CN113361818A - 一种水电机组中长期发电优化方法及系统 - Google Patents

一种水电机组中长期发电优化方法及系统 Download PDF

Info

Publication number
CN113361818A
CN113361818A CN202110769508.8A CN202110769508A CN113361818A CN 113361818 A CN113361818 A CN 113361818A CN 202110769508 A CN202110769508 A CN 202110769508A CN 113361818 A CN113361818 A CN 113361818A
Authority
CN
China
Prior art keywords
flow
water level
dam
power generation
generating set
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
CN202110769508.8A
Other languages
English (en)
Other versions
CN113361818B (zh
Inventor
吴琼
谢小军
张瑞刚
杨博
郗航
刘增博
王淑娟
朱尤省
李茂林
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute Co Ltd
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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202110769508.8A priority Critical patent/CN113361818B/zh
Publication of CN113361818A publication Critical patent/CN113361818A/zh
Application granted granted Critical
Publication of CN113361818B publication Critical patent/CN113361818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Eletrric Generators (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种水电机组中长期发电优化方法及系统，获取水电站历史数据；根据历史数据拟合坝上水位‑流量系数、坝下水位‑流量系数和综合效率系数并得到不含水库水量的水电机组出力模型；采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量；将历史入库流量与历史发电流量的差值叠加到下一年度入库流量中得到预测发电流量；根据综合效率、净水头和预测发电流量代入不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力，根据水电机组中长期预测出力对水电机组中长期发电进行优化；本发明方法通过得到的预测出力值结合相关更新策略可以对水电机组参与的多能互补场景可靠性进行规划。

Description

一种水电机组中长期发电优化方法及系统
技术领域
本发明属于电站规划技术领域，具体涉及一种水电机组中长期发电优化方法及系统。
背景技术
水电站是利用前池水位(坝上水位)与尾水位(坝下水位)高度差产生势能推动水轮机转动，水轮机带动发电机进行发电，完成从机械能到电能的转化。水力发电具有良好的调节性能，作为可调节能源越来越多的参与到多能互补发电的应用领域。水电机组建模是多能互补联合运行系统中重要的一个环节。已有文献及专利中建立了详细的短期调度水电机组模型，很少有文献对水电机组中长期出力进行建模，个别文献建立了长期调度问题中忽略机组水头影响的恒定效率简化水电机组模型，该简化模型不够准确，也难以考虑水库自然来水的时序特性。
此外，现有的大部分水电机组模型中都引入了水库水量这一变量，工程实际中水库水量是难以可测量，实际工程中能够获取和容易测量的是水库的水位数据和水头数据。
现有水电机组短期调度模型中，并不符合生产实际，从水电站调研了解到，水电站中难以测量水库水量这一数据，拟合系数在实际生产中难以获得。因为水库形状一般是不规则的，有时候绵延数十平方公里，如此大的水库蓄水量无法测量。为此，本发明实际工程需要为出发点，提出了考虑水库水位变化且不含水库水量变量的中长期水电机组调度模型。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种水电机组中长期发电优化方法及系统，通过建立符合电站特性的水电机组中长期模型得到预测出力值，结合相关更新策略对水电机组参与的多能互补场景可靠性进行规划。
本发明采用以下技术方案：
一种水电机组中长期发电优化方法，包括以下步骤：
S1、获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
S2、根据步骤S1获取的历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；
S3、根据步骤S2得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
S4、采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000021
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000022
中得到预测发电流量qt；
S5、分别根据步骤S4预测的发电流量qt得到坝上水位
Figure BDA0003152310640000023
坝下水位
Figure BDA0003152310640000024
和综合效率η，根据坝上水位
Figure BDA0003152310640000025
和坝下水位
Figure BDA0003152310640000026
得到净水头
Figure BDA0003152310640000027
根据综合效率η、净水头
Figure BDA0003152310640000028
和预测发电流量qt代入步骤S3建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
具体的，步骤S2具体为：
S201、根据步骤S1的坝上水位历史数据和发电流量历史数据拟合坝上水位-流量系数K0、K1、K2、K3；
S202、根据步骤S1的坝下水位、发电流量历史数据拟合坝下水位-流量系数α0、α1、α2；
S203、根据步骤S1的坝上水位-坝下水位历史数据计算净水头；
S204、根据步骤S203的净水头和步骤S1的发电流量历史数据拟合综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5。
进一步的，步骤S201中，坝上水位
Figure BDA0003152310640000031
具体为：
Figure BDA0003152310640000032
其中，
Figure BDA0003152310640000033
为前一时刻坝上水位值，ΔQt为流量差。
进一步的，步骤S202中，坝下水位
Figure BDA0003152310640000034
计算如下：
Figure BDA0003152310640000035
其中，Qout,t为t时刻出库流量。
进一步的，步骤S203中，净水头
Figure BDA0003152310640000036
计算如下：
Figure BDA0003152310640000037
其中，
Figure BDA0003152310640000038
为坝上水位，
Figure BDA0003152310640000039
为坝下水位，
Figure BDA00031523106400000310
为水头损失。
进一步的，步骤S204中，综合效率
Figure BDA00031523106400000311
计算如下：
Figure BDA00031523106400000312
其中，qt为发电流量，
Figure BDA00031523106400000313
为净水头。
具体的，步骤S3中，水电机组出力模型满足的约束条件包括：
发电流量约束公式如下：
qmin≤qt≤qmax
其中，qt为发电流量，qmin为最小发电流量与水轮机特性及水电站出力决定，qmax为最大发电流量与水轮机特性及水电站出力决定；
发电功率约束公式如下：
0≤pt≤R
其中，R为；
水位约束公式如下：
Figure BDA0003152310640000041
Figure BDA0003152310640000042
其中，
Figure BDA0003152310640000043
为坝上水位，
Figure BDA0003152310640000044
为最小坝上水位；
Figure BDA0003152310640000045
为最大坝上水位，
Figure BDA0003152310640000046
为坝下水位，
Figure BDA0003152310640000047
为最小坝下水位；
Figure BDA0003152310640000048
为最大坝下水位。
具体的，步骤S4中，发电流量qt为：
Figure BDA0003152310640000049
其中，ΔQ为历史入库流量减去历史发电容量预测发电流量。
具体的，步骤S5中，水电机组发电的预测出力pt计算如下：
Figure BDA00031523106400000410
其中，G为水电转换常量；η是水电机组的综合效率系数，
Figure BDA00031523106400000411
表示t时段的水电机组净水头，qt为发电流量。
本发明的另一技术方案是，一种水电机组中长期发电优化系统，包括：
数据模块，获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
系数模块，根据数据模块获取的历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；
出力模块，根据系数模块得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
预测模块，采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000051
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000052
中得到预测发电流量qt；
优化模块，分别根据预测模块预测的发电流量qt得到坝上水位
Figure BDA0003152310640000053
坝下水位
Figure BDA0003152310640000054
和综合效率η，根据坝上水位
Figure BDA0003152310640000055
和坝下水位
Figure BDA0003152310640000056
得到净水头
Figure BDA0003152310640000057
根据综合效率η、净水头
Figure BDA0003152310640000058
和预测发电流量qt代入出力模块建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种水电机组中长期发电优化方法，根据获取的水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量作为已知量，采用先分层次拟合系数，后预测发电流量，最后带入出力模型预测水电站中长期出力。整个过程条理清晰，易于工程实现。
进一步的，出力模型中各系数拟合的方法。拟合系数的顺序采用先拟合坝上水位系数，然后拟合坝下水位系数，进而计算净水头，最后拟合综合效率系数。上述顺序的设置具有因果层次关系，并且从简单到复杂。
进一步的，坝上水位
Figure BDA0003152310640000059
的设置是为了计算净水头序列，进而为计算水电站中长期出力做准备。
进一步的，坝下水位
Figure BDA0003152310640000061
的设置是为了计算净水头序列，进而为计算水电站中长期出力做准备。
进一步的，由于净水头
Figure BDA0003152310640000062
作为水电站中长期出力计算的参数之一，在计算水电站中长期出力时，必须首先得到净水头。
进一步的，由于净水头
Figure BDA0003152310640000063
作为水电站中长期出力计算的参数之一，在计算水电站中长期出力时，必得到综合效率
Figure BDA0003152310640000064
进一步的，设置水电机组出力约束条件是为了得到符合实际的水电站中长期出力序列。
进一步的，根据步骤S4得到预测发电流量，有了预测入库流量及预测发电流量，结合坝上水位公式，坝下水位公式，净水头公式，综合效率公式我们才能得到完整的水电机组的中长期出力序列。
进一步的，根据步骤S5得出的水电机组中长期出力pt，我们可以在此基础上结合相关更新策略对水电机组参与的多能互补场景可靠性进行规划。
综上所述，本发明条理清晰，避免了繁杂的计算过程，建模中所有数据均可以从电站轻松获得更利于工程实现。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明流程图；
图2为本发明水电机组时序更新策略图；
图3为水电站的实际数据图，其中，(a)为入库与出库流量数据，(b)为水库水位数据；
图4为本发明坝上水位变化与入库流量关系函数的拟合结果与测量值对比图；
图5为本发明坝下水位和发电流量的拟合关系图；
图6为本发明综合效率观测与拟合分析图；
图7为本发明水库入库流量时间序列图；
图8为本发明预测发电流量时间序列图；
图9为本发明水电机组中长期出力模拟图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
请参阅图1，本发明一种水电机组中长期发电优化方法，包括以下步骤：
S1、获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
S2、根据步骤S1获取的历史数据拟合建立水电机组模型用的系数；
S201、根据步骤S1的坝上水位历史数据和发电流量历史数据拟合坝上水位-流量系数K0、K1、K2、K3；
流量差ΔQt计算如下：
ΔQt＝Qin,t-Qout,t (1)
其中，Qin,t为t时刻入库流量，Qout,t为t时刻出库流量，具体为：
Figure BDA0003152310640000081
Qout,t表征发电流量加弃水流量等于出库流量
坝上水位
Figure BDA0003152310640000082
计算如下：
Figure BDA0003152310640000083
其中，K0、K1、K2、K3为待拟合系数。
S202、根据步骤S1的坝下水位、发电流量历史数据拟合坝下水位-流量系数α0、α1、α2；
坝下水位
Figure BDA0003152310640000084
计算如下：
Figure BDA0003152310640000091
其中，Qout,t为t时刻出库流量，α0、α1、α2为待拟合系数。
S203、根据步骤S1的坝上水位-坝下水位历史数据计算净水头；
净水头
Figure BDA0003152310640000092
计算如下：
Figure BDA0003152310640000093
其中，
Figure BDA0003152310640000094
为坝上水位，
Figure BDA0003152310640000095
为坝下水位，
Figure BDA0003152310640000096
为水头损失，对于中长期调度的水电聚合机组，水头损失计为0；
S204、根据步骤S203的净水头和步骤S1的发电流量历史数据拟合综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5。
综合效率
Figure BDA0003152310640000097
计算如下：
Figure BDA0003152310640000098
其中，qt为发电流量，
Figure BDA0003152310640000099
为净水头，ρ0、ρ1、ρ2、ρ3、ρ4、ρ5为待拟合系数。
S3、根据步骤S2得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
水电机组出力模型为：
ΔQt＝Qin,t-Qout,t
Figure BDA00031523106400000910
Figure BDA00031523106400000911
Figure BDA00031523106400000912
Figure BDA00031523106400000913
Figure BDA00031523106400000914
得到公式(2)、(3)、(5)中的各个系数，根据各电站历史数据进行拟合，拟合出的结果符合电站的相关参数特性的；得到各个拟合系数后，确定不含水库水量的水电机组出力模型框架；通过观察框架模型发现，确定拟合系数后，入库流量和发电流量是计算水电机组中长期的预测出力序列的核心，于是对入库流量进行预测，发电流量进行预测，确定两个预测序列带入到上述不含水库水量的水电机组出力模型框架模型中，计算出
Figure BDA0003152310640000101
Figure BDA0003152310640000102
的序列，然后得到
Figure BDA0003152310640000103
序列，根据
Figure BDA0003152310640000104
序列以及发电流量预测qt计算综合系数η；根据
Figure BDA0003152310640000105
(G为水电转换常量，取9.8e-3N/kg)最终得到了水电机组中长期的预测出力值。
水电机组出力模型满足的约束条件如下：
发电流量约束公式如下：
qmin≤qt≤qmax (7)
表征调度可用发电流量在最大发电流量和最小发电流量范围内变化，发电流量约束在水电机组调度时考虑；
发电功率约束公式如下：
0≤pt≤R (8)
表征发电功率在0到额定功率运行，也就是说不管发电流量多大，发电功率必须小于等于额定发电功率才符合逻辑；
水位约束公式如下：
Figure BDA0003152310640000106
任何电站在建设时都会标明最高水位和最低水位；所以水位满足设计要求约束。
S4、采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000111
根据历史入库流量与发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000112
中得到预测发电流量qt；
发电流量qt为：
Figure BDA0003152310640000113
其中，ΔQ为历史入库流量减去历史发电容量预测发电流量。
S5、分别根据步骤S4预测的发电流量qt得到坝上水位
Figure BDA0003152310640000114
坝下水位
Figure BDA0003152310640000115
和综合效率η，根据坝上水位
Figure BDA0003152310640000116
和坝下水位
Figure BDA0003152310640000117
得到净水头
Figure BDA0003152310640000118
根据综合效率η、净水头
Figure BDA0003152310640000119
和预测发电流量qt代入步骤S3建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
水电机组发电的预测出力pt计算如下：
Figure BDA00031523106400001110
其中，G为水电转换常量，取9.8e-3N/kg；η是水电机组的综合效率系数，ht net表示t时段的水电机组净水头，qt为发电流量，根据预测入库流量及水库容量不变的发电弃水策略得到。
根据步骤S5得到水电机组中长期的预测出力pt后，请参阅图2，以水电机组参与多能源可靠性规划场景为例，给出水电机组时序更新策略：
根据t时段的水头高度和最低允许水位得到该时段的最大允许发电流量，然后给定净负荷，在最大允许流量和其他约束下求解净负荷对应的水电机组出力，如果能够满足净负荷，则更新水头高度，进入下一时段，如果不能满足净负荷，则增加失负荷变量，重新计算水电机组出力，然后更新水头高度，进入下一时段。
本发明再一个实施例中，提供一种水电机组中长期发电优化系统，该系统能够用于实现上述水电机组中长期发电优化方法，具体的，该水电机组中长期发电优化系统包括数据模块、系数模块、出力模块、预测模块以及优化模块。
其中，数据模块，获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
系数模块，根据数据模块获取的历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；
出力模块，根据系数模块得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
预测模块，采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000121
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000122
中得到预测发电流量qt；
优化模块，分别根据预测模块预测的发电流量qt得到坝上水位
Figure BDA0003152310640000123
坝下水位
Figure BDA0003152310640000124
和综合效率η，根据坝上水位
Figure BDA0003152310640000125
和坝下水位
Figure BDA0003152310640000126
得到净水头
Figure BDA0003152310640000127
根据综合效率η、净水头
Figure BDA0003152310640000128
和预测发电流量qt代入出力模块建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于水电机组中长期发电优化方法的操作，包括：
获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；根据历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；根据坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000131
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000132
中得到预测发电流量qt；分别根据预测的发电流量qt得到坝上水位
Figure BDA0003152310640000133
坝下水位
Figure BDA0003152310640000134
和综合效率η，根据坝上水位
Figure BDA0003152310640000135
和坝下水位
Figure BDA0003152310640000136
得到净水头
Figure BDA0003152310640000137
根据综合效率η、净水头
Figure BDA0003152310640000138
和预测发电流量qt代入不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关水电机组中长期发电优化方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；根据历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；根据坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure BDA0003152310640000141
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure BDA0003152310640000142
中得到预测发电流量qt；分别根据预测的发电流量qt得到坝上水位
Figure BDA0003152310640000143
坝下水位
Figure BDA0003152310640000144
和综合效率η，根据坝上水位
Figure BDA0003152310640000145
和坝下水位
Figure BDA0003152310640000146
得到净水头
Figure BDA0003152310640000147
根据综合效率η、净水头
Figure BDA0003152310640000148
和预测发电流量qt代入不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
水电机组时序仿真实例
请参阅图3，采用某地水电站的入库流量，出库流量，前池水位(又称坝上水位)，尾水位(又称坝下水位)的实际数据进行建模。
从上述数据中，存在以下特点：
1)水库流量数据在200天处表现出3000～6000m3/s的入库流量和小于1000m3/s的出库流量，是水电站蓄洪的结果，对应在坝上水位的200天处表现明显。
2)坝下水位相对坝上水位几乎不变。
在上述数据的基础上，设自然放水量为0，设水头损失为0，对于中长期调度的水电站，水头损失的影响忽略不计，水头损失在中长期数据拟合过程中被添加到综合效率系数中。
A、坝上水位和发电流量关系[公式3]的拟合
Figure BDA0003152310640000161
将数据代入公式(1)、公式(2)和公式(3)得到
Figure BDA0003152310640000162
其中，t＝2,3,…,8760；
Figure BDA0003152310640000163
在公式(13)中
Figure BDA0003152310640000164
和
Figure BDA0003152310640000165
是已知量，这里可直接使用matlab的polyfit函数进行拟合，公式如下：
Figure BDA0003152310640000166
需要注意的是：
1)
Figure BDA0003152310640000167
是没有考虑水延迟时间，例如水延迟时间是1小时(差分阶数为1)，用第1个小时的入库量减去第2个小时出库量构成影响水位高度变化的入库水量，使用以1h为采样间隔的数据，如果只有365天数据，用简单线性插值为8760数据；
2)时间下标从2开始，差分过程少一位数据；
3)采用1次多项式拟合和3次多项式拟合差别不大，数据超过一年8760个小时，可以改用1次拟合。
给出不同次数的多项式拟合的误差指标如下：
表1 不同多项式最高次数拟合误差比较
Figure BDA0003152310640000168
Figure BDA0003152310640000171
根据表1得出，3次拟合效果最好。
请参阅图4，拟合结果为：
Figure BDA0003152310640000172
B、坝下水位和发电流量关系[公式4]的拟合；
请参阅图5，拟合方法与A一致，下面直接给出结果：
Figure BDA0003152310640000173
C、综合效率系数和发电流量关系[公式6]的拟合；
请参阅图6，从图中的效率观测系数可以看出，绝大多数时间系统的综合效率都为95％，只有在6000小时处，效率出现极大降低；这是蓄洪现象，水库为了保证水利安全，极大抑制了发电功能。拟合函数满足建模使用，公式为：
Figure BDA0003152310640000174
Figure BDA0003152310640000175
上述公式(18)构成一个水电机组的状态递推公式，用于系统的逐时段调度。
有了上述系数已知的不含水库水量的水电机组出力模型，接下来需要对历史入库流量进行预测，考虑到本发明是对水电站中长期出力建模，所以入库流量收到季节影响较大，导致出现丰平枯现象，这里采用聚类ARIMA进行预测，通过聚类算法先将时间序列划分为趋势一致的不同区段，在每个区段内使用ARIMA算法进行模型；具体预测效果如图7所示。
有了预测入库流量，可以根据历史入库流量和发电流量关系，假定水库容量不变计算出预测发电流量，预测发电流量如图8所示；根据公式10得出水电机组中长期预测出力，如图9所示。
综上所述，本发明一种水电机组中长期发电优化方法及系统，建立了一套水电机组中长期出力模型，模型不含有难以测量的水库水量，实际工程需要为出发点，采用从电站可以轻松获取的全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量等信息，利用本发明方法可以避免繁杂的计算过程，建立符合电站特性的水电机组中长期模型。通过得到的预测出力值结合相关更新策略可以对水电机组参与的多能互补场景可靠性进行规划。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种水电机组中长期发电优化方法，其特征在于，包括以下步骤：
S1、获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
S2、根据步骤S1获取的历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；
S3、根据步骤S2得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
S4、采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure FDA0003152310630000011
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure FDA0003152310630000012
中得到预测发电流量qt；
S5、分别根据步骤S4预测的发电流量qt得到坝上水位
Figure FDA0003152310630000013
坝下水位
Figure FDA0003152310630000014
和综合效率η，根据坝上水位
Figure FDA0003152310630000015
和坝下水位
Figure FDA0003152310630000016
得到净水头
Figure FDA0003152310630000017
根据综合效率η、净水头
Figure FDA0003152310630000018
和预测发电流量qt代入步骤S3建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
2.根据权利要求1所述的方法，其特征在于，步骤S2具体为：
S201、根据步骤S1的坝上水位历史数据和发电流量历史数据拟合坝上水位-流量系数K0、K1、K2、K3；
S202、根据步骤S1的坝下水位、发电流量历史数据拟合坝下水位-流量系数α0、α1、α2；
S203、根据步骤S1的坝上水位-坝下水位历史数据计算净水头；
S204、根据步骤S203的净水头和步骤S1的发电流量历史数据拟合综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5。
3.根据权利要求2所述的方法，其特征在于，步骤S201中，坝上水位
Figure FDA0003152310630000021
具体为：
Figure FDA0003152310630000022
其中，
Figure FDA0003152310630000023
为前一时刻坝上水位值，ΔQt为流量差。
4.根据权利要求2所述的方法，其特征在于，步骤S202中，坝下水位
Figure FDA0003152310630000024
计算如下：
Figure FDA0003152310630000025
其中，Qout,t为t时刻出库流量。
5.根据权利要求2所述的方法，其特征在于，步骤S203中，净水头
Figure FDA0003152310630000026
计算如下：
Figure FDA0003152310630000027
其中，
Figure FDA0003152310630000028
为坝上水位，
Figure FDA0003152310630000029
为坝下水位，
Figure FDA00031523106300000210
为水头损失。
6.根据权利要求2所述的方法，其特征在于，步骤S204中，综合效率
Figure FDA00031523106300000211
计算如下：
Figure FDA00031523106300000212
其中，qt为发电流量，
Figure FDA00031523106300000213
为净水头。
7.根据权利要求1所述的方法，其特征在于，步骤S3中，水电机组出力模型满足的约束条件包括：
发电流量约束公式如下：
qmin≤qt≤qmax
其中，qt为发电流量，qmin为最小发电流量与水轮机特性及水电站出力决定，qmax为最大发电流量与水轮机特性及水电站出力决定；
发电功率约束公式如下：
0≤pt≤R
其中，R为；
水位约束公式如下：
Figure FDA0003152310630000031
Figure FDA0003152310630000032
其中，
Figure FDA0003152310630000033
为坝上水位，
Figure FDA0003152310630000034
为最小坝上水位；
Figure FDA0003152310630000035
为最大坝上水位，
Figure FDA0003152310630000036
为坝下水位，
Figure FDA0003152310630000037
为最小坝下水位；
Figure FDA0003152310630000038
为最大坝下水位。
8.根据权利要求1所述的方法，其特征在于，步骤S4中，发电流量qt为：
Figure FDA0003152310630000039
其中，ΔQ为历史入库流量减去历史发电容量预测发电流量。
9.根据权利要求1所述的方法，其特征在于，步骤S5中，水电机组发电的预测出力pt计算如下：
Figure FDA00031523106300000310
其中，G为水电转换常量；η是水电机组的综合效率系数，
Figure FDA00031523106300000311
表示t时段的水电机组净水头，qt为发电流量。
10.一种水电机组中长期发电优化系统，其特征在于，包括：
数据模块，获取水电站全年发电流量、坝上水位、坝下水位、入库流量、出库流量和发电量历史数据；
系数模块，根据数据模块获取的历史数据拟合坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5；
出力模块，根据系数模块得到的坝上水位-流量系数K0、K1、K2、K3、坝下水位-流量系数α0、α1、α2和综合效率系数ρ0、ρ1、ρ2、ρ3、ρ4、ρ5得到不含水库水量的水电机组出力模型；
预测模块，采用聚类分段ARIMA方法根据历史入库流量数据预测下一年度入库流量
Figure FDA0003152310630000041
根据历史入库流量与历史发电流量的关系，在水库容量固定的情况下，将历史入库流量与历史发电流量的差值叠加到下一年度入库流量
Figure FDA0003152310630000042
中得到预测发电流量qt；
优化模块，分别根据预测模块预测的发电流量qt得到坝上水位
Figure FDA0003152310630000043
坝下水位
Figure FDA0003152310630000044
和综合效率η，根据坝上水位
Figure FDA0003152310630000045
和坝下水位
Figure FDA0003152310630000046
得到净水头
Figure FDA0003152310630000047
根据综合效率η、净水头
Figure FDA0003152310630000048
和预测发电流量qt代入出力模块建立的不含水库水量的水电机组出力模型中计算得到水电机组中长期的预测出力pt，根据水电机组中长期预测出力pt对水电机组中长期发电进行优化。
CN202110769508.8A 2021-07-07 2021-07-07 一种水电机组中长期发电优化方法及系统 Active CN113361818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110769508.8A CN113361818B (zh) 2021-07-07 2021-07-07 一种水电机组中长期发电优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110769508.8A CN113361818B (zh) 2021-07-07 2021-07-07 一种水电机组中长期发电优化方法及系统

Publications (2)

Publication Number Publication Date
CN113361818A true CN113361818A (zh) 2021-09-07
CN113361818B CN113361818B (zh) 2023-09-22

Family

ID=77538619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110769508.8A Active CN113361818B (zh) 2021-07-07 2021-07-07 一种水电机组中长期发电优化方法及系统

Country Status (1)

Country Link
CN (1) CN113361818B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116467562A (zh) * 2023-04-20 2023-07-21 武汉大学 水电站耗水率特性曲线的确定方法及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855393A (zh) * 2012-08-14 2013-01-02 贵州乌江水电开发有限责任公司 一种梯级水电站群水能利用提高率的测算方法及系统
CN103679285A (zh) * 2013-11-29 2014-03-26 河海大学 改善江湖关系的水库群联合运行调度系统及方法
JP2015125665A (ja) * 2013-12-27 2015-07-06 株式会社日立製作所 水系計画装置及び方法
CN105863946A (zh) * 2016-04-05 2016-08-17 华自科技股份有限公司 水电站优化运行控制方法和系统
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
CN109726907A (zh) * 2018-12-21 2019-05-07 南瑞集团有限公司 一种水电站群中长期出力计算方法及系统
WO2019174040A1 (zh) * 2018-03-16 2019-09-19 大连理工大学 一种耦合聚类分析和决策树的梯级水电站群短期发电调度方法
CN111476475A (zh) * 2020-04-01 2020-07-31 贵州黔源电力股份有限公司 多约束条件下梯级水电站短期优化调度方法
CN111667119A (zh) * 2020-06-10 2020-09-15 国网四川省电力公司电力科学研究院 一种水电站milp模型最优代表水头选取方法和系统
CN112036633A (zh) * 2020-08-26 2020-12-04 三峡大学 一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855393A (zh) * 2012-08-14 2013-01-02 贵州乌江水电开发有限责任公司 一种梯级水电站群水能利用提高率的测算方法及系统
CN103679285A (zh) * 2013-11-29 2014-03-26 河海大学 改善江湖关系的水库群联合运行调度系统及方法
JP2015125665A (ja) * 2013-12-27 2015-07-06 株式会社日立製作所 水系計画装置及び方法
CN105863946A (zh) * 2016-04-05 2016-08-17 华自科技股份有限公司 水电站优化运行控制方法和系统
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
WO2019174040A1 (zh) * 2018-03-16 2019-09-19 大连理工大学 一种耦合聚类分析和决策树的梯级水电站群短期发电调度方法
CN109726907A (zh) * 2018-12-21 2019-05-07 南瑞集团有限公司 一种水电站群中长期出力计算方法及系统
CN111476475A (zh) * 2020-04-01 2020-07-31 贵州黔源电力股份有限公司 多约束条件下梯级水电站短期优化调度方法
CN111667119A (zh) * 2020-06-10 2020-09-15 国网四川省电力公司电力科学研究院 一种水电站milp模型最优代表水头选取方法和系统
CN112036633A (zh) * 2020-08-26 2020-12-04 三峡大学 一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
FAHMIDA SHARMIN JUI; SABRINA ALAM; MD. DIDARUL ALAM; SABUJ CHOWD: "A Feasibility Study of Mini Hydroelectric Power", 《2015 INTERNATIONAL CONFERENCE ON ADVANCES IN ELECTRICAL ENGINEERING》 *
FAHMIDA SHARMIN JUI; SABRINA ALAM; MD. DIDARUL ALAM; SABUJ CHOWD: "A Feasibility Study of Mini Hydroelectric Power", 《2015 INTERNATIONAL CONFERENCE ON ADVANCES IN ELECTRICAL ENGINEERING》, 17 December 2015 (2015-12-17) *
王亮;苗树敏;滕予非;王永灿;张弛;杜成锐;王金龙: "基于运行数据的水电站MILP模型最优代表水头选取方法", 《四川电力技术》 *
王亮;苗树敏;滕予非;王永灿;张弛;杜成锐;王金龙: "基于运行数据的水电站MILP模型最优代表水头选取方法", 《四川电力技术》, 20 August 2020 (2020-08-20) *
苟露等: "水电站综合出力系数变化规律及应用研究", 《中国农村水利水电》 *
苟露等: "水电站综合出力系数变化规律及应用研究", 《中国农村水利水电》, no. 06, 15 June 2017 (2017-06-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116467562A (zh) * 2023-04-20 2023-07-21 武汉大学 水电站耗水率特性曲线的确定方法及设备

Also Published As

Publication number Publication date
CN113361818B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN104392274B (zh) 基于用电负荷与温度趋势的城市短期用电负荷预测方法
CN110648249B (zh) 年度电力平衡测算方法、装置及设备
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN106886839B (zh) 基于混合整数规划的水火电机组组合优化调度方法
JP2010239856A (ja) 太陽光発電装置の電気生産量を予測する方法
CN103887813B (zh) 基于风功率预测不确定度的风电系统运行的控制方法
CN104123589A (zh) 一种梯级水电站短期优化调度方法
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
CN105656025A (zh) 提高风电消纳能力的方法
CN113361818B (zh) 一种水电机组中长期发电优化方法及系统
CN112186734B (zh) 一种电力系统中长期运行模拟方法、储存介质及计算设备
CN110880754A (zh) 一种全网受阻电量确定方法和系统
CN108767855A (zh) 一种时序持续混合的电力系统随机生产模拟方法
CN117196668A (zh) 一种基于边际收益大规模新能源基地接入规划方法及系统
CN115858955B (zh) 水电站入库流量及发电量时序分析方法、装置及存储介质
CN112736903A (zh) 一种海岛微网能量优化调度方法及装置
CN112491080A (zh) 一种新能源装机布局规划方法和系统
CN115566680A (zh) 一种新能源电力系统时序生产模拟运行优化方法及装置
CN112242710A (zh) 一种基于场景分析的新能源跨区域消纳方法和系统
CN113394789B (zh) 考虑高比例可再生能源接入的电力系统一体化调度方法
TW201824043A (zh) 運轉計畫擬訂裝置、運轉計畫擬訂方法及記憶媒體
CN110277802B (zh) 一种用于风电场有功功率的实时预测方法及系统
CN111009927A (zh) 一种风电配合压缩空气储能容量优化方法及系统
CN109066791B (zh) 一种风电模拟弃风序列的确定方法和装置
CN111797496B (zh) 一种新能源场站发电出力时间序列构建方法和装置

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