CN115375034A - 水电站水能特性预测方法及终端设备 - Google Patents
水电站水能特性预测方法及终端设备 Download PDFInfo
- Publication number
- CN115375034A CN115375034A CN202211084914.1A CN202211084914A CN115375034A CN 115375034 A CN115375034 A CN 115375034A CN 202211084914 A CN202211084914 A CN 202211084914A CN 115375034 A CN115375034 A CN 115375034A
- Authority
- CN
- China
- Prior art keywords
- water
- head
- water turbine
- turbine
- determining
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 371
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000000746 purification Methods 0.000 claims abstract description 44
- 238000011160 research Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 11
- 238000013461 design Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010959 steel 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Control Of Water Turbines (AREA)
Abstract
本发明公开了一种水电站水能特性预测方法及终端设备,其中方法包括获取水电站中每台机组对应的输水系统的水头损失系数;根据每台机组的水轮机的运转特性曲线,确定每个水轮机的水头与其最大流量之间的关系;根据每个水轮机的水头与其最大流量之间的关系、水头损失系数和研究时间内水电站的水情数据,迭代计算得到研究时间内每个时间段下每个水轮机的净水头和流量;根据每个水轮机的净水头和流量,确定水电站在研究时间内的预期电量。本发明可根据水情信息,利用水轮机运转特性曲线、输水系统的水力损失系数采用迭代求解的方法准确计算各时间段的水轮机工作水头、流量、效率及水轮机出力,从而准确预测整个水电站机组改造后的水能特性。
Description
技术领域
本发明属于水电站水能计算技术领域,具体涉及水电站水能特性预测方法及终端设备。
背景技术
我国早期投产水电机组受当时设计水平、材料加工、制造工艺、安装质量的限制,水轮机普遍存在转轮型号不匹配、效率低、运行区域狭窄(调节能力不足)、机组整体稳定性差等缺陷,严重影响了水电站的发电效益和运行安全性,因此,近年开始对这类早期投产的机组进行改造。
近年来,随着计算流体动力学(Computational Fluid Dynamics,简称CFD)、有限元计算、模型测试及真机测试等技术的发展,我国的水轮机设计、材料、加工工艺等水平均有了长足进步,相比20年以前,在相同条件下设计的水轮机的能量、效率及稳定性指标均有了极大的提升。为了指导老水电机组的提质改造,有必要根据现有的水轮机指标如出力、效率等,对老的水电机组改造后预期的水力及能量特性进行预测,分析机组改造的可行性及经济效益,指导机组改造工作的开展,提升水电机组的综合效益。
目前对于水电站的水能计算采用的是电站综合出力系数K的方法,将水轮机的效率、流道的水力损失对水轮机出力的影响放入出力系数K值当中,根据一定的经验曲线确定不同水头、流量下的出力系数的取值,从而计算得到水电站的水力和出力特性。该方法具有计算简单的优点,但是出力系数的取值一般取定值或是根据经验曲线取值,造成计算结果不精确。
发明内容
本发明提供了一种水电站水能特性预测方法及终端设备,解决了现有技术中出力系数的取值一般取定值或是根据经验曲线取值,导致计算所得水电站的水能结果不精确的技术问题。
本发明内容的第一方面公开了一种水电站水能特性预测方法,包括:
步骤1、获取水电站中每台机组对应的输水系统的水头损失系数;
步骤2、根据每台机组的水轮机的运转特性曲线,确定每个所述水轮机的水头与其最大流量之间的关系;
步骤3、根据每个所述水轮机的水头与其最大流量之间的关系、所述水头损失系数和研究时间内所述水电站的水情数据,迭代计算得到研究时间内每个时间段下每个水轮机的净水头和流量;
步骤4、根据每个水轮机的净水头和流量,确定所述水电站在所述研究时间内的预期电量。
优选地,所述步骤3具体包括:
步骤31、获取研究时间内所述水电站的逐小时时间段的水情数据,根据所述逐小时时间段的水情数据,确定每个时间段内每个所述水轮机的毛水头,将所述毛水头设置为水头迭代的初始值;
步骤32、根据每个所述水轮机的水头与其最大流量之间的关系,确定插值得到的第一水头下每个所述水轮机的最大流量;
步骤33、根据所述最大流量和所述水头损失系数,计算每个所述水轮机的净水头;判断所述净水头与所述第一水头是否满足预设条件,如是将所述净水头记为所述第一水头,重复步骤32和步骤33,如否,则所述净水头为所求所述水轮机的净水头,所述净水头对应的流量为所求所述水轮机的流量。
优选地,所述步骤33具体包括:
步骤331、根据所述最大流量和水库的出库流量,确定每个所述水轮机的流量;
步骤332、根据每个所述水轮机的流量和所述水头损失系数,确定每个所述水轮机的净水头;
步骤333、判断所述净水头与所述第一水头是否满足预设条件,如是将所述净水头记为所述第一水头,重复步骤32和步骤33,如否,则所述净水头为所求所述水轮机的净水头,所述净水头对应的流量为所求所述水轮机的流量。
优选地,所述步骤332具体包括:
根据第一公式确定每个所述水轮机的净水头,所述第一公式为:
H=Hg-αtQ2
式中,H为净水头,Hg为水头迭代的初始值,αt为局部水头损失系数,Q为水轮机的流量。
优选地,所述预设条件如第二公式,所述第二公式为:
式中,H为净水头,H(k)为第一水头,ε为迭代误差。
优选地,所述步骤4具体包括:
步骤41、根据每个水轮机的净水头和流量,确定每个水轮机的效率;
步骤42、根据所述净水头、流量和效率,确定每个所述时间内的水轮机的出力;
步骤43、根据所述水轮机的出力,确定每个所述时间段内所述水电站的出力;
步骤44、根据每个所述时间段内所述水电站的出力,确定所述水电站在所述研究时间内的预期电量。
优选地,所述步骤41具体包括:
步骤411、确定所述水轮机的净水头对应的流量数列和效率数列;
步骤412、根据所述水轮机的流量在所述流量序列中的位置和所述效率数列,确定每个水轮机的效率。
优选地,所述步骤411具体包括:
根据第三公式确定所述水轮机的净水头对应的流量数列,所述第三公式为:
式中,Qh,i为所述水轮机的净水头在第i条导叶等开度线上的流量,Qi,k为第i条导叶等开度线上第k个水头对应的流量,Qi,k+1为第i条导叶等开度线上第k+1个水头对应的流量,H为所述水轮机的净水头,Hk和Hk+1为根据所述水轮机的运转特性曲线确定的两个相邻的水头,所述H位于所述Hk和所述Hk+1之间;
根据第四公式确定所述水轮机的净水头对应的效率数列,所述第四公式为:
式中,ηh,i为所述水轮机的净水头在第i条导叶等开度线上的效率,ηi,k为第i条导叶等开度线上第k个水头对应的效率,ηi,k+1为第i条导叶等开度线上第k+1个水头对应的效率,H为所述水轮机的净水头,Hk和Hk+1为根据所述水轮机的运转特性曲线确定的两个相邻的水头,所述H位于所述Hk和所述Hk+1之间。
优选地,所述步骤412具体为:
根据第五公式确定每个水轮机的效率,所述第五公式为:
式中,η为所述水轮机的效率,Q为所述水轮机的流量,Qh,i和Qh,i+1为所述流量序列中的相邻的两个流量,所述Q位于所述Qh,i和所述Qh,i+1之间,ηh,i为所述水轮机的净水头在第i条导叶等开度线上的效率,ηh,i+1为所述水轮机的净水头在第i+1条导叶等开度线上的效率。
本发明内容的第二方面公开了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明相对于现有技术,具有如下有益效果:
本发明在水电站水能预测计算中根据水电站输水系统的设计,准确计算各台机组输水系统的水力损失系数。根据水情信息中上下游水位及水库出库流量,利用水轮机运转特性曲线、输水系统的水力损失系数采用迭代求解的方法准确计算各时间段的水轮机工作水头、流量、水轮机效率及水轮机出力,从而可以准确预测整个水电站机组改造后的水能特性。
附图说明
图1为本发明实施例的水电站水能特性预测方法的流程图;
图2为本发明实施例的水轮机运转特性曲线图;
图3为本发明实施例的步骤3的详细流程图。
具体实施方式
下文将结合附图以及具体实施案例对本发明的技术方案做更进一步的详细说明。应当了解,下列实施例仅为示例性地说明和解释本发明,而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。
水电机组改造的可行性及经济性分析需要对机组改造后水电站的水力及出力特性进行一个较准确的计算,包括水轮机工作水头、水轮机出力,进而对改造后水电站的经济效益进行评价。根据水轮机出力公式N=9.81QHη,式中N为机组出力,MW;η为水轮机效率,%;Q为机组发电流量,m3/s;H为水轮机工作水头,m。对于已建成的水电站,其水情信息主要包括水库出库流量,水库上下游水位,要预测改造后水电机组水力及出力情况,需要根据水情信息计算出机组的工作水头和机组出力,从而计算整个电站的发电量。目前主要采用的方法为水能计算的简易模型,将水轮机出力公式简化为N=KQH,其中定义K为电站综合出力系数K=9.81η,一般的计算中取K为一固定值或是根据经验曲线取值,计算方法较粗略,且没有考虑不同工况下水轮机效率、流道内水力损失的差异,导致计算所得水电站的水能结果不精确。
本发明提出了一种较为精确的水电站能量特性的预测方法,根据水情信息数据、输水系统水力损失系数计算、水轮机运转特性曲线插值计算得到准确的水轮机工作水头和出力,从而预测整个水电站机组改造后的水能特性。
具体地,本发明内容的第一方面公开了一种水电站水能特性预测方法,如图1所示,包括:
步骤1、获取水电站中每台机组对应的输水系统的水头损失系数。
水电站输水系统的水头损失系数主要包括沿程水头损失和局部水头损失。其中,沿程水头损失系数αf可按公式(1)计算:
式中n为输水系统糙率,混凝土衬砌取0.013,钢衬取0.012;L为输水系统的长度,可根据水电站的设计图纸获得;R为输水系统断面的水力半径,根据水电站的设计图纸获得;A为输水系统断面的面积,根据水电站的设计图纸获得。
水电站的局部水头损失主要为进出水口及分叉管的水头损失,根据《水电站调压室设计规范》(NB/T 35021-2014)可获得不同进、出水口体型及分叉管型式下的系数ξ,按公式(2)计算得到局部水头损失系数αm:
式中g为重力加速度取9.81,A为输水系统断面的面积,根据水电站的设计图纸获得。
将各台机组对应的输水系统沿程损失系统和局部损失系数相加计算得到各台机组输水系统的总水头损失系数αt=αf+αm。
步骤2、根据每台机组的水轮机的运转特性曲线,确定每个水轮机的水头与其最大流量之间的关系。
获取水轮机运转特性曲线如图2所示,沿不同导叶等开度线,获取水轮机水头、水轮机流量,水轮机效率,保证各导叶等开度线上水轮机水头取值点一致,则构建水轮机流量矩阵、水轮机效率矩阵。
假设水轮机运转特性曲线上有n条导叶等开度线,各导叶等开度线上导叶开度为{Y1,Y2,…,Yn},获取m个水轮机水头H,得到{H1,H2,…,Hm},则构建的水轮机流量矩阵Q如公式(3)、水轮机效率η参数矩阵如公式(4):
式(3)中的Qij表示第i个导叶等开度线、第j个水头处水轮机的流量,式(4)中的ηij表示第i个导叶等开度线、第j个水头处水轮机的效率。
将流量矩阵、效率矩阵输入预设的水轮机有功功率转换模型,即可获取水轮机有功功率矩阵。其中,水轮机有功功率转换模型如公式(5):
Nij=9.81HiQijηij (5)
则得到的水轮机的有功功率矩阵Nij可以表示为公式(6)的形式:
式(6)中,Nij为第i个导叶等开度线、第j个水头处水轮机的有功功率。
步骤3、根据每个水轮机的水头与其最大流量之间的关系、水头损失系数和研究时间内水电站的水情数据,迭代计算得到研究时间内每个时间段下每个水轮机的净水头和流量,其流程图如图3所示,具体包括:
步骤31、获取研究时间内水电站的逐小时时间段的水情数据,根据逐小时时间段的水情数据,确定每个时间段内每个水轮机的毛水头,将毛水头设置为水头迭代的初始值。
本发明中的水情数据包括时间段t,上游水位ZUp,下游水位ZDown和水库的出库流量Qout。
则时间段t内水轮机的毛水头Hg为:Hg=ZUp-ZDown;
设水头迭代的初始值H(0)为Hg,即H(0)=Hg。
步骤32、根据每个水轮机的水头与其最大流量之间的关系,确定插值得到的第一水头下每个水轮机的最大流量。
步骤33、根据最大流量和水头损失系数,计算每个水轮机的净水头;判断净水头与第一水头是否满足预设条件,如是将净水头记为第一水头,重复步骤32和步骤33,如否,则净水头为所求水轮机的净水头,净水头对应的流量为所求水轮机的流量,具体包括:
步骤331、根据最大流量和水库的出库流量,确定每个水轮机的流量。
步骤332、根据每个水轮机的流量和水头损失系数,确定每个水轮机的净水头,具体包括:
根据公式(7)确定每个水轮机的净水头:
H=Hg-αtQ2 (7)
式中,H为净水头,Hg为水头迭代的初始值,αt为水头损失系数,Q为水轮机的流量。
步骤333、判断净水头与第一水头是否满足预设条件,如是将净水头记为第一水头(设H(k+1)=H),重复步骤32和步骤33,反复迭代试算直至符合精度要求,如否,则净水头为所求水轮机的净水头,净水头对应的流量为所求水轮机的流量。
其中的预设条件如公式(8):
式中,H为净水头,H(k)为第一水头,ε为迭代误差,可设为0.01。
步骤4、根据每个水轮机的净水头和流量,确定水电站在研究时间内的预期电量,具体包括:
步骤41、根据每个水轮机的净水头和流量,利用公式(3)和公式(4),采用线性插值确定每个水轮机的效率,具体包括:
步骤411、确定水轮机的净水头对应的流量数列和效率数列,具体包括:
判断水轮机净水头H在{H1,H2,…,Hm}中的位置,如果在Hk,Hk+1之间,根据公式(9)计算出当前水头H对应的流量数列{Qh,1,Qh,2,…,Qh,n}和根据公式(10)计算出当前水头H对应的水轮机效率数列{ηh,1,ηh,2,…,ηh,n}:
式中,Qh,i为水轮机的净水头在第i条导叶等开度线上的流量,Qi,k为第i条导叶等开度线上第k个水头对应的流量,Qi,k+1为第i条导叶等开度线上第k+1个水头对应的流量,H为水轮机的净水头,Hk和Hk+1为根据水轮机的运转特性曲线确定的两个相邻的水头,H位于Hk和Hk+1之间。
水轮机的净水头对应的效率数列如公式(10):
式中,ηh,i为水轮机的净水头在第i条导叶等开度线上的效率,ηi,k为第i条导叶等开度线上第k个水头对应的效率,ηi,k+1为第i条导叶等开度线上第k+1个水头对应的效率,H为水轮机的净水头,Hk和Hk+1为根据水轮机的运转特性曲线确定的两个相邻的水头,H位于Hk和Hk+1之间。
步骤412、根据效率数列和水轮机的流量在流量序列中的位置,确定每个水轮机的效率,具体包括:
判断水轮机流量Q在{Qh,1,Qh,2,…,Qh,n}中的位置,如果在Qh,i,Qh,i+1之间,根据公式(11)计算出当前流量Q下对应的水轮机效率η:
式中,η为水轮机的效率,Q为水轮机的流量,Qh,i和Qh,i+1为流量序列中的相邻的两个流量,Q位于Qh,i和Qh,i+1之间,ηh,i为水轮机的净水头在第i条导叶等开度线上的效率,ηh,i+1为水轮机的净水头在第i+1条导叶等开度线上的效率。
步骤42、根据净水头、流量和效率,确定每个时间内的水轮机的出力。
计算出各时间段的各台机组水轮机工作水头Ht,水轮机流量Qt,水轮机效率ηt,计算各时段水轮机出力:Nt=9.81HtQtηt。
步骤43、根据水轮机的出力,确定每个时间段内水电站的出力。
步骤44、根据每个时间段内水电站的出力,确定水电站在研究时间内的预期电量ET:
本发明要求解决的技术问题是通过水电站的水情数据及水轮机的运转特性曲线对水轮机改造后的水电站的水能特性进行准确的预测。步骤包括:1)根据水电站输水系统的设计准确计算各台机组输水系统的水力损失系数;2)根据水轮机运转特性曲线构建水轮机的流量矩阵、效率矩阵和出力矩阵;3)基于水电站各时段的水情数据及水轮机运转特性曲线,迭代计算得到各时段下的水轮机的工作水头;4)根据水轮机运转特性曲线插值计算得到各时段的准确的水轮机引用流量和水轮机效率;5)计算各时段水轮机出力及预期电量。
本发明在水电站水能预测计算中根据水电站输水系统的设计,准确计算各台机组输水系统的水力损失系数。根据水情信息上下游水位及水库出库流量,利用水轮机运转特性曲线、输水系统的水力损失系数采用迭代求解的方法准确计算各时间段的水轮机工作水头、流量、水轮机效率及水轮机出力,从而可以准确预测整个水电站机组改造后的水能特性。
本发明内容的第二方面公开了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法的步骤。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围的情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (10)
1.一种水电站水能特性预测方法,其特征是,包括:
步骤1、获取水电站中每台机组对应的输水系统的水头损失系数;
步骤2、根据每台机组的水轮机的运转特性曲线,确定每个所述水轮机的水头与其最大流量之间的关系;
步骤3、根据每个所述水轮机的水头与其最大流量之间的关系、所述水头损失系数和研究时间内所述水电站的水情数据,迭代计算得到研究时间内每个时间段下每个水轮机的净水头和流量;
步骤4、根据每个水轮机的净水头和流量,确定所述水电站在所述研究时间内的预期电量。
2.如权利要求1所述的方法,其特征是,所述步骤3具体包括:
步骤31、获取研究时间内所述水电站的逐小时时间段的水情数据,根据所述逐小时时间段的水情数据,确定每个时间段内每个所述水轮机的毛水头,将所述毛水头设置为水头迭代的初始值;
步骤32、根据每个所述水轮机的水头与其最大流量之间的关系,确定插值得到的第一水头下每个所述水轮机的最大流量;
步骤33、根据所述最大流量和所述水头损失系数,计算每个所述水轮机的净水头;判断所述净水头与所述第一水头是否满足预设条件,如是将所述净水头记为所述第一水头,重复步骤32和步骤33,如否,则所述净水头为所求所述水轮机的净水头,所述净水头对应的流量为所求所述水轮机的流量。
3.如权利要求2所述的方法,其特征是,所述步骤33具体包括:
步骤331、根据所述最大流量和水库的出库流量,确定每个所述水轮机的流量;
步骤332、根据每个所述水轮机的流量和所述水头损失系数,确定每个所述水轮机的净水头;
步骤333、判断所述净水头与所述第一水头是否满足预设条件,如是将所述净水头记为所述第一水头,重复步骤32和步骤33,如否,则所述净水头为所求所述水轮机的净水头,所述净水头对应的流量为所求所述水轮机的流量。
4.如权利要求3所述的方法,其特征是,所述步骤332具体包括:
根据第一公式确定每个所述水轮机的净水头,所述第一公式为:
H=Hg-αtQ2
式中,H为净水头,Hg为水头迭代的初始值,αt为水头损失系数,Q为水轮机的流量。
6.如权利要求1-5任一项所述的方法,其特征是,所述步骤4具体包括:
步骤41、根据每个水轮机的净水头和流量,确定每个水轮机的效率;
步骤42、根据所述净水头、流量和效率,确定每个所述时间内的水轮机的出力;
步骤43、根据所述水轮机的出力,确定每个所述时间段内所述水电站的出力;
步骤44、根据每个所述时间段内所述水电站的出力,确定所述水电站在所述研究时间内的预期电量。
7.如权利要求6所述的方法,其特征是,所述步骤41具体包括:
步骤411、确定所述水轮机的净水头对应的流量数列和效率数列;
步骤412、根据所述效率数列和所述水轮机的流量在所述流量序列中的位置,确定每个水轮机的效率。
8.如权利要求7所述的方法,其特征是,所述步骤411具体包括:
根据第三公式确定所述水轮机的净水头对应的流量数列,所述第三公式为:
式中,Qh,i为所述水轮机的净水头在第i条导叶等开度线上的流量,Qi,k为第i条导叶等开度线上第k个水头对应的流量,Qi,k+1为第i条导叶等开度线上第k+1个水头对应的流量,H为所述水轮机的净水头,Hk和Hk+1为根据所述水轮机的运转特性曲线确定的两个相邻的水头,所述H位于所述Hk和所述Hk+1之间;
根据第四公式确定所述水轮机的净水头对应的效率数列,所述第四公式为:
式中,ηh,i为所述水轮机的净水头在第i条导叶等开度线上的效率,ηi,k为第i条导叶等开度线上第k个水头对应的效率,ηi,k+1为第i条导叶等开度线上第k+1个水头对应的效率,H为所述水轮机的净水头,Hk和Hk+1为根据所述水轮机的运转特性曲线确定的两个相邻的水头,所述H位于所述Hk和所述Hk+1之间。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征是,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211084914.1A CN115375034A (zh) | 2022-09-06 | 2022-09-06 | 水电站水能特性预测方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211084914.1A CN115375034A (zh) | 2022-09-06 | 2022-09-06 | 水电站水能特性预测方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375034A true CN115375034A (zh) | 2022-11-22 |
Family
ID=84069290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211084914.1A Pending CN115375034A (zh) | 2022-09-06 | 2022-09-06 | 水电站水能特性预测方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375034A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593046A (zh) * | 2023-07-17 | 2023-08-15 | 河海大学 | 水轮机下降效率确定方法、装置及电子设备 |
-
2022
- 2022-09-06 CN CN202211084914.1A patent/CN115375034A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593046A (zh) * | 2023-07-17 | 2023-08-15 | 河海大学 | 水轮机下降效率确定方法、装置及电子设备 |
CN116593046B (zh) * | 2023-07-17 | 2023-10-13 | 河海大学 | 水轮机下降效率确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818395B (zh) | 一种基于测量不确定度的电能表误差迭代计算方法 | |
Tahani et al. | Rotational speed variation assessment of centrifugal pump-as-turbine as an energy utilization device under water distribution network condition | |
CN103023065B (zh) | 一种基于相对误差熵值法的风电短期功率预测方法 | |
CN111353652B (zh) | 一种风电出力短期区间预测方法 | |
CN106502220B (zh) | 梯级泵站输水系统优化运行‑控制耦合协调方法及系统 | |
CN110400232B (zh) | 考虑电网断面约束的水电站群月度交易计划电量分解方法 | |
CN108549962B (zh) | 基于历史分段序列搜索和时序稀疏化的风电功率预测方法 | |
CN102880810A (zh) | 基于时间序列和神经网络法的风电功率预测方法 | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
CN113256005A (zh) | 一种基于神经网络模型的电站水位过程预测方法及设备 | |
Martínez-Lucas et al. | Risk of penstock fatigue in pumped-storage power plants operating with variable speed in pumping mode | |
CN115375034A (zh) | 水电站水能特性预测方法及终端设备 | |
CN116681312B (zh) | 一种面向生态的多目标水库优化调度决策方法及系统 | |
CN114936742A (zh) | 一种供水系统调度代理决策方法 | |
CN116542021A (zh) | 一种水文-水动力学耦合的河道型水库调洪演算方法 | |
CN117060407B (zh) | 一种基于相似日划分的风电集群功率预测方法及系统 | |
CN112632729A (zh) | 一种提升高斯尾流模型对风力机尾流场预测精度的方法 | |
Jaidee et al. | Very short-term solar power forecasting using genetic algorithm based deep neural network | |
CN107038295A (zh) | 一种水锤泵内部流道评价及优化方法 | |
CN113361818B (zh) | 一种水电机组中长期发电优化方法及系统 | |
CN104766159B (zh) | 基于图论的水电站引水发电系统小波动稳定性分析方法 | |
CN113359573A (zh) | 一种大坝安全智能预测方法及其装置 | |
CN112271721B (zh) | 一种基于条件Copula函数的风电功率预测方法 | |
Gehrer et al. | Runner Development for the YBBS 2020 Rehabilitation Project at Ybbs-Persenbeug Power Plant in Austria | |
CN116933930B (zh) | 一种区间降雨影响下的电站坝前水位预测方法 |
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 |