CN117217440B - 基于可行策略的引调水工程多目标水量优化调度求解方法 - Google Patents
基于可行策略的引调水工程多目标水量优化调度求解方法 Download PDFInfo
- Publication number
- CN117217440B CN117217440B CN202311030516.6A CN202311030516A CN117217440B CN 117217440 B CN117217440 B CN 117217440B CN 202311030516 A CN202311030516 A CN 202311030516A CN 117217440 B CN117217440 B CN 117217440B
- Authority
- CN
- China
- Prior art keywords
- water
- scheduling
- decision
- optimization
- feasible
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 197
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000012546 transfer Methods 0.000 claims abstract description 10
- 238000005086 pumping Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
一种基于可行策略的引调水工程多目标水量优化调度求解方法，包括：对调水工程水量调度系统各输水建筑物进行概化，明确输水线路及水力联系，绘制调度系统概化图；根据绘制的调度系统概化图的水量平衡关系和水力联系构建调水工程水量调度模型，确定调水工程水量调度模型的目标函数、约束条件以及决策变量；通过逆序演算与顺序演算相结合，并引入[0,1]区间的决策系数，得到决策变量的可行空间；基于多目标优化求解算法，结合可行空间搜索策略，对决策系数进行优化求解，通过映射关系转换为决策变量，最后采用熵权法进行方案优选。本发明能够有效提高复杂调度系统水量优化调度问题的求解效率，避免复杂约束条件导致的无法搜索到可行解的困境。
Description
技术领域
本发明涉及水资源高效利用与引调水工程水量优化调度技术领域，具体是指一种基于可行策略的引调水工程多目标水量调度优化求解方法。
背景技术
跨流域调水工程是解决区域水资源分配不均、供需矛盾突出的重要手段，其目的是将水资源从丰水地区调入缺水地区，从而缓解水资源短缺问题，保障缺水地区供水安全与社会经济发展。多目标水量优化调度问题是当前水资源领域的研究热点。水量调度是指通过合理运用各类水工程，在时间和空间上对水资源进行调节、控制和分配的活动，是科学指导工程运行管理的重要内容，对保障供水目标实现、调水工程效益发挥具有重要意义。引调水工程通常涉及河道、管道、闸泵和调蓄水库等多种输水建筑物，供水调度系统复杂。此外，调水工程水量调度往往需要考虑供水保障、能耗、空间均衡以及经济效益等多个调度目标，且多个目标之间一般会存在相互竞争关系，求解相对困难。因此，针对复杂调水工程多目标水量优化调度问题的研究显得尤为重要。
当前研究一般采用智能优化算法来求解复杂水量调度模型，即通过优化决策变量的取值，使目标函数在给定约束条件下达到最优，常用的方法主要有线性规划、非线性规划、动态规划法和启发式算法等。其中启发式进化算法因其具有全局优化性能、稳健性强、通用性强、求解效率高等特点在水量优化调度领域得到广泛应用，如遗传算法(GA)、人工神经网络(ANN)、粒子群算法(PSO)和蚁群算法(ACO)等。在多目标决策问题中，应用较广的多目标智能优化算法有多目标差分演化算法(DEMO)、多目标遗传算法(MMGA)、非支配排序遗传算法(NSGA-II)等。
在水量调度模型优化求解过程中，约束条件的处理一直是智能算法的核心和难点问题。一般智能算法是通过在给定上下限的决策变量空间中进行随机搜索，但是对于复杂调度系统，约束条件类型和决策变量数量过多，且各个决策变量之间存在强关联性，导致可行空间在整个搜索空间中的比例很小。现有算法需要通过增加种群和迭代次数以实现扩大搜索，造成计算耗时较长、收敛性差，甚至无法搜索到可行解。为解决这一问题，常用的处理约束条件的方法有将常规调度生成的解直接引入到算法的初始解空间中；采用适当的修复算子，将不可行解转化为可行解，使得搜索始终在可行域内进行；在求解时引入罚函数将有约束问题转化为无约束问题。但这些方法可移植性差、求解效率偏低，收敛性也难以保证。由此可知，复杂调度系统优化求解过程中的约束条件处理技术还有待进一步研究。
发明内容
针对现有技术的不足，本发明的目的在于提供一种基于可行策略的引调水工程多目标水量调度优化求解方法，将可行策略与优化算法相结合，使优化过程始终在可行空间中进行搜索，旨在解决优化算法对于复杂调度系统难以搜索到可行解的问题，有效提高求解效率。
为实现上述目的，本发明提供的一种基于可行策略的引调水工程多目标水量调度优化求解方法，包括如下步骤：
步骤一、调度系统概化：对调水工程水量调度系统涉及的输水建筑物进行概化，明确输水线路及水力联系，绘制调度系统概化图；
步骤二、调度模型构建：根据绘制的调度系统概化图的水量平衡关系和水力联系构建调水工程水量调度模型，确定调水工程水量调度模型的目标函数、约束条件以及决策变量；
步骤三、可行空间确定：通过逆序演算与顺序演算相结合，并引入[0,1]区间的决策系数，得到决策变量的可行空间；
步骤四、多目标优化求解：基于多目标优化求解算法，对调水工程水量调度模型的决策系数进行优化求解，实现可行空间搜索，通过线性映射关系得到决策变量，最后采用熵权法进行方案优选。
进一步的，所述输水建筑物包括河道、管道、闸泵、水库、分水口。
进一步的，所述步骤二中的目标函数包括供水保障目标(缺水最少)、能耗目标(泵站抽水最少)、空间均衡目标(缺水标准差最小)，约束条件包括水量平衡约束、供水能力约束、水库库容约束，决策变量包含水库出库流量、泵站抽水流量和分水口输水流量。
进一步的，所述步骤三具体包括：
步骤3.1、逆序演算：从工程终点枢纽(即各分水口)开始演算推至工程起点枢纽(即水源点)的逆序模拟过程，考虑各受水区的逐时段需水量和沿程输水损失，从而倒推出工程全段所需的逐时段需水量，直至推算到工程起点枢纽，并与工程各类建筑物设计输水能力约束或设计供水总量进行对比，取两者较小值，从而实现“以需定供”的理念；
步骤3.2、决策系数生成：给定一组[0,1]范围内的决策系数；
步骤3.3、顺序演算：对于给定时段t，根据逆序演算确定的起点枢纽需水量，与设计输水能力和设计供水总量比较，取三者最小值作为起点枢纽输水量上限，其下限为0，并基于决策系数得到当前时段的起点枢纽输水量；然后通过顺序演算从工程起点枢纽开始演算至工程终点枢纽，根据水量平衡关系与约束条件分别计算各决策变量的上下限范围，如式(1)所示，结合相应的决策系数和映射转换关系，如式(2)所示，得到一组可行解，即整个工程调度过程；通过给定不同的决策系数得到不同的可行解，从而实现在决策变量可行空间中进行优化求解。
式中：xi,t为决策变量，i表示输水方向上的第i个决策变量，t表示时间；f为根据水量平衡关系确定的决策变量之间函数关系；和/>分别为xi,t的可行上下限；θi,t为决策系数，θi,t∈[0,1]。
进一步的，所述步骤四中多目标优化求解算法采用多目标智能优化算法，具体为：在优化算法生成种群时，首先生成[0,1]区间的决策系数，再根据步骤三得到的决策变量的可行空间，利用映射关系得到决策变量，进而根据调度模型计算目标函数值，通过迭代优化求解，得到Pareto最优解集，然后再采用熵权法进行方案优选，得到最优调度方案。
本发明的优点及有益效果如下：
(1)本发明通过引入决策系数，利用映射关系实现决策系数与决策变量的转换，将可行策略与优化算法相结合，保证优化求解过程始终在可行空间中进行，大大缩减了搜索空间，避免了优化算法对于复杂调度系统难以搜索到可行解的问题，有效提高了求解效率与准确性；
(2)本发明采用的智能优化算法不仅仅局限于一种算法，而是可适用于多种多目标优化算法，适用性较广；
(3)本发明综合考虑供水保障、能耗和空间均衡等目标进行多目标优化调度，基于NSGA-II算法求解Pareto最优解集，采用熵权法进行方案优选，得到的最优方案相对更加合理，可为引调水工程运行管理提供决策支持。
附图说明
图1为本发明实施例一种基于可行策略的引调水工程多目标水量调度优化求解方法的流程图；
图2为本发明实施例引调水工程调度系统概化示意图；
图3为本发明实施例调水工程多目标水量优化调度Pareto前沿分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明具体流程包含：1)调度系统概化，对调水工程水量调度系统各输水建筑物进行概化，明确输水线路及水力联系，绘制调度系统概化图，为调度模型构建提供系统框架；2)调度模型构建，确定目标函数、约束条件以及决策变量，根据水量平衡关系和水力联系构建调水工程水量调度模型；3)可行空间确定，通过逆序演算与顺序演算相结合，并引入[0,1]区间的决策系数，得到决策变量的上下限范围，即可行空间；4)多目标优化求解，基于多目标优化求解算法，结合可行空间搜索思路，对决策系数进行优化求解，通过映射关系转换为决策变量，最后采用熵权法进行方案优选。
以某引调水工程为例，具体实施步骤如下：
步骤一、调度系统概化：图2为该工程的调度系统概化图，包括河道、管道、调蓄水库、闸门、泵站和分水口，该工程通过泵站B1从某河抽水至河道H1，经河道和管道输水，通过调蓄水库S1～S4向5个分水口(F1～F5)供水。
步骤二、调度模型构建：目标函数为综合缺水率最小(供水保障)、受水区缺水率标准差最小(空间均衡)和各泵站抽水量最小(低能耗)，决策变量为各时段各分水口供水量QFi,t和各泵站抽水量QBi,t。约束条件包括水量平衡约束(水库、河道、管道)、供水能力约束(泵站、河道、管道)、水库库容约束、设计供水量约束(泵站B1总抽水量)和变量非负约束。根据水量平衡关系和水力联系构建调水工程水量调度模型：
(1)供水保障目标——受水区综合缺水率最小：
(2)能耗目标——泵站总抽水量最小：
(3)空间均衡目标——不同受水区缺水率标准差最小：
式中：t为时段序号，t＝1～T；i为受水区序号，i＝1～N，N＝9；j为泵站序号，j＝1～M，M＝3；Qd(i,t)为t时段i受水区的需水流量(指扣除当地供水后的缺水量)，m3/s；Qs(i,t)为t时段i受水区对应分水口的实际供水流量，m3/s；Qb(j,t)为t时段j泵站的抽水流量，m3/s；ΔT(t)为t时段时长，s；α(i)为i受水区的缺水率， 为N个受水区的平均缺水率。
步骤三、可行空间确定：通过逆序演算与顺序演算相结合，并引入[0,1]区间的决策系数，得到决策变量的上下限范围，即可行空间。具体包含三个步骤：
①逆序演算，该过程是从工程终点枢纽(各分水口F1～F5)开始演算推至工程起点枢纽(泵站B1)的逆序模拟过程，主要考虑各受水区的逐时段需水量和沿程输水损失，从而倒推出工程全段所需的逐时段需水量过程，并与工程各类建筑物设计输水能力约束进行对比，取两者较小值，从而实现“以需定供”的理念；
②决策系数生成，给定一组[0,1]范围内的决策系数；
③顺序演算，对于给定时段t，根据逆序演算确定的起点枢纽(泵站B1)需水量，与其设计输水能力和设计供水总量比较，取三者最小值作为起点枢纽输水量上限，其下限为0，并基于决策系数得到当前时段的起点枢纽输水量。然后通过顺序演算从工程起点枢纽(泵站B1)开始演算至工程终点枢纽(各分水口F1～F5)，根据水量平衡关系与约束条件分别计算各决策变量的上下限范围(见式4)，结合相应的决策系数和映射转换关系(见式5)，得到一组可行解，即整个工程调度过程。
式中：xi,t为决策变量，i表示输水方向上的第i个决策变量，t表示时间；f为根
据水量平衡关系确定的决策变量之间函数关系；和/>分别为xi,t的可行上下限；θi,t为决策系数，θi,t∈[0,1]。
步骤四、多目标优化求解：基于多目标优化求解算法，对决策系数进行优化求解，实现可行空间搜索，通过线性映射关系得到决策变量，最后采用熵权法进行方案优选。具体为：在优化算法生成种群时，首先生成[0,1]区间的决策系数，再根据步骤三的可行空间，利用映射关系得到决策变量，进而根据调度模型计算目标函数值，通过迭代优化求解，得到Pareto最优解集(见图3)。然后再采用熵权法进行方案优选，根据不同指标权重计算方案得分，选取得分最高的为最优方案。分别选择缺水率最小方案(单指标最优)和熵权法最优方案(多指标综合最优)进行对比，如表1所示。方案二的综合缺水率相对方案一略有增加，但泵站总抽水量和缺水率标准差均比方案一减少，其中泵站总抽水量减少了约200万m3，标准差相对降低了约50.2％。综合考虑多个指标，选择方案二作为最优调度方案。
表1不同方案评价指标及熵权法得分
| 序号 | 方案 | 综合缺水率(％) | 泵站总抽水量(亿m3) | 缺水率标准差(％) | 得分 |
| 1 | 缺水率最小 | 4.88 | 10.66 | 2.75 | 72.88 |
| 2 | 熵权法最优 | 5.68 | 10.64 | 1.33 | 73.52 |
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (4)
1.一种基于可行策略的引调水工程多目标水量优化调度求解方法，其特征在于，包括如下步骤：
步骤一、调度系统概化：对调水工程水量调度系统涉及的输水建筑物进行概化，明确输水线路及水力联系，绘制调度系统概化图；
步骤二、调度模型构建：根据绘制的调度系统概化图的水量平衡关系和水力联系构建调水工程水量调度模型，确定调水工程水量调度模型的目标函数、约束条件以及决策变量；
步骤三、可行空间确定：通过逆序演算与顺序演算相结合，并引入[0,1]区间的决策系数，得到决策变量的可行空间；
步骤四、多目标优化求解：基于多目标优化求解算法，对调水工程水量调度模型的决策系数进行优化求解，实现可行空间搜索，通过线性映射关系得到决策变量，最后采用熵权法进行方案优选；
所述步骤三具体包括：
步骤3.1、逆序演算：从工程终点枢纽开始演算推至工程起点枢纽的逆序模拟过程，考虑各受水区的逐时段需水量和沿程输水损失，从而倒推出工程全段所需的逐时段需水量，直至推算到工程起点枢纽，并与工程各类建筑物设计输水能力约束或设计供水总量进行对比，取两者较小值，从而实现“以需定供”的理念；
步骤3.2、决策系数生成：给定一组[0,1]范围内的决策系数；
步骤3.3、顺序演算：对于给定时段t，根据逆序演算确定的起点枢纽需水量，与设计输水能力和设计供水总量比较，取三者最小值作为起点枢纽输水量上限，其下限为0，并基于决策系数得到当前时段的起点枢纽输水量；然后通过顺序演算从工程起点枢纽开始演算至工程终点枢纽，根据水量平衡关系与约束条件分别计算各决策变量的上下限范围，如式(1)所示，结合相应的决策系数和映射转换关系，如式(2)所示，得到一组可行解，即整个工程调度过程；通过给定不同的决策系数得到不同的可行解，从而实现在决策变量可行空间中进行优化求解；
式中：xi,t为决策变量，i表示输水方向上的第i个决策变量，t表示时间；f为根据水量平衡关系确定的决策变量之间函数关系；和/>分别为xi,t的可行上下限；θi,t为决策系数，θi,t∈[0,1]。
2.根据权利要求1中所述的基于可行策略的引调水工程多目标水量优化调度求解方法，其特征在于：所述输水建筑物包括河道、管道、闸泵、水库、分水口。
3.根据权利要求1中所述的基于可行策略的引调水工程多目标水量优化调度求解方法，其特征在于：所述步骤二中的目标函数包括供水保障目标、能耗目标、空间均衡目标，约束条件包括水量平衡约束、供水能力约束、水库库容约束，决策变量包含水库出库流量、泵站抽水流量和分水口输水流量。
4.根据权利要求1所述的基于可行策略的引调水工程多目标水量优化调度求解方法，其特征在于：所述步骤四中多目标优化求解算法采用多目标智能优化算法，具体为：在优化算法生成种群时，首先生成[0,1]区间的决策系数，再根据步骤三得到的决策变量的可行空间，利用映射关系得到决策变量，进而根据调度模型计算目标函数值，通过迭代优化求解，得到Pareto最优解集，然后再采用熵权法进行方案优选，得到最优调度方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311030516.6A CN117217440B (zh) | 2023-08-16 | 2023-08-16 | 基于可行策略的引调水工程多目标水量优化调度求解方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311030516.6A CN117217440B (zh) | 2023-08-16 | 2023-08-16 | 基于可行策略的引调水工程多目标水量优化调度求解方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117217440A CN117217440A (zh) | 2023-12-12 |
| CN117217440B true CN117217440B (zh) | 2024-03-26 |
Family
ID=89045186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311030516.6A Active CN117217440B (zh) | 2023-08-16 | 2023-08-16 | 基于可行策略的引调水工程多目标水量优化调度求解方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117217440B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127348A (zh) * | 2016-07-04 | 2016-11-16 | 大连理工大学 | 一种水库群联合优化调度可行决策空间辨识方法 |
| CN112633578A (zh) * | 2020-12-24 | 2021-04-09 | 国电电力发展股份有限公司和禹水电开发公司 | 一种引调水工程影响下梯级水库群优化调度方法 |
| CN113705120A (zh) * | 2021-08-25 | 2021-11-26 | 山东省调水工程运行维护中心 | 一种调水工程泵后阀最优调控方案制定方法 |
| CN114548546A (zh) * | 2022-02-18 | 2022-05-27 | 郑州大学 | 一种调水工程水量的优化调度方法 |
| CN115099477A (zh) * | 2022-06-15 | 2022-09-23 | 中国水利水电科学研究院 | 一种水库旱限水位优化及抗旱调度方法 |
| CN115238993A (zh) * | 2022-07-20 | 2022-10-25 | 广西大学 | 基于nsga-ⅱ算法的水库群多目标优化调度方案决策系统 |
| CN116307591A (zh) * | 2023-03-22 | 2023-06-23 | 河海大学 | 一种基于amocs-pt的跨流域调水工程优化调度方法 |
-
2023
- 2023-08-16 CN CN202311030516.6A patent/CN117217440B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127348A (zh) * | 2016-07-04 | 2016-11-16 | 大连理工大学 | 一种水库群联合优化调度可行决策空间辨识方法 |
| CN112633578A (zh) * | 2020-12-24 | 2021-04-09 | 国电电力发展股份有限公司和禹水电开发公司 | 一种引调水工程影响下梯级水库群优化调度方法 |
| CN113705120A (zh) * | 2021-08-25 | 2021-11-26 | 山东省调水工程运行维护中心 | 一种调水工程泵后阀最优调控方案制定方法 |
| CN114548546A (zh) * | 2022-02-18 | 2022-05-27 | 郑州大学 | 一种调水工程水量的优化调度方法 |
| CN115099477A (zh) * | 2022-06-15 | 2022-09-23 | 中国水利水电科学研究院 | 一种水库旱限水位优化及抗旱调度方法 |
| CN115238993A (zh) * | 2022-07-20 | 2022-10-25 | 广西大学 | 基于nsga-ⅱ算法的水库群多目标优化调度方案决策系统 |
| CN116307591A (zh) * | 2023-03-22 | 2023-06-23 | 河海大学 | 一种基于amocs-pt的跨流域调水工程优化调度方法 |
Non-Patent Citations (5)
| Title |
|---|
| Multi-Objective Optimal Operations Based on Improved NSGA-II for Hanjiang to Wei River Water Diversion Project, China;Lianzhou Wu 等;《Water》;20190602;第11卷(第6期);1-20 * |
| 基于可行空间搜索遗传算法的水库调度图优化;王旭 等;《水力学报》;20130131;第44卷(第1期);第26-34页 * |
| 引江济淮工程河南段多目标水量优化调度;宋志红 等;南水北调与水利科技（ 中英文 ）》;20240229;第22卷(第1期);1-10 * |
| 水库群联合优化调度知识规则降维方法;冯仲恺 等;《中国科学》;20170220;第47卷(第2期);210-220 * |
| 考虑供水均衡性的南水北调东线工程 江苏段优化调度;方国华 等;《河 海 大 学 学 报 （ 自 然 科 学 版 ）》;20230531;第51卷(第3期);第10-18段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117217440A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109599861B (zh) | 考虑本地负荷调峰能力的送端电网电源结构规划方法 | |
| CN109347151B (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
| CN108764573B (zh) | 一种面向内陆干旱区的水资源多维均衡配置系统 | |
| CN107895221B (zh) | 市场环境下梯级水电站中长期调度与检修计划优化方法 | |
| CN109390973B (zh) | 一种考虑通道约束的送端电网电源结构优化方法 | |
| CN111724003B (zh) | 一种基于“分区-分级”理论的复杂水资源系统优化配置方法 | |
| CN108123492A (zh) | 一种考虑火电电蓄热联合调峰的日前发电计划优化方法 | |
| CN111181198A (zh) | 一种基于网源互馈的异质能源互补发电调度方法 | |
| CN111555355A (zh) | 水光蓄联合发电的调度策略及其优化方法 | |
| CN110942212B (zh) | 一种基于梯级水库运行系数的梯级水库优化运行方法 | |
| CN107133840B (zh) | 一种面向电供热取暖促进风电就地消纳的多风场竞价方法 | |
| CN113864854B (zh) | 一种蓄热式电采暖参与风电消纳的多目标优化方法及系统 | |
| CN110633849A (zh) | 一种基于启发式大系统分解协调思想的水资源配置方法 | |
| CN116245338A (zh) | 一种矿山综合能源系统低碳经济运行优化方法 | |
| CN113393038A (zh) | 一种综合能源站网及需求响应协同的规划方法 | |
| CN116826729A (zh) | 计及风、光不确定性的多源联合系统鲁棒优化配置方法 | |
| CN111428970A (zh) | 一种大规模水电站群跨省外送能力分析模型及求解方法 | |
| Yan et al. | Application of whale optimization algorithm in optimal allocation of water resources | |
| CN105391091B (zh) | 一种基于层次分析法和隶属度的分布式能量管理方法 | |
| CN117217440B (zh) | 基于可行策略的引调水工程多目标水量优化调度求解方法 | |
| CN113962419B (zh) | 基于改进多目标布谷鸟搜索算法的热电联产机组负荷优化分配方法 | |
| CN113555907A (zh) | 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 | |
| CN109873419B (zh) | 一种考虑相似度和经济收益的水光蓄系统运行优化方法 | |
| CN105552941B (zh) | 一种分布式电源调峰容量优化方法 | |
| CN110189231B (zh) | 一种基于改进遗传算法的电网最优供电方案的确定方法 |
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 |