梯级水电站水电调度优化方法综述

梯级水电站水电调度优化方法综述

龙文珍

（桂林市电力管理站541199）

摘要：在社会发展中水电作为不可或缺的重要能源，不仅能够满足人类所需，更能为经济发展提供助力，而水电本身的清洁指数较高，具有可再生属性，运行成本也普遍不高，在强化资源能效的基础上，能全面提升资源利用率，减少能源损耗，同时创造出更多经济及社会效益。在我国提出可持续发展战略后，水电调度的重要性也不断凸显，尤其是梯级水电站的水电调度，应当从运行特点入手，对水电进行调度方法进行进一步优化，促使其运行效率与预期目标高度相符。本文就围绕梯级水电站，对其水电调度优化方法进行了细化阐述及分析。

关键词：梯级水电站；水电调度；优化方法

在经济技术发展进程中，能源产业的运行能效也随之提升，水电能源无论是在生活中还是生产中，都是极其重要的能源，提高能源利用率不仅是产业发展的基础保障，更是我国能源发展的重中之重。梯级水电站中涵盖多个分支水电站，各个水电站之间联系密切，无论是水力还是电力，依托水电站都能相互贯通，因此，梯级水电站不仅需要按照系统运行要求维持正常操作，更应当对发电及水资源利用之间的关系进行综合分析，只有促使二者之间的关系更加协调，才能提高水电站调度效率，创造出更为丰富的经济效益。

一、梯级水电站特点

从梯级水电站运行流程来看，系统依托双重属性能够实现交叉运行。梯级水电系统的规模普遍较大，内设建筑及设施多且复杂，一般以大坝及水库等建筑形式为主体，而发电机等电力设施也是不可或缺的，各个分支系统之间既存在密切联系，又能形成制约性作用。梯级水电站能够对水资源进行多次使用，而水资源在多次开发的基础上，也能进一步提升应用价值。基于梯级水电站运行特点，水资源的开发及利用也具有分级特点，各个分支电站以梯级形态为主体，能够在相互作用的同时形成制约力。除此之外，梯级水电站的各个分支电站所处位置并不相近，这就需要根据其运行特点，积极开展管理工作，促使电站与管理工作高效衔接，实现对不良问题的合理规避。

二、梯级水电站的调度难度

梯级水电站水电调度的出发点虽然是提高资源利用率，提升经济效益，但是这同时也需要根据实际情况，提高系统运行的安全性及稳定性，因此，打破固有方式，对系统运行流程进行优化也就显得至关重要。梯级水电站在实际调度阶段，首先应当对电站与发电机组之间的负荷进行合理分配，促使二者的协调性不断提升，进而从根本上提高调度指标及水电能利用率。而系统运行本身就离不开设备的积极配合，这就需要定期开展检修管理工作，降低设备故障率，需要注意的是，设备检修工作应当确保落实到位，并防止出现设备闲置现象，对人员进行合理配置，避免出现人员浪费问题，确保设备及人员都能得到最优化配置，通过减少损耗实现对效率的不断提升。

梯级水电站调度本身就具有一定难度，由于内部关系复杂，资源配置及调度要求高，这就需要以实际情况为主导，对各类资源进行优化，促使其被分配到最适宜的位置，为梯级水电站调度工作的高效开展夯实基础。因此，除了上述工作，还应当积极开展后勤管理工作，对各类设施进行全面考量并根据系统运行要求进行科学规划，提高其集中性。梯级水电站虽然涵盖多个上下梯级，但是需要以整个梯级为基准进行统一调度，一旦调度指标分离，就会导致负荷等各项因素的调整存在偏差，因此，梯级水电站调度的难点主要集中在对不同梯级进行统一调度上，只有不断提高负荷的稳定性及协调性，才能促使水电资源得到最优化利用，从而降低能源损耗，提高系统运行的有效性及合理性。

三、梯级水电站水电调度优化方法

1.经典优化方法

一直以来优化水电调度方法都是梯级水电站运行及发展阶段的重点研究方向，经典优化方法较为常见，线性规划、非线性规划及动态规划是优化方法中的组成部分。首先，线性规划以运筹学为基准，将其应用到水电调度中可以看成是对运筹学的延伸，将线性规划与其他算法进行对比可以发现，该方法的起步最早，发展速度也较为迅速，由于理论体系更加趋于完善，因此，该方法的应用频率较高，与此同时，线性规划也作为定量方法为总产量技术提供重要依据；其次，非线性规划最早产生于20世纪中期，该种方法虽然也来自于运筹学，但是应用阶段却存在相应约束条件，以目标函数为切入点通过分析及计算，就能获得未知量的非线性函数。

最后，动态规划，通俗来说就是多阶段决策过程最优化法，可以将其看成是运筹学分支出来的数学工具，动态规划算法的基本思想是将待求解问题分解成若干个子问题，在求解的过程中通过子问题的解求出待求问题的解。动态规划将多段决策问题转化成一系列互相联系的阶段，在它的每一阶段都需要作出最优化决策，其最优化过程必须从系统整体出发，每个阶段的最优化决策结果既依赖于当前面临的状态，又影响着后续的发展，各个阶段之间呈现的是前后关联的链状结构，从而最终能使决策目标函数达到极值。以上三种方法都可以用不同的数学模型展示出来，计算流程及优化值量也存在明显差异，这就需要根据实际情况，对调度方法进行个性化选择。

2.现代智能优化方法

①模拟退火算法（SA）：模拟退火算法来源于固体退火原理。固体物质在加热的时候内部粒子间的布朗运动增强，呈现无序状态，内能增强至一定强度后再退火，粒子热运动减弱，并逐渐趋于有序，最后达到平衡态，内能减弱达到最小。模拟退火是一种通用的优化算法，是基于迭代求解策略的一种随机寻优算法，它通过利用概率突跳特性在解空间随机寻找目标函数，有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。

遗传算法（GA）：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是以一种群体中所有个体为对象，并利用随机化技术指导一个被编码的参数空间进行高效搜索。遗传算法包括参数编码、适应度函数的设计、初始群体的选取等核心内容，而选择、交叉和变异则构成了遗传算法的三个遗传算子。遗传算法是一种新的全局优化搜索算法，其特点是简单通用，健壮性强，适于并行处理以及高效实用等，目前在各个领域都得到了广泛应用，并且取得了良好效果，有望成为重要智能算法之一。

3.优化方法性能比较

经典的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。线性规划算法是一种较先进和科学的方法，有统一算法，任何线性规划问题都能求解，但是只能处理线性关系的情形；非线性规划不像线性规划那样，有统一的算法，针对每个待解决的问题都要有其特定的算法，从而存在一定的局限性，到目前为止还没有适合于各种非线性规划问题的一般算法；动态规划算法在求解过程中能够得到一组全局最优解，在计算时，可以利用动态过程演变的联系和特征，再加上实际知识和经验提高求解效率，但是动态规划模型没有统一的标准模型，利用数值方法求解时存在维数灾。

现代智能优化算法一般都是建立在生物智能或物理现象基础上的随即搜索算法。例如，模拟退火算法来源于固体退火原理，遗传算法模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程，禁忌搜索模拟了人类有记忆过程的智力过程，人工神经网络更是直接模拟了人脑的思维模式。

结语：

针对实际生产实践，现存的水电调度优化方法还不能完全适用。因此，要继续进一步加强水电调度优化理论的研究，特别要结合生产实际开发一些适合水利水电系统生产需要便于实际操作的应用模型和软件，为生产实践服务。

参考文献：

[1]代奇迹,毛先胤.梯级水电站短期优化调度方法综述[J].贵州电力技术,2016,19(8):13-17.

[2]李隽.大盈江梯级水电站的短期优化调度研究[D].华中科技大学,2013.

[3]周婷.水电站水库群调度优化及其效益评价方法研究[D].华北电力大学,2014.