蘇帕河流域梯級水電站聯(lián)合優(yōu)化調(diào)度模型研究.pdf

1、本文針對蘇帕河流域梯級水電站運(yùn)行特點(diǎn)，運(yùn)用系統(tǒng)工程、數(shù)理統(tǒng)計(jì)、動(dòng)態(tài)規(guī)劃等理論，充分利用先進(jìn)計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)，對梯級水電站聯(lián)合優(yōu)化調(diào)度的理論方法進(jìn)行了深入研究，建立了面向電力市場的蘇帕河流域梯級水電站聯(lián)合優(yōu)化調(diào)度模型。主要的研究內(nèi)容及成果如下： (1)針對徑流描述的不同，分別研究了基于統(tǒng)計(jì)分析的優(yōu)化調(diào)度模型、分析預(yù)報(bào)誤差的優(yōu)化調(diào)度模型、來水信息確定的優(yōu)化調(diào)度模型及負(fù)荷一定耗水最小的優(yōu)化調(diào)度模型。提出了優(yōu)化調(diào)度目標(biāo)函數(shù)及其遞推方

2、程，分析了函數(shù)的輸入輸出、決策變量、狀態(tài)變量及約束條件，提出了函數(shù)的隨機(jī)動(dòng)態(tài)規(guī)劃雙向遞推求解方法，講述了求解的迭代計(jì)算過程，分析了遺傳算法求解并對二者做了比較。 (2)對蘇帕河流域長期水文預(yù)報(bào)模型進(jìn)行了全面深入的研究。通過確定模型類型，在模型識別的基礎(chǔ)上提出了蘇帕河流域五站年徑流隨機(jī)模擬的五元自回歸滑動(dòng)平均模型，然后介紹了蘇帕河流域五站月徑流的典型解集模型，為彌補(bǔ)徑流預(yù)報(bào)模型的不足，提出了蘇帕河流域長期水文預(yù)報(bào)實(shí)時(shí)校正模型，最后

3、，結(jié)合蘇帕河流域三十九的徑流資料對上述模型進(jìn)行了檢驗(yàn)與應(yīng)用。 (3)研究了基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)模型的蘇帕河流域降雨徑流預(yù)報(bào)模型。通過用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始及連接權(quán)重，提出了基于遺傳算法的神經(jīng)網(wǎng)絡(luò)蘇帕河流域降雨徑流預(yù)測模型。為提高輸入數(shù)據(jù)的精確性和及時(shí)性，提出了結(jié)合地理信息系統(tǒng)流域降雨徑流預(yù)報(bào)方法，最后通過工程應(yīng)用實(shí)例計(jì)算，驗(yàn)證了該模型在蘇帕河流域降雨徑流預(yù)報(bào)應(yīng)用中的可靠性和高效性。 (4)在豐枯、峰谷兩種分時(shí)電價(jià)制

4、度下對蘇帕河流域梯級水電站進(jìn)行了優(yōu)化調(diào)度研究，提出了面向電力市場的蘇帕河流域梯級水電站長、短期聯(lián)合優(yōu)化調(diào)度的數(shù)學(xué)模型，并且充分考慮了水庫的各種限制條件，合理確定了數(shù)學(xué)模型的約束條件，并應(yīng)用隨機(jī)動(dòng)態(tài)規(guī)劃方法對模型進(jìn)行了求解，實(shí)現(xiàn)了該流域梯級水電站的年優(yōu)化調(diào)度和日優(yōu)化調(diào)度，通過數(shù)值對比，證明本文提出的優(yōu)化調(diào)度模型能夠?qū)崿F(xiàn)合理調(diào)配發(fā)電引水流量，使梯級水電站的長短期發(fā)電效益達(dá)到最大化。 (5)對蘇帕河流域梯級水電站聯(lián)合優(yōu)化調(diào)度決策支持系