CN115809718A - 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 - Google Patents
基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 Download PDFInfo
- Publication number
- CN115809718A CN115809718A CN202211267278.6A CN202211267278A CN115809718A CN 115809718 A CN115809718 A CN 115809718A CN 202211267278 A CN202211267278 A CN 202211267278A CN 115809718 A CN115809718 A CN 115809718A
- Authority
- CN
- China
- Prior art keywords
- water
- runoff
- calculating
- scheduling
- ecological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000005457 optimization Methods 0.000 title claims abstract description 90
- 238000010248 power generation Methods 0.000 title claims abstract description 45
- 238000011002 quantification Methods 0.000 title claims abstract description 13
- 238000011160 research Methods 0.000 claims abstract description 48
- 230000002860 competitive effect Effects 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 216
- 230000006870 function Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000035945 sensitivity Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000001704 evaporation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000007794 visualization technique Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 239000008235 industrial water Substances 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 3
- 230000001186 cumulative effect Effects 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 claims 1
- 229930014626 natural product Natural products 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 10
- 238000013139 quantization Methods 0.000 abstract 1
- 230000008020 evaporation Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- XLYOFNOQVPJJNP-ZSJDYOACSA-N Heavy water Chemical compound [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000005445 natural material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000196171 Hydrodictyon reticulatum Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多目标竞争关系量化的梯级电站发电与生态多目标协同优化方法和系统,该方法包括采集预定研究区域的基础数据;构建梯级电站发电与生态协同优化调度模型;以所述基础数据作为梯级电站发电与生态协同优化调度模型的输入,采用预定算法求解,获得Pareto非劣解集及调度方案集;构建多目标间竞争关系量化方法,并采用所述量化方法量化Pareto非劣解集包含的多目标间竞争关系;构建兼顾竞争关系的调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合;基于最终调度方案进行模拟调度并与实际调度对比。本发明提高了调度方案决策效率,获得了更大的发电和生态效益,具有可行性、有效性及优越性。
Description
技术领域
本发明涉及多目标优化方法,尤其是针对梯级水电系统发电和生态保护的优化方法。
背景技术
在减碳背景、能源转型下,水电地位越发凸显。梯级电站多目标调度方案的制定和决策是其运行管理的核心组成部分。决策者需要从众多非劣调度方案中选取符合其自身利益的协调方案,这是一个需要统筹众多相关部门效益的多目标决策问题。然而,上述发电、防洪、供水、生态等目标通常相互制约、相互冲突,如电站发电、灌区、城镇和河流生态流量维持等存在用水矛盾。不同目标之间的内在关系复杂、相互作用机理模糊及其不可公度性的特征,给科学调度决策增大了难度。因此,梯级水库电站多目标调度运行背景下,如何协同各个目标,实现综合效益最大化,是水资源管理和水电可持续发展的难题。而现有的调度方案优选方法,没有充分考虑梯级电站多目标间竞争关系及其动态性。故需要进一步的研究,提出新的解决方案。
发明内容
发明目的:提供一种基于多目标竞争关系量化的梯级电站发电与生态多目标协同优化方法,以解决现有技术存在的上述问题。
提出置换比指标,量化梯级电站优化调度中多维调度目标之间的竞争关系;通过采用引入敏感系数,考虑非劣解具有不同变化率的特点,设计适用于三目标优化问题的权重赋权方法,实现梯级电站发电与生态多目标协同优化调度。
技术方案:根据本申请的一个方面,基于多目标竞争关系量化的梯级电站发电与生态多目标协同优化方法,包括如下步骤:
步骤1、采集预定研究区域的基础数据,所述基础数据包括水资源分布数据和水资源利用数据;
步骤2、构建梯级电站发电与生态协同优化调度模型;以所述基础数据作为梯级电站发电与生态协同优化调度模型的输入,采用预定算法求解,获得Pareto非劣解集及调度方案集;
步骤3、构建多目标间竞争关系量化方法,并采用所述量化方法量化Pareto非劣解集包含的多目标间竞争关系;
步骤4、构建兼顾竞争关系的调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合;在优选方法中,采用基于多目标间竞争关系的偏向度进行权重赋予;
步骤5、基于最终调度方案进行模拟调度并与实际调度对比。
根据本申请的一个方面,所述步骤1进一步为:
步骤11、获取实测径流数据并还原计算天然径流;
步骤12、计算天然径流的年内分配均匀度、天然径流贡献率和天然径流空间分布。根据本申请的一个方面,所述天然径流的还原计算,具体为:
Q天然实测=Q取水+Q库蒸+Q库渗+Q引水
式中:Q天然为控制站点还原后的径流量;Q实测为控制站点实测径流量;Q取水为生活耗水量、工业耗水量和农业耗水量之和;Q库蒸为水库水面蒸发水量与陆面蒸发水量的差值;Q库渗为水库渗漏水量;Q引水为跨流域引水量。
根据本申请的一个方面,所述年内分配均匀度的计算过程为:
步骤121、将水文站天然径流和电站水库天然入库流量月平均值进行升序排列,并进行百分比累计;
步骤122、以月为时间单位,对各站点进行时间百分比累积;
步骤123、以时间累积百分比为横轴x,径流累积百分比为纵轴y,拟合出径流时间分布曲线;绘制y=x直线,并求得径流时间分布曲线与y=x直线的非原点交点A的坐标(xA,yA);
步骤124、计算y=x直线与x轴形成的面积S1=0.5xAyA;计算径流时间分布曲线、x轴和交点A纵坐标线段形成的面积S2;求取年内分配均匀度α=(S2-S1)/S2;年内分配均匀度越大表示径流要素年内分配越不均匀,即年内各月径流要素悬殊越大;
所述天然径流贡献率计算过程为:
步骤125、将研究区域划分为若干个集水区,依次计算每个集水区域径流量与流域出口断面径流量的百分比,即为该集水区径流贡献率;
所述天然径流空间分布计算和展示的过程为:
步骤127、以各个站点的所述年内分配均匀度、天然径流量为行数值、以丰水年、平水年和枯水年为列参数,构建预定区域各个电站的年内分配均匀度数据表;
步骤128、获取研究区域的GIS地图,对天然径流贡献率进行分级,并渲染于所述GIS地图,形成天然径流贡献率分布图;
步骤129、分析所述天然贡献率分布图。
根据本申请的一个方面,所述步骤128进一步为:
步骤128a、获取研究区域的GIS地图,构建研究区域的水系拓扑,查找集水区的边缘曲线,并计算水系拓扑集水区边缘曲线的交点,生成交点集合;一一检验该交点处是否存在水利工程设置,
若不存在,计算位于上游的集水区向位于下游的集水区的输水量,并计算输水量引起的下游的集水区的径流贡献率变化值是否超过阈值;若超过阈值,标注当前交点;
若存在,基于水利工程调水量,计算两个集水区之间的调水量,并计算调水量导致的集水区的径流贡献变化值是否超过阈值;若超过阈值,标注当前交点;
步骤128b、根据集水区数量,计算集水区的贡献率平均值,以贡献率平均值的预定倍数作为贡献率上限,对天然径流贡献率进行分级。
步骤22、构建梯级电站发电与生态协同优化调度模型,其中,
目标函数为:
梯级发电量最大(发电目标,CPG)
式中:n为梯级电站个数;T为调度时间段数;Δt为时段长度;Ht和Qt分别为i电站t时段的发电水头和发电流量;ηi为i电站综合出力系数;
梯级电站最小水库水足迹(生态目标,RWF)
式中:WFres,m[t]为t月的水库水足迹,亿m3/月;10为单位转换系数;hE[t]为t月水库多年平均蒸发强度(十年以上),mm/月;A[t]为t月水库水面面积,ha;为i电站的年水库水足迹,亿m3。
径流偏差度最小(生态目标,AAPFD)
约束条件为:
水量平衡约束Vi,t+1=Vi,t+(Ii,t-Qi,t)×Δt-Ei,t-Li,t;
式中:Vi,t为i电站t时刻的蓄水量;Ii,t和Qi,t分别为i电站t时段的入库、出库流量;Ei,t和Li,t分别为i电站t时段的蒸发和泄漏水量;
出力约束:0≤Ni,t≤Ni,max;
式中:Ni,,ax分别为i电站t时段最大出力;
调度期初末时刻水位约束:Zi,1=Zi,T+1=Z*;
式中:Z*为i电站调度期初末时刻控制水位,通常取正常蓄水位;
梯级电站水力联系方程:Ii,t=Qi-1,t+B(i-1)-i,t;
式中:Ii,t分别为i电站t时段的入库流量;Qi-1,t为第i-1级电站t时段的出库流量,m3/s;B(i-1)-i,t为第i-1级电站至第i电站t时段的区间入流;
步骤23、构建求解算法模型并进行求解
步骤231、选择水位作为决策变量,将流量约束和出力约束通过水量平衡方程转化为水位约束,将水位约束和水位限制区间作交集运算,得到水位变量的可行区域;
步骤232、初始化算法参数,随机生成预定数量个满足水位约束的个体作为初始种群;
步骤233、生成参考点,并对初始种群进行快速非支配排序,生成预定大小的父代种群;利用交叉、变异等遗传操作生成大小为S的子代种群,然后采用精英策略将父代种群与子代种群进行合并;对合并后的种群进行快速非支配排序,目标函数归一化处理,然后利用参考点策略,建立个体与参照点的联系,得到一组靠近参考点的优化解集;
步骤234、判断是否满足终止条件,若满足终止条件,则输出非劣解集,若不满足,返回步骤233。
根据本申请的一个方面,所述步骤3进一步为:
步骤31、读取Pareto非劣解集,并基于非劣解集对调度结果进行分析;
步骤32、采用成对可视化方法定性分析两两目标竞争关系;
步骤33、采用效率指标法定量分析两两目标竞争关系;
步骤34、采用置换比法分析三目标整体竞争关系;
步骤35、输出梯级电站多维优化目标竞争关系的分析结果。
根据本申请的一个方面,所述步骤34中置换比是指:在多目标协同优化问题中,对于某一具体目标而言,其他目标的函数值提高(或降低)1个单位,需要该目标函数值降低(或提高)Δ单位进行置换,即置换比,用于定量描述多目标间的竞争关系。具体计算步骤进一步为:
步骤341、获得三维Pareto非劣解空间,其每个点对应一种非劣方案;对Pareto非劣解按照某一目标函数值从小到大进行排序并编号;
步骤342、定义相邻点,相邻点是指与所研究点距离相近,且为单调关系的点;当函数为三个目标的函数值时,其中研究点的两侧各有一个点,若满足函数值单调递增或者递减,则左右两侧的点为相邻点;若存在两个相邻点,称其为Pareto非劣解空间非边缘点;
步骤343、个体置换比的计算
对于非边缘点,研究点的置换比为该研究点与其两个相邻点构成的向量分别与目标函数轴夹角余切的平均值;对于边缘点研究点的置换比为该研究点与其相邻点构成的向量与各目标函数轴夹角的余切值;
步骤345、整体置换比计算,整体置换比为各个个体置换比的算术平均值。
根据本申请的一个方面,所述步骤4进一步为:
步骤4、构建兼顾竞争关系的调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合;在优选方法中,采用基于敏感系数的兼顾竞争关系的TOPSIS赋予权重;
在进一步的实施例中,所述步骤4进一步为采用兼顾竞争关系的TOPSIS法对所得的调度方案解集进行优选,获得最终调度方案组合。具体计算步骤如下:
步骤41、构造标准化初始矩阵Z;
步骤42、构造规范化的加权矩阵;
步骤43、确定正、负理想解方案;
步骤44、计算评价方案集内各方案相对正、负理想解方案的距离;
步骤45、计算各评价方案与正负理想解的相对贴近度Ci;
步骤46、以相对贴近度为衡量标准对调度方案集各方案排序,获得终调度方案组合。
根据本申请的一个方面,所述步骤42进一步为:
步骤421、分别计算Pareto非劣解集中各个研究点的敏感系数并归一化,敏感系数等于该研究点的个体置换比与其对应的目标函数值的比值;
步骤422、对量纲归一化敏感系数解集进行支配关系分析,缩减非劣解集;
步骤423、计算个体偏向度,个体偏向度为非劣解相对于各优化目标的偏向程度;研究点的个体偏向度等于该点的各向敏感系数的相对权重;
步骤424、计算整体偏向度,整体偏向度等于个体偏向度的算术平均值。
步骤425、计算调度方案集各评价指标的权重,各评价指标的权重等于整体偏向度。
需要说明的是,上述步骤421至步骤424的计算过程,也可以在步骤34中计算。也就是说,可以在前面先计算,也可在构造规范化的加权矩阵的时候计算。在处理相关计算顺序时,并没有严格的时序要求。
根据本申请的一个方面,提供一种梯级电站发电与生态多目标协同优化系统,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述任一项实施例梯级电站发电与生态多目标协同优化方法。
有益效果:
1.量化分析了梯级电站优化调度中多维调度目标之间的竞争关系,破解了梯级电站发电-生态多目标协同的量化难题。具体是设计了面向复杂水电系统多目标协同优化调度竞争关系解析框架,量化分析了不同来水条件下雅砻江梯级电站多目标协同优化调度中多维优化目标间的竞争关系。
2.设计了梯级电站多目标协同优化调度方案优选流程,实现了梯级电站多目标协同优化调度方案的优选,论证了方法的合理性、可行性和优越性。
3.通过在具体项目上进行了论证,为梯级电站发电和生态效益的提升提供了决策依据。
附图说明
图1是本发明的发电-生态协同优化调度流程图。
图2是本发明年内分配均匀度的计算过程示意图。
图3是本发明天然径流贡献率计算过程示意图。
图4是本发明天然径流空间分布计算和展示过程示意图。
图5是本发明采用置换比法分析三目标整体竞争关系的示意图。
图6是本发明梯级电站多维优化目标竞争关系解析示意图。
图7是本发明梯级电站多目标协同优化调度方案优选流程图。
图8是本发明研究区域全年径流贡献率分布图。
具体实施方式
为了解决现有技术存在的技术问题,申请人进行了深入的研究。为了解决梯级电站发电与河道生态流量需求的矛盾,现有技术提供了一些解决方法,但是这些方法还存在诸如在处理不同水库多目标协同优化调度问题时性能表现差异性较大的缺陷。
在实践过程中,发现防洪、发电、供水、生态流量保障等调度目标往往相互竞争、相互制约,梯级水电系统内部关系复杂,管理运行目标众多,不可公度(即各目标不具有统一的量纲或衡量标准),系统多目标竞争关系量化研究较少,竞争机理不清晰,不利于发挥其综合效益最大化,也给管理者增加调度方案决策的难度。现有的决策方法中,例如基于Pareto非劣解的竞争关系解析方法,不能够直接显示多目标间的竞争程度。
如图1所示,本发明的方法主要包括如下步骤:
梯级电站发电与生态多目标协同优化方法,包括如下步骤:
步骤1、采集预定研究区域的基础数据,所述基础数据包括水资源分布数据和水资源利用数据。
在该步骤中,收集和整理预定研究区域,或者说待研究区域的长序列水文资料、电站水库资料等基础数据。基于流域自然地理、水文气象、河流水系等基本概况进行子流域划分,采用水量平衡方法还原各控制站点的天然径流,综合运用分析指标分析流域典型年天然径流时空分布特征。
步骤2、构建梯级电站发电与生态协同优化调度模型;以所述基础数据作为梯级电站发电与生态协同优化调度模型的输入,采用预定算法求解,获得调度方法解集。提出河道生态状况的生态流量计算方法,获取梯级电站下游河段的生态流量;通过引入多目标优化方法,构建梯级电站发电与生态协同优化调度模型,确定约束处理策略,设计优化调度模型的求解流程;
步骤3、构建调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合。
在优选方法中,采用基于敏感系数的兼顾竞争关系的TOPSIS赋予权重。
基于多维优化目标竞争关系的量化指标结合效率指标和成对可视化法,设计面向复杂水电系统多目标协同优化调度竞争关系解析框架,将多维优化目标的竞争关系纳入决策范畴,基于TOPSIS的调度方案优选方法,设计梯级电站多目标协同优化调度方案优选流程,量化分析不同来水条件下雅砻江梯级电站多目标协同优化调度中多维优化目标间的竞争关系,实现梯级电站多目标协同优化调度方案的优选。
步骤4、基于最终调度方案进行模拟调度并与实际调度对比。
在确定最佳协调方案后,分析不同典型年、不同调度情景下发电效益和水资源利用效率,并与实际调度结果进行对比;实现不同生态流量保障水平下梯级电站发电-生态流量协同优化调度。
在进一步优选的实施例中,还包括步骤:构建多目标间竞争关系量化方法,并采用所述量化方法量化Pareto非劣解集包含的多目标间竞争关系。
在进一步的实施例中,所述步骤1进一步为:
步骤11、获取实测径流数据并还原计算天然径流;
步骤12、计算天然径流的年内分配均匀度、天然径流贡献率和天然径流空间分布。
利用各水文站典型年的月径流量、水电站典型年的月均入库、出库、蓄量变化等基础数据,采用水量平衡方法还原计算出流域内各控制站点的天然径流量。所述天然径流的还原计算,具体计算公式为:
Q天然实测=Q取水+Q库蒸+Q库渗+Q引水
式中:Q天然为控制站点还原后的径流量;Q实测为控制站点实测径流量;Q取水为生活耗水量、工业耗水量和农业耗水量之和;Q库蒸为水库水面蒸发水量与陆面蒸发水量的差值;Q库渗为水库渗漏水量;Q引水为跨流域引水量。
在获取基础数据后,天然径流量的年内分配均匀度是需要考虑的,在此实施例中,提供一种处理方法。
如图2所示,根据本申请的一个方面,所述年内分配均匀度的计算过程为:
步骤121、将水文站天然径流和电站水库天然入库流量月平均值进行升序排列,并进行百分比累计;
步骤122、以月为时间单位,对各站点进行时间百分比累积;
步骤123、以时间累积百分比为横轴x,径流累积百分比为纵轴y,拟合出径流时间分布曲线;绘制y=x直线,并求得径流时间分布曲线与y=x直线的非原点交点A的坐标(xA,yA);
步骤124、计算y=x直线与x轴形成的面积S1=0.5xAyA;计算径流时间分布曲线、x轴和交点A纵坐标线段形成的面积S2;求取年内分配均匀度α=(S2-S1)/S2;年内分配均匀度越大表示径流要素年内分配越不均匀,即年内各月径流要素悬殊越大。
由于径流时间分布曲线是一个通过原点的凹型曲线,其在y=x的下方,y=x与之存在另外一个交点,换言之,两条线与交点纵坐标线段、x轴形成封闭的图形,通过计算图形的面积比例,作为年内平均分配均匀度。
如图3所示,在进一步的实施例中,描述天然径流贡献率计算过程。天然径流贡献率是衡量集水区径流量对流域出口断面径流量贡献大小的指标。也是体现流域径流空间分布特征的指标,其值越大,代表该集水区对出口断面径流量贡献越大。
所述天然径流贡献率计算过程为:
步骤125、将研究区域划分为若干个集水区,依次计算每个集水区域径流量与流域出口断面径流量的百分比,即为该集水区径流贡献率。
比如有15个集水区,依次获取每个集水区径流量和对应的流域出口断面径流量,即为当前集水区径流贡献率。
对于预定的研究流域,各个集水区径流贡献率均值为1/15,为了定性描述各个集水区径流贡献率的大小,采用分级评价方式,设定评价等级为8;当某个集水区径流贡献率的取值范围为(0,2/15),等分为7份,当集水区径流贡献率的取值范围为(2/15,1)时,划分为1级,表示最高等级。每个区间的长度为Δ=2/(15*7)×100%。
上述数值15和8等,可以根据实际情况设计,例如设置为10、6等等均可。
例如径流贡献率小于4%,贡献程度为微小,4-8%,贡献程度为小,8-12%,贡献程度为较小,12-16%贡献程度为中等,16-20%,贡献程度为大,大于20%,贡献程度为很大。
如图4所示,为了分析不同时间尺度流域径流空间分布的差异性,需要计算天然径流空间分布。
所述天然径流空间分布计算和展示的过程为:
步骤127、以各个站点的所述年内分配均匀度、天然径流量为行数值、以丰水年、平水年和枯水年为列参数,构建预定区域各个电站的年内分配均匀度数据表;
步骤128、获取研究区域的GIS地图,对天然径流贡献率进行分级,并渲染于所述GIS地图,形成天然径流贡献率分布图;
步骤129、分析所述天然贡献率分布图。
换句话说,主要是将径流贡献率的数值,通过颜色等方式显示在研究区域图上,例如贡献率大于20%的可以用红色表示,贡献率小于4%的可以用绿色表示。通过这种方式可以直观看到不同集水区的径流贡献率。通过上述方法,可以分析枯水年、丰水年和平水年,各个集水区的径流贡献率。还可分析全年、枯期、汛期等不同时间段,各个集水区的径流贡献率。
表1研究流域径流贡献率时空分布
通过分析各个集水区的径流贡献率,例如在丰水年,某个集水区的径流贡献率很大,另外几个集水区的径流贡献率很小。表明流域内的径流量来自于哪些集水区。
比如,在某个研究区域,丰、平水年,径流年内分配不均匀;枯水年径流年内分配相对均匀。流域内各站点径流年内分配均匀度与其丰枯变化一致,即丰水年>平水年>枯水年,径流量越大年份,其径流年内分配越不均匀,各月径流量悬殊越大。
全年和汛期,丰、平、枯水年流域径流贡献率均为上游大于中游和下游,其中中、下游较为接近;枯期,丰、平、枯水年流域径流贡献率表现不一致,其中丰、平水年上游径流贡献率最大,枯水年中游最大;总体呈现左岸集水区径流量大于右岸集水区的分布格局。
在本申请的另一实施例中,所述步骤128进一步为:
步骤128a、获取研究区域的GIS地图,构建研究区域的水系拓扑,查找集水区的边缘曲线,并计算水系拓扑集水区边缘曲线的交点,生成交点集合;一一检验该交点处是否存在水利工程设置,
若不存在,计算位于上游的集水区向位于下游的集水区的输水量,并计算输水量引起的下游的集水区的径流贡献率变化值是否超过阈值;若超过阈值,标注当前交点;
若存在,基于水利工程调水量,计算两个集水区之间的调水量,并计算调水量导致的集水区的径流贡献变化值是否超过阈值;若超过阈值,标注当前交点;
步骤128b、根据集水区数量,计算集水区的贡献率平均值,以贡献率平均值的预定倍数作为贡献率上限,对天然径流贡献率进行分级。
在划分集水区的时候,大部分的情况下,集水区能覆盖某一个或几个水网或水系,即通过水网系统对集水区进行分区。但是在一些情况下,集水区与水系并不是界限分明的。可能存在一个水系的支系延伸至另一个集水区中,从而形成水量流动。或者通过水利工程等设施,使得水流在不同的集水区中流动。为此,提供上述方法,以解决集水区与水系不匹配的问题。
根据本申请的一个方面,所述步骤2进一步为:
步骤22、构建梯级电站发电与生态协同优化调度模型,其中,
目标函数为:
梯级发电量最大(发电目标,CPG)
式中:n为梯级电站个数;T为调度时间段数;Δt为时段长度;Ht和Qt分别为i电站t时段的发电水头和发电流量;ηi为i电站综合出力系数;
梯级电站最小水库水足迹(生态目标,RWF)
式中:WFres,m[t]为t月的水库水足迹,亿m3/月;10为单位转换系数;hE[t]为t月水库多年平均蒸发强度(十年以上),mm/月;A[t]为t月水库水面面积,ha;为i电站的年水库水足迹,亿m3。
径流偏差度最小(生态目标,AAPFD)
约束条件为:
水量平衡约束Vi,t+1=Vi,t+(Ii,t-Qi,t)×Δt-Ei,t-Li,t;
式中:Vi,t为i电站t时刻的蓄水量;Ii,t和Qi,t分别为i电站t时段的入库、出库流量;Ei,t和Li,t分别为i电站t时段的蒸发和泄漏水量;
出力约束:0≤Ni,t≤Ni,max;
式中:Ni,max分别为i电站t时段最大出力;
调度期初末时刻水位约束:Zi,1=Zi,T+1=Z*;
式中:Z*为i电站调度期初末时刻控制水位,通常取正常蓄水位;
梯级电站水力联系方程:Ii,t=Qi-1,t+B(i-1)-i,t;
式中:Ii,t分别为i电站t时段的入库流量;Qi-1,t为第i-1级电站t时段的出库流量,m3/s;B(i-1)-i,t为第i-1级电站至第i电站t时段的区间入流;
通过上述模型,在发电方面梯级发电量目标,实现梯级发电量最大,最大程度发挥梯级电站的经济效益。生态方面主要考虑水库水足迹和径流偏差度目标,实现梯级电站水库水足迹和径流偏差度最小,可以最大程度缓解水电开发利用对生态环境带来的不利影响。此外,梯级电站调度运行中防洪是第一要素,故将防洪目标以强制约束条件考虑在水位约束中,即汛期水库运行水位不能高于汛限水位。综上,该优化调度模型考虑三个优化目标,即梯级发电量、水库水足迹和径流偏差度。
步骤23、构建求解算法模型并进行求解
步骤231、选择水位作为决策变量,将流量约束和出力约束通过水量平衡方程转化为水位约束,将水位约束和水位限制区间作交集运算,得到水位变量的可行区域;
步骤232、初始化算法参数,随机生成预定数量个满足水位约束的个体作为初始种群;
步骤233、生成参考点,并对初始种群进行快速非支配排序,生成预定大小的父代种群;利用交叉、变异等遗传操作生成大小为S的子代种群,然后采用精英策略将父代种群与子代种群进行合并;对合并后的种群进行快速非支配排序,目标函数归一化处理,然后利用参考点策略,建立个体与参照点的联系,得到一组靠近参考点的优化解集;
步骤234、判断是否满足终止条件,若满足终止条件,则输出非劣解集,若不满足,返回步骤233。
如图7所示,根据本申请的一个方面,所述步骤3进一步为:
步骤31、读取非劣解集,并基于非劣解集对调度结果进行分析;
步骤32、采用成对可视化方法定量分析两两目标竞争关系;
步骤33、采用效率指标法定量分析两两目标竞争关系;
步骤34、采用置换比法分析三目标整体竞争关系;
步骤35、输出梯级电站多维优化目标竞争关系的分析结果。
根据本申请的一个方面,所述步骤34中置换比是指:在多目标协同优化问题中,对于某一具体目标而言,其他目标的函数值提高(或降低)1个单位,需要该目标函数值降低(或提高)Δ单位进行置换,即置换比,用于定量描述多目标间的竞争关系。具体计算步骤如下所述。
如图5,根据本申请的一个方面,所述步骤34进一步为:
步骤341、获得三维Pareto非劣解空间,其每个点对应一种非劣方案;对Pareto非劣解按照某一目标函数值从小到大进行排序并编号;
步骤342、定义相邻点,相邻点是指与所研究点距离相近,且为单调关系的点;当函数为三个目标的函数值时,其中研究点的两侧各有一个点,若满足函数值单调递增或者递减,则左右两侧的点为相邻点;若存在两个相邻点,称其为Pareto非劣解空间非边缘点;
步骤343、个体置换比的计算
对于非边缘点,研究点的置换比为该研究点与其两个相邻点构成的向量分别与目标函数轴夹角余切的平均值;对于边缘点研究点的置换比为该研究点与其相邻点构成的向量与各目标函数轴夹角的余切值;
步骤344、整体置换比计算,整体置换比为各个个体置换比的算术平均值。
步骤4、构建兼顾竞争关系的调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合;在优选方法中,采用基于敏感系数的兼顾竞争关系的TOPSIS赋予权重;
在进一步的实施例中,所述步骤4进一步为采用兼顾竞争关系的TOPSIS法对所得的调度方案解集进行优选,获得最终调度方案组合。具体计算步骤如下:
步骤41、构造标准化初始矩阵Z;
步骤42、构造规范化的加权矩阵;
步骤43、确定正、负理想解方案;
步骤44、计算评价方案集内各方案相对正、负理想解方案的距离;
步骤45、计算各评价方案与正负理想解的相对贴近度Ci;
步骤46、以相对贴近度为衡量标准对调度方案集各方案排序,获得终调度方案组合。
根据本申请的一个方面,所述步骤42进一步为:
步骤421、分别计算Pareto非劣解集中各个研究点的敏感系数并归一化,敏感系数等于该研究点的个体置换比与其对应的目标函数值的比值;
步骤422、对量纲归一化敏感系数解集进行支配关系分析,缩减非劣解集;
步骤423、计算个体偏向度,个体偏向度为非劣解相对于各优化目标的偏向程度;研究点的个体偏向度等于该点的各向敏感系数的相对权重;
步骤424、计算整体偏向度,整体偏向度等于个体偏向度的算术平均值;
步骤425、计算调度方案集各评价指标的权重,各评价指标的权重等于整体偏向度。
表2不同典型年下三种TOPSIS法的结果
根据敏感系数的物理意义,非劣解空间某一点处某一目标的灵敏比越大,表明其他目标变化一个单位时该目标取得的相对损益越大,决策者将偏向于该目标以取得更大综合效益。因此,个体偏向度反映了非劣解空间各个体处,决策者对不同目标的偏向程度:整体偏向度反映了决策者对非劣解空间中不同目标的整体偏向程度,可作为不同优化目标的偏好权重。
根据本申请的一个方面,提供一种梯级电站发电与生态多目标协同优化系统,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述任一项实施例梯级电站发电与生态多目标协同优化方法。
所述系统为包含计算机设备和软件在内的软硬件一体模块。
计算机设备包括通过系统总线相互通信连接存储器、处理器、网络接口。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进入人机交互。
存储器至少包括一种类型的可读存储介质,所述可读存储介质包括内存、硬盘、随机访问存储器、只读存储器、磁盘、光盘等。在一些实施例中,所述存储器也可以是所述计算机设备的外部存储设备,例如该计算机设备上配备智能存储卡、SD卡等。当然,所述存储器还可以既包括所述计算机的内部存储单元也包括其外部存储设备。本实施例中,所述存储器通常用于存储安装于所述计算机设备的操作系统和各类应用软件,例如运行上述方法的计算机可读指令等。
处理器在一些实施例中可以是中央处理器、控制器、微控制器或其他数据处理芯片。该处理器通常用于控制所述计算机设备的总体操作。本实施例中,所述处理器用于运行所述存储器存储的计算机可读指令或者处理数据,例如运行上述方法的计算机可读指令。
所述网络接口包括无线网络接口或有线网络接口,该网络接口通常用于所述计算机设备与其他电子设备之间建立通信连接。
总之,本申请针对雅砻江流域水电开发利用所面临的现实问题,聚焦梯级电站发电与河道生态保护的矛盾,以其下游梯级电站为研究对象,开展雅砻江梯级电站发电与生态多目标协同优化调度研究,分析雅砻江水资源分布特征及水能开发现状、构建梯级电站多目标协同优化调度模型、提出多维优化目标竞争关系量化方法、发展兼顾竞争关系的调度方案优选方法、探明水能开发利用与河道生态环境保护的关系、形成梯级电站发电与生态多目标协同优化调度理论体系。
Claims (10)
1.梯级电站发电与生态多目标协同优化方法,其特征在于,包括如下步骤:
步骤1、采集预定研究区域的基础数据,所述基础数据包括水资源分布数据和水资源利用数据;
步骤2、构建梯级电站发电与生态协同优化调度模型;以所述基础数据作为梯级电站发电与生态协同优化调度模型的输入,采用预定算法求解,获得Pareto非劣解集及调度方案集;
步骤3、构建多目标间竞争关系量化方法,并采用所述量化方法量化Pareto非劣解集包含的多目标间竞争关系;
步骤4、构建兼顾竞争关系的调度方案优选方法,并采用所述优选方法对调度方案进行优选,获得最终调度方案组合;在优选方法中,采用基于多目标间竞争关系的偏向度进行权重赋予;
步骤5、基于最终调度方案进行模拟调度并与实际调度对比。
2.如权利要求1所述的梯级电站发电与生态多目标协同优化方法,其特征在于,所述步骤1进一步为:
步骤11、获取实测径流数据并还原计算天然径流;
步骤12、计算天然径流的年内分配均匀度、天然径流贡献率和天然径流空间分布。
3.如权利要求2所述的梯级电站发电与生态多目标协同优化方法,其特征在于,
所述天然径流的还原计算,具体为:
Q天然实测=Q取水+Q库蒸+Q库渗+Q引水
式中:Q天然为控制站点还原后的径流量;Q实测为控制站点实测径流量;Q取水为生活耗水量、工业耗水量和农业耗水量之和;Q库蒸为水库水面蒸发水量与陆面蒸发水量的差值;Q库渗为水库渗漏水量;Q引水为跨流域引水量。
4.如权利要求2所述的梯级电站发电与生态多目标协同优化方法,其特征在于,
所述年内分配均匀度的计算过程为:
步骤121、将水文站天然径流和电站水库天然入库流量月平均值进行升序排列,并进行百分比累计;
步骤122、以月为时间单位,对各站点进行时间百分比累积;
步骤123、以时间累积百分比为横轴x,径流累积百分比为纵轴y,拟合出径流时间分布曲线;绘制y=x直线,并求得径流时间分布曲线与y=x直线的非原点交点A的坐标(xA,yA);
步骤124、计算y=x直线与x轴形成的面积S1=0.5xAyA;计算径流时间分布曲线、x轴和交点A纵坐标线段形成的面积S2;求取年内分配均匀度α=(S2-S1)/S2 ;年内分配均匀度越大表示径流要素年内分配越不均匀,即年内各月径流要素悬殊越大;
所述天然径流贡献率计算过程为:
步骤125、将研究区域划分为若干个集水区,依次计算每个集水区域径流量与流域出口断面径流量的百分比,即为该集水区径流贡献率;
所述天然径流空间分布计算和展示的过程为:
步骤127、以各个站点的所述年内分配均匀度、天然径流量为行数值、以丰水年、平水年和枯水年为列参数,构建预定区域各个电站的年内分配均匀度数据表;
步骤128、获取研究区域的GIS地图,对天然径流贡献率进行分级,并渲染于所述GIS地图,形成天然径流贡献率分布图;
步骤129、分析所述天然贡献率分布图。
5.如权利要求1所述的梯级电站发电与生态多目标协同优化方法,其特征在于,所述步骤128进一步为:
步骤128a、获取研究区域的GIS地图,构建研究区域的水系拓扑,查找集水区的边缘曲线,并计算水系拓扑集水区边缘曲线的交点,生成交点集合;一一检验该交点处是否存在水利工程设置,
若不存在,计算位于上游的集水区向位于下游的集水区的输水量,并计算输水量引起的下游的集水区的径流贡献率变化值是否超过阈值;若超过阈值,标注当前交点;
若存在,基于水利工程调水量,计算两个集水区之间的调水量,并计算调水量导致的集水区的径流贡献变化值是否超过阈值;若超过阈值,标注当前交点;
步骤128b、根据集水区数量,计算集水区的贡献率平均值,以贡献率平均值的预定倍数作为贡献率上限,对天然径流贡献率进行分级。
6.如权利要求1所述的梯级电站发电与生态多目标协同优化方法,其特征在于,所述步骤2进一步为:
步骤22、构建梯级电站发电与生态协同优化调度模型。
7.如权利要求1所述的梯级电站发电与生态多目标协同优化方法,其特征在于,所述步骤3进一步为:
步骤31、读取非劣解集,并基于非劣解集对调度结果进行分析;
步骤32、采用成对可视化方法定量分析两两目标竞争关系;
步骤33、采用效率指标法定量分析两两目标竞争关系;
步骤34、采用置换比法分析三目标整体竞争关系;
步骤35、输出梯级电站多维优化目标竞争关系的分析结果。
8.如权利要求7所述的梯级电站发电与生态多目标协同优化方法,其特征在于,
所述置换比为,在多目标协同优化问题中,对于某一具体目标而言,其他目标的函数值提高或降低1个单位,需要该目标函数值降低或提高∆x个单位进行置换;
所述步骤34进一步为:
步骤341、获得三维Pareto非劣解空间,其每个点对应一种非劣方案;对Pareto非劣解按照某一目标函数值从小到大进行排序并编号;
步骤342、定义相邻点,相邻点是指与所研究点距离相近,且为单调关系的点;当函数为三个目标的函数值时,其中研究点的两侧各有一个点,若满足函数值单调递增或者递减,则左右两侧的点为相邻点;若存在两个相邻点,称其为Pareto非劣解空间非边缘点;
步骤343、个体置换比的计算
对于非边缘点,研究点的置换比为该研究点与其两个相邻点构成的向量分别与目标函数轴夹角余切的平均值;对于边缘点研究点的置换比为该研究点与其相邻点构成的向量与各目标函数轴夹角的余切值;
步骤345、整体置换比计算,整体置换比为各个个体置换比的算术平均值。
9.如权利要求8所述的梯级电站发电与生态多目标协同优化方法,其特征在于,所述步骤4进一步为采用兼顾竞争关系的TOPSIS法对所得的调度方案解集进行优选,获得最终调度方案组合,其中构造规范化的加权矩阵的过程具体为:
分别计算Pareto非劣解集中各个研究点的敏感系数并归一化,敏感系数等于该研究点的个体置换比与其对应的目标函数值的比值;
对量纲归一化敏感系数解集进行支配关系分析,缩减非劣解集;
计算个体偏向度,个体偏向度为非劣解相对于各优化目标的偏向程度;研究点的个体偏向度等于该点的各向敏感系数的相对权重;
计算整体偏向度,整体偏向度等于个体偏向度的算术平均值;
计算调度方案集各评价指标的权重,各评价指标的权重等于整体偏向度。
10.一种梯级电站发电与生态多目标协同优化系统,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1~9任一项所述的梯级电站发电与生态多目标协同优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267278.6A CN115809718B (zh) | 2022-10-09 | 2022-10-09 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267278.6A CN115809718B (zh) | 2022-10-09 | 2022-10-09 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115809718A true CN115809718A (zh) | 2023-03-17 |
CN115809718B CN115809718B (zh) | 2024-03-15 |
Family
ID=85482741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211267278.6A Active CN115809718B (zh) | 2022-10-09 | 2022-10-09 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809718B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681312A (zh) * | 2023-07-28 | 2023-09-01 | 华中科技大学 | 一种面向生态的多目标水库优化调度决策方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160273518A1 (en) * | 2014-09-02 | 2016-09-22 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security constrained dynamic dispatch for wind power management |
CN108805434A (zh) * | 2018-05-25 | 2018-11-13 | 河海大学 | 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法 |
CN109886473A (zh) * | 2019-01-24 | 2019-06-14 | 河海大学 | 一种考虑下游生态的流域风光水系统多目标优化调度方法 |
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 |
CN110472824A (zh) * | 2019-07-09 | 2019-11-19 | 贵州黔源电力股份有限公司 | 一种考虑调峰需求的梯级水电站短期多目标优化调度方法 |
CN111005346A (zh) * | 2019-12-06 | 2020-04-14 | 河海大学 | 一种水库群多目标作用机制和优化调度方案分析方法 |
CN111079066A (zh) * | 2019-11-21 | 2020-04-28 | 河海大学 | 一种水库群发电生态两目标竞争关系分析方法 |
CN112132488A (zh) * | 2020-10-10 | 2020-12-25 | 陕西省引汉济渭工程建设有限公司 | 一种耦合建模-优化-优选的水库生态调度方法 |
CN112184070A (zh) * | 2020-10-28 | 2021-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种协同生态流量需求的梯级水电站多目标优化调度方法及系统 |
CN114548609A (zh) * | 2022-04-27 | 2022-05-27 | 中国水利水电科学研究院 | 一种面向生态发电供水的水资源协同调配方法 |
CN114722709A (zh) * | 2022-04-11 | 2022-07-08 | 武汉大学 | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 |
-
2022
- 2022-10-09 CN CN202211267278.6A patent/CN115809718B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160273518A1 (en) * | 2014-09-02 | 2016-09-22 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security constrained dynamic dispatch for wind power management |
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 |
CN108805434A (zh) * | 2018-05-25 | 2018-11-13 | 河海大学 | 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法 |
CN109886473A (zh) * | 2019-01-24 | 2019-06-14 | 河海大学 | 一种考虑下游生态的流域风光水系统多目标优化调度方法 |
CN110472824A (zh) * | 2019-07-09 | 2019-11-19 | 贵州黔源电力股份有限公司 | 一种考虑调峰需求的梯级水电站短期多目标优化调度方法 |
CN111079066A (zh) * | 2019-11-21 | 2020-04-28 | 河海大学 | 一种水库群发电生态两目标竞争关系分析方法 |
CN111005346A (zh) * | 2019-12-06 | 2020-04-14 | 河海大学 | 一种水库群多目标作用机制和优化调度方案分析方法 |
CN112132488A (zh) * | 2020-10-10 | 2020-12-25 | 陕西省引汉济渭工程建设有限公司 | 一种耦合建模-优化-优选的水库生态调度方法 |
CN112184070A (zh) * | 2020-10-28 | 2021-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种协同生态流量需求的梯级水电站多目标优化调度方法及系统 |
CN114722709A (zh) * | 2022-04-11 | 2022-07-08 | 武汉大学 | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 |
CN114548609A (zh) * | 2022-04-27 | 2022-05-27 | 中国水利水电科学研究院 | 一种面向生态发电供水的水资源协同调配方法 |
Non-Patent Citations (7)
Title |
---|
HE-XUAN HU 等: "Multi-objective Reservoir Optimal Operation Based on GCN and NSGA-II Algorithm", 《2021 4TH INTERNATIONAL CONFERENCE ON ADVANCED ELECTRONIC MATERIALS, COMPUTERS AND SOFTWARE ENGINEERING (AEMCSE)》, pages 546 - 551 * |
何向阳 等: "基于改进NSGA-Ⅱ的梯级水电站多目标发电优化调度", 《武汉大学学报(工学版)》, vol. 44, no. 06, 28 December 2011 (2011-12-28), pages 715 - 719 * |
俞雷 等: "雅砻江流域典型年天然径流量时空分布特征", 《南水北调与水利科技(中英文)》, vol. 18, no. 03, pages 73 - 80 * |
吴振天 等: "梯级水库群发电与生态效益竞争关系定量分析", 《水电能源科学》, vol. 38, no. 09, pages 67 - 70 * |
朱艳霞 等: "梯级水电站群发电运行的水足迹研究", 《水电能源科学》, vol. 31, no. 02, pages 87 - 90 * |
董增川 等: "流域水资源调度多目标时变偏好决策方法及应用", 《水科学进展》, vol. 32, no. 03, pages 376 - 386 * |
陈雨菲 等: "金沙江梯级水库群供水发电联合调度研究", 《河北工程大学学报(自然科学版)》, no. 03, pages 71 - 76 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681312A (zh) * | 2023-07-28 | 2023-09-01 | 华中科技大学 | 一种面向生态的多目标水库优化调度决策方法及系统 |
CN116681312B (zh) * | 2023-07-28 | 2023-10-31 | 华中科技大学 | 一种面向生态的多目标水库优化调度决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115809718B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Random forest solar power forecast based on classification optimization | |
Qian et al. | An improved seasonal GM (1, 1) model based on the HP filter for forecasting wind power generation in China | |
Mavromatidis et al. | Design of distributed energy systems under uncertainty: A two-stage stochastic programming approach | |
Roth et al. | SynCity: Using open data to create a synthetic city of hourly building energy estimates by integrating data-driven and physics-based methods | |
Yildiz et al. | A review and analysis of regression and machine learning models on commercial building electricity load forecasting | |
Wang et al. | Comparative study of machine learning approaches for predicting short-term photovoltaic power output based on weather type classification | |
Liu et al. | Spatial-temporal characteristics analysis of water resource system resilience in irrigation areas based on a support vector machine model optimized by the modified gray wolf algorithm | |
CN105260803A (zh) | 一种系统用电量预测方法 | |
US20210326696A1 (en) | Method and apparatus for forecasting power demand | |
Wei et al. | Forecasting the daily natural gas consumption with an accurate white-box model | |
Zhang et al. | Assessing the weighted multi-objective adaptive surrogate model optimization to derive large-scale reservoir operating rules with sensitivity analysis | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN112149890A (zh) | 基于用户用能标签的综合能源负荷预测方法及系统 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
Li et al. | A comparative study on prediction methods for China's medium-and long-term coal demand | |
CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
Yu et al. | A real option model for geothermal heating investment decision making: considering carbon trading and resource taxes | |
CN115455707A (zh) | 一种分析流域水资源工程对气象-水文干旱影响的方法 | |
CN104881718A (zh) | 基于多尺度经济先行指标的区域电力景气指数构建方法 | |
Zhao et al. | Short-term microgrid load probability density forecasting method based on k-means-deep learning quantile regression | |
CN107748940A (zh) | 一种节电潜力量化预测方法 | |
Chen et al. | Carbon emission and thermal comfort prediction model for an office building considering the contribution rate of design parameters | |
Zou et al. | Quantitative assessment of adaptive measures on optimal water resources allocation by using reliability, resilience, vulnerability indicators | |
Wang et al. | Crop-growth-based spatially-distributed optimization model for irrigation water resource management under uncertainties and future climate change | |
CN110135652B (zh) | 一种长期汛期径流预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |