金傳鑫,李紅剛,艾顯仁,陳 超,劉楊洋
(1. 南瑞集團(tuán)有限公司(國(guó)網(wǎng)電力科學(xué)研究院),江蘇 南京 211100; 2. 華能瀾滄江水電股份有限公司,云南 昆明 650000)
我國(guó)是世界上水電能資源最豐富的國(guó)家之一,近年來(lái),隨著我國(guó)流域水電建設(shè)的大力推進(jìn),水電裝機(jī)容量越來(lái)越大,清潔、高效的水電能源已成為我國(guó)“雙碳”目標(biāo)實(shí)現(xiàn)的主力軍。伴隨著水電建設(shè)的推進(jìn),各大流域梯級(jí)水庫(kù)群也逐步形成,相對(duì)于單庫(kù)而言,梯級(jí)水庫(kù)間的水量、水力聯(lián)系更加復(fù)雜,其優(yōu)化調(diào)度目標(biāo)、約束條件眾多,建模與求解的難度越來(lái)越大。
近些年來(lái),隨著計(jì)算機(jī)技術(shù)與智能優(yōu)化算法的不斷發(fā)展,針對(duì)梯級(jí)水庫(kù)優(yōu)化調(diào)度的模型建模與求解研究取得了不錯(cuò)的成果。WANG等[1]建立了包含求解期末水庫(kù)庫(kù)容循環(huán)模塊和求解發(fā)電計(jì)劃過(guò)渡模塊的梯級(jí)水庫(kù)群非線性優(yōu)化模型,并將其應(yīng)用于福建省電網(wǎng)大規(guī)模水電系統(tǒng)的短期優(yōu)化調(diào)度問(wèn)題的求解,取得較好的優(yōu)化效果。李亮等[2]對(duì)大分解協(xié)方法和逐次優(yōu)化法(DPSA)進(jìn)行了對(duì)比研究,結(jié)果表明DPSA 法求解精度較高而大系統(tǒng)分解協(xié)調(diào)法求解速度較快。王金文等[3]構(gòu)建了以發(fā)電量最小為目標(biāo)的三峽梯級(jí)水庫(kù)隨機(jī)動(dòng)態(tài)規(guī)劃調(diào)度模型。2011 年唐國(guó)磊等[4]以二灘水庫(kù)為例,構(gòu)建了考慮徑流預(yù)報(bào)隨機(jī)性的水庫(kù)隨機(jī)動(dòng)態(tài)優(yōu)化調(diào)度模型。徐煒等[5]提高了隨機(jī)動(dòng)態(tài)規(guī)劃算法的計(jì)算效率。王昱倩等[6]考慮發(fā)電保證率和最大破壞深度約束,構(gòu)建了水電站隨機(jī)動(dòng)態(tài)規(guī)劃調(diào)度模型。紀(jì)昌明等[7]通過(guò)二重嵌套動(dòng)態(tài)規(guī)劃計(jì)算給定模擬精度下的高質(zhì)量解,并針對(duì)算法固有的“維數(shù)災(zāi)”問(wèn)題,從內(nèi)存占用量和計(jì)算時(shí)間兩方面進(jìn)行了降維。趙曉鳳[8]等采用含縮放因子的運(yùn)移策略和自適應(yīng)調(diào)參策略對(duì)其改進(jìn),提出了改進(jìn)的腎臟算法,提高的梯級(jí)水庫(kù)發(fā)電量。劉喜峰[9]提出一種動(dòng)態(tài)水流滯時(shí)的梯級(jí)水電系統(tǒng)日優(yōu)化調(diào)度模型,研究了水流滯時(shí)對(duì)梯級(jí)水庫(kù)群發(fā)電效益的影響。王渤權(quán)[10]等構(gòu)建了動(dòng)態(tài)可行域?qū)?yōu)空間,有效的提高了算法尋優(yōu)效率,為算法求解提供了新的解決思路。
對(duì)于梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度問(wèn)題[11-13],其包含的變量多、約束復(fù)雜,雖然傳統(tǒng)或智能優(yōu)化方法能夠得到滿足相關(guān)目標(biāo)與約束的解,但優(yōu)化結(jié)果太過(guò)于偏重目標(biāo)值,往往出力過(guò)程波動(dòng)性大,難以滿足實(shí)際水庫(kù)調(diào)度要求。此外,隨著梯級(jí)水庫(kù)數(shù)量的增加,實(shí)時(shí)優(yōu)化調(diào)度模型的求解時(shí)間也大大增加,不能滿足調(diào)度時(shí)效性要求。因此,在實(shí)際梯級(jí)水庫(kù)短期調(diào)度中,優(yōu)化調(diào)度效果有限,調(diào)度人員還需要根據(jù)個(gè)人經(jīng)驗(yàn)來(lái)進(jìn)行調(diào)度決策,存在著較大的盲目性和隨機(jī)性。為解決上述過(guò)程,可以從歷史已發(fā)生的調(diào)度結(jié)果出發(fā),尋求合適的解決方案。若是能夠?qū)㈤L(zhǎng)系列歷史調(diào)度決策過(guò)程或結(jié)果分類、分場(chǎng)景總結(jié)成可見(jiàn)的調(diào)度規(guī)則,調(diào)度人員在實(shí)時(shí)調(diào)度時(shí)就可以依賴歷史過(guò)程總結(jié)形成的調(diào)度知識(shí)決策,不僅更加快捷,決策結(jié)果也將更加科學(xué)、合理。
鑒此,本文擬基于歷史的調(diào)度數(shù)據(jù),基于聚類分析等數(shù)據(jù)挖掘方法,考慮調(diào)度時(shí)期、業(yè)務(wù)類型、調(diào)度期長(zhǎng)度等場(chǎng)景要素,提出電站出力場(chǎng)景構(gòu)建技術(shù),挖掘基于長(zhǎng)系列歷史運(yùn)行數(shù)據(jù)的典型出力場(chǎng)景,形成出力場(chǎng)景庫(kù),在此基礎(chǔ)上,開展基于出力場(chǎng)景庫(kù)的梯級(jí)水電站短期優(yōu)化調(diào)度研究,并通過(guò)實(shí)例分析驗(yàn)證方法的可行性與實(shí)用性。
根據(jù)實(shí)際情況,篩選合適的場(chǎng)景要素,通過(guò)不同場(chǎng)景要素的組裝,形成場(chǎng)景庫(kù)。主要包括場(chǎng)景要素的選擇與聚類分析、場(chǎng)景要素的相關(guān)性分析與權(quán)重設(shè)置及場(chǎng)景要素的數(shù)字化與場(chǎng)景匹配等內(nèi)容。
場(chǎng)景要素通常分為確定性要素、輸入要素、輸出要素等。確定性要素包括調(diào)度時(shí)期、業(yè)務(wù)類型、調(diào)度期長(zhǎng)度、調(diào)度對(duì)象、水庫(kù)水位限制、出庫(kù)流量限制、出力限制、調(diào)峰時(shí)間等。輸入要素主要是入流過(guò)程、出力過(guò)程、入庫(kù)水量、初始水位邊界等。輸出要素主要包括下泄流量過(guò)程、下泄總量、水庫(kù)水位過(guò)程、調(diào)度期末水位等。
在場(chǎng)景要素確定之后,基于聚類分析和人工經(jīng)驗(yàn)法相結(jié)合方法,對(duì)海量歷史數(shù)據(jù)按不同類型、來(lái)源、年限、時(shí)間段等條件劃分,以構(gòu)建不同調(diào)度要素級(jí)別下的組合場(chǎng)景,為場(chǎng)景庫(kù)搭建提供支撐。本文以預(yù)報(bào)流量序列為例,劃分步驟如下:
步驟1:獲取研究流域的電站歷史運(yùn)行數(shù)據(jù)、歷史水情監(jiān)測(cè)數(shù)據(jù)等場(chǎng)景構(gòu)建所需要的數(shù)據(jù)。
步驟2:通過(guò)人為經(jīng)驗(yàn)分析研究流域特性,確定徑流預(yù)報(bào)系列(Q0,Q1,…,Qn)的凝聚點(diǎn)(D0,D1,…,Dn);
步驟3:計(jì)算每個(gè)徑流預(yù)報(bào)系列與凝聚點(diǎn)的距離,并尋找出與之最近的凝聚點(diǎn),將其歸為該級(jí)別中,公式如下,式中Qi代表第i個(gè)徑流系列值,m3/s;Dj代表第j個(gè)凝聚點(diǎn),m3/s。
步驟4:計(jì)算每個(gè)徑流級(jí)別下的徑流平均值,并將該系列平均值作為新的凝聚點(diǎn)(Dk0,Dk2,…,Dkn),k表示迭代k次形成的凝聚點(diǎn)系列;
步驟5:計(jì)算新的凝聚點(diǎn)與原始凝聚點(diǎn)的距離,判斷是否達(dá)到終止條件,若否則返回步驟(3);若是,則計(jì)算結(jié)束,輸出分類結(jié)果。
本文基于采用最大信息系數(shù)法(The Maximal Information Coefficient, MIC)確定景要素的相關(guān)性,其具體步驟如下:
步驟1:計(jì)算每一個(gè)有序?qū)?shù)據(jù)集劃分后對(duì)應(yīng)的最大互信息。對(duì)于給定有序?qū)?shù)據(jù)集D?R2,將其劃分為x×y個(gè)網(wǎng)格G(其中x和y是正整數(shù)),網(wǎng)格對(duì)應(yīng)的概率分布為D|G。最大互信息定義為:
式中:max 是將D上XY軸劃分后,所有可能網(wǎng)格劃分G上互信息的最大值;I(D|G)表示在概率分布D|G情況下的互信息。
步驟2:由標(biāo)準(zhǔn)化后的互信息獲得分組成特征矩陣。有序?qū)?shù)據(jù)集D上特征矩陣M(D)的第x行y列的元素如下式所示,其中的元素分別對(duì)應(yīng)A中各x×y劃分下劃分位置最好時(shí)得到的互信息值。
步驟3:將特征矩陣M(D)表示為可視化的一個(gè)表面,此時(shí)MIC對(duì)應(yīng)于在特征矩陣中M(D)數(shù)據(jù)規(guī)模為n的有序?qū)?shù)據(jù)集D中網(wǎng)格劃分后的最大值點(diǎn),且劃分的網(wǎng)格數(shù)量小于等于B(n)。
式中:ω(1)<B(n)≤O(n1-ε),0<ε<1;B(n)一般取值為n0.6。
為保證各場(chǎng)景要素的差異性,采用主客觀權(quán)重法對(duì)各個(gè)場(chǎng)景要素賦予權(quán)重,以分別考慮不同情形下的決策側(cè)重。主要步驟如下:
步驟1:采用P種主觀賦權(quán)法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重確定,定義Wp=(wpk| 1≤p≤P, 1≤k≤Num)為主觀權(quán)重集合,且?p∈[1,P],。采用的主觀賦權(quán)法主要有層次分析法[14,15]和G1法[16]。
步驟2:采用Q種客觀賦權(quán)法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重確定,定義Wq=(wqk| 1≤q≤Q, 1≤k≤Num)為客觀權(quán)重集合,且?q∈[1,Q],。采用的客觀賦權(quán)法主要有熵權(quán)法[17]和離差最大化法。
步驟3:令W=(wk|1≤k≤Num)為場(chǎng)景要素組合權(quán)重向量。設(shè)P和Q分別為從主觀權(quán)重總體和客觀權(quán)重總體中抽取的樣本數(shù),則指標(biāo)xk(1≤k≤Num)會(huì)有P+Q個(gè)權(quán)重樣本值。為獲取最優(yōu)組合權(quán)重,令各指標(biāo)權(quán)重wk滿足與P+Q個(gè)主客觀權(quán)重的偏差最小。同時(shí),設(shè)α和β分別為主觀權(quán)重和客觀權(quán)重的相對(duì)重要系數(shù),構(gòu)造組合權(quán)重優(yōu)化集成模型如下:
步驟4:基于矩估計(jì)的基本思想,可計(jì)算指標(biāo)xk的wpk和wqk的期望值:
步驟5:進(jìn)一步求得指標(biāo)xk的相對(duì)重要系數(shù)αk和βk:
步驟6:針對(duì)決策矩陣中的指標(biāo),可視為從2 個(gè)總體中分別取Num個(gè)樣本,基于矩估計(jì)原理可得:
步驟7:針對(duì)每一個(gè)評(píng)價(jià)指標(biāo)xk,以De(k)最小化為目標(biāo),可構(gòu)建組合權(quán)重優(yōu)化集成模型:
步驟8:對(duì)上述模型作線性加權(quán)處理后,采用Lagrange 乘子法[18]求解,獲取指標(biāo)xk的最優(yōu)組合權(quán)重:
出力場(chǎng)景的構(gòu)建,其目的在于指導(dǎo)后期基于場(chǎng)景的短期調(diào)度,即后期調(diào)度過(guò)程中需要根據(jù)當(dāng)前實(shí)際情形選擇最佳的匹配場(chǎng)景。在此過(guò)程中,需要有一個(gè)場(chǎng)景匹配環(huán)節(jié),要實(shí)現(xiàn)場(chǎng)景匹配的自動(dòng)化,需要首先對(duì)場(chǎng)景進(jìn)行數(shù)值化描述,例如,對(duì)于場(chǎng)景要素調(diào)度時(shí)期:枯期、汛期、過(guò)渡期,可以將枯期賦值為0、汛期賦值為1、過(guò)渡期賦值為2。對(duì)其他的場(chǎng)景要素進(jìn)行同樣的賦值,就可以將定性的要素描述為定量的要素,實(shí)現(xiàn)多維度的場(chǎng)景要素空間構(gòu)建。
在多維場(chǎng)景要素空間構(gòu)建完成后,便可采用空間距離公式等方法,根據(jù)當(dāng)前的要素情景,匹配最佳的出力場(chǎng)景,再進(jìn)行適當(dāng)修正后便可用于指導(dǎo)實(shí)際梯級(jí)水庫(kù)調(diào)度運(yùn)行。
出力場(chǎng)景模型構(gòu)建的總體技術(shù)路線如圖1所示。
圖1 出力場(chǎng)景模型構(gòu)建的總體技術(shù)路線圖Fig.1 Overall technical roadmap for the construction of output scenario model
根據(jù)前述所得的場(chǎng)景庫(kù),根據(jù)當(dāng)前發(fā)電計(jì)劃編制需求,獲取計(jì)劃編制邊界條件、調(diào)度工況以及調(diào)度目標(biāo),提出基于場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法,步驟如下:
步驟1:根據(jù)預(yù)測(cè)徑流數(shù)據(jù),實(shí)時(shí)水位數(shù)據(jù),約束限制數(shù)據(jù),調(diào)峰出力目標(biāo)數(shù)據(jù)等,初步確定場(chǎng)景要素集合;
步驟2:基于前述指標(biāo)相關(guān)性分析方法,進(jìn)行場(chǎng)景要素相關(guān)性分析,確定當(dāng)前場(chǎng)景的主要判定要素;
步驟3:基于前述主客觀賦權(quán)法,對(duì)各個(gè)要素賦權(quán)值;
步驟4:采用如下空間距離公式,從場(chǎng)景庫(kù)中搜索計(jì)算得到距離D最小的N個(gè)出力場(chǎng)景(本文取N=5)。
步驟5:根據(jù)選中的N個(gè)出力場(chǎng)景,提取該場(chǎng)景下調(diào)度期的典型負(fù)荷過(guò)程,并結(jié)合實(shí)際情況,優(yōu)選最佳的出力場(chǎng)景,獲得對(duì)應(yīng)的調(diào)度方案,若滿足要求,則結(jié)束。否則進(jìn)入步驟6;
步驟6:根據(jù)當(dāng)前實(shí)際情形,對(duì)所得調(diào)度方案進(jìn)行“以電定水”調(diào)度計(jì)算,并進(jìn)行適當(dāng)修正,得出更新后的方案;
步驟7:修正后的方案若滿足要求,則用于指導(dǎo)實(shí)際調(diào)度運(yùn)行。若不滿足要求,則進(jìn)入步驟2,修正當(dāng)前場(chǎng)景的主要判定要素,再次進(jìn)行計(jì)算,直到滿足要求。
總體流程如圖2所示。
圖2 基于場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度總體流程Fig.2 Overall process of short-term optimal operation of cascade reservoirs based on scenario set
沙溪是閩江的主流,發(fā)源于武夷山脈杉嶺南麓的九縣山,沙溪全長(zhǎng)328 km,集水面積11 793 km2,占閩江流域總面積19.33%,全年不發(fā)生河干、斷流和冰封現(xiàn)象。沙溪干流河段共有十一個(gè)梯級(jí),分別是:安砂、豐海、鴨姆潭、西門、貢川、竹洲、臺(tái)江、班竹、城關(guān)、高砂、官蟹。這些電站中,除安砂為不完全年調(diào)節(jié)性能外,其余電站均為徑流式電站,無(wú)調(diào)節(jié)能力,汛期時(shí)由于庫(kù)容較小,閘門開啟較頻繁。
針對(duì)沙溪流域的這一特點(diǎn),梯級(jí)優(yōu)化調(diào)度主要是對(duì)龍頭有調(diào)節(jié)性能的水庫(kù)進(jìn)行優(yōu)化調(diào)度,但在實(shí)際調(diào)度中,安砂水庫(kù)的調(diào)度還需要考慮下游電站的調(diào)度運(yùn)行過(guò)程,因此需要考慮的約束、邊界眾多,是一復(fù)雜、多維數(shù)的規(guī)劃問(wèn)題。鑒于此,開展基于場(chǎng)景庫(kù)的梯級(jí)水電站短期優(yōu)化調(diào)度研究,對(duì)于指導(dǎo)沙溪流域梯級(jí)水電站實(shí)際調(diào)度運(yùn)行具有重要意義。本次選取沙溪上的安砂、豐海、西門、貢川、城關(guān)、高砂六座梯級(jí)電站做算例分析使用。電站基本參數(shù)如表1所示。
表1 沙溪流域梯級(jí)水庫(kù)基本參數(shù)表Tab.1 Basic parameters of Shaxi Cascade Reservoirs
根據(jù)本流域調(diào)度運(yùn)行特征,提取得到的場(chǎng)景要素如表2所示。
表2 場(chǎng)景要素表Tab.2 Scenario element
基于上述場(chǎng)景要素劃分,可構(gòu)建梯級(jí)計(jì)算場(chǎng)景、多日?qǐng)鼍?、峰型匹配?chǎng)景、總電量匹配場(chǎng)景等多種場(chǎng)景,限于篇幅,實(shí)例研究中主要以固定頂峰時(shí)間的梯級(jí)單峰3天計(jì)劃編制場(chǎng)景為例進(jìn)行分析。
本場(chǎng)景是梯級(jí)6庫(kù)單峰場(chǎng)景下的3 d的計(jì)劃編制,確定性要素包含汛期、單峰、3天、梯級(jí)水庫(kù);同時(shí)在本場(chǎng)景非確定性要素中新加入調(diào)峰峰型、頂峰時(shí)間指標(biāo),同時(shí)調(diào)整頂峰時(shí)間、調(diào)峰峰型權(quán)重,強(qiáng)化指標(biāo)的重要性。采用本文提出的基于場(chǎng)景的優(yōu)化調(diào)度方法進(jìn)行計(jì)算的相關(guān)計(jì)算參數(shù)如表3所示。
表3 場(chǎng)景計(jì)算參數(shù)表Tab.3 Calculation parameter of scenario
根據(jù)確定性要素、計(jì)算參數(shù),采用前述聚類分析方法,選擇頂峰時(shí)間、調(diào)峰量、調(diào)峰峰型等9個(gè)非確定型指標(biāo)作為本場(chǎng)景的判定要素,同時(shí)生成了10個(gè)典型場(chǎng)景方案。采用前述基于MIC的評(píng)價(jià)指標(biāo)相關(guān)性分析方法及主客觀權(quán)重賦權(quán)法,場(chǎng)景3中,10個(gè)典型方案與各個(gè)要素指標(biāo)的相關(guān)關(guān)系圖(見(jiàn)圖3)及各個(gè)特征要素的權(quán)重值分配如表4所示。
表4 場(chǎng)景各個(gè)特征要素權(quán)重Tab.4 Weight of each feature element in scenario
圖3 場(chǎng)景各典型方案特征要素相關(guān)關(guān)系圖Fig.3 Correlation diagram of characteristic elements of each typical scheme in scenario
進(jìn)一步根據(jù)場(chǎng)景要素匹配方法,2022 年6 月26 日-28 日方案在調(diào)峰峰型、調(diào)峰量、頂峰時(shí)間等特征要素與計(jì)算參數(shù)關(guān)聯(lián)性最密切,故將此方案選定為典型場(chǎng)景。
為對(duì)比本文所提方法的先進(jìn)性,采用常規(guī)優(yōu)化調(diào)度方法進(jìn)行對(duì)比計(jì)算,控制末水位通過(guò)以水定電優(yōu)化模型計(jì)算。本文方法和常規(guī)優(yōu)化方法計(jì)算參數(shù)一致,主要計(jì)算結(jié)果如表5所示。
表5 場(chǎng)景計(jì)算結(jié)果對(duì)比Tab.5 Comparison of calculation results in scenario
兩種優(yōu)化方法的詳細(xì)計(jì)算結(jié)果如圖4所示。
圖4 場(chǎng)景法及優(yōu)化法的梯級(jí)水庫(kù)蓄能過(guò)程及梯級(jí)平均出力過(guò)程Fig.4 Cascade reservoirs energy storage process and cascade average output process of scenario method and optimization method
由主要結(jié)果對(duì)比及具體水庫(kù)蓄能過(guò)程及梯級(jí)平均出力過(guò)程可知,場(chǎng)景方法整個(gè)計(jì)算期內(nèi),梯級(jí)水庫(kù)的出力過(guò)程為日內(nèi)單峰過(guò)程,梯級(jí)整個(gè)出力過(guò)程平滑。整個(gè)過(guò)程符合單峰設(shè)定,且總體出力過(guò)程平滑,適合實(shí)用化,該方法計(jì)算時(shí)間155 s。
常規(guī)優(yōu)化法中,由于權(quán)重的設(shè)置,每日出力過(guò)程為日內(nèi)單峰過(guò)程、頂峰時(shí)間與場(chǎng)景法完全一致,頂峰時(shí)段的電量也基本一致;整個(gè)調(diào)度期,發(fā)電量比場(chǎng)景優(yōu)化方法多1.8 萬(wàn)kWh,基本可認(rèn)為差距不大;但是常規(guī)優(yōu)化方法的劣勢(shì)也很明顯:整個(gè)出力過(guò)程波動(dòng)頻繁,幾乎每個(gè)時(shí)段出力都需要調(diào)整,分析其原因,優(yōu)化調(diào)度旨在可行域內(nèi)按照發(fā)電量最大為目標(biāo)進(jìn)行計(jì)算,實(shí)則為一數(shù)學(xué)規(guī)劃問(wèn)題,其物理背景(調(diào)度規(guī)程、運(yùn)行要求、調(diào)度經(jīng)驗(yàn))均通過(guò)約束形式體現(xiàn)。當(dāng)約束確定后,優(yōu)化空間也隨之確定,因此會(huì)呈現(xiàn)出波動(dòng)性大的特點(diǎn),不利于實(shí)際生產(chǎn)運(yùn)行應(yīng)用;此外,該方法計(jì)算時(shí)間為388 s,也遠(yuǎn)大于場(chǎng)景優(yōu)化方法,計(jì)算效率明顯低于場(chǎng)景法。
本文以沙溪梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度問(wèn)題為例,提出了基于出力場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法,通過(guò)固定頂峰時(shí)間的梯級(jí)單峰3 d 計(jì)劃編制典型場(chǎng)景的實(shí)例分析,得出如下結(jié)論。
(1)相比于傳統(tǒng)的直接優(yōu)化方法,本文所提基于出力場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法在實(shí)際應(yīng)用時(shí),不需要臨時(shí)處理大量的約束、邊界條件,也不需要實(shí)時(shí)建模求解,只需要根據(jù)當(dāng)前場(chǎng)景在場(chǎng)景庫(kù)中搜尋最匹配場(chǎng)景,采用局部?jī)?yōu)化和人工經(jīng)驗(yàn)方式進(jìn)行微調(diào)修正,獲取調(diào)度方案更加方便。
(2)通過(guò)典型場(chǎng)景對(duì)比發(fā)現(xiàn),雖然常規(guī)優(yōu)化調(diào)度方法的發(fā)電量與調(diào)峰電量略大于場(chǎng)景優(yōu)化方法,但整個(gè)出力過(guò)程頻繁變動(dòng),幾乎每個(gè)時(shí)段出力都需要調(diào)整,該出力計(jì)劃過(guò)程生產(chǎn)實(shí)用性較差,而場(chǎng)景優(yōu)化方法的計(jì)算結(jié)果整個(gè)過(guò)程符合調(diào)峰峰型設(shè)定,且總體出力過(guò)程平滑,實(shí)用性很強(qiáng)。
(3)在計(jì)算時(shí)間上,常規(guī)優(yōu)化調(diào)度方法為388 s,本文的場(chǎng)景優(yōu)化方法為155 s,可見(jiàn)在計(jì)算時(shí)間上本文方法大大優(yōu)于常規(guī)優(yōu)化調(diào)度方法。