基于小水电厂智能控制系统的调度算法

基于小水电厂智能控制系统的调度算法摘要：小规模水力发电厂（小规模水力发电厂）运行方式的优化是在其整个一天的工作增加收入的视角考虑的。小规模水力发电厂的解决方案是采用动态规划和广义简约梯度法优化问题。它的输入考虑周期的数据，除了北欧电力现货市场价格变化曲线图。该小规模水力发电厂优化是由最佳的用水分配，以增加其运作的效率。得到的结果证明了在小规模水力发电厂的收入金额上广义简约梯度法优于动态编程优化。关键词：水力发电发电站智能电网1.引言在过去的十年中人们增加了对可再生能源的兴趣，如太阳能，地热能，风能，水电，潮汐能，生物质能和沼气能源。可再生能源和小型发电技术的发展为刺激客户安装他们自己的发电能力创造了条件。电力工业发展的现代概念是基于建立智能电网，智能电表，多发电控制系统，电力分配和消费，使用数字技术的[1]，[2]。更加重视小水电行业在世界的发展是由多种因素造成的。首先，它是水力资源已经掌握了其中一部分可用于大型水力发电厂（HPP）的建设高水平的[3]。中未涵盖的集中供电地区的经济发展，使利用低功耗隔离电厂运行对进口石油的液体或局部资源的[4]。欧盟的能源政策设想可再生能源在能源生产中所占份额的增加。拉脱维亚已经得到了可再生能源的份额在欧盟最高的个人目标，到2020年之一。拉脱维亚必须在2020年增加其份额的可再生能源在能源，以40％的最终消费总额，而整体欧洲的目标是只有20％。使用可再生能源电力生产的支持是在拉脱维亚提供。从可再生电能的主要部分在拉脱维亚源产于水力发电厂。有在拉脱维亚超过200中小河流和140多个小规模的水力发电厂。小规模水力发电厂是分布式能源的一部分。在市场条件下小规模水力发电厂操作的有效性是由收入额在调整期间确定的。这个收入可以政权的条件，提供了最高的下得出可能的总发电量小规模水力发电厂取决于从在一定时期的水流量。收入的金额能够从用电的考虑计算时间，例如已知的市场价格来计算，根据北欧现货市场价格表[5]。作者提出的材料，是关于在拉脱维亚的小水电站研究问题的一部分，该问题是为了提高其运行效率。得到的结果对于打算使用小河流的水能的电力工程专家或许是有用的。目前，对于大水电站与小水电站的范畴是没有单一的全球标准。此外，在一些国家这些标准随时间而改变。安装的职权范围区分大水电站与小水电站在不同的国家是有相当大的范围（从2至3万千瓦[3]，在拉脱维亚的小水电站与电力5兆瓦或以下的水电站）。2.任务状态各种可能类型技术的小水电站，作为能量来源，造成了一些困难，同时发展其控制系统。这是需要操作的最佳模式，实现从控制系统，监控设备状态，在大型水力发电厂区分异常和备用情况，防止它的恶化，提供了分布式网络和消费者提供必要的电流控制中心的操作人员信息。现代控制系统和调度的知识基础是复杂的软件和算法，使以保证不同消费者的负载下在线小规模水力发电厂的最佳工作条件。此外，受托者应当记录时间，每天的和每个季节的气候条件的变化。这些功能由小规模水力发电厂运行控制系统的执行将为后者提供可靠的功能。据一些专家介绍，智能控制系统的所有基本功能应在计划层面提供[1][6][7]。河流的天然水流入规则不匹配的用水制度的电力生产和在这种情况下，其他方面的需要，有必要重新分配天然来水，即订立规例。为了这个目的构造的存储池。他们延缓水分过多天然来水的时候，水的自然使用率超过必要对消费者的时间。积水的时段，在小规模水力发电厂增加发电使用时自然支出成为不必要的。小规模水力发电厂最赚钱的运行方式的选择问题，只有在有水的水库，可提供制度监管的能力下最好。调节过程的想法是，在某个时间段小规模水力发电厂适用于用水量excessing流入从水库的水消耗和时间小规模水力发电厂使用比流入的水少，填补了水库其他期间。该水库消落发生在高电价在电力系统中或小的天然流入时期。该水库填补了发生在低电价或大型水流入的时期。从水库消落到下一次水库消落为一个周期开始的时间间隔，以它填补了之后的下一个提款期被称为调控周期。水库（无长期调控的机会）的小容量不允许使用在季节性涌水规律性的变化。根据这一情况计划缩减和填充水库与小容量只能与总电负荷在电力系统中，其中有每日和每周的周期性变化规律连接进行。显然，在调控周期，无论其持续时间，小规模水力发电厂只能使用一个严格定义的水量，由流入决定的，即环境条件，这不能任意改变。因此，对小规模水力发电厂的计划体制的可行性条件之一是利用一定量的水，它等于在调控周期的自然流入。小规模水力发电厂的水压力的变化是由水位的上游和下游的变化引起的。这通过小规模水力发电厂的涡轮机是由于水的使用。因此，水位的变化应当由Hmax从顶部和由Hmin从底部的限制，即Hmin≤H≤Hmax(1)液压动力是水的机械能的类型之一。它的量是由众所周知的公式表示为[8]Ap=γ∙W∙H(2)其中Ap-势能，kgm；W-水量，立方米;γ-水的体积密度（1000=γkg/m3的）和H-水滴的高度（H=h1-h2），M。如果将用于一定量水（W）在时间间隔t（s），然后将得到每秒的水流量量（m3/s）。Q=𝑊𝑡(3)如果考虑中的（2）表达的Q，液压能转换成一般形式（kgm）Ap=γ∙Q∙H∙t(4)单位工作时间生产的量，称为产能，它的计量是（KGM/秒）Np=𝐴𝑝𝑡=𝛾∙𝑄∙𝐻∙𝑡𝑡=1000∙𝑄∙𝐻∙𝑡𝑡=𝑄∙𝐻(5)瀑布容量是以马力（HP）来描述的𝑁𝑝(1)=1000∙𝑄∙𝐻75=13.33∙𝑄∙𝐻(6)或者用千瓦特来描述𝑁𝑝(1)=0.736∙1000∙𝑄∙𝐻75=9.81∙𝑄∙𝐻(7)1PH=75kgm/sec=0.736kW;1kW=102kgm/sec.[8]在HPP的压力变化是由上游和下游水位变化引起的。这通过水电涡轮机是由于水排出。对于小规模水力发电厂政权的计算是用来产生单位的信息（图1）。此信息包含在水轮机的普遍特点[9]。水电机组的容量确定的表达式：𝑃𝑆𝐻𝑃𝑃=9.81∙𝜂𝐻𝐴∙𝑄∙𝐻(8)其中小规模水力发电厂容量为P小规模水力发电厂，单位为千瓦；Q是单位时间流通过涡轮的水，单位为立方米╱秒；H为在小规模水力发电厂的水位差，单位为米；ηHA是水电机组的相对单位的效率因子：ηHA=ηturb⋅ηG，其中ηturb是在相对单位涡轮机效率的因素；ηG是在相对单位发电机效率的因素[3]，[9]，[10]。在市场条件驱动下小规模水力发电厂最大收入推导的数学任务可以归结为如下。这是需要通过对调控周期T提供了最大的收入来确定小规模水力发电厂运行时间表I(𝑃1,𝑃2,⋯𝑃𝑗)=∑𝐼𝑗(𝐶𝑗,𝑃𝑗)→𝑚𝑎𝑥𝐽𝑗=1,(9)在条件（1）下和贮水器使用了设定量的水Wj条件下∑𝑄𝑗∙∆𝑡𝑗𝐽𝑗=1=𝑊𝑗(10)其中Ij（cj，Pj）-来自售电收入，即产生于小规模水力发电厂的时间间隔Δtj由已知的市场价格cj期间，Т-调控周期持续时间：=∑∆𝑡𝑗𝐽𝑗=1；Qj是通过小规模水力发电厂的水流时间间隔的水流量，单位是m3/s；Wj是可以通过调节每个周期（日，周等）小型水力发电站来传递量的集合的水。该时间间隔等于ΔTj=1小时小规模水力发电厂的日常调节周期。发电上小规模水力发电厂过程中的第j个区间ΔTj被定义为：Pj*ΔTj。在已知的自然流入（河的天然来水，由于该水库被填满）Qflow，在监管的每个时间间隔所使用的水流量是Qj，它取决于水的水库容量（m3）的用法[3]，[10]。3.优化方法广义简约梯度法（GRG）型是简约梯度法（RG）的发展，它可以用来在非线性函数的局限性下解决非线性规划任务。GRG方法的主要思想是通过消除依赖（基本）变量，以减少问题的维度，然后应用RG方法确定下降方向和最佳的判断标准。动态规划的方法，属于一类所谓的多步决策（多级）的过程：每个间隔的轨迹（策略）被发现，最佳的（最好的一个）的收入额计算在给定的时间间隔，并在所有以前的。在一般情况下，动态编程的方法的思想是，最优轨迹，连接起始点与结束点会留最佳，即使在情况建模过程将结束更早的点，这是在这个轨迹中找到。图1：这个问题通过最优化的动态规划水位变化动态规划的方法为优化任务提供了一个全球性的解决方案。目标函数在这里（线性，非线性等）不是重要的。它是必需的唯一的可能性在不同的点来确定该函数的值。唯一的条件，以它的使用的可能性是加性有关的目标函数（目标函数值，从而优化整个过程和必须等于在每个阶段的代数收入总和（间隔）的要求。这具体例子动态规划法的实施为解决现有网络的优化开发工作是众所周知的专著的材料都在这里[10]。所提供的电力行业的例子由DP方法求解[11]。其他的例子[12][13]。4.问题解决开发的算法通过市场价格的可操作性上说明具体的例子小规模水力发电厂（在Berzes河，拉脱维亚）管理的优化。允许调节小规模水力发电厂的主要数据：水库储量的最高水平是8.2m；标称容量是300kW；全年平均流入水库–2.4m3/s。由于环保在拉脱维亚法规的水小规模水力发电厂水库的最低水平应不低于7.9米[14][15]。微控制器被用在待机制度，以控制水的水平。年满水一定水平（最小/最大）微控制器不允许水平的进一步减少（增加）。该小规模水力发电厂的收入考虑水库入库水量和水平限制，其计算方法是两种优化方法：1）动态规划；2）其中广义简约梯度法的编程实现非线性求解器。这样造型的通过动态规划的方法的精确度取决于数量，储存储的可能的离散标记有多少个是取在每个时间间隔的结束–下一点Н，最准确的结果。要指定使用小规模水力发电厂的单曲的水库蓄水调度，可以通过降低压力变化ΔН的步骤。我们的优化工作水位步骤是0.025米。优化后作出了总结收入（目标函数）全日周期。结果已经找到了利用非线性规划（图4和图5）。在优化任务的解决方案后，存储池的水位列于图2和图3。动态规划的优化是用一套步（0025M），这就是为什么水位不下降到零点。当非线性求解器带有集成的GRG方法是由优化用于水有关金额可提供最大收益小规模水力发电厂。图2：用动态规划方法优化水库水位图3：通过与广义简约梯度法的编程方法优化水库水位该小规模水力发电厂的第一个优化方法（动态规划）的收入为192.23欧元，但第二个优化方法的收入为200.18欧元。第一个优化方法收入较第二个少7.95欧元。图4：市场价格和发电图形用动态规划法优化可以在其政权取决于电价变化的时间表行为得到小规模水力发电厂的最大收入。由此对应区间的成本变化的数量的选择的应用的算法是顶重要性。图5：市场价格和发电图形与广义简约梯度法的编程方法优化5.总结所获得的结果表明，GRG方法的使用可以比动态编程的方法提供更准确的结果，因为GRG方法不从所述离散化，即水位步长值依赖。当减小一个步长值，动态编程的方法中的接收结果，由GRG方法相比提供了近似的结果（不是最佳的），并计算和时间的复杂使用了解决问题的增加。在此任务，当使用动态编程的方法，所述组输入参数不需要考虑到的一个小规模水力发电厂的关闭状态，每小时水流量增大了小规模水力发电厂水位为0.0315米，但所选择的步长值不允许考虑到这种变化。当步长是在0.025米，能够提高水位仅用于0.025米，但水的左额是用于33千瓦由发电厂发电，但它不留在一个完全关闭状态积水在广义简约梯度法的方法。该小规模水力发电厂的水积聚在一个蓄水池当时的价格在电力市场相对较低，排水的高价格水平产生最大功率考虑水位限制的情况下。广义简约梯度法和动态规划方法可以在小规模水力发电厂的智能系统控制算法中发展。参考文献[1]L.B.Director,V.M.Zejcenko,I.L.Majkov,Intellectualcontrolsystemsofautonomousenergycomplexesincomposeoflocaldistributionnetworksofsmallenergetics,inProc.2012ofRussianAcademyofSciences,Energet