水電站（群）中長期預(yù)報(bào)及調(diào)度的智能方法研究.pdf

1、水電站(群)運(yùn)行管理的核心是預(yù)報(bào)與調(diào)度，將智能算法引入其預(yù)測(cè)與優(yōu)化建模分析是近十多年來該研究領(lǐng)域的前沿方向。智能算法拓展了傳統(tǒng)的計(jì)算模式，不需要建立問題本身的精確模型，非常適合于解決那些因?yàn)殡y以建立有效的形式化模型而用傳統(tǒng)方法難以有效解決、甚至無法解決的問題。這些智能方法以及它們的耦合模型為解決水電站(群)中長期預(yù)報(bào)及調(diào)度提供了一條全新的思路和途徑。本文以云南電網(wǎng)的瀾滄江流域和東北電網(wǎng)的渾江流域的水電站(群)為工程背景，深入研究了神經(jīng)網(wǎng)

2、絡(luò)、模糊系統(tǒng)、支持向量機(jī)、SCE-UA算法、蟻群算法等智能算法在水電站(群)中長期預(yù)報(bào)、調(diào)度中的建模方法，并將其應(yīng)用于相關(guān)的工程實(shí)際，開發(fā)了水電站(群)中長期預(yù)報(bào)及調(diào)度決策支持系統(tǒng)，主要內(nèi)容如下： (1)建立了基于減法聚類的自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(ANFIS)的徑流中長期預(yù)報(bào)模型。針對(duì)“網(wǎng)格劃分”ANFIS的維數(shù)災(zāi)問題，采用減法聚類對(duì)輸入變量空間進(jìn)行劃分，生成初始的模糊規(guī)則庫，然后采用混合學(xué)習(xí)算法用于參數(shù)估計(jì)，最終構(gòu)建預(yù)報(bào)模型。

3、以漫灣實(shí)測(cè)月徑流序列(1953-2003年)為例，并與自回歸滑動(dòng)平均模型(ARMA)、人工神經(jīng)網(wǎng)絡(luò)模型(ANN)作比較，實(shí)例結(jié)果證明該模型是中長期預(yù)報(bào)方法中較為有效準(zhǔn)確的方法。 (2)建立了基于SCE-UA算法參數(shù)辨識(shí)的支持向量機(jī)(SVM)的徑流中長期預(yù)報(bào)模型。將SVM應(yīng)用于徑流中長期預(yù)報(bào)，在SVM建模過程中核函數(shù)選擇徑向基核函數(shù)，在此基礎(chǔ)上應(yīng)用SCE-UA算法用于辨識(shí)SVM參數(shù)，在SCE-UA搜索過程中做了指數(shù)變換以快速準(zhǔn)確地

4、找到最優(yōu)參數(shù)。以漫灣實(shí)測(cè)月徑流序列(1974-2003年)為例，并通過與ARMA模型、人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)報(bào)結(jié)果作比較，實(shí)例結(jié)果顯示該模型在徑流中長期預(yù)報(bào)中有效準(zhǔn)確。 (3)提出了求解水電站優(yōu)化調(diào)度問題的Pareto強(qiáng)度值SCE-UA算法。該方法將水電站優(yōu)化調(diào)度的約束優(yōu)化問題轉(zhuǎn)換成兩個(gè)目標(biāo)函數(shù)的無約束優(yōu)化問題，一個(gè)為原問題的目標(biāo)函數(shù)，另一個(gè)為違反約束條件的程度函數(shù)；對(duì)上述兩個(gè)目標(biāo)函數(shù)組成的向量個(gè)體，利用Pareto優(yōu)于關(guān)系和個(gè)體

5、Pareto強(qiáng)度值概念，實(shí)現(xiàn)個(gè)體的優(yōu)劣比較和群體的優(yōu)劣排序，在此基礎(chǔ)上使用SCE-UA算法求解。以桓仁水電站為例，與采用罰函數(shù)法的遺傳算法相比較，具有較強(qiáng)的通用性、穩(wěn)定性，及更好的搜索性能。與傳統(tǒng)的動(dòng)態(tài)規(guī)劃比較，本文提出的方法是可行和有效的。 (4)提出改進(jìn)的蟻群算法用于求解梯級(jí)水庫群優(yōu)化調(diào)度的大系統(tǒng)多維多階段優(yōu)化決策問題。該算法為了提高搜索效率采用了一個(gè)新的信息素更新策略—Ant-weight，新的更新策略是綜合考慮全局和局部

6、信息，使得算法具有更好的收斂性、更快的速度和更穩(wěn)定的優(yōu)化結(jié)果。以漫灣—大朝山梯級(jí)為計(jì)算實(shí)例，與基本蟻群算法相比，改進(jìn)算法具有更好的優(yōu)化結(jié)果和收斂速度。計(jì)算結(jié)果與逐步優(yōu)化法相比，表明改進(jìn)算法用于求解梯級(jí)水電站優(yōu)化調(diào)度結(jié)果可靠有效。 (5)采用JBuilder集成開發(fā)工具，在J2EE平臺(tái)上研究開發(fā)了基于Web的水電站(群)中長期預(yù)報(bào)及調(diào)度系統(tǒng)，將決策支持系統(tǒng)引入水電站群優(yōu)化調(diào)度與運(yùn)行管理，將智能算法模型融入到?jīng)Q策支持系統(tǒng)實(shí)際應(yīng)用中。