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行特點，運用系統(tǒng)工程、數(shù)理統(tǒng)計、動態(tài)規(guī)劃等理論，充分利用先進計算機技術和網(wǎng)絡技術，對梯級水電站聯(lián)合優(yōu)化調(diào)度的理論方法進行了深入研究，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)計分析的優(yōu)化調(diào)度模型、分析預報誤差的優(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)的隨機動態(tài)規(guī)劃雙向遞推求解方法，講述了求解的迭代計算過程，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報模型進行了全面深入的研究。通過確定模型類型，在模型識別的基礎上提出了蘇帕河流域五站年徑流隨機模擬的五元自回歸滑動平均模型，然后介紹了蘇帕河流域五站月徑流的典型解集模型，為彌補徑流預報模型的不足，提出了蘇帕河流域長期水文預報實時校正模型，最后

3、，結合蘇帕河流域三十九的徑流資料對上述模型進行了檢驗與應用。 (3)研究了基于改進人工神經(jīng)網(wǎng)絡模型的蘇帕河流域降雨徑流預報模型。通過用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的初始及連接權重，提出了基于遺傳算法的神經(jīng)網(wǎng)絡蘇帕河流域降雨徑流預測模型。為提高輸入數(shù)據(jù)的精確性和及時性，提出了結合地理信息系統(tǒng)流域降雨徑流預報方法，最后通過工程應用實例計算，驗證了該模型在蘇帕河流域降雨徑流預報應用中的可靠性和高效性。 (4)在豐枯、峰谷兩種分時電價制

4、度下對蘇帕河流域梯級水電站進行了優(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)學模型的約束條件，并應用隨機動態(tài)規(guī)劃方法對模型進行了求解，實現(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