CN114839943B - 一种梯级电站闸门控制策略生成和滚动优化方法及系统 - Google Patents
一种梯级电站闸门控制策略生成和滚动优化方法及系统 Download PDFInfo
- Publication number
- CN114839943B CN114839943B CN202210776676.4A CN202210776676A CN114839943B CN 114839943 B CN114839943 B CN 114839943B CN 202210776676 A CN202210776676 A CN 202210776676A CN 114839943 B CN114839943 B CN 114839943B
- Authority
- CN
- China
- Prior art keywords
- water level
- power station
- interval
- reservoir
- simulation
- 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.)
- Active
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000005096 rolling process Methods 0.000 title claims abstract description 10
- 238000005457 optimization Methods 0.000 title claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 246
- 238000004088 simulation Methods 0.000 claims abstract description 94
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000003860 storage Methods 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000010248 power generation Methods 0.000 claims description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 6
- 241000764238 Isis Species 0.000 claims description 4
- 230000000670 limiting effect Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims 1
- 238000011105 stabilization Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 23
- 150000001875 compounds Chemical class 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种梯级电站闸门控制策略生成和滚动优化方法及系统,属于电站优化调度技术领域,其中,所述方法包括:预测梯级电站的未来负荷;通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;判断水库的最终水位是否满足水位控制目标,否不满通过闸门开度智能决策模型根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略;通过闸门开度智能决策模型,根据梯级电站的实际调度信息和/或水情预报信息的更新,对最优闸门控制策略进行更新,生成逐时段闸门控制策略,具有减轻调度人员压力,提高调度决策科学化水平的优点。
Description
技术领域
本发明主要涉及电站优化调度技术领域,具体地说,涉及一种梯级电站闸门控制策略生成和滚动优化方法及系统。
背景技术
电站调度方案是流域集控的核心业务,也是指导电力生产和工程调度的关键依据。现有的汛期电站调度运行技术多针对电站或机组层面,闸门调度工作仍相对独立,主要依靠人工经验进行调度决策,自动化程度不高,特别是在汛期防洪调度中闸门操作频繁,由此带来了一系列诸如水库安全、水资源利用效率和机组、闸门设备操作频繁等问题。
因此,需要提供一种梯级电站闸门控制策略生成和滚动优化方法及系统,用于在保障流域安全、提高经济效益的前提下,进行梯级电站闸门的控制策略生成和滚动优化,减轻调度人员压力,提高调度决策科学化水平。
发明内容
为了解决现有技术中,主要依靠人工经验进行调度决策,自动化程度不高,特别是在汛期防洪调度中闸门操作频繁,由此带来了一系列诸如水库安全、水资源利用效率和机组、闸门设备操作频繁等问题,本说明书实施例之一提供一种梯级电站闸门控制策略生成和滚动优化方法,包括:预测梯级电站的未来负荷;基于所述梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立所述梯级电站的水位模拟推演模型;通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;建立闸门开度智能决策模型;通过所述闸门开度智能决策模型基于所述模拟推演结果,判断所述水库的最终水位是否满足水位控制目标;若满足所述水位控制目标,则维持当前闸门开度;若不满足所述水位控制目标,通过所述闸门开度智能决策模型根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略;通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略。
在一些实施例中,所述预测梯级电站在未来时间区间的未来负荷,包括:通过典型解集模型预测梯级电站在未来时间区间的未来负荷。
在一些实施例中,所述通过典型解集模型预测梯级电站在未来时间区间的未来负荷,包括:预测待预测日的日电量;基于历史数据,获取96点分配系数序列;基于所述96点分配系数序列及所述日电量,获取所述待预测日的96点负荷预测值。
在一些实施例中,所述通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果,包括:通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,进行水库单元模拟、区间河道模拟及流达滞时率定,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结。
在一些实施例中,进行所述水库单元模拟,包括:对于所述梯级电站的每个水库,根据所述水库的初库容、入库流量库及平均出库流量,确定所述水库的水位。
在一些实施例中,进行所述区间河道模拟,包括:对于所述梯级电站的每个水库,根据水量平衡原理,根据所述水库的区间径流之和、出库流量及上游水库的出库流量,建立河道模拟模型。
在一些实施例中,进行所述流达滞时率定,包括:采用灰色关联度模型对各电站间汛期的流量传播滞时进行分析,同时采用峰谷法对各河段的流量量级和滞时相关性进行分析。
在一些实施例中,所述根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,包括;预先建立多种闸门控制策略;通过所述闸门开度智能决策模型根据所述未来负荷,以闸门少动和水位平稳作为目标,从多种闸门控制策略搜索所述最优闸门控制策略。
在一些实施例中,所述通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略,包括;通过所述闸门开度智能决策模型,根据所述梯级电站在当前时段的实际调度信息和/或所述水情预报信息在当前时段的更新,生成至少一个未来时段的闸门控制参数。
本说明书实施例之一提供一种梯级电站闸门控制策略生成和滚动优化系统,包括:负荷预测模块,用于预测梯级电站的未来负荷;推演模拟模块,用于基于所述梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立所述梯级电站的水位模拟推演模型,还用于通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,耦合市场信息预测模型结果,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;调度优化模块,用于建立闸门开度智能决策模型,还用于通过所述闸门开度智能决策模型基于所述模拟推演结果,判断所述水库的最终水位是否满足水位控制目标,还用于在所述水库的最终水位不满足所述水位控制目标时,根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,还用于通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略。
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电站闸门控制策略生成和滚动优化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电站闸门控制策略生成和滚动优化系统的示例性框图;
图3是根据本申请一些实施例所示的一种梯级电站闸门控制策略生成和滚动优化方法的示例性流程图;
图4是根据本申请一些实施例所示的某电站1个月内的调度水位过程图;
图5是根据本申请一些实施例所示的某电站1个月内的调度流量过程图;
图6是根据本申请一些实施例所示的某电站1个月内的闸门开度过程图。
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电站闸门控制策略生成和滚动优化系统的应用场景示意图。
如图1所示,应用场景可以包括处理设备110、网络120、用户终端130和存储设备140。
在一些实施例中,处理设备110可以用于处理与梯级电站闸门控制策略生成和滚动优化相关的信息和/或数据。例如,处理设备110可以预测梯级电站的未来负荷;基于梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立梯级电站的水位模拟推演模型;通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;建立闸门开度智能决策模型;通过闸门开度智能决策模型基于模拟推演结果,判断水库的最终水位是否满足水位控制目标;若不满足水位控制目标,通过闸门开度智能决策模型根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略;通过闸门开度智能决策模型,根据梯级电站的实际调度信息和/或水情预报信息的更新,对最优闸门控制策略进行更新,生成逐时段闸门控制策略。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,处理器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。
网络120可促进应用场景中数据和/或信息的交换。在一些实施例中,应用场景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/或信息给应用场景中的其他组件。例如,存储设备140存储的梯级电站的调度参数及机组闸门的运行要求可以通过网络120传输至处理设备110。又例如,处理设备110可以通过网络120将最优闸门控制策略传输至用户终端130。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,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,存储设备140可以与网络120连接以实现与应用场景的一个或多个组件(例如,处理设备110、用户终端130等)通讯。应用场景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可以直接与应用场景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电站闸门控制策略生成和滚动优化系统的示例性框图。
如图2所示,一种梯级电站闸门控制策略生成和滚动优化系统可以包括负荷预测模块、推演模拟模块及调度优化模块。
负荷预测模块可以用于预测梯级电站的未来负荷。
推演模拟模块可以用于基于梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立梯级电站的水位模拟推演模型,还用于通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,耦合市场信息预测模型结果,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果。
调度优化模块可以用于建立闸门开度智能决策模型,还用于通过闸门开度智能决策模型基于模拟推演结果,判断水库的最终水位是否满足水位控制目标,还用于在水库的最终水位不满足水位控制目标时,根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,还用于通过闸门开度智能决策模型,根据梯级电站的实际调度信息和/或水情预报信息的更新,对最优闸门控制策略进行更新,生成逐时段闸门控制策略。关于负荷预测模块、推演模拟模块及调度优化模块的更多描述可以参见图2及其相关描述,此处不再赘述。
图3是根据本申请一些实施例所示的一种梯级电站闸门控制策略生成和滚动优化方法的示例性流程图。如图3所示,一种梯级电站闸门控制策略生成和滚动优化方法包括下述步骤。在一些实施例中,一种梯级电站闸门控制策略生成和滚动优化方法可以被实现在处理设备110或梯级电站闸门控制策略生成和滚动优化系统上。
步骤310,预测梯级电站的未来负荷。在一些实施例中,步骤310可以由负荷预测模块执行。
未来负荷可以为梯级电站在未来一段时间的负荷,例如,梯级电站在未来十天的负荷。
在一些实施例中,负荷预测模块可以通过典型解集模型预测梯级电站在未来时间区间的未来负荷。
在一些实施例中,通过典型解集模型预测梯级电站在未来时间区间的未来负荷,可以包括:
预测待预测日的日电量,其中,待预测日可以为未来负荷对应的未来一段时间的一天,日电量序列可以表征梯级电站在该预测日的多个时段的发电量;可以理解的,可以将一天分为96个时段,其中,每个时段的长度为15分钟,在一些实施例中,负荷预测模块可以通过发电计划确定待预测日的日电量序列;
基于历史数据,获取96点分配系数序列;
基于96点分配系数序列及日电量序列,获取待预测日的96点负荷预测值。
在一些实施例中,基于历史数据,获取96点分配系数序列,可以包括:
获取梯级水电站在过去某一天的实际发电量;
获取梯级水电站在该天的96点实际负荷序列;
基于实际发电量及96点实际负荷序列确定96点分配系数序列,其中,对于每个点,可以先计算梯级水电站在该点的完成电量值,例如,将该点的实际负荷乘0.25h确定梯级水电站在该点的完成电量值,将该点的完成电量值与梯级水电站在过去该天的实际发电量的比值作为该点对应的分配系数。
步骤320,基于梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立梯级电站的水位模拟推演模型。在一些实施例中,步骤320可以由推演模拟模块执行。
在一些实施例中,梯级电站的调度参数,可以包括:
电站的水位上限,电站调度过程中可接受的最高水位,可根据不同工况与调度模式进行灵活设置;
电站的水位下限,电站调度过程中可接受的最低水位,可根据不同工况与调度模式进行灵活设置;
电站的最大下泄流量,电站调度过程中可接受的最大下泄,可根据不同工况与调度模式进行灵活设置;
电站最小下泄流量,电站调度过程中可接受的最小下泄流量,可根据不同工况与调度模式进行灵活设置;
电站最大出力约束,电站调度过程中可承担的最大负荷;
电站最小出力约束,电站调度过程中考虑生态流量等条件的最小负荷。
在一些实施例中,机组闸门的运行要求,可以包括:
闸门对称开启要求,各电站各泄流设施闸门启闭需均匀对称;
闸门最大开度,各电站调度运行中闸门可接受的最大开度;
机组振动区约束,电站各机组在运行中应避免负荷落入振动区运行;
爬坡约束,单位时间内各机组负荷增长的最大速率;
机组最大开机时间,各机组最大连续开机时间;
机组最短开停机时间,各机组最短停机时间和最短开机时间。
步骤330,通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果。在一些实施例中,步骤330可以由推演模拟模块执行。
在一些实施例中,推演模拟模块可以通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,进行水库单元模拟、区间河道模拟及流达滞时率定,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果。
在一些实施例中,水库单元模拟是基于第一水量平衡原理,模拟计算出水库单元模拟调度中涉及的参数:
第一水平平衡原理可以通过下式表示:
其中,V0为初库容,q为入库流量,V1为末库容,Q为平均出库流量。在一些实施例中,平均出库流量可以包括发电流量和泄洪流量。
在一些实施例中,发电流量和泄洪流量可以分别根据预测负荷以及闸门开度进行模拟计算,具体为:
步骤22,将对应的库容作为时段末库容,已知时段初库容、时段末库容及时段30min,可得出库流量。由出库流量可查尾水水位流量关系曲线得出电站尾水位高程,可以计算出发电水头。出库流量减去泄洪流量可得发电流量。已知发电水头及发电流量,可得此时出力。同理可得试算区间上下限、作为时段末水位的最大出力和最小出力;
步骤23,计算出力与目标出力的差值。若的绝对值小于允许误差,则此时的时段末水位为。若的绝对值大于允许误差。则计算出区间上下限和分别与目标出力之间的差值力 和。若此时的 ×<0,则说明目标出力在区间(,)之间,再以水位作为区间上限,水位作为区间下限,取此时区间的平均值作为时段末水位;若此时的×>0,则说明目标出力在区间(,)之间,再以水位作为区间下限,水位作为区间上限,取此时区间的平均值作为时段末水,重新进行上述步骤21-23开始计算,直至找到试算所得出力与目标出力的差值小于允许误差的解。
在一些实施例中,区间河道模拟根据水库将梯级水电站所在流域的河道进行分段,则对于某一段河道,其下游水库入库流量等于上游水库出库流量与区间径流之和。因此可得第二水量平衡公式:
在一些实施例中,当水库单元模拟计算时段较短时,区间河道单元模拟需考虑相邻两库间流量的传播时间(即流达滞时)时,即
在一些实施例中,各站流达滞时率定采用灰色关联分析法对各电站区间的流量平均传播滞时进行计算,分析指标采用灰色速率关联度。其中灰色关联分析法是根据因素之间发展趋势的相似或相异程度,作为衡量因素间关联程度的一种方法。灰色系统理论提出了对各子系统进行灰色关联度分析的概念,意图透过一定的方法,去寻求系统中各子系统(或因素)之间的数值关系。因此,灰色关联度分析为一个系统发展变化态势提供了量化的度量,非常适合动态历程分析,常被用于河渠流量滞时的计算。
在一些实施例中,考虑实际中,部分河段距离较长、汇流特性复杂,流量传播滞时受流量量级影响较大,峰(谷)值分析是根据上下游峰(谷)值出现时刻率定各站间流量传播时间,可以很好的反映流量量级与传播滞时的关系。因此针对该情况,可采用峰(谷)值分析法,用200m³/s为步长划分量级,得到这部分河段的流量量级与传播滞时的关系。
步骤340,建立闸门开度智能决策模型。在一些实施例中,步骤320可以由推演模拟模块执行。
在一些实施例中,闸门开度智能决策模型可以包括但不限于卷积神经网络(Convolutional Neural Networks, CNN)模型、长短记忆循环神经网络(Long Short-TermMemory,LSTM)模型、双向长短记忆循环神经网络(Bi-directional Long Short-TermMemory,Bi-LSTM)模型、ResNet、ResNeXt、SE-Net、DenseNet、MobileNet、ShuffleNet、RegNet、EfficientNet、Inception等。
步骤340,通过闸门开度智能决策模型基于模拟推演结果,判断水库的最终水位是否满足水位控制目标。在一些实施例中,步骤320可以由推演模拟模块执行。
水位控制目标可以表征各电站的水位要求。在一些实施例中,水位控制目标可以人为预设。
在一些实施例中,水位控制目标可以各电站的水位最低阈值。当电站水库的水位低于对应的水位最低阈值时,则水库的最终水位不满足水位控制目标,相反,当电站水库的水位高于对应的水位最低阈值时,则水库的最终水位满足水位控制目标。
步骤350,若满足水位控制目标,则梯级电站可以维持当前闸门开度。
步骤360,若不满足水位控制目标,通过闸门开度智能决策模型根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略。在一些实施例中,步骤360可以由推演模拟模块执行。
在一些实施例中,可以预先建立有闸门操作策略总表,闸门操作策略总表可以汇总有多种闸门控制策略。对于每种闸门控制策略,其由四个部分构成,即水位、闸门组合、各闸门开度即闸门泄洪量。在一些实施例中,可以以0.1m为步长离散各电站正常蓄水位至死水位之间的水位区间。可以理解的,不同水位下,闸门可行组合方案也不同。因此需要根据闸门运行方式与运行要求,分析不同水位下的闸门可行组合。在确定不同水位下的可行闸门组合的基础上,将各闸门开度以0.1m为步长进行离散。考虑到折冲水流对电站安全运行的不利影响,当各电站需要开启多个闸门,保证多个闸门开度一致。对于不同的水位、闸门组合、闸门开度组合方案,利用各泄流设施的闸门泄流曲线推求各方案下各闸门泄流量之和。
在一些实施例中,对多种闸门控制策略,推演模拟模块可以优先选择未来一段时间内闸门动作次数最少的闸门控制策略作为最优闸门控制策略。在一些实施例中,若出现多种闸门控制策略满足闸门少动的要求,则选择使电站水位最平稳的闸门控制策略作为最优闸门控制策略。若当前时段无可行闸门控制策略,则提前闸门调整时刻。
在一些实施例中,闸门开度智能决策模型的目标函数如下:
式中,F1为闸门开度智能决策模型的第一目标函数,F2为闸门开度智能决策模型的第二目标函数,n为t时段内的第j时刻闸门动作次数,若闸门进行动作,则n为1,否则n为0;m为闸门调整时刻;为闸门起调时刻的初水位;为调整闸门后各时段电站水位。
更进一步的,闸门开度智能决策模型的约束条件可以包括水量平衡约束、电量平衡约束、电站出力约束、流量平衡约束、发电流量约束、下泄流量约束、水位约束、出库流量变幅约束。
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:
水位约束:
出库流量变幅约束:
可以理解的,确定了最优闸门控制策略后,梯级水电站的闸门可以根据该最优闸门控制策略进行运行。
步骤370,通过闸门开度智能决策模型,根据梯级电站的实际调度信息和/或水情预报信息的更新,对最优闸门控制策略进行更新,生成逐时段闸门控制策略。在一些实施例中,步骤370可以由推演模拟模块执行。
在一些实施例中,推演模拟模块可以通过闸门开度智能决策模型,根据梯级电站在当前时段的实际调度信息和/或水情预报信息在当前时段的更新,生成至少一个未来时段的闸门控制参数。
例如,在上一个时段,闸门开度智能决策模型判断维持当前闸门开度,在下一个时段,闸门开度智能决策模型可以根据梯级电站的实际调度信息和/或水情预报信息的更新,判断水库的最终水位不满足水位控制目标,通过闸门开度智能决策模型根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略。
又例如,在第一个时段初,根据此时的来水预报和负荷预测,在此时段的初水位与闸门初始开度的基础上,对电站未来电站状态进行模拟推演,可得到未来水位、出库流量过程线,闸门运用方式;待进入第二个时段后,根据更新后水情预测信息和此时的电站初水位和闸门初始运用方式继续模拟推演未来电站状态,并更新水位、出库流量过程线与闸门运用方式。
图4示出了某电站1个月内的调度水位过程,图5示出了某电站1个月内的调度流量过程,图6示出了某电站1个月内的闸门开度过程图,如图4-图6所示,梯级电站闸门控制策略生成和滚动优化方法可以实现电站闸门控制,并使得电站在调度过程中的水位符合预设的目标水位。
在一些实施例中,一种梯级电站闸门控制策略生成和滚动优化方法,通过预测梯级电站的未来负荷;基于梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立梯级电站的水位模拟推演模型;通过水位模拟推演模型,根据梯级电站的和水情预报信息和各电站的初始状态,推演梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;建立闸门开度智能决策模型;通过闸门开度智能决策模型基于模拟推演结果,判断水库的最终水位是否满足水位控制目标;若满足水位控制目标,则维持当前闸门开度;若不满足水位控制目标,通过闸门开度智能决策模型根据未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,实现在梯级电站闸门运行中,无需依靠人工经验进行调度决策,提高了水库安全、水资源利用效率,减少了机组、闸门设备操作频繁等情况,保障了流域安全、提高了经济效益,减轻了调度人员压力,提高调度决策科学化水平。更进一步地,该方法可以通过闸门开度智能决策模型,根据梯级电站的实际调度信息和/或水情预报信息的更新,对最优闸门控制策略进行更新,生成逐时段闸门控制策略,使得闸门控制策略可以根据实际情况进行灵活调整,避免了最优闸门控制策略与实际操作之间的偏差的累积,最终导致闸门开度智能决策模型确定的最优闸门控制策略无效的情况。
在本申请的另一些实施例中,提供了一种梯级电站闸门控制策略生成和滚动优化装置,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电站闸门控制策略生成和滚动优化方法。
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电站闸门控制策略生成和滚动优化方法。
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。
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)
1.一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,包括:
预测梯级电站的未来负荷;
基于所述梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立所述梯级电站的水位模拟推演模型;
通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;
建立闸门开度智能决策模型;
通过所述闸门开度智能决策模型基于所述模拟推演结果,判断所述水库的最终水位是否满足水位控制目标;
若满足所述水位控制目标,则维持当前闸门开度;
若不满足所述水位控制目标,通过所述闸门开度智能决策模型根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略;
通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略;
其中,所述通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果,包括:
通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,进行水库单元模拟、区间河道模拟及流达滞时率定,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;
所述进行水库单元模拟,基于第一水量平衡原理,模拟计算出水库单元模拟调度中涉及的参数:
第一水平平衡原理通过下式表示:
其中,V0为初库容,q为入库流量,V1为末库容,Q为平均出库流量,所述平均出库流量包括发电流量和泄洪流量;
所述发电流量和所述泄洪流量分别根据预测负荷以及闸门开度进行模拟计算,包括:
步骤22,将对应的库容作为时段末库容,已知时段初库容、时段末库容及时段30min,确定出库流量,由出库流量查尾水水位流量关系曲线得出电站尾水位高程,计算出发电水头,出库流量减去泄洪流量得到发电流量,根据发电水头及发电流量,确定此时出力,并确定得试算区间上下限、作为时段末水位的最大出力和最小出力;
2.根据权利要求1所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,所述预测梯级电站在未来时间区间的未来负荷,包括:
通过典型解集模型预测梯级电站在未来时间区间的未来负荷。
3.根据权利要求2所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,所述通过典型解集模型预测梯级电站在未来时间区间的未来负荷,包括:
预测待预测日的日电量;
基于历史数据,获取96点分配系数序列;
基于所述96点分配系数序列及所述日电量序列,获取所述待预测日的96点负荷预测值。
4.根据权利要求1所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,进行所述水库单元模拟,包括:
对于所述梯级电站的每个水库,根据所述水库的初库容、入库流量库及平均出库流量,确定所述水库的水位。
5.根据权利要求1所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,进行所述区间河道模拟,包括:
对于所述梯级电站的每个水库,根据水量平衡原理,根据所述水库的区间径流之和、出库流量及上游水库的出库流量,建立河道模拟模型。
6.根据权利要求1所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,进行所述流达滞时率定,包括:
采用灰色关联度模型对各电站间汛期的流量传播滞时进行分析,同时采用峰谷法对各河段的流量量级和滞时相关性进行分析。
7.根据权利要求1-3任意一项所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,所述根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,包括;
预先建立多种闸门控制策略;
通过所述闸门开度智能决策模型根据所述未来负荷,以闸门少动和水位平稳作为目标,从多种闸门控制策略搜索所述最优闸门控制策略。
8.根据权利要求1-3任意一项所述的一种梯级电站闸门控制策略生成和滚动优化方法,其特征在于,所述通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略,包括;
通过所述闸门开度智能决策模型,根据所述梯级电站在当前时段的实际调度信息和/或所述水情预报信息在当前时段的更新,生成至少一个未来时段的闸门控制参数。
9.一种梯级电站闸门控制策略生成和滚动优化系统,其特征在于,包括:
负荷预测模块,用于预测梯级电站的未来负荷;
推演模拟模块,用于基于所述梯级电站的调度参数及机组闸门的运行要求形成约束条件,建立所述梯级电站的水位模拟推演模型,还用于通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,耦合市场信息预测模型结果,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;
调度优化模块,用于建立闸门开度智能决策模型,还用于通过所述闸门开度智能决策模型基于所述模拟推演结果,判断所述水库的最终水位是否满足水位控制目标,还用于在所述水库的最终水位不满足所述水位控制目标时,根据所述未来负荷,以闸门少动和水位平稳作为目标,搜索最优闸门控制策略,还用于通过所述闸门开度智能决策模型,根据所述梯级电站的实际调度信息和/或水情预报信息的更新,对所述最优闸门控制策略进行更新,生成逐时段闸门控制策略;
其中,所述通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果,包括:
通过所述水位模拟推演模型,根据所述梯级电站的和水情预报信息和各电站的初始状态,进行水库单元模拟、区间河道模拟及流达滞时率定,推演所述梯级电站的水库在未来24小时的水位过程,获取模拟推演结果;
所述进行水库单元模拟,基于第一水量平衡原理,模拟计算出水库单元模拟调度中涉及的参数:
第一水平平衡原理通过下式表示:
其中,V0为初库容,q为入库流量,V1为末库容,Q为平均出库流量,所述平均出库流量包括发电流量和泄洪流量;
所述发电流量和所述泄洪流量分别根据预测负荷以及闸门开度进行模拟计算,包括:
步骤22,将对应的库容作为时段末库容,已知时段初库容、时段末库容及时段30min,确定出库流量,由出库流量查尾水水位流量关系曲线得出电站尾水位高程,计算出发电水头,出库流量减去泄洪流量得到发电流量,根据发电水头及发电流量,确定此时出力,并确定得试算区间上下限、作为时段末水位的最大出力和最小出力;
10.根据权利要求9所述的一种梯级电站闸门控制策略生成和滚动优化系统,其特征在于,所述预测梯级电站在未来时间区间的未来负荷,包括:
通过典型解集模型预测梯级电站在未来时间区间的未来负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210776676.4A CN114839943B (zh) | 2022-07-04 | 2022-07-04 | 一种梯级电站闸门控制策略生成和滚动优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210776676.4A CN114839943B (zh) | 2022-07-04 | 2022-07-04 | 一种梯级电站闸门控制策略生成和滚动优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114839943A CN114839943A (zh) | 2022-08-02 |
CN114839943B true CN114839943B (zh) | 2022-10-25 |
Family
ID=82574148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210776676.4A Active CN114839943B (zh) | 2022-07-04 | 2022-07-04 | 一种梯级电站闸门控制策略生成和滚动优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114839943B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011733B (zh) * | 2022-12-08 | 2023-11-28 | 河海大学 | 一种多尺度协同控制的梯级水电站群智能调度方法及系统 |
CN116068883B (zh) * | 2023-03-06 | 2023-06-27 | 山东慧点智能技术有限公司 | 一种水利闸门的远程智能控制方法及系统 |
CN116719241A (zh) * | 2023-08-11 | 2023-09-08 | 山东圣瑞信息技术有限公司 | 一种基于3d可视化技术的信息化智能闸门自动控制方法 |
CN117151187A (zh) * | 2023-08-17 | 2023-12-01 | 清华大学 | 闸门开度预测模型训练应用方法、装置、设备和存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065354A (ja) * | 2009-09-16 | 2011-03-31 | Toshiba Corp | 水力発電所の水位管理システムおよびその方法 |
CN103646294A (zh) * | 2013-11-12 | 2014-03-19 | 国网电力科学研究院 | 一种考虑闸门操作规则的水电站洪水优化调度方法 |
CN103744443A (zh) * | 2014-01-21 | 2014-04-23 | 中国水利水电科学研究院 | 一种基于蓄量动态调节的大型明渠水位自动控制方法 |
CN106503882A (zh) * | 2016-09-27 | 2017-03-15 | 长江勘测规划设计研究有限责任公司 | 一种基于主题数据库的实用水电站闸门启闭优化方法 |
WO2017065463A1 (ko) * | 2015-10-14 | 2017-04-20 | 한국수자원공사 | 단류식 창조 조력발전 최적운영 예측방법 |
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 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 |
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 |
CN110989698A (zh) * | 2019-11-18 | 2020-04-10 | 中水三立数据技术股份有限公司 | 一种泵站闸门开度控制方法 |
CN111126847A (zh) * | 2019-12-24 | 2020-05-08 | 华中科技大学 | 耦合河道水动力过程的梯级水库短期优化调度方法和系统 |
CN111612292A (zh) * | 2020-04-03 | 2020-09-01 | 贵州乌江水电开发有限责任公司 | 基于关键水位控制的梯级水电站调度控制系统及方法 |
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 |
CN113011679A (zh) * | 2021-04-10 | 2021-06-22 | 国能大渡河沙坪发电有限公司 | 水电站泄洪发电联合运行调控方法、装置及电子设备 |
CN113094874A (zh) * | 2021-03-16 | 2021-07-09 | 华能澜沧江水电股份有限公司 | 一种保证下泄流量和下游水位稳定性的水电站输出功率实时控制方法 |
CN113448357A (zh) * | 2021-07-08 | 2021-09-28 | 四川华能嘉陵江水电有限责任公司 | 一种水电站泄洪闸门集成控制方法及系统 |
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 |
CN114037360A (zh) * | 2021-12-21 | 2022-02-11 | 华能澜沧江水电股份有限公司 | 一种考虑水库泄洪过程均匀化的闸门调度优化方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090175723A1 (en) * | 2005-10-06 | 2009-07-09 | Broome Kenneth R | Undershot impulse jet driven water turbine having an improved vane configuration and radial gate for optimal hydroelectric power generation and water level control |
JP4912439B2 (ja) * | 2009-07-16 | 2012-04-11 | 中国電力株式会社 | 貯水施設のゲート制御方法および装置 |
JP5571526B2 (ja) * | 2010-10-26 | 2014-08-13 | 株式会社日立製作所 | 水位制御装置および水位制御方法 |
JP5814721B2 (ja) * | 2011-09-29 | 2015-11-17 | 株式会社東芝 | 水力発電所監視制御装置 |
CN102968674B (zh) * | 2012-12-05 | 2015-07-22 | 湖南省电力公司 | 一种基于水位控制的日调节水电站发电优化调度方法 |
DE102012224188A1 (de) * | 2012-12-21 | 2014-06-26 | Wobben Properties Gmbh | Verfahren zur Steuerung eines Wasserschütz-Antriebs für ein Wasserschütz mit einer elektrischen Maschine, Betriebsschaltung, Wasserschütz-Antrieb und Wasserkraftanlage |
CN103971198B (zh) * | 2014-04-02 | 2017-06-20 | 四川大学 | 梯级水电站厂间负荷实时分配系统及其实现方法 |
CN107016496A (zh) * | 2017-03-22 | 2017-08-04 | 贵州乌江水电开发有限责任公司 | 梯级水电站群水位控制提效率的测算方法及系统 |
CN107818385B (zh) * | 2017-11-24 | 2022-01-25 | 南瑞集团有限公司 | 一种梯级水电站群实时运行趋势预测方法 |
US10825113B2 (en) * | 2018-03-16 | 2020-11-03 | Dalian University Of Technology | Method for short-term generation scheduling of cascade hydropower plants coupling cluster analysis and decision tree |
CN111915173A (zh) * | 2020-07-23 | 2020-11-10 | 云南电网有限责任公司 | 一种梯级小水电站优化调度关键因素的筛选方法 |
-
2022
- 2022-07-04 CN CN202210776676.4A patent/CN114839943B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065354A (ja) * | 2009-09-16 | 2011-03-31 | Toshiba Corp | 水力発電所の水位管理システムおよびその方法 |
CN103646294A (zh) * | 2013-11-12 | 2014-03-19 | 国网电力科学研究院 | 一种考虑闸门操作规则的水电站洪水优化调度方法 |
CN103744443A (zh) * | 2014-01-21 | 2014-04-23 | 中国水利水电科学研究院 | 一种基于蓄量动态调节的大型明渠水位自动控制方法 |
WO2017065463A1 (ko) * | 2015-10-14 | 2017-04-20 | 한국수자원공사 | 단류식 창조 조력발전 최적운영 예측방법 |
CN106503882A (zh) * | 2016-09-27 | 2017-03-15 | 长江勘测规划设计研究有限责任公司 | 一种基于主题数据库的实用水电站闸门启闭优化方法 |
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 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 |
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 |
CN110989698A (zh) * | 2019-11-18 | 2020-04-10 | 中水三立数据技术股份有限公司 | 一种泵站闸门开度控制方法 |
CN111126847A (zh) * | 2019-12-24 | 2020-05-08 | 华中科技大学 | 耦合河道水动力过程的梯级水库短期优化调度方法和系统 |
CN111612292A (zh) * | 2020-04-03 | 2020-09-01 | 贵州乌江水电开发有限责任公司 | 基于关键水位控制的梯级水电站调度控制系统及方法 |
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 |
CN113094874A (zh) * | 2021-03-16 | 2021-07-09 | 华能澜沧江水电股份有限公司 | 一种保证下泄流量和下游水位稳定性的水电站输出功率实时控制方法 |
CN113011679A (zh) * | 2021-04-10 | 2021-06-22 | 国能大渡河沙坪发电有限公司 | 水电站泄洪发电联合运行调控方法、装置及电子设备 |
CN113448357A (zh) * | 2021-07-08 | 2021-09-28 | 四川华能嘉陵江水电有限责任公司 | 一种水电站泄洪闸门集成控制方法及系统 |
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 |
CN114037360A (zh) * | 2021-12-21 | 2022-02-11 | 华能澜沧江水电股份有限公司 | 一种考虑水库泄洪过程均匀化的闸门调度优化方法 |
Non-Patent Citations (4)
Title |
---|
基于解集模型的水电站超短期负荷预测研究;寇立夯等;《长江技术经济》;20210415(第02期);58-61 * |
日调节水库实时调度及预警模式研究;黄春雷等;《水电自动化与大坝监测》;20041230(第06期);57-60 * |
梯级水电站水库联合调度运行分析及控制措施;王刚等;《水电站机电技术》;20161015(第10期);81-85 * |
水位变率在闸门控制中的应用;王玮;《许昌学院学报》;20040330(第02期);53-56 * |
Also Published As
Publication number | Publication date |
---|---|
CN114839943A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114839943B (zh) | 一种梯级电站闸门控制策略生成和滚动优化方法及系统 | |
Li et al. | Distributed adaptive robust voltage/var control with network partition in active distribution networks | |
CN109272245B (zh) | 梯级水电站泄洪闸门开度实时自动分配方法及系统 | |
Jadidoleslam et al. | Reliability constrained generation expansion planning by a modified shuffled frog leaping algorithm | |
CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
CN110705772B (zh) | 区域电网风力发电功率预测优化方法和装置 | |
CN108985585A (zh) | 一种考虑预报不确定性影响的水库洪水资源利用风险对冲决策方法 | |
CN108964113B (zh) | 一种新能源发电调度方法及系统 | |
WO2023070293A1 (zh) | 一种工业副产煤气系统长期调度方法 | |
WO2024046137A1 (zh) | 一种多能源联合发电系统的功率预测模型构建及预测方法 | |
CN103699947A (zh) | 一种基于元学习的电力系统时变非线性负荷组合预测方法 | |
CN108805329A (zh) | 一种梯级水库实现实时调度的方法和系统 | |
Wang et al. | A coordinated dispatching strategy for wind power rapid ramp events in power systems with high wind power penetration | |
Huang et al. | Genetic Algorithms for Optimization of Resource Allocation in Large Scale Construction Project Management. | |
CN107528348A (zh) | 一种基于来水不确定性的梯级水电站负荷调整方法 | |
CN112308270A (zh) | 一种长期用电负荷预测方法、装置及计算机实现系统 | |
Kong et al. | Predictive control for the operation of cascade pumping stations in water supply canal systems considering energy consumption and costs | |
Chen et al. | Short-term traffic flow prediction based on data-driven knearest neighbour nonparametric regression | |
CN115345380A (zh) | 一种基于人工智能的新能源消纳电力调度方法 | |
Jiang et al. | Research on short-term optimal scheduling of hydro-wind-solar multi-energy power system based on deep reinforcement learning | |
CN107392460A (zh) | 一种水库群多目标调度风险分析最佳均衡解的获取方法 | |
Shapiro et al. | Final report for technical cooperation between georgia institute of technology and ons–operador nacional do sistema elétrico | |
Mahjoub et al. | Prediction of energy consumption based on LSTM Artificial Neural Network | |
CN115833101A (zh) | 电力调度方法、装置、电子设备和存储介质 | |
CN112365052A (zh) | 闸站涵联合调度方法 |
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 |