人工智能与水电站经济运行

[时间:2008-10-29|作者:齐学义　…|来源:5757.Net]

摘要：本文通过对水电站经济运行问题的优化，用面向对象的软件构造，完成约束满足问题CSP（Constraint Satisfaction Problem）的推理求解，实现了知识表示、约束传递、智能回溯，并在微机上模拟运行。用面向对象、人工智能的方式解决水电站机组间负荷动态调度问题，编制了《全数字仿真自动发电控制系统》平台, 其生成结果的分析和证明由《水电站经济运行最优解的证明》完成。

　　关键词：水电站微增率经济运行人工智能产生式系统

　　背景

　　随着经济的快速发展，电力生产的供需矛盾也日见突出，在国家加大新的电源、电网投资、建设的同时，如何充分发挥现有电站的潜能，提高其水能利用率，使水电站的运行由粗放式转向集约化，引起了发电企业的广泛关注。

　　欧、美发达国家优化运行资料表明，大型水电站厂内优化运行的效益为0.5%～3.0%.八十年代中期，我国某年平均发电量22亿kW.h的水电站，实行厂内优化运行后，效益提高4.6％，增加发电量1.03亿kW.h.我国水电运行经验表明，仅从软件方面着手，编制科学合理的运行调度方案，在增加投入不多的情况下，就可以使其发电效益在原有的基础上再提高约（2～6）％[1]；到2001年底，全国已建成中小水电站65000多座，遍布全国1600多个县；由此可见，用信息技术带动传统产业在电力行业的必要性，并且有非常广阔的前景。

　　1、水电行业运行现状

　　在水力发电领域，传统的经济运行方法，主要有：微增率法、动态规划法、分支界法以及据每台机组最大可能出力按比例分配负荷的折中方法（目前的水电站经济运行大多采用此方法），其中动态规划法和分支界法更多的是求解问题的思维方式，其实现须采取具体的综合策略，微增率法是根据总出力与总耗水量的函数关系由微分学的极小值定理导出，具有理论上的严谨性。目前我国的AGC应用主要基于电网调度，针对水头变化小（即大库容）的电站，根据网上的需要确定其负荷，然后用微增率法在机组间分配负荷，即定负荷→最小化流量。从使用的情况来看，由于软件编制的出发点不是基于水轮发电机组运行工况，从而导致有些电站使用效果很不理想。如黄河中游的万家寨电站单机出力180MW，装机6台，由天阿公司和希科公司制造，由于AGC软件负荷分配不合理，导致其机组长期在振动区运行，叶片与上冠处出现裂纹，给机组安全运行带来了极大的隐患。

　　任何科学问题都离不开其论域。由于微增率法是根据数学理论推导而来，其工程实用面临很大的实现难题：

　　a要求所有的并联运行机组的微增率随功率变化的曲线下凹；流量随功率变化应为均匀的条件在实际运行的机组中是不可满足的。水轮机转轮是通过实验定型的，微增率只是其派生出来的表象参数，且随功率变化的曲线凹凸是无确定规律的，因而流量也并不随功率变化而均匀变化。

　　b 用微增率法，对于连续的工况变化求取微增率是不可实现的。水轮机的综合特性曲线是一种试验曲线，无论以何种检索方式都需要确定检索步长和目标区间，面对微增率变化无确定规律的特性曲线，确定检索步长和目标区间都无依据，只能修正综合特性曲线，牺牲解算精度，满足工程要求。

　　c 实际运行中厂内优化与电站水头密切相关，传统的方法需要在电站最大水头与最小水头之间，取若干个水头，分别作出优化运行总图，以便确定在不同水头及给定的全厂负荷时投入运行的机组台数、组合方式以及负荷在投入运行机组之间的分配。这样使连续变化的水头产生阶跃，若辅之以插值，插值规律又是不确定的，降低了解算精度。

　　2、水电站经济运行人工智能化

　　计算机技术与其他工程技术的融合而引起的设计思路的创新已成为当今社会的显著特征。人工智能是一门研究用计算机模拟和执行人脑的某些智力功能的交叉学科。知识是人工智能的基础，对于水电站的经济运行而言知识主要包括以下三个方面：

　　a 确定性规则知识：如功率、单位转速、单位流量的计算；

　　b确定性事实知识：如水轮机的综合特性曲线、水库特性、电站下游水位流量关系、泄洪和电站引水设备的特性；

　　c不确定性事实知识：如水轮机的振动区域、电站年径流曲线和特性等；

　　本文采用人工智能系统中最普遍、最典型的产生式系统，其基本要素是：综合数据库（Globle Database）、产生式规则（Set of Rules）、控制系统（Control System）。

　　程序结构：

　　OPEN=（S）,f（s）；

　　LOOP： IF OPEN=（）THEN EXIT（FAIL）

　　N=FIRST （OPEN）；

　　IF GOAL（N） THEN EXIT（SUCCESS）；

　　REMOVE （N,OPEN）