-
公开(公告)号：CN109858173A
公开(公告)日：2019-06-07
申请号：CN201910120306.3
申请日：2019-02-18
Applicant: 华中科技大学 , 长江勘测规划设计研究有限责任公司
Abstract: 本发明属于风光水多能互补联合调度领域，公开了一种风光水互补发电系统联合调度的多目标正切方法，获取当地风速、太阳辐射强度、水电站来水数据；根据风、光、水互补的特性，以水库水位值作为决策编码；同时分析发电效益和生态效益，建立风光水互补发电系统中长期多目标调度模型；提出并采用一种新的多目标方法对建立的模型进行求解，得到兼顾发电、生态的风光水互补发电系统中长期优化调度最优解集；并对求解的多目标方案进行分析。本发明能够充分利用于风光水互补发电系统的中长期规划和调度方案编制，权衡风光水互补发电系统的发电目标和生态目标，最大限度地提高中长期调度的综合效益，具有一定的参考借鉴意义。
-
公开(公告)号：CN109636226A
公开(公告)日：2019-04-16
申请号：CN201811573140.2
申请日：2018-12-21
Applicant: 华中科技大学 , 长江勘测规划设计研究有限责任公司
CPC classification number: G06Q10/0631 , G06N3/126
Abstract: 本发明公开了一种兼顾发电、航运的水库多目标分级防洪调度方法，该方法主要包括：设计分级防洪调度规则(HFOR)的形式；根据分级防洪调度规则对决策变量进行编码；建立考虑防洪、发电以及航运的水库多目标数学模型；最后采用基于分解的多目标进化算法MOEA/D对多目标数学模型进行求解，得到兼顾发电、航运的水库分级防洪调度规则的最优解集。本发明能够充分利用中小型洪水，权衡水库调度的防洪目标、发电目标和航运目标，在满足水库防洪安全的前提下最大限度地提高水库调度的综合效益，可广泛应用于水库实际调度。
-
公开(公告)号：CN109858173B
公开(公告)日：2020-11-13
申请号：CN201910120306.3
申请日：2019-02-18
Applicant: 华中科技大学 , 长江勘测规划设计研究有限责任公司
IPC: G06F30/20 , G06Q50/06 , G06F111/04 , G06F111/06
Abstract: 本发明属于风光水多能互补联合调度领域，公开了一种风光水互补发电系统联合调度的多目标正切方法，获取当地风速、太阳辐射强度、水电站来水数据；根据风、光、水互补的特性，以水库水位值作为决策编码；同时分析发电效益和生态效益，建立风光水互补发电系统中长期多目标调度模型；提出并采用一种新的多目标方法对建立的模型进行求解，得到兼顾发电、生态的风光水互补发电系统中长期优化调度最优解集；并对求解的多目标方案进行分析。本发明能够充分利用于风光水互补发电系统的中长期规划和调度方案编制，权衡风光水互补发电系统的发电目标和生态目标，最大限度地提高中长期调度的综合效益，具有一定的参考借鉴意义。
-
公开(公告)号：CN117454745A
公开(公告)日：2024-01-26
申请号：CN202311260286.2
申请日：2023-09-27
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06F30/27 , G06F30/28 , G06N5/022 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种基于多层模型架构和图谱流的水利模型构建方法，第一层拆分水利原子级模型，在制定的通用化模型开发规范下完成原子级模型库的开发；第二层对原子级模型进行单水利对象的实例化，采用“节点‑属性‑关系”三元组构建对象模型图谱，将模型标志作为图谱节点，模型的输入、参数、输出、对象来源、运行效率、运行时间等内容作为图谱属性，模型先后顺序、嵌套对象上下级层次与流域水利对象拓扑关系作为图谱关系；第三层基于图理论最优路径算法自动寻找从起点对象模型顺图谱流到终点对象模型的最优路径，完成多对象复杂水利模型的编排。本发明方法可以灵活组织水利对象与模型得到复杂水利模型，通用性高、实用性强、灵活性好。
-
公开(公告)号：CN117192653A
公开(公告)日：2023-12-08
申请号：CN202311123728.9
申请日：2023-08-30
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供一种径流预估中优选气候模式和水文模型的方法，包括针对目标流域获取历史时期内的参考年径流量、年降水量以及年平均气温，选取若干气候模式，使用气候模式输出降水、最高气温及最低气温气候要素，输入多个水文模型，获取多个气候模式输出气候要素对应多个水文模型在目标流域历史时期的径流日序列，进而得到模拟年径流量，获取各个水文模型中模拟年径流量相对于年降水量以及年平均气温的径流敏感性的模拟坐标点并与参考敏感性坐标点进行对比，找到距离最小的模拟坐标点和其对应的气候模式和水文模型。本发明从径流敏感性分析后，对气候模式和水文模型进行适当模型的选取，对于减少径流预估中存在较大不确定性的问题有着重要意义。
-
Patent Agency Ranking
公开(公告)号：CN116542580B
公开(公告)日：2023-09-26
申请号：CN202310804479.3
申请日：2023-07-03
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于可变业务矩阵的水利业务系统搭建方法及系统，创建水库、水文站、水位站、河道等水利节点对象，汇集业务所需的水利模型仓库，并聚类防洪、发电、应急等水利业务功能，采用行作为对象、列作为业务流程搭建可变业务矩阵内核；组建水利节点对象的图元库，基于可变业务矩阵内核和水利图元库开发水利业务可视化搭建系统，并将图元对象与内核对象对应映射，校验图形化业务矩阵，解析业务计算流并发布业务矩阵。业务矩阵内核技术增加了业务搭建的灵活性与鲁棒性，业务搭建可视化技术提高了业务搭建的直观性与效率。
-
公开(公告)号：CN116542580A
公开(公告)日：2023-08-04
申请号：CN202310804479.3
申请日：2023-07-03
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于可变业务矩阵的水利业务系统搭建方法及系统，创建水库、水文站、水位站、河道等水利节点对象，汇集业务所需的水利模型仓库，并聚类防洪、发电、应急等水利业务功能，采用行作为对象、列作为业务流程搭建可变业务矩阵内核；组建水利节点对象的图元库，基于可变业务矩阵内核和水利图元库开发水利业务可视化搭建系统，并将图元对象与内核对象对应映射，校验图形化业务矩阵，解析业务计算流并发布业务矩阵。业务矩阵内核技术增加了业务搭建的灵活性与鲁棒性，业务搭建可视化技术提高了业务搭建的直观性与效率。
-
公开(公告)号：CN112001556B
公开(公告)日：2022-07-15
申请号：CN202010879460.1
申请日：2020-08-27
Applicant: 华中科技大学 , 武汉市武昌区水资源管理服务中心
Abstract: 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。
-
公开(公告)号：CN110059867B
公开(公告)日：2021-01-19
申请号：CN201910238384.3
申请日：2019-03-27
Applicant: 华中科技大学 , 中国水利水电科学研究院
Abstract: 本发明公开一种共享权重长短期记忆网络(SWLSTM)结合高斯过程回归(GPR)的风速预测方法，该方法主要包括：采用共享权重来简化标准长短期记忆网络(LSTM)的结构；利用结合了mini‑batch机制的Adam优化算法来训练SWLSTM，得到具有高准确率的风速点预测结果；将SWLSTM得到的点预测结果作为GPR的输入，二次预测得到风速概率预测结果；选定置信度，通过高斯分布得到相应置信度下的风速区间预测结果。本发明的预测方法通过共享权重缩减了LSTM的训练时间，结合GPR使得SWLSTM有能力进行概率预测和区间预测。SWLSTM‑GPR可得到高精度的风速点预测结果，合适的风速区间预测结果和可靠的风速概率预测分布，对风电的规划和应用具有重要意义。
-
公开(公告)号：CN112001556A
公开(公告)日：2020-11-27
申请号：CN202010879460.1
申请日：2020-08-27
Applicant: 华中科技大学 , 武汉市武昌区水资源管理服务中心
Abstract: 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.091 seconds)
