水火電力系統(tǒng)節(jié)能調(diào)度模型與優(yōu)化方法研究.pdf

1、電力工業(yè)是高耗能產(chǎn)業(yè)，提高電力工業(yè)能源利用效率，轉(zhuǎn)變能源利用方式，減少碳基能源使用量，對(duì)于緩解我國能源供需矛盾和改善生態(tài)環(huán)境等具有重要作用。理論和實(shí)踐表明，優(yōu)先利用清潔可再生能源，開展清潔電源與火電電源互補(bǔ)運(yùn)行，是提高電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性、提高能源利用效率和節(jié)約非可再生能源的有效途徑。目前，水電能源在我國清潔可再生能源中占主導(dǎo)地位，通過開展水火電力系統(tǒng)聯(lián)合運(yùn)行，合理協(xié)調(diào)系統(tǒng)間運(yùn)行方式，發(fā)揮水火電力系統(tǒng)互補(bǔ)優(yōu)勢(shì)，可顯著提高電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性

2、，有利于促進(jìn)電力工業(yè)能源利用方式的調(diào)整和系統(tǒng)的節(jié)能運(yùn)行。
　　 本論文緊緊圍繞水火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度問題，針對(duì)含有梯級(jí)水電站的水火電力系統(tǒng)間復(fù)雜時(shí)空耦合特性，以水能資源的合理高效利用和燃煤等非可再生能源的節(jié)約為目的，在水火電力系統(tǒng)節(jié)能運(yùn)行理論、單目標(biāo)和多目標(biāo)節(jié)能調(diào)度模型構(gòu)建和優(yōu)化方法等幾個(gè)方面進(jìn)行深入研究。
　　 全文共6章，各章節(jié)主要內(nèi)容可歸納如下：
　　 第1章緒論：簡要回顧國內(nèi)外水火電力系統(tǒng)優(yōu)化調(diào)度理論研

3、究現(xiàn)狀和我國節(jié)能調(diào)度理論的研究進(jìn)展，論述開展水火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度的必要性、重要性。針對(duì)目前含有梯級(jí)水電站的水火電力系統(tǒng)聯(lián)合運(yùn)行所面臨的問題和電力工業(yè)節(jié)能調(diào)度機(jī)制下的要求，提出本論文的主要研究內(nèi)容。
　　 第2章水火電力系統(tǒng)節(jié)能運(yùn)行理論分析：水電站、火電廠的運(yùn)行特性和水火電力系統(tǒng)間互動(dòng)特性是構(gòu)建合理優(yōu)化調(diào)度模型及制訂水電站合理用水計(jì)劃與火電廠發(fā)電計(jì)劃的前提和基礎(chǔ)。本章詳細(xì)分析了梯級(jí)水電站時(shí)空耦合特性、相互間作用規(guī)律、制約特性、

4、棄水特性等，提出可有效反映水庫特性影響的水電轉(zhuǎn)換數(shù)學(xué)模型。分析了火電廠運(yùn)行特性，通過拉格朗日極值條件揭示水火電力系統(tǒng)互補(bǔ)運(yùn)行的互動(dòng)規(guī)律，定性提出水火電力系統(tǒng)節(jié)能運(yùn)行的措施。
　　 第3章仿電磁學(xué)算法：群體智能算法在求解強(qiáng)非線性優(yōu)化問題方面具有突出優(yōu)勢(shì)，本章對(duì)一種新型群體智能算法——仿電磁學(xué)算法進(jìn)行研究。在詳細(xì)分析仿電磁學(xué)算法理論基礎(chǔ)、優(yōu)化原理及對(duì)優(yōu)化問題求解的一般理論框架基礎(chǔ)上，研究影響算法優(yōu)化性能的主要因素及其改進(jìn)措施。提出適

5、合于求解具有大規(guī)模變量優(yōu)化問題的單方向受力的改進(jìn)仿電磁學(xué)算法，并對(duì)其收斂性進(jìn)行了理論證明，為求解水火電力系統(tǒng)節(jié)能調(diào)度模型提供理論基礎(chǔ)。
　　 第4章水火電力系統(tǒng)單目標(biāo)節(jié)能調(diào)度與優(yōu)化方法：構(gòu)建了水電站運(yùn)行協(xié)調(diào)條件和梯級(jí)水電站運(yùn)行的動(dòng)態(tài)棄水?dāng)?shù)學(xué)模型。提出以動(dòng)態(tài)發(fā)電流量極限為基礎(chǔ)的單目標(biāo)水火電力系統(tǒng)節(jié)能調(diào)度優(yōu)化數(shù)學(xué)模型。針對(duì)所建模型的強(qiáng)非線性特點(diǎn)，提出以遺傳仿電磁學(xué)算法為基礎(chǔ)的節(jié)能調(diào)度模型求解方法。
　　 第5章水火電力系統(tǒng)多