分享
长江上游水库群调蓄对下游电站发电能力影响分析_曾德晶.pdf
下载文档

ID:2723754

大小:301.58KB

页数:6页

格式:PDF

时间:2023-10-12

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
长江上游 水库 群调蓄 下游 电站 发电 能力 影响 分析 曾德晶
第 54 卷 第 2 期2 0 2 3 年 2 月人民长江YangtzeiverVol 54,No 2Feb,2023收稿日期:2022 03 22基金项目:中国长江电力股份有限公司科技项目“金沙江下游 三峡梯级电站水资源管理决策支持系统”(1517020002)作者简介:曾德晶,男,助理工程师,硕士,研究方向为水资源优化配置、水利信息化。E mail:zengdejing123 qq com通信作者:戴领,男,工程师,博士,研究方向为水资源优化配置。E mail:dailing2021 qq com文章编号:1001 4179(2023)02 0214 06引用本文:曾德晶,戴领 长江上游水库群调蓄对下游电站发电能力影响分析 J 人民长江,2023,54(2):214 219长江上游水库群调蓄对下游电站发电能力影响分析曾 德 晶1,戴领2(1 湖北长清信息系统集成有限公司,湖北 武汉 430010;2 长江勘测规划设计研究有限责任公司,湖北武汉 430010)摘要:随着长江上游水利工程的陆续兴建投运,干流年来水量和径流年内分配过程发生显著变化,势必对下游水库群调度运行造成较大影响。以长江上游干支流水库群为研究对象,建立上游干支流水库群运行模拟模型以及金沙江下游 三峡梯级水库群联合发电优化调度模型,重点分析中长期尺度上游干支流水库群调蓄对金沙江下游 三峡梯级电站发电能力的影响。研究结果表明:上游干支流水库群调蓄极大地改变了溪洛渡及三峡水库来水年内分配,提高了枯期来水占比,进一步提高了梯级电站发电能力;丰水年条件下,梯级总发电量增加了 1 22%,总弃水量减少了 14 11%;枯水年条件下,梯级总发电量增加了 3 16%,总弃水量减少了1567%。关键词:水库调蓄;发电能力;调度规则;金沙江下游 三峡梯级水库;长江上游水库群中图法分类号:TV697文献标志码:ADOI:10 16232/j cnki 1001 4179 2023 02 0320引 言金沙江下游 三峡梯级水库群是长江流域最大的水库群,包含乌东德至葛洲坝 6 座巨型水电站,总装机容量超过 7 000 万 kW,年均发电量超过 3 000 亿kWh,装机容量和年发电量均居世界水电行业首位 1。目前,乌东德、溪洛渡、向家坝、三峡、葛洲坝水电站已经全面投入运行,白鹤滩水电站已于 2021 年建成投运。金沙江下游 三峡梯级水库群肩负着繁重的防洪、发电、航运、泥沙、生态保护等综合任务,是开发长江、治理长江的核心工程。然而,随着上游子流域大型调节型水库的不断兴建投产,长江干流的年来水量和径流年内分配过程已经发生很大变化,势必对下游水库群调度运行造成巨大影响。因此,定量解析长江上游水库群调蓄对金沙江下游 三峡梯级的影响机制对于下游梯级调度运行和未来全流域联合调度具有重大意义。目前,相关研究 2 5 大多是基于实测数据进行还原还现,分析现状水平年条件下水库调蓄对下游径流的影响,且在还现方面,水库群调度方式大多采用调度图或人工设定水位或出库等。然而,水库面临不同来水,其调度运行方式不同,通过上述方式简化处理一定程度上忽略了这一点,致使其偏离实际运行情况,无法反映真实过程,实验结果可信度不高。此外,对于金沙江下游三峡梯级而言,其来水组成复杂,分别由金沙江、雅砻江、岷江、嘉陵江、乌江及区间组成,各子流域已投产运行水库对年内水量的调节能力达宜昌站多年平均来水的1/4 6,且各子流域兴建水库规模不一,传播距离不一,蓄水消落时间不一,致使其对溪洛渡、三峡水库来水发电影响机理愈加复杂,尚需进一步综合考虑流域不同来水情景,深入解析上游水库联合运行对溪洛渡、向家坝、三峡、葛洲坝梯级水库的影响。为此,本文以长江上游水库群实时调度运行数据第 2 期曾德晶,等:长江上游水库群调蓄对下游电站发电能力影响分析为基础,采用支持向量机提取各水库调度规则,建立旬尺度上游水库群模拟调度模型,分析上游水库群及各子流域梯级调蓄对溪洛渡及三峡水库入库流量的年内变化情况,进而以上述调蓄后溪洛渡、三峡水库入库为边界入流输入到以发电量最大为目标的金沙江下游 三峡梯级联合优化调度模型中,计算各来水边界下优化调度模型最优目标值,以此作为梯级电站发电能力,从而分析不同时期长江上游水库群或各子流域梯级对金沙江下游 三峡梯级发电能力的影响。1长江上游水库群调度规则提取与运行模拟金沙江下游 三峡梯级来水受金沙江中上游干支流、雅砻江、岷江、嘉陵江、乌江控制性水库群调蓄的影响。结合目前流域水库群建设情况,研究主要考虑上游具有较强调蓄能力的控制性水库及流域出口控制水库共计 23 座,包括:金沙江中游(梨园、阿海、金安桥、龙开口、鲁地拉、观音岩)、雅砻江(锦屏一级、锦屏二级、二滩、桐子林)、岷江嘉陵江(紫坪铺、瀑布沟、碧口、宝珠寺、亭子口)、乌江(洪家渡、乌江渡、构皮滩、思林、沙沱、彭水、银盘、江口)等7 8 长江上游已投运的大部分水库承担防洪、发电、灌溉、生态等多重任务,运行约束繁杂,调度难度大。在实际调度过程中,调度人员会根据当前水位、来水等信息修正决策,真实调度过程往往与调度图相差甚远,因此使用传统的调度图模拟水库调度运行过程往往精度不高。目前,越来越多的学者采用机器学习算法从水库实时运行数据挖掘调度运行规律,提取水库调度规则,从 而 实 现 大 规 模 水 库 群 调 度 运 行 的 精 确 模拟9 11。例如畅建霞等12 采用改进的 BP 神经网络寻求西安市城市水源的 3 个水库的联合优化调度函数。纪昌明等13 采用粗糙集理论去除调度影响因子属性集冗余属性,降低模型复杂度,进而采用支持向量机回归模型拟合水库时段决策变量之间的非线性关系得到水电站发电调度函数。考虑到长江上游部分水库运行年限较短,可获得样本数较小,而支持向量机在解决小样本、非线性及高维模式识别中较其他机器学习方法表现出许多特有的优势,其泛化能力要明显优于神经网络等传统学习方法,且该方法求解最后转化成二次规划问题的求解,因而解是唯一的,也是全局最优解14 15。此外,支持向量机方法已在水利领域应用广泛,在水文预报、调度规则提取等方面均有应用且效果较好13,16,同时该方法实现简单,操作方便,故本文采用支持向量机方法提取水库调度规则。支持向量机借助 不敏感损失函数来实现回归16 17,首先考虑用线性回归函数 f(x)=wx+b 估计训练样本集 D=(xi,yi),其中 w 为权重,b 为偏置项,i=1,2,n,xid,yi。假设所有训练数据在精度 下无误差地用线性函数拟合,即:yi wxi b wxi+b yi(1)根据结构风险最小原则15,上述回归问题可转化为求解:min12w2。考虑到允许拟合误差情况,引入松弛变量 i 0和*i 0,则式(1)变为yi wxi b +iwxi+b yi +*i(2)式(2)的优化目标变为min12w2+Cni=1(i+*i)(3)式中:C 为惩罚因子,C 越大表示训练误差大于 的样本惩罚越大。为求解上述问题,引入 Lagrange 乘子*i,i,*i,i构造 Lagrange 函数:L(w,i,*i)=12w2+Cni=1(i+*i)ni=1*i(*i+yi wxi b)ni=1i(i+yi+wxi+b)ni=1(ii+*i*i)(4)求解得时段决策变量之间的回归函数为式(5),对于非线性问题,可通过非线性变换转化为某个高维空间中的线性问题,即用核函数 K(xi,xj)替代原来的内积运算(xi,xj),就可以实现非线性函数拟合,如式(6)所示。f(x)=x+b=ni=1(i*i)(xix)+b(5)f(x)=(x)+b=ni=1(i*i)K(xix)+b(6)选择 2014 2016 年长江上游各水库历史运行数据作为模型训练样本,2017 年数据用于检验。以当前旬数、当前旬水库水位、入库流量、出库流量以及下一旬预报入库流量(以下一旬实际流量为预报流量值,本文暂不考虑预报流量误差)为模型输入,以下一旬出库流量为输出,构建模型样本对,核函数采用 BF型核函数,并通过交叉验证及网格搜索确定合适的惩罚因子及核函数参数,采用 Java 中 libSVM 包进行模512人民长江2023 年型构建和求解,获得式(6)中各项 Lagrange 乘子*i,i,以及上游干支流各水库的运行调度规则。采用平均相对误差、合格率、确定性系数、均方根误差得到的精度评定指标如表 1 所列。由表 1 可知,除去嘉陵江宝珠寺、亭子口以及乌江洪家渡、乌江渡、构皮滩水库外,各水库模型精度较高,平均相对误差在 0 10 左右,确定性系数较高。其主要原因在于:宝珠寺等水库数据缺失严重,数据量较少,模型训练效果较差。进一步,基于各水库调度规则,建立上游水库群调度运行模拟模型,对上游各水库进行逐级模拟,即将最上游水库当前旬水库水位、入库流量、出库流量、下一旬预报入库流量和当前旬数输入至 SVM 模型中从而获得下一旬平均出库流量,通过水量平衡方程获得下一旬水位,以此类推,获得整个调度期水库调度过程,进一步结合区间获得下一级水库入库过程,重复上一水库模拟过程,从而获取金沙江下游 三峡梯级电站来水输入。表 1SVM 模型检验结果指标统计Tab 1Statistics of SVM model test results水系水库平均相对误差合格率/%确定性系数均方根误差/(m3s1)金沙江梨园009940998802阿海007971007131金安桥013880998582龙开口005940996663鲁地拉009941008445观音岩0147509720720雅砻江锦屏一级0178308619565锦屏二级003970993058二滩0098208921749桐子林0021001002740岷江瀑布沟0225007833252紫坪铺012780896886嘉陵江碧口008910962139宝珠寺040370767384亭子口0464202831317乌江洪家渡032390476534乌江渡0255108110623构皮滩0234407719075思林0167809711449沙沱012920987538彭水0147509711173银盘0069409886092金沙江下游 三峡梯级电站联合优化调度模型本文以梯级电站联合调度最大发电量作为梯级电站发电能力,建立以发电量最大为调度目标的金沙江下游 三峡梯级电站联合优化调度模型,即:maxE=Tt=1Mi=1Ni,tTt=Tt=1Mi=1Ki,tQi,tHi,tTt(7)式中:E 为调度期内梯级电站总发电量,T 为调度期内时段数,M 为梯级电站数量,Ni,t为第 i 个电站在时段 t的出力,Ki,t为对应的出力系数,Qi,t为对应的发电引用流量,Hi,t为第 i 个电站在时段 t 的水头,Tt为 t 时段的时段长度。约束条件如下:(1)水量平衡公式。Vi,t+1=Vi,t+(Ii,t Qi,t Si,t)Tt(8)式中:Vi,t为第 i 个电站在 t 时段初的库容,Ii,t为入库流量,Qi,t为发电流量,Si,t为弃水流量,Tt为 t 时段的时段长度。(2)水力约束。Zdowni,t=Zdown1(Qi,t+Si,t),无顶托Zdown2(Qi,t+Si,t,Zi+1,t),有顶托(9)式中:Zi,t为电站坝前水位,Zdowni,t为电站尾水位。一般情况下,电站尾水位是其下泄流量的凹函数,但当上游电站坝址位于下游电站回水区,梯级水电站出现水头重叠情况(即“顶托”)时,电站尾水位还与其下游电站的坝前水位有关。(3)蓄水位约束。Zmini,t Zi,t Zmaxi,t(10)|Zi,t Zi,t+1|Zi(11)式中:Zmini,t和 Zmaxi,t分别为电站 i 在时段 t 的最小和最大水位限制;Zi为时段内的最大允许水位变幅。(4)出力约束。NGi,t Ni,t Nmaxi,t(Hi,t)(12)式中:Nmaxi,t和 NGi,t分别为电站 i 在时段 t 的最大出力和保证出力。(5)流量约束。Qmini,t Qi,t+Si,t Qm

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开