳變異思想進行粒子操作,提高初期全局搜索以及后期局部精化能力,抑制算法早熟；采用一種基于鄰域的隨機貪心搜索策略解決算法后期進化速度慢的缺點。紅水河梯級水電站群研究實例結(jié)果表明,自適應(yīng)混合粒子群進化算法能夠獲得優(yōu)于粒子群算法的計算結(jié)果,與逐步優(yōu)化方法相近,但計算時間優(yōu)于逐步優(yōu)化方法。因此,自適應(yīng)混合粒子群進化算法是求解大規(guī)模梯級水電站群優(yōu)化調(diào)度可供選擇的一種求解方法。 (2)針對遺傳算法易早熟且局部搜索能力差等缺點,提出了梯級水電站群長期優(yōu)化調(diào)度自適應(yīng)混沌整體退火遺傳算法。該算法通過混沌優(yōu)化的遍歷性特點隨機生成初始種群,提高初始種群的個體質(zhì)量；從種群多樣性對算法的影響考慮,利用父代參與競爭的整體退火選擇方式選擇雜交母體,避免種群早熟及過早收斂；同時,采用自適應(yīng)交叉、變異算子提高算法局部搜索能力及收斂速度,避免算法走向局部最優(yōu)。紅水河梯級水電站群研究實例結(jié)果表明,自適應(yīng)混沌整體退火遺傳算法的計算結(jié)果優(yōu)于遺傳算法與逐步優(yōu)化方法,且計算耗時較逐步優(yōu)化方法更少。因此,自適應(yīng)混沌整體退火遺傳算法為大規(guī)模水電系統(tǒng)優(yōu)化調(diào)度提供了一種合理有效的求解途徑。 (3)針對動態(tài)規(guī)劃方法求解大規(guī)模水電系統(tǒng)優(yōu)化調(diào)度易造成計算耗時過多以及求解效率較低的情況,以離散微分動態(tài)規(guī)劃(DDDP)確定性模型和隨機動態(tài)規(guī)劃(SDP)模型的并行化求解為例,在詳細分析遞推公式并行性基礎(chǔ)上,分別設(shè)計DDDP多階段和SDP單階段內(nèi)所有離散變量組合在遞推公式中的求解運算作為并行計算父任務(wù),利用Fork/Join多核并行框架,提出了梯級水電站群長期優(yōu)化調(diào)度多核并行動態(tài)規(guī)劃方法。以瀾滄江下游梯級水電站群優(yōu)化調(diào)度為應(yīng)用實例,在兩臺不同多核資源配置中展開方法驗證。計算結(jié)果表明,并行方法可充分利用多核資源,大幅縮減計算耗時,提高求解效率。而且,提出的并行求解設(shè)計思路可為其他動態(tài)規(guī)劃方法的并行化提供參考和借鑒。 (4)針對極端干旱氣候易造成梯級水電站群出力破壞深度劇烈從而影響電網(wǎng)安全穩(wěn)定運行的情況,提出了考慮系統(tǒng)發(fā)電保證率和破壞深度的梯級水電站群長期優(yōu)化調(diào)度多核并行機會約束動態(tài)規(guī)劃方法。該方法將系統(tǒng)發(fā)電保證率要求作為機會約束納入模型中,采用懲罰函數(shù)法處理出力破壞深度控制要求作為遞推方程懲罰項。在逐時段遞推最優(yōu)決策過程中,應(yīng)用Fork/Join多核并行框架實現(xiàn)單時段內(nèi)所有變量組合的遞推求解并行化。根據(jù)動態(tài)更新的拉格朗日乘子和懲罰系數(shù)迭代生成多組優(yōu)化調(diào)度規(guī)則,通過模擬調(diào)度的系統(tǒng)發(fā)電保證率和最大破壞深度進行篩選,再以多年平均發(fā)電量最大為準(zhǔn)則選取最優(yōu)調(diào)度規(guī)則。瀾滄江下游梯級水電站群優(yōu)化調(diào)度應(yīng)用實例結(jié)果表明,所提方法得到的優(yōu)化調(diào)度規(guī)則可兼顧系統(tǒng)發(fā)電保證率和出力破壞深度控制,并實現(xiàn)系統(tǒng)發(fā)電量最大,能夠有效響應(yīng)極端干旱氣候?qū)λ娤到y(tǒng)的影響,為電網(wǎng)安全穩(wěn)定運行提供了強有力的技術(shù)保障；方法并行化可大幅削減計算耗時,為更深入了解梯級水電站群調(diào)度運行規(guī)律提供了更高效的手段。 最后對全文做了總結(jié),并對有待于進一步研究的問題進行了展望。
[Abstract]:In recent years, the development speed and the scale of China's hydropower industry by leaps and bounds, has been ranked the world's first large hydropower, and the formation or the formation of a large number of power series, large capacity, wide range of transmission characteristics of large-scale cascade hydropower stations. The large-scale optimization problem of cascade hydropower station group has the high dimensionality, very significant nonlinear, multi stage, characteristics of the constrained strong coupling, at ten level or even dozens of hydropower station scale makes the "dimension disaster" problem will become more prominent, is more and more difficult, the computational efficiency is more and more low. By using the traditional optimization method has certain limitations, has been unable to meet the grid and fine scheduling needs of hydropower company, explore the reasonable and efficient algorithm is an important task of hydropower dispatching to be solved. Therefore, in view of the above problems, the large area south of West Red River Basin and Lancang River cascade hydropower stations as the engineering background, in-depth analysis of cascade hydropower station group based on the characteristics of long-term optimal scheduling, hybrid intelligent algorithm research of different combination of intelligent algorithms, combined with multi-core technology in recent years the rise of a parallel solving method of dynamic programming algorithm and its improvement the main results are as follows:
(1) according to the particle swarm algorithm premature convergence, easy to fall into local optimum, stagnation, the long-term optimal operation of multi adaptive hybrid particle swarm optimization algorithm of cascade hydropower station. The initial population generation the ergodicity of chaos optimization algorithm, improve the individual quality of the initial population; by particle energy, particle energy threshold, particle similarity and the particle similarity threshold to describe adaptive algorithm and swarm evolution degree and particle manipulation combined with genetic variation thought, improve the early and late local refinement of the global search ability, suppression algorithm precocious; uses a neighborhood random greedy search strategy to solve the shortcomings of the algorithm at the end of slow evolution. Based on the Red River cascade hydropower research example the station group showed that the calculation of adaptive hybrid particle swarm optimization algorithm can obtain better results of particle swarm algorithm, and by The step optimization method is similar, but the computation time is better than the stepwise optimization method. Therefore, adaptive hybrid particle swarm optimization algorithm is an alternative solution for large-scale cascade hydropower stations.
(2) the genetic algorithm premature and poor local search ability and other shortcomings, puts forward the long-term optimal scheduling of cascade hydropower stations adaptive chaotic whole annealing genetic algorithm. The algorithm through the ergodicity of the randomly generated initial population chaos optimization, improve the individual quality of the initial population; considering the effect of population diversity of the algorithm, the use of the parent to participate in the competition of the whole annealing selection of hybrid matrix, avoid premature convergence and premature convergence; at the same time, adaptive crossover, mutation operator to improve the algorithm of local search ability and convergence speed, avoid the algorithm to a local optimum. The Red River Cascade Hydropower Station group case study results show that the calculation results of chaos adaptive whole annealing genetic algorithm better than genetic algorithm and stepwise optimization method, and the computation time is gradually less. So the optimization method, adaptive whole annealing genetic chaos The transmission algorithm provides a reasonable and effective solution to the optimal scheduling of large-scale hydropower systems.
(3) according to the dynamic programming method to solve large-scale hydropower scheduling caused by too much computational time and computational efficiency are lower, the discrete differential dynamic programming (DDDP) model of deterministic and stochastic dynamic programming (SDP) parallel solving model as an example, the detailed analysis of the recursive formula of parallelism based on design computation for multi stage DDDP and SDP single stage all discrete variable combination in recursive formula in parallel computing as the parent task, using Fork/Join multi core parallel framework, proposes a multi core group of long-term optimal scheduling of cascade hydropower stations parallel dynamic programming method. In order to lower Lancang optimal operation of cascade hydropower stations as an example in two, expansion method to verify the different multi-core resource allocation. The calculation results show that it can take full advantage of multi-core parallel method, greatly reduce the computation time and improve the efficiency of the algorithm. Moreover,. The parallel solution design idea can provide reference and reference for the parallelization of other dynamic programming methods.
(4) in the extreme arid climate caused by the cascade hydropower stations to output failure depth of intense affect the safe and stable operation of power grid, considering the power system to ensure the long-term optimal scheduling of cascade hydropower stations in multi core rate and failure depth of parallel chance constrained dynamic planning method. This method will ensure system of power requirements as an opportunity constraints are incorporated into the model, using penalty function method to deal with the power failure depth control requirements as punishment. In the recursive equation by period recursive optimal decision process, the application of Fork/Join multi core parallel framework for the realization of all the variables in the combination of single period recursive parallelization. According to the dynamic update of the Lagrange multipliers and penalty coefficient iteration multiple sets of optimal scheduling rules, the simulation system of power dispatching guarantee rate and the maximum failure depth were selected, with annual average generating capacity of the Select the optimal scheduling rule as the criterion. The lower reaches of Lancang River cascade hydropower stations optimal scheduling application results show that the proposed method has optimal scheduling rules can both guarantee rate and output power system failure depth control, and realizes the maximum power output, can effective impact of extreme drought climate on hydropower system, provides the technology a strong guarantee for the safe and stable operation of power grid; parallel method can greatly reduce the computation time, provides a more efficient means for more in-depth understanding of scheduling of cascade hydropower station group operation rules.
Finally, the full text is summarized, and the problems to be further studied are prospected.

【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TV737

【相似文獻】

相關(guān)期刊論文 前10條

1 黃春雷,趙永龍,過夏明;基于日典型負(fù)荷的水電站群日計劃方式[J];水電自動化與大壩監(jiān)測;2005年04期

2 王軍,林輝吉;華中網(wǎng)水電站群的優(yōu)化補償調(diào)度研究[J];湖北電力;2005年04期

3 陳偉龍;林麗虹;周苗菲;王建軍;;麗水電網(wǎng)小水電站群出力預(yù)測方法[J];水電自動化與大壩監(jiān)測;2010年06期

4 程春田;武新宇;申建建;廖勝利;;大規(guī)模水電站群短期優(yōu)化調(diào)度方法Ⅰ:總體概述[J];水利學(xué)報;2011年09期

5 崔清溪;;用線性規(guī)劃求解水電站群最優(yōu)裝機容量[J];江西水利科技;1985年04期

6 尹明萬,鄢建華;水電站群裝機容量的優(yōu)化選擇[J];四川水力發(fā)電;1986年04期

7 施熙燦,徐青;水電站群參數(shù)優(yōu)選規(guī)劃模型及其應(yīng)用[J];水利學(xué)報;1987年09期

8 王樹生;;水電站群機組的合理組合[J];云南水力發(fā)電;1987年02期

9 馬細霞,曾佑澄;中型梯級水電站群開發(fā)的優(yōu)化排序[J];四川水力發(fā)電;1988年02期

10 馬光文;水電站群隨機優(yōu)化調(diào)度問題的研究[J];四川水力發(fā)電;1988年04期

相關(guān)會議論文 前10條

1 張光元;;清能公司區(qū)域小水電站群集中控制實踐[A];湖北省中、小水電建設(shè)與管理專委會成立大會及學(xué)術(shù)研討會資料匯編論文集[C];2004年

2 周國勝;;努力實現(xiàn)芭蕉河水電站群的生產(chǎn)管理現(xiàn)代化——探索“無人值班、少人值守”生產(chǎn)運行模式[A];中國南方十三�。ㄊ小^(qū)）水電學(xué)會聯(lián)絡(luò)會暨學(xué)術(shù)交流研討會論文集[C];2006年

3 張世欽;;淺談霍童溪流域水電站群節(jié)水增發(fā)電的措施及成效[A];南方十三�。ㄊ小^(qū)）水電學(xué)會聯(lián)絡(luò)會暨學(xué)術(shù)交流會論文集[C];2007年

4 周國勝;;芭蕉河水電站群實行無人值班(少人值守)運行[A];《水電廠無人值班（少人值守）及綜合自動化》研討班教材[C];2007年

5 張世欽;;淺談霍童溪流域水電站群節(jié)水增發(fā)電的措施及成效[A];福建省科學(xué)技術(shù)協(xié)會第七屆學(xué)術(shù)年會分會場——提高水力發(fā)電技術(shù) 促進海西經(jīng)濟建設(shè)研討會論文集[C];2007年

6 蘇華英;孫斌;林成;程春田;;貴州電網(wǎng)梯級水電站群聯(lián)合調(diào)度運行方式研究[A];貴州省電機工程學(xué)會2010年優(yōu)秀論文集[C];2010年

7 張光元;;清能公司區(qū)域小水電站群集中控制實踐[A];湖北省中小水電建設(shè)與管理專委會成立大會資料匯編[C];2004年

8 金澤華;;加快實現(xiàn)烏江流域梯級水電站群統(tǒng)一調(diào)度運行[A];《水電廠無人值班（少人值守）及綜合自動化》研討班教材[C];2007年

9 羅小黔;鄒建國;戴建煒;劉春志;朱江;;烏江流域大型復(fù)雜水電站群聯(lián)合優(yōu)化調(diào)控關(guān)鍵技術(shù)及其應(yīng)用研究[A];大型水輪發(fā)電機組技術(shù)論文集[C];2008年

10 羅小黔;鄒建國;戴建煒;劉春志;朱江;;烏江流域大型復(fù)雜水電站群聯(lián)合優(yōu)化調(diào)控關(guān)鍵技術(shù)及其應(yīng)用研究[A];2008中國水力發(fā)電論文集[C];2008年

相關(guān)重要報紙文章 前5條

1 伍志;烏江流域大型復(fù)雜水電站群聯(lián)合優(yōu)化調(diào)控系統(tǒng)不同凡響[N];貴州日報;2007年

2 記者　張曄　通訊員　錢恂熊;烏江水電站群關(guān)鍵技術(shù)有新突破[N];科技日報;2007年

3 本報記者 李冬梅　通訊員 顧龍 李澤宏;從烏江看梯級水電站群的優(yōu)化調(diào)度[N];中國電力報;2012年

4 林麗萍;福建實現(xiàn)跨流域水電站群智能調(diào)度[N];國家電網(wǎng)報;2009年

5 柳霞;到2012年俄羅斯水輪機產(chǎn)量將比2009年增長69%[N];遠東經(jīng)貿(mào)導(dǎo)報;2010年

相關(guān)博士學(xué)位論文 前9條

1 申建建;大規(guī)模水電站群短期聯(lián)合優(yōu)化調(diào)度研究與應(yīng)用[D];大連理工大學(xué);2011年

2 鄭慧濤;水電站群發(fā)電優(yōu)化調(diào)度的并行求解方法研究與應(yīng)用[D];武漢大學(xué);2013年

3 劉學(xué)海;梯級水電站群優(yōu)化調(diào)度與運營策略研究[D];天津大學(xué);2005年

4 方娜;梯級水電站群聯(lián)合發(fā)電調(diào)度優(yōu)化方法與應(yīng)用研究[D];華中科技大學(xué);2014年

5 王森;梯級水電站群長期優(yōu)化調(diào)度混合智能算法及并行方法研究[D];大連理工大學(xué);2014年

6 廖想;流域梯級水電站群及其互聯(lián)電力系統(tǒng)聯(lián)合優(yōu)化運行[D];華中科技大學(xué);2014年

7 盧有麟;流域梯級大規(guī)模水電站群多目標(biāo)優(yōu)化調(diào)度與多屬性決策研究[D];華中科技大學(xué);2012年

8 李英海;梯級水電站群聯(lián)合優(yōu)化調(diào)度及其決策方法[D];華中科技大學(xué);2009年

9 張銘;水電站優(yōu)化運行與風(fēng)險分析[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 任慶泰;集中控制水電站群安全評價體系研究及實踐[D];重慶大學(xué);2013年

2 丁杰華;水庫水電站群長期運行規(guī)律研究[D];武漢大學(xué);2005年

3 孫明杰;集控水電站群電力生產(chǎn)集成質(zhì)量管理模式研究[D];重慶大學(xué);2013年

4 范祥莉;梯級水電站群中長期多目標(biāo)優(yōu)化調(diào)度方法[D];大連理工大學(xué);2010年

5 朱春濤;粒子群優(yōu)化算法及其在水電站群優(yōu)化調(diào)度中的應(yīng)用[D];華中科技大學(xué);2007年

6 楊鳳英;梯級水電站群優(yōu)化調(diào)度圖研究及應(yīng)用[D];大連理工大學(xué);2009年

7 李雅;面向集中控制水電站群的業(yè)務(wù)流程優(yōu)化和實施研究[D];重慶大學(xué);2012年

8 方晶;基于負(fù)荷分配的梯級水電站群優(yōu)化補償調(diào)度研究[D];大連理工大學(xué);2013年

9 周�？�;水電站群發(fā)電優(yōu)化調(diào)度實用化問題研究[D];華中科技大學(xué);2012年

10 趙星;水電站群經(jīng)濟運行關(guān)鍵技術(shù)研究與應(yīng)用[D];河海大學(xué);2006年

，

本文編號：1590391