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

1、徑流預(yù)報(bào)和水電站（群）調(diào)度是水電系統(tǒng)優(yōu)化運(yùn)行的關(guān)鍵問(wèn)題。準(zhǔn)確的長(zhǎng)期徑流預(yù)報(bào)可以為制定合理可靠的調(diào)度方案提供保障;而及時(shí)準(zhǔn)確的中期徑流預(yù)報(bào)可以針對(duì)不同的天氣類型（如臺(tái)風(fēng)、暴雨等）和節(jié)假日特殊用水需求制定水庫(kù)的蓄泄計(jì)劃，對(duì)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(bào)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(jī)組運(yùn)行靈活的特性充分削峰，使預(yù)留給火電的負(fù)荷過(guò)程盡量均勻，確保電力系統(tǒng)安全平穩(wěn)運(yùn)行。

2、水文預(yù)報(bào)調(diào)度由于考慮因素眾多、涉及目標(biāo)復(fù)雜、求解過(guò)程困難，往往無(wú)法直接進(jìn)行求解，需要深入分析問(wèn)題特點(diǎn)，研究求解效率高的實(shí)用化方法。近年來(lái)，智能算法跳出傳統(tǒng)模型需明確目標(biāo)問(wèn)題機(jī)理成因的束縛，以其強(qiáng)魯棒性、自學(xué)習(xí)性、非可微要求等優(yōu)勢(shì)獲得空前發(fā)展。本文通過(guò)深入分析中長(zhǎng)期徑流預(yù)報(bào)調(diào)度的特點(diǎn)，以南方地區(qū)水電系統(tǒng)為研究背景，結(jié)合智能算法進(jìn)行了深入研究。具體工作如下:
　　(1)針對(duì)長(zhǎng)期徑流預(yù)報(bào)中支持向量機(jī)尋優(yōu)慢、精度低的問(wèn)題，用遺傳算法對(duì)支持

3、向量機(jī)的參數(shù)進(jìn)行尋優(yōu)，建立了基于遺傳算法尋參的支持向量機(jī)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(jī)模型進(jìn)行對(duì)比分析。結(jié)果表明，前者無(wú)論在訓(xùn)練期還是檢驗(yàn)期，各項(xiàng)評(píng)價(jià)指標(biāo)都要好于后者，說(shuō)明利用遺傳算法進(jìn)行參數(shù)尋優(yōu)是合理可行的。
　　(2)針對(duì)中期徑流預(yù)報(bào)中BP模型非線性處理能力較差、需不斷調(diào)整權(quán)重的問(wèn)題，構(gòu)建了基于廣義回歸神經(jīng)網(wǎng)絡(luò)的徑流預(yù)報(bào)模型，結(jié)合降雨徑流資料，對(duì)棉花灘電站91天的日徑流進(jìn)行預(yù)報(bào)，與BP模型進(jìn)行對(duì)比。通過(guò)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(bào)方法，可以用于水電站中期徑流預(yù)報(bào)。
　　(3)針對(duì)中期水電調(diào)度過(guò)程期望預(yù)留給火電站的余荷過(guò)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(jí)電站的計(jì)算順序，采用實(shí)數(shù)編碼方式按順序?qū)Ω麟娬舅贿M(jìn)行編碼，通過(guò)選擇、交叉、變異等遺傳操作得到最佳水位運(yùn)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(guò)程線。實(shí)例表