公开(公告)号：CN110533244B

公开(公告)日：2023-04-18

申请号：CN201910803576.4

申请日：2019-08-28

Applicant: 重庆大学

Inventor： 钟将 ,  杨昱睿 ,  吕昱峰 ,  常婷婷

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06

Abstract: 本发明公开了一种梯级水坝优化调度方法、系统与计算机可读存储介质，属于水坝优化调度技术领域，包括步骤：S1，获取每个水坝基本特征、水坝的静态特征值以及河流水文的历史数据；S2，实时获取流域内梯级水坝与调度收益相关的环境状态；S3，接收用户设置的调度参数和约束条件；S4，设定深度强化学习的学习率，贪婪度与奖励递减值参数，将深度强化学习的学习率、贪婪度以及奖励递减值分别以η,ε,γ表示；S5，利用强化深度学习，对梯级水坝的优化调度方案进行计算；S6，生成并输出梯级水坝的优化调度方案。通过本发明，解决了传统的优化方法面临的巨大搜索空间而难以得到优化调度方案的技术问题。

公开(公告)号：CN110533244A

公开(公告)日：2019-12-03

申请号：CN201910803576.4

申请日：2019-08-28

Applicant: 重庆大学

Inventor： 钟将 ,  杨昱睿 ,  吕昱峰 ,  常婷婷

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明公开了一种梯级水坝优化调度方法、系统与计算机可读存储介质，属于水坝优化调度技术领域，包括步骤：S1，获取每个水坝基本特征、水坝的静态特征值以及河流水文的历史数据；S2，实时获取流域内梯级水坝与调度收益相关的环境状态；S3，接收用户设置的调度参数和约束条件；S4，设定深度强化学习的学习率，贪婪度与奖励递减值参数，将深度强化学习的学习率、贪婪度以及奖励递减值分别以η,ε,γ表示；S5，利用强化深度学习，对梯级水坝的优化调度方案进行计算；S6，生成并输出梯级水坝的优化调度方案。通过本发明，解决了传统的优化方法面临的巨大搜索空间而难以得到优化调度方案的技术问题。