CN112365128A - 基于报童原理的水库群调度风险量化方法 - Google Patents
基于报童原理的水库群调度风险量化方法 Download PDFInfo
- Publication number
- CN112365128A CN112365128A CN202011131584.8A CN202011131584A CN112365128A CN 112365128 A CN112365128 A CN 112365128A CN 202011131584 A CN202011131584 A CN 202011131584A CN 112365128 A CN112365128 A CN 112365128A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- risk
- scheduling
- principle
- salt
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011002 quantification Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 51
- 150000003839 salts Chemical class 0.000 claims abstract description 33
- 238000004146 energy storage Methods 0.000 claims abstract description 11
- 239000012895 dilution Substances 0.000 claims abstract description 7
- 238000010790 dilution Methods 0.000 claims abstract description 7
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 230000009545 invasion Effects 0.000 abstract description 9
- 241000934878 Sterculia Species 0.000 description 23
- 235000021282 Sterculia Nutrition 0.000 description 23
- 229940059107 sterculia Drugs 0.000 description 23
- 230000008901 benefit Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 8
- 238000010612 desalination reaction Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000003825 pressing Methods 0.000 description 4
- 241000233805 Phoenix Species 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000019600 saltiness Nutrition 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
Abstract
基于报童原理的水库群调度风险量化方法,包括以下步骤,步骤1:将报童原理应用到水库调度中,综合考虑水资源蓄于水库中产生的压咸补淡风险和过量下泄产生的水库蓄能风险,建立基于报童原理的水库群调度风险量化方法;步骤2:基于西江流域骨干水库群实测日径流资料,采用MATLAB编程平台中的遗传算法对基于报童原理的水库群调度风险量化方法进行求解;本发明为流域内骨干水库群的压咸补淡调度提供技术支撑,对其它受咸潮入侵危害地区的治理具有重要的参考价值。
Description
技术领域
本发明属于水库调度风险量化技术领域,具体涉及基于报童原理的水库群调度风险量化方法。
背景技术
水是维系生命与健康的基本需求,地球虽然有71%的面积为水所覆盖,但是淡水资源却极其有限,并且分布不均,我们所做的每项决策事实上都和水、以及水对健康所造成的影响有关。水库作为解决径流在时间上和空间上的重新分配问题、充分开发利用水资源、适应各用水部门要求的重要水利枢纽,在缓解水资源匮乏、提高水资源综合利用效率方面发挥着巨大的作用。目前水库调度技术日趋成熟,水库运行与管理成为后工程时代研究的热点。多年来,咸潮入侵一直是威胁珠江三角洲等地区供水安全的重要问题之一,解决咸潮入侵的主要方式之一就是,利用珠江上游水库多放水,补充河道淡水将咸潮压在取水口以下断面,即称压咸补淡,简称压咸。
近年来,全球气候变化给人类的生存和发展带来了严重影响,同时也改变了生态环境,尤其是极端气候导致洪涝灾害频发,引起径流序列的剧烈波动。而水库作为增加国民经济效益和改善河道生态环境的重要工程措施,也面临着更加严峻的考验。
目前,国内外针对水库调度风险量化所采用的方法,仅是为了满足当前时段的压咸需求,并没有考虑到水库下泄水量对水库蓄能效益的影响。以下为传统的水库群调度风险量化模型:
式(6)中:R为风险;T为调度时长,天;Qwz(t)为t时段梧州断面流量,m3/s;Qx(t)为梧州断面压咸需求流量,m3/s。
其中,若R<0,即Qx(t)<Qwz(t),此时梧州断面流量。
发明内容
为克服上述现有技术的不足,本发明的目的是提供基于报童原理的水库群调度风险量化方法,将经济学中的报童原理引入水库调度领域,提出一种新的风险量化方法,该方法能够量化西江流域水库群在调度过程中由于蓄、放水量不合理而产生的水资源调度风险,新技术对于其它受咸潮入侵危害河流的治理具有重要的参考价值;具有均衡蓄水与放水间水量关系、促进流域水资源高效利用的优点。
为实现上述目的,本发明采用的技术方案是:基于报童原理的水库群调度风险量化方法,包括以下步骤:
步骤1,将报童原理应用到水库调度中,综合考虑水资源蓄于水库中产生的压咸补淡风险和过量下泄产生的水库蓄能风险,建立基于报童原理的水库群调度风险量化模型如下:
式(1)中:R为风险,其中为机会风险,为超储风险;T为调度时长,天;Qwz(t)为t时段断面流量,m3/s;Qx为断面压咸需求流量,m3/s;A、B 均为报童理论中的参数,其中A=0.5,B=0.2;
步骤2,基于流域内骨干水库群实测日径流资料,采用MATLAB 编程平台中的遗传算法对基于报童原理的水库群调度风险量化模型进行求解。
本发明的有益效果是:本发明由于基于经济学中的报童理论,将水库蓄能效益和下游压咸补淡效益作为互相联系、互相制约的目标,提出了基于报童理论的水库群调度风险量化模型;通过对模型进行检验分析、规律分析等,证明了该模型的可靠性和合理性,所以可为流域内骨干水库群的压咸补淡调度提供技术支撑,对其它受咸潮入侵危害地区的治理具有重要的参考价值。
应用本发明的方法,在水库群调度过程中,可均衡储存水量以提高水库群蓄能和下泄水量以满足下游压咸补淡需求间的关系,使得水资源能够最大化发挥效益。
附图说明
图1是发明实施例中西江流域概况图。
图2是本发明实施例中梧州断面日流量变化过程图。
图3为本发明实施例中梧州断面日流域日风险变化过程图。
图4是梧州流量与压咸风险转化规律图。
图5为本发明的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参见图5,本发明实施例以西江流域骨干水库群为研究对象,将经济学中的报童原理引入水库调度领域,提出一种新的风险量化模型,包括以下步骤:
步骤1,将报童原理应用到水库调度中,综合考虑水资源蓄于水库中产生的压咸补淡风险和过量下泄产生的水库蓄能风险,建立基于报童原理的水库群调度风险量化模型如下:
式(1)中:R为风险,其中为机会风险,为超储风险;T为调度时长,天;Qwz(t) 为t时段断面流量,m3/s;Qx为断面压咸需求流量,m3/s;A、B均为报童理论中的参数,其中A=0.5,B=0.2;
步骤2,基于西江流域骨干水库群实测日径流资料,采用 MATLAB编程平台中的遗传算法(GeneticAlgorithm,简称GA)对基于报童原理的水库群调度风险量化模型进行求解。
本实施例以西江流域骨干水库群为研究对象,将经济学中的报童原理引入水库调度领域,提出一种新的风险量化方法,量化了西江流域水库群在调度过程中由于蓄、放水量不合理而产生的水资源调度风险,新技术对于其它受咸潮入侵危害河流的治理具有重要的参考价值。
本发明的基本思路是:将报童理论运用到水库调度模型中,把水库群下泄看作报童卖报:下游梧州断面的压咸、生态需求即为当天报纸的实际需求量,梧州断面的实际流量为当天报纸的购进量。当梧州断面的实际流量大于压咸需求时,供过于求,此时虽然满足了压咸、生态需求,但是水库群蓄水量减少,发电水头降低,对水库群后续的发电不利,将会导致梯级发电效益降低。当梧州断面的实际流量小于压咸需求时,供不应求,此时压咸需求无法得到满足,会产生压咸风险,将会导致下游入海口周边地区遭受咸潮入侵的侵害。因此,如何权衡水库蓄能和下泄流量间的数量关系,关乎着水库群调度过程中所产生的风险。
目前国内外针对水库调度风险量化所采用的方法,仅是为了满足当前时段的压咸需求,并没有考虑到水库下泄水量对水库蓄能效益的影响,以下为传统的水库群调度风险量化模型:
式(6)中:R为风险;T为调度时长,天;Qwz(t)为t时段梧州断面流量,m3/s;Qx(t)为梧州断面压咸需求流量,m3/s。
其中,若R<0,即Qx(t)<Qwz(t),此时梧州断面流量。
约束条件
(1)水位约束
Zmin(m,t)≤Z(m,t)≤Zmax(m,t) (2)
式中:Z(m,t)、Zmin(m,t)、Zmax(m,t)分别为第m个水库第t时刻对应的水位和水位的上下限,m。
(2)出力约束
Nmin(m,t)≤N(m,t)≤Nmax(m,t) (3)
式中:Z(m,t)、Zmin(m,t)、Zmax(m,t)分别为第m个水库水电站第t 时刻的出力和出力的上下限,MW。
(3)出库流量约束
Qst(m,t)≤Qc(m,t)≤Qcmax(m,t) (4)
式中:Qc(m,t)、Qst(m,t)、Qcmax(m,t)分别为第m个水库第t时刻的出库流量、最小生态流量和水库的最大下泄流量,m3/s。
(4)水量平衡约束
V(m,t+1)=V(m,t)+(QI(m,t)-Qc(m,t))Δt (5)
式中:V(m,t)和V(m,t+1)为第m个水库第t时刻和第t+1时刻的水库库容,m3;QI(m,t)、Qc(m,t)为第m个水库第t时刻的入库流量和出库流量,m3/s;Δt为计算时段长度。
(5)非负约束
所有变量均为非负值。
本发明以西江流域骨干水库群为例。西江是珠江的主要河流,全长2214千米,为华南地区最长河流,集水面积约35.3万平方千米,主要干流由南盘江、红水河、黔江和浔江组成,流域内主要主流有北盘江、郁江、柳江等,涉及贵州、关东、广西等多个省份,流域内河网复杂,水库众多,如图1。上游红水河水能资源丰富,是我国“十三大水电基地”之一,下游的梧州站作为西江流域重要的控制站,是广西实测资料系列最长、资料质量最好的重要监测站之一。根据珠江水利委员会的相关资料,西江流域下游存在咸潮入侵的现象,对入海口地区生态环境和周边城市经济发展带了极为严重的不利影响,亟需开展西江流域水库群风险调度研究。
本发明基于西江流域骨干水库群2013-2017四年实测日数据,选取来水最枯的四个来水周作为典型来水进行研究,所选典型周如表1 所示。根据珠委下达的压咸补淡要求,将下游梧州断面的压咸需求设置为1900m3/s,分别对传统的水库群调度风险量化模型和基于报童原理的水库群调度风险量化模型进行求解计算,结果如表2。
表1
表2
模型验证分析
选择2013-2017年来水最枯的四个典型周作为调度时段进行研究,由表2可以看出:
(1)典型周1和典型周2调度期内梧州断面流量均有不满足压咸需求的时段出现,此时传统方法计算得到的水库群调度期内平均风险大于本发明提出来的新方法计算得到的平均风险。
(2)典型周3和典型周4调度期内梧州断面流量全时段均能满足压咸需求,此时传统方法计算得到的水库群调度期内平均风险小于本发明提出来的新方法计算得到的平均风险。
模型合理性分析
传统的水库调度风险量化模型,只是为了满足当前时段下游的压咸补淡需求,并没有考虑到水库的蓄能效益和后续时段的压咸补淡任务,所得的结果必然是尽可能地下泄水量。但实际上,水库在调度运行过程中,需要考虑的不仅仅是压咸补淡任务,还要兼顾发电、生态等任务,因此传统的风险量化模型并不是很合理。
本发明提出的基于报童原理的水库群调度风险量化模型,在考虑下游压咸补淡需求的同时,兼顾了梯级的蓄能效益,即水库在下泄足够水量使得下游河道免受咸潮入侵危害的同时,还应尽可能储存水量,抬高发电水位,增加发电量。
模型优越性分析
为进一步探究本发明所提模型的优越性,以典型周1为例,以风险最小为目标,分别对两种风险量化模型进行优化调度研究。调度规则为:将典型周1实测起末水位作为模型的水位约束,梧州断面压咸补淡需求流量设置为1900m3/s。
采用遗传算法(Genetic Algorithm,GA)求解上述两种优化调度模型,得到两种模型的求解结果如表3。
表3
由表3可以看出:两种模型的求解结果中,新模型所得的调度期平均风险为0.0378,较传统模型的0.0401降低了61.34%,发电量为 2.17亿kw·h,较传统模型的2.18减少了0.46%,说明新模型在量化水库群调度风险方面明显优于传统模型,能够用极少的发电量换取到下游压咸补淡效益,从而优选出风险更小的调度过程,为流域水资源调度决策提供科学依据。
模型求解结果分析
由图2-3可以看出:梧州断面流量在[1787.1,1899.9m3/s]波动,基本保持平缓的趋势。这是因为优化调度模型为了追求压咸风险最小,在总水量无法使得所有时段均满足压咸需求的情况下,会尽可能使梧州断面流量靠近1900m3/s的压咸需求。
由调度期内梧州断面压咸风险的变化过程线可以看出:风险在[0, 0.0316]波动,且呈现先减小再增大的趋势。这主要是因为各时段梧州断面流量均无法满足1900m3/s的压咸需求,所产生的压咸风险均为机会风险,随着流量的增大,机会风险逐渐减小,梧州断面流量呈现先增大后减小的趋势,因此对应的风险呈现先减小后增大的趋势。
梧州流量与压咸风险转化规律揭示
通过对不同梧州断面流量对应的压咸风险进行计算和分析,得到压咸流量为1900m3/s情况下,梧州断面流量与压咸风险的复杂关系,并将其绘制成图,旨在揭示两者间的变化规律。
由图4可以看出:压咸需求为1900m3/s的情况下,梧州断面流量应控制在[633,4970m3/s],对应的风险为[0,1],其中,梧州流量为 633m3/s时,风险最大,为1;梧州流量为1900m3/s时,风险最小,为0。梧州断面流量低于1900m3/s时,所产生的风险为机会风险,风险随着流量的增加而减小,且减小速度逐渐变慢;梧州流量高于 1900m3/s时,所产生的风险为超储风险,风险随着流量的增加而增大,且增大速度逐渐变慢。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131584.8A CN112365128B (zh) | 2020-10-21 | 2020-10-21 | 基于报童原理的水库群调度风险量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131584.8A CN112365128B (zh) | 2020-10-21 | 2020-10-21 | 基于报童原理的水库群调度风险量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365128A true CN112365128A (zh) | 2021-02-12 |
CN112365128B CN112365128B (zh) | 2023-06-09 |
Family
ID=74511395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011131584.8A Active CN112365128B (zh) | 2020-10-21 | 2020-10-21 | 基于报童原理的水库群调度风险量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365128B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993030A (zh) * | 2023-09-27 | 2023-11-03 | 长江水利委员会水文局 | 变化条件下水库压咸补淡调度方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106625A (zh) * | 2013-03-08 | 2013-05-15 | 珠江水利委员会珠江水利科学研究院 | 水库、闸泵群联合抑咸调度方法 |
US20180230780A1 (en) * | 2017-02-15 | 2018-08-16 | General Electric Company | System and method for generating a schedule to extract a resource from a reservoir |
CN109190902A (zh) * | 2018-08-03 | 2019-01-11 | 中山大学 | 考虑供需不确定的水资源优化配置报童模型 |
-
2020
- 2020-10-21 CN CN202011131584.8A patent/CN112365128B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106625A (zh) * | 2013-03-08 | 2013-05-15 | 珠江水利委员会珠江水利科学研究院 | 水库、闸泵群联合抑咸调度方法 |
US20180230780A1 (en) * | 2017-02-15 | 2018-08-16 | General Electric Company | System and method for generating a schedule to extract a resource from a reservoir |
CN109190902A (zh) * | 2018-08-03 | 2019-01-11 | 中山大学 | 考虑供需不确定的水资源优化配置报童模型 |
Non-Patent Citations (2)
Title |
---|
T. M. WHITIN: ""Inventory Control and Price Theory"", 《MANAGEMENT SCIENCE》 * |
何艳虎 等: ""东江流域水资源优化配置报童模式研究"", 《水力发电学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993030A (zh) * | 2023-09-27 | 2023-11-03 | 长江水利委员会水文局 | 变化条件下水库压咸补淡调度方法及系统 |
CN116993030B (zh) * | 2023-09-27 | 2023-12-08 | 长江水利委员会水文局 | 变化条件下水库压咸补淡调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112365128B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951985B (zh) | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 | |
Chang et al. | Efficiency evaluation of hydropower station operation: A case study of Longyangxia station in the Yellow River, China | |
WO2019006733A1 (zh) | 一种跨省互联水电站群长期联合调峰调度方法 | |
CN106655280B (zh) | 一种基于电量控制的梯级水电短期调峰模型及求解方法 | |
CN109936164A (zh) | 基于电源互补特性分析的多能源电力系统优化运行方法 | |
CN111799778A (zh) | 一种计及调峰需求的含风电电力系统储能容量优化方法 | |
CN104063808A (zh) | 一种跨省送电梯级水电站群调峰调度两阶段搜索方法 | |
CN109347152B (zh) | 考虑多类型电源参与调峰的随机生产模拟方法及应用 | |
CN109063901B (zh) | 一种省级电网水电系统中长期发电能力分析方法 | |
CN105427017A (zh) | 一种水电富集电网特大规模电站群短期计划编制方法 | |
CN109726907A (zh) | 一种水电站群中长期出力计算方法及系统 | |
CN111428970A (zh) | 一种大规模水电站群跨省外送能力分析模型及求解方法 | |
CN106169101A (zh) | 一种基于结构分解的能源需求预测方法 | |
CN112365128A (zh) | 基于报童原理的水库群调度风险量化方法 | |
CN112183839B (zh) | 一种含梯级水电风光水互补发电系统中长期优化调度方法 | |
CN103955773A (zh) | 一种水电减弃增发交易管理方法及系统 | |
WO2024032483A1 (zh) | 一种清洁能源基地水光互补调度图应用方法 | |
CN110188912B (zh) | 基于改进花粉算法的地表水和地下水联合调度优化方法 | |
CN115099489B (zh) | 一种基于最优经济测算的工商业储能系统容量配置方法 | |
CN116544951A (zh) | 一种水电调峰灵活性量化与调度方法 | |
CN109726855B (zh) | 一种基于峰谷电价经济运行模型的梯级泵站优化调度方法 | |
CN116780508A (zh) | 计及多重不确定性的梯级水电-光伏互补系统中长期区间优化调度方法 | |
CN110969283A (zh) | 基于实时弃水风险评估的梯级水电站优化调度方法及系统 | |
BAI et al. | Single-multi-objective operation models and its application on the regulation of water and sediment by cascade reservoirs | |
CN111709605B (zh) | 一种基于多重反调节作用的水库电站调峰能力评估方法 |
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 |