-
公开(公告)号：CN116757446B
公开(公告)日：2023-10-31
申请号：CN202311017561.8
申请日：2023-08-14
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06N3/006 , G06F111/04
Abstract: 本发明公开了一种基于改进粒子群算法的梯级水电站调度方法及系统，包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立水电站优化调度模型；步骤三、初始化粒子群参数；步骤四、初始化生成粒子种群位置和速度；步骤五、计算种群粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度；步骤七、引入高斯变异策略和莱维飞行机制二次更新粒子位置，对比两次更新，选择较优的粒子位置生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。本发明通过对传统粒子群算法进行改进，解决传统粒子群算法求解梯级水电站调度模型的问题，充分发挥水电站水能资源利用能力。
-
公开(公告)号：CN112116130B
公开(公告)日：2022-04-15
申请号：CN202010855501.3
申请日：2020-08-24
Applicant: 长江水利委员会长江科学院 , 华中科技大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/04
Abstract: 一种基于可变结构深度学习框架的短期调度规则提取方法，包括：步骤1、构建深度学习网络；步骤2、输入因子‑决策变量样本对选择；步骤3、将步骤2的样本数据归一化；步骤4、关键超参数选择与优化；步骤5、网络重构；步骤6、网络训练：利用步骤5得到的重构网络，输入步骤3得到的样本进行网络学习，得到最终深度学习网络，此网络即为提取的短期调度规则。本发明立足电站实际历史运行数据，构建基于长短期记忆网络的深度学习网络模型，挖掘实际运行过程中蕴含的内在规律，建立电站短期调度规则，将电站调度期初末水位、期间来水过程以及电站受电网负荷过程作为输入因子，电站时段末水位作为决策变量，使模型输出结果更适用于实际调度过程。
-
公开(公告)号：CN117421558A
公开(公告)日：2024-01-19
申请号：CN202311418406.7
申请日：2023-10-26
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种梯级水库运行规则提取及其模型训练方法，属于水利技术领域。本发明方法首先收集梯级水库的历史运行数据、流域网格实测降水数据和流域网格预报降水数据，建立水文模型并确定源头水库入库流量预报和子区间网格降水预报的有效预见期；再利用所述有效预见期内各个时段的源头水库入库预报流量和子区间网格预报降水，构建不同有效预见期下的输入因子集；耦合ConvLSTM和LSTM，构建关联水文气象时空信息的梯级水库运行规则提取模型；最后利用输入因子集训练得到最优梯级水库运行规则提取模型。通过对比实验可知，本发明方法构建的梯级水库运行规则提取模型能更为准确地模拟各水库不同时期的出库流量变化过程。
-
Patent Agency Ranking
公开(公告)号：CN110348599B
公开(公告)日：2022-02-15
申请号：CN201910477359.0
申请日：2019-06-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种考虑弃水风险的跨流域水电站群调峰优化调度方法，包括以下步骤：S1、构建水电站群调峰优化调度模型；S2、计算各梯级水电站的弃水风险大小；S3、基于所述各电站的弃水风险协调分配各电站发电量；S4、基于所述各电站的电量分配计算所述水电站群调峰优化调度模型的最优解得到各电站出力过程线，完成水电站群联合调峰调度。通过径流频率来量化分析水电站弃水风险，并基于弃水风险值协调分配不同流域水电站群调峰电量，能够充分考虑各电站的弃水风险，发挥了不同流域水电站群的径流补偿及电力补偿效益，从而在电网水电系统调峰时大大降低了水电弃水风险，减小了水电弃水电量。
-
公开(公告)号：CN117421558B
公开(公告)日：2024-06-21
申请号：CN202311418406.7
申请日：2023-10-26
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种梯级水库运行规则提取及其模型训练方法，属于水利技术领域。本发明方法首先收集梯级水库的历史运行数据、流域网格实测降水数据和流域网格预报降水数据，建立水文模型并确定源头水库入库流量预报和子区间网格降水预报的有效预见期；再利用所述有效预见期内各个时段的源头水库入库预报流量和子区间网格预报降水，构建不同有效预见期下的输入因子集；耦合ConvLSTM和LSTM，构建关联水文气象时空信息的梯级水库运行规则提取模型；最后利用输入因子集训练得到最优梯级水库运行规则提取模型。通过对比实验可知，本发明方法构建的梯级水库运行规则提取模型能更为准确地模拟各水库不同时期的出库流量变化过程。
-
公开(公告)号：CN116757446A
公开(公告)日：2023-09-15
申请号：CN202311017561.8
申请日：2023-08-14
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06N3/006 , G06F111/04
Abstract: 本发明公开了一种基于改进粒子群算法的梯级水电站调度方法及系统，包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立水电站优化调度模型；步骤三、初始化粒子群参数；步骤四、初始化生成粒子种群位置和速度；步骤五、计算种群粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度；步骤七、引入高斯变异策略和莱维飞行机制二次更新粒子位置，对比两次更新，选择较优的粒子位置生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。本发明通过对传统粒子群算法进行改进，解决传统粒子群算法求解梯级水电站调度模型的问题，充分发挥水电站水能资源利用能力。
-
公开(公告)号：CN113705932B
公开(公告)日：2023-02-14
申请号：CN202111109166.3
申请日：2021-09-22
Applicant: 华中科技大学
Abstract: 本发明提供了一种短期负荷预测方法及装置，属于电力负荷预测领域，方法包括：对筛选出的最优额定种类的负荷预测相关因子和费歇累积气象因子归一化处理，输入至训练完毕的长短期记忆神经网络，输出预测负荷值；最优额定种类的费歇累积气象因子的获取方法，包括：将每一种气象累积效应因子的数据按照时间排列后划分成若干时间窗口；计算各时间窗口对应的费歇信息量，且将费歇信息量加权至时间窗口正中间的气象累积效应因子上，得到费歇累积气象因子；在对训练集中的实际负荷数据进行不同滞后阶数下，计算各种费歇累积气象因子与实际负荷的互相关系数，筛选出互相关系数最大的额定种类的费歇累积气象因子。本发明能够提升对负荷预测的精准度。
-
公开(公告)号：CN113705932A
公开(公告)日：2021-11-26
申请号：CN202111109166.3
申请日：2021-09-22
Applicant: 华中科技大学
Abstract: 本发明提供了一种短期负荷预测方法及装置，属于电力负荷预测领域，方法包括：对筛选出的最优额定种类的负荷预测相关因子和费歇累积气象因子归一化处理，输入至训练完毕的长短期记忆神经网络，输出预测负荷值；最优额定种类的费歇累积气象因子的获取方法，包括：将每一种气象累积效应因子的数据按照时间排列后划分成若干时间窗口；计算各时间窗口对应的费歇信息量，且将费歇信息量加权至时间窗口正中间的气象累积效应因子上，得到费歇累积气象因子；在对训练集中的实际负荷数据进行不同滞后阶数下，计算各种费歇累积气象因子与实际负荷的互相关系数，筛选出互相关系数最大的额定种类的费歇累积气象因子。本发明能够提升对负荷预测的精准度。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.044 seconds)
