-
公开(公告)号：CN112116130A
公开(公告)日：2020-12-22
申请号：CN202010855501.3
申请日：2020-08-24
Applicant: 长江水利委员会长江科学院 , 华中科技大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/04
Abstract: 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。
-
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
Applicant: 长江水利委员会长江科学院 , 华中科技大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/04
Abstract: 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。
-
公开(公告)号：CN111931982B
公开(公告)日：2024-02-06
申请号：CN202010642481.1
申请日：2020-07-06
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 本发明公开了一种考虑径流不确定性的水电站水调电调协调优化方法及系统，所述方法包括：S1：构建以发电量最大为目标的水库优化调度模型；S2：分析径流时段间波动特性，生成径流不确定性场景；S3：分别在径流上边界场景、下边界场景与期望场景下运用动态规划法对所述水库优化调度模型进行寻优，得到上边界场景、下边界场景与期望场景下的最优发电量，并基于所述最优发电量，确定目标松弛阈值；S4：基于所述目标松弛阈值，在所述期望场景下进行回溯，生成较优方案集；S5：计算所述较优方案集中各方案的水调指标和电调指标，从而确定最优方案。如此，本发明能够在保证电站经济效益的同时兼顾水调电调指标选择最适应电网需求的调度方案。
-
公开(公告)号：CN114186640A
公开(公告)日：2022-03-15
申请号：CN202111529394.6
申请日：2021-12-14
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 一种区域水电整体发电能力的预测方法，该方法先获取区域水电站群的基本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区，然后根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据较为稀缺的小流域，随后分别对未来时间范围内大流域水电站和小流域水电站的发电量进行差异化预测，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力。本设计实现了对区域水电整体发电能力的准确、可靠预测。
-
公开(公告)号：CN110348599A
公开(公告)日：2019-10-18
申请号：CN201910477359.0
申请日：2019-06-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种考虑弃水风险的跨流域水电站群调峰优化调度方法，包括以下步骤：S1、构建水电站群调峰优化调度模型；S2、计算各梯级水电站的弃水风险大小；S3、基于所述各电站的弃水风险协调分配各电站发电量；S4、基于所述各电站的电量分配计算所述水电站群调峰优化调度模型的最优解得到各电站出力过程线，完成水电站群联合调峰调度。通过径流频率来量化分析水电站弃水风险，并基于弃水风险值协调分配不同流域水电站群调峰电量，能够充分考虑各电站的弃水风险，发挥了不同流域水电站群的径流补偿及电力补偿效益，从而在电网水电系统调峰时大大降低了水电弃水风险，减小了水电弃水电量。
-
Patent Agency Ranking
公开(公告)号：CN110112726A
公开(公告)日：2019-08-09
申请号：CN201910365914.0
申请日：2019-04-30
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 本发明公开了一种基于差分-梯度进化的多能源短期经济调度方法和系统，属于多能源优化调度领域，包括：对于包含风电厂、水电站和火电机组的电网，在考虑阀点效应的前提下以火电机组燃煤费用最小为目标建立模型，设置模型约束；利用风速计算风电厂出力，利用入库流量计算水电站出力；将火电机组出力作为决策变量，基于风电厂出力和水电站出力利用模型约束压缩决策空间；在决策空间内利用差分-梯度算法进行迭代进化，得到火电机组最优出力，将风电厂出力、水电站出力和火电机组的最优出力组合得到电网的调度方案。本发明方法不易陷入局部最优、可以解决多能源互济协调系统的动态经济调度的技术问题。
-
公开(公告)号：CN116757446B
公开(公告)日：2023-10-31
申请号：CN202311017561.8
申请日：2023-08-14
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06N3/006 , G06F111/04
Abstract: 本发明公开了一种基于改进粒子群算法的梯级水电站调度方法及系统，包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立水电站优化调度模型；步骤三、初始化粒子群参数；步骤四、初始化生成粒子种群位置和速度；步骤五、计算种群粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度；步骤七、引入高斯变异策略和莱维飞行机制二次更新粒子位置，对比两次更新，选择较优的粒子位置生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。本发明通过对传统粒子群算法进行改进，解决传统粒子群算法求解梯级水电站调度模型的问题，充分发挥水电站水能资源利用能力。
-
公开(公告)号：CN109636149A
公开(公告)日：2019-04-16
申请号：CN201811448199.9
申请日：2018-11-30
Applicant: 华中科技大学 , 国家电网公司华中分部
Abstract: 本发明公开一种考虑风功率预测误差的水电站非实时滚动修正方法，包括：根据系统余留期负荷任务与当前风功率预测结果，计算风功率变化后的梯级水电站净负荷曲线；若当前时间段计算的下一时间段的净负荷相比上一时间段计算的净负荷减小，若高水位电站集不为空集，增加高水位电站的出力减小相对低水位电站的出力，若高水位电站集为空集，减小低水位电站的出力增大相对高水位电站的出力；若当前时间段计算的下一时间段的净负荷相比上一时间段计算的净负荷增加，若低水位电站集为空集，增加高水位电站出力减小相对低水位电站出力，若低水位电站集不为空集，减小低水位电站出力增大相对高水位电的出力。本发明充分利用了梯级水电站的库容补偿调节效益。
-
公开(公告)号：CN114186640B
公开(公告)日：2024-08-13
申请号：CN202111529394.6
申请日：2021-12-14
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 一种区域水电整体发电能力的预测方法，该方法先获取区域水电站群的基本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区，然后根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据较为稀缺的小流域，随后分别对未来时间范围内大流域水电站和小流域水电站的发电量进行差异化预测，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力。本设计实现了对区域水电整体发电能力的准确、可靠预测。
-
公开(公告)号：CN117421558A
公开(公告)日：2024-01-19
申请号：CN202311418406.7
申请日：2023-10-26
Applicant: 华中科技大学 , 中国长江电力股份有限公司
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种梯级水库运行规则提取及其模型训练方法，属于水利技术领域。本发明方法首先收集梯级水库的历史运行数据、流域网格实测降水数据和流域网格预报降水数据，建立水文模型并确定源头水库入库流量预报和子区间网格降水预报的有效预见期；再利用所述有效预见期内各个时段的源头水库入库预报流量和子区间网格预报降水，构建不同有效预见期下的输入因子集；耦合ConvLSTM和LSTM，构建关联水文气象时空信息的梯级水库运行规则提取模型；最后利用输入因子集训练得到最优梯级水库运行规则提取模型。通过对比实验可知，本发明方法构建的梯级水库运行规则提取模型能更为准确地模拟各水库不同时期的出库流量变化过程。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.043 seconds)
