CN104216383B - 一种小水电站机组运行效率优化方法 - Google Patents
一种小水电站机组运行效率优化方法 Download PDFInfo
- Publication number
- CN104216383B CN104216383B CN201410486029.5A CN201410486029A CN104216383B CN 104216383 B CN104216383 B CN 104216383B CN 201410486029 A CN201410486029 A CN 201410486029A CN 104216383 B CN104216383 B CN 104216383B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- unit
- particle
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010977 unit operation Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 66
- 241001269238 Data Species 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 6
- 235000013339 cereals Nutrition 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000020985 whole grains Nutrition 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种小水电站机组运行效率优化方法，该方法获取小水电站历史运行数据，形成每台小水电机组不同工况下的效率特性曲线；获取水电站总发电流量、当前工作水头、各机组出力的上下限等数据，建立以小水电站运行效率最大的目标函数，确定约束条件；采用标准粒子群算法对目标函数进行优化求解，结合约束条件，求出每台机组最优的发电流量、小水电站机组最大出力，以及小水电站最大运行效率。该方法能合理分配小水电站机组间的发电流量，实现小水电站最大功率输出，不仅可以提高水资源的利用率，而且可以为现有小水电站机组的优化运行提供理论指导。
Description
技术领域
本发明涉及小水电站机组运行效率优化方法，属于小水电机组运行控制技术领域。
背景技术
小水电不仅可以改善能源结构和增加能源供应，而且可以保护生态环境和降低温室气体排放，大力发展小水电符合国家低碳化发展战略。但是，小水电的出力特性与发电流量大小密切相关，波动性较大，尤其是径流式小水电站。当前的小水电站通常由几台小容量的发电机组成，甚至每台发电机的容量也不完全相同，其运行效率随着发电机的出力变化而变化。当小水电站总发电流量一定时，希望小水电站所有发电机的总出力最大，即需要对小水电站机组间的发电流量进行合理的分配，使站内发电机的运行效率最优。然而，目前的小水电站机组运行方式缺乏理论指导，如站内发电机的开启数量，以及机组间的发电流量优化分配等问题，因此，研究一种小水电机组运行效率优化方法，实现站内机组间发电流量的最优分配，以提高水资源的利用率，同时为现有小水电站机组的优化运行提供理论依据。
发明内容
本发明的目的是针对现有小水电站机组运行方式的不足，提出一种小水电机组运行效率优化方法，该方法在小水电站总发电流量一定时，通过合理分配机组间的发电流量，实现小水电机组以最优的效率运行。
本发明的技术方案是，根据小水电站日常运行数据，得到站内每台小水电机组效率特性曲线；建立以小水电站运行效率最大时的目标函数，并确定约束条件；采用标准粒子群算法进行计算，求出站内每台小水电机组最优的发电流量，使得小水电站总出力最大。
本发明提出的一种小水电站机组运行效率优化的方法，该方法包括以下步骤：
(1)获取小水电站内每台机组在不同水头和不同发电流量时的输出功率，根据这些历史运行数据，形成每台小水电机组不同运行工况下的效率特性曲线；
(2)获取水电站总发电流量、当前工作水头、各个机组出力的上下限等基本数据，在此基础上，建立以小水电站运行效率最大时的目标函数，确定约束条件。
(3)采用标准粒子群算法对目标函数进行优化求解，结合约束条件，求出每台机组最优的发电流量、小水电站机组最大出力，以及小水电站最大运行效率。
本发明方法中目标函数以小水电站机组运行时的总效率最大为目标：
式中：PGi(t)＝9.81ηiQi(t)Hi(t)；
其中，η总为t时段小水电站机组总运行效率；n为小水电站机组台数；PGi(t)为t时段第i台机组运行时的出力；ηi为t时段第i台机组在当前水头和发电流量时运行效率；Qi(t)为t时段第i台机组的发电流量；Hi(t)为t时段第i台机组当前的水头；Q(t)为t时段总发电流量；H(t)为机组水头。
本发明方法采用标准粒子群算法对目标函数进行优化求解，具体包括：
(1)初始化粒子群，对粒子编码，并且给定粒子的初始位置和初始速度：所述优化，是以每台机组的发电流量为决策变量，对一个有n台机组的小水电站，问题的解为这n台机组在t时段所分配的发电流量的组合；故粒子i的编码向量为： 为第l台机组在t时段的发电流量，l＝1,2......n；粒子i飞行速度的向量为：粒子群中粒子的个数为m，整个粒子群的空间位置和飞行速度分别为:P＝(Q1,Q2,......Qi.......Qm)T，V＝(V1,V2,......Vi.....Vm)T，粒子群的初始速度可设置为V＝(0,0,......0.....0)T；
(2)构造粒子适应度函数，求解粒子的适应度；粒子适应度函数用于判断粒子的位置优劣，目标函数和约束的形式如下：
min f'
s.t.wi(x)≥0,i＝1,2.....a；
zj(x)＝0,j＝1,2.....b；
目标函数f'是小水电站总运行效率的负数，wi(x)为不等式约束，zj(x)为等式约束，a，b为约束条件的个数；
采用外点惩罚函数法所构造的适应度函数为：
min F＝f'+r{∑min[0,wi(x)]2+∑|zi(x)|2}
式中：F为所构造的粒子适应度函数；r为惩罚因子；上式中若惩罚项不为零，则惩罚项起作用，粒子离开约束边界越远，惩罚力度越大，以这样的惩罚方式迫使迭代点回到可行域；
(3)根据下面的公式迭代更新粒子的位置和速度；经过k次迭代，粒子i所搜索到的历史最优位置为Qi(k)，整个粒子群搜索到的最优位置为Qg(k)，k+1次迭代后粒子的速度和位置更新公式分别为：
式中：ω为惯性权重因子，通常取0.8～1；c1是粒子跟踪自己历史最优值的权重系数，它表示粒子自身的认识，通常设置为2；c2是粒子跟踪群体最优值的权重系数，它表示粒子对整个群体知识的认识，通常设置为2；ξ、η是0～1之间的随机数；
(4)循环迭代，判断是否满足终止条件，终止条件为最大迭代次数；若满足，则停止迭代，并输出每台机组的最优流量分配；若不满足，则返回步骤(2)重新计算求解粒子的适应度。
本发明的有益效果是，本发明提出的小水电站机组运行效率优化方法，基于标准粒子群算法，合理分配小水电站机组间的发电流量，实现小水电站最大功率输出，从而提高水资源的利用率。
本发明提出的小水电站机组运行效率优化方法，可为小水电站的优化运行提供理论指导。
附图说明
图1是本发明提出的小水电站机组运行效率优化方法流程图；
图2是本发明用到的标准粒子群算法流程图。
具体实施方式
本发明具体实施方式如图1所示。本实施例小水电站机组运行效率优化方法的具体步骤为：
(1)获取小水电站内每台机组在不同水头和不同发电流量时的输出功率，根据这些历史运行数据，形成每台小水电机组不同运行工况下的效率特性曲线。
(2)获取水电站总发电流量、当前工作水头、各个机组出力的上下限等基本数据。
(3)以小水电站机组运行时的总效率最大为目标函数，以机组运行时的出力为控制变量，以总发电流量、每台机组出力上下限及其效率特性曲线为约束条件。当总发电流量一定时，即小水电站总输入功率恒定，要使小水电站总运行效率最大，则应使小水电站机组总出力最大。
(4)采用标准粒子群算法对目标函数进行优化求解。初始化粒子群，对粒子编码，并给定粒子的初始位置和初始速度。
(5)构造粒子适应度函数，求解粒子的适应度；迭代更新粒子的位置和速度和循环迭代。
本实施例的优化问题，是以每台机组的发电流量为决策变量，对一个有n台机组的小水电站，问题的解为这n台机组在t时段所分配的发电流量的组合。
故粒子i的编码向量为： 为第l台机组在t时段的发电流量，l＝1,2......n。
粒子i飞行速度的向量为：粒子群中粒子的个数为m，整个粒子群的空间位置和飞行速度分别为：P＝(Q1,Q2,......Qi.......Qm)T，V＝(V1,V2,......Vi.....Vm)T，
粒子群的初始速度可设置为V＝(0,0,......0.....0)T。
构造粒子适应度函数，求解粒子的适应值。
粒子适应度函数用于判断粒子的位置优劣，本实施例求解的是带有等式和不等式约束的问题，目标函数和约束的形式如下：
min f'
s.t.wi(x)≥0,i＝1,2.....a
zj(x)＝0,j＝1,2.....b
由于本实施例中是求解小水电站总运行效率最大值，故上面形式的目标函数f'是小水电站总运行效率的负数，wi(x)为不等式约束，zj(x)为等式约束，a，b为约束条件的个数。采用外点惩罚函数法所构造的适应度函数为：
min F＝f'+r{∑min[0,wi(x)]2+∑|zi(x)|2}
式中：F为所构造的粒子适应度函数；r为惩罚因子。上式中若惩罚项不为零，则惩罚项起作用，粒子离开约束边界越远，惩罚力度越大，以这样的惩罚方式迫使迭代点回到可行域。
根据下面的公式迭代更新粒子的位置和速度：
经过k次迭代，粒子i所搜索到的历史最优位置为Qi(k)，整个粒子群搜索到的最优位置为Qg(k)，k+1次迭代后粒子的速度和位置更新公式为：
式中：ω为惯性权重因子，通常取0.8～1；c1是粒子跟踪自己历史最优值的权重系数，它表示粒子自身的认识，通常设置为2；c2是粒子跟踪群体最优值的权重系数，它表示粒子对整个群体知识的认识，通常设置为2；ξ、η是0～1之间的随机数。
循环迭代，判断是否满足终止条件，终止条件为最大迭代次数。若满足，则停止迭代，并输出每台机组的最优流量分配；若不满足，则返回步骤(五)重新计算。
本实施例目标函数的建立：以小水电站机组运行时的总效率最大为目标。
式中：PGi(t)＝9.81ηiQi(t)Hi(t)；η总为t时段小水电站机组总运行效率；n为小水电站机组台数；PGi(t)为t时段第i台机组运行时的出力；ηi为t时段第i台机组在当前水头和发电流量时运行效率；Qi(t)为t时段第i台机组的发电流量；Hi(t)为t时段第i台机组当前的水头；Q(t)为t时段总发电流量；H(t)为机组水头。
要使小水电站总运行效率最大，则小水电站机组总出力应最大，因此可以将目标函数转换为：
式中：Pmax(t)为t时段小水电站机组运行总出力最大值。
本实施例约束条件的确定：
机组流量平衡约束：
式中：Qc(t)为t时段开停机损失发电流量；C为常数。
机组水头约束：
分别为第i号机组允许的最小和最大水头。
机组出力约束：
……
式中：和分别为第1台机组的最小出力限制和最大出力限制；和分别为第2台机组的最小出力限制和最大出力限制；和分别为第n台机组的最小出力限制和最大出力限制；PG1(t)为t时段第1台机组的实际出力；PG2(t)为t时段第2台机组的实际出力；PGn(t)为t时段第n台机组的实际出力。
机组效率约束：
本发明中小水电机组运行效率的确定方法是，获取小水电站内每台机组在不同水头和不同发电流量时的输出功率，通过对这些历史运行数据的处理，得到每台小水电机组不同运行工况下的效率特性曲线。通过查询效率特性曲线，获取每台小水电机组在当前水头和发电流量下的效率值。
Claims (2)
1.一种小水电站机组运行效率优化方法，其特征在于，所述方法建立以小水电站运行效率最大时的目标函数，并确定约束条件；采用标准粒子群算法进行计算，求出站内每台小水电机组最优的发电流量，使得小水电站总出力最大；
所述采用标准粒子群算法对目标函数进行优化求解，具体包括：
(1)获取小水电站内每台机组在不同水头和不同发电流量时的输出功率，根据这些历史运行数据，形成每台小水电机组不同运行工况下的效率特性曲线；
(2)获取小水电站总发电流量、当前工作水头、各个机组出力上下限等基本数据；在此基础上，建立以小水电站运行效率最大的目标函数，确定约束条件；
(3)初始化粒子群，对粒子编码，并且给定粒子的初始位置和初始速度：所述优化，是以每台机组的发电流量为决策变量，对一个有n台机组的小水电站，问题的解为这n台机组在t时段所分配的发电流量的组合；故粒子i的编码向量为： 为第l台机组在t时段的发电流量，l＝1,2......n；粒子i飞行速度的向量为：粒子群中粒子的个数为m，整个粒子群的空间位置和飞行速度分别为:P＝(Q1,Q2,......Qi.......Qm)T，V＝(V1,V2,......Vi.....Vm)T，粒子群的初始速度设置为V＝(0,0,......0.....0)T；
(4)构造粒子适应度函数，求解粒子的适应度；粒子适应度函数用于判断粒子的位置优劣，目标函数和约束的形式如下：
min f'；
s.t.wi(x)≥0,i＝1,2.....a；
zj(x)＝0,j＝1,2.....b；
目标函数f'是小水电站总运行效率的负数，wi(x)为不等式约束，zj(x)为等式约束，a，b为约束条件的个数；
采用外点惩罚函数法所构造的适应度函数为：
min F＝f'+r{∑min[0,wi(x)]2+∑|zi(x)|2}；
式中：F为所构造的粒子适应度函数；r为惩罚因子；上式中若惩罚项不为零，则惩罚项起作用，粒子离开约束边界越远，惩罚力度越大，以这样的惩罚方式迫使迭代点回到可行域；
(5)根据下面的公式迭代更新粒子的位置和速度；经过k次迭代，粒子i所搜索到的历史最优位置为Qi(k)，整个粒子群搜索到的最优位置为Qg(k)，k+1次迭代后粒子的速度和位置更新公式分别为：
<mrow>
<msubsup>
<mi>v</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&omega;v</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mi>&xi;</mi>
<mo>&lsqb;</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>q</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mi>&eta;</mi>
<mo>&lsqb;</mo>
<msub>
<mi>q</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>q</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msubsup>
<mi>q</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>q</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>v</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：ω为惯性权重因子，取0.8～1；c1是粒子跟踪自己历史最优值的权重系数，它表示粒子自身的认识，设置为2；c2是粒子跟踪群体最优值的权重系数，它表示粒子对整个群体知识的认识，设置为2；ξ、η是0～1之间的随机数；
(6)循环迭代，判断是否满足终止条件，终止条件为最大迭代次数；若满足，则停止迭代，并输出每台机组的最优流量分配；若不满足，则返回步骤(2)重新计算求解粒子的适应度。
2.根据权利要求1所述的一种小水电站机组运行效率优化方法，其特征在于，所述约束条件为：
机组流量平衡约束：
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>Q</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>C</mi>
<mo>;</mo>
</mrow>
式中：Qc(t)为t时段开停机损失发电流量；C为常数；
机组水头约束：
<mrow>
<msubsup>
<mi>H</mi>
<mi>i</mi>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>H</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msubsup>
<mi>H</mi>
<mi>i</mi>
<mi>max</mi>
</msubsup>
<mo>;</mo>
</mrow>
分别为第i号机组允许的最小和最大水头；
机组出力约束：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
<mi>max</mi>
</msubsup>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
<mi>max</mi>
</msubsup>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>......</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mi>n</mi>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>N</mi>
<mi>n</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中：和分别为第1台机组的最小出力限制和最大出力限制；和分别为第2台机组的最小出力限制和最大出力限制；和分别为第n台机组的最小出力限制和最大出力限制；PG1(t)为t时段第1台机组的实际出力；PG2(t)为t时段第2台机组的实际出力；PGn(t)为t时段第n台机组的实际出力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410486029.5A CN104216383B (zh) | 2014-09-22 | 2014-09-22 | 一种小水电站机组运行效率优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410486029.5A CN104216383B (zh) | 2014-09-22 | 2014-09-22 | 一种小水电站机组运行效率优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104216383A CN104216383A (zh) | 2014-12-17 |
| CN104216383B true CN104216383B (zh) | 2017-08-18 |
Family
ID=52097990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410486029.5A Active CN104216383B (zh) | 2014-09-22 | 2014-09-22 | 一种小水电站机组运行效率优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104216383B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104795890B (zh) * | 2015-02-13 | 2017-01-11 | 国家电网公司 | 一种小水电集群优化调控系统 |
| CN106786792B (zh) * | 2016-12-08 | 2018-01-30 | 广东电网有限责任公司河源供电局 | 区域水电站调度控制方法和装置 |
| CN107941203A (zh) * | 2017-11-29 | 2018-04-20 | 张建洲 | 一种智能化监测系统及方法 |
| CN111738626B (zh) * | 2020-07-22 | 2023-07-14 | 云南大唐国际李仙江流域水电开发有限公司 | 一种径流式水电站的开机方法及系统 |
| CN113110067A (zh) * | 2021-05-20 | 2021-07-13 | 国网湖南省电力有限公司 | 一种小水电站的水头优化方法、装置、设备及介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004171548A (ja) * | 2002-11-06 | 2004-06-17 | Fuji Electric Holdings Co Ltd | プラントの最適運用方法、最適設計方法、最適運転計画方法、及び最適化装置 |
| CN102255311B (zh) * | 2011-08-05 | 2014-09-24 | 辽宁省电力有限公司 | Agc机组控制方法 |
| CN102682347A (zh) * | 2012-05-10 | 2012-09-19 | 中国水利水电科学研究院 | 一种基于连续线性规划的水库优化调度方法 |
| CN103306886B (zh) * | 2013-05-29 | 2016-03-30 | 郑程遥 | 一种水轮发电机组的全参数调节控制方法 |
| CN103795088B (zh) * | 2013-10-16 | 2016-03-02 | 华北电力大学（保定） | 一种基于负荷曲线量化的抽水蓄能电站优化调度方法 |
| CN103971174B (zh) * | 2014-05-06 | 2017-04-12 | 大连理工大学 | 基于改进量子粒子群算法的水电站群优化调度方法 |
-
2014
- 2014-09-22 CN CN201410486029.5A patent/CN104216383B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104216383A (zh) | 2014-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104216383B (zh) | 一种小水电站机组运行效率优化方法 | |
| CN109449971B (zh) | 一种新能源消纳的多目标电力系统源荷互动优化调度方法 | |
| CN102043905B (zh) | 基于自适应算法的小水电群智能优化错峰调度方法 | |
| CN104636821B (zh) | 基于动态惯性权重粒子群的火电机组负荷优化分配方法 | |
| CN104734200B (zh) | 一种基于虚拟发电的主动配电网优化调度方法 | |
| CN106130079B (zh) | 一种风水火短期联合优化调度方法 | |
| CN104200264B (zh) | 一种包括独立全局搜索的两阶段粒子群优化算法 | |
| CN108471143A (zh) | 基于正负反馈粒子群算法的微电网多能源调度优化方法 | |
| CN107274085B (zh) | 一种双电型船舶的储能设备的优化管理方法 | |
| CN112508221A (zh) | 一种有限储能下考虑源-荷不确定性的日前调度决策方法 | |
| CN110429649A (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
| CN112821470B (zh) | 基于小生境混沌粒子群算法的微网群优化调度策略 | |
| CN104333047B (zh) | 一种适用于风电接入的电力系统实时滚动计划方法 | |
| CN107482618A (zh) | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 | |
| CN104113085A (zh) | 一种微电网能量优化管理方法 | |
| CN107330251A (zh) | 一种基于云遗传算法的风功率预测方法 | |
| CN107069784A (zh) | 一种利用分布式储能提高配电网负荷和光伏承载能力的优化运行方法 | |
| CN107634547A (zh) | 基于新能源出力预测误差的电气联合系统出电控制方法 | |
| CN104037755A (zh) | 一种求解风蓄火联合运行系统多时段Pareto解集的优化方法 | |
| Shang et al. | Production scheduling optimization method based on hybrid particle swarm optimization algorithm | |
| CN106300441A (zh) | 一种面向电网多级输电断面的水电站机组负荷分配方法 | |
| CN108808653A (zh) | 一种考虑可控负荷的风光储微电网储能容量优化配置方法 | |
| CN106600078A (zh) | 一种基于新能源发电预测的微网能量管理方案 | |
| CN109950933B (zh) | 一种基于改进粒子群算法的风光储联合调峰优化方法 | |
| CN106529699A (zh) | 一种考虑需求侧的微电网的规划设计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180723 Address after: 330096 No. 88, min Qiang Road, private science and Technology Park, Nanchang, Jiangxi Co-patentee after: State Grid Corporation of China Patentee after: Power Science Research Institute of Jiangxi Electric Power Co., Ltd. Address before: 100761 West Chang'an Avenue, Xicheng District, Xicheng District, Beijing Co-patentee before: State's net Jiangxi Province Electric power Science Academe Patentee before: State Grid Corporation of China |
|
| TR01 | Transfer of patent right |