基于机器学习的两阶段水库发电优化调度方法及装置

    公开(公告)号:CN113592195B

    公开(公告)日:2023-10-24

    申请号:CN202110966729.4

    申请日:2021-08-23

    申请人: 武汉大学

    摘要: 本发明提供基于机器学习的两阶段水库发电优化调度方法及装置,方法包括:步骤1.构建水库确定性长系列发电优化调度模型;步骤2.采用确定性动态规划算法将逆序求解确定性发电优化调度模型转换为面临阶段和余留阶段两阶段子问题求解,获得各时段初不同库容状态点对应余留效益;步骤3.计算各时间节点各库容状态对应净余留效益,结合可用信息因子构建净余留效益函数样本集;步骤4.基于净余留效益函数样本集,学习净余留效益函数;步骤5.以习得的净余留效益函数为基础,构建两阶段发电优化调度实时决策模型并求解;步骤6.滚动更新并求解上述实时决策模型,得到包含下一时段最优末库容的决策数据,基于该决策数据进行下一时段的发电调度。

    基于机器学习的两阶段水库发电优化调度方法及装置

    公开(公告)号:CN113592195A

    公开(公告)日:2021-11-02

    申请号:CN202110966729.4

    申请日:2021-08-23

    申请人: 武汉大学

    摘要: 本发明提供基于机器学习的两阶段水库发电优化调度方法及装置,方法包括:步骤1.构建水库确定性长系列发电优化调度模型;步骤2.采用确定性动态规划算法将逆序求解确定性发电优化调度模型转换为面临阶段和余留阶段两阶段子问题求解,获得各时段初不同库容状态点对应余留效益;步骤3.计算各时间节点各库容状态对应净余留效益,结合可用信息因子构建净余留效益函数样本集;步骤4.基于净余留效益函数样本集,学习净余留效益函数;步骤5.以习得的净余留效益函数为基础,构建两阶段发电优化调度实时决策模型并求解;步骤6.滚动更新并求解上述实时决策模型,得到包含下一时段最优末库容的决策数据,基于该决策数据进行下一时段的发电调度。