一种预测出力不确定小水电与大中型水电站协调的日前发电方法

摘要

本发明属于水电调度领域，公开了一种计及小水电预测出力不确定性的小水电与大中型水电站协调日前发电计划制作方法，其特征是以小水电与大中型水电站耦合系统的调峰电量期望最大为目标，提出一种小水电与大中型水电站协调方法有效解决复杂水电运行问题。在考虑小水电预测出力的不确定时，提出小水电出力不确定性的模糊聚类和情境分析方法。在此基础上以系统负荷作为关联因子，混合逐次逼近算法与处理复杂时段耦合约束的关联搜索策略建立小水电与大中型水电站群的协调求解框架，实现小水电与大中型水电站的协调，确定大中型电站运行计划，对解决我国大型电网水电系统运行具有重要的借鉴价值和参考作用。

主权项

一种预测出力不确定小水电与大中型水电站协调的日前发电方法，以小水电与大中型水电站耦合系统调峰电量期望最大为目标，实现小水电与大中型水电站协调运行；其特征在于包括分析小水电基于不同情境概率和协调运行小水电与大中型水电站；(1)分析小水电基于不同情境概率分布1)选取特征值；选取小水电总出力和调峰时段平均出力作为聚类特征值，选取小水电总出力、早峰平均出力、午峰平均出力、晚峰平均出力共4个因子作为聚类特征值进行解释；则第i日的特征向量可表示为：[α_i1,α_i2,α_i3,α_i4]＝[总出力，早峰平均出力，午峰平均出力，晚峰平均出力]，其中总出力：${\alpha }_{i1}=\underset{t=1}{\overset{T}{\Sigma }}P{\mathrm{sm}}^t$调峰时段平均出力：${\alpha }_{\mathrm{ij}}=\underset{t=t1}{\overset{t2}{\Sigma }}P{\mathrm{sm}}^t/(t2-t1)$式中：α_ij为第i日第j个特征值，t1、t2分别表示调峰时段的起始和结束时段，Psm^t为t时段小水电群出力，MW；2)模糊聚类分析确定基于不同预测情境的小水电概率分布；将历史所有预测样本作为计算样本，按1)所示确定的指标特征向量，采用模糊聚类方法确定预测出力分类集合，表示为PF；在第n0种小水电预测出力情境下，将第n0种小水电预测出力情境的样本对应日期的实际出力过程组成新的聚类样本；采用模糊聚类方法进行分类，确定实际分类集合，表示为PO；则第n种实际出力情境的概率分布按下式表示：$\mathrm{Pr}\left[\mathrm{PO}\left(n\right)\right|\mathrm{PF}\left(n0\right)]=\frac{g}{G}\times 100\%$式中：g表示第n种实际出力情境的样本个数，G表示实际出力情境的样本总数，Pr[PO(n)|PF(n0)]为预测出力属于第n0种情境时，实际出力为第n种情境的概率；3)每一类预测或实际出力情境中均包含≥1的样本个数，采用样本均值方式确定每一情境的典型过程；(2)小水电与大中型水电站协调运行；1)小水电实际出力可能情境确定；根据某日预测出力过程，可表示为pf，与计划情境集合PF中第i类按下式进行相关性分析：$R=\frac{\underset{t=1}{\overset{T}{\Sigma }}(p{f}_t-\overline{\mathrm{pf}})({\mathrm{PF}}_{i,t}-\overline{{\mathrm{PF}}_i})}{\sqrt{\underset{t=1}{\overset{T}{\Sigma }}{({\mathrm{pf}}_t-\overline{\mathrm{pf}})}^2\underset{t=1}{\overset{T}{\Sigma }}{({\mathrm{PF}}_{i,t}-\overline{{\mathrm{PF}}_i})}^2}}$式中：pf_t为在时段t的预测出力；为预测平均出力；PF_i,t为第i类计划情境中t时段的出力；为第i类计划情境的平均出力；R为相关系数；选取相关系数最大对应的计划情境为当前预测出力所属类别，即pf∈PF(n0)；按照小水电计划情境(PF(n0))，根据小水电概率分布获得在当前预测情境下，实际可能的小水电出力情境集合(PO)及其对应概率；2)采用等流量调节方式确定初始解；根据水库m调度期的始末水位控制需求以及日来水总量，可按下式确定各时段的发电流量：${\bar{q}}_{m,t}=\frac{\underset{t=1}{\overset{T}{\Sigma }}{Q}_{m,t}\times 3600\times {\Delta }_t\times T+V_{m,1}-V_{m,T}}{T^2\times 3600\times {\Delta }_t}$式中：V_m,1、V_m,T为电站m的初始水位和期末水位对应的库容；为电站m在t时段的发电流量，m³/s；Δ_t为t时段小时数，Q_m,t为m号电站在时段t的入库流量，m³/s；3)余留负荷最大值期望的确定；根据大中型水电与小水电的负荷关联性计算系统剩余负荷，求解最大值，并结合不同情境小水电的概率分布确定余留负荷最大值的期望；第n类小水电实际情境po∈PO(n)的剩余负荷最大值按下式进行计算：$C_{\mathrm{po},\max }=\underset{1\le t\le T}{\mathrm{Max}}(C_t-\underset{m=1}{\overset{M}{\Sigma }}{p}_{m,t}-{\mathrm{Psm}}^{t,n})$式中：C_po,max为第n类实际出力情境的剩余负荷最大值，MW；C_t表示t时段系统负荷，MW；Psm^t,n为第n种实际出力情境t时段小水电出力，MW；结合小水电的概率分布，按下式确定剩余负荷最大值的期望：$E=\underset{n=1}{\overset{N}{\Sigma }}\mathrm{Pr}[\mathrm{po}\in \mathrm{PO}\left(n\right)|\mathrm{pf}\in \mathrm{PF}\left(n0\right)]\underset{1\le t\le T}{\mathrm{Max}}(C_t-\underset{m=1}{\overset{M}{\Sigma }}{p}_{m,t}-{\mathrm{Psm}}^{t,n})$式中：E为剩余负荷最大值的期望；Pr[po∈PO(n)|pf∈PF(n0)]为预测出力属于第n0种情境时，实际出力为第n种情境的概率；4)循环优化计算；混合逐次逼近算法与处理复杂时段耦合约束的关联搜索策略进行水电站群优化调度求解，调整大中型水电的出力过程；其中逐次逼近算法将原多维问题简化为一系列一维优化子问题，关联搜索策略保证在一维问题求解中多个时段耦合变量满足给定的爬坡限制和出力波动控制约束；第一次调整结束即完成一次迭代；根据3)所述计算余留负荷最大值的期望E`；按照总体评价目标，将本次计算的E`与前一次计算的E进行比较：若E`＜E，则将本次结果的大中型水电站出力结果替代之前结果，作为下一次迭代的初始解；若E`＞E，则舍弃本次结果，进行下一次优化；循环上述步骤直至不再获得更优结果即可结束。