CN112418539A - 基于大数据的流域水电站集群综合联动防汛方法及系统 - Google Patents
基于大数据的流域水电站集群综合联动防汛方法及系统 Download PDFInfo
- Publication number
- CN112418539A CN112418539A CN202011386908.2A CN202011386908A CN112418539A CN 112418539 A CN112418539 A CN 112418539A CN 202011386908 A CN202011386908 A CN 202011386908A CN 112418539 A CN112418539 A CN 112418539A
- Authority
- CN
- China
- Prior art keywords
- water level
- power station
- station
- upstream
- curve
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 196
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 94
- 238000010248 power generation Methods 0.000 claims abstract description 60
- 230000008901 benefit Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 27
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 2
- 230000010485 coping Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000013049 sediment Substances 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
- 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
-
- 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)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (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)
- Barrages (AREA)
Abstract
本发明涉及基于大数据的流域水电站集群综合联动防汛方法及系统，其包括：计算得到流域各电站库区水位水量曲线和上游电站下泄流量到达库区时间曲线；结合相关数据和发电计划，预测各电站库区的水位变化趋势；当流域某电站或某几个电站的水位在未来一个时间段将超过汛限水位时，进行调整并根据调整值重新计算，直到计算结果显示流域各电站水位均不超过汛限水位时为止，并按照相应调整后的计划进行调整。本发明通过充分挖掘数据价值，完成库区水位水量曲线和上游流量到达时间曲线的自动绘制，并据此实现流域水电站集群智能防汛预测和决策，既提高效率和准确性，还兼顾发电效益，对流域水电站集群的安全和运营，具有重要的实用价值。
Description
技术领域
本发明涉及电站防汛技术领域，尤其涉及一种基于大数据的流域水电站集群综合联动防汛方法及系统。
背景技术
一般水电站平均投运时间较长，经过长时间的泥沙淤积，库区地形已经发生较大改变，原始的水位水量图已不符合实际情况，且近年来极端气候出现的频率加大，水电站所处流域面临的防汛压力增大，上下游水电站依靠智能化、信息化的手段实现联动配合的需要越来越强。目前多数水电站依靠经验、手动计算等方式开展来汛预测和应对工作；但是这种方式的效率和准确率都较低。
发明内容
本发明的目的在于克服现有技术的缺点，提供了一种基于大数据的流域水电站集群综合联动防汛方法及系统，解决了现有依靠经验和手动计算方式开展来汛预测和应对工作存在的不足。
本发明的目的通过以下技术方案来实现：基于大数据的流域水电站集群综合联动防汛方法，所述联动防汛方法包括：
通过大数据智能计算得到流域各电站库区水位水量曲线和上游电站下泄流量到达库区时间曲线；
结合上游电站下泄流量、政府水文站数据和自身机组发电计划，预测各电站库区的水位变化趋势；
当根据各电站水位变化趋势预测到流域某电站或某几个电站的水位在未来一个时间段将超过汛限水位时，调整相应电站自身机组发电计划或上游电站下泄流量后根据调整值重新计算，直到计算结果显示流域各电站水位均不超过汛限水位时为止，并按照相应调整后的计划进行调整。
进一步地，所述通过大数据智能计算得到流域各电站库区水位水量曲线包括：
获取流域各电站的历史数据，根据A水量＝(W入库-W闸门下泄-W发电引用)×T进行计算得到A水量，并与计算时间段T内的水位变化量进行配对形成多组数据对，进而生成对应的库区水位水量表和水位水量曲线；
根据流域各电站最新产生的水位水量数据，定时对生成的库区水位水量曲线进行补充、修正和完善，形成完整的库区水位水量曲线。
进一步地，所述通过大数据智能计算得到流域各电站库区上游电站下泄流量到达库区时间曲线包括：
获取流域各电站的历史入库流量显著变化的时间点T1和上游水文站测量流量或上游电站下泄流量相应变化时间点T2，计算出T1和T2之间的时间差T3；
根据T2时间点上的上游水文站或者上游电站的水位和库区水位，计算出二者之间的水位差B；
将所述时间差T3和水位差B进行配对，形成多组数据对，进而生成对应的上游下泄流量达到库区时间表和上游电站下泄流量到达库区时间曲线；
根据流域各电站最新产生的时间差和水位差数据定时对所述上游电站下泄流量到达库区时间曲线进行修正和完善，形成完整的上游电站下泄流量到达库区时间曲线。
进一步地，所述结合上游电站下泄流量、政府水文站数据和自身机组发电计划，预测各电站库区的水位变化趋势包括：
根据实时的上游电站下泄流量、政府水文站数据和库区水位数据结合所述完整的上游电站下泄流量到达库区时间曲线，实时预测各电站上游下泄流量到达时间；
根据流域各电站实时闸门开度、负荷及上游流量得到入库净流量，并根据得到的入库净流量计算未来一个时间段的水量变化。
利用完整的库区水位水量曲线和当前水位，得到流域各电站未来水位值，通过设置多组未来时间段进行计算得出流域各电站未来一个时间段的水位变化趋势。
进一步地，所述当根据各电站水位变化趋势预测到流域某电站或某几个电站的水位在未来一个时间段将超过汛限水位时，调整相应电站自身机组发电计划或上游电站下泄流量后根据调整值重新计算，直到计算结果显示流域各电站水位均不超过汛限水位时为止，并按照相应调整后的计划进行调整包括：
当各电站水位变化趋势显示流域某电站或某几个电站水位在未来一个时间段将超过汛限水位时，加大相应电站的发电计划并输入系统进行计算，如果不再超过汛限水位则按照该发电计划向调度申请负荷调整；
如果发电计划值已达到发电能力上限但是水位仍然超过汛限水位，则在此基础上减小上游电站发电计划值或闸门开度并输入系统进行计算，如果相应电站和上游电站均不超过汛限水位，则上游电站按照该发电计算向调度申请负荷调整；
如果上游电站超过汛限水位，则继续调整其上游电站的发电计划或者闸门开度，直到流域各电站均不超过汛限水位时为止，并按照相应调整后的计划进行调整。
进一步地，所述联动防汛方法还包括搭建系统的数据库，并同步相关数据系统的数据库，定时获取流域各电站水位、流量、闸门开度、负荷和上游电站下泄流量数据。
基于大数据的流域水电站集群综合联动防汛系统，它包括水位水量曲线训练模块、时间曲线训练模块、智能防汛预测模块、决策模块和展示模块；
所述水位水量曲线训练模块用于结合历史数据和新产生的流量数据拟合出流域各电站库区水位水量关系曲线；
所述时间曲线训练模块用于通过分析流域各电站历史入库流量显著变化与上游水文站测量流量或者上游电站下泄流量相应变化之间的时间差，以及所述时间差和两站水位差之间的关系，得到关于上游电站下泄流量到达库区时间曲线；
所述智能防汛预测模块用于根据所述水位水量曲线训练模块和所述时间曲线训练模块的结果，结合上游电站下泄流量、政府水文站数据、闸门开度、近期发电计划对流域各电站水库水位的变化趋势进行预测；
所述决策模块用于根据所述智能防汛预测模块的预测结果对上下游电站发电计划或者闸门开度进行调整，实现智能防汛的同时兼顾流域总体发电效益；
所述展示模块用于对所述水位水量曲线训练模块、时间曲线训练模块、智能防汛预测模块和决策模块的计算处理结果进行展示。
本发明具有以下优点：基于大数据的流域水电站集群综合联动防汛方法及系统，通过充分挖掘数据价值，完成库区水位水量曲线和上游电站下泄流量到达库区时间曲线的自动绘制，并据此实现流域水电站集群智能防汛预测和决策，既提高效率和准确性，还兼顾发电效益，对流域水电站集群的安全和运营，具有重要的实用价值；有针对性地解决流域水电站集群防汛领域的难点问题，同时兼顾总体发电效益，对流域水电站集群的安全与运行，具有重要意义。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明涉及一种基于大数据的流域水电站集群综合联动防汛方法，其包括以下内容：。
S1、搭建系统的数据库，并同步相关公司、政府水文站多个系统的数据库，定时获取流域各电站水位、流量、闸门开度、符合、上游电站下泄流量等数据，同时，搭建该系统的前端展示平台。
S2、得到库区水位水量曲线训练模块。利用第一步形成的基础数据库，获取流域各电站历史入库流量、历史闸门下泄流量、历史发电引用流量、历史水位变化等数据，绘制水位水量曲线，并结合最新的数据对该曲线进行训练，使其不断完善。
进一步地，库区水位水量曲线方面，获取流域各电站近两年的历史数据进行计算，水量的计算公式如下：
A水量＝(W入库-W闸门下泄-W发电引用)×T
其中，W入库为测得的入库流量，W闸门下泄为根据闸门开度推算出的闸门下泄流量(电站有闸门开度对应下泄流量曲线图)，W发电引用为根据发电负荷推算出的发电引用流量(电站有不同水头下的引用流量和发电负荷对应曲线图)；T为计算时段的时间。
将计算出的A水量与计算时间段T内的水位变化量进行配对，形成多组数据对，由此生成对应的库区水文水量表和水位水量曲线。
根据流域各电站最新产生的水位水量数据，定时对生成的水位水量曲线进行补充、修正和完善，形成完整的库区水位水量曲线训练模块。
S3、得到上游下泄流量到达库区时间曲线训练模块。利用第一步形成的基础数据库，获取流域各电站近两年入库流量显著变化的时间点、上游水文站测量流量(或上游电站下泄流量)相应变化时间点、水位等数据，绘制上游电站下泄流量到达库区时间曲线，并结合最新的数据对该曲线进行训练，使其不断完善。
进一步地，上游电站下泄流量到达库区时间曲线方面，获取流域各电站近两年入库流量显著变化的时间点T1和上游水文站测量流量(或上游电站下泄流量)相应变化时间点T2，计算出之间的时间差T3。
获取T2时间点上的上游水文站(或上游电站)水位和库区水位，计算出之间的水位差B。并将T3和B进行配对，形成多组数据对，由此生成对应的上游电站下泄流量到达库区时间表和上游电站下泄流量到达库区时间曲线。
根据流域各电站最新产生的时间差、水位差数据，定时对生成的时间曲线进行修正和完善，形成完整的上游电站下泄流量到达库区时间曲线训练模块。
S4、利用步骤S2和S3的结果，并结合实时的上游电站下泄流量、政府水文站数据、库区水位、闸门开度、负荷等，预测出流域各电站水位变化趋势，如流域某电站或某几个电站水位在未来一个时间段将超过汛限水位时，通过调整相应电站及上游电站的发电计划或闸门开度，最终使流域各电站水位均不超限，实现流域智能防汛目标，同时兼顾流域综合发电效益。
进一步地，根据实时的上游电站下泄流量、政府水文站数据、库区水位等，并利用上游流量到达时间曲线，实时预测各电站上游流量到达时间；根据流域各电站实时闸门开度(可手动输入)、负荷(可手动输入)及上游流量，得入库净流量；
其中，入库净流量＝上游流量—闸门下泄流量(由闸门开度得出)—发电引用流量(由负荷和水头得出)。
根据得出的入库净流量，计算出未来一个时间段(可手动设置)的水量变化，并利用库区水位水量曲线和当前水位，得出流域各电站未来水位值，通过设置多组未来时间段进行计算，即可得出流域各电站未来一个时间段的水位变化趋势。
当各电站水位变化趋势显示流域某电站或某几个电站水位在未来一个时间段将超过汛限水位时，首先加大相应电站的发电计划值并输入系统进行计算，如不再超限则按该发电计划向调度申请负荷调整，如发电计划值已达发电能力上限但水位仍超限，则在此基础上减小上游电站发电计划值或闸门开度并输入系统进行计算，如相应电站和上游电站均不超限，则上游电站按该发电计划向调度申请负荷调整，如上游电站超限，则继续调整其上游电站的发电计划或闸门开度，以此类推，上下游联动，最终使流域各电站均不超汛限水位，实现流域智能防汛目标，同时因为减少了弃水电量，所以该系统还有助于提高流域综合发电效益。
本发明的另一实施例涉及一种基于大数据的流域水电站集群综合联动防汛系统，其包括四个模块：一是库区水位水量曲线训练模块，其功能是通过历史水位、流量数据拟合出流域各电站库区水位水量关系曲线；二是上游电站下泄流量到达库区时间曲线训练模块，其功能是通过分析流域各电站历史入库流量显著变化和上游水文站测量流量(或上游电站下泄流量)相应变化之间的时间差，以及这个时间差和两站水位差之间的关系，得到关于上游下泄流量到达库区时间曲线。三是智能防汛预测模块，其功能是利用上述模块一和模块二的结果，并结合上游电站下泄流量、政府水文站数据、闸门开度、近期发电安排等，预测出流域各电站水库水位的变化趋势。四是决策模块，其功能是根据预测结果对上下游电站发电计划或闸门开度进行调整，实现智能防汛目标的同时，兼顾流域总体发电效益。五是展示模块，其功能是对上述三个模块的计算数据结果进行展示。本发明创造性地挖掘水电站历史数据价值，有针对性地解决流域水电站集群防汛领域的难点问题，同时兼顾总体发电效益，对流域水电站集群的安全与运行，具有重要意义。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述联动防汛方法包括：
通过大数据智能计算得到流域各电站库区水位水量曲线和上游电站下泄流量到达库区时间曲线；
结合上游电站下泄流量、政府水文站数据和自身机组发电计划，预测各电站库区的水位变化趋势；
当根据各电站水位变化趋势预测到流域某电站或某几个电站的水位在未来一个时间段将超过汛限水位时，调整相应电站自身机组发电计划或上游电站下泄流量后根据调整值重新计算，直到计算结果显示流域各电站水位均不超过汛限水位时为止，并按照相应调整后的计划进行调整。
2.根据权利要求1所述的基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述通过大数据智能计算得到流域各电站库区水位水量曲线包括：
获取流域各电站的历史数据，根据A水量＝(W入库-W闸门下泄-W发电引用)×T进行计算得到A水量，并与计算时间段T内的水位变化量进行配对形成多组数据对，进而生成对应的库区水位水量表和水位水量曲线；
根据流域各电站最新产生的水位水量数据，定时对生成的库区水位水量曲线进行补充、修正和完善，形成完整的库区水位水量曲线。
3.根据权利要求2所述的基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述通过大数据智能计算得到流域各电站库区上游电站下泄流量到达库区时间曲线包括：
获取流域各电站的历史入库流量显著变化的时间点T1和上游水文站测量流量或上游电站下泄流量相应变化时间点T2，计算出T1和T2之间的时间差T3；
根据T2时间点上的上游水文站或者上游电站的水位和库区水位，计算出二者之间的水位差B；
将所述时间差T3和水位差B进行配对，形成多组数据对，进而生成对应的上游下泄流量达到库区时间表和上游电站下泄流量到达库区时间曲线；
根据流域各电站最新产生的时间差和水位差数据定时对所述上游电站下泄流量到达库区时间曲线进行修正和完善，形成完整的上游电站下泄流量到达库区时间曲线。
4.根据权利要求3所述的基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述结合上游电站下泄流量、政府水文站数据和自身机组发电计划，预测各电站库区的水位变化趋势包括：
根据实时的上游电站下泄流量、政府水文站数据和库区水位数据结合所述完整的上游电站下泄流量到达库区时间曲线，实时预测各电站上游下泄流量到达时间；
根据流域各电站实时闸门开度、负荷及上游流量得到入库净流量，并根据得到的入库净流量计算未来一个时间段的水量变化。
利用完整的库区水位水量曲线和当前水位，得到流域各电站未来水位值，通过设置多组未来时间段进行计算得出流域各电站未来一个时间段的水位变化趋势。
5.根据权利要求4所述的基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述当根据各电站水位变化趋势预测到流域某电站或某几个电站的水位在未来一个时间段将超过汛限水位时，调整相应电站自身机组发电计划或上游电站下泄流量后根据调整值重新计算，直到计算结果显示流域各电站水位均不超过汛限水位时为止，并按照相应调整后的计划进行调整包括：
当各电站水位变化趋势显示流域某电站或某几个电站水位在未来一个时间段将超过汛限水位时，加大相应电站的发电计划并输入系统进行计算，如果不再超过汛限水位则按照该发电计划向调度申请负荷调整；
如果发电计划值已达到发电能力上限但是水位仍然超过汛限水位，则在此基础上减小上游电站发电计划值或闸门开度并输入系统进行计算，如果相应电站和上游电站均不超过汛限水位，则上游电站按照该发电计算向调度申请负荷调整；
如果上游电站超过汛限水位，则继续调整其上游电站的发电计划或者闸门开度，直到流域各电站均不超过汛限水位时为止，并按照相应调整后的计划进行调整。
6.根据权利要求1-5中任意一项所述的基于大数据的流域水电站集群综合联动防汛方法，其特征在于：所述联动防汛方法还包括搭建系统的数据库，并同步相关数据系统的数据库，定时获取流域各电站水位、流量、闸门开度、负荷和上游电站下泄流量数据。
7.基于大数据的流域水电站集群综合联动防汛系统，其特征在于：它包括水位水量曲线训练模块、时间曲线训练模块、智能防汛预测模块、决策模块和展示模块；
所述水位水量曲线训练模块用于结合历史数据和新产生的流量数据拟合出流域各电站库区水位水量关系曲线；
所述时间曲线训练模块用于通过分析流域各电站历史入库流量显著变化与上游水文站测量流量或者上游电站下泄流量相应变化之间的时间差，以及所述时间差和两站水位差之间的关系，得到关于上游电站下泄流量到达库区时间曲线；
所述智能防汛预测模块用于根据所述水位水量曲线训练模块和所述时间曲线训练模块的结果，结合上游电站下泄流量、政府水文站数据、闸门开度、近期发电计划对流域各电站水库水位的变化趋势进行预测；
所述决策模块用于根据所述智能防汛预测模块的预测结果对上下游电站发电计划或者闸门开度进行调整，实现智能防汛的同时兼顾流域总体发电效益；
所述展示模块用于对所述水位水量曲线训练模块、时间曲线训练模块、智能防汛预测模块和决策模块的计算处理结果进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011386908.2A CN112418539B (zh) | 2020-12-01 | 2020-12-01 | 基于大数据的流域水电站集群综合联动防汛方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011386908.2A CN112418539B (zh) | 2020-12-01 | 2020-12-01 | 基于大数据的流域水电站集群综合联动防汛方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112418539A true CN112418539A (zh) | 2021-02-26 |
| CN112418539B CN112418539B (zh) | 2024-09-06 |
Family
ID=74829355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011386908.2A Active CN112418539B (zh) | 2020-12-01 | 2020-12-01 | 基于大数据的流域水电站集群综合联动防汛方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112418539B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470317A (zh) * | 2021-06-07 | 2021-10-01 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种基于5g技术的防洪报警终端及防洪预警方法 |
| CN113506010A (zh) * | 2021-07-21 | 2021-10-15 | 华电云南发电有限公司 | 一种大型流域水电站泄洪闸门数字化集中调控方法 |
| CN114399116A (zh) * | 2022-01-17 | 2022-04-26 | 河南九域恩湃电力技术有限公司 | 一种变电站防汛方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103714426A (zh) * | 2013-12-24 | 2014-04-09 | 国家电网公司 | 中小径流式水电站群一体化调度系统 |
| CN107578134A (zh) * | 2017-09-12 | 2018-01-12 | 西安理工大学 | 一种考虑预警的黄河上游梯级水库防洪调度方法 |
| CN109002929A (zh) * | 2018-08-20 | 2018-12-14 | 雅砻江流域水电开发有限公司 | 一种水电站水库水位预测分析与控制方法 |
| CN109272245A (zh) * | 2018-09-30 | 2019-01-25 | 国电大渡河流域水电开发有限公司 | 梯级水电站泄洪闸门开度实时自动分配方法及系统 |
| WO2019053832A1 (ja) * | 2017-09-13 | 2019-03-21 | 中国電力株式会社 | 連接水系の運用支援システム |
-
2020
- 2020-12-01 CN CN202011386908.2A patent/CN112418539B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103714426A (zh) * | 2013-12-24 | 2014-04-09 | 国家电网公司 | 中小径流式水电站群一体化调度系统 |
| CN107578134A (zh) * | 2017-09-12 | 2018-01-12 | 西安理工大学 | 一种考虑预警的黄河上游梯级水库防洪调度方法 |
| WO2019053832A1 (ja) * | 2017-09-13 | 2019-03-21 | 中国電力株式会社 | 連接水系の運用支援システム |
| CN109002929A (zh) * | 2018-08-20 | 2018-12-14 | 雅砻江流域水电开发有限公司 | 一种水电站水库水位预测分析与控制方法 |
| CN109272245A (zh) * | 2018-09-30 | 2019-01-25 | 国电大渡河流域水电开发有限公司 | 梯级水电站泄洪闸门开度实时自动分配方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 李太斌 等: "基于深度学习的水电站水流量和发电量区间预测", 《电子技术与软件工程》, pages 221 - 222 * |
| 纪国良 等: "一种改进的合成流量法及其在水文预报中的应用", 《水电能源科学》, vol. 38, no. 2, pages 36 - 39 * |
| 陈炯宏 等: "梯级水库汛限水位联合运用和动态控制研究", 《水力发电学报》, vol. 31, no. 6, pages 55 - 61 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470317A (zh) * | 2021-06-07 | 2021-10-01 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种基于5g技术的防洪报警终端及防洪预警方法 |
| CN113506010A (zh) * | 2021-07-21 | 2021-10-15 | 华电云南发电有限公司 | 一种大型流域水电站泄洪闸门数字化集中调控方法 |
| CN114399116A (zh) * | 2022-01-17 | 2022-04-26 | 河南九域恩湃电力技术有限公司 | 一种变电站防汛方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112418539B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418539A (zh) | 基于大数据的流域水电站集群综合联动防汛方法及系统 | |
| CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
| CN108108838B (zh) | 一种高水量利用率的季调节水库优化调度方法 | |
| CN105320827A (zh) | 降雨径流预报系统 | |
| CN111709134B (zh) | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 | |
| CN107609335B (zh) | 一种基于合成流量和形状拟合的洪水预报方法 | |
| 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 | |
| CN104715292A (zh) | 基于最小二乘支持向量机模型的城市短期用水量预测方法 | |
| CN105719019A (zh) | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 | |
| CN104636822A (zh) | 一种基于elman神经网络的居民负荷预测方法 | |
| CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
| CN109934395A (zh) | 一种基于分时分区气象数据的多小水电地区短期电力负荷预测方法 | |
| CN112101818B (zh) | 一种适用于复杂水力联系的海绵城市洪涝优化调度方法 | |
| CN109376950A (zh) | 一种基于bp神经网络的多元电网负荷预测方法 | |
| CN112785454A (zh) | 一种梯级水电站汛期智能调度方法及决策支持系统 | |
| CN106777487A (zh) | 一种含有储能系统的光伏电站可信容量计算方法及系统 | |
| CN111598724A (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
| CN102360468A (zh) | 洪水预报系统 | |
| CN114819374B (zh) | 区域新能源超短期功率预测方法及系统 | |
| CN110648007A (zh) | 一种降雨预报指数校正方法和系统 | |
| CN108734415A (zh) | 一种梯级水库的入库流量自动校正系统 | |
| CN103745274A (zh) | 一种用于分散式风电的短期功率预测方法 | |
| CN108090671B (zh) | 一种多阶段域间-域内反馈迭代的跨流域负荷分配方法 | |
| CN110570628A (zh) | 一种输电线路杆塔地质灾害监测预警分析系统及使用方法 | |
| CN115496128A (zh) | 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Huaneng building, No.47, section 4, Renmin South Road, Wuhou District, Chengdu, Sichuan 610000 Applicant after: Huaneng Sichuan Energy Development Co.,Ltd. Address before: Huaneng building, No.47, section 4, Renmin South Road, Wuhou District, Chengdu, Sichuan 610000 Applicant before: Huaneng Sichuan Hydropower Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |