基于改进人工神经网络的梯级水电站群调度规则研究.docx

第36卷第10期2010年10月水力发电水电站运行

第36卷第10期

基于改进人工神经网络的梯级水电站群调度规则研究

舒卫民1,马光文1,杨道辉1,2,陆涛1(1.四川大学水电学院，四川成都610065;

2.二滩水电开发有限责任公司，四川成都610021)

摘要：针对水电站群的运行依靠经验、缺少科学依据的问题，根据人工神经网络的非线性决策特点，提出了水电站群最优调度规则的改进人工神经网络模型，并结合实际算例，进行其最优调度规则的模拟计算。结果表明，模型合理、可行且实用。

关键词：优化调度；水电站运行；调度规则；神经网络

StudyonCascadeHydropowerStationsSchedulingRuleBasedonImprovedArtificialNeuralNetworkModel

ShuWeimin1,MaGuangwen1,YangDaohuil2,LuTao1

(1.CollegeofWaterResourcesHydropower,SichuanUniversity,ChengduSichuan610065;

2.ErtanHydropowerDevelopmentCo.,Ltd.,ChengduSichuan610021)

Abstract:Theoperationofcascadehydropowerstationsrelyingonexperiencesisnotscientific.Basedonthenon-lineardecision-makingofartificialneuralnetwork,animprovedartificialneuralnetworkmodelwaspresentedtostudytheoptimal

schedulingrulesofcascadehydropowerstations.ThecasestudyshowsthatthemodelisreasonableKeyWords:optimalscheduling;hydropowerstationoperation;schedulingrule;neuralnetwork

中图分类号：TV697.12文献标识码：A文章编号：0559-9342(2010)10-0069-04

水库调度规则是根据水库调度原则，在其来水、任务及种种约束等条件下进行水库操作调度，决定水库调度方式有关的具体要求和规定。现在，调度函数主要是利用确定性优化得出的水库长系列运行结果，从中总结规律，制定出来的四。利用长系列历史径流资料进行的优化计算，得到了长系列的最优运行过程。由于径流过程的随机性和不重复性，这些过程过于“理想”,在实际运行中难以实现，因而不能直接用这些优化结果来指导水电站运行。但这些最优过程中应包含大量的水电站优化运行的规律性信息，如何从这些最优过程中总结水电站优化运行规律，来指导水电站运行，是调度函数要研究的问题3。本文结合人工神经网络对水电站群的调度规则进行了研究。

1人工神经网络在水库群调度规则中的应用

人工神经网络有三种基本层次结构：前馈型、

反馈型和自组织竞争型，对应这三种层次结构，目前应用最多的三种网络模型为：BP网(利用BP算法进行训练的网络)、Hopfield网(美国加州工学院物理学家HopfieldJJ提出的一种网络)和Kohonen网(芬兰学者Kohonen提出的一种网络)?-6。本文选用改进的BP(Back—Propagation)神经网络，对水库群的调度规则进行了研究。

1.1获取训练样本

本文以雅砻江梯级水电站群为研究对象，采用

收稿日期：209-07-13

基金项目：国家自然科学基金重点资助项目;国家自然科学基金资助项目;国家科技支撑计划(2008BAB29B09);美国能源基金会资助项目“中国可持续能源”(G-0610-08581)

作者简介：舒卫民(1985—),男，湖北孝感人，硕士研究生，主要从事梯级水电调度、径流预测方面的研究.

WaterPocerVol.36No.1069

水力发电2010年10月水

水力