2009 梯级水电投资的动态规划模型_朱太辉

合集下载

动态规划法求解水电站保证出力maxmin模型

动态规划法求解水电站保证出力maxmin模型
i e it n h l h q a ic a g t o f n tn s t n d va i s w i t e e u ld s h r e meh d o e e d o o e t b c mp i ae i c lu a ig h g a a t e o t u o a e o l t d n ac lt t e u r n e d up t f c n h d o o rp a t h s p p r p o o e e t o a e n y r p we ln ,t i a e r p s s a n w me h d b s d O
H E L i,LIBi -y n ,L i n a 。 I Hu 。
( . h o o l t c l E e t ncE gn eig H b i nv r t o e h o g , h n4 0 6 Hub iPr vnc ,Chi a; 1 c ol f e r a & lc o i n i r , u e U i s y f c n l y Wu a 3 0 8 S E ci r e n e i T o e o i e n
■■圄圜蛋●
爨{ e 警 雾 {
第2 卷 第2 7 期 2 1年2 01 月
电网 与 清 洁能 源
Po rSy t m n e n Eneg we se a d Cla ry
Vo. No2 127 .
Fe 201 b. 1
文章编号 :6 4 3 1 (0 )2 0 7— 4 17 ~ 8 4 2 1 0 — 0 8 0 1
t a e meh d i e ii n n ei b e a d t a h n mu h tt t o s f c e ta d r l l , n h tt e mi i m h a

梯级水电站群短期经济运行的数学模型

梯级水电站群短期经济运行的数学模型

梯级水电站群短期经济运行的数学模型
李伟
【期刊名称】《《湖南电力》》
【年(卷),期】2000(020)003
【摘要】在阐述梯级水电站群经济运行重要性的基础上 ,提出了梯级水电站群短期经济运行的数学模型,并用微增率逐次逼近法成功有效地求解了所建立的数学模型。

通过实例验证了所建模型的正确性和实用性 ,证明了求解模型方法的有效性和可靠性。

【总页数】3页(P26-28)
【作者】李伟
【作者单位】湖南电力调度通信中心湖南长沙
【正文语种】中文
【中图分类】TN737
【相关文献】
1.梯级水库远程集中调度与水电站群安全经济运行 [J], 聂明慧;田毛
2.梯级水库远程集中调度与水电站群安全经济运行 [J], 田毛
3.梯级水电站群短期优化调度方法研究 [J], 杨炳良
4.梯级水电站群短期发电调度计划快速生成方法 [J], 武新宇;应其霖;廖胜利;申建建;
5.梯级水电站群短期经济运行研究——关联预估与微增率逐次逼近相结合法 [J],
李伟;纪昌明
因版权原因,仅展示原文概要,查看原文内容请购买。

水电站优化运行探讨

水电站优化运行探讨

2 动态规划法
动态规划法 (Dynarnic Pogramming )是运筹学的一个 分支,是求解决策过程 ( decision process )最优化的数 学方法。虽然动态规划主要用于求解以时间划分阶段的动态 过程的优化问题,但是一些与时间无关的静态规划 (如线性 规划、非线性规划),只要人为地引进时间因素 ,把它视为 多阶段决策过程,也可以用动态规划方法方便地求解。而水 电站厂 内经济运行问题正是一个多阶段决策问题,因此我 们可以采用动态规划加以解决。 动态规划法制定站内经济运行方式类似于传统方法,也 分为两大步骤。 第一步,在按站内经济运行的数学模型和动态规划递推 算法对水电站出力变化范围内的任何可能符合确定工作机 组最优台数、组合及启停次序和在机组间进行最优待分配基 础上,编制出水电站最优流量特性 Q*(P,H ); 第二步,按所编制的最优特性 Q*(P,H ),根据面临电 力系统给定水电负荷 P( t)及日初上游水位 Z 等已知条件, 制定当日的经济运行计划方式。
摘要:水电站优化运行其主要任务和目的是在确保安全运行前提下充分利用水能资源,最大化发挥设备功能,使水电站 和电力系统取得尽可能大的经济效益的运行调度方式。在水电站经济运行中,存在着多种优化算法。本文就实际应用比较多 的几种优化算法做理论上的分析和总结,以供同仁学习和参考。 关键词:水电站;优化运行;等微增率法;动态规划法;遗传算法 中图分类号:TV737 文献标识码:A 文章编号:1002-1388(2015)09-0152-02 水电站的优化运行包括空间最优化和时间-空间最优化。 中小型水电站通常以定负荷或定流量两种方式运行。所谓定 负荷运行方式,即电力系统在供电相对紧张和富裕这两种极 端情况下,由电管部门向电站下达发电指标,电站按该指标 运行;定流量运行方式就是电力系统对电站没有具体的负荷 要求,该电站根据自己的水量调度需要,自主发电。 水电站厂内经济运行研究的基本问题有以下几个方面: (l)机组动力特性试验。即通常的机组效率试验,其目 的是掌握比较准确的原始数据和资料 ,获得机组运转特性, 以使经济运行方案建立在比较可靠的基础上。 绘制机组动力特性曲线。这项工作是在效率试验的基础 上进行的,其目的是为制定经济运行方案作准备。 (3)制定最优机组开停计划。通常是做一天的计划,确 定一天 内什么时间应开启或停止运转哪一台机组,从而得 出一天内各小时应由哪几台机组运转。 (4)确定负荷在各机组间的经济分配。由于计划负荷图 是建立在负荷预报基础上的,故不可能很准确,在确定机组 间负荷经济分配时要以实际时间的实际负荷为依据。 水电站优化运行的三种方法的详细介绍 些情况下,当流量特性曲线呈其他形状,流量微增率不随机 组出力的增加而增大时,则应将机组 (段) 的这些特性曲线 加以修正成符合要求的形状后,才能按微增率法分配负荷。

水电站水库长期优化调度模型及调度图

水电站水库长期优化调度模型及调度图

水电站水库长期优化调度模型及调度图王宗志;王伟;刘克琳;程亮【摘要】Owing to uncertainties of hydrological forecast and directives, the operation rules play a very important role in managing reservoirs, and are the most commonly used and effective tools for the reservoir dispatching operation of hydropower stations, though the real time optimal operation based on mid- and long-term hydrological forecasting information which has been studied for many years. So the development of the reservoir optimal operation model for formulating operation rules has always been a research hotspot in the relevant field. A model named long-term reservoir optimal operation model for hydropower, based on genetic algorithm and stochastic dynamic programming ( hereafter referred to as LROOH) is established, which couples the stochastic dynamic programming and the real coding accelerating genetic algorithm. This model solves the difficult problem with a satisfied scheme, via building the objective function and minimizing the absolute values of the difference between the calculation reliability of the guaranteed capability and its target reliability, with penalty coefficient as an independent variable, and making full use of the parallel computing ability of genetic algorithm. And then the LROOH becomes much easier to have access to the global optimal solution by using the real coding accelerating genetic algorithm instead of 0. 618 methods that are usually used before to improve the computing efficiency. As an example, the LROOH is applied to an annualregulation of a reservoir of the hydropower station. The research results show that the model is effective, with some excellent properties that are without any constraint of annual and multi-year regulating storage, and that the optimal rules can meet the requirements of the guaranteed reliability and increase output by more than 2. 0% with a higher reliability.%为绘制高效可靠的水库运行调度图,以平衡保证出力保证率与发电量矛盾的惩罚系数为优化变量、以保证出力设计保证率满足条件下发电量最大为目标函数,综合集成以黄金分割法为时段决策优选法的随机动态规划核心模型,以及评估调度方案优劣时历法长系列模拟计算模块,利用遗传算法的并行计算能力,结合电站调度方案制定与有效性检验,构建水电站水库长期优化调度模型.应用结果表明:所建模型具有不受年调节和多年调节库容机械划分约束、快速获得满足发电保证率所要求的优化调度图的优秀特性;较之常规调度方法,可增发电量2.0%以上,保证率更高,决策信息更丰富.【期刊名称】《水利水运工程学报》【年(卷),期】2016(000)005【总页数】9页(P23-31)【关键词】水资源管理;水库优化调度;随机动态规划;遗传算法;调度图【作者】王宗志;王伟;刘克琳;程亮【作者单位】南京水利科学研究院水文水资源与水利工程科学国家重点实验室, 江苏南京 210029;安徽省佛子岭水库管理处, 安徽六安 237272;南京水利科学研究院水文水资源与水利工程科学国家重点实验室, 江苏南京 210029;南京水利科学研究院水文水资源与水利工程科学国家重点实验室, 江苏南京 210029【正文语种】中文【中图分类】TV697.1由于中长期降水与径流预报尚不能达到准确可靠、满足水库调度决策的水平[1-2],调度图仍是目前指导水库运行调度最常用的工具[3-6]。

论投资组合与金融优化_对理论研究和实践的分析与反思

论投资组合与金融优化_对理论研究和实践的分析与反思

论投资组合与金融优化①———对理论研究和实践的分析与反思朱书尚1,李 端2,周迅宇2,汪寿阳3(1.复旦大学管理学院,上海200433;2.香港中文大学系统工程与工程管理系,香港;3.中国科学院数学与系统科学研究院系统科学研究所,北京100080)摘要:经过50多年的发展,投资组合选择的理论研究和实践已经取得了相当丰富的成果.随着全球经济一体化进程的加快和我国金融市场的发展与完善,我国金融机构对投资组合理论的应用实践提出了具体要求.按照投资组合选择理论的发展脉络,简述并分析了现代投资组合选择的各种主要理论、模型与方法以及它们之间的内在关系,并对一些最新进展作了重点介绍.在此基础上,对投资组合选择(或广义意义下的金融优化)的理论研究和在我国的应用实践问题,提出了若干值得关注的发展方向与建议.关键词:投资组合选择;风险管理;资产/负债管理;金融优化中图分类号:F830 文献标识码:A 文章编号:1007-9807(2004)06-0001-120 引 言对金融学的定义,可以有多种理解.但对现代金融学的理解还是比较一致的,一般指20世纪50年代发展起来的理论金融学.其主要内容包括:20世纪50年代开创的投资组合选择理论(Markowitz [1])和公司财务的M M 理论(M odigliani 和Miller [2]),20世纪60年代发展起来的资本资产定价理论(Sharpe [3]、Lintner [4]和M ossin [5])和有效市场理论(Fama [6,7]),以及20世纪70年代诞生的期权定价理论(Black 和Scholes [8]、Merton [9])和套利定价理论(R oss [10])等.投资组合选择(P ortfolio Selection )简而言之就是把财富分配到不同的资产中,以达到分散风险、确保收益的目的.1952年,Markowitz 用方差来量化股票收益的风险,提出了投资组合选择的均值-方差分析方法,揭开了现代金融学研究的序幕.后来的资本资产定价模型(C APM )也是以均值-方差分析为基础的.因此,均值-方差投资组合理论不仅是现代投资组合选择理论的先驱工作,也是现代金融学的基石之一.其精髓在于首先对风险进行量化分析,开辟了风险管理的新思路.可以说,是投资组合选择的研究带动了现代金融学的发展.从某种意义上讲,金融研究的出发点和落脚点都是金融决策与管理,而对金融活动的主要参与人之一———投资者来说,其金融决策与管理的主要内容就是投资组合选择.因此可以说,投资组合选择是现代金融理论研究的起源和动力之一.经过半个世纪的发展,投资组合选择的理论研究已经取得了丰富成果,这些理论在实践中已被广泛应用.我国学者在投资组合选择理论研究上也取得了一些高水平的研究成果,特别是在动态均值-方差分析方面处于国际领先地位.但在实践方面,我国几乎还是处在起跑线上.我国的资本市场②在短短的十多年里,从无到有不断发展壮大,取得了瞩目的成就.虽然目前还存在很多问题,但它在不断地向理性和成熟发展,为我国的金第7卷第6期2004年12月 管 理 科 学 学 报JOURNA L OF M ANAGE ME NT SCIE NCES I N CHI NA V ol.7N o.6Dec.2004①②本文提到的我国资本市场或金融市场均指我国大陆的资本市场或金融市场.收稿日期:2004-09-10;修订日期:2004-12-02.基金项目:国家自然科学基金资助项目(70210621);香港RG C 基金资助.作者简介:汪寿阳(1958—),男,江苏人,教授,博士生导师.融学研究提供了广阔的舞台.我国金融机构对投资组合理论的应用实践也提出了具体要求.本文将对50多年来的投资组合选择理论作一个简要的回顾与分析,并在此基础上提出未来一段时间内值得关注的发展方向.本文还将就如何把理论推进到我国投资组合管理实践这一重要议题展开讨论.希望本文能够在理论研究和应用实践这两个方面起到促进作用.1 投资组合与金融优化领域50年来的主要进展1.1 投资组合选择模型与方法本节简要地回顾和分析各种具有代表意义的投资组合选择理论、模型与方法.首先介绍Markowitz[1,11]的均值-方差模型.该模型实际上是一个以投资组合的期望收益(均值)和风险(方差)为目标的双目标决策模型,因此很自然地导出了投资组合选择的均值-方差有效组合、有效前沿等概念.在均值-方差有效投资组合策略集中,高风险对应着高收益.投资组合选择就是在均值-方差有效组合策略集中选出适合投资者风险偏好的投资组合.为了减少模型参数(协方差)估计的计算量,Sharpe[12]给出了投资组合选择的单因子(或单指数)模型.该模型仍然属于均值-方差分析的范畴,单因子模型是针对刻画收益的模型而言的.Sharpe用单因子收益模型来估计风险资产的均值和协方差,大大减少了参数估计数量,节约了计算资源.如果数据量充足,在现阶段的计算条件下,这种考虑的意义已不突出.然而,该模型是值得赞赏的,因为它首先突出了收益刻画在投资组合选择建模中的重要性,且在形式上与C APM和APT(套利定价理论)相一致.最近,K onno 等[13]表明结合因子模型和线性规划模型可有效地处理大规模投资组合问题.高于均值的超额收益实际上是投资者所喜好的,而在均值-方差模型中却被当作风险来处理.一个更确切的风险刻画量是下半方差,即相对于均值的负偏差的平方的期望值.M ark ow itz[11]和M ao[14]等讨论了均值-下半方差模型.当然,在收益分布对称的情况下,这种改进意义并不大,因为该情况下的下半方差刚好是方差的一半,均值-方差有效前沿与均值-下半方差有效前沿完全一致.收益分布不对称的典型代表是衍生资产(参见Hull[15]).上述模型都只考虑收益的前二阶矩,属于二次凸规划的范畴.Samuels on[16]首先注意到高阶矩在投资组合中的重要性.K onno和Suzuki[17]给出了均值-方差-偏度模型.这种模型在收益分布不对称的的情况下是有价值的.因为在该情况下,具有相同的均值和方差的投资组合很可能具有不同的偏度,而偏度大的投资组合获得较大收益的可能性也大.但是该模型是三次非凸规划模型,求解比较困难.K onno和Y amazaki[18]用期望绝对偏差来刻画风险,给出了一个投资组合选择的线性规划模型,常被称为均值-绝对偏差模型.在收益服从正态分布条件下,期望绝对偏差与方差相一致(只差一个常系数).该模型后来如同均值-下半方差模型那样发展成均值-下半绝对偏差模型. Y oung[19]利用极小极大规则建立了一个投资组合选择的线性规划模型.该模型实际上是以投资组合收益的最小顺序统计量作为风险度量.Cai 等[20]用投资组合各项资产收益中的最大期望绝对偏差来刻画风险,也给出了一个投资组合选择的线性规划模型,同时给出了解析的投资组合策略.显然,线性规划模型在计算上占有优势.但在现阶段条件下,计算均值-方差模型也是件很容易的事情.当然对于多阶段的问题而言,情况就不一样了.特别是用随机规划的方法进行多阶段投资组合选择建模时,最后一般都因大量的离散情景而归结为求解一个大规模优化问题.在这种情况下,非线性模型一般是很难应用的.因此,现有的多阶段随机规划投资组合选择模型基本上还是考虑线性规划模型.Fishburn[21]用与预先给定的目标收益的某种负距离(未达标部分)的期望来度量风险.其中,绝对距离与下半绝对偏差相似,而欧氏距离(二次距离)与下半方差相似,但二者有很大区别.下半绝对偏差和下半方差是相对均值而言的,而投资组合收益的均值一般随着组合策略的变化而变化. Fishburn的风险度量是相对预先给定的收益目标而言的,这个目标不会随着组合策略的变化而变化.如果在动态投资组合分析中用(下半)方差和—2—管 理 科 学 学 报 2004年12月(下半)绝对偏差这类风险度量方法,由于优化指标中含有期望的非线性项,因而破坏了动态规划意义下的可分结构,使问题变得困难.但Fishburn 的方法不会遇到这样的问题.实际上,Fishburn的方法在动态投资组合管理模型中常被采用.绝对距离意义下的Fishburn的风险度量还被证明与条件风险值(C onditional Value at Risk,简记为C VaR,是一种具有所谓相容性的风险度量方法,参见下述)有很好的对应关系(参见T esturi和Urya2 sev[22]),相应的投资组合问题可用线性规划方法求解.上述模型除了均值-方差-偏度模型稍有不同以外,都是在“收益-风险”框架下考虑问题,可以统称它们为收益-风险(Return-Risk)型模型.区别仅在于风险的度量方法,例如用数学的语言来说,方差是L2模方法,期望绝对偏差是L1模方法,(投资组合各项资产收益中的)最大期望绝对偏差则是L∞模方法.就在M ark ow itz发表均值-方差投资组合选择一文的同年(1952年),R oy也发表了一篇关于投资组合选择的论文[23].R oy称他的模型为安全第一(S afety First)模型.与收益-风险型投资组合选择模型的思路不同,安全第一模型的决策规则是极小化投资组合收益小于给定的“灾险水平”这一事件的概率.这与后来随机规划中的机会约束概念相一致.根据Chebyshev不等式,该问题被松弛转化为一个关于均值和方差比的优化问题,因而与均值-方差模型密切相关.M ark ow itz给予该模型很高的评价.他说:“我因为1952年的工作,被称为现代投资组合选择理论的奠基人,其实他(指R oy)应该和我平分这项荣誉”(见Rubinstein[24]).与上述的收益-风险型模型相比,安全第一模型给出了另一类风险控制思路,即控制损失的概率.在金融风险管理实践中,从20世纪90年代中期逐渐流行起来的风险度量方法———风险值(Value at Risk,简记为VaR,参见Philippe[25])可以看作是该思路的另一种提法,即给定概率置信水平内最坏情况下的损失.VaR本质上就是概率分布中的分位数,因简单实用被广泛采纳(例如著名的“巴塞尔协议”关于商业银行资本充足率要求就是以VaR为基础的).在收益分布为正态的条件下,在适当的置信水平内,VaR与方差相一致.而在分布未知的条件下,只用到一、二阶矩的Chebyshev不等式可以给出VaR较好的上界估计(参见Alexander和Baptista[26]).面对各种不同的风险度量方法,人们自然会思考究竟什么样的风险度量方法是“好”的方法.上世纪末,Artzner 等[27]提出了所谓相容性风险度量(C oherent Mea2 sures of Risk)的概念.其中相容性以四条公理假设条件为判别标准.由于VaR不满足四个条件中的次可加性条件(意味着在某些情况下拒绝投资组合分散化)而受到批评.基于此,人们又给出了条件风险值C VaR作为对VaR的一种修正(参见P flug[28]、R ockafellar和Uryasev[29,30]、Acerbi和T asche[31]).C VaR被定义为损失超过VaR部分的条件期望(为了满足相容性条件,离散分布情况的定义稍有不同).直观来看,C VaR比VaR更确切地刻画了下滑风险(D ownside Risk).C VaR还可以通过线性规划方法求得(参见R ockafellar和Uryasev[29,30]),这给C VaR的实际应用提供了极大方便.以VaR和C VaR作为风险度量来研究投资组合选择的工作已经展开(如Bogentoft等[32]、R ockafellar和Uryasev[29,30]、T opaloglou等[33]以及Castellacci和Siclari[34]),且将会是一个继续受重视的发展方向.这类问题仍然属于收益-风险分析范畴,且在思想上与下半方差、下半绝对偏差以及Fishburn的方法类似,只考虑下滑风险,符合人们的常规思维方式.T esturi和Uryasev[22]、T opaloglou等[33]以及K onno等[13]从理论和实证两方面对这些下滑风险作了对比分析.收益-风险模型的最初考虑主要是基于收益-风险权衡、风险分散和控制以及便于理解和计算等方面的原因,并没有直接把它们与更一般的决策理论联系起来(这也可以看作是金融风险决策的一个特点).基于公理假设体系基础之上的效用(Utility)理论(按期望效用极大化原理进行决策,参见v on Neumann和M orgenstein[35])以及和它紧密相关的随机优势(Stochastic D ominance)准则(参见Huang和Litzenberger[36])在不确定性决策理论中被广泛接受.效用理论是精致的,但人们仍然倾向于采用收益-风险型模型.原因有二:(1)效用函数形式无穷,选取合适的效用函数不太容易.如果效用函数形式简单(比如说不高于二次的多项式函数),则问题不会超出上述收益-风险分析—3—第6期 朱书尚等:论投资组合与金融优化———对理论研究和实践的分析与反思框架,如果复杂又将会给计算带来麻烦;(2)效用函数刻画风险的方式是隐式的,而方差、绝对偏差、VaR等描述风险的方法能够直接告诉我们风险到底有多大,便于收益风险权衡决策.至于随机优势,由于按定义计算该准则意义下的有效投资组合十分困难,因此几乎没有直接应用. Fishburn[21]、Levy和Markowitz[37]、K roll等[38]、Ogryczak和Ruszczynski[39,40]以及G otoh和K onno[41]等研究了收益-风险型模型与效用理论和随机优势准则的相容性问题.粗略地说,它们在相当大的程度上并不矛盾.特别是当采用下半方差、下半绝对偏差、C VaR等下滑风险度量方法时,相容性更高.理论上,均值-方差分析只在收益为正态分布或效用函数为二次形式时才与极大化期望效用原理相合(当然二次效用函数模型与均值-方差模型有本质区别).VaR也因为不满足次可加性而被质疑.然而迄今为止,均值-方差模型和VaR在现代投资组合和风险管理的理论研究和应用实践上都占据主要地位.其主要原因不仅在于它们被实践检验有效,而且易于分析、理解和实现.比如说,在没有卖空限制的条件下,均值-方差有效策略和有效前沿可以解析地求得,这给投资组合风险分散化、收益-风险权衡的分析和直观理解提供了极大的方便,这在其他模型中一般是做不到的.值得一提的是在绝大多数情况下,概率论中的中心极限定理也为投资组合收益分布的(近似)正态性提供了保证.在研发投资组合管理工具时,不仅要注重理论的优美,更要注重实践上的可操作性和有效性.从这个角度看,C VaR很可能在未来的投资组合管理实践中扮演重要角色.它不仅对收益的非对称分布、厚尾分布有效,而且可以有效处理除了市场风险以外的其它风险管理问题(如信用风险,参见Anderss on等[42]).以上仅对具有一定代表性的投资组合选择模型(包括思想、理论和方法)作了扼要介绍与分析③.还有其它模型,比如说以某个指标为基准的跟踪模型(参见Demb o和K ing[43])、以信息理论中的熵为风险度量的模型(Philippatos和W ils on[44])以及用模糊集理论来描述不确定性的模型(参见Inuiguchi和Ramik[45]、T anaka等[46]、Lai等[47]、W ang和Z hu[48]等,这里不再一一介绍.1.2 动态投资组合选择与金融优化上一小节讨论了一些典型的投资组合选择模型,并简要地介绍和分析了建模思想和方法.就模型本身而言,它们仅考虑静态(或单阶段)的投资组合选择问题.然而,投资行为,特别是机构投资者的投资行为往往是长期的.对一个长期投资者来说,他将随着投资环境的变化适时地调整投资组合头寸,而不是将初期构建的投资组合一成不变地保持到投资计划期末.这就是动态投资组合选择.上世纪50年代,差不多与Markowitz提出均值-方差模型的同时,Bellman提出动态规划,极大地推动了动态优化决策的发展.上世纪60年代以来,不少人研究了动态投资组合选择问题,例如M ossin[49]、Samuels on[50]、Merton[51,52]、Fama[53]、Hakanss on[54]、E lton和G ruber[55]、Dumas和Luciano[56]、Ostermark[57]、Xu和Shreve[58,59]、Dantzig 和In fanger[60]、G rauer和Hakanss on[61]、Pliska[62]、Li 和Ng[63]以及Zhou和Li[64]等.一般情况下,静态投资组合选择问题只需对期末财富加以考察就足够了.但投资组合选择的动态情形要远比静态情形复杂.即使是自融资方式下的动态投资组合选择问题也比静态投资组合问题难解得多,更何况在某些情况下动态投资组合选择问题并不是采取相对简单的自融资策略,而是还要考虑各个时期的消费、债务和收入等,形成所谓的最优投资/消费问题(如Samuels on[50]、Fama[53])、资产/负债管理问题(如Z iemba和Mulvey[65])等.交易费用、税收等摩擦市场因素对动态问题的影响也比静态问题要大得多,这些都会增加动态投资组合问题的难度.此外,还有诸如不同投资时期(如生命周期)的风险偏好的变化等许多其它重要问题(参见Cam pbell和Viceira[66])有待进一步研究.直到上世纪末,一般的动态投资组合选择模型都是效用函数模型,而收益-风险型动态投资组合选择模型却很少被研究.均值-方差分析在现代金融理论中有着重要的地位,从提出开始就一直受到高度重视,然而其动态情形的研究似乎—4—管 理 科 学 学 报 2004年12月③动态模型在下一小节介绍.为了突出介绍最新进展,本文给相关内容(如C VaR、动态均值—方差分析)较多篇幅,但这并不意味其它内容不如这些内容重要.被遗忘(参见Steinbach [67]最近的综述文章).其实正如Chen 等[68]指出的那样,动态均值-方差模型的求解和分析很困难,根本的原因是不能直接用动态规划方法求解,从而导致了动态均值-方差投资组合选择的研究到20世纪末几乎还是空白的状况.虽然有极少数关于动态投资组合的研究也冠以均值-方差之名,但直到2000年,Li 和Ng [63]才真正在这方面首先取得突破.他们用嵌入的方法把多阶段均值-方差投资组合选择问题变为一个能用动态规划处理的问题,从而得到了有效策略及有效前沿的解析表达式.紧接着,Zhou 和Li [64]用嵌入方法以及在随机控制领域中最近发展起来的不定二次最优控制的理论解决了连续时间均值-方差问题.Zhou 和Li [64]研究的模型相对比较基本,例如市场的机会集(opportunity set )是确定性的,也没有考虑各种投资约束.然而,此文给连续时间均值-方差模型的研究奠定了方法论上的基础.后续的连续时间均值-方差模型的研究致力于解决各种更复杂的问题,例如随机机会集(Lim 和Zhou [69]),带有体制转换(Regime S witching ,Zhou 和Y in [70]),不允许卖空(Li 等[71]),不允许破产(Bielecki 等④)等问题.方法上可分两大类.一类是随机控制方法[64,69,70,71].在这类方法中,我们可以动态、前行地得到有效策略,固亦称“前行法(F orward Approach )”或“原始法(Primal Ap 2proach )”.另一类方法④是先解决一个关于终端财富的静态优化问题以得到一个最优的终端财富,然后通过复制这个终端财富得到所求的均值-方差有效策略.该方法被称为“后退法(Backward A p 2pr oach )”或“对偶法(Dual A ppr oach )”.其实该方法本质上是H arris on 和K reps [72]及Pliska [73]最早提出的风险中性(Risk Neutral )等价鞅测度.有趣的是,这种方法自然地建立了组合投资和期权定价之间的对偶关系.例如在④中,均值-方差有效策略正好是某类欧式看跌期权(Put O ption )的复制策略,因而可以通过Black 2S ch oles 公式得到.与单阶段投资相比,动态投资中的一个本质的差异是完备市场与不完备市场之分.在不完备市场中,可供交易的“资产”数可能少于市场中的随机源的个数,因此市场中的风险一般不能利用投资组合来完全对冲(H edge ).在该情形下,上述的“前行法”或“后退法”均无法直接运用.Lim [74]利用K aratzas 等[75]的“市场完备化”方法,结合“前行法”及倒向随机微分方程的最新发展解决了不完备市场中不带组合约束的均值-方差问题.另一方面,Jin 和Z h ou [76]最近利用“后退法”研究了不完备市场中带有各种组合约束的均值-方差问题.他们的主要思想是用等价条件刻画可以作完全对冲的终端财富集.还值得一提的是Jin 等⑤研究了连续时间均值-下半方差模型及一般均值-风险模型.他们证明了前者的有效策略不可达.这个负面结果与单阶段或多阶段的情况非常不同,从而揭示了连续时间模型有时会出现非常意外的结果.在离散时间动态情形中,Steinbach [67]研究了基于离散情景(离散收益分布)的多阶段均值-方差投资组合选择问题.Li 等[77]把安全第一模型推广到多阶段情形.Leippold 等[78]在Li 和Ng [63]的分析框架上研究了资产/负债管理问题.结合均值-方差模型和安全第一模型的思想,在Li 等[77]及Li 和Ng [63]的基础上,Zhu 等[79]研究了整体破产风险控制问题.Zhu 等[80]还研究了多阶段均值-方差投资组合选择的短视有效性问题,得到了短视有效性在一定条件下成立这一具有正、负两方面意义的结果,指出了一些关于动态均值-方差投资组合选择问题有待进一步研究的问题.在动态投资组合选择研究中,连续时间模型是强有力的分析工具.在动态均值-方差分析的框架下,连续时间模型的研究已经取得了比较丰富的成果.比较而言,离散时间均值-方差模型的研究成果相对缺乏,比如说不允许卖空交易规则下的问题就没有解决.由于实际交易行为是在离散时间点上发生的,因此离散时间均值-方差模型有待进一步深入研究.以上介绍的主要是动态投资组合选择的理论研究方面.近年来,在计算技术(硬件、软件和算法)迅速发展的基础上,随机规划方法成为动态投—5—第6期 朱书尚等:论投资组合与金融优化———对理论研究和实践的分析与反思④⑤Jin H Q ,Y an J A ,Z h ou X Y .C ontinu ous 2tim e m ean 2risk portfolio selection[J ].Ann.L ’Institut H enri P oncare 2Prob.&S tat.,to appear.Bielecki T R ,Jin H Q ,Pliska S R ,Zhou X Y.C ontinuous 2time mean 2variance portfolio selection with bankruptcy prohibition[J ].M athematical Fi 2nance ,to appear.资组合实践和应用研究的强有力工具,在应用方面取得了很大成功.例如资产分配的随机网络模型(Mulvey和Vladimirou[81])、养老基金资产/负债管理(参见Dert[82])、保险公司资产/负债管理(参见Carino等[83,84])以及固定收益证券投资组合管理(参见Z enios等[85])等.Z iemba和Mulvey[65]很好地总结了这方面的进展.而就在上世纪80年代,这些实际应用在当时的软硬件环境下是很难实现的.用随机规划方法对复杂的投资组合管理问题进行建模,一般都会导致一个大规模的优化问题.因此这类问题现在常被称为金融优化.在金融优化这个名词出现以前,人们也时常称投资组合选择为投资组合优化,这些名词只不过反映了投资组合这个学科内容在不断扩充、不断发展而已.事实上,广义意义下的金融优化应该涵盖了投资组合选择的全部内容,投资组合与金融优化的概念是没有必要加以严格区分的.当人们谈到金融优化时,很多情况下是强调投资组合选择中的“优化技术”成份,此时“投资组合选择”偏向概念和理论,而“金融优化”则偏向技术和应用.有时候金融优化也被归为计算金融,但计算金融还包括衍生资产定价方程的数值计算等内容,它们之间既联系又区别.希望读者不至于被概念混淆.固定组合比例、投资组合保险(参见Perold和Sharpe[86])、泛证券组合(Universal P ortfolio, C over[87])等动态投资组合策略也是动态投资组合选择方法的一部分.投资者可能在实践中采用这类方法,但这类方法不是主流方法,至少在理论上它不是最优方法.动态投资组合优化建模中最主要的方法还是随机控制方法和随机规划方法.这两类方法(实际上二者也不能完全严格区分)各有优劣.随机控制模型在解析解、问题分析和解释的深刻性等方面占有优势.随机控制模型一般不需要像随机规划模型那样做情景分析.但如果在随机控制模型加上过多的约束限制,其分析和求解会变得十分困难.随机规划模型要求的只是数值解,对模型限制较少,在实际问题刻画方面(比如说卖空限制、最大组合头寸限制,交易费用,负债约束等)占有优势.综上所述,随机控制方法在回答为什么,即在理论研究方面较为合适,而随机规划方法在回答怎么做,即在应用实践方面更为有效.2 投资组合与金融优化的若干研究方向上一节对投资组合选择(或金融优化)的主要模型、理论和方法作了介绍和分析.作为金融学和金融工程的一个重要内容,它的发展与其它学科一样,是一个不断提升、完善的过程.在这个过程中,理论与实践在不断相合与背离的过程中共同前进.而理论与实践又要受到当时已有的相关理论、研究工具与方法、实践环境和条件等因素的影响和限制.综合这些因素,本着理论服务于实践而又领先于实践的原则,作者认为以下几个主题是未来一段时间值得关注的发展重点.(1)进一步开展收益-风险型动态投资组合选择问题的研究.与效用函数模型相比,收益-风险型动态投资组合选择的研究还比较少.这类问题往往因为目标函数形式(或者是风险控制方式)的限制使得问题不具有动态规划意义下的可分性和整体最优所要求的凸性,因此无论是求解析策略还是数值解,都比较棘手.就动态均值-方差投资组合选择的研究而言,也是最近几年才有理论上的突破.在此基础上,Zhu等[80]进一步研究了动态均值-方差模型的时间一致性(短视有效性或动态一致性)问题,得到一致性不恒成立的结论.这意味着在传统模式下理解动态均值-方差投资组合选择问题并不十分合理.而且我们相信诸如均值-下半偏差、均值-绝对偏差和均值-VaR等收益-风险型动态模型很可能也存在这样的问题.要解决这些问题基本思路有两种:一、探索恰当的满足Bellman最优性原理条件的风险度量(例如动态相容性风险度量)方法;二、避开Bellman最优性原理,采用带偿付的多阶段规划模型(Multistage Pro2 grams with Recourse)、多层规划模型(Multi2Level Programs)等递阶决策模型.(2)开展分散化风险管理和多重风险控制的研究.近年来,金融机构的混业经营局面已趋主流.—6—管 理 科 学 学 报 2004年12月。

梯级水电投资的动态规划模型

梯级水电投资的动态规划模型

梯级水电投资的动态规划模型
吴忠群;朱太辉;孙红霞
【期刊名称】《兵工学报》
【年(卷),期】2009(030)0z1
【摘要】针对梯级水电开发的多阶段、多因素和不确定的属性,结合动态规划的多阶段寻优特点,构建了梯级水电投资决策的动态优化模型.同时,探索了用蒙特卡罗模拟技术对电站未来的发电收益进行模拟的可行途径;构建算例检验了梯级水电投资动态优化模型的有效性.计算和分析的结果表明,基于动态规划的梯级水电投资优化模型能够合理反应梯级水电投资的动态特征,显著地提高了梯级水电投资决策的可靠性.研究结论可为扩展利用动态规划理论分析解决梯级水电投资决策问题提供理论支撑.
【总页数】5页(P170-174)
【作者】吴忠群;朱太辉;孙红霞
【作者单位】华北电力大学,工商管理学院,北京,102206;中国人民大学,财政金融学院,北京,100872;中国科学院研究生院,人文学院,北京,100049
【正文语种】中文
【中图分类】F014.31;TM721
【相关文献】
1.基于动态规划的梯级水电站长期优化调度研究 [J], 赵国杰;杨敏
2.用离散微分动态规划制订梯级水电站最优日运行方式 [J], 徐鼎甲
3.梯级水库防洪优化调度的动态规划模型及解法 [J], 于清春
4.流域水电梯级开发环境影响后评价研究与应用——以贵州乌江干流水电梯级开发为例 [J], 靳会姣;韩艳利
5.梯级水库优化调度的有后效性动态规划模型及应用 [J], 梅亚东
因版权原因,仅展示原文概要,查看原文内容请购买。

基于自适应粒子群算法的梯级小水电群优化调度研究

基于自适应粒子群算法的梯级小水电群优化调度研究

基于自适应粒子群算法的梯级小水电群优化调度研究
罗云霞;王万良;周慕逊
【期刊名称】《水力发电学报》
【年(卷),期】2008(27)4
【摘要】针对以发电为主的梯级小水电群,以各水库的发电引用流量为决策变量,建立了以发电量最大为目标的梯级小水电群优化调度数学模型;设计了PSO算法和APSO算法的工程实现方法,具体包括编码设计、迭代方法设计以及惯性权重设计等;通过一个具有两库串联的梯级小水电群实例,将PSO算法和APSO算法的仿真寻优过程进行了比较,结果显示两种算法是有效的,并且APSO算法具有更强、更快的全局搜索能力;将APSO算法的仿真结果与同一条件下的GA算法的仿真结果进行了比较,结果显示APSO算法的仿真结果更优,更能充分利用水能资源。

【总页数】5页(P7-10)
【关键词】水利工程管理;优化调度;APSO;小水电群
【作者】罗云霞;王万良;周慕逊
【作者单位】浙江工业大学;台州学院
【正文语种】中文
【中图分类】TV697.11
【相关文献】
1.梯级水电站优化调度的模糊自适应粒子群算法 [J], 常文平;罗先觉
2.粗粒度并行自适应混合粒子群算法及其在梯级水库群优化调度中的应用 [J], 王
森;马志鹏;李善综;熊静
3.基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究 [J], 邹强;王学敏;李安强;何小聪;罗斌
4.基于鲶鱼效应粒子群算法的梯级水库群优化调度 [J], 纪昌明;刘方;喻杉;张验科;赵璧奎
5.基于自适应弹性粒子群算法的小水电长期优化调度研究 [J], 周伟彬;周慕逊
因版权原因,仅展示原文概要,查看原文内容请购买。

水电站群开发顺序和装机容量设计的动态规划模型

水电站群开发顺序和装机容量设计的动态规划模型

水电站群开发顺序和装机容量设计的动态规划模型
傅明辉;汪定伟;孟波
【期刊名称】《水电能源科学》
【年(卷),期】1989()4
【摘要】从文献[1][2][3]及实践来看,水电站群开发模型仍以动态规划模型为好。

本文将国内外水电站最优开发顺序模型以电站为单位推广到以装机为单位。

从而为水电站群装机容量的动态设计方法打下基础。

提出用混合进制数产生及存取状态。

结合国内的电力电量平衡方法得出一个实际可用的模型。

【总页数】8页(P336-343)
【关键词】最优顺序;装机容量的动态设计;动态规划;混合进制数
【作者】傅明辉;汪定伟;孟波
【作者单位】
【正文语种】中文
【中图分类】TK79;TV7
【相关文献】
1.中型水电站群开发排序的动态规划模型 [J], 陈健康
2.水电站群装机容量优化选择模型及其应用 [J], 黄少坚;董子敖
3.水电站群装机容量选择的双层优化数字模型 [J], 顾圣平
4.水电站群装机容量最优分配的未确知数学模型 [J], 胡斌武;李志雄
5.水电站群装机容量最优分配的实用网络模型 [J], 王计平;袁聆钊
因版权原因,仅展示原文概要,查看原文内容请购买。

梯级水库防洪优化调度的动态规划模型及解法.doc

梯级水库防洪优化调度的动态规划模型及解法.doc

梯级水库防洪优化调度的动态规划模型及解法-摘要:本文构建了梯级水库防洪调度优化模型,利用M法模拟了梯级水库中的水流动状态,模型是一种后效性的动态规划模型,探讨了对应的解法,指出一类简易的多维动态规划递推解法;而实例分析说明,模型具备一定的科学性,所取得的成果比较具有代表性,研讨出来的办法求解迅速,并且可操作性强,是一类高效的计算模式以及演算办法。

Abstract:In this paper,cascade reservoirs flood control scheduling optimization model is constructed,M method is used to simulate the water flow state of cascade reservoirs. This model is an aftereffect dynamic programming model. This paper discusses the corresponding method,points out a kind of multi-dimensional dynamic programming recursive solution. And the instance analysis shows that the model has certain scientific nature,the results of it are representative,the calculation method by the discussion is quick,and the maneuverability is strong. It is a kind of high efficient calculation model and calculation method.关键词:梯级水库;优化调度;动态模型;规划;求解0 引言当前,中国已经建有各种水库8.6万个,大规模水库482个,中规模水库3000个。

水电梯级开发移民评价指标体系的UML模型

水电梯级开发移民评价指标体系的UML模型

水电梯级开发移民评价指标体系的UML模型
魏庆平;张秋文
【期刊名称】《水力发电》
【年(卷),期】2006(032)009
【摘要】在简单介绍UML的基本原理及其建模过程、分析流域水电梯级开发生态环境效应中的移民影响因素及其评价指标体系的主要特点的基础上,利用UML建模方法,通过分组、构造包、建立关系、规范和抽象以及建立系统结构类图,构建了梯级水电开发移民评价指标体系的UML用例框架模型.结果表明,UML框架模型不仅提高了移民评价指标体系的规范性和可操作性,而且可以实现评价指标体系的可视化和定量化描述.
【总页数】5页(P13-17)
【作者】魏庆平;张秋文
【作者单位】华中科技大学水电与数字化工程学院,湖北,武汉,430074;华中科技大学水电与数字化工程学院,湖北,武汉,430074
【正文语种】中文
【中图分类】F282;C922
【相关文献】
1.水电梯级开发中项目法人征地移民工作的对策和措施 [J], 杨昆
2.我所看到的美国水电(之十三)——美国密苏里河水电梯级开发及移民补偿 [J], 何学民
3.宁夏生态移民地区民族关系评价指标体系构建研究 [J], 冯雪红;聂君
4.河流水电梯级开发环境影响后评价指标体系研究 [J], 张虎成;闫海鱼;徐海洋;邱兴春
5.陕南移民搬迁安置区选址适宜性评价指标体系初步研究 [J], 连海波;赵法锁;王雁林;唐皓;李强
因版权原因,仅展示原文概要,查看原文内容请购买。

具有弹性约束的梯级水电站工作深度优选模型

具有弹性约束的梯级水电站工作深度优选模型

具有弹性约束的梯级水电站工作深度优选模型
周惠成;陈守煜
【期刊名称】《大连理工大学学报》
【年(卷),期】1992(032)005
【摘要】提出具有弹性约束的梯级水电站工作深度优选的一般模型。

它可考虑水电站最大、最小工作库容所允许的弹性约束,按梯级总保证出力最大的优化准则,求解梯级水电站的最优工作深度。

常规动态规划是本文模型的特例,本模型可容易地扩展为多阶段、多模糊约束、多模糊目标的水资源系统决策模型。

【总页数】6页(P572-577)
【作者】周惠成;陈守煜
【作者单位】不详;不详
【正文语种】中文
【中图分类】TV212.5
【相关文献】
1.梯级水电站工作深度优选的模糊决策模型 [J], 周惠成;陈守煜
2.具有水库调节的梯级小水电站群顶峰发电优化调度的探讨 [J], 鲁志军
3.梯级水电站参数优选模型 [J], 鲁子林;钟平安
4.浅析如何安全开展乌江梯级水电站远程集控模式下监盘工作 [J], 陈宇
5.梯级水电站工作深度的二次规划优选方法 [J], 姜冶;陈守煜
因版权原因,仅展示原文概要,查看原文内容请购买。

基于粒子群算法梯级水电站短期优化调度研究

基于粒子群算法梯级水电站短期优化调度研究

关键词:梯级电站; 短期优化调度; 峰谷电价; 粒子群算法; 综合效益最大模型
I
华 中 科 技 大 学 硕 士 学 位 论 文 Abstract
In this paper, maximum integrated profit model of short-term optimal scheduling of cascade hydropower plants based on peak and valley price is established and the example of short-term optimal scheduling of "Shuibuya-Geheyan- Gaobazhou" three cascade hydropower plants by improved particle swarm optimization is calculated, then the results are analyzed. The main content and the results of this paper are as follows: Contraposing the problem of shortage of China's power, large difference between peak electricity and valley electricity, low utilization rate of load and so on, it suggest widening gap between peak price and valley price, stimulating users rational consume and constituting a reasonable time-sharing electrovalence system and so on. calculation of peak and valley price is discussed. Particle Swarm Optimization has the advantages of simple, has few adjustable parameters, it is easy to realize, but also it has own shortcomings of precocity and slow later convergence, and sometimes akin to stagnation. In order to overcome the shortcomings of standard Particle Swarm Optimization, for example, precocity and slow later convergence, shrinkage factor and across operator are adopted in the study. Maximum integrated profit model of short-term optimal scheduling of cascade hydropower plants based on peak and valley price considering both the profit of generation and the water-effective is established, the model is closer to reality and better reflect the actual operation of the cascade hydropower plants. Improved Particle Swarm Optimization is applied to short-term optimal scheduling of the cascade hydropower plants of the Qingjiang River, it calculate by the traditional model and the modle based on peak and valley price, the results show that it has a satisfactory effect both in the solving time and the accuracy of the results for applying the improved Particle Swarm Optimization to solve the problem of the short-term optimal scheduling of cascade hydropower plants; implementing peak and valley price has a higher value for improving the integrated profit of cascade hydropower plants, reasonable use of water resources and easing the tensions in the peak period of electricity consumption.

【国家自然科学基金】_梯级水电站群_基金支持热词逐年推荐_【万方软件创新助手】_20140730

【国家自然科学基金】_梯级水电站群_基金支持热词逐年推荐_【万方软件创新助手】_20140730
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
科研热词 推荐指数 优化调度 2 雅砻江 1 连续线性规划(slp) 1 负荷优化分配 1 补偿效益 1 线性混合整数规划 1 短期调度 1 生态友好型调度 1 火溪河梯级电站 1 清江梯级 1 求解方法 1 水电站 1 水电期货市场 1 水库 1 水头 1 水体势能 1 水体动能 1 比例缩减因子 1 梯级水电系统 1 梯级水电站 1 梯级水库 1 数学模型 1 微元分析法 1 库容压能 1 发电量序列概率特征分析 1 发电模型 1 发电 1 划分模型 1 分解与协调模型 1 优化技术 1 不连续运行区间 1 三峡梯级 1
科研热词 梯级水电站群 优化调度 调度函数 发电调度 长江上游 金沙江 超效率数据包络分析 调度规则 蚁群算法 蓄能调度图 联合调度 综合利用要求 粒子群优化算法 离散微分动态规划 神经网络 短期运行 短期 电能优化配置 电力负荷曲线 电力系统 水能资源优化 水电站运行 水电工程 水库调度 水力发电 梯级电站 梯级水电站长期优化调度 梯级水电站 日调度 数据包络分析 搜寻者优化算法 并行 常规调度图 巨型水电站群 大型梯级水电站 多核 多振动区 多市场 多向导 发电效率指标 发展战略 优化模型 中长期优化调度 poa改进算法
推荐指数 4 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

动态规划的模型构建.ppt

动态规划的模型构建.ppt

问题2:乘积最大
• 设有一个长度为N的数字串,要求选手使用K个乘号将它 分成K+1个部分,找出一种分法,使得这K+1个部分的乘积 最大。
• 同时,为了帮助选手能够理解题意,主持人还举了如下一 个例子:
• 有一个数字串:312,当N=3,K=1时会有两种分法: • ⑴3*12=36 • ⑵31*2=62 • 这时,符合题目要求的结果是:31*2=62。现在,请你帮
• 分析样例: N=4,4颗珠子的头标记与尾标记依次为 (2,3) (3,5) (5,10) (10,2)。
• 我们用记号⊕表示两颗珠子的聚合操作,释放总能量: ((4⊕1)⊕2)⊕3)=10*2*3+10*3*5+10*5*10=710
动态规划
• 该题与石子合并完全类似。 • 设链中的第i颗珠子头尾标记为(Si-1与Si)。 • 令F(i,j)表示从第i颗珠子一直合并到第j颗珠子所能
• 0<=i<=n, 0<=j<=C,0<=k<j div Cost(i) • 初始: F(0,0)=1 • 目标: F(n,C) • 时间复杂度:O(k*n*C),这里k是常数因子,
与数据相关
问题7:能量项链
• 在Mars星球上,每个Mars人都随身佩带着一串能量项链。 • 在项链上有N颗能量珠。 • 能量珠是一颗有头标记与尾标记的珠子,这些标记对应着
• 给定一些系统备用件的单价Ck,以及当用Mk个此 备用件时部件的正常工作概率Pk(Mk),总费用 上限C。求系统可能的最高可靠性。
样例
输入文件格式:
第一行:n C 第二行:C1 P1(0)
… 第n 行:Cn Pn(0)
P1(1) … P1(X1) (0<=X1<=[C/Ck]) Pn(1) … Pn(Xn) (0<=Xn<=[C/Cn])

梯级水电站群径流随机模拟及中长期优化调度的开题报告

梯级水电站群径流随机模拟及中长期优化调度的开题报告

梯级水电站群径流随机模拟及中长期优化调度的开题报告概述随着经济的快速发展和人口的不断增长,对能源需求的需求量不断增加。

水电站作为一种清洁可再生的能源,已成为国内外的重要供能方式之一。

为了提高水电站的利用效率和运行效率,需要对水电站进行中长期优化调度和径流预测。

目前,大多数水电站的调度仍然采用人工经验决策,这种方式不仅存在误差较大的风险,而且效率较低。

因此,开发一种有效的水电站调度方法,通过模型化管理水库的运行,能够提高水库贮水量的利用率,并保证水库的安全。

梯级水电站系统的优化调度研究使用模拟模型进行水力仿真和优化调度,并对径流量进行随机模拟,为水库和水电站的运行提供有效的预测和控制手段。

本文旨在开发一种梯级水电站群径流随机模拟及中长期优化调度方法,为水电站的可持续发展和有效管理提供一种新的思路。

本文将首先介绍研究的背景和研究意义,然后简要介绍水电站的概念及其运行方式,接下来重点介绍梯级水电站群径流随机模拟和中长期优化调度方案,并最后总结研究工作和下一步研究的方向。

一、研究背景和意义随着经济的发展和人口的增加,水力发电已成为发展清洁能源的重要途径之一。

中国西南地区是水力发电的重要基地,拥有大量的梯级水电站群。

这些水电站面临着流域水文条件变化和发电市场需求变化等多方面的挑战。

因此,开展梯级水电站群径流随机模拟和中长期优化调度研究显得尤为重要。

梯级水电站群管理是水力发电利用中的重要环节,它不仅影响水电站的运行效率和稳定性,也影响到电力市场的供需平衡和电价的合理性。

通过对水电站群的中长期规划和调度,可以最大限度地利用水库储水资源,降低电力供应成本,提高电力市场竞争力,同时保证环境可持续发展。

二、水电站的概念和运行方式水电站是利用水流能量转化为电能的设施,主要由两部分组成:水库和水电站。

其运行方式如下:1. 水库的运行水库负责储存和调节水流。

当水流来临时,水流会进入水库,水库蓄水,当水流减少时,水库就会向下游放水,发挥减慢洪峰、补给干流等功能。

考虑动库容及回水顶托作用的三峡梯级短期优化调度研究

考虑动库容及回水顶托作用的三峡梯级短期优化调度研究

摘要目前,对于三峡梯级水电站短期优化调度问题,国内外许多学者已经做了很多研究。

但是,在研究中通常都不考虑水库动库容和下游水电站的库区回水顶托作用的影响。

然而,三峡水库和葛洲坝水库都属于典型的河道型水库,水库的动库容所占的比重较大,其对梯级优化运行的影响不容忽略。

此外,葛洲坝水电站运行后,其正常蓄水位回水可抵达三峡坝下,一定程度上会抬高三峡水电站的下游水位,降低同等条件下的发电水头,造成电能淹没损失。

因此,有必要研究水库的动库容和葛洲坝库区回水顶托作用对三峡梯级短期优化调度的影响。

为了分析水库动库容和回水顶托作用对三峡梯级短期优化调度的影响,本文所做的主要工作如下:(1)对国内外短期水库优化调度算法和模型的研究进展进行简述,分析梯级水电系统短期优化调度的难点及目前研究存在的问题,确立本文的研究重点。

(2)分析了三峡和葛洲坝水库的动库容特性,以及葛洲坝对三峡的回水顶托作用的特性;对收集到的数据资料进行处理,利用多元非线性回归模型分别拟合出考虑水库动库容时三峡和葛洲坝的库容函数关系,以及考虑回水顶托作用时的三峡尾水位函数关系。

(3)以梯级发电量最大为目标,建立了考虑动库容及回水顶托作用的三峡梯级短期优化调度模型,介绍了动态规划的求解方法,进行了实例计算与分析。

此外,还分析了由于样本数据不同造成的拟合函数关系不同对模型的影响,以及三峡入库流量量级不同时,动库容和回水顶托作用对三峡梯级优化运行的影响。

本文的研究结果表明,考虑动库容和回水顶托作用时,三峡梯级的总发电量会增加,在本文实例中,梯级发电量增加了0.225%;同时葛洲坝水电站的运行水位会整体下降,维持在较低水位运行;而且考虑动库容和回水顶托作用时,三峡和葛洲坝水电站的出库流量过程和出力过程都更加平稳,发生弃水的概率也会减少;研究还表明,三峡水库入库流量量级不同时,动库容和回水顶托作用对三峡梯级短期优化调度的影响程度也不同,当三峡水库的入库流量足够大时,三峡梯级总发电量增加的百分比随入库流量量级的增加大致呈递增的趋势。

动态规划在水资源配置中的应用及MATLAB求解

动态规划在水资源配置中的应用及MATLAB求解

动态规划在水资源配置中的应用及MATLAB求解
艾立刚;王博辉;孙卓
【期刊名称】《水利科技与经济》
【年(卷),期】2011(017)012
【摘要】水资源作为社会经济系统存在和发展的基本因素,其承载能力状况对区域经济发展起着重要作用。

按经济最优性原则,运用动态规划方法理论,结合自编的MATLAB程序,从用水量与经济效益出发研究了某个水库水资源最优化分配的问题。

【总页数】2页(P17-18)
【作者】艾立刚;王博辉;孙卓
【作者单位】黑河市孙吴水文局,黑龙江黑河164200;黑河市孙吴水文局,黑龙江黑
河164200;黑河市孙吴水文局,黑龙江黑河164200
【正文语种】中文
【中图分类】TV212
【相关文献】
1.动态规划在水资源优化配置中的应用 [J], 王柏明
2.动态规划求解方法的Matlab实现及应用 [J], 于斌;刘姝丽;韩中庚
3.动态规划在水资源配置中的应用 [J], 姜莉萍;赵博
4.基于MATLAB的水资源配置动态规划研究 [J], 王超
5.区域水资源优化配置多目标模型求解的Matlab与Excel集成实现 [J], 张伟;吴
泽宁
因版权原因,仅展示原文概要,查看原文内容请购买。

基于熵权Shapley值法的梯级水电站补偿效益分摊

基于熵权Shapley值法的梯级水电站补偿效益分摊
i ∈D
、 基于 合 作 对 策 的 S h a l e p y法
[ 2, 3]
单指标法分摊比 较 片 面 , 梯级各水电站分摊的结 果差异较大 ; 综合指标法主观性较强 , 人为因素较 大; S h a l e p y 值法忽略 了 电 站 的 个 体 特 征 和 偏 好 。 鉴此 , 本文从梯级 各 水 电 站 自 身 的 个 体 特 征 及 补 偿效益分摊的博 弈 性 角 度 出 发 , 以某流域梯级水 电站为例 , 探索了基于熵权 S h a l e p y值法的梯级 水电站补偿效益 分 摊 方 法 , 结果表明该方法分摊 结果相对公平合理 。
( ) 2
合作博弈中合理分配的 S h a l e p y 值的 3 个 公 ) ( 对称性公理 。 对于置换 π, 有: 1 v) =φ π v) i( i( π φ
! 基于熵权 +<3=245 值法的模型
!$! +<32=45 值法原理 S h a l e p y值是多人合作博弈理论中一种解的 概念 , 保证了在参 与 合 作 成 员 间 有 效 和 公 平 的 分
基于熵权 S h a l e p y 值法的梯级水电站补偿效益分摊
曹云慧 , 王丽萍 , 王春超 , 朱艳霞 , 李继伟 , 周 婷
) ( 华北电力大学 可再生能源学院 ,北京 1 0 2 2 0 6 摘要 :为 使 梯级 水 电 站 补偿 效 益 分 摊 较好地 兼顾 到 各 水 电 站 的 利 益 、 调 动 其 参 与 联 合 调 度 的 积 极 性, 将熵权 法与 S 提出 熵权 S 并建立熵权 S 将其应用于某流域 h a l e h a l e h a l e p y 值法相结 合 , p y值 法, p y值 效 益 分 摊 模 型, 梯级 的 三 个 水 电 站 的 效 益 分 摊 中 。 结果表明 , 该法不仅考虑了各水电站之间的公平性, 同时兼顾了自身的装 机容 量 、 调节 库 容 、 额 定水 头 和 保 证 出 力 等 个 体 特征 ; 分摊结果公平合理, 调动了龙头水电站参与梯级联合运 行 的 积 极性 , 有 利于 实 现 流域 梯级 联 合 运 行 及 总效 益 最 大的 目标 。 关键词 :效 益 分 摊 ;梯级 水 电 站 ;熵权 法 ; S h a l e p y 值法 ;联 合 调 度 中图分类号 : TV 6 9 7 文献标志码 :A
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

梯级水电投资的动态规划模型吴忠群1,朱太辉2,孙红霞3(11华北电力大学工商管理学院,北京102206;21中国人民大学财政金融学院,北京100872;31中国科学院研究生院人文学院,北京100049)摘要:针对梯级水电开发的多阶段、多因素和不确定的属性,结合动态规划的多阶段寻优特点,构建了梯级水电投资决策的动态优化模型。

同时,探索了用蒙特卡罗模拟技术对电站未来的发电收益进行模拟的可行途径;构建算例检验了梯级水电投资动态优化模型的有效性。

计算和分析的结果表明,基于动态规划的梯级水电投资优化模型能够合理反应梯级水电投资的动态特征,显著地提高了梯级水电投资决策的可靠性。

研究结论可为扩展利用动态规划理论分析解决梯级水电投资决策问题提供理论支撑。

关键词:管理工程;电力投资;投资优化;动态规划;优化方法 中图分类号:F014131;TM721文献标志码:A 文章编号:100021093(2009)S 20170205The Dynamic Programming Model of Cascaded Hydropower InvestmentWU Zhong 2qun 1,Z HU Tai 2hui 2,SUN Hong 2xia 3(1.School of Business and Administration,North China Electric Power Universit y,Beijing 102206,China;2.School of F inance,Renmin University,Beijing 100872,China;3.Humanities School,Graduat e University of Chinese Academy of Sciences,Beijing 100049,China)A bstract :T aking aim at multi 2periods,multi 2factors and uncertainty on cascaded hydropower develop 2ment combined with multistage optimization of dynamic programming,a dynamic optimization model was established.Simultaneously,a feasible way of simulating electricity revenue of hydropower in the future was explored by using Monte Carlo simulation,an illustrative example was proposed to test ef 2fectiveness of the model.The calculated and analyzed results demonstrate that the model can reason 2ably reflect the dynamic features,and significantly improve the reliability of decision making on cas 2caded hydropower investment.The conclusions can provide theoretical supports for the extended appli 2cation of dynamic programming theories and resolving the decision making of cascaded hydropower in 2vestment.Key words :management engineering;electricity investment;investment optimization;dynamic pro 2gramming;optimization method收稿日期:2009-10-20作者简介:吴忠群(1969)),男,副教授。

E 2mail:zhongqunw@0 引言梯级电站开发的投资决策与单个电厂投资决策不同,是一个多阶段和不确定的动态过程。

梯级水电投资巨大,各电站彼此之间存在着水力联系,上游电站对下游电站有一定的调控作用,各水电站的投资时序会对彼此的投资支出和运营效应产生影响。

因此,传统的投资决策方法和技术,如净现值法、实物期权法、博弈论等,很难适应梯级水电开发的多目标、多阶段和不确定的特征。

复合排序模型以折现第30卷增刊2009年11月兵工学报ACTA AR MAMENTARI I Vol.30Suppl.Nov.2009投资和累计过剩容量最小化为目标,嵌入了水库联调优化,但没有考虑投资者自身利益的最大化问题[1];模糊优选模型虽然能通过模糊多目标运算得到各目标的相对隶属度,进而确定各个水电站在流域梯级开发中的顺序[2],但该方法以专家的主观打分为基础,使决策结果掺杂明显的主观性;Screen Curve 法是一种最简单、最直观的电力扩展规划方法,但难以对各方案进行动态经济比较,在实际的电力投资规划中已被其它方法取代[3]。

动态规划(Dynamic Programming)是解决多阶段动态决策过程最优化的一种数学方法,由美国数学家贝尔曼(R.Bellman)等人于1951年提出。

其特点是将一类多阶段动态决策问题变换成一系列相互联系的单阶段问题,然后逐个加以解决。

自1973年Dusonchet 将动态规划应用到电网规划问题后[4],动态规划就在电力行业得到了推广运用,如在发电机组的动态分配[5]、热力系统的动态调度[6]、电力项目投资决策[7]等方面的应用。

在梯级水电方面,动态规划的应用主要集中在梯级电站建成后联合运行的优化调度方面[8-13],但还没有见到应用于梯级水电投资优化的文献。

本文针对梯级水电开发投资的特征,考虑融资约束、电站之间的水利联系,运用动态规划原理,构建梯级水电投资决策的优化模型并进行算例检验。

1 梯级水电投资的动态规划111 动态规划的目标函数用投资收益构建梯级水电投资优化目标函数,考虑支出和收入2个方面:一是水电站建设投资及相关支出(包括直接投资与资金运用成本);二是在容许的最长投资建设期内梯级电站群的运营收入。

投资主要指水电站的固定资产投资,暂不考虑流动资金投资。

设电站k 第t 年的投资额为I t k ,梯级开发的最长建设期为T 年,贷款资金在建设规划期内不计算利息,则整个电站群的投资支出现值I 为I =E mk=1ETt=1I t k /(1+i d )t,(1)式中:i d 为贴现率;1/(1+i d )t为各年的贴现因子。

水电投资项目的运营收入主要来之售电收入;由于没有燃料成本,其它运营成本基本上比较稳定,而运营收益需要交纳税金的税率也基本稳定不变,因此可以假定项目k 运营期间的年运营成本及纳税额与年发电收入成比例,即C t k =P t Q t w k ,(2)式中:P t 为第t 年售电的平均价格;Q t 为平均售电量;w k 为水电站k 的年运营成本和纳税额占年发电收入的比例。

项目k 在梯级开发规划期限内的投资效益函数可以表述为R k =ETt=1(P t k Q t k -C t k )/(1+i d )t =ET t=1P t k Q t k (1-X k )/(1+i d )t .(3)对于影响投资效应的两个核心变量)))上网电价P t k 和机组年均发电量Q t k ,后文将根据各电站所在地区水电的平均交易电价和机组年均利用小时数,通过蒙特卡罗模拟给出它们的分布函数和概率密度,以此准确地估算出梯级水电开发每种投资方案的效益。

所以,梯级水电投资优化的目标函数为F =maxE mk =1ETt=1P t k Q t k (1-X k )/(1+i d )t.(4)112 动态规划模型描述1)阶段以每年为一阶段,各电站每年投资在年初完成。

2)决策变量梯级水电投资规划中,各个阶段(年份)项目是否开工就是决策,以x t k 表示。

由于实物投资的不可撤消性,x t k 的取值用0-1来描述,即x tk =0,1.(5)(5)式中0代表项目k 在第t 年没有投资或者此前就已经投资;1代表项目k 在第t 年恰好开始投资。

3)状态变量以s t k 表示,即项目k 到第t 阶段(或者第t 年)末的投资进程(建造进程)。

(s t 1,s t 2,,,s t m )表示到第t 阶段末,所有项目的工程进展状况,即整个梯级开发到第t 阶段初的状态变量,简记为S t .由决策变量的定义和上述假定可知s 0k =0,(k =0,1,2,,,m).(6)所以有S 0=(s 01,s 02,,,s 0m )=(0,0,,,0).(7)4)约束条件a )融资约束。

由于梯级水电开发所需的资金大多依赖于外源融资,梯级水电开发的投资时序规划必须考虑到融资额的约束。

假设项目第t 年总共可171增刊梯级水电投资的动态规划模型以融入的资金总额为f0t(包括投入的自有资金),那么融资约束条件具体为I t(X t,S t)[f0t(X t,S t),(8)式中,I t(X t,S t)为全部电站在第t年所需投资额。

b)风险约束。

项目未来面临的电价和售电量的波动,会给投资带来风险,所以项目k的决策变量x t k必须满足该电站的投资风险低于投资者的风险承受限度r0,即有r(R k,x t k)[r0,(9)式中,r0为投资方能承受的最大风险,r(R k,x t k)通过蒙特卡罗模拟项目k电价和出力的波动函数算出。

c)完工约束。

若项目k建设周期为p k年,则其开工时间必须要比整个梯级开发要求的完工时间提前p k年,即t(x t k=1)+p k[T.(10)d)电站之间来水联系。

梯级电站间的水力联系包括流量联系和水头联系[9]。

流量联系是指上游水电站泄下的流量为下游水电站利用,上游电站泄下的流量与区间流量之和组成了下游水电站的入库流量。

如果两相邻梯级水电站间的距离较长,则两电站的流量变化并不同时发生,第j-1号电站的泄水须经过S j-1时间后才能流到下游第j号电站。

因此有:Q j(t)=Q0j(t)+Q j1(t-S j-1),(11)式中:Q j1(t-S j-1)为第j-1号水电站在第(t-S j-1)时刻的泄水量;S j-1为水流由第j-1级电站流到第j级电站所需的时间,称为水流流达时间。

水头联系取决于梯级水电站间的衔接情况,可用衔接系数K a描述。

相关文档
最新文档