CN112462651A - 一种考虑前池水位的小水电功率预测方法及预测*** - Google Patents
一种考虑前池水位的小水电功率预测方法及预测*** Download PDFInfo
- Publication number
- CN112462651A CN112462651A CN202011290326.4A CN202011290326A CN112462651A CN 112462651 A CN112462651 A CN 112462651A CN 202011290326 A CN202011290326 A CN 202011290326A CN 112462651 A CN112462651 A CN 112462651A
- Authority
- CN
- China
- Prior art keywords
- water level
- forebay
- forebay water
- small hydropower
- moment
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000012706 support-vector machine Methods 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 5
- 239000007788 liquid Substances 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 238000011161 development Methods 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000001556 precipitation Methods 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
- G05B19/0425—Safety, monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开了一种考虑前池水位的小水电功率预测方法及预测***,它包括采集含α个时刻的前池水位数据集和各时刻对应的天气预报信息集进行相关性分析,将相关性前二位的前池水位数据和天气预报信息形成训练样本集利用SVM训练得到前池水位预测模型,预测前池水位;将最终实时前池水位数据加入前池水位样本集实时修正前池水位预测模型;根据实时修正的前池水位预测模型得到预测周期内的各时刻前池水位预测结果集;利用BP神经网络建立小水电功率预测模型并根据前池水位样本集和小水电出力样本集修正;根据修正后的小水电功率预测模型,得到预测周期内的各时刻小水电功率预测结果,解决了不能准确掌握小水电未来出力情况等技术问题。
Description
技术领域
本发明属于水电运行与调度控制技术领域,尤其涉及一种考虑前池水位的小水电功率预测方法及预测***。
背景技术
水电是利用最广泛的可再生能源。为了确保水电的可持续发展和运行,并在经济、社会发展和环境保护之间寻求平衡点,“绿色水电”概念应运而生。在环保政策支持和监管当局强有力的监督下,水电能成为重要的可再生能源技术,为农村电气化、社会包容性可持续工业发展、减少温室气体排放和森林砍伐等方面做出有益贡献。最大限度和更有效的利用水能资源,不仅能够从能源结构的调整上具有战略性的意义,还能够缓解化石能源的使用给社会带来的一系列的环境问题,推动世界经济更好的发展。
小水电是清洁可再生的绿色能源,农村水电和小水电代燃料工程是统筹城乡发展的重要举措。通过开发小水电,建设农村电气化,使数千条河流得到了初步治理,小水电水库总库容达多亿立方米,有效地提高了江河的防洪能力,改善了生态和农业生产条件;因此,解决好小水电接入电网对***运行影响的问题至关重要。
由于小水电站大都属于装机容量小、可调节能力差的小水电站,存在丰水期多发抢发、枯水期少发停发的特点,其上网电量存在极大的不确定性,波动幅度巨大,对电网的稳定及电力调度造成巨大的影响。
由于地理位置的限制,电站前池容积不能扩大。当前池来水量增加时,如果运行人员未能及时了解前池水位变化情况,加大机组出力,将造成前池溢流,影响电站经济效益,而且当某一地区具有大规模小水电时,会出现因降水造成的短期水电功率大发,在并向主网传输时,如果调度不掌握这些信息,调控手段不及时将导致主网调度的经济性和安全性受到首要威胁。因此实时监测电站前池水位变化前况,同时可以识别和自动修正前池水位实时数据,实时修正前池水位预测模型,再结合小水电实时出力数据,不断修正小水电功率预测***的预测模型,同时目前前池水位传感器所处地理位置复杂,易受雷电等特殊气象条件的影响,而且一般前池只布置有单传感器,无法判断数据是否异常或数据质量是否满足运行要求,以及无法了解未来前池水位变化情况,以致运行人员及时难以提前考虑调整机组运行方式,影响电站安全运行,同时小水电功率预测***由于没有准确的检测到前池水位,导致功率预测准确性太差,使得调度机构人员不能准确掌握小水电未来出力情况,无法合理考虑和安排未来电网运行方式,影响电网安全稳定经济运行。
发明内容
本发明要解决的技术问题是:提供一种考虑前池水位的小水电功率预测方法及预测***,以解决现有技术小水电功率预测***由于没有准确的检测到前池水位,导致功率预测准确性太差,使得调度机构人员不能准确掌握小水电未来出力情况,无法合理考虑和安排未来电网运行方式,影响电网安全稳定经济运行。
本发明的技术方案:
一种考虑前池水位的小水电功率预测方法,它包括:
步骤1、选择防雷式前池水位液位传感器并安装在钻孔的钢管中;
步骤2、将防雷式前池水位液位传感器通过防雷装置与前池水位采集终端相连用于测量实际前池水位;
步骤3、采集含α个时刻的前池水位数据集H和各时刻对应的天气预报信息集WE;
步骤4、通过采集的前池水位数据集H和天气预报信息集WE,进行前池水位与天气预报信息的相关性分析,
步骤5、将相关性系数排名前两位的两个变量记做Bκ和Bθ;
步骤6、将前池水位数据集H和天气预报信息集WE中Bκ和Bθ变量形成训练样本集,利用SVM训练得到前池水位预测模型;
步骤7、实时采集第g个时刻的前池水位数据HRTg,并根据对应时刻的实时天气预报信息WERTg,利用步骤6得到的前池水位预测模型得到对应时刻的前池水位预测值HPRg;并确定第g个时刻的前池水位数据HFg;
步骤8、将最终实时前池水位数据加入前池水位样本集,实时修正前池水位预测模型;
步骤9、收集预测周期内含有Bκ和Bθ两个变量的未来天气预报信息集WEP作为输入传递给实时修正的前池水位预测模型,得到预测周期内的各时刻前池水位预测结果集HWFP;
步骤10、小水电功率预测***利用含α个时刻的前池水位数据集H以及小水电的历史出力数据集PTS,利用BP神经网络建立小水电功率预测模型;
步骤11、利用得到的最终实时前池水位数据,结合小水电实时出力数据,实时加入前池水位样本集和小水电出力样本集,实时修正基于BP神经网络的小水电功率预测模型;
步骤12、预测周期内的各时刻前池水位预测结果集HWFP作为输入基于BP神经网络的小水电功率预测模型,得到预测周期内的各时刻小水电功率预测结果集PWFP,记入小水电功率预测***的存储单元,并通过站内测控单元传送给后台监控***,同时小水电功率预测***将预测结果通过小水电远动***传送给调度机构发电计划管理***。
步骤1所述防雷式前池水位液位传感器最大量程刻度Mξ米,输出信号为4-20mA。
步骤2所述实际前池水位获取方法为:设AD转换后的0米水位为H0,AD转换后的Mξ米水位为HMξ,通过当前第μ个时刻的测量值数字HRμ,计算得到第μ个时刻的实际前池水位Hμ
第μ个时刻的前池水位数据为Hμ,该时刻对应的天气预报信息集WEμ={TRμ,PRμ,HRμ,WDRμ,WSRμ,QRμ},,μ∈α,各符号代表以下含义:温度TR、气压PR、湿度HR、风向WDR、风速WSR、降雨量QR。
所述相关性分析时,相关性系数的计算公式为:
第g个时刻的前池水位数据的确定方法包括:
2)εg>0.2,则直接将前池水位预测模型得到对应时刻的前池水位预测值HPRg作为第g个时刻的前池水位数据HFg;
3)εg<0.2,则对实时采集第g个时刻的前池水位数据HRTg和前池水位预测模型得到对应时刻的前池水位预测值HPRg进行比较,计算φg,计算公式为若φg<0.1,则第g个时刻的前池水位数据若φg>0.1,则第g个时刻的前池水位数据HFg=ΩHRTg+ΞHPRg,其中Ω、Ξ为权重系数,且有Ω+Ξ=1。
一种考虑前池水位的小水电功率预测***,它包括:防雷式前池水位液位传感器,所述防雷式前池水位液位传感器通过防雷装置与前池水位采集终端连接;前池水位采集终端与前池水位采集分析***连接;前池水位采集分析***与前池水位预测***连接;前池水位预测***与小水电功率预测***连接;小水电功率预测***与小水电远动***连接;小水电远动***与调度***连。
一种考虑前池水位的小水电功率预测***,所述前池水位采集分析***与前池水位预测***分别与站内测控单元连接;站内测控单元与后台监控***连接。
所述前池水位采集终端包括中央处理单元,防雷装置通过AD转换模块与中央处理单元连接;中央处理单元与显示触摸屏连接;中央处理单元通过模拟量输出模块、软报文输出模块和继电器输出报警模块与前池水位采集分析***连接。
所述前池水位采集终端通过外接电源和光伏进行供电。
本发明有益效果:
通过布置防雷式前池水位液位传感器将输出的采样值通过前池水位采集终端转换为实时监测水位,利用历史前池水位数据集和历史气象信息集对前池水位预测模型进行训练,通过实时采集的前池水位信息和根据实时天气预报信息得到的前池水位预测值,进行对比、判断和数据处理,得到最终的实时前池水位数据,来实时修正前池水位预测模型,并根据预测周期内未来天气预报信息集,得到预测周期内的各时刻前池水位预测结果集,记入前池水位预测***的存储单元,并通过站内测控单元传送给后台监控***,供运行人员了解未来前池水位变化情况,提前考虑调整机组运行方式,确保电站安全运行。再利用预测周期内的各时刻前池水位预测结果集作为输入,利用建立的基于BP神经网络的小水电功率预测模型,得到预测周期内的各时刻小水电功率预测结果,记入小水电功率预测***的存储单元,并通过站内测控单元传送给后台监控***,同时小水电功率预测***将预测结果通过小水电远动***传送给调度机构发电计划管理***,为调度计划编制人员编制运行方式参考。解决了现有技术中目前前池水位传感器所处地理位置复杂,易受雷电等特殊气象条件的影响,而且一般前池只布置有单传感器,无法判断数据是否异常或数据质量是否满足运行要求,以及无法了解未来前池水位变化情况,以致运行人员及时难以提前考虑调整机组运行方式,影响电站安全运行等技术问题。
附图说明
图1为本发明结构示意图;
图2为本发明前池水位采集终端示意图。
具体实施方式:
一种考虑前池水位的小水电功率预测方法,它主要步骤有:
步骤1选择防雷式前池水位液位传感器并安装在钻孔的钢管中,以解决前池水位传感器布置在偏远山区,且地理位置复杂,无防止雷电等特殊气象条件的影响,同时容易受前池动水影响引起测量误差等问题。
步骤2防雷式前池水位液位传感器按照实际情况,选取传感器最大量程刻度Mξ米,输出信号为4-20mA。
步骤3防雷式前池水位液位传感器通过防雷装置与前池水位采集终端相连,用于以免雷击造成传感器和前池水位采集终端,同时传感器将输出的4-20mA信号传给前池水位采集终端的AD转换模块用于实现模数转换,并转换为实际前池水位并传送给前池水位采集分析***。
其中,传感器输出信号转换为实际前池水位方法如下:
其AD转换后的0米水位为H0,其AD转换后的Mξ米水位为HMξ,通过当前第μ个时刻的测量值数字HRμ,则通过下式计算得到第μ个时刻的实际前池水位Hμ。
步骤4利用步骤3得到的含α个时刻的前池水位数据集H,结合各时刻对应的天气预报信息集WE以及小水电的历史出力数据集PTS。
其中,第μ个时刻的前池水位数据为Hμ,该时刻对应的天气预报信息集WEμ={TRμ,PRμ,HRμ,WDRμ,WSRμ,QRμ}。其中,μ∈α。
其中,各符号代表以下含义:温度TR、气压PR、湿度HR、风向WDR、风速WSR、降雨量QR。
步骤5基于步骤4采集的前池水位数据集H、天气预报信息集WE和,进行前池水位与天气预报信息的相关性分析。
相关性系数的计算公式为:
式中:rHWE为变量H和WE的相关性系数。相关系数在0.8以上,认为变量间有强相关性;相关系数在0.3-0.8之间,认为变量间弱相关;低于0.3则认为变量不具备相关性。设变量H、WE各有α个样本,Hi、WEi分别代表H和WE的第i个样本。分别代表α个H、WE样本的平均值。
将前池水位数据集H与天气预报信息集WE的6个变量间,相关性系数排名前两位的两个变量记做Bκ和Bθ。
步骤6利用步骤4中前池水位数据集H和天气预报信息集WE中Bκ和Bθ形成训练样本集,利用SVM训练得到前池水位预测模型。
步骤7实时采集第g个时刻的前池水位数据HRTg,并根据对应时刻的实时天气预报信息WERTg,利用步骤6得到的前池水位预测模型得到对应时刻的前池水位预测值HPRg。并进行判断和确定第g个时刻的前池水位数据HFg,记入前池水位采集分析***的存储单元,并通过站内测控单元传送给后台监控***。
其中,第g个时刻的前池水位数据的判断和确定方法如下:
2)εg>0.2,则直接将前池水位预测模型得到对应时刻的前池水位预测值HPRg作为第g个时刻的前池水位数据HFg;
3)εg<0.2,则对实时采集第g个时刻的前池水位数据HRTg和前池水位预测模型得到对应时刻的前池水位预测值HPRg进行比较,计算φg,计算公式为若φg<0.1,则第g个时刻的前池水位数据若φg>0.1,则第g个时刻的前池水位数据HFg=ΩHRTg+ΞHPRg,其中Ω、Ξ为权重系数,且有Ω+Ξ=1。
步骤8将步骤7判断得到的最终实时前池水位数据,实时代入步骤6的前池水位样本集,实时修正前池水位预测模型。
步骤9收集预测周期内含有Bκ和Bθ两个变量的未来天气预报信息集WEP,并将其作为输入传递给步骤8得到的实时修正的前池水位预测模型,得到预测周期内的各时刻前池水位预测结果集HWFP,记入前池水位预测***的存储单元,并通过站内测控单元传送给后台监控***,同时传送给小水电功率***。
步骤10小水电功率预测***利用步骤4得到的含α个时刻的前池水位数据集H以及小水电的历史出力数据集PTS,利用BP神经网络建立小水电功率预测模型。
步骤11利用将步骤7判断得到的最终实时前池水位数据,结合小水电实时出力数据,实时加入前池水位样本集和小水电出力样本集,实时修正基于BP神经网络的小水电功率预测模型。
步骤12利用步骤9得到的预测周期内的各时刻前池水位预测结果集HWFP作为输入,利用步骤11建立的基于BP神经网络的小水电功率预测模型,得到预测周期内的各时刻小水电功率预测结果集PWFP,记入小水电功率预测***的存储单元,并通过站内测控单元传送给后台监控***,同时小水电功率预测***将预测结果通过小水电远动***传送给调度机构发电计划管理***,为调度计划编制人员编制运行方式参考。
一种考虑前池水位的的小水电功率预测***,它包括防雷式前池水位液位传感器、防雷装置、前池水位采集终端、外接电源和光伏超级电容组、前池水位采集分析***、前池水位预测***、站内测控单元、后台监控***、小水电功率预测***、小水电站远动***、调度机构发电计划管理***。
防雷式前池水位液位传感器安装在钻孔的钢管中并置于小水电前池,用于采集小水电前池水位信息,并输出4-20mA信号。
防雷装置与防雷式前池水位液位传感器相连,用于保护防雷式前池水位液位传感器不会因雷击而损坏。
前池水位采集终端与防雷装置,用于接收传感器输出的4-20mA信号进行模数转换和数据处理,并将数据传送给前池水位采集分析***。同时,与外接电源相连,用于作为前池水位采集终端的主供电源。与光伏超级电容组相连,用于作为前池水位采集终端的备用电源。
其中,小水电前池水位采集终端包括中央处理单元、AD转换模块、继电器报警输出模块、软报文输出模块、采集模拟量输出模块、显示触摸屏、隔离变压器1和开关电源1、隔离变压器2和开关电源2。
中央处理单元用于根据设定的参数(量程、AD转换后的0米水位对应值,AD转换后的最大量程水位对应值)信息,自动计算实时水位值。
AD转换模块为12位,输入信息为4-20mA的传感器采样值。
显示触摸屏用于显示实时采集的水位信息、参数设置、报警信息等内容。
继电器报警输出模块,用于将小水电前池水位采集终端内报警硬接点信号的输出;
软报文输出模块,用于将小水电前池水位采集终端内软报文信号的输出;
采集模拟量输出模块,用于将计算的实时水位值输出;
隔离变压器一和开关电源一,用于将外接电源转换为前池水位采集终端的主供电源;
隔离变压器一和开关电源一,用于将光伏超级电容组转换为前池水位采集终端的备用电源。
前池水位采集分析***与站内测控单元相连,用于将通过判断和修正后的实时前池水位信息、继电器报警信息、软报文信息,传送给站内测控单元,并这些信息转给后台监控***作展示和告警,为电站运行人员作参考。
前池水位预测***与前池水位采集分析***相连,用于收集前池水位实时信息,结合预测周期的天气预报信息,对预测周期的前池水位进行预测,并将预测结果通过站内测控单元传送给后台监控***作展示和告警,为电站运行人员作参考。
小水电功率预测***与前池水位预测***相连,用于收集预测周期的小水电前池水位预测结果,对预测周期的小水电功率进行预测,并将预测结果通过站内测控单元传送给后台监控***作展示和告警,为电站运行人员作参考。
小水电功率预测***将预测结果通过小水电远动***传送给调度机构发电计划管理***,为调度计划编制人员编制运行方式参考。
Claims (10)
1.一种考虑前池水位的小水电功率预测方法,它包括:
步骤1、选择防雷式前池水位液位传感器并安装在钻孔的钢管中;
步骤2、将防雷式前池水位液位传感器通过防雷装置与前池水位采集终端相连用于测量实际前池水位;
步骤3、采集含α个时刻的前池水位数据集H和各时刻对应的天气预报信息集WE;
步骤4、通过采集的前池水位数据集H和天气预报信息集WE,进行前池水位与天气预报信息的相关性分析,
步骤5、将相关性系数排名前两位的两个变量记做Bκ和Bθ;
步骤6、将前池水位数据集H和天气预报信息集WE中Bκ和Bθ变量形成训练样本集,利用SVM训练得到前池水位预测模型;
步骤7、实时采集第g个时刻的前池水位数据HRTg,并根据对应时刻的实时天气预报信息WERTg,利用步骤6得到的前池水位预测模型得到对应时刻的前池水位预测值HPRg;并进行判断和确定第g个时刻的前池水位数据HFg;
步骤8、将最终实时前池水位数据加入前池水位样本集,实时修正前池水位预测模型;
步骤9、收集预测周期内含有Bκ和Bθ两个变量的未来天气预报信息集WEP作为输入传递给实时修正的前池水位预测模型,得到预测周期内的各时刻前池水位预测结果集HWFP;
步骤10、小水电功率预测***利用含α个时刻的前池水位数据集H以及小水电的历史出力数据集PTS,利用BP神经网络建立小水电功率预测模型;
步骤11、利用得到的最终实时前池水位数据,结合小水电实时出力数据,实时加入前池水位样本集和小水电出力样本集,实时修正基于BP神经网络的小水电功率预测模型;
步骤12、预测周期内的各时刻前池水位预测结果集HWFP作为输入基于BP神经网络的小水电功率预测模型,得到预测周期内的各时刻小水电功率预测结果集PWFP,记入小水电功率预测***的存储单元,并通过站内测控单元传送给后台监控***,同时小水电功率预测***将预测结果通过小水电远动***传送给调度机构发电计划管理***。
2.根据权利要求1所述的一种考虑前池水位的小水电功率预测方法,其特征在于:步骤1所述防雷式前池水位液位传感器最大量程刻度Mξ米,输出信号为4-20mA。
4.根据权利要求3所述的一种考虑前池水位的小水电功率预测方法,其特征在于:第μ个时刻的前池水位数据为Hμ,该时刻对应的天气预报信息集WEμ={TRμ,PRμ,HRμ,WDRμ,WSRμ,QRμ},,μ∈α,各符号代表以下含义:温度TR、气压PR、湿度HR、风向WDR、风速WSR、降雨量QR。
6.根据权利要求1所述的一种考虑前池水位的小水电功率预测方法,其特征在于:
第g个时刻的前池水位数据的确定方法包括:
2)εg>0.2,则直接将前池水位预测模型得到对应时刻的前池水位预测值HPRg作为第g个时刻的前池水位数据HFg;
7.一种考虑前池水位的小水电功率预测***,它包括:防雷式前池水位液位传感器,其特征在于:所述防雷式前池水位液位传感器通过防雷装置与前池水位采集终端连接;前池水位采集终端与前池水位采集分析***连接;前池水位采集分析***与前池水位预测***连接;前池水位预测***与小水电功率预测***连接;小水电功率预测***与小水电远动***连接;小水电远动***与调度***连。
8.根据权利要求1所述的一种考虑前池水位的小水电功率预测***,其特征在于:所述前池水位采集分析***与前池水位预测***分别与站内测控单元连接;站内测控单元与后台监控***连接。
9.根据权利要求1所述的一种考虑前池水位的小水电功率预测***,其特征在于:所述前池水位采集终端包括中央处理单元,防雷装置通过AD转换模块与中央处理单元连接;中央处理单元与显示触摸屏连接;中央处理单元通过模拟量输出模块、软报文输出模块和继电器输出报警模块与前池水位采集分析***连接。
10.根据权利要求1所述的一种考虑前池水位的小水电功率预测***,其特征在于:所述前池水位采集终端通过外接电源和光伏进行供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290326.4A CN112462651B (zh) | 2020-11-18 | 2020-11-18 | 一种考虑前池水位的小水电功率预测方法及预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290326.4A CN112462651B (zh) | 2020-11-18 | 2020-11-18 | 一种考虑前池水位的小水电功率预测方法及预测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462651A true CN112462651A (zh) | 2021-03-09 |
CN112462651B CN112462651B (zh) | 2024-04-26 |
Family
ID=74837122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011290326.4A Active CN112462651B (zh) | 2020-11-18 | 2020-11-18 | 一种考虑前池水位的小水电功率预测方法及预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462651B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011673A (zh) * | 2021-03-31 | 2021-06-22 | 新奥数能科技有限公司 | 一种冷却塔水位的监测预警方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447134A (zh) * | 2016-11-04 | 2017-02-22 | 贵州电网有限责任公司电力科学研究院 | 一种小水电分类短期功率预测方法 |
CN106485369A (zh) * | 2016-11-04 | 2017-03-08 | 贵州电网有限责任公司电力科学研究院 | 一种径流式小水电短期功率加权预测方法 |
CN106529716A (zh) * | 2016-11-04 | 2017-03-22 | 贵州电网有限责任公司电力科学研究院 | 一种利用小水电分类短期功率预测参与电网调度的方法 |
CN109687534A (zh) * | 2019-03-07 | 2019-04-26 | 昆明电力交易中心有限责任公司 | 基于梯级水量匹配的电力***发电机组有功功率控制方法 |
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 |
CN110460117A (zh) * | 2019-09-05 | 2019-11-15 | 湖南江河机电自动化设备股份有限公司 | 一种中小电站智能优化发电*** |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
-
2020
- 2020-11-18 CN CN202011290326.4A patent/CN112462651B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447134A (zh) * | 2016-11-04 | 2017-02-22 | 贵州电网有限责任公司电力科学研究院 | 一种小水电分类短期功率预测方法 |
CN106485369A (zh) * | 2016-11-04 | 2017-03-08 | 贵州电网有限责任公司电力科学研究院 | 一种径流式小水电短期功率加权预测方法 |
CN106529716A (zh) * | 2016-11-04 | 2017-03-22 | 贵州电网有限责任公司电力科学研究院 | 一种利用小水电分类短期功率预测参与电网调度的方法 |
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 |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
CN109687534A (zh) * | 2019-03-07 | 2019-04-26 | 昆明电力交易中心有限责任公司 | 基于梯级水量匹配的电力***发电机组有功功率控制方法 |
CN110460117A (zh) * | 2019-09-05 | 2019-11-15 | 湖南江河机电自动化设备股份有限公司 | 一种中小电站智能优化发电*** |
Non-Patent Citations (1)
Title |
---|
范强;文贤馗;林呈辉;潘华;张建侠;冯永生;陈和龙;罗治松;杨刚;张俨;: "基于大数据的多种能源功率预测技术研究及应用", 电力大数据, no. 08, 21 August 2017 (2017-08-21) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011673A (zh) * | 2021-03-31 | 2021-06-22 | 新奥数能科技有限公司 | 一种冷却塔水位的监测预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112462651B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105223937B (zh) | 梯级水电站群生态调控智能控制***及方法 | |
EP2472694B1 (en) | Methods and systems for controlling a power conversion system | |
CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
CN111614316B (zh) | 光伏***发电状态监测方法及其装置 | |
CN201413997Y (zh) | 风电功率预测*** | |
CN103616734B (zh) | 大范围同步实时气象数据测量及风速风向预测***与方法 | |
CN102254239A (zh) | 基于微地形风场分布及台风叠加效应的电网风灾预警*** | |
CN106295899B (zh) | 基于遗传算法与支持向量分位数回归的风电功率概率密度预测方法 | |
CN102478584B (zh) | 基于小波分析的风电场风速预测方法及*** | |
CN101622952A (zh) | 灌区用水管理信息化结构体系 | |
CN102479347B (zh) | 基于数据驱动的风电场短期风速预测方法和*** | |
CN102117383A (zh) | 一种河流污染实时诊断的方法 | |
CN102005760A (zh) | 一种通用风电功率短期预报方法 | |
CN103727983B (zh) | 一种核电厂的无线水文监测装置 | |
CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生***建模与实现方法 | |
CN106712081A (zh) | 一种具有一体化功能的风电场监控*** | |
CN112462651A (zh) | 一种考虑前池水位的小水电功率预测方法及预测*** | |
CN112529252B (zh) | 一种小水电前池水位预测方法及预测*** | |
CN110260929A (zh) | 用于远海海上风电场的水文气象条件监测***及方法 | |
Potter et al. | Wind power data for grid integration studies | |
CN112665680B (zh) | 一种小水电前池水位测量方法及测量*** | |
Rohrig et al. | Online-monitoring and prediction of wind power in german transmission system operation centres | |
CN210487011U (zh) | 一种排水管网入河口水位监测器 | |
Kang et al. | Ultra-short-term wind power prediction and its application in early-warning system of power systems security and stability | |
Sun et al. | State detection of electric energy metering device using computer neural network |
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 |