基于生態(tài)懲罰的混聯(lián)梯級(jí)小水電優(yōu)化調(diào)度.pdf

1、小水電作為可再生清潔能源，是社會(huì)發(fā)展的重要組成部分。興建水利為人類帶來經(jīng)濟(jì)利益和生活便利，也產(chǎn)生了一系列河流生態(tài)問題。近年來，小水電研究隨著可持續(xù)發(fā)展理念以及生態(tài)和諧經(jīng)濟(jì)理念的提出取得了巨大的進(jìn)步，尤其是在智能優(yōu)化調(diào)度和設(shè)備節(jié)能方面有了長(zhǎng)足的進(jìn)步，在調(diào)度中考慮生態(tài)因素也成為小水電優(yōu)化調(diào)度的趨勢(shì)。而生態(tài)因素衡量標(biāo)準(zhǔn)中最重要的指標(biāo)就是適宜生態(tài)徑流值，因此找到合適的生態(tài)徑流計(jì)算方法至關(guān)重要。
　　本文改進(jìn)了適用于小水電的適宜生態(tài)徑流值計(jì)

2、算方法；優(yōu)化了小水電群生態(tài)調(diào)度智能算法；在此基礎(chǔ)上針對(duì)復(fù)雜的混聯(lián)梯級(jí)小水電提出了小水電群生態(tài)優(yōu)化調(diào)度模型，建立將生態(tài)因素作為約束條件和生態(tài)懲罰項(xiàng)的兩種不同調(diào)度模型；將改進(jìn)的適宜生態(tài)徑流計(jì)算值輸入到調(diào)度模型中，通過優(yōu)化的生態(tài)調(diào)度智能算法對(duì)兩個(gè)調(diào)度模型進(jìn)行求解。完成的主要工作如下：
　　(1)在適宜生態(tài)徑流計(jì)算過程中，針對(duì)逐月頻率生態(tài)徑流計(jì)算法精度較低的不足，通過線性回歸、殘差分析以及P-III曲線處理，篩選替換歷史水文數(shù)據(jù)中的極限、

3、誤差較大的數(shù)據(jù)，提高小水電群推薦適宜生態(tài)徑流值的精度和合理性。
　　(2)針對(duì)小水電群生態(tài)調(diào)度智能算法的算法性能做出改進(jìn)，在基于動(dòng)態(tài)鄰域結(jié)構(gòu) PSO算法的基礎(chǔ)上，加入了免疫克隆選擇機(jī)制對(duì)動(dòng)態(tài)鄰域結(jié)構(gòu)進(jìn)行優(yōu)化?？朔藙?dòng)態(tài)鄰域結(jié)構(gòu)短連接過多的缺陷，提升了算法的隨機(jī)搜索性能和收斂速度，有助于在水電模型優(yōu)化求解過程中更快的找到最優(yōu)解。
　　(3)分析混聯(lián)梯級(jí)小水電庫(kù)群特征，建立庫(kù)群內(nèi)各水庫(kù)間的水量關(guān)系。建立基于生態(tài)約束的混聯(lián)梯級(jí)小水