CN107958306B - 一种基于参考线的水电站随机优化调度方法 - Google Patents
一种基于参考线的水电站随机优化调度方法 Download PDFInfo
- Publication number
- CN107958306B CN107958306B CN201711175368.1A CN201711175368A CN107958306B CN 107958306 B CN107958306 B CN 107958306B CN 201711175368 A CN201711175368 A CN 201711175368A CN 107958306 B CN107958306 B CN 107958306B
- Authority
- CN
- China
- Prior art keywords
- time period
- water
- energy
- flow
- loss
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于参考线的水电站随机优化调度方法,应用于水利电力技术领域,其中,方法的实现包括:建立水电站长期发电量期望最大模型;从能量角度推算发电量期望最大模型的等价目标函数;逆时序逐时段计算不蓄电能损失与弃水能量损失之和期望值,确定期望值最小值所对应的蓄水过程线为随机参考线;依据随机参考线确定当前时段最优决策发电流量。本发明有效避免随机动态规划离散误差产生,提高调度运行决策的优化精度,相较于传统调度图,确保调度运行决策优化性的同时继承其操作简洁直观、物理意义明确等优点,更适用于水电站实际调度运行,为将随机优化理论推广至2个以上的水电站群联合调度运行提供一种可行的新思路。
Description
技术领域
本发明属于水利电力技术领域,更具体地,涉及一种基于参考线的水电站随机优化调度方法。
背景技术
在水电站发电调度领域,径流预报精度和预见期水平有限使得确定性优化调度成果无法直接用于水电站实际运行中,一般采用调度图依据当前时段的蓄水位直接确定运行决策,但是调度图运行决策较为保守,尤其对于调节性能强的水库,发电效益较优化调度相差较大。考虑径流不确定性的随机优化调度方法,可有效解决上述方法的缺陷,最典型的代表方法为随机动态规划,其以调度期发电量期望最大为优化准则建立数学模型,并采用动态规划算法确定不同离散蓄水位所对应的最优运行决策。但是随机动态规划会因离散误差降低优化精度,且相较于传统调度图会丧失操作简洁直观、物理意义明确等优点。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于参考线的水电站随机优化调度方法,由此解决随机动态规划会因离散误差降低优化精度,且相较于传统调度图会丧失操作简洁直观、物理意义明确等优点的技术问题。
为实现上述目的,本发明提供了一种基于参考线的水电站随机优化调度方法,包括:
(1)基于水库入库流量不确定性,建立水电站长期发电量期望最大模型;
(2)依据水库能量平衡分析,从能量角度推算所述水电站长期发电量期望最大模型的等价目标函数,其中,所述等价目标函数表示不蓄电能损失与弃水能量损失之和的期望值最小;
(3)根据所述等价目标函数,逆时序逐时段计算不蓄电能损失与弃水能量损失之和的期望值,确定期望值最小时所对应的蓄水过程线为随机参考线;
(4)根据当前时段的初蓄水位,结合所述随机参考线计算不同决策发电流量所对应的多个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量。
优选地,在步骤(1)中的水电站长期发电量期望最大模型表示为:
其中,T为1年调度期按照月或者旬均分的时段数,Δt为时段间隔时间,表示在时段t按照目标概率分布离散M点后的第m个入库流量,表示在时段t入库流量为的概率,为在时段t入库流量为情形下的平均出力,为在时段t入库流量为情形下的初水库蓄水位,为在时段t入库流量为情形下的出库流量。
优选地,步骤(2)包括:
(2.1)由确定水库系统能量平衡关系,其中,为水库的入能,表示在t时段,水库发电的能量全部来源于入库径流所携带的水能,对应水库能够利用的最大水头为表示用于发电的能量,表示在水流流入水库的过程中,不蓄电能损失,对应的损失水头为表示若水库发生弃水的弃水能量损失,对应的水头损失为表示水库正常蓄水位,Zd表示水库最小尾水位,Zt表示t时段初水库蓄水位,Zt+1表示t时段末水库蓄水位;
(2.3)由不蓄电能损失与弃水能量损失之和最小,并基于入库流量的随机性得到所述水电站长期发电量期望最大模型的等价目标函数为:其中,表示t时段入库流量为情形下的初水库蓄水位,表示t时段入库流量为情形下的末水库蓄水位,SPt m表示t时段入库流量为情形下的弃水流量。
优选地,步骤(3)包括:
以调度期末控制水位Zend为起始逆时序计算各个时段不同初蓄水位所对应的M个入库流量情形下不蓄电能损失与弃水能量损失之和的期望值,比较确定期望值最小时所对应的目标初蓄水位,以所述目标初蓄水位作为上一时段的末蓄水位继续推算至第一个时段。
其中,t=1,2,…,T且表示水电站在t时段最低水位,表示水电站在t时段的最高水位,表示随机参考线在时段t的初蓄水位,表示水电站在t时段的最小出库流量,表示在入库流量下t时段初蓄水位为Z时产生的出库流量,表示在入库流量下t时段初蓄水位为时产生的出库流量,表示水电站在t时段的最大出库流量,表示水电站在t时段的最小出力,表示在入库流量下t时段初蓄水位为Z时产生的平均出力,表示在入库流量下t时段初蓄水位为时产生的平均出力,表示水电站在t时段的最大出力,表示随机参考线在时段t的末蓄水位,表示在入库流量下t时段初蓄水位为Z时产生的弃水流量,表示在入库流量下t时段初蓄水位为时产生的弃水流量。
优选地,步骤(4)包括:
(4.1)确定不同决策发电流量所对应的M个入库流量情形下当前时段末蓄水位;
(4.2)依据当前时段末蓄水位与所述随机参考线的相对位置计算当前时段至调度期末时段的不蓄电能损失与弃水能量损失;
(4.3)比较不同决策发电流量所对应的M个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量,最终确定水电站当前时段最优调度运行方式。
优选地,步骤(4.1)包括:
(4.1.2)遍历依据水库水量平衡公式,由计算M个入库流量下的当前时段末库容,其中,为当前时段t0初库容,表示当前时段t0在决策发电流量以及入库流量下的末库容,与相应的当前时段t0在决策发电流量以及入库流量下的末蓄水位为表示当前时段t0在决策发电流量以及入库流量下的弃水流量。
优选地,步骤(4.2)包括:
(4.2.2)若则由计算当前时段t0在决策发电流量以及入库流量下的平均出力并由出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示随机参考线在时段t0的初蓄水位,K表示电站综合系数,表示时段t0的初水位,表示当前时段t0在决策发电流量以及入库流量下的尾水位;
(4.2.3)若则表示位置高于随机参考线,需要在随机参考线的基础上依次抬高蓄水位,并由当前时段t0在决策发电流量以及入库流量下的平均出力时段τ不蓄电能损失相对于随机参考线的增量以及时段τ弃水能量损失相对于随机参考线的增量并结合出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示水电站在t0时段的最高水位;
(4.2.4)若则根据产生的弃水流量、当前时段t0在决策发电流量以及入库流量下的平均出力时段τ不蓄电能损失相对于随机参考线的增量以及时段τ弃水能量损失相对于随机参考线的增量并结合出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)有效避免随机动态规划离散误差的产生,提高调度运行决策的优化精度;
(2)相较于传统调度图,确保调度运行决策优化性的同时继承其操作简洁直观、物理意义明确等优点,更适用于水电站实际调度运行中;
(3)为将随机优化理论推广至2个以上的水电站群联合调度运行提供一种可行的新思路。
附图说明
图1为本发明实施例公开的一种基于参考线的水电站随机优化调度方法的流程示意图;
图2为本发明实施例公开的一种水电站运行及水库调节示意图;
图3为本发明实施例公开的一种当前时段末蓄水位可能位置示意图。
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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于参考线的水电站随机优化调度方法,通过水库能量分析,确定不蓄电能损失以及弃水能量损失与发电量之间的关系,考虑入库流量的概率分布为水电站设计一种类似调度图形式的随机参考线,根据当前时段蓄水位与随机参考线的相对位置确定其最优决策。
如图1所示为本发明实施例公开的一种基于参考线的水电站随机优化调度方法的流程示意图,在图1所示的方法中,包括以下步骤;
(1)基于水库入库流量不确定性,建立水电站长期发电量期望最大模型;
其中,该水电站长期发电量期望最大模型表示为:
其中,T为1年调度期按照月或者旬均分的时段数,Δt为时段间隔时间,表示在时段t按照目标概率分布(可由水库径流资料分析获得)离散M点后的第m个入库流量,表示在时段t入库流量为的概率(满足 为在时段t入库流量为情形下的平均出力(可由该情形下时段初水位以及时段出库流量确定),为在时段t入库流量为情形下的初水库蓄水位,为在时段t入库流量为情形下的出库流量。
针对上述水电站长期发电量期望最大模型应满足:约束条件:水位约束库容约束出力约束出库流量约束水轮机过流约束[0,Qmax],其中 以及分别表示水电站在t(t=1,2,…,T)时段最低水位、最高水位、最小库容、最大库容、最小出力、最大出力、最小出库流量以及最大出库流量,Qmax表示水电站水轮机最大过流;边界条件:调度期初、末控制水位Zstart、Zend或者调度期初、末库容Vstart、Vend(水位、库容一一对应)。
(2)依据水库能量平衡分析,从能量角度推算水电站长期发电量期望最大模型的等价目标函数,其中,等价目标函数表示不蓄电能损失与弃水能量损失之和的期望值最小;
如图2所示,在t时段,水库发电的能量全部来源于入库径流所携带的水能,称为水库的入能,记为对应水库能够利用的最大水头为表示水库正常蓄水位,Zd表示水库最小尾水位(一般为出库流量为0所对应的尾水位);入能的主要部分转换为用于发电的能量 相应被利用的水头为Zt、Zt+1分别表示为t时段初、末蓄水位;在水流流入水库的过程中,不蓄电能损失记为对应的损失水头为如果水库发生弃水,弃水能量损失记为对应的水头损失为因此,水库系统能量平衡关系为:
需要注意的是,中包含了水库发电所产生的电能Et以及伴随发电过程的引水道能量损失、尾水位升高带来的能量损失和发电机组转换效率损失因受短期和厂内机组负荷分配及多方面计算条件的概化影响,中长期调度的属于一个统计值,在水能计算时一般取固定值或者与成线性关系,因此发电量最大可等价于由式(2)可知,在一定的情况下,亦等价于不蓄电能损失与弃水能量损失之和最小即:
其中,It表示水电站在t时段的入库流量,SPt表示水电站在t时段的弃水流量,式(3)表明抬高蓄水位、少弃水可减少水库能量损失以提高发电量。
若考虑入库流量的随机性,则步骤(1)中的水电站长期发电量期望最大模型的等价目标函数为:
(3)根据等价目标函数,逆时序逐时段计算不蓄电能损失与弃水能量损失之和的期望值,确定期望值最小时所对应的蓄水过程线为随机参考线;
以调度期末控制水位Zend为起始逆时序计算各个时段不同初蓄水位所对应的M个入库流量情形下不蓄电能损失与弃水能量损失之和的期望值,比较确定期望值最小值所对应的目标初蓄水位,以目标初蓄水位作为上一时段的末蓄水位继续推算至第一个时段。
其中,t=1,2,…,T且表示水电站在t时段最低水位,表示水电站在t时段的最高水位,表示随机参考线在时段t的初蓄水位,表示水电站在t时段的最小出库流量,表示在入库流量下t时段初蓄水位为Z时产生的出库流量,表示在入库流量下t时段初蓄水位为时产生的出库流量,表示水电站在t时段的最大出库流量,表示水电站在t时段的最小出力,表示在入库流量下t时段初蓄水位为Z时产生的平均出力,表示在入库流量下t时段初蓄水位为时产生的平均出力,表示水电站在t时段的最大出力,表示随机参考线在时段t的末蓄水位,表示在入库流量下t时段初蓄水位为Z时产生的弃水流量,表示在入库流量下t时段初蓄水位为时产生的弃水流量,与对应的随机参考线在时段t的初、末库容记为
(4)根据当前时段的初蓄水位,结合随机参考线计算不同决策发电流量所对应的多个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量,具体包括:
(4.1)确定不同决策发电流量所对应的M个入库流量情形下当前时段末蓄水位;
步骤(4.1)包括:
其中,为当前时段t0初库容,表示当前时段t0在决策发电流量以及入库流量下的末库容,与相应的当前时段t0在决策发电流量以及入库流量下的末蓄水位为表示当前时段t0在决策发电流量以及入库流量下的弃水流量,该步骤中按计算。
(4.2)在步骤(4.1)遍历计算中,考虑水位、出力、流量等约束,依据当前时段末蓄水位与随机参考线的相对位置计算当前时段至调度期末时段的不蓄电能损失与弃水能量损失;
当前时段末蓄水位相对于随机参考线和水位约束的相对位置有5种可能情况,如图3所示,分别采用如下判定计算方式确定与 与分别表示受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失以及弃水能量损失。
具体地,步骤(4.2)包括:
并由出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示随机参考线在时段t0的初蓄水位,K表示电站综合系数,表示时段t0的初水位,表示当前时段t0在决策发电流量以及入库流量下的尾水位,与当前时段t0在决策发电流量以及入库流量下的出库流量一一对应,可依据出库流量-尾水位关系曲线插值计算获得,此时取值为
式(9)中R*是时段初水位为入库流量情形下水头值为的出库流量,可采用一维搜索方法(优选为0.618法)在内确定。依据式(6)采用更新后的弃水流量重新确定以及依据式(8)确定此种情况下的当前时段t0弃水能量损失则为:
依据上述判定计算之后,确定后续时段τ>t0不蓄电能损失与弃水能量损失,其可表示为:
式(11)中与分别表示时段τ在入库流量下依据随机参考线计算的不蓄电能损失以及弃水能量损失,与分别表示时段τ不蓄电能损失以及弃水能量损失相对于随机参考线的增量。因位置未高于随机参考线,后续时段τ>t0最优决策与随机参考线保持一致,故与均为0。
(4.2.3)若处于图3位置4处,即则表示位置高于随机参考线,需要在随机参考线的基础上依次抬高蓄水位,并由当前时段t0在决策发电流量以及入库流量下的平均出力时段τ不蓄电能损失相对于随机参考线的增量以及时段τ弃水能量损失相对于随机参考线的增量并结合出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示水电站在t0时段的最高水位;
在此种情形下,采用与步骤(4.2.2)相同的方式确定与(τ≥t0),与步骤(4.2.2)不同的是,此情况下位置高于随机参考线,后续时段τ>t0会产生弃水,此时需协调弃水能量损失与不蓄电能损失,在随机参考线的基础上依次抬高蓄水位使尽可能在最后时段弃水。与计算公式如下:
其中,表示时段τ不蓄电能损失相对于随机参考线的增量,表示时段τ弃水能量损失相对于随机参考线的增量,表示后续时段τ>t0在随机参考线的基础上抬高后的初蓄水位,表示后续时段τ>t0在随机参考线的基础上抬高后的末蓄水位,表示后续时段τ>t0在随机参考线的基础上抬高后的弃水增量,表示随机参考线在时段τ的初蓄水位,表示随机参考线在时段τ的末蓄水位,表示在时段τ按照目标概率分布离散M点后的第m个入库流量,表示水电站在t0时段的最高水位;
(4.2.4)若处于图3位置5处,即则根据产生的弃水流量、当前时段t0在决策发电流量以及入库流量下的平均出力时段τ不蓄电能损失相对于随机参考线的增量以及时段τ弃水能量损失相对于随机参考线的增量并结合出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失
(4.3)比较不同决策发电流量所对应的M个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量,最终确定水电站当前时段最优调度运行方式。
其中,表示为当前时段t0可行决策发电流量(上述Num个决策发电流量去除不可行决策发电流量的剩余决策发电流量,上标f为其顺序编号),计算在当前时段t0可行决策发电流量下t0至T时段不蓄电能损失与弃水能量损失之和的期望值Elsf:
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 (7)
1.一种基于参考线的水电站随机优化调度方法,其特征在于,包括:
(1)基于水库入库流量不确定性,建立水电站长期发电量期望最大模型;
(2)依据水库能量平衡分析,从能量角度推算所述水电站长期发电量期望最大模型的等价目标函数,其中,所述等价目标函数表示不蓄电能损失与弃水能量损失之和的期望值最小;
(3)根据所述等价目标函数,逆时序逐时段计算不蓄电能损失与弃水能量损失之和的期望值,确定期望值最小时所对应的蓄水过程线为随机参考线;具体的,以调度期末控制水位Zend为起始,逆时序计算各个时段不同初蓄水位所对应的M个入库流量情形下不蓄电能损失与弃水能量损失之和的期望值,比较确定期望值最小时所对应的目标初蓄水位,以所述目标初蓄水位作为上一时段的末蓄水位继续推算至第一个时段,其中,由确定出的各个时段的所述目标初蓄水位构成所述蓄水过程线,即得到随机参考线;
(4)根据当前时段的初蓄水位,结合所述随机参考线计算不同决策发电流量所对应的多个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量。
3.根据权利要求2所述的方法,其特征在于,步骤(2)包括:
(2.1)由确定水库系统能量平衡关系,其中,为水库的入能,表示在t时段,水库发电的能量全部来源于入库径流所携带的水能,对应水库能够利用的最大水头为 表示用于发电的能量,表示在水流流入水库的过程中,不蓄电能损失,对应的损失水头为 表示若水库发生弃水的弃水能量损失,对应的水头损失为 表示水库正常蓄水位,Zd表示水库最小尾水位,Zt表示t时段初蓄水位,Zt+1表示t时段末蓄水位;
5.根据权利要求1至4任意一项所述的方法,其特征在于,步骤(4)包括:
(4.1)确定不同决策发电流量所对应的M个入库流量情形下当前时段末蓄水位;
(4.2)依据当前时段末蓄水位与所述随机参考线的相对位置计算当前时段至调度期末时段的不蓄电能损失与弃水能量损失;
(4.3)比较不同决策发电流量所对应的M个入库流量情形下当前时段至调度期末时段的不蓄电能损失与弃水能量损失之和的期望值,选择期望值最小时所对应的决策发电流量为目标决策发电流量,最终确定水电站当前时段最优调度运行方式。
7.根据权利要求6所述的方法,其特征在于,步骤(4.2)包括:
(4.2.2)若则由计算当前时段t0在决策发电流量以及入库流量下的平均出力并由出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示随机参考线在时段t0的初蓄水位,K表示电站综合系数,表示时段t0的初水位,表示当前时段t0在决策发电流量以及入库流量下的尾水位;
(4.2.3)若则表示位置高于随机参考线,需要在随机参考线的基础上依次抬高蓄水位,并由当前时段t0在决策发电流量以及入库流量下的平均出力时段τ不蓄电能损失相对于随机参考线的增量以及时段τ弃水能量损失相对于随机参考线的增量并结合出力约束确定受当前时段t0的决策发电流量以及入库流量影响的在时段τ,τ=t0,t0+1,…,T的不蓄电能损失与弃水能量损失其中,表示水电站在t0时段的最高水位;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711175368.1A CN107958306B (zh) | 2017-11-22 | 2017-11-22 | 一种基于参考线的水电站随机优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711175368.1A CN107958306B (zh) | 2017-11-22 | 2017-11-22 | 一种基于参考线的水电站随机优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958306A CN107958306A (zh) | 2018-04-24 |
CN107958306B true CN107958306B (zh) | 2021-06-11 |
Family
ID=61959546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711175368.1A Active CN107958306B (zh) | 2017-11-22 | 2017-11-22 | 一种基于参考线的水电站随机优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958306B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764651A (zh) * | 2018-04-28 | 2018-11-06 | 昆明电力交易中心有限责任公司 | 一种考虑来水不确定性的水电站月最优交易电量估计方法 |
CN109345068B (zh) * | 2018-08-27 | 2019-09-10 | 河海大学 | 一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537577B (zh) * | 2014-12-25 | 2018-03-09 | 华中科技大学 | 一种基于参考线的水电站确定性优化调度方法 |
CN105427052B (zh) * | 2015-12-08 | 2019-01-22 | 国家电网公司 | 一种基于参考线的并联水库确定性优化调度方法 |
-
2017
- 2017-11-22 CN CN201711175368.1A patent/CN107958306B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107958306A (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114123166B (zh) | 一种新能源耦合背景下的源网荷储协同调度方法 | |
CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
CN111525627B (zh) | 含抽蓄与新能源发电的柔性直流输电系统日前调度方法 | |
CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
JP4203602B2 (ja) | 電力供給設備の運用支援方法および装置 | |
CN107248015B (zh) | 基于集合预报的水库实时蓄水调度方法 | |
CN107910883B (zh) | 基于抽水蓄能电站修正时序负荷曲线的随机生产模拟方法 | |
CN107730048B (zh) | 一种风电-电动汽车联合系统随机鲁棒优化调度方法 | |
CN112381375B (zh) | 一种基于潮流分配矩阵的电网经济运行域快速生成方法 | |
CN110571850B (zh) | 一种风电场功率波动轨迹预测和校正控制方法 | |
CN114336599B (zh) | 一种独立型微电网动态优化调度方法 | |
CN111931982B (zh) | 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 | |
CN107958306B (zh) | 一种基于参考线的水电站随机优化调度方法 | |
CN108009672B (zh) | 基于双层优化模型的水光互补电站日发电计划编制方法 | |
CN105427052A (zh) | 一种基于参考线的并联水库确定性优化调度方法 | |
CN105207207B (zh) | 基于能量管理的孤网状态下的微电网系统调度方法 | |
CN115566741A (zh) | 基于lstm预测校正的储能多时间尺度优化控制方法 | |
CN111864811A (zh) | 一种考虑电网送出需求的水光互补系统光伏容量配置方法 | |
CN113705899A (zh) | 水库优化调度最优决策与效益的找寻方法 | |
CN115907402B (zh) | 一种梯级水电站联合保证出力的推求方法及系统 | |
CN114884101B (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
CN108306319B (zh) | 一种新能源微网中储能配置优化方法及系统 | |
CN114172180B (zh) | 考虑退化成本的电池储能参与调峰双层滚动优化控制方法 | |
CN114204599A (zh) | 一种抑制配电网电压波动的分布式储能布点运行控制方法 | |
CN113506185A (zh) | 梯级水电站的发电优化调度方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |