CN114781764A - 一种梯级水电站枯水期调度多模式自适应匹配方法及系统 - Google Patents

一种梯级水电站枯水期调度多模式自适应匹配方法及系统 Download PDF

Info

Publication number
CN114781764A
CN114781764A CN202210703468.1A CN202210703468A CN114781764A CN 114781764 A CN114781764 A CN 114781764A CN 202210703468 A CN202210703468 A CN 202210703468A CN 114781764 A CN114781764 A CN 114781764A
Authority
CN
China
Prior art keywords
hydropower station
power generation
dry season
cascade hydropower
planned
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
CN202210703468.1A
Other languages
English (en)
Other versions
CN114781764B (zh
Inventor
李佳
曲田
钟青祥
闻昕
谭乔凤
吕俞锡
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.)
Hohai University HHU
Guodian Dadu River Hydropower Development Co Ltd
Original Assignee
Hohai University HHU
Guodian Dadu River Hydropower Development 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 Hohai University HHU, Guodian Dadu River Hydropower Development Co Ltd filed Critical Hohai University HHU
Priority to CN202210703468.1A priority Critical patent/CN114781764B/zh
Publication of CN114781764A publication Critical patent/CN114781764A/zh
Application granted granted Critical
Publication of CN114781764B publication Critical patent/CN114781764B/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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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

Abstract

本申请实施例公开了一种梯级水电站枯水期调度多模式自适应匹配方法及系统，属于梯级水电站技术领域，其中，一种梯级水电站枯水期调度多模式自适应匹配方法，包括：获取梯级水电站在枯水期的来水预测信息及总计划发电量；基于来水预测信息及总计划发电量，预测梯级水电站在枯水期的多个时间段的计划发电量及计划水位；基于梯级水电站在枯水期的多个时间段的计划水位判断梯级水电站在枯水期未能完成水位消落任务时，获取总增加发电量，基于总增加发电量、来水预测信息及总计划发电量调整梯级水电站在枯水期的多个时间段的计划发电量及计划水位，具有在枯水期对梯级水电站的发电量及水位进行灵活调整的优点。

Description

一种梯级水电站枯水期调度多模式自适应匹配方法及系统
技术领域
本发明主要涉及梯级水电站技术领域，具体地说，涉及一种梯级水电站枯水期调度多模式自适应匹配方法及系统。
背景技术
水能资源是重要的清洁、可再生资源之一。目前，我国已形成了十四大水电基地，常规水电年发电量13552亿kW·h，如何对大规模电站群进行科学调度，这是工程综合效益能否充分发挥的关键。按照来水的丰沛程度，可将完整调度期划分为枯水期调度和汛期调度。枯水期一般在冬春季节，来水相对平稳、流量较小，调度运行以兴利为主要目标，核心是根据来水、市场等外部环境变化，科学确定各电站消落时机、次序和深度，动态调控各电站水位，实现流域水资源利用综合效益的最大化。现阶段研究大多面向全年或是汛期的优化调度问题，对于枯水期调度的灵活调整的研究尚不充分。
因此，需要一种梯级水电站枯水期调度多模式自适应匹配方法及系统，用于在枯水期对梯级水电站在多个时间段的发电量及水位进行灵活调整。
发明内容
本说明书实施例之一提供一种梯级水电站枯水期调度多模式自适应匹配方法，所述方法包括：获取梯级水电站在枯水期的来水预测信息及总计划发电量；基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位；基于所述梯级水电站在所述枯水期的多个时间段的计划水位判断所述梯级水电站在所述枯水期是否能完成水位消落任务；若所述梯级水电站在所述枯水期未能完成水位消落任务，获取总增加发电量，基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位，包括：通过梯级电站优化模型以所述梯级水电站在所述枯水期的最大发电量、最大经济效益及最小耗水量为目标，基于所述来水预测信息及所述总计划发电量预测所述梯级水电站的所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位，包括：获取模式选择指令；根据所述模式选择指令选择调整模式，其中，所述调整模式为均匀突破模式或集中突破模式；当所述调整模式为所述均匀突破模式时，以将所述总增加发电量均匀分配至所述多个时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量；当所述调整模式为所述集中突破模式时，以将所述总增加发电量分配至最少数量的所述时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述均匀突破模式对应的目标函数为：
Figure 779263DEST_PATH_IMAGE001
；其中，
Figure 758720DEST_PATH_IMAGE002
表示在第t个时间段 内、第i个电站的发电量，
Figure 600774DEST_PATH_IMAGE003
表示在第t个时间段内的市场约束，T表示枯水期的时间段 的总个数，I表示梯级水电站的电站总个数；所述集中突破模式对应的目标函数为：
Figure 199246DEST_PATH_IMAGE004
。
在一些实施例中，所述方法还包括：获取当前时间段的所述梯级水电站的实际发电情况及实际水位情况；基于所述当前时间段的所述梯级水电站的实际发电情况及实际水位情况调整所述梯级水电站在下一时间段的所述计划发电量及所述计划水位。
在一些实施例中，一种梯级水电站枯水期调度多模式自适应匹配系统，所述系统包括：信息获取模块，用于获取梯级水电站在枯水期的来水预测信息及总计划发电量；计划预测模块，用于基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位；任务判断模块，用于基于所述梯级水电站在所述枯水期的多个时间段的计划水位判断所述梯级水电站在所述枯水期是否能完成水位消落任务；计划调整模块，用于在所述梯级水电站在所述枯水期未能完成水位消落任务时，获取总增加发电量，并基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述计划预测模块还用于：通过梯级电站优化模型以所述梯级水电站在所述枯水期的最大发电量、最大经济效益及最小耗水量为目标，基于所述来水预测信息及所述总计划发电量预测所述梯级水电站的所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述计划调整模块还用于：获取模式选择指令；根据所述模式选择指令选择调整模式，其中，所述调整模式为均匀突破模式或集中突破模式；当所述调整模式为所述均匀突破模式时，以将所述总增加发电量均匀分配至所述多个时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量；当所述调整模式为所述集中突破模式时，以将所述总增加发电量分配至最少数量的所述时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
在一些实施例中，所述均匀突破模式对应的目标函数为：
Figure 75935DEST_PATH_IMAGE005
；其中，
Figure 960714DEST_PATH_IMAGE002
表示在第t个时间段 内、第i个电站的发电量，
Figure 555644DEST_PATH_IMAGE003
表示在第t个时间段内的市场约束，T表示枯水期的时间段 的总个数，I表示梯级水电站的电站总个数；所述集中突破模式对应的目标函数为：
Figure 82440DEST_PATH_IMAGE004
。
在一些实施例中，所述计划调整模块还用于：获取当前时间段的所述梯级水电站的实际发电情况及实际水位情况；基于所述当前时间段的所述梯级水电站的实际发电情况及实际水位情况调整所述梯级水电站在下一时间段的所述计划发电量及所述计划水位。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的一种梯级水电站枯水期调度多模式自适应匹配系统的应用场景示意图；
图2是根据本申请一些实施例所示的一种梯级水电站枯水期调度多模式自适应匹配方法的示例性流程图；
图3是根据本申请一些实施例所示的梯级水电站在枯水期的多个时间段的计划水位及实际水位；
图4是根据本申请一些实施例所示的均匀突破模式下梯级水电站在枯水期的多个时间段的计划水位及实际水位；
图5是根据本申请一些实施例所示的集中突破模式下梯级水电站在枯水期的多个时间段的计划水位及实际水位。
图中，110、处理设备；120、网络；130、用户终端；140、存储设备。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种梯级水电站枯水期调度多模式自适应匹配装置的应用场景示意图。
如图1所示，梯级水电站枯水期调度多模式自适应匹配装置可以包括处理设备110、网络120、用户终端130和存储设备140。
在一些实施例中，梯级水电站枯水期调度多模式自适应匹配系统可以根据枯水期的水情和电力市场等滚动预测信息，动态判别未来的消落和发电风险，自动选择和灵活切换调度模式和目标，智能生成并滚动更新各电站水位动态控制和灵活调整策略，在完成汛前消落任务的前提下，提高发电等综合效益。
在一些实施例中，处理设备110可以用于处理与信息查询相关的信息和/或数据。例如，获取梯级水电站在枯水期的来水预测信息及总计划发电量，并基于来水预测信息及总计划发电量，预测梯级水电站在枯水期的多个时间段的计划发电量及计划水位。处理设备110更多的描述可以参见本申请其他部分的描述。例如，图2、3及其描述。
在一些实施例中，处理设备110可以是区域的或者远程的。例如，处理设备110可以通过网络120访问存储于用户终端130和存储设备140中的信息和/或资料。在一些实施例中，处理设备110可以直接与用户终端130和存储设备140连接以访问存储于其中的信息和/或资料。在一些实施例中，处理设备110可以在云平台上执行。例如，该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中，处理设备110可以包含处理器210，处理器210可以包含一个或多个子处理器（例如，单芯处理设备或多核多芯处理设备）。仅仅作为范例，处理器可包含中央处理器（CPU）、专用集成电路（ASIC）、专用指令处理器（ASIP）、图形处理器（GPU）、物理处理器（PPU）、数字信号处理器（DSP）、现场可编程门阵列（FPGA）、可编辑逻辑电路（PLD）、控制器、微控制器单元、精简指令集电脑（RISC）、微处理器等或以上任意组合。
在一些实施例中，处理设备110可以包括信息获取模块，信息获取模块可以用于获取梯级水电站在枯水期的来水预测信息及总计划发电量，关于来水预测信息及总计划发电量的更多描述可以参见图2及其相关描述。
在一些实施例中，处理设备110可以包括计划预测模块，计划预测模块可以用于基于来水预测信息及总计划发电量，预测梯级水电站在枯水期的多个时间段的计划发电量及计划水位，关于计划发电量及计划水位的更多描述可以参见图2及其相关描述。
在一些实施例中，处理设备110可以包括任务判断模块，任务判断模块可以用于基于梯级水电站在枯水期的多个时间段的计划水位判断梯级水电站在枯水期是否能完成水位消落任务，关于判断梯级水电站在枯水期是否能完成水位消落任务的更多描述可以参见图2及其相关描述。
在一些实施例中，处理设备110可以包括计划调整模块，计划调整模块可以用于在梯级水电站在枯水期未能完成水位消落任务时，获取总增加发电量，并基于总增加发电量、来水预测信息及总计划发电量调整梯级水电站在枯水期的多个时间段的计划发电量及计划水位，关于调整梯级水电站在枯水期的多个时间段的计划发电量及计划水位的更多描述可以参见图2及其相关描述。
网络120可促进梯级水电站枯水期调度多模式自适应匹配系统中数据和/或信息的交换。在一些实施例中，梯级水电站枯水期调度多模式自适应匹配系统中的一个或多个组件（例如，处理设备110、用户终端130和存储设备140）可以通过网络120发送数据和/或信息给梯级水电站枯水期调度多模式自适应匹配系统中的其他组件。例如，处理设备110可以通过网络120从存储设备140获取梯级水电站在枯水期的来水预测信息及总计划发电量。在一些实施例中，网络120可以是任意类型的有线或无线网络。例如，网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络（LAN）、广域网络（WAN）、无线区域网络（WLAN）、都会区域网络（MAN）、公共电话交换网络（PSTN）、蓝牙网络、ZigBee网络、近场通讯（NFC）网络等或以上任意组合。在一些实施例中，网络120可以包括一个或多个网络进出点。例如，网络120可以包含有线或无线网络进出点，如基站和/或网际网络交换点，通过这些进出点，梯级水电站枯水期调度多模式自适应匹配系统的一个或多个组件可以连接到网络120上以交换数据和/或信息。
在一些实施例中，用户终端130可以获取梯级水电站枯水期调度多模式自适应匹配系统中的信息或数据。例如，用户终端130可以通过网络120从处理设备110获取梯级水电站在枯水期的多个时间段的计划发电量及计划水位。在一些实施例中，用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中，移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。在一些实施例中，可穿戴装置可以包括智能手环、智能眼镜、智能头盔、智能手表、智能背包、智能手柄等或其任意组合。在一些实施例中，智能行动装置可以包括智能电话、个人数字助理（PDA）、游戏装置、导航装置、POS装置等或其任意组合。
在一些实施例中，存储设备140可以与网络120连接以实现与梯级水电站枯水期调度多模式自适应匹配系统的一个或多个组件（例如，处理设备110、用户终端130等）通讯。梯级水电站枯水期调度多模式自适应匹配系统的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中，存储设备140可以直接与梯级水电站枯水期调度多模式自适应匹配系统中的一个或多个组件（如，处理设备110、用户终端130）连接或通讯。在一些实施例中，存储设备140可以是处理设备110的一部分。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本申请一些实施例所示的一种梯级水电站枯水期调度多模式自适应匹配方法的示例性流程图。如图2所示，一种梯级水电站枯水期调度多模式自适应匹配方法包括下述步骤。在一些实施例中，一种梯级水电站枯水期调度多模式自适应匹配方法可以被实现在处理设备110上。
步骤210，获取梯级水电站在枯水期的来水预测信息及总计划发电量。在一些实施例中，步骤210可以由信息获取模块执行。
在一些实施例中，信息获取模块可以从用户终端130、存储设备140或外部数据源获取梯级水电站在枯水期的来水预测信息及总计划发电量。在一些实施例中，来水预测信息可以为预测在枯水期流动至梯级水电站的水流总量，总计划发电量可以为预测梯级水电站在枯水期的总发电量。在一些实施例中，为了避免时间尺度过长造成的坦化作用、获取更准确的计划发电量及计划水位，来水预测信息可以包括枯水期内每一天的水流总量。
步骤220，基于来水预测信息及总计划发电量，预测梯级水电站在枯水期的多个时间段的计划发电量及计划水位。在一些实施例中，步骤220可以由计划预测模块执行。
在一些实施例中，一个时间段可以为一旬（即10天）。在一些实施例中，计划预测模块可以通过梯级电站优化模型以梯级水电站在枯水期的最大发电量、最大经济效益及最小耗水量为目标，基于来水预测信息及总计划发电量预测梯级水电站在枯水期的多个时间段的计划发电量及计划水位。
在一些实施例中，计划预测模块可以为：
Figure 813636DEST_PATH_IMAGE006
其中，
Figure 869316DEST_PATH_IMAGE007
表示目标函数集，
Figure 685962DEST_PATH_IMAGE008
表示发电量目标函数，
Figure 485291DEST_PATH_IMAGE009
表示发电经济效益目标函数，
Figure 336573DEST_PATH_IMAGE010
表示耗水量目标函数，
Figure 828734DEST_PATH_IMAGE011
表示约束条件集。
在一些实施例中，计划预测模块以最大发电量为目标，即以发电量目标函数最大值为目标：
Figure 132676DEST_PATH_IMAGE012
其中，
Figure 933099DEST_PATH_IMAGE013
为第i个水电站的出力系数；
Figure 904466DEST_PATH_IMAGE014
、
Figure 301949DEST_PATH_IMAGE015
分别是第i个水电站在第t个时间 段内的发电流量和发电水头（即上游蓄水的水平面至水轮机入口的垂直高度，用于表征水 的势能）；
Figure 93188DEST_PATH_IMAGE017
为时间段间隔。
在一些实施例中，计划预测模块以最大经济效益为目标，即以发电经济效益目标函数最大值为目标：
Figure 234319DEST_PATH_IMAGE018
其中，
Figure 794613DEST_PATH_IMAGE019
为第i水电站第t时间段的合同电价，
Figure 628577DEST_PATH_IMAGE020
为第i水电站第t时间段的合同电量，
Figure 907112DEST_PATH_IMAGE021
为第i水电站第t时间段的现货竞价电价，
Figure 851934DEST_PATH_IMAGE022
为第i水电站第t时间段的现货竞价电量，N为梯级水电站的总个数。
在一些实施例中，计划预测模块以最小耗水量为目标，即以耗水量目标函数最小值为目标；
Figure 266735DEST_PATH_IMAGE023
其中，
Figure 271600DEST_PATH_IMAGE024
为第i水电站在第t时间段的发电量，
Figure 912797DEST_PATH_IMAGE025
为第i个水电站在第t个时间段内的发电流量。
在一些实施例中，约束条件集可以包括水量平衡约束、电量平衡约束、电力平衡约束、电站出力约束、流量平衡约束、发电流量约束、下泄流量约束即水位约束。
在一些实施例中，水量平衡约束可以为：
Figure 661310DEST_PATH_IMAGE026
其中，
Figure 196196DEST_PATH_IMAGE027
为第i水电站第t+1时间段水库蓄水量，
Figure 637542DEST_PATH_IMAGE028
为第i水电站第t时间段水库蓄水量；
Figure 625090DEST_PATH_IMAGE029
为第i水电站第t时间段的平均入库流量；
Figure 177294DEST_PATH_IMAGE030
为第i水电站第t时间段的平均出库流量；
Figure 442053DEST_PATH_IMAGE031
为一个时间段的时间长度。
在一些实施例中，电量平衡约束可以为：
Figure 60159DEST_PATH_IMAGE032
其中，
Figure 535003DEST_PATH_IMAGE033
为第i水电站第t时间段出力。
在一些实施例中，电力平衡约束可以为：
Figure 890898DEST_PATH_IMAGE034
其中，
Figure 400377DEST_PATH_IMAGE035
为第t时间段负荷，
Figure 793312DEST_PATH_IMAGE036
为第i水电站在第t时间段负荷。
在一些实施例中，电站出力约束可以为：
Figure 755452DEST_PATH_IMAGE037
其中，
Figure 383879DEST_PATH_IMAGE038
、
Figure 13444DEST_PATH_IMAGE039
为第i水电站第t时间段机组出力上下限。
在一些实施例中，流量平衡约束可以为：
Figure 701914DEST_PATH_IMAGE040
其中，
Figure 151350DEST_PATH_IMAGE041
、
Figure 583468DEST_PATH_IMAGE042
、
Figure 801960DEST_PATH_IMAGE043
分别为第i水电站第t时间段平均出库流量、发电流量和弃水流量。
在一些实施例中，发电流量约束可以为：
Figure 661332DEST_PATH_IMAGE044
其中，
Figure 332484DEST_PATH_IMAGE045
、
Figure 568294DEST_PATH_IMAGE046
为第i水电站第t时间段发电流量上下限。
在一些实施例中，下泄流量约束可以为：
Figure 782237DEST_PATH_IMAGE047
其中，
Figure 812510DEST_PATH_IMAGE048
、
Figure 236538DEST_PATH_IMAGE049
为第i水电站第t时间段下泄流量上下限，
Figure 340537DEST_PATH_IMAGE050
为第i水电站第t时间段的下泄流量。
在一些实施例中，水位约束可以为：
Figure 268042DEST_PATH_IMAGE051
其中，
Figure 469216DEST_PATH_IMAGE052
、
Figure 114961DEST_PATH_IMAGE053
为第i水电站第t时间段水位上下限，
Figure 958152DEST_PATH_IMAGE054
为第i水电站第t时间段水位。
在一些实施例中，信息获取模块可以采取动态规划进行求解，当梯级水电站某一时间段内的总计划发电量给定，梯级水电站的机组间的最优负荷分配符合总耗水最小的准则，可以通过并行动态规划求解：
Figure 5743DEST_PATH_IMAGE055
其中：
t、
Figure 377818DEST_PATH_IMAGE056
分别为时间段序号和时间段数；
Figure 510859DEST_PATH_IMAGE057
为第t时间段水库初始蓄水状态；
Figure 767528DEST_PATH_IMAGE058
为第t时间段水库入库流量；
Figure 669625DEST_PATH_IMAGE059
为第t时间段水库出力；
Figure 478181DEST_PATH_IMAGE060
为第t时间段状态为
Figure 832939DEST_PATH_IMAGE057
时从第t时间段到最后一个时间段的梯级水电站最大发电量；
Figure 752354DEST_PATH_IMAGE061
为第t+1时间段状态为
Figure 774536DEST_PATH_IMAGE057
+1时从第t+1时间段到最后一个时间段的梯级水电站最大发电量；
Figure 488414DEST_PATH_IMAGE062
为第t时间段水库初始蓄水状态为
Figure 596048DEST_PATH_IMAGE057
，入库流量为
Figure 53574DEST_PATH_IMAGE058
，水库出力为
Figure 670543DEST_PATH_IMAGE059
时的梯级水电站发电量；
Figure 820902DEST_PATH_IMAGE063
为第t+1时间段到第t时间段的状态转移方程， 此处取水量平衡方程。
在一些实施例中，信息获取模块还可以采用其他算法进行求解，例如，逐步优化算法（POA，Progress Optimality Algorithem）、遗传算法、大系统分解协调理论等。
步骤230，基于梯级水电站在枯水期的多个时间段的计划水位判断梯级水电站在枯水期是否能完成水位消落任务。在一些实施例中，步骤230可以由任务判断模块执行。
在一些实施例中，水位消落任务可以为梯级水电站对应的水库在枯水期结束前应当将水位降低至预设水位。在一些实施例中，任务判断模块可以基于梯级水电站在枯水期的多个时间段的计划水位判断梯级水电站在枯水期是否能完成水位消落任务，例如，任务判断模块可以基于梯级水电站在枯水期的多个时间段的平均入库流量及平均出库流量判断梯级水电站对应的水库是否能在枯水期结束前将水位降低至预设水位。
在一些实施例中，任务判断模块判断梯级水电站在枯水期能完成水位消落任务时，结合图3，可以以预测的梯级水电站在枯水期的多个时间段的计划发电量及计划水位进行发电工作。
步骤240，若梯级水电站在枯水期未能完成水位消落任务，获取总增加发电量；基于总增加发电量、来水预测信息及总计划发电量调整梯级水电站在枯水期的多个时间段的计划发电量及计划水位。在一些实施例中，步骤240可以由计划调整模块执行。
在一些实施例中，计划调整模块可以从用户终端130、存储设备140或外部数据源获取模式选择指令。
在一些实施例中，计划调整模块可以根据模式选择指令选择调整模式，其中，调整模式为均匀突破模式或集中突破模式，当调整模式为均匀突破模式时，以将总增加发电量均匀分配至多个时间段为目标调整梯级水电站在枯水期的多个时间段的计划发电量；当调整模式为集中突破模式时，以将总增加发电量分配至最少数量的时间段为目标调整梯级水电站在枯水期的多个时间段的计划发电量及计划水位。
在一些实施例中，均匀突破模式对应的目标函数可以为：
Figure 415831DEST_PATH_IMAGE064
；
其中，
Figure 677048DEST_PATH_IMAGE002
表示在第t个时间段内、第i个电站的发电量，
Figure 283610DEST_PATH_IMAGE003
表示在第t个时间段内的市场约束，T表示枯水期的时间段的总个数，I表示梯级水电站的电站总个数；
所述集中突破模式对应的目标函数为：
Figure 604870DEST_PATH_IMAGE065
。
在一些实施例中，结合图4，若梯级水电站在枯水期未能完成水位消落任务，梯级水电站可以以均匀突破模式进行发电工作。在一些实施例中，结合图5，若梯级水电站在枯水期未能完成水位消落任务，梯级水电站可以以集中突破模式进行发电工作。
在一些实施例中，一种梯级水电站枯水期调度多模式自适应匹配方法可以根据枯水期的水情和电力市场等滚动预测信息，动态判别未来的消落和发电风险，自动选择和灵活切换调度模式和目标，智能生成并滚动更新各电站水位动态控制和灵活调整策略，在完成汛前消落任务的前提下，提高发电等综合效益。
在一些实施例中，实际运行结果与调度计划往往存在偏差，并随着时间的推移偏差将会逐渐累积，计划调整模块还可以获取当前时间段的梯级水电站的实际发电情况及实际水位情况，并基于当前时间段的梯级水电站的实际发电情况及实际水位情况调整梯级水电站在下一时间段的计划发电量及计划水位，通过将已进行的上一时间段的实际发电情况及实际水位情况作为未进行的下一个时间段的初始条件，调整梯级水电站在下一时间段的计划发电量及计划水位，依次类推直至枯水期结束，尽可能消除偏差累积带来的影响。在一些实施例中，计划调整模块可以从用户终端130、存储设备140或外部数据源获取当前时间段的梯级水电站的实际发电情况及实际水位情况。
在本申请的另一些实施例中，提供了一种梯级水电站枯水期调度多模式自适应匹配装置，包括至少一个处理设备以及至少一个存储设备；至少一个存储设备用于存储计算机指令，至少一个处理设备用于执行计算机指令中的至少部分指令以实现如上的一种梯级水电站枯水期调度多模式自适应匹配方法。
在本申请的又一些实施例中，提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机指令被处理设备执行时实现如上的梯级水电站枯水期调度多模式自适应匹配方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件（当前或之后附加于本申请中的）也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种梯级水电站枯水期调度多模式自适应匹配方法，其特征在于，包括：
获取梯级水电站在枯水期的来水预测信息及总计划发电量；
基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位；
基于所述梯级水电站在所述枯水期的多个时间段的计划水位判断所述梯级水电站在所述枯水期是否能完成水位消落任务；
若所述梯级水电站在所述枯水期未能完成水位消落任务，
获取总增加发电量；
基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
2.根据权利要求1所述的一种梯级水电站枯水期调度多模式自适应匹配方法，其特征在于，所述基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位，包括：
通过梯级电站优化模型以所述梯级水电站在所述枯水期的最大发电量、最大经济效益及最小耗水量为目标，基于所述来水预测信息及所述总计划发电量预测所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
3.根据权利要求2所述的一种梯级水电站枯水期调度多模式自适应匹配方法，其特征在于，所述基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位，包括：
获取模式选择指令；
根据所述模式选择指令选择调整模式，其中，所述调整模式为均匀突破模式或集中突破模式；
当所述调整模式为所述均匀突破模式时，以将所述总增加发电量均匀分配至所述多个时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量；
当所述调整模式为所述集中突破模式时，以将所述总增加发电量分配至最少数量的时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
4.根据权利要求3所述的一种梯级水电站枯水期调度多模式自适应匹配方法，其特征在于，所述均匀突破模式对应的目标函数为：
Figure 688325DEST_PATH_IMAGE001
；
其中，
Figure 166711DEST_PATH_IMAGE002
表示在第t个时间段内、第i个电站的发电量，
Figure 747865DEST_PATH_IMAGE003
表示在第t个时间段内的市场约束，T表示枯水期的时间段的总个数，I表示梯级水电站的电站总个数；
所述集中突破模式对应的目标函数为：
Figure 17785DEST_PATH_IMAGE004
。
5.根据权利要求1-4任意一项所述的一种梯级水电站枯水期调度多模式自适应匹配方法，其特征在于，还包括：
获取当前时间段的所述梯级水电站的实际发电情况及实际水位情况；
基于所述当前时间段的所述梯级水电站的实际发电情况及实际水位情况调整所述梯级水电站在下一时间段的所述计划发电量及所述计划水位。
6.一种梯级水电站枯水期调度多模式自适应匹配系统，其特征在于，包括：
信息获取模块，用于获取梯级水电站在枯水期的来水预测信息及总计划发电量；
计划预测模块，用于基于所述来水预测信息及所述总计划发电量，预测所述梯级水电站在所述枯水期的多个时间段的计划发电量及计划水位；
任务判断模块，用于基于所述梯级水电站在所述枯水期的多个时间段的计划水位判断所述梯级水电站在所述枯水期是否能完成水位消落任务；
计划调整模块，用于在所述梯级水电站在所述枯水期未能完成水位消落任务时，获取总增加发电量，并基于所述总增加发电量、所述来水预测信息及总计划发电量调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
7.根据权利要求6所述的一种梯级水电站枯水期调度多模式自适应匹配系统，其特征在于，所述计划预测模块还用于：
通过梯级电站优化模型以所述梯级水电站在所述枯水期的最大发电量、最大经济效益及最小耗水量为目标，基于所述来水预测信息及所述总计划发电量预测所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
8.根据权利要求7所述的一种梯级水电站枯水期调度多模式自适应匹配系统，其特征在于，所述计划调整模块还用于：
获取模式选择指令；
根据所述模式选择指令选择调整模式，其中，所述调整模式为均匀突破模式或集中突破模式；
当所述调整模式为所述均匀突破模式时，以将所述总增加发电量均匀分配至所述多个时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量；
当所述调整模式为所述集中突破模式时，以将所述总增加发电量分配至最少数量的时间段为目标调整所述梯级水电站在所述枯水期的所述多个时间段的所述计划发电量及所述计划水位。
9.根据权利要求8所述的一种梯级水电站枯水期调度多模式自适应匹配系统，其特征在于，所述均匀突破模式对应的目标函数为：
Figure 684389DEST_PATH_IMAGE005
；
其中，
Figure 904149DEST_PATH_IMAGE002
表示在第t个时间段内、第i个电站的发电量，
Figure 339810DEST_PATH_IMAGE003
表示在第t个时间段内的市场约束，T表示枯水期的时间段的总个数，I表示梯级水电站的电站总个数；
所述集中突破模式对应的目标函数为：
Figure 49140DEST_PATH_IMAGE006
。
10.根据权利要求6-9任意一项所述的一种梯级水电站枯水期调度多模式自适应匹配系统，其特征在于，所述计划调整模块还用于：
获取当前时间段的所述梯级水电站的实际发电情况及实际水位情况；
基于所述当前时间段的所述梯级水电站的实际发电情况及实际水位情况调整所述梯级水电站在下一时间段的所述计划发电量及所述计划水位。
CN202210703468.1A 2022-06-21 2022-06-21 一种梯级水电站枯水期调度多模式自适应匹配方法及系统 Active CN114781764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210703468.1A CN114781764B (zh) 2022-06-21 2022-06-21 一种梯级水电站枯水期调度多模式自适应匹配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210703468.1A CN114781764B (zh) 2022-06-21 2022-06-21 一种梯级水电站枯水期调度多模式自适应匹配方法及系统

Publications (2)

Publication Number Publication Date
CN114781764A true CN114781764A (zh) 2022-07-22
CN114781764B CN114781764B (zh) 2022-10-18

Family

ID=82420378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210703468.1A Active CN114781764B (zh) 2022-06-21 2022-06-21 一种梯级水电站枯水期调度多模式自适应匹配方法及系统

Country Status (1)

Country Link
CN (1) CN114781764B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006021125A1 (en) * 2004-08-27 2006-03-02 Eidgenössische Technische Hochschule Zürich System for controlling hydroelectric power plants
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法
CN106682810A (zh) * 2016-11-17 2017-05-17 三峡大学 巨型水电站动态投产下跨流域梯级水电站群长期运行方法
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
CN110472825A (zh) * 2019-07-09 2019-11-19 贵州黔源电力股份有限公司 一种多级调度机构协调的梯级水电站实时调度弃水削减方法
CN111555355A (zh) * 2020-05-26 2020-08-18 南京工程学院 水光蓄联合发电的调度策略及其优化方法
CN112581310A (zh) * 2020-12-10 2021-03-30 四川大汇大数据服务有限公司 梯级水电站群发电指标分配方法
CN112785454A (zh) * 2020-12-25 2021-05-11 国电大渡河流域水电开发有限公司 一种梯级水电站汛期智能调度方法及决策支持系统
CN114386760A (zh) * 2021-12-09 2022-04-22 贵州黔源电力股份有限公司 一种考虑光伏接入条件下的梯级水电站蓄能调度方法
CN114548666A (zh) * 2022-01-11 2022-05-27 华电福新能源有限公司池潭水力发电厂 一种考虑调峰深度的梯级水电站短期发电计划制作方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006021125A1 (en) * 2004-08-27 2006-03-02 Eidgenössische Technische Hochschule Zürich System for controlling hydroelectric power plants
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法
CN106682810A (zh) * 2016-11-17 2017-05-17 三峡大学 巨型水电站动态投产下跨流域梯级水电站群长期运行方法
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
CN110472825A (zh) * 2019-07-09 2019-11-19 贵州黔源电力股份有限公司 一种多级调度机构协调的梯级水电站实时调度弃水削减方法
CN111555355A (zh) * 2020-05-26 2020-08-18 南京工程学院 水光蓄联合发电的调度策略及其优化方法
CN112581310A (zh) * 2020-12-10 2021-03-30 四川大汇大数据服务有限公司 梯级水电站群发电指标分配方法
CN112785454A (zh) * 2020-12-25 2021-05-11 国电大渡河流域水电开发有限公司 一种梯级水电站汛期智能调度方法及决策支持系统
CN114386760A (zh) * 2021-12-09 2022-04-22 贵州黔源电力股份有限公司 一种考虑光伏接入条件下的梯级水电站蓄能调度方法
CN114548666A (zh) * 2022-01-11 2022-05-27 华电福新能源有限公司池潭水力发电厂 一种考虑调峰深度的梯级水电站短期发电计划制作方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JIE LI 等: "Operation Rules Optimization of Cascade Reservoirs Based on Multi-Objective Tangent Algorithm", 《IEEE ACCESS》 *
XIN WEN 等: "Optimizing the sizes of wind and photovoltaic plants complementarily operating with cascade hydropower stations: Balancing risk and benefit", 《APPLIED ENERGY》 *
刘红岭等: "季调节水电站枯水期调度研究", 《云南电力技术》 *
吴洋 等: "电力市场环境下梯级水电站长期优化调度方法", 《水力发电》 *
谭乔凤 等: "大规模风光接入下梯级水电站调度方式研究", 《水力发电学报》 *

Also Published As

Publication number Publication date
CN114781764B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
JP6765567B2 (ja) 発電システム及びエネルギー生成システム
CN111466063B (zh) 储能管理及控制方法、系统、计算机设备、存储介质
Yamin Review on methods of generation scheduling in electric power systems
WO2017000853A1 (zh) 主动配电网多时间尺度协调优化调度方法和存储介质
CN110516843B (zh) 一种虚拟电厂容量优化方法、设备以及系统
CN114781764B (zh) 一种梯级水电站枯水期调度多模式自适应匹配方法及系统
Kang et al. Deep learning-based sustainable data center energy cost minimization with temporal MACRO/MICRO scale management
CN107025610A (zh) 一种数据中心成本优化方法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN115549204A (zh) 一种微电网群双层分布式集群调峰方法及装置
CN115833101A (zh) 电力调度方法、装置、电子设备和存储介质
CN109409604A (zh) 一种基于遗传算法-支持向量机的冷负荷预测方法
CN116054270A (zh) 电网调度优化方法、装置和非易失性存储介质
CN114784884B (zh) 一种基于调度模型的梯级水电站调度方法及系统
CN108667031B (zh) 一种基于实时滚动窗口的家庭用电调度优化方法
CN108418213B (zh) 一种基于源荷互动电力系统调度的方法
CN205263860U (zh) 一种基于遗传算法优化神经网络的风电功率预测系统
CN113298329A (zh) 训练、策略生成方法、系统、计算机装置及存储介质
CN203930925U (zh) 一种高炉煤气预测平衡调度系统
CN109871983A (zh) 一种电力能源管理系统
CN117893360B (zh) 一种智慧能源控制方法及系统
CN115800275B (zh) 电力平衡调控配电方法、系统、设备及存储介质
Baliyan et al. Predictive Analytics for Energy Forecasting and Optimization
CN116073377B (zh) 基于双向调节的主配网交互协同方法及系统
KR102191091B1 (ko) 실시간 부하 변동 대응을 위한 적응형 타임 스케일링 기반 분산전원 운영 방법 및 시스템

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