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.pdf

1、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

2、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

3、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

4、，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

5、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

6、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。
　　(

7、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

8、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