洮河梯级电站水库优化调度研究

摘要

本论文根据洮河流域的实际情况,较为系统地研究了洮河九甸峡综合利用水库及其以九甸峡为龙头的梯级电站水库的优化调度问题.主要研究内容和成果有以下几个方面: (1)在分析九甸峡水库多项目标功能及存在问题的基础上,建立综合利用水库发电量最大模型,在分析梯级电站水库水力联系和补偿调节方式的基础上,建立梯级发电量最大模型,采用改进粒子群算法、逐次优化算法、动态规划法三种方法对上述模型分别进行了优化调度计算. (2)分析了洮河河道内用水的主要项目,并对洮河下游生态需水量采用Tennant法、最小月平均流量法、7Q10改进法三种方法进行了复核计算,对河道水环境用水采用近10年最枯月平均流量法进行了复核. (3)根据流域内不同的用水水平和引洮供水工程的不同调水方案设置情景一:引洮供水一期工程完成后,引洮供水+2010年用水水平,情景二:全部工程完成后,引洮供水+2020年用水水平,根据不同的需水满足程度,分别对情景一和情景二各生成了11个水库调度方案. (4)采用POA优化算法分别对情景一和情景二的水库调度方案进行长系列优化调度计算,并建立了集对分析综合评价模型,对情景一和情景二的各11个水库调度方案分别进行了优选决策,得出了不同情景总体综合效益最佳的方案. (5)分别以情景一决策方案、情景二决策方案的水库长期优化运行策略为样本,采用人工神经网络方法推求不同情景的水库调度规则函数,并利用调度规则函数对长系列优化调度结果进行模拟计算. 通过对比分析不同情景RBF网络模拟调度结果与POA优化调度结果,可得到:采用RBF网络模型,能对POA算法优化运行过程线达到较好的拟合程度,说明RBF网络调度函数是有效的.

目录

文摘

英文文摘

独创性声明及学位论文使用授权声明

1 绪论

1.1研究背景

1.2国内外研究现状

1.2.1水库调度综述

1.2.2水库(群)优化调度研究进展

1.2.3水库(群)优化调度研究方法简介

1.2.4存在的问题及发展趋势

1.3研究的内容及技术路线

1.3.1研究的主要内容

1.3.2研究的技术路线

1.4本章小结

2洮河梯级水电站基本资料及调度方案生成

2.1洮河梯级水电站概况

2.2梯级电站基本特征

2.3研究所采用的基本资料

2.3.1水文基本资料

2.3.2九甸峡水利枢纽入库径流量

2.3.3水库蒸发渗漏损失

2.3.4区间径流资料

2.3.5水库、电站的特征参数

2.3.6上下游需水和引水资料

2.3.7河道生态环境需水复核计算

2.4洮河九甸峡水库调度方案生成

2.5本章小结

3水库优化调度模型建立及求解方法研究

3.1水库优化调度模型分类

3.1.1根据径流描述方法可分为确定性模型和随机模型

3.1.2按目标的选定情况又可分为单目标最优模型和多目标最优模型

3.2水库优化调度最优准则的确定

3.3九甸峡水库电站优化调度模型的建立

3.3.1单一水电站水库调度的研究意义

3.3.2具有综合利用任务的水库优化运行调度

3.3.3洮河九甸峡综合利用水库发电量最大模型

3.4洮河梯级水电站优化调度模型的建立

3.4.1梯级水电系统特性分析

3.4.2梯级水电站间的水力联系

3.4.3洮河梯级水电站优化调度模型

3.5优化调度求解方法研究

3.5.1概述

3.5.2动态规划法

3.5.3逐步优化算法

3.5.4粒子群优化算法

3.5.5改进粒子群优化算法

3.6本章小结

4洮河梯级电站优化调度实例计算及方案决策

4.1九甸峡水库优化调度模型的求解及设计中水年结果分析

4.1.1不同算法的单库优化调度结果

4.1.2计算结果分析与比较

4.2梯级电站发电量最大优化调度模型及设计中水年计算结果分析

4.2.1洮河梯级电站优化调度计算步骤

4.2.2不同算法的梯级电站优化调度结果

4.2.3梯级水电站优化调度结果分析与比较

4.2.4优化算法比选

4.3梯级电站优化调度模型计算及长系列优化调度结果分析

4.3.1情景一长系列优化调度结果

4.3.2情景二长系列优化调度结果

4.3.3长系列优化调度结果分析

4.4基于集对分析的方案决策研究

4.4.1集对分析简介

4.4.2集对分析同一度综合评价模型

4.4.3洮河方案决策实例

4.5本章小结

5基于神经网络的水库调度规则研究

5.1水库调度规则概述

5.2求解水库调度规则的人工神经网络技术

5.2.1人工神经网络的概述

5.2.2人工神经网络模型的选择

5.3水库调度规则的RBF网络方法

5.3.1RBF网络的介绍

5.3.2 RBF网络的训练方法

5.3.3RBF网络学习算法设计

5.4运用RBF网络方法建立洮河九甸峡水库调度规则函数

5.4.1调度规则函数的决策变量及影响因素确定

5.4.2网络结构

5.4.3样本的规范化处理

5.4.4网络的误差测定

5.4.5网络的学习训练

5.4.6调度函数的有效性检验

5.4.7RBF网络计算成果

5.5本章小结

6结论与建议

6.1结论

6.2建议

致谢

参考文献

附录