徑流式水電廠實時優化調度系統研發

肖　楊,鄺錄章

(五凌電力有限公司,湖南長沙410004)

?

徑流式水電廠實時優化調度系統研發

肖楊,鄺錄章

(五凌電力有限公司,湖南長沙410004)

摘要：為滿足水電廠實時調度需要,構建了以發電量最大為目標的徑流式水電廠實時優化調度模型,采用離散動態規劃法逐步逼近尋優計算,開發出徑流式水電廠實時優化調度系統。該系統可預報計算未來24 h的入庫流量過程,并可實時滾動計算滿足約束條件的未來24 h內各時段最優發電運行過程,從而量化指導水電廠實時優化調度。通過對6座徑流式水電廠的應用,入庫流量計算準確率達98%以上,平均每年可優化增加發電量4 500萬kW·h。

關鍵詞：徑流式水電廠；實時優化調度；離散動態規劃法

1工程概況

由五凌電力有限公司(以下簡稱“五凌電力”)開發建設、運行管理的沅水、資江、湘江上12座水電站已全部接入遠程集中控制運行,如何提高水能利用效率,創新水庫調度工作,創造最大的發電效益,成為水電廠運行管理及水庫調度研究的重點。目前,盡量抬升運行庫水位、降低發電耗水率的水庫運行思維已成為運行調度人員的共識,但如何具體量化調度期內各時段的庫水位及出力值,使得發電效益最大,亟需在實際生產運行中深入研究。

水庫優化調度理論研究已較為成熟,但須將理論成果轉化為生產實踐[1]。本文結合以往理論研究[1-7],根據流域水庫生產運行實際,以調度期內發電量最大為目標,在滿足約束條件下,采用離散動態規劃法,開發徑流式水電廠實時優化調度系統,以期計算來水過程,實時得出水庫最優運行過程,為五凌電力集中控制運行的各徑流式水電廠提供量化的指導依據。五凌電力所屬徑流式水電廠設計運行參數見表1。

2模型構建

2.1目標函數

以日為調度周期,小時(或30min、15min)為計算時段,在已知水電站水庫入流過程的條件下,求水電站出力過程和相應的水庫蓄泄狀態變化過程,使調度周期內的發電量最大(現已取消豐枯、峰谷電價)。其目標函數為

(1)

表1各徑流式水電廠設計運行參數

水電廠正常蓄水位/m死水位/m總庫容/億m3調節庫容/億m3裝機容量/萬kW裝機臺數/臺單機容量/萬kW設計水頭/m掛治3223200.58590.0706153520.70凌津灘5149.16.340.4627938.50東坪96.5920.1950.0927.241.86.80株溪口87.586.50.50.0527.441.856.10馬跡塘55.753.71.030.10594.231.46.55近尾洲6665.14.60.2436.31832.1066.80

式中 ,E為水電站調度期內的總發電量,kW·h；Ni為i時段電站的出力,kW；Δt為時段長度,s；T為調度期的總時段數；qi為第i時段的發電流量,m3/s；ρi為第i時段的平均耗水率,m3/kW·h。其中,ρi=f(Hi),Hi=Z上i-Z下i,Z下i= f(qi),Z上i=f(Vi),Vi=Vi-1+(Qi-qi)Δt。式中 ,Hi為第i時段的水頭,m；ρi=f(Hi)為由水頭查耗水率；Z上i為第i時段庫水位,m；Vi為第i時段庫容,m3；Z上i=f(Vi)為由庫容查庫水位；Z下i為第i時段尾水位,m；Z下i=f(qi)為由出庫流量查尾水位；Qi為第i時段入庫流量,m3/s。

2.2約束條件

(1)水量平衡約束：Vi=Vi-1+(Qi-qi)Δt

(2)

(2)機組出力約束：Nmin≤Ni≤Nmax

(3)

(3)發電流量約束：qmin≤qi≤qmax

(4)

(4)水位約束：Zmin≤Z上i≤Zmax

(5)

式中,Nmin為機組限制最小出力(各單機最小限制出力之和),kW；Nmax為機組限制最大出力(各單機最大限制出力之和),kW；qmin為最小發電流量,m3/s；qmax為最大發電流量,一般為各單機最大過流量之和,m3/s；Zmin為限制最低庫水位,一般取死水位,m；Zmax為限制最高庫水位,一般取正常蓄水位,m。

3計算方法

3.1目標函數的求解方法

目標函數的優化求解采用離散動態規劃法[7- 8]逐步逼近尋優計算,其計算分為兩個過程：

(1)初始調度線選取。首先初選步長ΔZ1,通過動態規劃法求得初始優化調度線{Z0(0),Z1(0),…,ZT(0)}。

(2)優化調度計算。在初始優化調度線上各取若干個增量ΔZ2,形成一個庫水位廊道,除最初、最末時段外,其余各時段形成3條調度線。用動態規劃法求得該廊道內的優化調度線{Z0(1),Z1(1),…,ZT(1)}。如果該優化調度線各點均落在廊道內的非邊界點上,或者雖在邊界點上但卻是該時段末(初)所允許的最大(小)水位,則該調度線即為所求最優解。否則,在{Z0(1),Z1(1),…,ZT(1)}上下各取若干個增量ΔZ2,形成新的廊道,再用動態規劃法在該廊道內尋優,直至優化調度線全部為非廊道邊界點和最大(小)庫水位點所組成為止[8-9]。

3.2單庫動態規劃計算過程

(6)

利用式(6)進行水庫調度需對狀態變量進行離散化。對調度期內,假設庫水位在正常蓄水位和死水位之間連續變化,則可將水位劃分為m-1個網格,共m個點,步長為ΔZ,如圖1所示。

圖1　動態規劃網格

運用動態規劃法計算：已知日調節水庫的死水位、正常蓄水位、水位-庫容關系、出庫流量-尾水位關系、初始水位Z0,以及預報的各時段入庫流量Qi,其求解計算流程如圖2所示。

初選步長ΔZ1=0.1m,依據上述動態規劃法計算流程求得初始優化調度線(水位精度為0.1m)；而后選取若干個增量ΔZ2=0.01m,再用上述動態規劃法在廊道內選優。由于ΔZ2=0.01m,優化計算的各時段庫水位離理論最優過程不超過0.01m,而目前五凌電力水情測報的水位精度為0.01m,故求得的優化過程為目前測報精度下的最優過程。

采用VB6.0編程工具,開發實時優化調度系統。依托五凌電力辦公網絡環境,讀取五凌電力梯級水庫調度自動化系統oracle數據庫中日96點發電計劃、實時庫水位、尾水位等相關數據,存入本地數據庫,從而進行實時優化計算。

4參數及原始數據選取

系統優化計算所需參數主要包括來流量、限制出力及水位、水頭-耗水率關系、水頭-單機限制出力關系、水位-庫容關系、出庫流量-尾水位關系等。其中,水頭-耗水率、出庫流量-尾水位采用最新的水庫實際運行數據進行擬合,圖3、4分別為凌津灘水電廠水頭-耗水率和出庫流量-尾水位的擬合關系；機組檢修、限制出力、限制水位等約束均根據運行中實際要求進行修改；期初庫水位、尾水位從五凌電力梯級水庫調度自動化系統oracle數據庫中實時讀取,期末庫水位推薦為能蓄至的最高水位(上限為正常蓄水位)。

圖3　凌津灘水電廠水頭-耗水率關系擬合

圖4　凌津灘水電廠出庫流量-尾水位關系擬合

對于模型優化計算,需準確可靠的入庫流量過程。根據電網下達的上游水電廠日96點計劃(從五凌電力梯級水庫調度自動化系統oracle數據庫中實時自動獲取),采用上游電廠“水頭-耗水率曲線”計算出發電流量過程,若上游電廠有棄水,讀取棄水流量,再加上區間流量,即得到24h小時的實時入庫流量過程[10]。

5實例計算及分析

5.1系統評價分析

選用6座徑流式水電廠2012年～2014年實際水情資料,各水電廠按預期控制水位運行,可算得各電廠預期增加效益(見表2),與實際運行相比,平均每年可增加發電量4 500萬kW·h。

表2徑流式水電廠預期年增加效益分析

電站實際年均發電量/億kW·h優化年均發電量/億kW·h預期增加電量/億kW·h預期效益增加率/%掛治3.6413.7650.1243.4凌津灘11.77212.0140.2422.1東坪2.6722.6950.0230.9株溪口2.8192.8540.0351.3馬跡塘1.9751.9960.0211.1近尾洲3.3083.3150.0070.2

為進一步對比說明,選取2015年9月28日凌津灘水電廠實際運行情況與系統優化計算進行比較(期末水位相同)：系統優化電量363.02萬kW·h,實際發電量358.18萬kW·h,增發電量4.84萬kW·h,增發1.35%；優化調度系統計算的日均入庫流量為1 784m3/s,而實際測報計算的日均入庫流量為1 774m3/s,僅相差0.56%(準確率達99.44%)。圖5為系統優化計算結果及過程與實際運行對比。

圖5　2015年9月28日凌津灘水電廠系統優化結果與實際運行過程比較

由圖5可知,在來流量增加前的入庫流量較小階段(3∶00～5∶00),應適當維持一定出力,一方面可在水頭較高情況下適當發電；另一方面,可以適當“騰庫”,在流量增加階段出力不必增加過快,避免明顯的抬高尾水位而降低發電水頭。在來流量持續增加階段(6∶00～10∶00),應根據入庫流量情況適當加大出力,由于之前的“騰庫”,所以該階段不必過大、過快加大出力,以便維持較高運行水頭；否則,該階段出力快速、大幅增加,抬高了尾水位,從而明顯降低了運行水頭,使得該部分較大出力時段的耗水率偏大,整體發電效益達不到最優。在來流量較大且處于穩定階段(18∶00～20∶00),盡量高水位運行,合理安排出力維持出入庫平衡。在來流量減小階段(20∶00～24∶00),應根據入庫情況適當逐步降低出力以維持高水位。

所以,水庫運行不能只關注高水位運行,應根據來水情況優化出力安排,降低整體耗水率,提高發電效益。通過該系統,可快速計算得出各種入庫流量變化情況下整體發電效益最大的各時段出力安排與運行庫水位。

5.2實時優化調度及分析

徑流式水電廠實時優化調度系統以目前時刻為起點,進行未來24h的實時優化計算,得出可視化的水庫最優運行過程,指導水庫實時運行。以凌津灘水電廠為例進行計算說明。

現以當前時刻(11月17日08∶15)凌津灘水電廠進行實時優化調度計算：點擊“凌津灘水電廠實時優化調度系統”,顯示各計算參數,如五強溪日平均入庫流量、五凌區間流量、期末推薦庫水位、限制最高、最低庫水位等,各參數均可根據實際發生的情況進行修改；然后點擊“讀取參數”,各時段入庫流量、檢修臺數等亦可進行修改；最后點擊“開始”按鈕進行優化計算,得到優化計算結果界面如圖6所示。由于設置了“時間間隔”,故系統可在設定的時間間隔,自動重新以當前時刻的參數、條件進行未來24h的優化計算,從而實現實時滾動的優化計算。

圖6　2015年11月17日08∶15凌津灘水電廠實時優化調度計算結果

圖6中計算結果顯示了庫水位、出力、入庫流量、出庫流量、水頭等水庫運行關鍵過程,以及可發電量、實發電量、蓄能電量、耗水率等優化計算值,其中：實發電量為由當前時刻到期末推薦水位的調度期內優化計算發電量,蓄能電量為期末、期初庫容之差的水量按當日平均發電耗水率計算的發電量,可發電量為實發電量與蓄能電量之和。

同時,水庫在運行過程中,若需指定時段的庫水位,則可在“讀取參數”步驟中,選擇所需的計算時段和設置其控制水位,然后開始計算便可得到該時間內的最優過程。即該系統可根據運行需要,選擇24h內任意結束的計算時段、滿足庫水位、機組運行臺數等需要的最優運行過程。

因為本系統采用離散動態規劃法逐步逼近尋優求解步長為0.01m,優化計算結果能達到目前水情測報精度(0.01m)下的最優過程,且經計算比較,與使用常規動態規劃法直接求解的結果相同；同時,當計算時段長選為1h時,本系統計算時間只需0.250s(圖6),而使用動態規劃直接計算則需2.520s,若計算時段長選為30min或15min時,使用動態規劃法直接計算耗時會更長。所以本系統節省計算時間顯著且能達到最優值。

6結語

開發的徑流式水電廠實時優化調度系統,可根據上游電廠發電計劃和水庫運行情況以及區間來水情況,較為準確計算入庫流量過程,結合實際運行的條件和要求設定各參數值,能快速計算出最優的水庫運行過程,并能按設定的時間間隔實時滾動向前更新計算,能很好地實時量化指導水電廠的負荷安排及申請,從而獲得較好的經濟效益,使水庫優化調度理論較好地應用于實際生產運行。

參考文獻：

[1]鄧坤, 張璇, 楊永生, 等. 流域水資源調度研究綜述[J]. 水利經濟, 2011, 29(6)： 23- 27.

[2]唐明, 馬光文, 陶春華, 等. 水電站短期優化調度模型的探討[J]. 水力發電, 2007, 35(5)： 88- 90.

[3]王興菊, 趙然杭. 水庫多目標優化調度理論及其應用研究[J]. 水利學報, 2003(3)： 104- 109.

[4]費如君, 盧毓偉, 樊紹華, 等. 梯級水電站短期優化調度算法研究及軟件開發[J]. 水力發電, 2013, 39(7)： 86- 88．

[5]黃益芬. 水電站水庫優化調度研究[J]. 水力發電, 2002(5)： 64- 66．

[6]倪建軍, 徐立中, 李臣明, 等. 水庫調度決策研究綜述[J]. 水利水電科技進展, 2004, 24(6)： 63- 66．

[7]暢建霞, 黃強, 王義民. 水電站水庫優化調度幾種方法的探討[J]. 水電能源科學, 2000, 18(3)： 19- 22.

[8]鄒進, 劉可真. 水資源系統運行與優化調度[M]. 北京： 冶金工業出版社, 2006．

[9]楊侃. 水庫優化調度中增量動態規劃收斂性研究[J]. 水科學進展, 1995, 6(S1)： 23- 29.

[10]李益民, 段佳美. 水庫調度[M]. 2014年版. 北京： 中國電力出版社, 2014．

(責任編輯高瑜)

收稿日期：2015- 11- 19

作者簡介：肖楊(1986—),男,河南固始人,助理工程師,碩士,主要從事流域水資源優化調度工作．

中圖分類號：TV697.1

文獻標識碼：A

文章編號：0559- 9342(2016)04- 0097- 04

DevelopmentofReal-timeOptimizationDispatchingSystemforRun-offHydropowerStation

XIAOYang,KUANGLuzhang

(WulingPowerCorporation,Changsha410004,Hunan,China)

Abstract:In order to meet the requirements of hydropower station real-time scheduling, the real-time optimal scheduling model of run-off hydropower station is built with the goal of maximizing power generation. The discrete dynamic programming method is adopted in model calculation. The real-time optimal scheduling system can forecast the flow process of next 24 hours, and calculate the power generation process of next 24 hours which satisfies the requirements of constraint conditions in the ways of real-time and rolling. The system has been used in six run-off hydropower stations, and the results show that the accuracy rate of inflow calculation is more than 98% and the average annual power generation increases 45 million kW·h．

Key Words:run-off hydropower station; real-time optimization dispatching; discrete dynamic programming