CN111222676A - 梯级发电与生态均衡优化调度方法、装置、设备和介质 - Google Patents
梯级发电与生态均衡优化调度方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111222676A CN111222676A CN201911006924.1A CN201911006924A CN111222676A CN 111222676 A CN111222676 A CN 111222676A CN 201911006924 A CN201911006924 A CN 201911006924A CN 111222676 A CN111222676 A CN 111222676A
- Authority
- CN
- China
- Prior art keywords
- ecological
- cascade
- power generation
- flow
- hydropower 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000005457 optimization Methods 0.000 title claims abstract description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 115
- 241000283153 Cetacea Species 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000011158 quantitative evaluation Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 22
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 239000011435 rock Substances 0.000 description 6
- 230000035882 stress Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 241000030939 Bubalus bubalis Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000021170 buffet Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种梯级发电与生态均衡优化调度方法、装置、设备和介质。通过获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。本申请能够实现梯级电站经济效益、生态效益有机统一，找到发电效益与生态效益最佳平衡点，有效的改善了水利工程胁迫下的河道生态流量环境。并且通过改变水电站调度方式，最大限度地满足河流生态系统的需水要求，较好的维持河道天然径流模式，减少人类发电需求对于河流生态的影响。
Description
技术领域
本申请涉及计算机数据处理技术领域，特别是涉及一种梯级发电与生态均衡优化调度方法、装置、设备和介质。
背景技术
梯级水电站群是指位于同一流域中的多个具有上下游关系具有水力联系的水电站组成的水利工程系统。若流域内各水电站独立运行，则极有可能造成部分水电站弃水过多或下游电站来水不足等局部失衡现象。在权衡各水电站综合需求的前提下，尽可能提高水电站之间的互补效益显得尤为重要。合理的梯级电站联合优化调度策略不仅要能够满足各水电站原有的防洪、供水、航运、发电等功能，还要考虑河流生态对于环境流量的要求，改善梯级生态流量环境。生态调度作为水电站调度在长江大保护的背景下，顺应科学潮流而产生的更为与自然相适应协调的调度运行模式。继立法保护汉江水环境之后，湖北省拟立法保护湖北境内长江第二大支流——清江流域的水环境。2018年，《湖北省清江流域水环境保护条例(草案)》首次明确设定了生态补水流量条款，规定清江流域干流、一级支流及其二级支流水电站，应当根据生态环境用水与生态补水方案，下排生态用水流量不得低于多年平均径流量的10％。然而对于河流年内径流量变化大，仅仅规定下排流量不得低于多年平均流量的10％，难以实现生态调度目标。同时，梯级电站调度过程中发电和生态的冲突和矛盾日益显现，给梯级和电网发电调度管理带来极大挑战，亟待研究发电与生态均衡调度的新方法和新理论。
发明内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种梯级发电与生态均衡优化调度方法、装置、设备和介质，用于解决现有梯级水电站发电与生态流量之间的冲突与矛盾的问题。
为实现上述目的及其他相关目的，本申请提供一种梯级发电与生态均衡优化调度方法，所述方法包括：获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
于本申请的一实施例中，所述采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量，包括：通过P-III型分布对天然状态下的梯级各水电站入库平均径流逐旬进行水文频率分析；选取不同比例的逐旬频率对应流量过程以分别作为梯级水电站生态适宜流量上下限以及最小、最大生态流量。
于本申请的一实施例中，所述目标函数包括：发电调度目标、及发电与生态均衡调度目标。
于本申请的一实施例中，所述约束条件包括以下多种：水量平衡约束；水位、流量、出力上下限约束；水位、流量时段变幅约束；保证出力约束。
于本申请的一实施例中，所述基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果，包括：对梯级各水电站每个时段水位进行随机生成，对种群进行初始化获得初始种群；对所述种群进行适应度值计算，记录最优个体及位置，并假设当前的最优位置是目标猎物；更新基于余弦函数的非线性控制参数；判断是否达到最大迭代次数，若是，则转至下一步；否则，转至上一步；输出此次执行基于改进鲸鱼算法的梯级发电与生态均衡的优化调度结果。
于本申请的一实施例中，所述基于余弦函数的非线性控制参数：
其中，t为当前迭代次数；Tmax为最大迭代次数；ainitial和afinal分别为控制参数a的初始值和终止值；μ为非线性调节系数。
于本申请的一实施例中，所述方法还包括：针对所述发电与生态均衡优化调度模型设定定量化的评价指标方法；其中，所述评价指标包括：各水电站及梯级发电总量、梯级弃水总量、梯级径流生态离差系数、梯级生态溢水量、梯级生态溢水量百分比、梯级生态缺水量、及梯级生态缺水量百分比中任意一种或多种。
为实现上述目的及其他相关目的，本申请提供一种梯级发电与生态均衡优化调度装置，所述装置包括：获取模块，用于获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；处理模块，用于设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
为实现上述目的及其他相关目的，本申请提供一种计算机设备，所述设备包括：存储器、及处理器；所述存储器用于存储计算机程序；所述处理器运行计算机程序实现如上所述的方法。
为实现上述目的及其他相关目的，本申请提供一种计算机存储介质，存储有计算机程序，所述计算机程序被运行时执行如上所述的方法。
综上所述，本申请的一种梯级发电与生态均衡优化调度方法、装置、设备和介质。通过获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
通过本申请所构思的上述技术方案与现有技术相比，能够取得下列有益效果：
1、将生态目标纳入到调度过程当中，通过改进鲸鱼算法对发电与生态均衡优化调度模型进行高效求解，实现梯级电站经济效益、生态效益有机统一，找到发电效益与生态效益最佳平衡点。
2、发电与生态均衡优化调度相比单纯发电优化调度而言能够以损失微小的发电效益来获得更大的生态效益，有效的提高径流离差系数，减少生态溢水量和生态缺水量。最大程度的满足生态适宜流量要求，有效的改善了水利工程胁迫下的河道生态流量环境。
3、通过改变水电站调度方式，最大限度地满足河流生态系统的需水要求，维护河流生态健康，较好的维持河道天然径流模式，减少人类发电需求对于河流生态的影响，实现人与自然的和谐相处。
附图说明
图1显示为本申请于一实施例中的梯级发电与生态均衡优化调度方法的流程示意图。
图2显示为本申请于一实施例中的清江梯级水电站群的拓扑关系示意图。
图3A显示为本申请于一实施例中的水布垭电站生态流量计算结构的折线示意图。
图3B显示为本申请于一实施例中的隔河岩电站生态流量计算结构的折线示意图。
图3C显示为本申请于一实施例中的高坝洲电站生态流量计算结构的折线示意图。
图4A-4F显示为本申请于一实施例中的改进鲸鱼算法与标准鲸鱼算法对标准测试函数的收敛曲线对比示意图。
图5A-5F显示为本申请于一实施例中的清江梯级各水电站发电调度方案与均衡调度方案优化调度出力、水位、下泄流量的折线示意图。
图6显示为本申请于一实施例中的梯级发电与生态均衡优化调度装置的模块示意图。
图7显示为本申请于一实施例中的计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
下面以附图为参考，针对本申请的实施例进行详细说明，以便本申请所属技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现，并不限定于此处说明的实施例。
为了明确说明本申请，省略与说明无关的部件，对于通篇说明书中相同或类似的构成要素，赋予了相同的参照符号。
在通篇说明书中，当说某部件与另一部件“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部件“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素排除在外，而是意味着可以还包括其它构成要素。
当说某部件在另一部件“之上”时，这可以是直接在另一部件之上，但也可以在其之间伴随着其它部件。当对照地说某部件“直接”在另一部件“之上”时，其之间不伴随其它部件。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一接口及第二接口等描述。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
此处使用的专业术语只用于言及特定实施例，并非意在限定本申请。此处使用的单数形态，只要语句未明确表示出与之相反的意义，那么还包括复数形态。在说明书中使用的“包括”的意义是把特定特性、区域、整数、步骤、作业、要素及/或成份具体化，并非排除其它特性、区域、整数、步骤、作业、要素及/或成份的存在或附加。
表示“下”、“上”等相对空间的术语可以为了更容易地说明在附图中图示的一部件相对于另一部件的关系而使用。这种术语是指，不仅是在附图中所指的意义，还包括使用中的装置的其它意义或作业。例如，如果翻转附图中的装置，曾说明为在其它部件“下”的某部件则说明为在其它部件“上”。因此，所谓“下”的示例性术语，全部包括上与下方。装置可以旋转90°或其它角度，代表相对空间的术语也据此来解释。
针对上述问题，本申请通过考虑河流年内径流量变化，提出一种梯级发电与生态均衡优化调度方法、装置、设备和介质，通过确定梯级水电站生态适宜流量上下限以及最小、最大生态流量，提出一种发电与生态均衡优化调度模型，旨在解决现有梯级水电站发电与生态流量之间的冲突与矛盾的问题，并总结出一套发电与生态均衡调度评价指标体系。
如图1所示，展示本申请于一实施例中的梯级发电与生态均衡优化调度方法的流程示意图。如图所示，所述方法包括：
步骤S101：获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量。
于本申请一实施例中，所述步骤S101包括：
A、通过P-III型分布对天然状态下的梯级各水电站入库平均径流逐旬进行水文频率分析；
B、选取不同比例的逐旬频率对应流量过程以分别作为梯级水电站生态适宜流量上下限以及最小、最大生态流量。
于本实施例中，一般情况下，河流生态环境胁迫起始年份为河流参考断面上大坝开始建设的年份，将河流历史水文系列划分为天然状态和胁迫状态两部分。本申请通过P-III型分布对天然状态下的梯级各水电站入库平均径流逐旬进行水文频率分析，提出一种逐旬频率计算生态流量的方法。
优选地，根据变化范围法RVA框架的建议，于本实施例中取70％逐旬频率对应流量过程作为生态适宜流量下限，取30％逐旬频率对应流量过程作为生态适宜流量上限，同时取90％逐旬频率和10％逐旬频率两个极端频率对应流量过程分别作为最小生态流量约束、最大生态流量约束。
步骤S102：设定目标函数和约束条件以建立发电与生态均衡优化调度模型。
于本申请的一实施例中，所述目标函数包括：发电调度目标、及发电与生态均衡调度目标。
a)所述发电调度目标：梯级中长期优化调度以年发电量最大为目标，建立梯级水电站发电量最大的优化调度模型，其目标函数为：
其中：E1为调度期内梯级总发电量；n为梯级水电站个数；T为年内计算总时段数；Pt i为第i个水电站第t时段的出力；Δt为时段长。
b)所述发电与生态均衡调度目标：为综合考虑生态径流的流量大小约束，将最小、最大生态流量作为强约束，适宜上限、下限流量作为弱约束，以使梯级调度过程中下泄流量在满足最小、最大生态流量的强约束条件下，尽可能落在生态适宜上限流量与生态适宜下限流量之间，由此引入径流生态离差系数如下：
其中：γi为第i个水电站的径流生态离差系数；ω1为生态缺水量权重系数，ω2为生态溢水量权重系数，ω1+ω2＝1，该模型将生态缺水与生态溢水视为同等重要，取ω1＝ω2＝0.5；dQi ecoLow,t为第i个水电站第t时段生态适宜下限流量与水电站下泄流量的差值，当值为负数时赋值为0；dQi ecoHigh,t为第i个水电站第t时段下泄流量与生态适宜上限流量的差值，当值为负数时赋值为0，求取电站下泄流量与适宜上限、下限流量标准离差的加权值之和，可计算出γi在[0,1]之间，取0时表示生态调度最差，取1时表示生态调度最好。
将径流生态离差系数加入到以年发电量最大的目标函数中，从而建立梯级水电站发电与生态均衡优化调度目标函数：
其中：E2为调度期内清江梯级发电与生态均衡优化调度目标函数；Pt i为第i个水电站第t时段的出力。
于本申请的一实施例中，所述约束条件包括以下多种：水量平衡约束；水位、流量、出力上下限约束；水位、流量时段变幅约束；保证出力约束。
c)水量平衡约束
其中：
为第i个水电站第t时段的发电引用流量；Vt i为第i个水电站第t时段末的蓄水量；
为第i-1个水电站与第i个水电站之间在第t时段的区间来水量，
为第i个水电站第t时段的弃水流量；
为第i-1个水电站第t时段末的下泄流量，且
d)水位、流量、出力上下限约束
根据各时段梯级各水电站的水位、生态流量及电网出力限制，确定各时段水位、流量及出力上下限约束条件。
其中：Yt i可表示第i个水电站t时段的水位、下泄流量及出力，
和
分别表示水库水位、下泄流量和出力最小与最大约束取值。
e)水位、流量时段变幅约束
根据调度运行安全稳定需求，各水电站水位及流量时段变幅应小于设定值。
f)保证出力约束
其中:Pt i为第i个水电站第t时段惩罚出力；
为第i个水电站第t时段实际出力；
为第i个水电站第t时段保证出力；β为惩罚系数。
步骤S103：基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
于本申请的一实施例中，所述步骤S103包括：
A、对梯级各水电站每个时段水位进行随机生成，对种群进行初始化获得初始种群。
于本实施例中，为保证缩短算法的寻优时间，在约束条件范围内随机产生初始化种群。对于水量平衡约束的实现，可由每时段(即每旬)的平均入库流量计算水电站的水位上下限，下泄流量等于最小生态流量时对应水电站所能达到的最高水位与正常蓄水位或防洪限制水位相比较，取小者作为每一时段的水位上限，下泄流量等于最大生态流量时对应的水电站所能达到的最低水位与死水位相比较，取大者作为每一时段随机的水位下限，该时段个体可在每一时段水位的上限与下限之间随机选取，从而保证生成的种群满足最小、最大生态流量强约束。在改进鲸鱼算法初始化中不指定期末水位，形成一系列初始解。在寻优迭代过程中，设定达到指定的期末水位，通过水量平衡约束逐渐淘汰那些不满足条件的解。
B、对所述种群进行适应度值计算，记录最优个体及位置，并假设当前的最优位置是目标猎物。
C、更新基于余弦函数的非线性控制参数。
具体来说，所述基于余弦函数的非线性控制参数：
其中，t为当前迭代次数；Tmax为最大迭代次数；ainitial和afinal分别为控制参数a的初始值和终止值；μ为非线性调节系数。
进一步地，若随机数p＜0.5且系数向量
鲸鱼种群通过自适应权重收缩包围策略进行捕食，计算公式为
若随机数p≤0.5且系数向量
鲸鱼种群通过自适应权重随机搜索策略进行捕食，计算公式为
若随机数p≥0.5，鲸鱼种群通过自适应权重螺旋更新策略进行捕食，计算公式为
其中
表示猎物位置的自适应权重，随着迭代次数的增加，权重系数不断增加，
表示猎物位置，
表示当前鲸鱼位置，
表示包围步长，
rand表示[0,1]之间的随机数，
表示随机选取鲸鱼的位置向量。
表示第i只鲸鱼和当前最优位置之间的距离，b是用来限定对数螺旋形式的常量系数，l表示[-1,1]之间的随机数。
D、判断是否达到最大迭代次数，若是，则转至下一步骤E；否则，转至上一步骤C。
E、输出此次执行基于改进鲸鱼算法的梯级发电与生态均衡的优化调度结果。
于本申请的一实施例中，所述方法还包括：针对所述发电与生态均衡优化调度模型设定定量化的评价指标方法；其中，所述评价指标包括：各水电站及梯级发电总量、梯级弃水总量、梯级径流生态离差系数、梯级生态溢水量、梯级生态溢水量百分比、梯级生态缺水量、及梯级生态缺水量百分比中任意一种或多种。
针对发电与生态均衡优化调度模型提出定量化的评价指标方法，从发电兴利的角度对清江梯级水电站调度方案进行评价，主要考虑各水电站及梯级发电总量、梯级弃水总量评价指标；从流域生态的角度对调度方案进行评价，提出梯级径流生态离差系数、梯级生态溢水量、梯级生态溢水量百分比、梯级生态缺水量、梯级生态缺水量百分比共五个生态调度评价指标。通过这些评价指标对发电与生态均衡优化调度模型做出评价并与发电调度模型进行评价结果作对比，验证方法有效性。下面主要介绍几种生态调度评价指标：
1)梯级径流生态离差系数：
其中：γi为各水电站径流离差系数；λi为各梯级水电站的加权值，λi＝1/n。
2)梯级生态溢水量及百分比：主要描述梯级水电站生态适宜上限流量约束破坏程度的生态溢水量及其百分比参数。
其中：VecoOver为梯级生态溢水量，δecoOver为梯级生态溢水量百分比，
为第i个水电站第t时段生态适宜上限流量。
3)梯级生态缺水量及百分比：主要描述生态适宜流量下限约束破坏程度的生态缺水量及其百分比参数。
其中：VecoLack为梯级生态缺水量，δecoLack为梯级生态缺水量百分比，
为第i个水电站第t时段生态适宜下限流量。
综上所述，本申请提出的梯级发电与生态均衡优化调度方法，通过考虑河流年内径流量变化，提出一种基于逐旬频率法的梯级水电站生态流量计算方法，确定梯级水电站生态适宜流量上下限以及最小、最大生态流量。提出一种发电与生态均衡优化调度模型，旨在解决现有梯级水电站发电与生态流量之间的冲突与矛盾的问题，并总结出一套发电与生态均衡调度评价指标体系。
总体而言，通过本发明所构思的上述技术方案与现有技术相比，能够取得了如下有益效果：
1、将生态目标纳入到调度过程当中，通过改进鲸鱼算法对发电与生态均衡优化调度模型进行高效求解，实现梯级电站经济效益、生态效益有机统一，找到发电效益与生态效益最佳平衡点。
2、发电与生态均衡优化调度相比单纯发电优化调度而言能够以损失微小的发电效益来获得更大的生态效益，有效的提高径流离差系数，减少生态溢水量和生态缺水量。最大程度的满足生态适宜流量要求，有效的改善了水利工程胁迫下的河道生态流量环境。
3、通过改变水电站调度方式，最大限度地满足河流生态系统的需水要求，维护河流生态健康，较好的维持河道天然径流模式，减少人类发电需求对于河流生态的影响，实现人与自然的和谐相处。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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用于解释本申请，并不用于限定本申请。本申请方法构建了全新的梯级电站发电与生态均衡优化调度模型，并提出了一种基于改进鲸鱼算法的梯级电站发电与生态均衡优化调度求解方法。为了更好的验证本申请方法的有效性与合理性，现以清江流域梯级水电站作为研究对象。清江流域作为三峡以下长江中游第二大支流，全长423公里，其干流上建有水布垭、隔河岩和高坝洲三座大型水电站。其中，水布垭具有多年调节能力，隔河岩具有年调节能力，高坝洲为径流式电站，具有日调节能力，调节库容分别为23.94亿m3、19.75亿m3、0.51亿m3，装机容量分别为184万kw、121.2万kw、27万kw。其拓扑关系如图2所示。
清江流域主汛期集中在6-7月，其中水布垭5月下旬、8月上旬分设前汛期和后汛期，限制水位为397m，各水电站主要控制参数见表1所示。以2008年为例展示计算结果，其中2008年清江梯级实际运行调度数据见表2。
表1 各水电站主要控制参数
表2 2008年清江梯级实际运行调度数据
具体操作步骤如下：
第一步：基于逐旬频率法的清江梯级生态流量计算
清江梯级水电站建设的第一个大坝隔河岩于1987年1月开工。以1987年作为生态环境胁迫前后分界线，将清江历史水文系列划分为天然状态(1951-1986年)和胁迫状态(1987-2010年)两部分。通过提出的逐旬频率法进行清江梯级生态流量计算，清江梯级各水电站生态流量计算结果如图3A-3C所示。
第二步：建立发电与生态均衡优化调度模型
在发电调度目标函数基础上建立发电与生态均衡优化调度模型，为综合考虑生态流量约束，将第一步计算的生态流量中的最小、最大生态流量作为强约束条件，适宜上限、下限流量作为弱约束条件，为了使调度过程中下泄流量在满足最小、最大生态流量的强约束条件下，尽可能落在生态适宜上限流量与生态适宜下限流量之间，引入径流生态离差系数，加入到以年发电量为最大的目标函数中，建立清江梯级电与生态均衡优化调度模型。
第三步：清江梯级优化调度的改进鲸鱼算法设计
(1)对清江梯级各水电站每个时段水位进行随机生成，对种群进行初始化获得初始种群。
为保证缩短算法的寻优时间，在约束条件范围内随机产生初始化种群。对于水量平衡约束的实现，可由每时段(即每旬)的平均入库流量计算水电站的水位上下限，下泄流量等于最小生态流量时对应水电站所能达到的最高水位与正常蓄水位或防洪限制水位相比较，取小者作为每一时段的水位上限，下泄流量等于最大生态流量时对应的水电站所能达到的最低水位与死水位相比较，取大者作为每一时段随机的水位下限，该时段个体可在每一时段水位的上限与下限之间随机选取，从而保证生成的种群满足最小、最大生态流量强约束。在改进鲸鱼算法初始化中不指定期末水位，形成一系列初始解。在寻优迭代过程中，设定达到指定的期末水位，通过水量平衡约束逐渐淘汰那些不满足条件的解。
(2)对种群进行适应度值计算，记录最优个体及位置，并假设当前的最优位置是目标猎物。
(3)更新基于余弦函数的非线性控制参数a、
C、l，p的值。若随机数p＜0.5且系数向量
鲸鱼种群通过自适应权重收缩包围策略进行捕食；若随机数p≤0.5且系数向量
鲸鱼种群通过自适应权重随机搜索策略进行捕食；若随机数p≥0.5，鲸鱼种群通过自适应权重螺旋更新策略进行捕食。如图4A-4F为改进鲸鱼算法与标准鲸鱼算法对标准测试函数的收敛曲线对比图。其中，图4A-4F中所述标准测试函数依次分别为：Sphere测试函数、Sunsquare测试函数、Rosenbrock测试函数、Rastrigin测试函数、Ackley测试函数、及Griewank测试函数。
(4)判断是否达到最大迭代次数，若是，则转至步骤(5)；否则，转至步骤(3)。
(5)输出此次执行基于改进鲸鱼算法的清江梯级发电与生态均衡优化调度结果，2008年清江梯级各水电站发电调度方案与均衡调度方案优化调度出力、水位、下泄流量如图5A-5F所示。其中，5A表示为水布垭出力与水位过程线的示意图，5B表示为水布垭下泄流量过程线的示意图，5C表示为隔河岩出力与水位过程线的示意图，5D表示为隔河岩下泄流量过程线的示意图，5E表示为高坝洲出力与水位过程线的示意图，5F表示为高坝洲下泄流量过程线的示意图。
第四步：建立发电与生态均衡优化调度综合评价指标体系
建立发电与生态均衡优化调度综合评价指标体系，从发电兴利角度对梯级水电站调度方案进行评价，主要考虑发电量、弃水量评价指标；从流域生态角度对调度方案进行评价，提出梯级径流生态离差系数、梯级生态溢水量、梯级生态溢水量百分比、梯级生态缺水量、梯级生态溢水量百分比共五个生态调度评价指标。为了验证本发明的有效性，统计了10年清江梯级发电调度方案与均衡调度方案优化计算平均结果，表3为2008年—2017年清江梯级发电调度方案与均衡调度方案计算结果对比表。
表3 2008年—2017年清江梯级发电调度方案与均衡调度方案计算结果对比
如图6所示，展示为本申请于一实施例中的梯级发电与生态均衡优化调度装置的模块示意图。如图所示，所述梯级发电与生态均衡优化调度装置600包括：
获取模块601，用于获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；
处理模块602，用于设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请所述方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
还需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。
例如，处理模块602可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块602的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
如图7所示，展示为本申请于一实施例中的计算机设备的结构示意图。如图所示，所述计算机设备700包括：存储器701、及处理器702；所述存储器701用于存储计算机程序；所述处理器702运行计算机程序实现如图1所述的方法。
在一些实施例中，计算机设备700中的所述存储器701的数量均可以是一或多个，所述处理器702的数量均可以是一或多个，而图7中均以一个为例。
于本申请一实施例中，所述计算机设备700中的处理器702会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器701中，并由处理器702来运行存储在存储器702中的应用程序，从而实现如图1所述的梯级发电与生态均衡优化调度方法中的各种功能。
所述存储器701可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器701存储有操作系统和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。
所述处理器702可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在一些具体的应用中，所述计算机设备700的各个组件通过总线系统耦合在一起，其中总线系统出包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见，在图7中将各种总线都成为总线系统。
于本申请的一实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1所述的梯级发电与生态均衡优化调度方法。
所述计算机可读存储介质优选为非易失性计算机存储介质。
本领域普通技术人员可以理解：实现上述系统及各单元功能的实施例可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述系统及各单元功能的实施例；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请提供的一种梯级发电与生态均衡优化调度方法、装置、设备和介质，通过获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包含通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种梯级发电与生态均衡优化调度方法，其特征在于，所述方法包括：
获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；
设定目标函数和约束条件以建立发电与生态均衡优化调度模型；
基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
2.根据权利要求1所述的梯级发电与生态均衡优化调度方法，其特征在于，所述采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量，包括：
通过P-III型分布对天然状态下的梯级各水电站入库平均径流逐旬进行水文频率分析；
选取不同比例的逐旬频率对应流量过程以分别作为梯级水电站生态适宜流量上下限以及最小、最大生态流量。
3.根据权利要求1所述的梯级发电与生态均衡优化调度方法，其特征在于，所述目标函数包括：发电调度目标、及发电与生态均衡调度目标。
4.根据权利要求1所述的梯级发电与生态均衡优化调度方法，其特征在于，所述约束条件包括以下多种：
水量平衡约束；
水位、流量、出力上下限约束；
水位、流量时段变幅约束；
保证出力约束。
5.根据权利要求1所述的梯级发电与生态均衡优化调度方法，其特征在于，所述基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果，包括：
对梯级各水电站每个时段水位进行随机生成，对种群进行初始化获得初始种群；
对所述种群进行适应度值计算，记录最优个体及位置，并假设当前的最优位置是目标猎物；
更新基于余弦函数的非线性控制参数；
判断是否达到最大迭代次数，若是，则转至下一步；否则，转至上一步；
输出此次执行基于改进鲸鱼算法的梯级发电与生态均衡的优化调度结果。
6.根据权利要求5所述的梯级发电与生态均衡优化调度方法，其特征在于，所述基于余弦函数的非线性控制参数：
其中，t为当前迭代次数；Tmax为最大迭代次数；ainitial和afinal分别为控制参数a的初始值和终止值；μ为非线性调节系数。
7.根据权利要求1所述的梯级发电与生态均衡优化调度方法，其特征在于，所述方法还包括：针对所述发电与生态均衡优化调度模型设定定量化的评价指标方法；其中，所述评价指标包括：各水电站及梯级发电总量、梯级弃水总量、梯级径流生态离差系数、梯级生态溢水量、梯级生态溢水量百分比、梯级生态缺水量、及梯级生态缺水量百分比中任意一种或多种。
8.一种梯级发电与生态均衡优化调度装置，其特征在于，所述装置包括：
获取模块，用于获取梯级水电站河流年内径流量变化，采用基于逐旬频率法对所述梯级水电站生态流量进行计算，并确定梯级水电站生态适宜流量上下限以及最小、最大生态流量；
处理模块，用于设定目标函数和约束条件以建立发电与生态均衡优化调度模型；基于改进鲸鱼算法优化依据所述发电与生态均衡优化调度模型的调度结果。
9.一种计算机设备，其特征在于，所述设备包括：存储器、及处理器；所述存储器用于存储计算机程序；所述处理器运行计算机程序实现如权利要求1至7中任意一项所述的方法。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被运行时执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911006924.1A CN111222676A (zh) | 2019-10-22 | 2019-10-22 | 梯级发电与生态均衡优化调度方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911006924.1A CN111222676A (zh) | 2019-10-22 | 2019-10-22 | 梯级发电与生态均衡优化调度方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111222676A true CN111222676A (zh) | 2020-06-02 |
Family
ID=70827534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911006924.1A Pending CN111222676A (zh) | 2019-10-22 | 2019-10-22 | 梯级发电与生态均衡优化调度方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222676A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915162A (zh) * | 2020-07-15 | 2020-11-10 | 华中科技大学 | 一种梯级水库群联合调度智匹配分层耦合方法与系统 |
| CN112766593A (zh) * | 2021-01-28 | 2021-05-07 | 中国电建集团北京勘测设计研究院有限公司 | 一种水利水电工程生态调度方案的优化方法 |
| CN112766343A (zh) * | 2021-01-12 | 2021-05-07 | 郑州轻工业大学 | 一种基于改进woa-svm的网络安全态势评估方法 |
| CN112836441A (zh) * | 2020-12-31 | 2021-05-25 | 中国电建集团中南勘测设计研究院有限公司 | 一种河道模型的生态调度模拟分析方法 |
| CN113255974A (zh) * | 2021-05-10 | 2021-08-13 | 四川华能宝兴河水电有限责任公司 | 一种梯级水电站联合调度负荷分配的方法 |
| CN113449960A (zh) * | 2021-05-19 | 2021-09-28 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、系统及装置 |
| CN113452079A (zh) * | 2021-06-07 | 2021-09-28 | 云南电网有限责任公司 | 一种计及水电流域梯级调度的发电自驾驶系统及方法 |
| CN113487249A (zh) * | 2021-09-07 | 2021-10-08 | 长江水利委员会水文局 | 一种自适应的水电站智能生态调控方法 |
| CN115809585A (zh) * | 2023-01-20 | 2023-03-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 平衡wee关系的径流式水电站生态流量确定方法和系统 |
| CN116663859A (zh) * | 2023-07-25 | 2023-08-29 | 傲拓科技股份有限公司 | 一种梯级水电站优化调度方法、系统、电子设备及存储介质 |
| CN117293963A (zh) * | 2023-09-26 | 2023-12-26 | 上海勘测设计研究院有限公司 | 一种大电流主动均衡装置及控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108695902A (zh) * | 2018-05-08 | 2018-10-23 | 华中科技大学 | 一种梯级水库群生态-发电动态互馈调控方法 |
| CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
| CN109886589A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼优化算法求解低碳车间调度的方法 |
| CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
-
2019
- 2019-10-22 CN CN201911006924.1A patent/CN111222676A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108695902A (zh) * | 2018-05-08 | 2018-10-23 | 华中科技大学 | 一种梯级水库群生态-发电动态互馈调控方法 |
| CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
| CN109886589A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼优化算法求解低碳车间调度的方法 |
| CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 覃溪，龙文: "基于随机差分变异的改进鲸鱼优化算法" * |
| 许可: "面向生态保护和恢复的梯级水电站联合优化调度研究" * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915162A (zh) * | 2020-07-15 | 2020-11-10 | 华中科技大学 | 一种梯级水库群联合调度智匹配分层耦合方法与系统 |
| CN111915162B (zh) * | 2020-07-15 | 2022-05-31 | 华中科技大学 | 一种梯级水库群联合调度智匹配分层耦合方法与系统 |
| CN112836441A (zh) * | 2020-12-31 | 2021-05-25 | 中国电建集团中南勘测设计研究院有限公司 | 一种河道模型的生态调度模拟分析方法 |
| CN112766343A (zh) * | 2021-01-12 | 2021-05-07 | 郑州轻工业大学 | 一种基于改进woa-svm的网络安全态势评估方法 |
| CN112766343B (zh) * | 2021-01-12 | 2022-03-11 | 郑州轻工业大学 | 一种基于改进woa-svm的网络安全态势评估方法 |
| CN112766593B (zh) * | 2021-01-28 | 2023-06-06 | 中国电建集团北京勘测设计研究院有限公司 | 一种水利水电工程生态调度方案的优化方法 |
| CN112766593A (zh) * | 2021-01-28 | 2021-05-07 | 中国电建集团北京勘测设计研究院有限公司 | 一种水利水电工程生态调度方案的优化方法 |
| CN113255974A (zh) * | 2021-05-10 | 2021-08-13 | 四川华能宝兴河水电有限责任公司 | 一种梯级水电站联合调度负荷分配的方法 |
| CN113255974B (zh) * | 2021-05-10 | 2023-09-15 | 四川华能宝兴河水电有限责任公司 | 一种梯级水电站联合调度负荷分配的方法 |
| CN113449960A (zh) * | 2021-05-19 | 2021-09-28 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、系统及装置 |
| CN113449960B (zh) * | 2021-05-19 | 2022-08-19 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、系统及装置 |
| CN113452079A (zh) * | 2021-06-07 | 2021-09-28 | 云南电网有限责任公司 | 一种计及水电流域梯级调度的发电自驾驶系统及方法 |
| CN113487249B (zh) * | 2021-09-07 | 2021-12-07 | 长江水利委员会水文局 | 一种自适应的水电站智能生态调控方法 |
| CN113487249A (zh) * | 2021-09-07 | 2021-10-08 | 长江水利委员会水文局 | 一种自适应的水电站智能生态调控方法 |
| CN115809585A (zh) * | 2023-01-20 | 2023-03-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 平衡wee关系的径流式水电站生态流量确定方法和系统 |
| CN116663859A (zh) * | 2023-07-25 | 2023-08-29 | 傲拓科技股份有限公司 | 一种梯级水电站优化调度方法、系统、电子设备及存储介质 |
| CN116663859B (zh) * | 2023-07-25 | 2023-10-27 | 傲拓科技股份有限公司 | 一种梯级水电站优化调度方法、系统、电子设备及存储介质 |
| CN117293963A (zh) * | 2023-09-26 | 2023-12-26 | 上海勘测设计研究院有限公司 | 一种大电流主动均衡装置及控制方法 |
| CN117293963B (zh) * | 2023-09-26 | 2024-04-02 | 上海勘测设计研究院有限公司 | 一种大电流主动均衡装置及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222676A (zh) | 梯级发电与生态均衡优化调度方法、装置、设备和介质 | |
| Chen et al. | Multi-objective reservoir operation using particle swarm optimization with adaptive random inertia weights | |
| Feng et al. | Optimizing hydropower reservoirs operation via an orthogonal progressive optimality algorithm | |
| Wang et al. | An improved partheno genetic algorithm for multi-objective economic dispatch in cascaded hydropower systems | |
| Fang et al. | Multi-objective optimized scheduling model for hydropower reservoir based on improved particle swarm optimization algorithm | |
| CN109598408B (zh) | 一种兼顾用水公平性和重要性的年水量调度计划编制方法 | |
| Ahmadi Najl et al. | Simultaneous optimization of operating rules and rule curves for multireservoir systems using a self-adaptive simulation-GA model | |
| Wu et al. | Centralized versus distributed cooperative operating rules for multiple cascaded hydropower reservoirs | |
| Yan et al. | Multiobjective optimal operation of reservoirs based on water supply, power generation, and river ecosystem with a new water resource allocation model | |
| Zhao et al. | A MILP based framework for the hydro unit commitment considering irregular forbidden zone related constraints | |
| Pooranian et al. | Using imperialist competition algorithm for independent task scheduling in grid computing | |
| Amigoni et al. | Modeling the management of water resources systems using multi-objective DCOPs | |
| CN115146872A (zh) | 配电网中可调资源的灵活性聚合方法、装置、设备及介质 | |
| Wang et al. | An ecologically oriented operation strategy for a multi-reservoir system: A case study of the middle and lower Han River Basin, China | |
| Xu et al. | Optimization of operation strategies for an interbasin water diversion system using an aggregation model and improved NSGA-II algorithm | |
| Azizipour et al. | Incorporating reliability into the optimal design of multi-hydropower systems: A cellular automata-based approach | |
| Chen et al. | Improved progressive optimality algorithm and its application to determination of optimal release trajectory of long-term power generation operation of cascade reservoirs | |
| Peng et al. | Multi-objective optimization for flood interval prediction based on orthogonal chaotic NSGA-II and kernel extreme learning machine | |
| CN109300058A (zh) | 一种特大流域水电站群优化调度两阶段直接搜索降维方法 | |
| Guo et al. | Multi-timescale joint optimal dispatch model considering environmental flow requirements for a dewatered river channel: Case study of Jinping cascade hydropower stations | |
| CN115983733A (zh) | 基于水位控制的电力市场出清数据处理方法和装置 | |
| Azizipour et al. | Reliability-based operation of reservoirs: a hybrid genetic algorithm and cellular automata method | |
| CN114243693B (zh) | 微电网的调度模型构建方法、装置和计算机设备 | |
| CN115528750A (zh) | 一种面向电网安全稳定的数据模型混合驱动机组组合方法 | |
| Lee et al. | A fuzzy multiple criteria decision making model for software selection |
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 |