基于遗传算法的电力市场环境下水电站运行优化方法与流程

技术特征：
1.一种基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：主要包括构建目标函数、设置约束条件、采用遗传算法对目标函数求解获得最大收益前提下使总耗水量最小的开机方案。2.根据权利要求1所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的构建目标函数具体为以效益最大为目标，建立单一水电站水库优化调度数学模型，包括收益最大目标函数和耗水量最小目标函数，即：学模型，包括收益最大目标函数和耗水量最小目标函数，即：式ⅰ中：s为全厂发电总收益；n
i
、n
reg,i
分别为i时段的有功出力和调频服务里程；c
i
、c
reg,i
分别为i时段的发电功率报价和i时段的辅助调频服务市场出清价；t为调度内时段数；m
t
为i时段内小时数，若t＝96，则m
t
＝0.25h；式ⅱ中：q为全厂总耗水量；q
k
(n
k
,h)为机组k在出力n
k
与水头h时的耗水量；n为机组台数。3.根据权利要求2所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的约束条件包括水量平衡约束、库水位约束、发电流量约束、出力平衡约束、出力约束、水头约束和非负约束。4.根据权利要求3所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的水量平衡约束为：v
t
＝v
t
‑1 (i
t
‑
r
t
)δt
ꢀꢀꢀꢀⅲ
式ⅲ中：v
t
、v
t
‑1分别为计算时段δt末、初的库容；i
t
、r
t
分别为计算时段的入、出库流量；δt计算时段；所述的库水位约束为：式ⅳ中：z
m,t
为电站在第t时段允许消落的最低水位，为死水位或综合利用要求的最低水位；为电站在第t时段的水位上限，汛期取汛限水位，非汛期取正常高水位；所述的发电流量约束为：式
ⅴ
中：q
m,t
为电站在第t时段应保证的最小发电流量；为电站站在第t时段最大允许发电流量；所述的出力平衡约束为：式
ⅵ
中：n
t
为t时段内的全厂总负荷；n
t,k
为t时段内第k台机组的出力；所述的出力约束为：n
t,kmin
≤n
t,k
≤n
t,kmax
ꢀꢀꢀꢀⅶ
式
ⅶ
中：n
t,kmin
、n
t,kmax
分别为t时段内第k台机组的出力最大出力和最小出力；
所述的水头约束为：式
ⅷ
中：h
min
、h
max
分别为电站的最低、最高允许水头；h
up
、h
down
分别为分别为上、下游水位；所述的非负约束为：以上所提变量均为大于零的正数。5.根据权利要求3所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的采用遗传算法对目标函数求解为采用遗传算法对单一水电站水库优化调度数学模型进行求解，即：假设水电站在辅助服务市场上中标，经遗传算法得到各个时段的全厂最大收益总和s以及其对应的全厂总出力n
smax
，将n
smax
带入式ⅱ，得到当前出力n
smax
条件下机组工作台数和各台机组所承担的负荷，该机组组合为最大收益前提下使总耗水量最小的开机方案；此时有如下四种情况：情况1：如果需要投入的n台机组均在最优工作区内，则得到总出力为n
smax
时各台机组的出力值；情况2：如果有一台或多台机组在短时运行区内运行，则设置该机组运行时间小于若干小时，再进行负荷分配；如果若干小时后n
smax
改变，则将当前出力n
smax
代入式ⅱ，重新计算工作机组台数和其各自所承担负荷；若n
smax
未改变，则退出调频服务市场，按日前计划曲线分配个工作机组负荷；情况3：如果有一台或多台机组在震动区内运行，则放弃参与调频市场，按日前计划曲线分配各工作机组的出力；情况4：如果需要投入的n台机组接近满发，不满足调频裕度，则考察第n 1台机组的组合；在该情况下，首先考虑第n台机组在最优工作区，第n 1台机组在短时运行区，比较n台机组与n 1台机组的耗水量，若耗水量q
n 1
＜q
n
，则开机方案为n 1台机组；若耗水量q
n 1
＞q
n
，则将n 1台机组的耗水量全部换算成电量收益s
有功
，与n台机组投入辅助市场时的综合收益s
辅助
比较；若s
有功
＜s
辅助
，则按第n台机组在最优工作区，第n 1台机组在短时运行区的方案参与调频市场，参与时间不超过情况2所定的若干小时；若s
有功
＞s
辅助
，则退出调频服务市场，按n台机组投入与日前计划曲线分配各工作机组负荷。6.根据权利要求5所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的单一水电站水库优化调度数学模型中收益最大目标函数求解包括；染色体编码：将全厂总出力作为决策变量，采用二进制进行编码；初始化：开始遗传操作之前要先生成初始种群，以小时为时段，随机生成规模为m的一系列可行解；适应度函数：每条染色体编码初始化后都要进行适应度，然后存放到数组里；选择：根据适应度函数和个体对环境的适应情况，有针对性的进行选择和繁殖；采用轮盘赌法，即个体的适应度值与其被选中的概率是成正比的，通过概率来选取优良个体；交叉：采用自适应的交叉概率，以单点交叉的方式，通过适应度值进行计算，确定交叉概率的大小，随机确定交叉的位置；变异：采用自适应均匀变异，按照一定概率随机地改变染色体的基因值，在交叉操作以后，子代基因按照小概率进行变异。
7.根据权利要求6所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：采用遗传算法对收益最大目标函数求解具体包括：根据计划出力曲线随机生成几组符合约束条件的出力曲线，用于生成初始种群，然后代入式(1)计算初始种群的概率p，选择几条p较大的曲线分别进行式(2)
‑
式(4)的复制、交叉和变异遗传操作；式(1)中，s、s
min
分别表示当前收益和最小收益；复制采用轮盘赌法，得到曲线q
n1
；式(2)中，e
i
为个体适应度，∑e
i
为群体累加适应度，p
i
为个体被选中的概率，p
i
与e
i
为正比例关系；采用单点交叉的方式，通过目前适应度值进行计算，确定交叉概率的大小，并且随机确定交叉的位置，得到曲线q
n11
；式(3)中，f
max
为当前最大适应度；为当前平均适应度；f1为当前适应度；p
c
为个体被选中的概率；d1、d2当为常数，取0.9和1；在交叉操作以后，采用自适应均匀变异操作随机生成中标时段的基因片段，将子代基因按照小概率进行变异，得到曲线q
n11
·
；式(4)中，f
max
为当前最大适应度；为当前平均适应度；f1为当前适应度；p
m
为变异概率；d3、d4当为常数，取0.5；在复制、交叉和变异等操作进行完之后，判断曲线q
n11
·
对应的收益s
n11
·
是否大于曲线q
n11
对应的收益s
n11
，若成立则生成下一代族群，若不成立则返回变异操作；在下一代族群中判断该条曲线是否大于迭代次数n，若大于则输出该曲线作为最终结果，反之则返回生成初始种群，重新开始计算。8.根据权利要求5所述的基于遗传算法的电力市场环境下水电站运行优化方法，其特征在于：所述的单一水电站水库优化调度数学模型中耗水量最小目标函数求解包括；工作机组台数确定：对于给定负荷，使机组的负荷接近最优出力，使水电厂运行的总效率最高；用最优出力作为计算最优工作机组台数的依据；染色体编码：将每个机组的出力转化成二进制进行编码，每个二进制编码作为一个基因，而参与出力的n台机组出力组合就是n个二进制数组成的编码，即一个染色体；初始化：把最大收益情况下全厂总出力n
smax
按照机组数目分成相应份数分配给各工作机组，要求每份出力介于所分配机组的最小出力与额定出力之间；适应度函数：每条染色体编码初始化后都要进行适应度，然后存放到数组里；
选择：根据适应度函数和个体对环境的适应情况，有针对性的进行选择和繁殖；采用轮盘赌法，即个体的适应度值与其被选中的概率是成正比的，通过概率来选取优良个体；交叉：采用自适应的交叉概率，以单点交叉的方式，通过适应度值进行计算，确定交叉概率的大小，随机确定交叉的位置；变异：采用自适应均匀变异，按照一定概率随机地改变染色体的基因值，在交叉操作以后，子代基因按照小概率进行变异。

技术总结
本发明涉及一种基于遗传算法的电力市场环境下水电站运行优化方法，主要包括构建目标函数、设置约束条件、采用遗传算法对目标函数求解获得最大收益前提下使总耗水量最小的开机方案。本发明采用遗传算法，以电量收益与调频市场收益之和最高为目标函数，得到各个时段的出力值，再根据该出力大小确定参与工作机组数量与其各自所承担负荷使得耗水量最小，可实现降本增收，增加水电站的效益。增加水电站的效益。增加水电站的效益。


技术研发人员：王伟 刘小婧 赵红标 黄智榜
受保护的技术使用者：龙滩水电开发有限公司龙滩水力发电厂
技术研发日：2021.08.06
技术公布日：2021/11/28