深溪沟水电站站内实时负荷优化分配

钟 青 祥,李 佳,牟 时 宇,闻 昕,曾 宇 轩

(1.国家能源集团大渡河流域生产指挥中心,四川 成都 610041; 2.河海大学 水利水电学院,江苏 南京 210098)

0 引 言

大渡河流域是中国第五大水电基地,也是长江流域防洪安全的关键屏障。大渡河中游瀑布沟、深溪沟、枕头坝一级水电站组成的“瀑-深-枕”梯级电站主力承担四川省电网的调峰调频任务,受高强度调峰调频要求、水库库容较小等不利因素的影响,深溪沟水电站长期面临机组频繁启停、水位陡涨陡落等难题[1]。因此,通过实现深溪沟水电站站内实时负荷高效优化分配,在满足决策时效性要求的前提下提高电站运行效益、优化机组运行工况,对于减轻调度人员压力,提高调度决策科学化水平而言具有重要意义[2-4]。

为优化水电站机组运行工况,提高电站运行经济效益,国内外学者对水电站站内实时负荷分配开展了大量的研究。在站内实时负荷分配模型方面,路志宏等[5]提出了一种基于开关控制的站内实时负荷优化分配模型,较好地解决了机组限制运行区等约束问题;孙昌佑等[6]建立了一种水电站站内实时负荷优化分配的数学模型,该模型着重于机组启停成本、规避机组振动区运行策略;李阳[7]建立了水电站机组组合规划模型和机组启停决策模型,有效降低了电站运行成本,提高了运行效益;郭富强等[8-10]以隔河岩水电站为研究对象,从空间和时间两方面建立双目标的厂内负荷实时分配模型,在时间优化方面考虑了开停机、穿越振动区等对优化分配方式的影响,显著降低了耗水及机组穿越振动区次数。在求解算法方面,依俊楠等[11]构建了水电站日优化运行的混合整数线性规划[12-13]模型,显著降低了电站发电耗水率;杨侃[14]提出了多重动态规划模型用以求解大型水电站的厂内经济运行问题,获得了电站各台机组的最佳负荷分配方案[15-16]。近年来,随着人工智能技术的发展,智能算法逐渐被应用于水电站经济运行的研究中,为水电站实时调度提供了更高效的计算方式。钟炜等[17]基于机组负荷优化分配及机组组合优化的特点提出了一种双层耦联遗传算法,该算法在实际工程中得到了较好的应用。程春田等[18]分别采用动态规划法与粒子群算法[19]求解乌江渡水电站厂内经济运行问题,并从计算结果和效率两个方面对比分析两种算法的优缺点。其他智能算法如人工神经网络[20]、混沌优化算法[21-22]等也在水电站厂内经济运行中得到一定程度的应用。

综上可知,水电站站内实时负荷分配方面的模型和算法种类繁多,且相关技术相对成熟,但在实际工程应用中还存在如下不足:① 现有站内实时负荷分配研究的目标函数多数为耗水量最小,未考虑到电站运行的水位目标,在汛期容易导致大量弃水和闸门频繁调整的问题。② 传统优化算法计算耗时长,难以满足实时调度的时效性要求,智能优化算法计算结果不稳定,难以应用于实际调度运行。

因此,为实现实时、高效和经济的负荷分配目标,本文以大渡河中游深溪沟水电站的实时调度运行为背景,提出了一种可以同时适用于枯期调度和汛期调度的基于负荷分配总表的站内实时负荷分配方法。该方法通过组合的思想降低可行方案数量以克服构建负荷总表过程中的维数灾问题,并设置耗水量最小和水位平稳两种可以切换的运行模式,可以根据深溪沟水电站实时运行状态快速生成电站站内实时负荷优化分配方案。

1 研究区概况

1.1 流域及电站概况

大渡河发源于青海省境内的果洛山,是岷江的最大支流,其干流流经金川、泸定等县至石棉折向东流,在乐山市注入岷江。大渡河干流全长1 062 km,全流域面积77 400 km2,年径流量470亿m3,天然落差4 175 m,水能资源丰富。目前大渡河形成了28个梯级的开发格局。其中,下尔呷、双江口、瀑布沟为年调节水库,其余多为日调节或径流式电站,梯级之间多为首尾衔接,整体开发程度高。

深溪沟水电站为大渡河干流的第20级电站,其上游电站为瀑布沟电站,下游电站为枕头坝一级电站。电站正常蓄水位660 m,死水位655 m,正常蓄水位以下库容3 165万m3,调节库容848万m3,为日调节电站。电站共有4台轴流式机组,单机容量16.5万kW,总装机容量66万kW。

总体而言,大渡河流域来水条件复杂多样,流域中游瀑布沟、深溪沟、枕头坝一级电站所形成的梯级电站群共同承担电网高强度调峰调频任务,负荷指令波动大。深溪沟水电站为日调节电站,水库库容较小,调节能力较弱,受梯级电站高强度调峰调频要求的影响,长期存在机组频繁操作、水位陡涨陡落等难题,调度运行难度高、人力工作强度大。

1.2 数 据

模型所用数据主要来源于深溪沟水电站实时运行监测数据,包含电网下达的负荷指令、电站机组实时监测负荷值、入库流量、实时水位等数据。

2 模型基本原理

电站实时调度需要根据电网负荷指令、电站机组状态及上游来水情况,快速得到在满足电站运行约束条件的前提下,能够匹配电站运行目标的站内机组负荷分配方案。

2.1 目标函数

实际运行过程中,电站不同时期的调度往往面临不同的运行目标,如枯水期通常需要提高电站的用水效率,丰水期往往需要在减少弃水的前提下减小电站运行水位的波动。因此,本文针对不同的运行需求分别构建耗水量最小和水位平稳两个目标函数。

(1) 耗水量最小目标函数。

(1)

式中:G1为耗水量最小目标函数;n为电站的机组台数;Q(Ni,t,Ht)为t时刻i号机组在Ni,t出力和Ht水头下的流量Q;α和β为惩罚系数;Qp1为穿越振动区的惩罚流量;Qp2为开机或停机的惩罚流量。

(2) 水位平稳目标函数。

(2)

式中:G2为水位平稳目标函数;Qg为维持水位平稳所需要的发电流量。

Qg,t=It-qt+(V(Zt)-V(Zg,t))/T

(3)

式中:It为入库流量;qt为泄洪流量;V(Zt)为水位为Zt时的库容;V(Zg)为水位为Zg时的库容;其中Zt为t时刻的水库水位;Zg为水库的水位目标;T为计算的时间间隔。

2.2 约束条件

(1) 电力平衡约束。

(4)

式中:Pt为t时刻的电站负荷指令;Pi,t为i号机组在t时刻的负荷。

(2) 电站负荷约束。

(5)

式中:Pmin为电站的负荷上限;Pmax为电站的负荷下限。

(3) 振动区约束。

(6)

(4) 水量平衡约束。

Vt+1=Vt+(It-Qt)Δt

(7)

式中:Vt+1为水库在t+1时刻的蓄水量;Vt为水库在t时刻的蓄水量;It为水库在t时刻的入库流量;Qt为水库在t时刻的出库流量;Δt为时段时长。

(5) 水位约束。

Zmin≤Zt≤Zmax

(8)

式中:Zmin为水库的死水位;Zt为水库在t时刻的水位;Zmax为水库的正常蓄水位。

(6) 流量平衡约束。

(9)

3 求解方法

3.1 负荷分配总表

水电站站内实时负荷分配需要在满足电站负荷、水位要求的前提下,尽可能减少机组穿越振动区次数及启停次数,是一个多约束、非线性的复杂问题。采用传统优化算法计算站内负荷分配方案的耗时较长,难以满足实时调度的时效性要求。为高效求解站内实时负荷分配方案,本文构建包含所有可行水头、开机台数以及负荷指令的负荷分配方案表,实际运行过程中即可根据电站实时状态及负荷指令直接从表中读取并优选负荷分配方案,用于快速指导电站运行。

传统的负荷分配方案表通常可分为最优负荷分配方案表和负荷分配方案总表两类。最优负荷分配方案表记录各水头及机组组合下耗水量最少的电站运行方案,其优势是精度相对较高、查表速度快,劣势是只考虑耗水量最小这一单一目标,在电站具有其他运行目标时难以充分发挥机组的调节能力。负荷分配方案总表则记录电站在各水头、各机组组合下的所有可行机组运行方案,其优势是能适应电站的各种调度运行目标,劣势是方案数量繁多,提高表格精度时容易陷入维数灾。

为适应深溪沟水电站汛期水位平稳的运行目标并克服维数灾所导致的表格精度受限问题,本文运用组合的思想构建负荷分配总表,将传统负荷表中的机组组合简化为开机台数,即在构建表格时削弱对于机组组合顺序的考虑,转而在搜索最优方案的过程中以机组负荷少调为目标确定机组组合方案。负荷分配方案总表示例如表1所列。

表1 负荷分配方案总表示例(水头1)Tab.1 Example of load distribution table

3.2 站内实时负荷分配方案优选

电网下达负荷指令后,可以根据电站的实时水头、机组启停状态在负荷分配总表中快速搜索当前时刻下的最优负荷分配方案,具体流程如下。

(1) 根据电站当前水头值Ht及负荷指令值Nt在表格中搜索得到对应的负荷分配方案集P1。

(2) 根据电站运行的各项约束条件在P1中搜索得到能满足各项约束条件的负荷分配方案集P2。

(3) 根据耗水量最小目标或水位平稳目标优选负荷分配方案集P2中能够取得最优目标函数值的最优负荷分配方案。

(4) 根据最优负荷分配方案中的开机台数S*和电站当前的开机台数S更新电站的机组启停状态,具体可分为如下3类情况:① 若S*>S,则开启当前关机机组中关机时间最久的机组并更新电站机组启停状态和开机台数。重复该操作直至S*=S;② 若S*

4 结果计算与分析

为评估深溪沟水电站站内实时负荷分配模型的运行效果,选取枯水期和丰水期两个运行场景测试模型。经测试,每次模型优化分配计算的平均用时约为0.37 s,满足实时调度的时效性要求。

4.1 枯水期站内实时负荷分配

以2019年1月下旬的深溪沟水电站实时运行数据为例。实际运行中,电站机组共计启停27次,穿越振动区54次。经站内实时负荷优化分配模型计算后,启停为21次,穿越振动区为42次,降幅约为22.2%。该时段内各机组的具体运行情况如图1所示。

图1 2019年1月下旬深溪沟水电站机组出力对比Fig.1 Comparison of unit output of Shenxigou Hydropower Plant in late January,2019

该时段内深溪沟水电站实际运行的发电耗水量约为5.44亿m3,模型优化计算的发电耗水量约为5.43亿m3,降幅约0.21%,节约耗水116.37万m3;实际运行的平均水位为657.71 m,模型优化计算的平均水位为658.22 m,运行水位提升0.51 m;实际运行的耗水率为10.63 m3/(kW·h),模型优化的耗水率为10.61 m3/(kW·h),降幅约0.19%,该时段内各主要运行参数如表2所列。

表2 2019年1月下旬深溪沟水电站运行参数对比Tab.2 Comparison of operating parameters of Shenxigou Hydropower Plant in late January 2019

4.2 丰水期站内实时负荷分配

以2019年7月中旬的深溪沟水电站实时运行数据为例。实际运行中,电站机组共计启停8次,穿越振动区16次。经站内实时负荷优化分配模型计算后,启停为4次,穿越振动区为8次,降幅为50%。为实现水位平稳目标,机组的负荷调整相较于实际运行情况更加频繁,该时段内各机组的具体运行情况如图2所示。

图2 2019年7月中旬深溪沟水电站机组出力对比Fig.2 Comparison of unit output of Shenxigou Hydropower Plant in mid July 2019

该时段内深溪沟水电站实际运行的最高水位和最低水位分别为658.98 m和655.16 m,波动范围3.82 m,模型优化计算的最高水位和最低水位分别为659.11 m和657.19 m,波动范围1.92 m,优化后水位波动范围减小1.90 m,缩小幅度约为49.74%,该时段内各主要运行参数如表3所列。

表3 2019年7月中旬深溪沟水电站运行参数对比Tab.3 Comparison of operating parameters of Shenxigou Hydropower Plant in mid July 2019

5 结 论

针对传统优化算法难以满足深溪沟水电站实时调度时效性要求以及最优负荷分配表难以适应深溪沟水电站水位平稳要求的难题,构建了包含耗水量最小和水位平稳两种不同运行模式的站内实时负荷优化分配模型,提出了基于组合思想改进的负荷分配总表,实现了深溪沟水电站的实时运行效益优化。本文的主要结论如下:

(1) 根据深溪沟水电站的实时调度需求及机组运行约束建立了深溪沟水电站站内实时负荷优化分配模型,构建了负荷分配总表,可在0.4 s内实现各运行工况下站内负荷优化分配方案的快速生成,在完成电站运行目标的前提下,优化电站机组运行工况,可为深溪沟水电站的实时调度提供指导。

(2) 分别以2019年1月下旬和7月中旬为例,通过模型优化深溪沟水电站的实时负荷分配方案。与实际运行相比,2019年1月下旬的电站耗水量降低了0.21%,运行水位提高了0.51m,穿越振动区及启停次数减少了22.2%;2019年7月中旬的电站水位波动范围缩小了49.74%,穿越振动区及启停次数减少了50%。