【摘要】：近些年來,我國的水電建設(shè)事業(yè)取得了突飛猛進(jìn)的發(fā)展,形成了一批具有電站級(jí)數(shù)多、裝機(jī)規(guī)模大等特點(diǎn)的梯級(jí)水電站群。大規(guī)模水電站群的不斷投入運(yùn)行,對(duì)水電系統(tǒng)運(yùn)行管理問題構(gòu)成了嚴(yán)峻挑戰(zhàn)。預(yù)報(bào)和調(diào)度是水電系統(tǒng)運(yùn)行管理中的兩大核心問題,其中,及時(shí)可靠的徑流預(yù)報(bào)信息是科學(xué)制定水電調(diào)度方案的重要依據(jù),而合理的調(diào)度方案則是充分利用水能資源的重要保障。對(duì)于徑流預(yù)報(bào)問題,模型參數(shù)率定效率及精度是評(píng)價(jià)模型性能的關(guān)鍵指標(biāo),也是當(dāng)前研究徑流預(yù)報(bào)所面臨的難點(diǎn)；對(duì)于調(diào)度問題,隨著梯級(jí)電站級(jí)數(shù)的不斷增多,精細(xì)化調(diào)度對(duì)于梯級(jí)水電站群的意義越來越大,梯級(jí)間的水流滯時(shí)對(duì)中期發(fā)電調(diào)度的影響不容忽視。因此,研究如何提高徑流預(yù)報(bào)精度和發(fā)電優(yōu)化調(diào)度的求解效率以及合理評(píng)價(jià)因水流滯時(shí)產(chǎn)生的滯時(shí)電量問題,對(duì)于提升水電系統(tǒng)運(yùn)行管理水平具有重要意義。本文以我國南方的水電站群為工程背景,針對(duì)中長期徑流預(yù)報(bào)問題,深入研究了具有較高預(yù)報(bào)精度的人工智能技術(shù)建模方法：針對(duì)水電站群調(diào)度問題,研究了并行智能算法求解技術(shù),同時(shí)研究了考慮水流滯時(shí)的水電系統(tǒng)中期發(fā)電優(yōu)化調(diào)度問題。主要成果如下：(1)針對(duì)前饋神經(jīng)網(wǎng)絡(luò)在徑流預(yù)報(bào)中常采用梯度下降的參數(shù)率定方法,存在計(jì)算耗時(shí)長和容易陷入局部最優(yōu)等缺陷,建立了基于極端學(xué)習(xí)機(jī)算法(ELM)的小波神經(jīng)網(wǎng)絡(luò)(WNN-ELM)中長期徑流預(yù)報(bào)模型。該模型結(jié)合小波分析強(qiáng)大的數(shù)學(xué)分析功能,首先利用atrous小波變換對(duì)原數(shù)據(jù)序列進(jìn)行分解,然后將小波分解系數(shù)作為單隱層前饋神經(jīng)網(wǎng)絡(luò)模型(SLFNs)的輸入,實(shí)際徑流數(shù)據(jù)作為輸出建立模型；同時(shí)充分利用ELM算法極快的學(xué)習(xí)速度和良好的泛化能力,將其應(yīng)用于小波神經(jīng)網(wǎng)絡(luò)模型參數(shù)率定。以我國西南地區(qū)的漫灣和洪家渡兩座水電站的月徑流預(yù)報(bào)為例進(jìn)行驗(yàn)證,并與SLFNs-ELM模型和支持向量機(jī)(SVM)進(jìn)行比較,結(jié)果表明,SLFNs-ELM模型峰值預(yù)測精度略優(yōu)于SVM,而WNN-ELM模型的預(yù)報(bào)精度明顯優(yōu)于SLFNs-ELM 和 SVM模型。(2)針對(duì)回聲狀態(tài)網(wǎng)絡(luò)(ESN)在徑流預(yù)報(bào)中因采用線性回歸率定模型參數(shù)容易出現(xiàn)過擬合問題,建立了基于貝葉斯回聲狀態(tài)網(wǎng)絡(luò)(BESN)的日徑流預(yù)報(bào)模型。該模型將貝葉斯理論與ESN模型相結(jié)合,通過權(quán)重后驗(yàn)概率密度最大化而獲得最優(yōu)輸出權(quán)重,提高了模型的泛化能力。通過安砂和新豐江兩座水庫日徑流預(yù)測實(shí)例表明,BESN模型是一種有效、可行的預(yù)測方法,與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和ESN模型對(duì)比,進(jìn)一步表明BESN模型具有更好的預(yù)測精度。(3)針對(duì)差分演化算法(DE)求解水電站群優(yōu)化調(diào)度問題時(shí)易陷入局部最優(yōu)問題,同時(shí)為提高DE算法計(jì)算效率,建立了水電站群長期優(yōu)化調(diào)度并行混合差分演化算法(PCSADE)。首先,結(jié)合混沌理論隨機(jī)性和遍歷性強(qiáng)等優(yōu)點(diǎn),利用tent映射生成DE算法的初始種群并實(shí)現(xiàn)對(duì)控制參數(shù)(縮放因子和交叉因子)進(jìn)行動(dòng)態(tài)調(diào)整；其次,利用模擬退火算法,依據(jù)Metropolis準(zhǔn)則改進(jìn)DE算法的局部搜索能力：最后,基于Fork/Join并行框架技術(shù),實(shí)現(xiàn)了對(duì)改進(jìn)算法(CSADE)的并行化計(jì)算,并測試了不同種群規(guī)模下PCSADE算法的性能。以紅水河流域梯級(jí)水電站群長期優(yōu)化調(diào)度為應(yīng)用實(shí)例,表明所提混合算法CSADE具有較好的尋優(yōu)能力,而所提出的并行混合算法PCSADE不僅能大幅度提高求解效率,而且提高了求解質(zhì)量。(4)針對(duì)梯級(jí)電站因最上游和最下游距離較遠(yuǎn)而存在中期調(diào)度水流滯時(shí)問題,建立了考慮滯時(shí)電量的期末蓄能最大模型,并采用基于兩階段次梯度法乘子更新策略的拉格朗日松弛法進(jìn)行模型求解。首先利用逐步優(yōu)化算法求解發(fā)電量最大模型,以確定調(diào)度期內(nèi)的系統(tǒng)出力過程；然后建立期末蓄能最大模型,根據(jù)系統(tǒng)負(fù)荷需求,利用拉格朗日松弛法進(jìn)行模型求解,并在建立對(duì)偶問題的基礎(chǔ)上,以逐次逼近算法求解對(duì)偶問題,以兩階段次梯度法進(jìn)行乘子更新。以瀾滄江中下游梯級(jí)水電站群中期優(yōu)化調(diào)度為例,將所提模型與未考慮滯時(shí)電量的模型進(jìn)行對(duì)比,結(jié)果表明,中期滯時(shí)電量對(duì)計(jì)算結(jié)果有一定影響,中期調(diào)度需充分考慮調(diào)度結(jié)果的后效性。最后對(duì)全文做了總結(jié),并對(duì)有待深入研究的問題作出了展望。
[Abstract]:In recent years , China ' s hydropower construction has made a rapid development , and has formed a series of cascade hydropower stations with the characteristics of large number of power stations and large installed scale . The continuous operation of large - scale hydropower stations has posed a serious challenge to the operation and management of hydropower systems .
In this paper , with the increasing number of cascade power stations and the increasing number of cascade hydropower stations , the effect of refined scheduling on the cascade hydropower station is more and more important . In this paper , we study how to improve the accuracy of runoff forecast and solve the problem of long - term power generation scheduling in hydropower system .
The results show that the forecasting accuracy of the model is better than that of the SLFNs - ELM model and the support vector machine ( SVM ) .
Secondly , by using simulated annealing algorithm , the local searching ability of the DE algorithm is improved according to the Metropolis criterion : finally , the parallel computation of the improved algorithm ( CSADE ) is realized on the basis of the parallel frame technique .
Then the maximum model of the end - cycle energy storage is established . Based on the system load demand , the Lagrangian relaxation method is used to solve the dual problem , and the dual - phase gradient method is used to solve the dual problem .
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TV737

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔清溪,王智中;用矩陣運(yùn)算求解水電站群最優(yōu)裝機(jī)容量[J];長江水利教育;1993年02期

2 馬元s，

本文編號(hào)：2130678