一种计及预报不确定性的梯级水电站发电调度方法

技术领域

本发明涉及水电站水库发电调度管理技术领域，具体而言，涉及一种计及预报不确定性的梯级水电站发电调度方法。

背景技术

随着径流预报水平的不断提高，径流预报的准确性也得到有效提高，并应用于水资源。但径流预报的不确定性仍然存在于径流预报中，预报不确定性通常由一组以径流为条件的实测径流的条件概率来描述，它表征了预报系统的准确性。与中长期径流预报相比，短期径流预报的不确定性通常较低，但对水电站短期运行仍有不可忽视的影响。短期(这里指次日)发电运行计划通常是由决策者根据未来一段时间内的预报径流序列来制定，是指导水电站实际运行的基础，可以使工程管理者充分利用水能资源。但梯级水库之间的补偿效应，即水库之间的电力补偿和反调节作用，为社会、经济、生态和环境系统带来效益的同时，也增加了预报不确定性对梯级水电站实际运行影响的复杂性。因此，寻找一种合适的方法来量化预报不确定性对梯级水电站短期运行计划的影响，进而降低预报不确定性的不利影响是困难也是重要的。

然而，现有研究多集中于对单一时段短期径流预报不确定性的分析，忽略了短期径流预报序列中不同预见期预报不确定性之间的关联。此外，以往的研究很少指出确定性运行方案可能出现的损失(如出力不足、弃电、弃水等)，这对决策者来说很重要。

基于以上考虑，本发明提出了一种计及预报不确定性的梯级水电站发电调度方法，通过考虑短期径流预报确定性对梯级水电站运行效益和风险的影响，将该模型应用于梯级水电站短期运行制定，以提高水电站实际运行效益，降低运行风险。

发明内容

本发明的目的在于提供一种计及预报不确定性的梯级水电站发电调度方法，包括：根据短期径流预报的不确定性特征，构建优化调度目标函数；所述优化调度目标函数的目标为最大化调度期内各时段期望发电量；量化梯级水电站短期优化调度方案所面临的风险，并构建与决策者风险态度相关的发电调度模型；基于历史预报径流数据和实测径流数据，对短期径流预报序列的不确定进行量化；通过遗传算法对多个待选运行方案的短期径流预报序列进行筛选，得到与决策者风险态度相关的最优运行方案。

进一步的，构建优化调度目标函数，包括：基于预报径流值f

进一步的，所述径流不确定性p

其中，径流不确定性p

所述径流序列不确定性P[E|F]的表达式为：

其中，t表示时间变量；T表示调度期内的时段总数；∏*表示连乘；

所述优化调度目标函数的表达式为：

其中，R(F，S)表示调度期内的期望总发电量；F表示预报径流序列；S表示运行方案；max{*}表示取极大值；E表示调度期内的径流预报误差序列；N表示水库数目；N

进一步的，还包括基于条件风险价值，更新所述优化调度目标函数：分别计算待选运行方案在其置信水平下的条件风险价值；所述条件风险价值用于度量该运行方案的风险水平；基于所述调度期内的期望总发电量和对应的条件风险价值，更新得到与风险价值相关的优化调度目标函数。

进一步的，所述条件风险价值的表达式为：

CVaR

其中，CVaR

所述与风险价值相关的优化调度目标函数的表达式为：

其中，max{}表示取极大值；α表示决策者的风险态度；E表示调度期内的径流预报误差序列；P[E|F]表示径流序列不确定性；t表示时间变量；T表示调度期内的时段总数；N表示水库数目；N

进一步的，所述发电调度模型包括多种约束条件，所述约束条件包括水量平衡约束、水库运行水位约束、水库泄洪约束和出力约束；所述水量平衡约束的表达式为：

s

其中，o

所述水库运行水位约束的表达式为：

z

其中，z

所述水库泄洪约束的表达式为：

|z

其中，

所述出力约束的表达式为：

其中，

进一步的，对短期径流预报序列的不确定进行量化，包括：计算径流预报序列的量级，并将径流预报序列不确定性与径流预报序列之间的关系转化为多元变量的联合分布函数与径流预报序列的对应量级之间的关系；基于非参数核密度估计法，计算多元变量的边缘分布函数值；构建多元变量的联合分布函数。

进一步的，所述将径流预报序列不确定性与径流预报序列之间的关系转化为多元变量的联合分布函数与径流预报序列的对应量级之间的关系的表达式为：

M

re

RE＝(re

其中，d(F，F

所述多元变量的边缘分布函数值的表达式为：

其中，φ

所述多元变量的联合分布函数的表达式为：

其中，f(re

进一步的，得到最优运行方案，包括：确定所述短期径流预报序列的量级，根据所述短期径流预报序列的联合分布函数模拟得到相对预报误差序列，并计算得到预测实测来流序列的集合；根据所述发电调度模型中的约束条件生成待选方案集合，将所述待选方案集合作为遗传算法的个体，并根据所述预测实测来流序列的集合，计算各待选运行方案的效益均值；根据所述预测实测来流序列的集合，采用水位控制，分布计算得到所述待选运行方案的预测实际效益集合及其效益偏差集合；基于所述效益偏差集合，计算对应待选运行方案在置信水平β的条件风险价值；基于所述待选运行方案在调度期内的期望总发电量和所述条件风险价值，计算与决策者风险态度相关的目标函数值；将所述目标函数值作为遗传算法的适应度函数，通过遗传算法对待选运行方案进行筛选，得到最优运行方案。

进一步的，所述预测实测来流序列的集合的计算公式为：

q

其中，q

所述效益偏差集合的计算公式为：

其中，BE

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明提供的计及预报不确定性的梯级水电站发电调度方法降低了短期径流预报不确定性对于梯级水电站发电调度效益和风险的影响，增加了梯级水电系统的发电效益和可靠性，在目标函数中增加了预报不确定性对发电效益和风险的度量，可以保证电站和电力系统的安全、稳定运行。

本发明提供的计及预报不确定性的梯级水电站发电调度方法，通过分析短期径流预报对梯级水电站的发电效益影响，推导了以调度期内期望效益最大为目标的效益函数；通过分析短期径流预报对梯级水电站的发电风险影响，通过引入条件风险价值理论建立了量化风险的指标，最后构建了同时考虑发电效益和运行风险的梯级水电站短期优化运行模型，为决策者提供了直观化的风险、效益相关关系，提高梯级水电站运行的经济性和可靠性。

本发明提供的计及预报不确定性的梯级水电站发电调度方法的构建不受限于具体的流域和梯级水电站，可以根据实际情形(数据、外界环境等)选择不同的情景、不同的误差分布函数类型、不同的预报模型，适应性强，应用门槛低，可广泛推广应用。

附图说明

图1为本发明提供的一种计及预报不确定性的梯级水电站发电调度方法的示例性流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

图1为本发明提供的一种计及预报不确定性的梯级水电站发电调度方法的示例性流程图。如图1所示，流程100可以包括以下内容：

步骤110，根据短期径流预报的不确定性特征，构建优化调度目标函数；所述优化调度目标函数的目标为最大化调度期内各时段期望发电量。

短期径流预报是指对未来较短时间(通常为几小时到几天)内流域或河流的水流量变化进行预测得到的径流流量。径流预报的不确定性是指在进行水流量(径流)预测时，由于多种因素的影响，导致预测结果与实际观测值之间存在不精确性或未知性。调度期是指对设置有梯级水电站流域中的水流量进行管理和调控的一段时间。期望发电量是指在调度期内预计的水电站能够产生的电能数量。

其中，构建优化调度目标函数，包括：

基于预报径流值f

所述径流不确定性p

其中，径流不确定性p

预报径流值是指预测的梯级水电站流域的径流。实测径流值是指实际观测得到的梯级水电站流域的径流。径流预报误差序列是指历史数据中预报径流值与实测径流值之间的偏差情况组成的序列。单一时段可以是指某个对梯级水电站发电进行调度的特定时段。径流预报的天然不确定性是指由于自然系统的复杂和不可预测性引起的不确定性；影响天然不确定性的原因可以包括气象变换、地形和土壤差异等。预报不确定性是指在进行径流预测时，由于多种因素的影响，导致预测结果与实际观测值之间存在的不确定性或未知性；引起预报不确定性的原因可以包括预测模型的不确定性、数据不足以及测量和观测误差等。

基于所述径流不确定性，通过概率乘法，构建径流序列不确定性P[E|F]；所述径流不确定性用于表征径流预报序列及其不确定性之间的联系。

所述径流序列不确定性P[E|F]的表达式为：

其中，t表示时间变量；T表示调度期内的时段总数；∏*表示连乘；F＝(f

径流预报序列是指预测的径流组成的序列。径流预报序列的不确定性是指在进行径流预测时造成预测误差的不确定性。

基于所述径流序列不确定性，构建既考虑不同时段径流预报的不确定性，同时兼顾不同时段不确定性之间的相关性的短期的所述优化调度目标函数。优化调度目标函数的表达式为：

N

其中，R(F，S)表示调度期内的期望总发电量；F表示预报径流序列；S表示运行方案；max{*}表示取极大值；E表示调度期内的径流预报误差序列；N表示水库数目；N

其中，还包括基于条件风险价值，更新所述优化调度目标函数：

分别计算待选运行方案在其置信水平下的条件风险价值；所述条件风险价值用于度量该运行方案的风险水平。

运行方案的置信水平是指运行方案的可信程度或准确性。条件风险价值可以是指在特定置信水平下，损失或风险的平均值，以及这些损失超出特定值的平均程度。针对梯级水电站的任一待选方案S而言，当采用R(F，S)为目标函数时，其在调度期T内的计划总发电量即为R(F，S)。同时，对于S而言，可以计算其置信水平β下的条件风险价值CVaRβ(s)以用于度量方案S的风险水平，所述条件风险价值的表达式为：

CVdR

其中，CVaR

基于所述调度期内的期望总发电量R(F，S)和对应的条件风险价值，更新得到与风险价值相关的优化调度目标函数。所述与风险价值相关的优化调度目标函数的表达式为：

其中，max{}表示取极大值；α表示决策者的风险态度，0≤α≤1，就上述目标函数而言，当α＝0时，则表示只追求发电效益最大，而完全忽略发电风险，当α＝1时，则表示只关注发电风险，而不追求发电效益最大，当α介于0和1之间时，则表示决策者根据自己的风险态度对发电的风险和效益进行均衡，α越大表示决策者越保守；E表示调度期内的径流预报误差序列；P[E|F]表示径流序列不确定性；t表示时间变量；T表示调度期内的时段总数；N表示水库数目；N

步骤120，通过条件风险价值(Conditional Value at Risk，CVaR)指标量化梯级水电站短期优化调度方案所面临的风险，并构建与决策者风险态度相关的发电调度模型。

梯级水电站短期优化调度方案是指短期内(几小时或几天)调整梯级水电站发电情况的方案。决策者是指执行梯级水电站调度的人员。所述发电调度模型包括多种约束条件，所述约束条件包括水量平衡约束、水库运行水位约束、水库泄洪约束和出力约束；所述水量平衡约束的表达式为：

s

其中，o

所述水库运行水位约束的表达式为：

z

其中，z

所述水库泄洪约束的表达式为：

|z

其中，

所述出力约束的表达式为：

其中，

步骤130，基于历史预报径流数据和实测径流数据，采用聚类分析和R-vinecopula方法对短期径流预报序列的不确定进行量化。

历史预报径流数据可以是指历史预测的梯级水电站流域的径流的数据。实测径流数据是指实际观测得到的梯级水电站流域的径流数据。短期径流预报序列的不确定用于表征短期内预测的径流的序列的误差。其中，对短期径流预报序列的不确定进行量化，包括：

计算径流预报序列的量级，首先采用k-means聚类法计算预报径流序列F的量级M

径流预报序列的量级可以是指预测的径流量的相对大小或数量级。多元变量是指由多个变量组成的集合；可以包括预报径流序列。其中，所述将径流预报序列不确定性与径流预报序列之间的关系转化为多元变量的联合分布函数与径流预报序列的对应量级之间的关系的表达式为：

M

re

RE＝(re

其中，d(F，F

基于非参数核密度估计法，计算多元变量的边缘分布函数值。采用非参数核密度估计法建立re

其中，φ

构建多元变量的联合分布函数。

选用R-vine Copula构建联合分布函数，基于R-vine Copula的联合概率密度函数得到所述多元变量的联合分布函数，其中，多元变量的联合分布函数f(re

其中，f(re

步骤140，通过遗传算法对多个待选运行方案的短期径流预报序列进行筛选，得到与决策者风险态度相关的最优运行方案。

待选运行方案可以是指运行多级调度梯级水电站发电的方案，不同的待选运行方案可以对应不同的短期径流预报序列。其中，得到最优运行方案，包括：

在已经预报径流序列F时，确定所述短期径流预报序列的量级MF，根据所述短期径流预报序列的联合分布函数模拟得到H个相对预报误差序列(RE

q

其中，q

根据所述发电调度模型中的约束条件生成L个待选方案集合，将所述待选方案集合(S

针对某一方案S

其中，BE

基于所述效益偏差集合，计算对应待选运行方案在置信水平β的条件风险价值。

基于所述待选运行方案在调度期内的期望总发电量和所述条件风险价值，计算与决策者风险态度相关的目标函数值。

将所述目标函数值作为遗传算法的适应度函数，通过遗传算法对待选运行方案进行筛选，得到最优运行方案。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。