关键词:
中长期发电优化调度
OMRO
DDDP算法
轨迹优化
收敛特性
摘要:
水库中长期发电优化调度运用系统工程的理论和优化技术,借助电子计算机,寻求最优调度策略和相应的决策,使优化准则达到极值。离散微分动态规划(DDDP)算法是求解水库中长期发电优化调度数学模型(Optimization Mathematical Model for Reservoir Operation in Mid-Long Term,简记为OMRO)最常用且有效的一种动态规划简化算法,同时,在研究其他智能优化算法时,很多学者也常将其作为比较计算效率的参照对象,但该算法求解方法和思路属于经验性的,计算结果因人而异、不具有唯一性,也存在收敛性和计算效率不稳定等问题。本文着眼于ORMO的DDDP求解方法,以水库中长期发电优化调度数学模型的计算结果为基础,定义算法参数、变量及相关指标,分析算法求解的收敛条件和轨迹优化规律。本文的研究内容主要包括以下几个方面:
(1)水库中长期发电优化调度数学模型DDDP法特性研究。本文以《水电站水库运行与调度》及众多学者的研究为基础,整理了DDDP法现行求解步骤,对DDDP法求解模型中的变量、参数和轨迹进行统一,定义总廊道优化次数、轨迹偏差指数及轨迹收敛率三个定量指标,分别应用于评价DDDP算法的计算工作量和收敛特性,为下文收敛特性分析奠定了基础。
(2)水库中长期发电优化调度数学模型DDDP法的轨迹优化研究。在最优收敛条件已知的基础上,引入步长衰退系数的DDDP算法应用于求解OMRO,设置不同步长衰退系数进行优化计算,实例分析表明:步长衰退系数对最优目标函数值没有影响;步长衰退系数在最优取值范围内(2/3~5/8)时,轨迹偏差指数减小最迅速、轨迹收敛速度最快,比传统算法取值1/2时的计算工作量降低可达16%;同时揭示了优化过程中轨迹收敛率和轨迹偏差指数的3段变化特点。
(3)水库中长期发电优化调度数学模型DDDP法的收敛条件研究。为了解决DDDP算法早熟收敛和收敛性不确定等问题,首先明确两种不同的收敛条件:目标函数值和离散精度的适用场景。针对目标函数值收敛条件,建立入流-发电量关系;针对离散精度收敛条件,建立各决策变量间的转换关系,研究以不同状态量作为控制因子时收敛条件的取值方法,给出最优取值标准。实例分析表明,用该取值方法确定终止步长在缩短计算耗时的同时可获得与理想值相近的优化结果,避免了迭代求解收敛过程的随机性,提高DDDP算法的目标值准确性及运算效率。