公开(公告)号：CN112036633A

公开(公告)日：2020-12-04

申请号：CN202010871614.2

申请日：2020-08-26

申请人： 三峡大学

发明人： 李文武 ,  严展鹏 ,  刘江鹏 ,  徐康 ,  马浩云

IPC分类号： G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N20/00

摘要： 本发明提供了一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法，本发明采用Tennant法中的理想生态流量。优化调度模型的建立包括：首先建立水库发电目标函数以及生态流量贴近度目标函数，紧接着通过这两个目标函数归一化处理得到发电和生态综合效益的多目标函数，尽量使得发电和生态综合效益最大。接着描述水库生态随机调度模型的约束条件，然后将径流随机过程和随机变量的马尔可夫决策过程引入水库生态发电中长期随机优化调度问题中。Q-learning算法是一种可以确定最优决策策略的强化学习算法，无需环境模型，可以充分利用和挖掘水库入库径流数据，实现水库经济效益和生态效益的统一。

公开(公告)号：CN112036633B

公开(公告)日：2021-06-04

申请号：CN202010871614.2

申请日：2020-08-26

申请人： 三峡大学

发明人： 李文武 ,  严展鹏 ,  刘江鹏 ,  徐康 ,  马浩云

IPC分类号： G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N20/00

摘要： 本发明提供了一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法，本发明采用Tennant法中的理想生态流量。优化调度模型的建立包括：首先建立水库发电目标函数以及生态流量贴近度目标函数，紧接着通过这两个目标函数归一化处理得到发电和生态综合效益的多目标函数，尽量使得发电和生态综合效益最大。接着描述水库生态随机调度模型的约束条件，然后将径流随机过程和随机变量的马尔可夫决策过程引入水库生态发电中长期随机优化调度问题中。Q‑learning算法是一种可以确定最优决策策略的强化学习算法，无需环境模型，可以充分利用和挖掘水库入库径流数据，实现水库经济效益和生态效益的统一。