基于模拟退火粒子群算法的梯级水电站调度方法及系统

    公开(公告)号:CN112132471B

    公开(公告)日:2024-08-09

    申请号:CN202011026935.9

    申请日:2020-09-25

    摘要: 本发明公开了一种基于模拟退火粒子群算法的梯级水电站调度方法及系统,属于水利水电技术领域。本发明针对基本PSO算法进行改进,结合模拟退火算法,利用其对劣质解的接受规则,质量越好的个体最优位置会被给予越高的替换概率,使得质量越好的个体最优位置能够替代速度更新公式中全局最优位置的概率更高,增强了算法跳出局部最优值的能力,有效地避免了算法陷入局部最优值,在解的质量以及结果的合理性等方面可达到满意的效果,提高了梯级水电站的发电效益;本发明引入收缩因子来控制粒子的速度,能更有效地控制粒子速度的振动,提高了算法的收敛速度。

    一种水电站调峰调度方法
    2.
    发明公开

    公开(公告)号:CN112434876A

    公开(公告)日:2021-03-02

    申请号:CN202011412384.X

    申请日:2020-12-03

    发明人: 莫莉 王奇 王永强

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/00

    摘要: 本发明公开了一种水电站调峰调度方法,属于水电站调峰调度领域。本发明通过水电站调度期时段间的水力联系,将已有水电调峰调度模型约束条件转化为水位约束,计算实时的水位廊道,避免了水电调峰调度由于受到大量约束,解可行域很小,生成的个体不适用于实际工况的问题;在此基础上,本发明使用截尾正态分布来替换高斯分布,基于随机分形算法进行种群扩散与寻优,由于扩散过程在水位廊道内进行,既满足约束条件,又保证原有算法的离散多样性,还能减少计算中的修正次数,克服了现有方法求解结果的随机性,提高了模型求解结果的稳定性,促进了水能资源的高效利用。

    基于双偏振雷达数据的降水模型处理方法及系统

    公开(公告)号:CN117492005A

    公开(公告)日:2024-02-02

    申请号:CN202311487812.9

    申请日:2023-11-07

    IPC分类号: G01S13/95

    摘要: 本发明公开一种基于双偏振雷达数据的降水模型处理方法及系统,以提高模型的计算效率并确保降水评估结果的可靠性。方法包括:将水平反射率因子ZH按照目标区间均分为五层,且以各栅格单元按离地面最近高度的ZH的取值进行分层;然后在候选因子集中将各层所对应栅格单元在各高度、各时段所对应的ZH和ZDR转换为非零数值累加取平均后的平均值,并以地面降水数据作为相对应栅格单元的标签;从各层转换后的候选因子集中,以互信息方法分别筛选出各层与降水相关性满足设定条件的部分因子所对应的数据序列作为Transformer预报模型的输入;在得到降水预测值后,将各层的预测降水值的分层原理进行反推,得到整体的预测值。

    一种基于多种群协作粒子群算法的水库群调度方法和系统

    公开(公告)号:CN112132469B

    公开(公告)日:2023-12-22

    申请号:CN202011024516.1

    申请日:2020-09-25

    摘要: 本发明公开了一种基于多种群协作粒子群算法的水库群调度方法和系统,属于水库调度领域。本发明通过引入惯性权重大小逐级递减的多个粒子群,将粒子群算法的全局寻优能力和局部寻优能力充分发掘,同时通过多种群寻得的种群最优值定义的吸引因子分化种群,使得算法不易陷入局部最优值,最大化粒子群寻优能力,使水库群调度的求解中寻优能力最大化,求得的解为全局最优值;本发明通过多种群间协作的方式,逐级在种群间传递最优位置并通过多种群间协作的方式迅速向全局最优值收敛,加快了粒子群算法寻优和收敛的速度,使其在求解水库群调度问题时花费较少的时间。

    一种水电站调峰调度方法

    公开(公告)号:CN112434876B

    公开(公告)日:2023-10-20

    申请号:CN202011412384.X

    申请日:2020-12-03

    发明人: 莫莉 王奇 王永强

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/006

    摘要: 本发明公开了一种水电站调峰调度方法,属于水电站调峰调度领域。本发明通过水电站调度期时段间的水力联系,将已有水电调峰调度模型约束条件转化为水位约束,计算实时的水位廊道,避免了水电调峰调度由于受到大量约束,解可行域很小,生成的个体不适用于实际工况的问题;在此基础上,本发明使用截尾正态分布来替换高斯分布,基于随机分形算法进行种群扩散与寻优,由于扩散过程在水位廊道内进行,既满足约束条件,又保证原有算法的离散多样性,还能减少计算中的修正次数,克服了现有方法求解结果的随机性,提高了模型求解结果的稳定性,促进了水能资源的高效利用。

    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

    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

    摘要: 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。

    一种基于多种群协作粒子群算法的水库群调度方法和系统

    公开(公告)号:CN112132469A

    公开(公告)日:2020-12-25

    申请号:CN202011024516.1

    申请日:2020-09-25

    摘要: 本发明公开了一种基于多种群协作粒子群算法的水库群调度方法和系统,属于水库调度领域。本发明通过引入惯性权重大小逐级递减的多个粒子群,将粒子群算法的全局寻优能力和局部寻优能力充分发掘,同时通过多种群寻得的种群最优值定义的吸引因子分化种群,使得算法不易陷入局部最优值,最大化粒子群寻优能力,使水库群调度的求解中寻优能力最大化,求得的解为全局最优值;本发明通过多种群间协作的方式,逐级在种群间传递最优位置并通过多种群间协作的方式迅速向全局最优值收敛,加快了粒子群算法寻优和收敛的速度,使其在求解水库群调度问题时花费较少的时间。

    电网调峰的水电站短期多目标发电计划编制方法及系统

    公开(公告)号:CN109584099A

    公开(公告)日:2019-04-05

    申请号:CN201811245924.2

    申请日:2018-10-24

    IPC分类号: G06Q50/06 G06N3/00

    摘要: 本发明公开了一种电网调峰的水电站短期多目标发电计划编制方法及系统,首先,构建梯级水电站短期多目标发电计划编制模型;根据输入条件确定电站经济运行方式;在可行空间内随机产生若干粒子,并基于各粒子的目标函数值确定各粒子的个体极值,将彼此不受支配的部分粒子保存在外部档案集;更新各粒子的位置和速度,随机选择部分粒子进行多项式变异后,修复不可行解,再次计算各粒子的目标函数值;由再次计算的各粒子的目标函数值更新各粒子的个体极值;根据粒子的支配关系以及拥挤距离对外部档案集进行更新,若满足预设终止条件,则输出外部档案集,进而得到全局极值。本发明可有效减轻系统调峰压力,改善供电质量。电网能够安全稳定经济运行。