基于智能算法的水電站(群)中長期預(yù)報調(diào)度建模及求解研究.pdf

1、徑流預(yù)報和水電站（群）調(diào)度是水電系統(tǒng)優(yōu)化運行的關(guān)鍵問題。準確的長期徑流預(yù)報可以為制定合理可靠的調(diào)度方案提供保障;而及時準確的中期徑流預(yù)報可以針對不同的天氣類型（如臺風(fēng)、暴雨等）和節(jié)假日特殊用水需求制定水庫的蓄泄計劃，對防汛抗旱和水資源的合理配置有著非常重要的意義。結(jié)合預(yù)報的中期調(diào)度能充分考慮極端天氣（如高溫天氣）用電需求和工作日節(jié)假日用電差異，發(fā)揮水電機組運行靈活的特性充分削峰，使預(yù)留給火電的負荷過程盡量均勻，確保電力系統(tǒng)安全平穩(wěn)運行。

2、水文預(yù)報調(diào)度由于考慮因素眾多、涉及目標復(fù)雜、求解過程困難，往往無法直接進行求解，需要深入分析問題特點，研究求解效率高的實用化方法。近年來，智能算法跳出傳統(tǒng)模型需明確目標問題機理成因的束縛，以其強魯棒性、自學(xué)習(xí)性、非可微要求等優(yōu)勢獲得空前發(fā)展。本文通過深入分析中長期徑流預(yù)報調(diào)度的特點，以南方地區(qū)水電系統(tǒng)為研究背景，結(jié)合智能算法進行了深入研究。具體工作如下:
　　(1)針對長期徑流預(yù)報中支持向量機尋優(yōu)慢、精度低的問題，用遺傳算法對支持

3、向量機的參數(shù)進行尋優(yōu)，建立了基于遺傳算法尋參的支持向量機模型，應(yīng)用于烏江流域某電站，與網(wǎng)格尋參的支持向量機模型進行對比分析。結(jié)果表明，前者無論在訓(xùn)練期還是檢驗期，各項評價指標都要好于后者，說明利用遺傳算法進行參數(shù)尋優(yōu)是合理可行的。
　　(2)針對中期徑流預(yù)報中BP模型非線性處理能力較差、需不斷調(diào)整權(quán)重的問題，構(gòu)建了基于廣義回歸神經(jīng)網(wǎng)絡(luò)的徑流預(yù)報模型，結(jié)合降雨徑流資料，對棉花灘電站91天的日徑流進行預(yù)報，與BP模型進行對比。通過比較

4、，廣義回歸神經(jīng)網(wǎng)絡(luò)較BP網(wǎng)絡(luò)擬合能力和泛化能力都有所高，是一種有效的預(yù)報方法，可以用于水電站中期徑流預(yù)報。
　　(3)針對中期水電調(diào)度過程期望預(yù)留給火電站的余荷過程盡量平穩(wěn)，構(gòu)建了調(diào)峰出力最大模型。深入研究了基于遺傳算法的調(diào)峰出力最大模型，確定了梯級電站的計算順序，采用實數(shù)編碼方式按順序?qū)Ω麟娬舅贿M行編碼，通過選擇、交叉、變異等遺傳操作得到最佳水位運行序列。最后給出水電中期調(diào)度的調(diào)峰結(jié)果和流域內(nèi)各主要電站的水位出力過程線。實例表