CN105243502B - 一种基于径流区间预测的水电站调度风险评估方法及系统 - Google Patents
一种基于径流区间预测的水电站调度风险评估方法及系统 Download PDFInfo
- Publication number
- CN105243502B CN105243502B CN201510679000.3A CN201510679000A CN105243502B CN 105243502 B CN105243502 B CN 105243502B CN 201510679000 A CN201510679000 A CN 201510679000A CN 105243502 B CN105243502 B CN 105243502B
- Authority
- CN
- China
- Prior art keywords
- flow rate
- predicted flow
- interval
- predicted
- power station
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于径流区间预测的水电站调度风险评估方法,其中,该方法主要包括:根据预测流量误差的分析得到预测流量误差的累积概率密度分布函数,将一定置信概率下的实际流量预测区间和预测流量变量误差区间作为模拟流量过程的基础,仿真得到水电站的出力、末水位和出库流量,继而,与根据实际流量得到的水电站实际出力、末水位和出库流量进行比较,最终得到水电站发生弃水的风险概率和不能完成负荷任务的风险概率。本发明还提供一种风险评估系统。上述方法及系统不仅弥补了现有非线性随机模拟径流预测方法的缺陷,同时,显著提高了径流预测结果的准确性,对中长期径流预测具有借鉴意义。
Description
技术领域
本发明属于水电能源优化领域,具体涉及一种基于径流区间预测的水电站调度风险计算方法及系统。
背景技术
水资源是基础性自然资源,在水资源的开发和利用过程中,径流预测和水电站优化调度是重要问题。可靠的径流预测是充分利用水资源、真正实现水库优化运行、发挥电站经济效益的有力手段和重要环节;水电站调度方案则关系到资源的优化配置和电网的稳定运行。
由于水能分布受水文、气候、地貌等自然条件的限制,且具有随机波动性的特点,这使得水电站在实际运行中,可能出现预测流量与实际流量不匹配的问题,从而影响水电站执行电网下达的负荷任务,给水电并网运行中的电力供需平衡、电力系统安全及电能质量带来严峻挑战。所以,对径流进行准确、迅速的预测是当务之急。
目前,径流预测多采用非线性随机模拟的方法,比如,首先假设水文序列服从某种概率分布,接着,通过历史数据对概率分布模型的参数进行估计,最终获得径流预测的结果。然而,现有的径流预测非线性随机模拟方法存在以下缺陷:由于水文序列的相依结构和人为假设的概率密度函数不一定总与实际相符,若假设的概率分布类型不成立或不准确,无疑会影响来水预报结果的精度,也就是说当实际流量大于预测流量时,水电站为了完成电网的负荷任务,面临弃水的风险;反之,当实际流量小于预测流量时,水电站面临负荷任务不能完成的风险。相应地,本领域亟需寻找一种适用于水电运行的基于径流区间预测的水电站调度风险评估方法。
发明内容
针对现有技术的以上缺陷或不足,本发明提供了一种基于径流区间预测的水电站调度风险评估方法及系统,在径流点预测值的基础上,采用基于高斯核密度估计的径流区间预测方法获得N组模拟流量过程,仿真得到水电站的出力、末水位和出库流量,与根据实际流量得到的水电站实际出力、末水位和出库流量进行比较,最终得到水电站发生弃水的风险概率和不能完成负荷任务的风险概率。通过执行本发明中的上述方法及系统,弥补了现有非线性随机模拟径流预测方法的缺陷,提高了径流预测结果的准确性,对中长期径流预测具有借鉴意义。
为实现上述目的,本发明提出了一种基于径流区间预测的水电站调度风险评估方法,所述方法具体包括以下步骤:
(1)根据第i时段的预测流量Qpi和收集到的实际流量Qri,得到该时段的预测流量误差ei=Qpi-Qri,其中i=1,2,…,n;
(2)将步骤(1)中的n个预测流量{Qp1,Qp2,...,Qpn}分为m个预测流量区间,合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
(3)通过高斯核密度估计方法分别计算对应步骤(2)中m'个预测流量区间的预测流量误差变量e的概率密度函数;
(4)确定任一预测流量Qpi所属的预测流量区间,查找对应该预测流量区间的预测流量误差变量e的概率密度函数;
(5)运用三次样条插值方法拟合步骤(4)中的预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差变量e的分位点α/2和1-α/2;
(6)针对步骤(3)中获得的预测流量误差变量的概率密度函数进行积分,得到累积概率密度分布函数F(δ);
(7)根据步骤(6)中累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间为
(8)将步骤(7)得到的预测流量误差变量e的置信区间 离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量值计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值继而,得到N组模拟流量过程
(9)以步骤(8)中得到的所述N组模拟流量过程作为输入,采用以水定电模式,即本领域中已知各时段入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,得到水电站出力、末水位和出库流量;
(10)根据步骤(9)中得到的水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
作为进一步优选的,对于步骤(1)而言,所述预测流量分为m个预测流量区间,具体为:
m=(Qpmax-Qpmin)/ΔQp+1
其中,Qpmax为预测流量最大值,Qpmin为预测流量最小值,ΔQp为预测流量区间段长度,那么,第j个预测流量区间Dj为:
Dj=[Qpmin+(j-1)ΔQp,Qpmin+jΔQp]
其中,j=1,2,...,m;
作为进一步优选的,对于步骤(3)而言,所述预测误差变量e的概率密度函数为:
其中,nk为步骤(2)中合并后第k个预测流量区间内ei的数量,h为窗宽,K(·)为高斯核函数,e为预测流量误差变量,ei为步骤(1)中的第i时段的预测流量误差;
作为进一步优选的,对于步骤(6)而言,所述累积概率密度分布函数为其中δ为预测流量误差变量e的随机变量;
为了实现上述目的,本发明采用的另一个技术方案是:提供一种基于径流区间预测的水电站调度风险评估系统,其特征在于,所述系统包括:
误差处理模块,用于根据第i时段的预测流量Qpi和收集到的实际流量Qri,得到该时段的预测流量误差ei=Qpi-Qri,其中i=1,2,…,n;
区间合并模块,用于将所述预测流量误差处理模块中的n个预测流量{Qp1,Qp2,...,Qpn}划分到m个预测流量区间,合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内的ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
核密度估计处理模块,用于通过高斯核密度估计方法分别计算所述m'个预测流量区间的预测流量误差变量e的概率密度函数;
区间查找模块,确定任一预测流量Qpi所属的预测流量区间,查找对应该预测流量区间的预测流量误差变量e的概率密度函数;
拟合模块,用于运用三次样条插值方法拟合上述预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差变量e的分位点α/2和1-α/2;
积分模块,用于对上述预测流量误差变量e的概率密度函数进行积分,得到累积概率密度分布函数;
置信区间确定模块,用于根据上述累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间 再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间为
离散处理模块,用于将上述预测流量误差变量e的置信区间 离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量值计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值继而,得到N组模拟流量过程
以水定电模块,用于以上述N组模拟流量过程作为输入,采用以水定电模式,即本领域中已知各时段入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,求水电站各时段出力、水位的过程,得到水电站出力、末水位和出库流量;
风险评估模块,根据上述水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
作为进一步优选的,所述m个预测流量区间为:
m=(Qpmax-Qpmin)/ΔQp+1
其中,Qpmax为预测流量最大值,Qpmin为预测流量最小值,ΔQp为预测流量区间段长度,那么,第j个预测流量区间Dj为:
Dj=[Qpmin+(j-1)ΔQp,Qpmin+jΔQp]
其中,j=1,2,...,m。
作为进一步优选的,所述预测误差变量e的概率密度函数为:
其中,nk为步骤(2)中合并后第k个预测流量区间内ei的数量,h为窗宽,K(·)为高斯核函数,e为预测流量误差变量,ei为步骤(1)中的第i时段的预测流量误差;
作为进一步优选的,所述累积概率密度分布函数为:
其中δ为预测流量误差变量e的随机变量。
总体而言,按照本发明点的以上技术方案与现有技术相比,主要具备以下的技术优点:
1、本发明提供的一种基于径流区间预测的水电站调度风险评估方法,根据预测流量误差的分析得到预测流量误差变量的累积概率密度分布函数,将一定置信概率下的实际流量预测区间和预测流量误差区间作为模拟随机流量过程的基础,运用于仿真计算水电站的出力、末水位和出库流量,实现了来水不确定性与调度风险之间的量化计算。
2、按照本发明提出的基于径流区间预测的水电站调度风险评估方法,最终获取相应的风险概率预测,该预测结果对中长期径流预测同样具有借鉴意义,提高了径流预测结果的准确性,且有利于开展水电站调度决策和发电可靠性评估等工作。
附图说明
图1为基于径流区间预测的水电站调度风险评估方法总体流程图;
图2为基于径流区间预测的水电站调度风险评估系统结构图;
图3为预测流量误差变量概率密度函数曲线与三次样条插值拟合曲线对比图;
图4为实际流量70%、80%和90%置信区间的水电站实际流量过程上下限;
图5为实际流量90%置信区间下离散的20组实际流量过程;
图6为实际流量70%、80%和90%置信区间下分别离散的20组模拟流量过程中水电站发生弃水和不能完成负荷任务风险的统计结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1所示为本发明基于径流区间预测的水电站调度风险评估方法总体流程图,具体包括以下步骤:
(1)根据第i时段的预测流量Qpi和收集到的实际流量Qri,计算该时段预测流量误差ei,如下公式(1)所示:
ei=Qri-Qpi,其中i=1,2,…,n(1)
(2)将步骤(1)中的预测流量分为m个预测流量区间,如下公式(2)所示:
m=(Qpmax-Qpmin)/ΔQp+1(2)
其中,Qpmax为预测流量最大值,Qpmin为预测流量最小值,ΔQp为预测流量区间段长度,那么,第j个预测流量区间Dj如下公式(3)所示:
Dj=[Qpmin+(j-1)ΔQp,Qpmin+jΔQp](3)
合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
(3)通过高斯核密度估计方法,分别计算对应步骤(2)中m'个预测流量区间的预测流量误差变量e的概率密度函数如下公式(4)所示:
其中,nk为步骤(2)中合并后第k个预测流量区间内ei的数量,h为窗宽,nk为K(·)为高斯核函数,e为预测流量误差变量,ei为步骤(1)中的第i时段的预测流量误差;
(4)确定任一预测流量Qpi所属预测流量区间,查找对应该区间的预测流量误差变量e的概率密度函数;
(5)运用三次样条插值方法拟合步骤(4)中预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差分位点α/2和(1-α/2);
(6)对步骤(3)获得的预测流量误差变量e的概率密度函数进行积分,得到累积概率密度分布函数F(δ),其中δ为预测流量误差变量e的随机变量,如下公式(5)所示:
(7)根据步骤(6)中累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间,如公式(6)所示:
再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间,如公式(7)所示:
(8)将步骤(7)得到的预测流量误差变量e的置信区间离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值如公式(8)所示:
继而,得到N组模拟流量过程,如公式(9)所示:
(9)以步骤(8)中得到的所述N组模拟流量过程作为输入,采用以水定电模式,得到水电站的出力、末水位和出库流量,其中以水定电模式,即本领域中已知各时段入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,求水电站各时段出力、水位的过程;
(10)最后,根据步骤(9)中得到的水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程曲线中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
图2所示为一种基于径流区间预测的水电站调度风险评估系统,所述系统包括:
误差处理模块,用于根据第i时段的预测流量Qpi和收集到的实际流量Qri,得到该时段的预测流量误差ei=Qpi-Qri,其中i=1,2,…,n;
区间合并模块,用于将所述预测流量误差处理模块中的n个预测流量{Qp1,Qp2,...,Qpn}划分到m个预测流量区间,合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内的ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
核密度处理模块,用于通过高斯核密度估计方法分别计算所述m'个预测流量区间的预测流量误差变量e的概率密度函数;
区间查找模块,用于确定任一预测流量Qpi所属的预测流量区间,查找对应该预测流量区间的预测流量误差变量e的概率密度函数;
拟合模块,用于运用三次样条插值方法拟合上述预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差变量e的分位点α/2和1-α/2;
积分模块,用于对上述预测流量误差变量e的概率密度函数进行积分,得到累积概率密度分布函数;
置信区间确定模块,用于根据上述累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间 再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间为
离散处理模块,用于将上述预测流量误差变量e的置信区间 离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量值计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值继而,得到N组模拟流量过程
以水定电模块,用于以上述N组模拟流量过程作为输入,采用以水定电模式,即本领域中已知各时段入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,求水电站各时段出力、水位的过程,得到水电站出力、末水位和出库流量;
风险评估模块,用于根据上述水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
本发明以清江流域的水布垭电站在不确定来水下的发电调度为例,按照图1及图2所示的基于径流区间预测的水电站调度风险评估方法总体流程及对应系统,进行调度风险评估,以体现本发明达到的效果。
水布垭电站位于清江流域中游,总装机容量1600MW,担负湖北电网的调峰调压任务,其短期发电调度存在突然降水导致的弃水和来水较小时导致的不能完成负荷任务的风险问题。在本发明实施例中,假定水布垭电站日初水位为381.23米,日末水位为380.98米,考虑水头损失,电站出力每小时最大变幅为700MW,水电站机组无检修,4台机组全部正常运行。水电站出力两次变化之间的时间间隔不小于4个时段(1小时)。实施例以日为调度期模拟水布垭电站的发电调度,对预报径流预测误差可能导致的弃水和不能完成负荷任务风险量化计算。
按照本发明提出的基于径流误差区间预测的水电站调度风险评估方法对水布垭电站在其不确定来水下的发电调度进行相应的风险概率预测,得到评估结果如图3、4、5、6所示。图3结果显示,根据水布垭电站流量预测误差数据,令窗宽为h=30,采用非参数核密度估计方法和三次样条插值模拟在MATLAB上进行计算,得到的了对应该窗宽的预测流量误差变量概率密度函数曲线及三次样条插值拟合曲线。图4结果显示,分别取70%、80%和90%置信概率的实际流量过程上下限。图5是运用蒙特卡洛模拟方法,随机抽样10000次,在实际流量90%置信区间内离散出来的20组具有代表性的实际流量过程。图6结果表明,在不同置信区间下,分别选取20组具有代表性的模拟流量过程作为输入,统计计算得到径流区间预测下的弃水概率和不能完成负荷任务的概率有差异。置信水平越高,发生弃水或者不能完成负荷任务的风险概率越大;置信水平越低,发生弃水或者不能完成负荷任务的风险概率越小。因此,对统计规律不明显的预测流量置信概率宜取适中值,取值过高无实际意义,取值过低则影响预测精度。因此,本发明得到的水电站调度风险计算方法评估方法符合水电站实际运行情况。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于径流区间预测的水电站调度风险评估方法,其特征在于,所述方法具体包括以下步骤:
(1)根据第i时段的预测流量Qpi和收集到的实际流量Qri,得到该时段的预测流量误差ei=Qpi-Qri,其中i=1,2,…,n;
(2)将步骤(1)中的n个预测流量{Qp1,Qp2,...,Qpn}划分到m个预测流量区间,合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内的ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
(3)通过高斯核密度估计方法分别计算对应步骤(2)中m'个预测流量区间的预测流量误差变量e的概率密度函数;
(4)确定任一预测流量Qpi所属的预测流量区间,查找对应该预测流量区间的预测流量误差变量e的概率密度函数;
(5)运用三次样条插值方法拟合步骤(4)中的预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差变量e的分位点α/2和1-α/2,其中α为一个很小的正数,1-α为置信概率;
(6)针对步骤(3)中获得的预测流量误差变量e的概率密度函数进行积分,得到累积概率密度分布函数;
(7)根据步骤(6)中累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间为
(8)将步骤(7)得到的预测流量误差变量e的置信区间 离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量值计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值继而,得到N组模拟流量过程
(9)以步骤(8)中得到的所述N组模拟流量过程作为输入,采用以水定电模式,即第1时段至第n时段的入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,求水电站各时段出力、水位的过程得到水电站出力、末水位和出库流量;
(10)根据步骤(9)中得到的水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
2.如权利要求1所述的方法,其特征在于,所述将步骤(1)中的预测流量分为m个预测流量区间,具体为:
m=(Qpmax-Qpmin)/ΔQp+1
其中,Qpmax为预测流量最大值,Qpmin为预测流量最小值,ΔQp为预测流量区间段长度,那么,第j个预测流量区间Dj为:
Dj=[Qpmin+(j-1)ΔQp,Qpmin+jΔQp]
其中,j=1,2,...,m。
3.如权利要求1所述的方法,其特征在于,所述步骤(3)中所述预测误差变量e的概率密度函数为:
其中,nk为步骤(2)中合并后第k个预测流量区间内ei的数量,h为窗宽,K(·)为高斯核函数,e为预测流量误差变量,ei为步骤(1)中的第i时段的预测流量误差。
4.如权利要求3所述的方法,其特征在于,所述步骤(6)中的累积概率密度分布函数具体为其中δ为预测流量误差变量e的随机变量。
5.一种基于径流区间预测的水电站调度风险评估系统,其特征在于,所述系统包括:
误差处理模块,用于根据第i时段的预测流量Qpi和收集到的实际流量Qri,得到该时段的预测流量误差ei=Qpi-Qri,其中i=1,2,…,n;
区间合并模块,用于将所述预测流量误差处理模块中的n个预测流量{Qp1,Qp2,...,Qpn}划分到m个预测流量区间,合并部分相邻且预测流量误差ei的数量小于n/m的预测流量区间;设合并后的预测流量区间个数为m',其中m'≤m;合并后第k个预测流量区间内的ei的数量为nk,其中k=1,2,…,m',nk≥n/m;
核密度估计处理模块,用于通过高斯核密度估计方法分别计算所述m'个预测流量区间的预测流量误差变量e的概率密度函数;
区间查找模块,用于确定任一预测流量Qpi所属的预测流量区间,查找对应该预测流量区间的预测流量误差变量e的概率密度函数;
拟合模块,用于运用三次样条插值方法拟合上述预测流量误差变量e的概率密度函数对应的曲线,找出预测流量误差变量e的分位点α/2和1-α/2,其中α为一个很小的正数,1-α为置信概率;
积分模块,用于对上述预测流量误差变量e的概率密度函数进行积分,得到累积概率密度分布函数;
置信区间确定模块,用于根据上述累积概率密度分布函数的反函数得到满足置信概率为1-α的预测流量误差变量e的置信区间 再结合预测流量Qpi,得到满足置信概率为1-α的实际流量Qri的置信区间为
离散处理模块,用于将上述预测流量误差变量e的置信区间 离散为N个预测流量误差流量实际值Qri的置信区间离散为N个实际流量值计算第i时段第l组离散的实际流量与离散的预测流量误差之和,其中l=1,2,…,N,i=1,2,…,n,得到第i时段第l组流量模拟值继而,得到N组模拟流量过程
以水定电模块,用于以上述N组模拟流量过程作为输入,采用以水定电模式,即第1时段至第n时段的入库流量、第1时段的初水位及第n时段的末水位,以各时段出力之和最大为目标,求水电站各时段出力、水位的过程,得到水电站出力、末水位和出库流量;
风险评估模块,用于根据上述水电站出力、末水位和出库流量,分别统计所述N组模拟流量过程中,水电站发生弃水和不能完成负荷任务的次数,并将上述统计结果除以总模拟次数N,对应得到水电站在该置信区间下发生弃水的风险概率和不能完成负荷任务的风险概率。
6.如权利要求5所述的系统,其特征在于,所述m个预测流量区间为:
m=(Qpmax-Qpmin)/ΔQp+1
其中,Qpmax为预测流量最大值,Qpmin为预测流量最小值,ΔQp为预测流量区间段长度,那么,第j个预测流量区间Dj为:
Dj=[Qpmin+(j-1)ΔQp,Qpmin+jΔQp]
其中,j=1,2,...,m。
7.如权利要求5所述的系统,其特征在于,所述预测误差变量e的概率密度函数为:
其中,nk为步骤(2)中合并后第k个预测流量区间内ei的数量,h为窗宽,K(·)为高斯核函数,e为预测流量误差变量,ei为步骤(1)中的第i时段的预测流量误差。
8.如权利要求7所述的系统,其特征在于,所述累积概率密度分布函数具体为其中δ为预测流量误差变量e的随机变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510679000.3A CN105243502B (zh) | 2015-10-19 | 2015-10-19 | 一种基于径流区间预测的水电站调度风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510679000.3A CN105243502B (zh) | 2015-10-19 | 2015-10-19 | 一种基于径流区间预测的水电站调度风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105243502A CN105243502A (zh) | 2016-01-13 |
CN105243502B true CN105243502B (zh) | 2016-07-13 |
Family
ID=55041139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510679000.3A Active CN105243502B (zh) | 2015-10-19 | 2015-10-19 | 一种基于径流区间预测的水电站调度风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243502B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300441A (zh) * | 2016-09-12 | 2017-01-04 | 华中科技大学 | 一种面向电网多级输电断面的水电站机组负荷分配方法 |
CN107292098A (zh) * | 2017-06-15 | 2017-10-24 | 河海大学 | 基于前期气象因子与数据挖掘技术的中长期径流预报方法 |
CN107392446B (zh) * | 2017-07-03 | 2018-09-21 | 华中科技大学 | 一种基于敏感性分析的梯级水电站调度方案评价方法 |
CN107563637B (zh) * | 2017-08-29 | 2020-08-04 | 华中科技大学 | 一种水电站发电调度近边界运行全景模糊风险分析方法 |
CN108830423B (zh) * | 2018-06-21 | 2020-06-23 | 中国水利水电科学研究院 | 一种基于预报域的年径流预测方法 |
CN108830491A (zh) * | 2018-06-22 | 2018-11-16 | 中石化石油工程技术服务有限公司 | 一种钻井事故风险率评估方法 |
CN110705784B (zh) * | 2019-09-29 | 2023-04-07 | 河南郑大水利科技有限公司 | 一种径流式水电站优化运行评价方法 |
CN111310126B (zh) * | 2020-02-14 | 2022-10-14 | 天津大学 | 一种适用于规划阶段区域建筑的空调负荷预测方法 |
CN111934338B (zh) * | 2020-07-27 | 2022-12-23 | 华北电力科学研究院有限责任公司 | 一种柔性直流电网线路保护的运行评价方法及装置 |
CN112036649B (zh) * | 2020-09-03 | 2022-09-13 | 合肥工业大学 | 基于多核并行的径流概率密度预测的水电站风险评估方法 |
CN113128782A (zh) * | 2021-04-30 | 2021-07-16 | 大连理工大学 | 耦合可行域识别和随机抽样的大规模水电站群优化调度降维方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177302A (zh) * | 2013-03-28 | 2013-06-26 | 深圳市环境科学研究院 | 一种城区水库型水源地风险源评估方法 |
CN104182807A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种计及径流预报不确定性的水库调度风险评估方法 |
CN104268653A (zh) * | 2014-09-28 | 2015-01-07 | 武汉大学 | 基于集束径流预报的梯级水库优化调度方法 |
-
2015
- 2015-10-19 CN CN201510679000.3A patent/CN105243502B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177302A (zh) * | 2013-03-28 | 2013-06-26 | 深圳市环境科学研究院 | 一种城区水库型水源地风险源评估方法 |
CN104182807A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种计及径流预报不确定性的水库调度风险评估方法 |
CN104268653A (zh) * | 2014-09-28 | 2015-01-07 | 武汉大学 | 基于集束径流预报的梯级水库优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105243502A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243502B (zh) | 一种基于径流区间预测的水电站调度风险评估方法及系统 | |
Jamil | Hydroelectricity consumption forecast for Pakistan using ARIMA modeling and supply-demand analysis for the year 2030 | |
CN110991687B (zh) | 一种基于经验模型的水资源调度优化方法 | |
Yang et al. | Probabilistic short-term wind power forecast using componential sparse Bayesian learning | |
CN102479339B (zh) | 基于混合神经网络的风电场短期风速预测方法和系统 | |
CN103198235B (zh) | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 | |
CN107358060A (zh) | 一种基于隐马尔科夫模型的对风电功率预测误差区间进行估计的方法 | |
WO2022110582A1 (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
CN104933483A (zh) | 一种基于天气过程划分的风电功率预测方法 | |
CN102032935A (zh) | 城市排水汇流管网污水泵站流量的软测量方法 | |
CN102938562B (zh) | 一种区域内风电总功率的预测方法 | |
CN103207948A (zh) | 基于风速相关性的风电场测风仪风速缺失数据插补方法 | |
CN103473438A (zh) | 风功率预测模型优选及修正方法 | |
CN104463356A (zh) | 一种基于多维信息人工神经网络算法的光伏发电功率预测方法 | |
CN104462861A (zh) | 一种基于水库调度规则合成的水库调度决策方法 | |
CN104036356A (zh) | 一种利用分形算法对电网未来运行状态进行预测的方法 | |
CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
CN108205713A (zh) | 一种区域风电功率预测误差分布确定方法和装置 | |
CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
Xiyun et al. | Wind power probability interval prediction based on bootstrap quantile regression method | |
US20240256746A1 (en) | Scheduling method and system for operation of reservoirs to recharge freshwater for repelling saltwater intrusion under changing conditions | |
CN103605908A (zh) | 基于卡尔曼滤波的风速序列预测方法 | |
Liu et al. | Effect of the quality of streamflow forecasts on the operation of cascade hydropower stations using stochastic optimization models | |
CN104346659A (zh) | 应用于高倍聚光光伏发电系统的短期发电量预测方法 | |
Peng et al. | Study on reservoir operation optimization of Ertan Hydropower Station considering GFS forecasted precipitation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |