-
公开(公告)号：CN114169590B
公开(公告)日：2024-05-28
申请号：CN202111388527.2
申请日：2021-11-22
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于多情景划分的水库入库径流预报校正方法和系统，属于水文水资源和水文预报领域。本发明针对水库入库流量预报问题，提供了一种基于多情景划分的水库入库径流预报校正方法，不仅可以考虑前期时段的预报误差信息及其对应预报情景信息，增加校正模型的有效信息输入，提高径流预报模型精度，还可以突破传统基于单维度、单属性时间序列径流预报校正方法的局限性。本发明方法的构建不受限于具体的流域和对象，可以根据实际情形(数据、外界环境等)选择不同的情景、不同的误差分布函数类型、不同的预报模型，适应性强，应用门槛低，可广泛推广应用。
-
公开(公告)号：CN117439190B
公开(公告)日：2024-06-11
申请号：CN202311406784.3
申请日：2023-10-26
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： H02J3/46 , G06Q10/0631 , G06Q50/06 , G06N3/006
摘要： 本发明公开了一种水火风系统调度方法、装置、设备及存储介质，属于电力系统调度技术领域。本发明方法首先初始化多元宇宙算法参数，基于水火风系统模型确定待优化变量；之后将待优化变量作为多元宇宙种群任意个体位置，对多元宇宙种群进行随机初始化；随后在多元宇宙算法中引入修正的宇宙膨胀概率、个体历史最优个体探索机制以及全对立学习机制进行种群迭代；最后迭代结束后将待优化变量的全局最优位置作为水火风系统模型的最优调度输出。本发明方法解决了传统调度方法在HTW问题中表现出的多样性表现不足，收敛速度慢以及求解精度低的缺陷。
-
公开(公告)号：CN111832900B
公开(公告)日：2024-02-09
申请号：CN202010544927.7
申请日：2020-06-15
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： G06Q10/0631 , 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。
-
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
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/08 , G06Q50/06
摘要： 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：CN117439190A
公开(公告)日：2024-01-23
申请号：CN202311406784.3
申请日：2023-10-26
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： H02J3/46 , G06Q10/0631 , G06Q50/06 , G06N3/006
摘要： 本发明公开了一种水火风系统调度方法、装置、设备及存储介质，属于电力系统调度技术领域。本发明方法首先初始化多元宇宙算法参数，基于水火风系统模型确定待优化变量；之后将待优化变量作为多元宇宙种群任意个体位置，对多元宇宙种群进行随机初始化；随后在多元宇宙算法中引入修正的宇宙膨胀概率、个体历史最优个体探索机制以及全对立学习机制进行种群迭代；最后迭代结束后将待优化变量的全局最优位置作为水火风系统模型的最优调度输出。本发明方法解决了传统调度方法在HTW问题中表现出的多样性表现不足，收敛速度慢以及求解精度低的缺陷。
-
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
申请人： 华中科技大学 , 中国长江电力股份有限公司
IPC分类号： G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/08 , G06Q50/06
摘要： 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：CN116432986B
公开(公告)日：2023-08-11
申请号：CN202310682348.2
申请日：2023-06-09
申请人： 华中科技大学
IPC分类号： G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06N3/006 , G06N5/01 , G06F30/20 , G06F111/04
摘要： 本发明属于水库优化调度相关技术领域，其公开了一种基于粒子蛙跳闪电搜索算法的水库优化调度的方法，方法包括：构建水库发电调度模型，获取水库数据设置种群大小、蛙跳概率等参数，采用混沌映射对种群进行初始化，采用闪电搜索算法获取每个过渡放电体的适应度，依概率进行蛙跳，采用闪电搜索算法获取引导放电体对应的适应度，淘汰最差适应度对应的个体后更新引导放电体方向，判断更新后的引导放电体是否满足生成粒子放电体的条件，若满足则按照粒子放电体更新方向和适应度，若不满足则按照空间放电体更新方向和适应度，而后根据粒子放电体的适应度或空间放电体的适应度进行位置更新得到最优解。本申请可以显著提高水库调度优化效率。
-
公开(公告)号：CN111985719A
公开(公告)日：2020-11-24
申请号：CN202010878240.7
申请日：2020-08-27
申请人： 华中科技大学
摘要： 本发明公开了一种基于改进的长短期记忆网络的电力负荷预测方法，采用最大信息系数初步筛选历史负荷这一特征，并结合考虑负荷相关因子带来的影响，采用最大相关最小冗余算法对历史负荷进行进一步刷选，将筛选后的特征集及作为模型的输入，采用改进的长短记忆网络进行电力负荷预测，得到的预测结果与实际的电网负荷进行验证，证明模型的实用性。本发明的预报方法(H-ILSTM)精确考虑了电力负荷及其影响负荷的相关因子,有效的提高了电力负荷预测的精度，对电网运行的安全性和经济性有着一定的提高。
-
公开(公告)号：CN106779182B
公开(公告)日：2020-10-16
申请号：CN201611074956.1
申请日：2016-11-29
申请人： 华中科技大学
摘要： 本发明公开了一种基于动态规划的水库调度图优化方法，其包括如下步骤：划分整个调度期为T个时段；将调度线分离，并将所述调度线在各时段的可行水位范围内进行离散，得到水位离散点；建立所述调度线的所有水位离散点组合空间确定基于动态规划的水库调度图递归计算模型：从第T时段开始逆时序递归计算；令t＝t‑1，进入下一时段计算，当第t＝1时段计算完成后，逆时序递归计算过程结束；从第一个时段顺时序递归至最后一个时段，可确定最优离散水位组合{Ct}，即可获得最优水库调度图。本发明将水库调度图绘制模型与动态规划模型相耦合，采用逆时序递归方式推求最优水库调度图，以充分利用动态规划的全局收敛性来保证所得调度图的全局最优性。
-
公开(公告)号：CN109063939B
公开(公告)日：2020-08-18
申请号：CN201811296424.1
申请日：2018-11-01
申请人： 华中科技大学 , 长江水利委员会水文局
摘要： 本发明属于风速预测技术领域，公开了一种基于邻域门长短期记忆网络的风速预测方法及系统，分别采用皮尔逊相关系数和最大信息系数来探究变量间的线性和非线性相关性以筛选风速相关因子；在相关性分析的基础上利用格兰杰因果关系检验探究风速及风速因子在统计意义上的因果关系；将因果关系的结构分为5类，并通过“分解‑虚变量‑剪枝”的方法将所有类型的因果关系统一为一种等价树因果关系结构；针对等价树因果关系结构，提出基于邻域门的长短期记忆网络模型来预测风速。本发明的预报方法(NLSTM)精确考虑了风速及风速因子之间的因果关系，有效提高了风速的预测精度，对风电的应用和电网的调度具有至关重要的作用。
-
-
-
-
-
-
-
-
-
搜索结果
90 条记录 (耗时 0.057 秒)
