一种水电站发电调度近边界运行全景模糊风险分析方法

摘要

发明公开了一种水电站发电调度近边界运行全景模糊风险分析方法，包括：获取水电站的预报径流量和实测径流量数据，对径流量进行分级，利用径流预报误差数据统计每一个径流级别的预报误差模糊隶属度函数；根据水电站的日运行允许水位变化幅度确定水电站近边界运行范围；根据入库径流过程、调度期初水位和末水位，得到最优发电调度方案；根据N个径流级别的预报误差模糊隶属度函数、调度期初水位和末水位、最优发电调度方案，得到每一个调度期初水位和末水位组合下的可信性值；根据可信性值，得到水电站的发生弃水或出力不足的综合风险值。本发明全面有效的刻画了水电站短期发电调度中径流预报误差所带来的弃水或欠发风险。

说明书

技术领域

本发明属于水电能源优化运行和电力系统发电优化调度领域，更具体地，涉及一种水电站发电调度近边界运行全景模糊风险分析方法。

背景技术

在水电站短期调度中，发电计划是电站日常生产运行的重要依据，但发电计划编制与实施存在时间非一致性，当采用预报信息编制下一调度期发电计划时，由于预报的不确定性，制定的发电计划与实际来流往往不相符。一般情况下由于水库的调蓄作用，这种偏差的影响可以忽略，但当水库在近边界运行(靠近正常蓄水位或死水位)时，水库的可调蓄量大大降低，有可能产生弃水或出力不足。因此，基于径流预报不确定性，开展水电站短期发电调度近边界运行的风险分析，量化水电站在不同近边界运行情况下的弃水或欠发风险，可为实际生产中基于径流预报的发电计划编制提供科学依据和决策支持。

水电站近边界运行及相应的控制调度属于风险调度的范畴，在基于径流预报的水电站发电调度风险分析中，径流预报误差是众多风险因素中最主要的一个。目前在这方面的研究已取得了相当丰富的成果，但已有研究多立足于误差的随机特性，其研究方法也主要是基于概率论与数理统计的风险分析方法，例如典型概率分布函数计算方法、基于贝叶斯定理的风险率计算方法和概率组合法等，而基于预报误差模糊性的发电调度风险分析成果尚不多见。事实上，由于客观世界的复杂性以及永恒运动引起的不断变化，当人们采用随机方法去处理随机现象时，所研究的现象其实并不是与生俱来就是随机的，这些现象除随机性之外，还具有一种更为普遍的模糊不确定性。众所周知，水文预报模型受输入不确定性、自身结构和参数不确定性以及诸多人为不确定性因素的影响，复杂度高，难以精确描述，因此水文预报误差在具有随机性的同时还伴随着很大的模糊性。因此，仅开展水文预报误差的随机不确定性研究，并不能准确地表达预报误差的不确定性，也就不能全面刻画水电站短期发电调度中预报误差所带来的弃水或欠发风险。

由此可见，现有技术存在不能准确地描述径流预报误差的不确定性，不能使径流预报误差模糊性在水电站短期发电调度风险分析中得以有效表达，从而不能全面刻画水电站短期发电调度近边界运行中径流预报误差所带来的弃水或欠发风险的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种水电站发电调度近边界运行全景模糊风险分析方法，由此解决现有技术存在不能准确地描述径流预报误差的不确定性，不能使径流预报误差模糊性在水电站短期发电调度风险分析中得以有效表达，从而不能全面刻画水电站短期发电调度近边界运行中径流预报误差所带来的弃水或欠发风险的技术问题。

为实现上述目的，本发明提供了一种水电站发电调度近边界运行全景模糊风险分析方法，包括：

(1)获取水电站的实测径流量数据、预报径流量数据、径流预报误差数据和水电站日运行允许水位变化幅度，对实测径流量数据进行分级，得到N个径流级别，利用径流预报误差数据统计每一个径流级别的预报误差模糊隶属度函数；根据水电站的日运行允许水位变化幅度确定水电站近边界运行范围；

(2)获取每一个径流级别对应的入库径流过程，将水电站近边界运行范围内的水位离散，得到M个调度期初水位和M个调度期末水位，再将M个调度期初水位和M个调度期末水位组合，得到M²个调度期初水位和末水位组合，根据N个入库径流过程、M²个调度期初水位和末水位组合，得到N*M²个水电站最优发电调度方案；

(3)根据水电站的预报径流量数据，对预报径流量数据进行分级，得到N个径流级别，根据N个径流级别的预报误差模糊隶属度函数、M²个调度期初水位和末水位组合、N*M²个水电站最优发电调度方案，得到M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值；

(4)根据M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值，得到水电站发生弃水或出力不足的综合风险值。

进一步的，预报误差模糊隶属度函数描述为：三角形分布、梯形分布或者柯西分布。

进一步的，步骤(3)包括：

(3-1)根据水电站的预报径流量数据，对预报径流量数据进行分级，得到N个径流级别；

(3-2)利用每一个径流级别的预报误差模糊隶属度函数，得到每一个径流级别的R个模糊误差，直至得到N个径流级别的N*R个模糊误差；

(3-3)根据N个径流级别及其对应的模糊误差，得到N*R个考虑预报误差的径流量过程，对N*R个径流量过程和M个调度期初水位，执行水电站的最优发电调度方案，得到M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值。

进一步的，步骤(4)的具体实现方式为：

根据M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值，得到可信性值随径流级别变化而变化的曲线，曲线与坐标轴所围面积表示在某一个调度期初水位和末水位组合下水电站发生弃水或出力不足的风险，根据M²个调度期初水位和末水位组合的可信性值随预报径流量级别变化而变化的曲线，得到水电站在未来全景情况下的弃水或出力不足的综合风险值。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明通过引入可信性值，实现了考虑径流预报误差模糊性的水电站短期发电调度近边界运行模糊风险分析，与传统的水电站发电调度风险分析相比，本发明方法立足于径流预报误差更为普遍的模糊不确定性，可完善地从发展中表达径流预报误差的不确定性，从而全面有效的刻画水电站短期发电调度中径流预报误差所带来的弃水或欠发风险，应用前景广阔。

附图说明

图1是本发明实施例提供的一种水电站发电调度近边界运行全景模糊风险分析方法的流程图；

图2是本发明实施例1提供的锦西水电站来流等级分布及对应经验频率；

图3是本发明实施例1提供的不同来流频率下径流预报误差的模糊隶属度函数；

图4是本发明实施例1提供的水电站近高水位边界运行的全景模糊风险空间；

图5是本发明实施例1提供的水电站近低水位边界运行的全景模糊风险空间。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，一种水电站发电调度近边界运行全景模糊风险分析方法，包括：

(1)获取水电站的实测径流量数据、预报径流量数据、径流预报误差数据和水电站日运行允许水位变化幅度，对实测径流量数据进行分级，得到N个径流级别，利用径流预报误差数据统计每一个径流级别的预报误差模糊隶属度函数；根据水电站的日运行允许水位变化幅度确定水电站近边界运行范围；

(2)获取每一个径流级别对应的入库径流过程，将水电站近边界运行范围内的水位离散，得到M个调度期初水位和M个调度期末水位，再将M个调度期初水位和M个调度期末水位组合，得到M²个调度期初水位和末水位组合，根据N个入库径流过程、M²个调度期初水位和末水位组合，得到N*M²个水电站最优发电调度方案；

(3)根据水电站的预报径流量数据，对预报径流量数据进行分级，得到N个径流级别，根据N个径流级别的预报误差模糊隶属度函数、M²个调度期初水位和末水位组合、N*M²个水电站最优发电调度方案，得到M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值；

(4)根据M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值，得到水电站发生弃水或出力不足的综合风险值。

本发明实施例优选的，预报误差模糊隶属度函数描述为：三角形分布、梯形分布或者柯西分布。

其中，当预报误差模糊隶属度函数描述为三角形分布时，预报误差模糊变量ξ的隶属度服从三角形分布，

设s和n分别为预报误差模糊数ε的下限和上限，m为可能性最大的值，那么用三元组(s，m，n)表示预报误差模糊变量ξ。其预报误差模糊隶属函数μ(ε)可表示为：

当预报误差模糊隶属度函数描述为梯形分布时，预报误差模糊变量ξ的隶属度服从柯西分布，其预报误差模糊隶属度函数μ(ε)可表示为：

式中：ε为预报误差模糊数，表示预报误差模糊变量ξ的一个具体取值；E_w+、E_w-分别表示正误差和负误差的统计平均值；σ为权重，一般取为2.333。

本发明实施例优选的，步骤(3)包括：

(3-1)根据水电站的预报径流量数据，对预报径流量数据进行分级，得到N个径流级别；

(3-2)利用每一个径流级别的预报误差模糊隶属度函数，得到每一个径流级别的R个模糊误差，直至得到N个径流级别的N*R个模糊误差；

(3-3)根据N个径流级别及其对应的模糊误差，得到N*R个考虑预报误差的径流量过程，对N*R个径流量过程和M个调度期初水位，执行水电站的最优发电调度方案，得到M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值。

本发明实施例优选的，步骤(4)的具体实现方式为：

根据M²个调度期初水位和末水位组合中每一个调度期初水位和末水位组合下的可信性值，得到可信性值随径流级别变化而变化的曲线，曲线与坐标轴所围面积表示在某一个调度期初水位和末水位组合下水电站发生弃水或出力不足的风险，根据M²个调度期初水位和末水位组合的可信性值随预报径流量级别变化而变化的曲线，得到水电站在未来全景情况下的弃水或出力不足的综合风险值。

实施例1

本发明以我国雅砻江流域的锦西水电站为例，以长系列实测、预报径流数据及电站发电计划编制与执行的实际流程为基础，以所提供的全景模糊风险分析方法对该水电站短期发电调度近边界运行风险进行计算，并对结果进行分析提炼，以表现本发明专利达到的效果。

雅砻江是金沙江第一大支流，干流共规划建设22级电站，目前雅砻江下游的水电开发基本完成，已建五座水电站(锦西、锦东、官地、二滩和桐子林)均已投入运行，其中锦西电站具有年调节性能，是雅砻江下游梯级的龙头电站，其调度运行水平直接决定了下游梯级的整体发电效益。因此本发明中选择锦西电站作为研究对象。该电站的正常蓄水位与死水位分别是1880m和1800m。本发明实施例1的步骤如下：

步骤一：径流分级及预报误差不确定性分析。因不同频率来流会有不同的误差分布，因此在进行径流预报误差模糊性分析之前，首先需以长系列实测、预报来流数据为基础，对来流进行分级，并统计不同量级来流的经验频率，其次计算预报误差系列，并推求各来流频率所对应的预报误差模糊隶属度函数。

步骤二：确定近边界范围。由前述可知，锦西电站的正常蓄水位与死水位分别是1880m和1800m，而根据电站短期调度运行的实际要求，水位日变幅不能超过1.5米，因此在该电站短期发电调度近边界运行风险分析中，近边界范围可定为[1878.5，1880]和[1800，1801.5]，其中前者为电站近高水位运行时的边界范围，后者为电站近低水位运行时的边界范围。

步骤三：近边界范围内水位离散、组合。根据步骤二所确定近边界范围，对其水位进行细化离散，以尽可能的反映所有可能的近边界水位组合情况。本发明中以0.05m为步长对近边界范围的水位进行离散组合，因此一共有31×31＝961个调度期初、末水位组合。

步骤四：根据前述全景风险分析方法及其实现流程，对于每一个水位组合，通过模糊模拟计算可获得对应的综合风险(弃水或欠发)。但在模糊模拟计算中，需要考虑未来所有可能的来水频率及其不同的预报误差。

本发明实施例1实施后的结果如下：

(1)预报误差分析结果

通过实测径流数据，可以发现锦西水电站的最大径流约5500m³/s，最小径流约100m³/s，因此实施例中以[0，5600m³/s]为来流区间、以200m³/s为离散步长对实际来流进行分级，并统计其经验频率，结果如附图2所示。

对于不同频率的来流，其误差分布规律可通过实测径流与预测径流的差值统计得到，通过实际计算发现相比于其它隶属度函数，柯西分布能够更精确的反映不同预报误差的隶属度关系。因此，本实施例中以柯西分布作为径流预报误差的模糊隶属度函数形式。最终所得对应不同来流频率的预报误差模糊隶属度函数如附图3所示(以部分来流频率为例)。

(2)近高水位运行时全景模糊风险

通过本发明所提供的全景模糊分析方法，对锦西水电站短期发电调度近边界运行的弃水风险进行分析，所得该水电站近高水位运行时的全景模糊风险三维立体图如附图4所示。

由附图4可知，在发电计划编制中，当初水位较高时电站发生弃水的可能性较大，尤其是在接近正常蓄水位1880m时，存在较大的风险，其原因是初水位越接近正常蓄水位，则水库调度期可用的调节库容就越小，当预报来水偏小而实际来水偏大时就会发生弃水。除此之外，由附图4可知，电站还存一个弃水高风险带，如附图4的右侧区域。在其他情况下，电站发生弃水的风险几乎为零，如附图4中的左侧区域，因此电站在近高水位运行时，应尽量位于这些区域中。

综合可知，锦西电站在近高水位边界运行时，编制发电计划一方面要避免初水位较高的情况，尤其是靠近正常蓄水位情况；另一方面，要尽量避免附图4中所示的带状风险区域。

(3)近低水位运行时全景模糊风险

通过本发明所提供的全景模糊分析方法，对锦西水电站短期发电调度近边界运行的出力不足风险进行分析，所得该水电站近低水位运行时的全景模糊风险三维立体图如附图5所示。

由附图5可知，在发电计划编制中，当初水位较低时电站发生出力不足的可能性较大，尤其是在接近死水位1800m时，存在较大的风险，其原因是初水位越接近死水位，则水库调度期可用的调节库容就越小，当预报来水偏大而实际来水偏小时就会发生出力不足。此外，由附图5可知，在初水位较高(约1801m～1801.5m)而末水位较低(约1800m～1800.5m)时，电站还存一个出力不足的高风险带，在该带状区域内，电站发生出力不足的风险约0.3左右，其原因是若编制发电计划时设定的初水位较高而末水位较低，则表示水库处于放水状态，水库的可用水量将随着调度的进行逐渐减少，当实际来水偏小时，电站就很可能因库中可用水量不足而发生出力不足。在其他情况下，电站发生出力不足的风险很小，大多数情况小于0.2，因此电站在近低水位运行时，应尽量位于这些区域中。

综合可知，锦西电站在近低水位边界运行时，编制发电计划一方面要避免初水位较低的情况，尤其是靠近死水位情况；另一方面，要尽量避免附图5中在初水位较高而末水位较低时的带状风险区域。

本发明实施例1以我国雅砻江流域锦屏一级(锦西)水电站为例，利用本发明所提出的方法进行水电站短期发电调度近边界运行全景模糊风险分析，结果表明所提方法能够有效实现水文预报误差与水电站调度风险的耦合和转化，能够全面分析水电站在不同近边界运行情况时的弃水风险或出力不足风险，更具体的给出了该电站在不同近边界运行情形下的高风险运行区域和建议运行区域，可为该电站实际生产中基于径流预报的发电计划编制提供科学依据和决策支持。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。