CN110795688A - 考虑遥相关因子的中长期水库调度方法以及自动控制系统 - Google Patents

考虑遥相关因子的中长期水库调度方法以及自动控制系统 Download PDF

Info

Publication number
CN110795688A
CN110795688A CN201910912709.1A CN201910912709A CN110795688A CN 110795688 A CN110795688 A CN 110795688A CN 201910912709 A CN201910912709 A CN 201910912709A CN 110795688 A CN110795688 A CN 110795688A
Authority
CN
China
Prior art keywords
reservoir
scheduling
time period
year
time
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.)
Granted
Application number
CN201910912709.1A
Other languages
English (en)
Other versions
CN110795688B (zh
Inventor
李�赫
刘攀
万东辉
李�杰
石赟赟
查大伟
王森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Pearl River Hydraulic Research Institute of PRWRC
Original Assignee
Wuhan University WHU
Pearl River Hydraulic Research Institute of PRWRC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU, Pearl River Hydraulic Research Institute of PRWRC filed Critical Wuhan University WHU
Priority to CN201910912709.1A priority Critical patent/CN110795688B/zh
Publication of CN110795688A publication Critical patent/CN110795688A/zh
Application granted granted Critical
Publication of CN110795688B publication Critical patent/CN110795688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供考虑遥相关因子的中长期水库调度方法以及自动控制系统，调度方法包括：步骤1.建立水库优化调度模型，确定目标函数以及约束条件；步骤2.使用确定性来水资料，使用动态规划算法求出确定性的最优调度轨迹；步骤3.确定可能对研究区域有影响的遥相关因子，并搜集与入库径流同一时间段内的数据资料；步骤4.计算调度决策与以上因子间的相关性系数，确定相关性较强的因子以及时间；步骤5.采用逐步回归的方法，确定因变量调度决策与自变量水库系统因素及遥相关因子的调度函数；步骤6.计算出调度决策的值，确定该时段末水库应达到的库容值，用于水库该时段的调度。本发明能够充分考虑水库系统外部因素对调度的影响，优化调度结果。

Description

考虑遥相关因子的中长期水库调度方法以及自动控制系统
技术领域
本发明属于水库调度运行技术领域，具体涉及一种考虑遥相关因子的中长期水库调度方法以及自动控制系统。
技术背景
水库调度通过改变天然径流的时空分布，达到兴利除害的目的。水库调度规则是指导水库运行的重要依据，其中调度函数是一种能够考虑多种调度信息的更概括的水库调度工具。水库调度函数的准确性影响着调度运行的效益。
目前，常见的水库调度函数为线性，即通过分析水库运行要素，寻求各变量与调度决策之间的关系，如入库流量、水库蓄水量和出库流量等，获取调度函数。
在现有的技术中存在如下问题：(1)调度函数仅考虑了水库系统内部的因素，未考虑系统外部因素对调度函数的影响；(2)调度函数的形式单一，未能将更多可能的影响因素包含在调度函数式中。这些问题影响了所制定的调度函数的客观性和最优性，从而可能导致依据于调度函数所做出的调度决策并不是最优决策，不能实现水库综合效益的最大化。例如，若该时段的调度决策使得水库过多放水，则导致后续时段的可调度水量不足，影响后续时段的兴利效益；若该时段的调度决策使得水库放水不足，则导致该时段内的兴利效益降低，若该时段处于汛期，还可能带来防洪风险。
发明内容
本发明是为了解决上述问题而进行的，目的是提供一种考虑遥相关因子的中长期水库调度方法以及自动控制系统，充分考虑了水库系统外部因素对调度函数的影响，并且将遥相关因子加入到调度函数中，能够优化调度结果，并且提高结果的客观性和准确性。
本发明为了实现上述目的，采用了以下方案：
<方法>
本发明提供一种考虑遥相关因子的中长期水库调度方法，其特征在于，包括以下步骤：
步骤1.建立水库优化调度模型，确定目标函数以及约束条件；
步骤2.使用确定性来水资料，使用动态规划算法求出确定性的最优调度轨迹；
步骤3.确定可能对研究区域有影响的遥相关因子，遥相关因子至少包含大气环流因子、海温、气候模式，并搜集与入库径流同一时间段内的数据资料；
步骤4.计算调度决策与以上因子间的相关性系数，确定相关性较强的因子以及时间，具体包括如下子步骤：
步骤4-1.对于时段t的调度函数：
步骤4-1-1.计算遥相关因子Fz(z＝1,2,…,Z)与该时段调度决策的相关性系数，并确定出产生影响的遥相关因子的时间段；其中，调度决策为最优末库容
Figure BDA0002215171980000021
i表示年；
计算每年在时段t的调度决策与遥相关因子Fz在当年的各月值Fz,i,j(i＝1,…,n；j＝1,…,T)的相关性：
Figure BDA0002215171980000022
式中，
Figure BDA0002215171980000023
为时段t在第i年的调度决策
Figure BDA0002215171980000024
与当年第j月的遥相关因子Fz,i,j指标值的相关性系数；
设矩阵中每一行的最大相关性系数值为
Figure BDA0002215171980000025
即表示时段t在第i年的调度决策与当年第j*月的遥相关因子Fz指标值的相关性最大；统计n行各行的
Figure BDA0002215171980000026
以及对应的j*，n个j*中出现次数最多的月份定义为jmax，则认为时段t的调度决策与
Figure BDA0002215171980000027
相关性最强；
步骤4-1-2.按照步骤4-1-1中计算所有遥相关因子Fz(z＝1,2,…,Z)与时段t的调度决策间的相关性系数，确定相关性最强的对应月份，最终确定出可以作为时段t的调度函数的自变量的遥相关因子矩阵：
Figure BDA0002215171980000031
式中，
Figure BDA0002215171980000032
表示与时段t的调度决策相关性最强的当年第jmax月的第z个遥相关因子Fz(z＝1,…,Z)指标值；
步骤4-2.对所有时段t(t＝1,2,…,T)重复执行步骤4-1，最终确定出全部时段的可作为其调度函数的自变量的遥相关因子矩阵：
Figure BDA0002215171980000033
式中，
Figure BDA0002215171980000034
为时段t的调度函数的自变量的遥相关因子矩阵；
步骤5.采用逐步回归的方法，确定因变量调度决策与自变量水库系统因素及遥相关因子的调度函数；
步骤6.对于未来时段，若时段为一年中的第t个时段，则使用时段t的调度函数，
并确定式中各自变量
Figure BDA0002215171980000036
在该时段下相应的值，则可以代入上式计算出调度决策yt的值，即确定该时段末水库应达到的库容值Vt+1，用于水库该时段的调度。
优选地，本发明提供的考虑遥相关因子的中长期水库调度方法，还可以具有这样的特征：其中，在步骤1中，目标函数为：
Figure BDA0002215171980000037
式中，E为总发电量，T为调度时段数，Nt为每个调度时段的发电出力，Δt为调度时段时长；
约束条件至少包括：
(1)水量平衡约束
Vt+1＝Vt+Qt-Rt，
式中，Vt+1为时段末水库库容，Vt为时段初水库库容，Qt为时段入流，Rt为时段出流；
(2)水位约束
Figure BDA0002215171980000041
式中，Zt 为时段内的最小允许水位，
Figure BDA0002215171980000042
为时段内的满足防洪安全要求的最大允许水位；
(3)下泄流量约束
式中，Rt 为时段内的最小允许出流，为时段内的最大允许出流；
(4)出力约束
Figure BDA0002215171980000045
式中，Nt 为时段内的最小允许出力，
Figure BDA0002215171980000046
为时段内的最大允许出力。
优选地，本发明提供的考虑遥相关因子的中长期水库调度方法，还可以具有这样的特征：步骤2包括以下子步骤：
步骤2-1.阶段变量：调度时段为月，t＝1,2,…,T，T＝12；
状态变量：时段初库容，Vt；
决策变量：时段末库容，Vt+1；
状态转移方程：水量平衡方程，Vt+1＝Vt+Qt-Rt；
边界条件：调度周期始末水库处于死库容，V1＝Vt+1＝VD，VD为死库容；
步骤2-2.以逆时序进行递推计算：
Figure BDA0002215171980000047
式中，ft *(Vt)为时段t的最优总效益值；Bt(Rt,Vt,Qt)为时段t的面临效益；
Figure BDA0002215171980000051
为时段t+1的余留效益值；
步骤2-3.输入水库n年的确定性入库流量资料，每年包含T个时段，依次优化各年的调度规则，确定出各年各时段的调度决策；应当注意在计算时，对于n年，每年均按上述模型进行求解，在求解模型时应注意各年水位的连续性，当计算完第一年后，该年的T时段末水位是下一年第一时段初始水位，接着可进行下一年的计算，直到n年为止；
使用上述算法得到n年各时段水库最优调度轨迹，即
Figure BDA0002215171980000052
式中，Vt *表示时段t在各年的调度决策。
优选地，本发明提供的考虑遥相关因子的中长期水库调度方法，还可以具有这样的特征：步骤5包括以下子步骤：
步骤5-1.对于时段t的调度函数：
在步骤4中确定了
Figure BDA0002215171980000053
的基础上，将水库系统内部可以作为调度函数自变量的因素考虑进来，至少包括时段入库流量Qt、未来时段入库流量Qt+1、时段初始库容Vt、时段可用水量W共M个因素，将这些因素统一表示为Gm(m＝1,2,…,M)；
准备以下数据：n年时段t的调度决策值
Figure BDA0002215171980000054
入库流量Qi,t(i＝1,…,n)、未来时段入库流量Qi,t+1(i＝1,…,n)、时段初始库容Vi,t(i＝1,…,n)、时段可用水量Wi,t(i＝1,…,n)值，以及各年所对应的遥相关因子的值
初步认为时段t的调度函数形式为：
式中，a1,…,aZ,b1,…,bM,c为回归系数；共L＝Z+M个自变量；
上式可改写成：
Figure BDA0002215171980000062
基于以上数据，首先算出这L+1个变量的相关矩阵R，然后用消去变换，逐步选入和剔除变量；
步骤5-2.设已建立含q(2≤q≤L)个自变量的回归方程，并得到了矩阵R(q)。逐步回归方法如下：
步骤5-2-1.对全部自变量算出其贡献
Figure BDA0002215171980000063
式中，
Figure BDA0002215171980000064
为第j个变量与y的相关系数；
Figure BDA0002215171980000065
为自相关系数；
步骤5-2-2.考虑剔除问题
针对全部已引入的变量，求
Figure BDA0002215171980000066
的最小值：
计算相应的F检验值：
Figure BDA0002215171980000068
当Fk＜F1α，将此变量xk从回归方程中剔除，以
Figure BDA0002215171980000069
为主元素对R(q)进行消去变换，再从步骤5-2-1开始，看是否要剔除变量；否则不需要剔除任何变量，进行下一步。
步骤5-2-3.考虑引入问题
对未被引入的变量xj，若在下步引入，则偏回归平方和取其中最大者：
Figure BDA00022151719800000611
计算相应的F检验值：
Figure BDA0002215171980000071
当Fk≥F2α时，引入xk，以
Figure BDA0002215171980000072
为主元素对R(q)进行消去变换，再从步骤5-2-2开始，否则不引人任何变量。当所有自变量进行完以上步骤，则转下一步；
步骤5-2-4.根据R(q)算出最终回归方程的回归系数为：
Figure BDA0002215171980000073
Figure BDA0002215171980000074
式中，ljj，lyy分别为自变量和因变量的离差平方和；
最终确定出时段t的调度函数为：
Figure BDA0002215171980000076
步骤5-3.对所有时段t(t＝1,2,…,T)重复步骤5-1和步骤5-2，最终确定出各个时段的调度函数：
Figure BDA0002215171980000077
······
<自动控制系统>
进一步，本发明还提供了一种考虑遥相关因子的中长期水库调度自动控制系统，其特征在于，包括：水库出水部，用于排出水库中的水；水库入水监测部，用于监测水库的入库流量；以及控制中心，与水库出水部和水库入水监测部均通信相连，基于水库入水监测部监测到的入库流量，采用上述<方法>中所描述的中长期水库调度自动控制方法控制水库出水部进行出水。
优选地，本发明提供的考虑遥相关因子的中长期水库调度方法，还可以具有：库容监测部，监测水库的库容量，并且与控制中心通信相连；其中，控制中心是基于库容监测部监测到的库容量和水库入水监测部监测到的入库流量，并采用中长期水库调度自动控制方法，来控制水库出水部进行出水。
发明的作用与效果
本发明所提供的考虑遥相关因子的中长期水库调度方法以及自动控制系统，将遥相关因子加入中长期水库调度函数，考虑了水库调度系统外的大气环流、海温、气候模式等遥相关因素，实现了水库调度系统内外影响因素的综合考虑；并且，本发明考虑了不同遥相关因素对调度函数产生影响的时滞性，通过计算相关性系数，确定出有影响的遥相关因素的发生时间；因此，本发明的能够充分考虑水库系统外部因素对调度函数的影响，优化调度结果，并且提高结果的客观性和准确性。进一步，本发明所提供的考虑遥相关因子的中长期水库调度自动控制系统还能够基于调度方法自动控制水库调度，例如，在相应时段内控制出库流量使得水库应达到调度方法优化后的库容值，实现水库综合效益的最大化，降低防洪风险。
附图说明
图1为本发明实施例中涉及的考虑遥相关因子的中长期水库调度方法的流程图。
具体实施方式
以下结合附图对本发明涉及的考虑遥相关因子的中长期水库调度方法以及自动控制系统的具体实施方案进行详细地说明。
<实施例>
如图1所示，本实施例所提供的考虑遥相关因子的中长期水库调度函数的制定方法包括以下步骤：
步骤1.建立水库优化调度模型：
目标函数为：
Figure BDA0002215171980000081
式中，E为总发电量(kWh)，T为调度时段数，Nt为每个调度时段的发电出力(kW)，Δt为调度时段时长(h)；
约束条件至少包括：
(1)水量平衡约束
Vt+1＝Vt+Qt-Rt，
式中，Vt+1为时段末水库库容(m3)，Vt为时段初水库库容(m3)，Qt为时段入流(m3/s)，Rt为时段出流(m3/s)；
(2)水位约束
式中，Zt 为时段内的最小允许水位(m)，
Figure BDA0002215171980000092
为时段内的满足防洪安全要求的最大允许水位(m)；
(3)下泄流量约束
式中，Rt 为时段内的最小允许出流(m3/s)，
Figure BDA0002215171980000094
为时段内的最大允许出流(m3/s)；
(4)出力约束
Figure BDA0002215171980000095
式中，Nt 为时段内的最小允许出力(kW)，
Figure BDA0002215171980000096
为时段内的最大允许出力(kW)。
以上是水库调度期为一年的模型。
步骤2.使用动态规划算法求解上述水库优化调度模型：
动态规划算法描述如下：
(1)阶段变量：调度时段为月，t＝1,2,…,T，T＝12；
(2)状态变量：时段初库容，Vt；
(3)决策变量：时段末库容，Vt+1；
(4)状态转移方程：水量平衡方程，Vt+1＝Vt+Qt-Rt；
(5)边界条件：调度周期始末水库处于死库容，V1＝Vt+1＝VD，VD为死库容；
(6)递推方程：以逆时序进行递推计算，
Figure BDA0002215171980000101
式中，ft *(Vt)为时段t的最优总效益值；Bt(Rt,Vt,Qt)为时段t的面临效益；
Figure BDA0002215171980000102
为时段t+1的余留效益值。
输入水库n年(每年包含T个时段)的确定性入库流量资料，依次优化各年的调度规则，确定出各年各时段的调度决策(以最优末库容为例，即)。应当注意在计算时，对于n年，每年均按上述模型进行求解，在求解模型时应注意各年水位的连续性，即当计算完第一年后，该年的T时段末水位是下一年第一时段初始水位，接着可进行下一年的计算，直到n年为止。
使用上述算法得到n年各时段水库最优调度轨迹，即
Figure BDA0002215171980000104
式中，Vt *表示时段t在各年的调度决策(最优末库容)。
步骤3.确定可能对研究区域有影响的遥相关因子，包含大气环流因子，海温，气候模式等，并搜集与入库径流同一时间段(n×T个时段)内的数据资料。
表1可能有影响的遥相关因子
Figure BDA0002215171980000105
步骤4.按照如下步骤确定可作为调度函数自变量的遥相关因子及时间：
(1)对于时段t的调度函数：
①计算遥相关因子Fz(z＝1,2,…,Z)与该时段调度决策(最优末库容)的相关性系数，并确定出产生影响的遥相关因子的时间段。
即计算每年在时段t的调度决策(最优末库容
Figure BDA0002215171980000111
)与遥相关因子Fz在当年的各月值Fz,i,j(i＝1,…,n；j＝1,…,T)的相关性，即
Figure BDA0002215171980000112
式中，为时段t在第i年的调度决策
Figure BDA0002215171980000114
与当年第j月的遥相关因子Fz,i,j指标值的相关性系数。
设矩阵中每一行的最大相关性系数值为
Figure BDA0002215171980000115
即表示时段t在第i年的调度决策与当年第j*月的遥相关因子Fz指标值的相关性最大。统计n行各行的
Figure BDA0002215171980000116
以及对应的j*，n个j*中出现次数最多的月份定义为jmax，则认为时段t的调度决策与(当年第jmax月的遥相关因子Fz指标值)相关性最强。
②按照①中步骤计算所有遥相关因子Fz(z＝1,2,…,Z)与时段t的调度决策间的相关性系数，确定相关性最强的对应月份，最终确定出可以作为时段t的调度函数的自变量的遥相关因子矩阵
式中，
Figure BDA0002215171980000119
表示与时段t的调度决策相关性最强的当年第jmax月的第z个遥相关因子Fz(z＝1,…,Z)指标值。
(2)对所有时段t(t＝1,2,…,T)重复(1)中步骤，最终确定出全部时段的可作为其调度函数的自变量的遥相关因子矩阵
Figure BDA0002215171980000121
式中，
Figure BDA0002215171980000122
为时段t的调度函数的自变量的遥相关因子矩阵。
步骤5：使用逐步回归法推求各时段的调度函数
(1)对于时段t的调度函数：
在步骤4中确定了
Figure BDA0002215171980000123
的基础上，将水库系统内部可以作为调度函数自变量的因素考虑进来，包括时段入库流量Qt、未来时段入库流量Qt+1、时段初始库容Vt、时段可用水量W等共M个因素(可统一表示为Gm(m＝1,2,…,M))。
准备以下数据：n年时段t的调度决策值入库流量Qi,t(i＝1,…,n)、未来时段入库流量Qi,t+1(i＝1,…,n)、时段初始库容Vi,t(i＝1,…,n)、时段可用水量Wi,t(i＝1,…,n)值，以及各年所对应的遥相关因子的值
Figure BDA0002215171980000125
初步认为时段t的调度函数形式为：
Figure BDA0002215171980000126
式中，a1,…,aZ,b1,…,bM,c为回归系数。共L＝Z+M个自变量。
为了说明方便，将上式改写成：
Figure BDA0002215171980000127
基于以上数据，首先算出这L+1个变量的相关矩阵R，然后用消去变换，逐步选入和剔除变量。
设已建立含q(2≤q≤L)个自变量的回归方程，并得到了矩阵R(q)。逐步回归方法步骤如下：
①对全部自变量算出其贡献
式中，为第j个变量与y的相关系数；
Figure BDA0002215171980000133
为自相关系数。
②考虑剔除问题
针对全部已引入的变量，求
Figure BDA0002215171980000134
的最小值：
Figure BDA0002215171980000135
计算相应的F检验值：
Figure BDA0002215171980000136
当Fk＜F1α(临界值可查表得)，将此变量xk从回归方程中剔除，以
Figure BDA0002215171980000137
为主元素对R(q)进行消去变换，再从第①步开始，看是否要剔除变量；否则不需要剔除任何变量，进行下一步。
③考虑引入问题
对未被引入的变量xj，若在下步引入，则偏回归平方和取其中最大者：
计算相应的F检验值：
Figure BDA00022151719800001310
当Fk≥F2α时，引入xk，以为主元素对R(q)进行消去变换，再从第②步开始，否则不引人任何变量。当所有自变量进行完以上步骤，则转下一步；
④根据R(q)算出最终回归方程的回归系数为：
Figure BDA00022151719800001312
Figure BDA00022151719800001313
式中，
Figure BDA00022151719800001314
ljj，lyy分别为自变量和因变量的离差平方和。
最终确定出时段t的调度函数为：
Figure BDA0002215171980000141
(2)对所有时段t(t＝1,2,…,T)重复(1)中步骤，最终确定出各个时段的调度函数。即
Figure BDA0002215171980000142
Figure BDA0002215171980000143
······
Figure BDA0002215171980000144
另外，以上T个式子中q值可能不同。
步骤6：使用调度函数做出调度决策
对于未来某时段，若时段为一年中的第t个时段，则使用时段t的调度函数，
Figure BDA0002215171980000145
并确定式中各自变量
Figure BDA0002215171980000146
在该时段下相应的值，则可以代入上式计算出调度决策yt的值，即确定该时段末水库应达到的优化库容值Vt+1，用于指导水库该时段的调度。
具体的操作方法为：根据水量平衡方程，已知该时段初水库的初始库容Vt、该时段水库的入库流量Qt，即可确定该时段水库的出库流量Rt。
Rt＝Vt-Vt+1+Qt。
进一步，上述整个中长期水库调度方法和具体调度过程都可以通过水库调度自动控制系统来实现，该水库调度自动控制系统应包括控制中心、水库出水部以及水库入水监测部。控制中心与水库出水部和水库入水部均通信相连，水库出水部用于排出水库中的水，水库入水监测部用于实时监测水库的入库流量；控制中心能够实施上述中长期水库调度方法中的所有过程，并且控制水库出水部根据出库流量Rt和入库流量Qt进行出水，以使得水库库容达到优化库容值Vt+1。另外，为了使得调度过程更加准确，水库调度自动控制系统还可以设置库容监测部，与控制中心通信相连，用于实时监测水库的库容量，控制中心在实施控制前，还应比对库容监测部监测到的实时库容量，进而更准确地实施库容控制。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的考虑遥相关因子的中长期水库调度方法以及自动控制系统并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。

Claims (6)

1.一种考虑遥相关因子的中长期水库调度方法，其特征在于，包括以下步骤：
步骤1.建立水库优化调度模型，确定目标函数以及约束条件；
步骤2.使用确定性来水资料，使用动态规划算法求出确定性的最优调度轨迹；
步骤3.确定可能对研究区域有影响的遥相关因子，遥相关因子至少包含大气环流因子、海温、气候模式，并搜集与入库径流同一时间段内的数据资料；
步骤4.计算调度决策与以上因子间的相关性系数，确定相关性较强的因子以及时间，具体包括如下子步骤：
步骤4-1.对于时段t的调度函数：
步骤4-1-1.计算遥相关因子Fz(z＝1,2,…,Z)与该时段调度决策的相关性系数，并确定出产生影响的遥相关因子的时间段；其中，调度决策为最优末库容
Figure FDA0002215171970000011
i表示年；
计算每年在时段t的调度决策与遥相关因子Fz在当年的各月值Fz,i,j(i＝1,…,n；j＝1,…,T)的相关性：
Figure FDA0002215171970000012
式中，
Figure FDA0002215171970000013
为时段t在第i年的调度决策
Figure FDA0002215171970000014
与当年第j月的遥相关因子Fz,i,j指标值的相关性系数；
设矩阵中每一行的最大相关性系数值为
Figure FDA0002215171970000015
即表示时段t在第i年的调度决策与当年第j*月的遥相关因子Fz指标值的相关性最大；统计n行各行的
Figure FDA0002215171970000016
以及对应的j*，n个j*中出现次数最多的月份定义为jmax，则认为时段t的调度决策与相关性最强；
步骤4-1-2.按照步骤4-1-1中计算所有遥相关因子Fz(z＝1,2,…,Z)与时段t的调度决策间的相关性系数，确定相关性最强的对应月份，最终确定出可以作为时段t的调度函数的自变量的遥相关因子矩阵：
Figure FDA0002215171970000021
式中，
Figure FDA0002215171970000022
表示与时段t的调度决策相关性最强的当年第jmax月的第z个遥相关因子Fz(z＝1,…,Z)指标值；
步骤4-2.对所有时段t(t＝1,2,…,T)重复执行步骤4-1，最终确定出全部时段的可作为其调度函数的自变量的遥相关因子矩阵：
Figure FDA0002215171970000023
式中，为时段t的调度函数的自变量的遥相关因子矩阵；
步骤5.采用逐步回归的方法，确定因变量调度决策与自变量水库系统因素及遥相关因子的调度函数；
步骤6.对于未来时段，若时段为一年中的第t个时段，则使用时段t的调度函数，
Figure FDA0002215171970000025
并确定式中各自变量在该时段下相应的值，则可以代入上式计算出调度决策yt的值，即确定该时段末水库应达到的库容值Vt+1，用于水库该时段的调度。
2.根据权利要求1所述的考虑遥相关因子的中长期水库调度方法，其特征在于：
其中，在步骤1中，目标函数为：
Figure FDA0002215171970000027
式中，E为总发电量，T为调度时段数，Nt为每个调度时段的发电出力，Δt为调度时段时长；
约束条件至少包括：
(1)水量平衡约束
Vt+1＝Vt+Qt-Rt，
式中，Vt+1为时段末水库库容，Vt为时段初水库库容，Qt为时段入流，Rt为时段出流；
(2)水位约束
Figure FDA0002215171970000031
式中，Zt 为时段内的最小允许水位，为时段内的满足防洪安全要求的最大允许水位；
(3)下泄流量约束
Figure FDA0002215171970000033
式中，Rt 为时段内的最小允许出流，
Figure FDA0002215171970000034
为时段内的最大允许出流；
(4)出力约束
Figure FDA0002215171970000035
式中，Nt 为时段内的最小允许出力，
Figure FDA0002215171970000036
为时段内的最大允许出力。
3.根据权利要求1所述的考虑遥相关因子的中长期水库调度方法，其特征在于：
其中，步骤2包括以下子步骤：
步骤2-1.阶段变量：调度时段为月，t＝1,2,…,T，T＝12；
状态变量：时段初库容，Vt；
决策变量：时段末库容，Vt+1；
状态转移方程：水量平衡方程，Vt+1＝Vt+Qt-Rt；
边界条件：调度周期始末水库处于死库容，V1＝Vt+1＝VD，VD为死库容；
步骤2-2.以逆时序进行递推计算：
Figure FDA0002215171970000037
式中，ft *(Vt)为时段t的最优总效益值；Bt(Rt,Vt,Qt)为时段t的面临效益；为时段t+1的余留效益值；
步骤2-3.输入水库n年的确定性入库流量资料，每年包含T个时段，依次优化各年的调度规则，确定出各年各时段的调度决策；应当注意在计算时，对于n年，每年均按上述模型进行求解，在求解模型时应注意各年水位的连续性，当计算完第一年后，该年的T时段末水位是下一年第一时段初始水位，接着可进行下一年的计算，直到n年为止；
使用上述算法得到n年各时段水库最优调度轨迹，即
Figure FDA0002215171970000042
式中，Vt *表示时段t在各年的调度决策。
4.根据权利要求1所述的考虑遥相关因子的中长期水库调度方法，其特征在于：
其中，步骤5包括以下子步骤：
步骤5-1.对于时段t的调度函数：
在步骤4中确定了
Figure FDA0002215171970000043
的基础上，将水库系统内部可以作为调度函数自变量的因素考虑进来，至少包括时段入库流量Qt、未来时段入库流量Qt+1、时段初始库容Vt、时段可用水量W共M个因素，将这些因素统一表示为Gm(m＝1,2,…,M)；
准备以下数据：n年时段t的调度决策值
Figure FDA0002215171970000044
入库流量Qi,t(i＝1,…,n)、未来时段入库流量Qi,t+1(i＝1,…,n)、时段初始库容Vi,t(i＝1,…,n)、时段可用水量Wi,t(i＝1,…,n)值，以及各年所对应的遥相关因子的值
Figure FDA0002215171970000045
初步认为时段t的调度函数形式为：
Figure FDA0002215171970000051
式中，a1,…,aZ,b1,…,bM,c为回归系数；共L＝Z+M个自变量；
上式可改写成：
基于以上数据，首先算出这L+1个变量的相关矩阵R，然后用消去变换，逐步选入和剔除变量；
步骤5-2.设已建立含q(2≤q≤L)个自变量的回归方程，并得到了矩阵R(q)。逐步回归方法如下：
步骤5-2-1.对全部自变量算出其贡献
Figure FDA0002215171970000053
式中，
Figure FDA0002215171970000054
为第j个变量与y的相关系数；
Figure FDA0002215171970000055
为自相关系数；
步骤5-2-2.考虑剔除问题
针对全部已引入的变量，求
Figure FDA0002215171970000056
的最小值：
Figure FDA0002215171970000057
计算相应的F检验值：
当Fk＜F1α，将此变量xk从回归方程中剔除，以
Figure FDA0002215171970000059
为主元素对R(q)进行消去变换，再从步骤5-2-1开始，看是否要剔除变量；否则不需要剔除任何变量，进行下一步。
步骤5-2-3.考虑引入问题
对未被引入的变量xj，若在下步引入，则偏回归平方和
Figure FDA00022151719700000510
取其中最大者：
Figure FDA00022151719700000511
计算相应的F检验值：
当Fk≥F2α时，引入xk，以为主元素对R(q)进行消去变换，再从步骤5-2-2开始，否则不引人任何变量。当所有自变量进行完以上步骤，则转下一步；
步骤5-2-4.根据R(q)算出最终回归方程的回归系数为：
Figure FDA0002215171970000063
Figure FDA0002215171970000064
式中，
Figure FDA0002215171970000065
ljj，lyy分别为自变量和因变量的离差平方和；
最终确定出时段t的调度函数为：
Figure FDA0002215171970000066
步骤5-3.对所有时段t(t＝1,2,…,T)重复步骤5-1和步骤5-2，最终确定出各个时段的调度函数：
Figure FDA0002215171970000067
Figure FDA0002215171970000068
······
Figure FDA0002215171970000069
5.一种考虑遥相关因子的中长期水库调度自动控制系统，其特征在于，包括：
水库出水部，用于排出水库中的水；
水库入水监测部，用于监测所述水库的入库流量；以及
控制中心，与所述水库出水部和所述水库入水监测部均通信相连，基于所述水库入水监测部监测到的所述入库流量，采用权利要求1至4中任意一项所述的中长期水库调度自动控制方法控制所述水库出水部进行出水。
6.根据权利要求5所述的考虑遥相关因子的中长期水库调度自动控制系统，其特征在于，还包括：
库容监测部，监测所述水库的库容量，并且与所述控制中心通信相连；
其中，所述控制中心是基于所述库容监测部监测到的所述库容量和所述水库入水监测部监测到的所述入库流量，并采用所述中长期水库调度自动控制方法，来控制所述水库出水部进行出水。
CN201910912709.1A 2019-09-25 2019-09-25 考虑遥相关因子的中长期水库调度方法以及自动控制系统 Active CN110795688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910912709.1A CN110795688B (zh) 2019-09-25 2019-09-25 考虑遥相关因子的中长期水库调度方法以及自动控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910912709.1A CN110795688B (zh) 2019-09-25 2019-09-25 考虑遥相关因子的中长期水库调度方法以及自动控制系统

Publications (2)

Publication Number Publication Date
CN110795688A true CN110795688A (zh) 2020-02-14
CN110795688B CN110795688B (zh) 2023-03-28

Family

ID=69439698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910912709.1A Active CN110795688B (zh) 2019-09-25 2019-09-25 考虑遥相关因子的中长期水库调度方法以及自动控制系统

Country Status (1)

Country Link
CN (1) CN110795688B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191543A (zh) * 2021-04-27 2021-07-30 西安理工大学 考虑水资源供需过程关联性与随机性的水库优化调度方法
CN113204583A (zh) * 2021-04-14 2021-08-03 武汉大学 水库群调度决策行为挖掘方法和水库调度自动控制装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248015A (zh) * 2017-07-07 2017-10-13 武汉大学 基于集合预报的水库实时蓄水调度方法
US20170335662A1 (en) * 2016-05-19 2017-11-23 Repsol, S. A. Computer implemented method for generating a field development plan (fdp) for the exploitation of oil and gas reservoirs
CN107657349A (zh) * 2017-10-18 2018-02-02 河海大学 一种水库分期发电调度规则提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170335662A1 (en) * 2016-05-19 2017-11-23 Repsol, S. A. Computer implemented method for generating a field development plan (fdp) for the exploitation of oil and gas reservoirs
CN107248015A (zh) * 2017-07-07 2017-10-13 武汉大学 基于集合预报的水库实时蓄水调度方法
CN107657349A (zh) * 2017-10-18 2018-02-02 河海大学 一种水库分期发电调度规则提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万东辉 等: "基于最严格水资源管理的水资源优化配置研究", 《人民珠江》 *
郭生练 等: "水库群联合优化调度研究进展与展望", 《水科学进展》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204583A (zh) * 2021-04-14 2021-08-03 武汉大学 水库群调度决策行为挖掘方法和水库调度自动控制装置
CN113204583B (zh) * 2021-04-14 2022-11-01 武汉大学 水库群调度决策行为挖掘方法和水库调度自动控制装置
CN113191543A (zh) * 2021-04-27 2021-07-30 西安理工大学 考虑水资源供需过程关联性与随机性的水库优化调度方法

Also Published As

Publication number Publication date
CN110795688B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN107248015B (zh) 基于集合预报的水库实时蓄水调度方法
CN113469528B (zh) 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法
CN109633474A (zh) 一种锂离子电池剩余寿命预测方法
CN110795688B (zh) 考虑遥相关因子的中长期水库调度方法以及自动控制系统
CN110263395A (zh) 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统
CN109376943B (zh) 一种基于机会约束的风电场-储能联合规划方法
CN106200381B (zh) 一种根据处理水量分阶段控制水厂运行的方法
CN110837915B (zh) 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
CN113011101B (zh) 一种储能参与调频辅助服务优化的控制方法及其系统
CN114648176A (zh) 一种基于数据驱动的风光电源消纳优化方法
CN107506894A (zh) 一种考虑非恒定耦合约束的水电群调度方法
CN112052570A (zh) 一种基于灰狼算法的火电厂湿冷机组经济背压寻优方法
CN116050595A (zh) 一种注意力机制与分解机制耦合的径流量预测方法
CN112633565A (zh) 一种光伏功率集合区间预测方法
CN110705869B (zh) 一种基于库区及下游风险决策反馈的水库防洪调度计算方法
CN118393359A (zh) 一种锂电池荷电状态和健康状态联合估计方法、装置及介质
CN107818072A (zh) 考虑误差相关性的水库实时防洪调度风险解析计算方法
CN115222105A (zh) 考虑风险和效益博弈均衡的梯级电站调度优化方法及系统
CN109325610B (zh) 一种面向多水源梯级泵站调水系统的分段线性调度方法
CN109299853B (zh) 一种基于联合概率分布的水库调度函数提取方法
CN111738493B (zh) 新能源发电不确定性的电网安全风险预控决策方法和装置
CN111987720B (zh) 多通道限额约束下受端电网受电及供电裕度区间评估方法
CN113361798A (zh) 基于预泄指数的水库防洪调度方法、系统及存储介质
CN111754099B (zh) 一种基于三阶段风险对冲规则的实时防洪调度方法
CN116961066A (zh) 考虑电池组同期退役的梯次储能系统功率分配优化方法

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