基于智能算法的水電站(群)中長期預報調度建模及求解研究.pdf

1、徑流預報和水電站（群）調度是水電系統(tǒng)優(yōu)化運行的關鍵問題。準確的長期徑流預報可以為制定合理可靠的調度方案提供保障;而及時準確的中期徑流預報可以針對不同的天氣類型（如臺風、暴雨等）和節(jié)假日特殊用水需求制定水庫的蓄泄計劃，對防汛抗旱和水資源的合理配置有著非常重要的意義。結合預報的中期調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)揮水電機組運行靈活的特性充分削峰，使預留給火電的負荷過程盡量均勻，確保電力系統(tǒng)安全平穩(wěn)運行。

2、水文預報調度由于考慮因素眾多、涉及目標復雜、求解過程困難，往往無法直接進行求解，需要深入分析問題特點，研究求解效率高的實用化方法。近年來，智能算法跳出傳統(tǒng)模型需明確目標問題機理成因的束縛，以其強魯棒性、自學習性、非可微要求等優(yōu)勢獲得空前發(fā)展。本文通過深入分析中長期徑流預報調度的特點，以南方地區(qū)水電系統(tǒng)為研究背景，結合智能算法進行了深入研究。具體工作如下:
　　(1)針對長期徑流預報中支持向量機尋優(yōu)慢、精度低的問題，用遺傳算法對支持

3、向量機的參數進行尋優(yōu)，建立了基于遺傳算法尋參的支持向量機模型，應用于烏江流域某電站，與網格尋參的支持向量機模型進行對比分析。結果表明，前者無論在訓練期還是檢驗期，各項評價指標都要好于后者，說明利用遺傳算法進行參數尋優(yōu)是合理可行的。
　　(2)針對中期徑流預報中BP模型非線性處理能力較差、需不斷調整權重的問題，構建了基于廣義回歸神經網絡的徑流預報模型，結合降雨徑流資料，對棉花灘電站91天的日徑流進行預報，與BP模型進行對比。通過比較

4、，廣義回歸神經網絡較BP網絡擬合能力和泛化能力都有所高，是一種有效的預報方法，可以用于水電站中期徑流預報。
　　(3)針對中期水電調度過程期望預留給火電站的余荷過程盡量平穩(wěn)，構建了調峰出力最大模型。深入研究了基于遺傳算法的調峰出力最大模型，確定了梯級電站的計算順序，采用實數編碼方式按順序對各電站水位進行編碼，通過選擇、交叉、變異等遺傳操作得到最佳水位運行序列。最后給出水電中期調度的調峰結果和流域內各主要電站的水位出力過程線。實例表