基于上游水库运行对下游电站发电能力影响的调度方法

    公开(公告)号:CN111126693B

    公开(公告)日:2022-11-11

    申请号:CN201911333806.1

    申请日:2019-12-20

    摘要: 本发明公开基于上游水库运行对下游电站发电能力影响的调度方法,属于水文水资源调度领域。包括:将下游梯级电站天然入库流量作为下游梯级电站发电优化调度模型的输入,得到第一发电量;采用上游水库群模拟调度模型模拟天然流量下上游水库群调度运行过程,将上游水库调蓄后的流量作为下游梯级电站发电优化调度模型输入,得到第二发电量;丰水年调度期间第二发电量与第一发电量的差值大于第一比例第一发电量,或,平水年及枯水年调度期间第二发电量与第一发电量的差值大于第二比例第一发电量,将上游水库与下游电站联合发电调度。本发明对比不同调度方案下游电站发电能力变化,为下游电站提供准确的来水输入,提高了下游电站发电能力测算的可信度。

    一种河湖一维与平面二维水动力模型深度耦合方法

    公开(公告)号:CN114492238A

    公开(公告)日:2022-05-13

    申请号:CN202210071934.9

    申请日:2022-01-21

    摘要: 本申请涉及一种河湖一维与平面二维水动力模型深度耦合方法,包括以下具体步骤:步骤1:将整个计算区域划分为若干个一维分区和若干个二维分区;步骤2:得到一维模型的计算网格;步骤3:得到二维模型的计算网格;步骤4:实现一维分区与二维分区的降维连接;步骤5:建立隐式一维与二维模型的深度耦合模拟系统,进行计算区域内部各个一维分区与二维分区的深度耦合计算;步骤6:将各个一维分区、二维分区的计算结果数据存于硬盘上,并显示在电脑屏幕上对用户进行反馈。本申请克服了不同维度计算网格之间的差异,实现了一维分区和二维分区的平顺连接,解决了以往同类耦合计算方法在耦合界面处模拟精度不高的缺陷及其不良影响。

    一种大规模水光能源互补调度方法与系统

    公开(公告)号:CN111461478B

    公开(公告)日:2022-04-22

    申请号:CN202010053998.7

    申请日:2020-01-17

    IPC分类号: G06Q10/06 G06Q50/06 G06N3/00

    摘要: 本发明公开了一种大规模水光能源互补调度方法与系统,属于水光互补调度领域。首先在搜索空间中随机生成初始种群,由各个体的适应度值,对当前种群中的个体最优位置和全局最优位置进行更新,然后更新种群所有个体位置;使用局部搜索策略提升种群收敛速度,使用自适应变异策略自适应变异策略筛选种群,通过迭代计算种群中所有个体的位置进行更新,达到最大迭代次数后得到种群全局最优位置作为水光能源互补调度的最优方案。本发明解决了现有GSA算法存在的难以摆脱局部最优且开发能力弱等技术问题,具有寻优能力强的优点,针对水光协同调度问题能够合理的处理探索和开发之间的平衡,具有良好的工程实用性。

    基于动态收索与离散机制的动态规划降维的水库调度方法

    公开(公告)号:CN114021902A

    公开(公告)日:2022-02-08

    申请号:CN202111203389.6

    申请日:2021-10-15

    发明人: 蒋志强 王随玲

    IPC分类号: G06Q10/06 G06F30/20

    摘要: 本发明属于水库调度相关技术领域,更具体地,涉及一种基于动态收索与离散机制的动态规划降维的水库调度方法。该方法包括下列步骤:S1确定待处理水库的初始库容的上限和下限;S2将库容量与时间的连续曲线离散为多个时刻,更新每个时刻对应的库容的上限和下限;S3将每个时刻的库容上限和下限之间的部分划分分为多个等分获得离散点的数量,以此获得所需的离散点数量;S4将所需的离散点数和每个时刻对应的库容上限和下限输入水库最大削峰准则对应的目标函数中,以此获得水库的最大下泄流量和计算时间。通过本发明,解决动态规划计算过程中离散点较少,下泄流量为负,以及离散度很大,计算时间很长的问题。

    基于典型枯水年和出力系数优选的蓄能调度图绘制方法

    公开(公告)号:CN111027825B

    公开(公告)日:2021-12-31

    申请号:CN201911173644.X

    申请日:2019-11-26

    IPC分类号: G06Q10/06 G06Q50/06 G06F17/18

    摘要: 本发明公开了一种基于典型枯水年和出力系数优选的蓄能调度图绘制方法,属于水电能源生产与管理领域,该方法包括:根据流域整体来流频率的大小,选择典型枯水年系列;在蓄能调度图出力系数的初始可行空间内,确定出力系数初始解;以发电量更大为目标,根据获得的典型枯水年系列对出力系数初始解进行迭代优化,直至设定次数;以发电量最大为目标,对优化后的出力系数对应的蓄能调度图进行筛选,得到最终的蓄能调度图。本发明方法考虑了流域上下游来流频率的非一致性,使代表流域整体的典型径流过程更加符合实际,提高了蓄能调度图的科学、合理性;同时能快速准确找出蓄能调度图最优出力系数,对于指导梯级水库群的实际调度运行具有重要指导意义。

    基于混合智能降维算法的特大流域水电站群优化调度方法

    公开(公告)号:CN108537370B

    公开(公告)日:2021-07-27

    申请号:CN201810245918.0

    申请日:2018-03-23

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/12

    摘要: 本发明公开了一种基于混合智能算法的特大流域水电站群优化调度方法,选择参与计算的水电站并设置相应约束条件,采用个体串联编码方法编码个体,并生成初始种群;评估各个体的适应度值,在更新个体极值和全局极值后对个体极值进行变异操作,然后更新种群中所有个体位置,而后对外部档案集中的个体执行混合搜索策略以提高个体多样性;最后重复上述过程直至满足终止条件。本发明寻优性能优越、鲁棒性强、收敛速度快、易于编程实现、避免了传统调度算法的维数灾问题。乌江流域应用实例表明,本发明方法有效提高了个体收敛速度以及种群全局搜索能力,能够快速获得合理有效的水电站群调度运行方式,提高了特大流域水电站群调度的整体调度效益。

    一种巨型梯级水电系统的多目标调度并行降维方法

    公开(公告)号:CN108710970B

    公开(公告)日:2020-12-08

    申请号:CN201810425870.1

    申请日:2018-05-07

    摘要: 本发明公开了一种巨型梯级水电系统的多目标调度并行降维方法,该方法包括如下步骤:在完成电站设置与参数初始化工作后,采用种群分解策略将大规模种群分解为多个互不干扰的小规模子种群,每个子种群均同时在相应线程上并行完成搜索工作;各子种群在进化过程中动态生成变异种群与交叉种群,并选择进入下一轮进化的个体,同时选择精英个体来更新外部档案集合,在个体调节计算过程中采用约束集成策略减少搜索范围;主线程收集各子种群的非劣解集并从中优选出最终的Pareto解集供调度人员决策参考。本发明可以在保证个体搜索方向多样性与种群整体质量的同时大幅缩减计算时间,在时间维与状态维上取得显著的降维效果。

    一种多年调节水库年末消落水位动态控制方法

    公开(公告)号:CN111832900A

    公开(公告)日:2020-10-27

    申请号:CN202010544927.7

    申请日:2020-06-15

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种多年调节水库年末消落水位动态控制方法,属于水资源管理领域。以多年连续来水作为输入,求解各年最优水位运行过程,从中提取每年最优消落水位值;绘制选定水文站点来水频率与最优消落水位的散点关系图、以及全流域来水频率与最优消落水位的散点关系图;对来水频率与最优消落水位相关性最大的散点关系图进行边界拟合,将其上下边界作为消落水位的动态控制阈;根据水库当前来水量,在动态控制阈内对年末消落水位进行动态控制。本发明允许消落水位在控制阈范围内动态波动,以应对来流的年内及年际差异对调度结果稳定性的影响,可操作性强且能够提高梯级系统总发电量,对指导含多年调节水库的梯级水库群实际调度运行具有重要意义。

    一种基于条件降维重构的日径流季节性随机模拟方法

    公开(公告)号:CN110334314B

    公开(公告)日:2020-09-18

    申请号:CN201910546150.5

    申请日:2019-06-24

    IPC分类号: G06F17/15

    摘要: 本发明公开了一种基于条件降维重构的日径流季节性随机模拟方法,属于随机水文领域。本发明采用条件降维重构理论构造三维Copula函数,根据t‑1与t‑2时刻日流量的二维联合分布、t与t‑2时刻日流量的二维联合分布,建立t、t‑1、t‑2时刻日流量的三维联合分布,将三维Copula函数转化为条件分布和二维Copula函数,避免了直接建立高维Copula函数带来的参数求解困难,降低了构造高维Copula的难度同时比较容易估计高维Copula的参数,使计算变得更容易。本发明在日径流随机模拟中考虑2阶滞时相关关系,解决了现有基于Copula函数的日径流随机模拟方法无法考虑2阶滞时的难题,能够很好的模拟日径流序列均值、方差、Cs等统计特征,且模拟效果更好。