楊先華

(云南省水利水電勘測設(shè)計研究院， 云南 昆明 650000)

0 引 言

隨著社會經(jīng)濟的發(fā)展以及專業(yè)技術(shù)的提升，水利工程建造技術(shù)不斷提高，水利樞紐梯級調(diào)度發(fā)電系統(tǒng)能夠提供較大的電能。為此，不少研究學(xué)者加強對水利樞紐梯級調(diào)度發(fā)電的研究，并進一步對發(fā)電最大負荷概率進行預(yù)測，提升發(fā)電系統(tǒng)的發(fā)電性能。

文獻[1]基于經(jīng)驗?zāi)Ｊ椒纸馀c分位數(shù)回歸森林的用戶負荷概率密度組合建立預(yù)測模型，但是將其應(yīng)用到水利工程梯級調(diào)度發(fā)電最大負荷概率預(yù)測中時，不能準(zhǔn)確地掌握數(shù)據(jù)中的相關(guān)信息。文獻[2]基于Copula函數(shù)相關(guān)性測度，提出了一種集合多維尺度分析技術(shù)，解決短期公共樓宇負荷概率密度預(yù)測，數(shù)據(jù)運行效果強，實現(xiàn)了數(shù)據(jù)的管理和控制，但是數(shù)據(jù)處理方式控制過于分散。

因此，針對上述問題，本文提出了一種基于太陽能循環(huán)的概率預(yù)測方法來分析和解決上述問題。研究適合梯級調(diào)度發(fā)電最大負荷概率預(yù)測的優(yōu)化理論和決策方法，提高流域梯級電站的控制和運行水平，實現(xiàn)對流域水能資源的科學(xué)高效利用，適應(yīng)電力企業(yè)市場化發(fā)展的需要，落實國家“節(jié)能減排”政策，承擔(dān)更多的社會責(zé)任，建設(shè)生態(tài)文明社會，具有重要的理論和現(xiàn)實意義。

1 基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電數(shù)據(jù)獲取

為增強概率預(yù)測研究的精準(zhǔn)性，本文首先獲取水利樞紐梯級調(diào)度發(fā)電數(shù)據(jù)[3-4]，研究發(fā)電數(shù)據(jù)的發(fā)電條件。條件方程的設(shè)置如式(1)所示。

(1)

式中:K為條件參數(shù)數(shù)據(jù);a為內(nèi)部發(fā)電數(shù)據(jù);t為水利樞紐系統(tǒng)發(fā)電時間;P為發(fā)點數(shù)據(jù)數(shù)量參數(shù)。根據(jù)上述操作進行條件選擇，并完善初始收集系統(tǒng)的收集空間，在水位上升位置進行標(biāo)記，繪制相應(yīng)的數(shù)據(jù)標(biāo)記圖，如圖1所示。

圖1 數(shù)據(jù)標(biāo)記圖

將收集到的數(shù)據(jù)傳輸?shù)街付ǜ袷降臄?shù)據(jù)庫中進行標(biāo)記，并將標(biāo)記的數(shù)據(jù)進行字節(jié)轉(zhuǎn)化，存儲到數(shù)據(jù)庫系統(tǒng)中。按照整理出的信息進行標(biāo)準(zhǔn)匹配，對汛期水位數(shù)據(jù)進行過濾，研究過濾數(shù)據(jù)的數(shù)量，并挑選出較為適宜的平均數(shù)進行數(shù)據(jù)評定。設(shè)置相關(guān)的平均數(shù)獲取方程：

(2)

圖2 數(shù)據(jù)查找圖

圖2中，數(shù)據(jù)查找中心每秒完成一次刷新操作，在此時間內(nèi)輸入的數(shù)據(jù)被寫到文件緩存區(qū)中，操作將記錄錄入到文件中。此時新寫入的數(shù)據(jù)可以搜索到，并根據(jù)查詢要求從計算機文件或數(shù)據(jù)庫中提取所需的數(shù)據(jù)，輸出某個深度的所有節(jié)點，這些節(jié)點從首端到末端，無限次轉(zhuǎn)換數(shù)據(jù)，以獲取節(jié)點值。

2 基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電數(shù)據(jù)分析

以獲取的水利樞紐梯級調(diào)度發(fā)電數(shù)據(jù)為基礎(chǔ)，進行數(shù)據(jù)分析處理[6]，按照標(biāo)準(zhǔn)化處理模式，選取內(nèi)部結(jié)構(gòu)函數(shù)進行結(jié)構(gòu)調(diào)整，以此完善系統(tǒng)的處理性能，并設(shè)置結(jié)構(gòu)函數(shù)方程式：

S=AC-Q·(d+q)

(3)

式中:S為結(jié)構(gòu)函數(shù)數(shù)據(jù);A為基礎(chǔ)調(diào)整數(shù)據(jù);C為發(fā)點數(shù)據(jù)參數(shù);Q為數(shù)據(jù)整體數(shù)量;d為內(nèi)部結(jié)構(gòu)參數(shù)值;q為主導(dǎo)數(shù)據(jù)標(biāo)準(zhǔn)函數(shù)。經(jīng)過以上數(shù)據(jù)調(diào)整，得到系統(tǒng)優(yōu)化結(jié)構(gòu)信息數(shù)據(jù)，并根據(jù)此數(shù)據(jù)進行內(nèi)容轉(zhuǎn)換，將實體數(shù)據(jù)轉(zhuǎn)化為信息數(shù)據(jù)[7]。在實現(xiàn)數(shù)據(jù)轉(zhuǎn)化后，監(jiān)控數(shù)據(jù)位置，保證數(shù)據(jù)處于系統(tǒng)可操作范圍內(nèi)，并設(shè)置相關(guān)的分析圖如圖3所示。

圖3 數(shù)據(jù)分析圖

3 基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測

歸一化灰色關(guān)聯(lián)度，算出第i個比較序列(氣象影響因素)的因子權(quán)重系數(shù)γi。

(4)

應(yīng)用灰色關(guān)聯(lián)分析方法對系統(tǒng)動態(tài)變化過程進行量化分析比較處理，用以下公式表達向量約束參數(shù)Te。

(5)

式中：t為序列處理時間;Bw為閾值。

使用十倍交叉驗證法組建參數(shù)尋優(yōu)過程，訓(xùn)練和驗證任何連續(xù)兩個月歷史樣本，可以組成以下離線參數(shù)尋優(yōu)總集合。

(6)

式中:G為影響因素的歷史數(shù)據(jù)總集合;V為十倍交叉驗證生成的驗證樣本集合;M為相應(yīng)訓(xùn)練樣本集合。

可以用以下公式對樣本集合V、M構(gòu)成進行表達。

(7)

式中:Si為樣本集合V的構(gòu)成函數(shù);Sj為樣本集合M的構(gòu)成函數(shù)。計算經(jīng)過訓(xùn)練和驗證的兩個樣本集合的相似度均值，可用式(8)表達。

(8)

式中:Pj為相似度均值(第j個訓(xùn)練樣本和測試樣本);ω為樣本屬性權(quán)重值。

根據(jù)水利樞紐的類型進行發(fā)電數(shù)據(jù)劃分，同時在不同的發(fā)電數(shù)據(jù)中找出最大負荷參數(shù)。設(shè)計參數(shù)查詢方程：

(9)

式中:L為參數(shù)查詢數(shù)據(jù)；f為樞紐類型數(shù)據(jù)；d為劃分后的發(fā)點數(shù)據(jù)；g為數(shù)據(jù)總數(shù)量。經(jīng)過上述查詢后，完善系統(tǒng)信息，并對最大負荷概率進行預(yù)測。設(shè)置概率數(shù)據(jù)預(yù)測圖，如圖4所示。

圖4 概率數(shù)據(jù)預(yù)測圖

由此實現(xiàn)精準(zhǔn)預(yù)測，完成對水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測研究。

4 試驗研究

4.1 試驗?zāi)康?/h3>

為了檢測本文基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的預(yù)測效果，將本文方法與文獻[1]和文獻[2]方法進行對比，分析試驗結(jié)果。

4.2 試驗參數(shù)設(shè)置

針對太陽能循環(huán)數(shù)據(jù)的收集復(fù)雜程度以及水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的技術(shù)性，需對其進行試驗參數(shù)設(shè)置，如表1所示。

表1 最大負荷概率數(shù)據(jù)預(yù)測參數(shù)

4.3 試驗結(jié)果與分析

1) 發(fā)電數(shù)據(jù)收集有效率對比圖

水利樞紐梯級調(diào)度發(fā)電的發(fā)電量預(yù)測對于水利樞紐比重較大的電網(wǎng)結(jié)構(gòu)具有重要的意義，本文整合具體的發(fā)電信息與水利樞紐的相關(guān)發(fā)電條件，簡化了計算過程，減少了計算量，可以提高發(fā)電數(shù)據(jù)的收集效率，將本文方法與文獻[1]和文獻[2]方法進行對比，結(jié)果如圖5所示。

圖5 發(fā)電數(shù)據(jù)收集有效率對比圖

由圖5可知，在60 d的試驗時間內(nèi)，本文方法對發(fā)電數(shù)據(jù)的收集效率曲線明顯高于其他兩種方法，說明本文基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的發(fā)電數(shù)據(jù)收集有效率較高。本文方法在收集的過程中注重理論數(shù)據(jù)的分析，不斷查詢數(shù)據(jù)之間的相關(guān)性，按照相關(guān)性原則實現(xiàn)數(shù)據(jù)的精確化處理，指定相同區(qū)間的數(shù)據(jù)參數(shù)。利用數(shù)據(jù)樣本進行數(shù)據(jù)跟蹤，連續(xù)地解析跟蹤數(shù)據(jù)的位置，進行精確的數(shù)據(jù)收集，進而提升了發(fā)電數(shù)據(jù)收集有效率。

2) 最大負荷概率預(yù)測精準(zhǔn)率對比圖

本文歸一化灰色關(guān)聯(lián)度函數(shù)，算出第i個比較序列(氣象影響因素)的因子權(quán)重系數(shù)，提高了最大負荷概率預(yù)測精準(zhǔn)率，對比結(jié)果如圖6所示。

由圖6可知，在試驗時間為50 s時，本文基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的最大負荷概率預(yù)測精準(zhǔn)率為52%，且在試驗時間為100 s時，本文基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的最大負荷概率預(yù)測精準(zhǔn)率為58%。隨著試驗時間的增加，本文基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測的最大負荷概率預(yù)測精準(zhǔn)率不斷提升。

圖6 最大負荷概率預(yù)測精準(zhǔn)率對比結(jié)果

5 結(jié)束語

本文在傳統(tǒng)預(yù)測方法的基礎(chǔ)上提出了一種基于太陽能循環(huán)的水利樞紐梯級調(diào)度發(fā)電最大負荷概率預(yù)測方法。在調(diào)節(jié)系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上，實現(xiàn)對數(shù)據(jù)的預(yù)測整合，增強系統(tǒng)的數(shù)據(jù)性能，強化數(shù)據(jù)管理與系統(tǒng)自動保護能力，縮減研究所需時間，進而提升效率，達到對最大負荷概率預(yù)測有效提升的目的。