-
公开(公告)号：CN116933930A
公开(公告)日：2023-10-24
申请号：CN202310906893.5
申请日：2023-07-24
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/0985
Abstract: 本发明公开了一种区间降雨影响下的电站坝前水位预测方法，属于水库调度技术领域。S1，分析梯级电站区间降雨对下游电站坝前水位影响的阈值和时滞；S2，构建电站坝前水位预测数据集，将数据划分为建模数据集和验证集；S3，建立上游电站运行计划、下游电站运行计划和梯级电站降雨等变量和坝前水位变化之间的关系，分析验证集中应用效果；S4，修改预测模型方案，构建多种新的预测模型，对比其在验证集中的预测效果，选取最合适的预测模型；S5，基于选择的预报模型，产生区间降雨影响情况下的水位预测结果。本发明采用上述的一种区间降雨影响下的电站坝前水位预测方法，可以解决梯级电站区间降雨和上游电站出流共同作用下的下游电站坝前水位预测难题。
-
公开(公告)号：CN116701846A
公开(公告)日：2023-09-05
申请号：CN202310974952.2
申请日：2023-08-04
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/10 , G06F18/2433 , G06F18/27 , G06F18/21 , G06N20/00
Abstract: 本发明公开了一种基于无监督学习的水电站调度运行数据清洗方法，包括：针对水电站调度运行数据的时空分布特征，对原始调度运行数据集进行预处理和统计分析；构建多种基于无监督学习算法的异常数据检测模型，采用针对异常检测效果的模型评估方法进行模型评价和优选；采用最优异常检测模型对数据集进行数据异常检测，并根据调度运行数据之间的关联，利用基于机器学习的回归方法对异常数据进行插补校正。本发明采用上述的一种基于无监督学习的水电站调度运行数据清洗方法，能够对梯级电站调度运行数据进行异常检测和清洗校正，提升数据质量，为调度运行规律分析、预测模型构建和电站安全经济运行提供基础数据支撑。
-
公开(公告)号：CN116933930B
公开(公告)日：2024-06-11
申请号：CN202310906893.5
申请日：2023-07-24
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/0985
Abstract: 本发明公开了一种区间降雨影响下的电站坝前水位预测方法，属于水库调度技术领域。S1，分析梯级电站区间降雨对下游电站坝前水位影响的阈值和时滞；S2，构建电站坝前水位预测数据集，将数据划分为建模数据集和验证集；S3，建立上游电站运行计划、下游电站运行计划和梯级电站降雨等变量和坝前水位变化之间的关系，分析验证集中应用效果；S4，修改预测模型方案，构建多种新的预测模型，对比其在验证集中的预测效果，选取最合适的预测模型；S5，基于选择的预报模型，产生区间降雨影响情况下的水位预测结果。本发明采用上述的一种区间降雨影响下的电站坝前水位预测方法，可以解决梯级电站区间降雨和上游电站出流共同作用下的下游电站坝前水位预测难题。
-
公开(公告)号：CN117195152A
公开(公告)日：2023-12-08
申请号：CN202311217241.7
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/25 , G06F18/27 , G06F18/10 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的坝下支流顶托条件分析系统，属于水位预测计算技术领域，包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值，可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。
-
公开(公告)号：CN117195093A
公开(公告)日：2023-12-08
申请号：CN202311217257.8
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/2413 , G06F18/15 , G06F18/213 , G06Q50/06 , G06N20/00
Abstract: 本发明公开了一种基于KNN机器学习算法的水电站耗水率计算方法，属于耗水率计算技术领域，包括以下步骤：S1、数据预处理，收集历史运行数据，并按照对应关系格式将其构建为二维数据集[XHistory，YHistory]；S2、构建KNN预测模型，基于输入的历史耗水率及其对应的历史特征变量数据，根据KNN算法预测原理构建模型，结合输入的特征变量进行特征距离计算，得出最接近该特征变量组合的对应耗水率；S3、调整模型参数，通过调整参数来得到最精确的耗水率计算结果，本发明提供的一种基于KNN机器学习算法的水电站耗水率计算方法，可以解决梯级电站经济运行计算过程中，耗水率计算误差较大，影响电站经济运行规划的问题。
-
Patent Agency Ranking
公开(公告)号：CN117195093B
公开(公告)日：2024-07-30
申请号：CN202311217257.8
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/2413 , G06F18/15 , G06F18/213 , G06Q50/06 , G06N20/00
Abstract: 本发明公开了一种基于KNN机器学习算法的水电站耗水率计算方法，属于耗水率计算技术领域，包括以下步骤：S1、数据预处理，收集历史运行数据，并按照对应关系格式将其构建为二维数据集[XHistory，YHistory]；S2、构建KNN预测模型，基于输入的历史耗水率及其对应的历史特征变量数据，根据KNN算法预测原理构建模型，结合输入的特征变量进行特征距离计算，得出最接近该特征变量组合的对应耗水率；S3、调整模型参数，通过调整参数来得到最精确的耗水率计算结果，本发明提供的一种基于KNN机器学习算法的水电站耗水率计算方法，可以解决梯级电站经济运行计算过程中，耗水率计算误差较大，影响电站经济运行规划的问题。
-
公开(公告)号：CN117195152B
公开(公告)日：2024-05-17
申请号：CN202311217241.7
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/25 , G06F18/27 , G06F18/10 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的坝下支流顶托条件分析系统，属于水位预测计算技术领域，包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值，可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。
-
公开(公告)号：CN118114945A
公开(公告)日：2024-05-31
申请号：CN202410322040.1
申请日：2024-03-20
Applicant: 河海大学 , 长江水利委员会长江科学院
IPC: G06Q10/0631 , G06N3/006 , G06Q50/06
Abstract: 本发明公开了一种巨型水库汛期水位动态多目标优化控制系统及方法，属于水库优化调度技术领域，根据降水预报信息、水库运行状态、实时决策需求等信息进行环境快速响应，灵活调整水库的运行方案，最大程度地发挥水库的效益，更好地协调水库的防洪和发电等多个目标需求之间的关系，提高水库的综合效益，具有环境变化追踪精确、响应迅速，解集收敛性和分布性较优，调度方案决策高效，适用场景广泛等突出优势，可为水库群汛期水位动态控制提供技术支撑。
-
公开(公告)号：CN114462169A
公开(公告)日：2022-05-10
申请号：CN202111522153.9
申请日：2021-12-13
Applicant: 长江水利委员会长江科学院
IPC: G06F30/18 , G06F111/12 , G06F111/20 , G06Q50/26
Abstract: 本发明提供一种考虑站点有效监测半径的山区雨量站网优化布点方法，包括：搜集待优化区域内雨量站点位置和降雨观测资料；根据搜集的雨量站点位置和降雨观测资料，采用锥体法确定流域需要增设雨量站数目，并计算各相邻站点雨量梯度；设置有效监测雨量差阈值，根据有效监测雨量差阈值和相邻站点雨量梯度计算雨量站点有效监测半径，并确定未有效监测区域；在未有效监测区域初步选取新增站点，根据附近的雨量站有效监测半径确定新增站点的有效监测半径，以流域总有效监测面积最大为目标，优化新增站点位置。本发明可准确有效的捕获降水分布信息，满足流域雨情观测需要，为洪水预报及调度提供数据支撑。
-
公开(公告)号：CN113051833B
公开(公告)日：2022-04-05
申请号：CN202110390930.2
申请日：2021-04-12
Applicant: 长江水利委员会长江科学院
IPC: G06F30/27 , G06N3/08 , G06F111/04 , G06F111/08 , G06F113/08
Abstract: 本发明提供一种物理机制引导深度学习的洪水‑水库映射关系模拟方法，包括以下步骤：步骤1，选定用以构建“洪水不确定性‑水库防洪库容”映射关系的深度学习模型；步骤2，筛选描述洪水不确定性特征的参数并归一化处理；步骤3，随机抽样筛选出2/3的样本作为深度学习模型的训练集，并设定优化目标函数；步骤4，剩余1/3的样本验证深度学习模型的模拟效果。本发明能够利用深度学习理论方法对大样本数据处理的优势，将“洪水不确定性”与“水库调度”之间的物理联系通过数据驱动的方式进行的合理的描述，从而在考虑径流不确定性的情景下更好地指导水库调度决策的制定，可广泛应用于水库汛期预报调度中，为科学制定调度决策提供依据和技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.077 seconds)
