CN115630800A - 水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 - Google Patents
水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 Download PDFInfo
- Publication number
- CN115630800A CN115630800A CN202211156193.0A CN202211156193A CN115630800A CN 115630800 A CN115630800 A CN 115630800A CN 202211156193 A CN202211156193 A CN 202211156193A CN 115630800 A CN115630800 A CN 115630800A
- Authority
- CN
- China
- Prior art keywords
- power generation
- flow
- flood control
- scheduling
- hydro
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000003860 storage Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims description 151
- 238000005457 optimization Methods 0.000 title abstract description 39
- 230000008569 process Effects 0.000 claims description 40
- 238000009826 distribution Methods 0.000 claims description 25
- 238000011144 upstream manufacturing Methods 0.000 claims description 19
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 238000000418 atomic force spectrum Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Eletrric Generators (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种水利枢纽防洪发电联合优化调度方法、***、计算机装置及存储介质，水利枢纽防洪发电联合优化调度方法包括建立防洪调度模型和优化调度模型，根据约束条件对防洪调度模型进行求解，获得待分配发电流量，基于最小耗水率的逐次分配法，对优化调度模型进行求解，根据对优化调度模型的求解结果，将待分配发电流量分配给各发电机组等步骤。本发明可以用于河道型水库及防洪工程的防洪与发电联合优化调度，破解低水头大型水利枢纽防洪与发电联合优化调度多约束、多目标的求解难题；通过研究多约束、多目标的求解技术难题实现低水头大型水利枢纽防洪与发电联合优化调度，进一步发挥水利工程的效能。本发明广泛应用于水利工程技术领域。
Description
技术领域
本发明涉及水利工程技术领域，尤其是一种水利枢纽防洪发电联合优化调度方法、***、计算机装置及存储介质。
背景技术
一直以来，研究水库的防洪发电联合优化调度是发挥水利工程兴利除害效能的重点难点问题。而现有传统的调洪演算与发电调度方法往往存在以下问题：首先，传统水库调洪计算一般静库容调洪演算方法和基于动态规划或优化算法的发电优化调度算法，这些方式是开展水库优化调度的常规方法，应用较广泛，但传统方法主要适用于大坝高程高、湖泊型水库，而对于低水头的河道型水库，由于低水头的河道型水库其动库容效应十分明显、库区淹没是最为敏感的防洪调度问题，同时由于设计水头低、流量变化大，工程过流能力直接受下游水位顶托影响，传统方法往往无法直接应用；其次，传统防洪与发电联合优化调度算法中，往往对发电调度方面进行了简化，一般是利用电站出力系数估算电站发电流量对应出力，然而低水头电站的设计水头低，上下游水位细微变化都会对机组出力、发电效率产生较大影响，并且同时需要规避不同机组特有震动区等具体问题，传统联合优化调度方法难以直接实现发电优化调度在电站机组间有效分解。
发明内容
针对目前尚缺乏边缘云计算在卫星通信方面应用等技术问题，本发明的目的在于提供一种水利枢纽防洪发电联合优化调度方法、***、计算机装置及存储介质。
一方面，本发明实施例包括一种水利枢纽防洪发电联合优化调度方法，包括：
建立防洪调度模型；
设定所述防洪调度模型的约束条件；
根据所述约束条件，对所述防洪调度模型进行求解，获得待分配发电流量；
建立对应多个发电机组的优化调度模型；
基于最小耗水率的逐次分配法，对所述优化调度模型进行求解；
根据对所述优化调度模型的求解结果，将所述待分配发电流量分配给各所述发电机组。
进一步地，所述防洪调度模型为
其中，Zgoal为各阶段的水位控制目标，Zt为第t个时段的时段末水库运行水位，T为总时段数。
进一步地，所述约束条件包括：
水量平衡约束(Qin,t-Qout,t)Δt＝Vt-Vt-1；其中，Qin,t为t时段平均水库的入库流量；Qout,t为t时段平均出库流量；Vt为时段初水库的蓄水量，Vt-1为时段末水库的蓄水量，Δt为时段时间长度；
水库最高水位约束Zt≤Zm(t)；其中，Zt为t时刻的水库水位，Zm(t)为t时刻的容许最高水位；
淹没控制水位约束Zt，淹没(Qin,t<Q敞泄)≤Z临界；其中，Zt，淹没为t时刻的最高水位，Q敞泄为敞泄状态下的流量，Z临界为临界水位；
闸门过流能力约束qt≤g(Zup,t<Zdown,t)；其中，qt为t时刻的平均单孔闸门的下泄流量，g(Zup,t<Zdown,t)为闸门泄流能力曲线，Zup,t表示t时段的上游水位，Zdown,t表示t时段的下游水位，g()表示函数关系；
机组过流约束Qpower(t)≤f(Qout,t)；其中，Qpower(t)为t时段的水库发电流量，f(Qout,t)是机组最大过流能力，Qout,t是t时段的总出库流量，f()表示函数关系；
下游通航安全约束Zdown,t-Zdown,t-1≤ΔHmax；ΔHmax表示下游水位变幅最大值；
最小下泄流量约束：通航最低流量≥Q通航。
进一步地，所述优化调度模型为：
其中，P*为最大总发电量，
为第t个时段的第k台机组的出力，Δt为时段的长度，
为第t个时段内第k台机组的发电流量，Qpower,t为第t个时段全厂待分配发电流量，Ht为第t个时段的平均发电水头，T为总时段数，K为机组台数。
进一步地，所述基于最小耗水率的逐次分配法，对所述优化调度模型进行求解，包括：
确定第t个时段的平均发电水头Ht；
确定第t个时段的出库流量Q出库；
确定最大机组发电流量Qmax发电；
当Qout,t＜Qmax发电，确定N-Q关系曲线，设定
执行若干轮循环过程，在第n轮循环过程中：
计算已分配流量对应的各机组耗水率
找到耗水率最小的机组m：
计算最佳流量增量ΔQn；
计算
当
结束执行第n轮循环过程，执行第n+1轮循环过程；
当
结束执行全部循环过程，向机组m分配流量
计算时段t的全厂总出力。
进一步地，所述基于最小耗水率的逐次分配法，对所述优化调度模型进行求解，还包括：
当Qout,t≥Qmax发电，全部机组按当前水头的最大发电流量分配。
进一步地，所述确定最大机组发电流量Qmax发电，包括：
查询H-N-Q曲线，获得所述最大机组发电流量Qmax发电。
进一步地，所述确定N-Q关系曲线，包括：
根据第t个时段的平均发电水头Ht查询所述H-N-Q曲线，通过插值获得所述N-Q关系曲线。
另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的水利枢纽防洪发电联合优化调度方法。
另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的水利枢纽防洪发电联合优化调度方法。
本发明的有益效果是：实施例中的水利枢纽防洪发电联合优化调度方法，针对平原地区低水头大型水利枢纽所受到的上下游水位复杂约束条件、以及低设计水头下发电优化调度等显著特征，将防洪与发电优化调度的问题统筹考虑、实现耦合计算和优化求解，可以用于平原地区河道型水库及主要河道干流防洪工程的防洪与发电联合优化调度，破解低水头大型水利枢纽防洪与发电联合优化调度多约束、多目标的求解难题；通过研究多约束、多目标的求解技术难题实现低水头大型水利枢纽防洪与发电联合优化调度，进一步发挥水利工程的效能。
附图说明
图1为实施例中的水利枢纽防洪发电联合优化调度方法的各步骤示意图；
图2为实施例中对防洪调度模型进行求解的流程图；
图3为实施例中长洲水利枢纽水轮机组的H-N-Q关系曲线图；
图4为实施例中预想出力曲线图；
图5为实施例中长洲水利枢纽水轮机组的振动区分布示意图；
图6为实施例中N-Q关系曲线示意图；
图7为实施例中使用基于最小耗水率的发电流量逐次分配方法进行优化求解的流程图；
图8为实施例中不同组合方案下电站出力对比示意图；
图9为实施例中长系列模拟结果对应的年平均发电水头过程示意图；
图10为实施例中进行长系列模拟的结果示意图。
具体实施方式
本实施例中，参照图1，水利枢纽防洪发电联合优化调度方法包括以下步骤：
S1.建立防洪调度模型；
S2.设定防洪调度模型的约束条件；
S3.根据约束条件，对防洪调度模型进行求解，获得待分配发电流量；
S4.建立对应多个发电机组的优化调度模型；
S5.基于最小耗水率的逐次分配法，对优化调度模型进行求解；
S6.根据对优化调度模型的求解结果，将待分配发电流量分配给各发电机组。
在低水头大型水利枢纽防洪与发电联合优化调度中需要综合考虑枢纽的防洪、发电、生态调度等多种目标。在以上目标中，防洪目标作为首要目标，是汛期水库调度的关键，发电、生态、航运等其他目标均需要在满足防洪目标的前提下，进行优化调度，充分体现汛期“电调服从水调”的基本原则。构建多目标优化调度模型，同时把防洪、通航等重要功能的要求作为关键约束条件嵌套到调度模型中进行统筹考虑。
在低水头大型水利枢纽防洪与发电联合优化调度中，需要采集水库预报入库洪水流量过程、当前运行水位数据；基于调洪演算模块计算水库出库流量：根据水量平衡方程、水库下游水位流量关系曲线、闸门泄流曲线、上游淹没敏感区、水库防洪调度规程等迭代计算推求水库时段出库流量。针对低水头大型水利枢纽尾水顶托影响枢纽水闸过流能力，需要根据下游水位流量、上游平均水位迭代求解每个时段枢纽闸门最大过流能力，这是与常规高水头电站防洪调度最大的区别和主要难点。
水库进行洪水调度时，一般是已知入库洪水过程Q＝f(t)、水库容积特性Z上-V及泄流特性q＝f(t)等，在充分考虑各种防洪限制条件的情况下，按水量平衡方程计算水库出库流量过程q＝f(t)及相应的水库上下游水位、发电流量、闸门开启个数等参数。水利枢纽汛期水位控制的防洪调度目标是在满足淹没安全临界水位等各种约束条件下，水库运行水位最大限度接近汛期各阶段的水位控制目标。
基于上述原理，步骤S1中，所建立的防洪调度模型的数学形式为
防洪调度模型中，Zgoal为各阶段的水位控制目标，Zt为第t个时段的时段末水库运行水位，T为总时段数。
在低水头大型水利枢纽汛期水位控制的防洪调度模型中还需要考虑多种约束条件，主要包括水量平衡约束、水库最高水位约束、上游控制断面(淹没敏感断面)水位约束、闸门泄流能力约束、机组过流能力约束、下游通航安全约束和最小下泄流量约束等。因此，在步骤S2中，设定防洪调度模型的约束条件。
本实施例中，步骤S2中设定的约束条件包括以下①-⑦等各项：
①水量平衡约束：(Qin,t-Qout,t)Δt＝Vt-Vt-1；
水量平衡约束条件中，Qin,t为t时段平均水库的入库流量；Qout,t为t时段平均出库流量；Vt为时段初水库的蓄水量，Vt-1为时段末水库的蓄水量，Δt为时段时间长度。
②水库最高水位约束：Zt≤Zm(t)；
水库最高水位约束条件中，Zt为t时刻的水库水位，Zm(t)为t时刻的容许最高水位。根据库区淹没临界控制线，根据当前时段入库流量查的对应的水库安全运行水位，因此当入库流量小于敞泄流量(实施例中为21000m3/s)时，Zm(t)＝f(Qin,t)，即通过预泄调度使得抬高汛限水位后不降低水库的防洪标准。
③淹没控制水位约束：Zt，淹没(Qin,t<Q敞泄)≤Z临界；
淹没控制水位约束条件中，Zt，淹没为t时刻的最高水位，Q敞泄为敞泄状态下的流量，Z临界为临界水位。以上游淹没敏感断面水位作为上游库区淹没的控制点，当入库流量小于Q敞泄时，即枢纽处于控泄状态，上游淹没敏感断面最高水位不得超过其淹没临界水位Z临界。
④闸门过流能力约束：qt≤g(Zup,t<Zdown,t)；
闸门过流能力约束条件中，qt为t时刻的平均单孔闸门的下泄流量，g(Zup,t<Zdown,t)为闸门泄流能力曲线，Zup,t表示t时段的上游水位，Zdown,t表示t时段的下游水位，g()表示函数关系，即闸门泄流能力曲线与上游水位Zup,t和下游水位Zdown,t有关。
⑤机组过流约束：Qpower(t)≤f(Qout,t)；
机组过流约束条件中，Qpower(t)为t时段的水库发电流量，f(Qout,t)是机组最大过流能力，Qout,t是t时段的总出库流量，f()表示函数关系。t时段的水库发电流量Qpower(t)需小于机组最大过流能力f(Qout,t)，Qpower(t)是t时段的总出库流量Qout,t的函数。
⑥下游通航安全约束：Zdown,t-Zdown,t-1≤ΔHmax；
下游通航安全约束条件中，ΔHmax表示下游水位变幅最大值，Zdown,t表示t时刻下游水位，Zdown,t-1表示t-1时刻下游水位，ΔHmax可以设定为1m等具体值，t-1时刻与t时刻之间的时间差可以是1h等具体值，通过约束下游水位1小时内变幅不超过1m，可以保证下游通航安全。
⑦最小下泄流量约束：通航最低流量≥Q通航；
最小下泄流量约束条件中，为保证满足下游最低通航水位要求，综合考虑，设计阶段成果和实际调度过程的下游水位流量实测数据，取Q通航作为通航最低流量约束条件。
低水头水利枢纽防洪调度是以当前时段的出库流量为决策变量，根据当前时段的起始水位、未来3d预报最大流量、涨/退水趋势分析、预泄预蓄临界流量、目标运行水位、淹没安全临界水位以及未来24h预报入库流量等因素作为决策依据，采用决策树分析法，通过对以上决策条件逐项进行判断分析，确定当前时段水库的合理出库流量控制，并通过对调度期内逐个时段滚动求解模拟水库实时调度决策过程，得到调度期水库调度成果。
基于上述原理，步骤S3中，根据步骤S2所设定的约束条件，对防洪调度模型进行求解，获得待分配发电流量。
执行步骤S3时，参照图2，计算时段为1d，Δt＝24h。图2中，Qin,t为当前时段的入库流量，即在实时调度中的预报未来24h的入库流量；Zup,t-1为当前时段的起始水位，Zgoal,t为当前时段的控制目标水位，Qmax＝max(Qin,t,Qin,t+1,Qin,t+2)为预报未来72h内的最大流量；Zdown,t＝f(Qout,t)为时段下游平均水位，是时段平均出库流量Qout,t的函数；
为经过约束条件修正后的t时段平均出库流量。
执行步骤S3后，根据出库流量推求发电流量及发电机组最优处理组合方案。具体地，通过防洪调度模型确定满足防洪要求的出库流量
过程后，
为待分配发电流量，需要将出库流量
在发电机组和泄洪闸门之间进行分配，当发电流量未达到全厂最大发电流量时，需要将发电流量分配到各个机组中，在全厂发电流量一定的情况下，利用优化求解技术将发电流量分配到厂内可利用机组中，寻求全厂最大出力的机组发电组合，从而达到最大发电量的目标。
为实现将待分配发电流量
分配给各发电机组，执行步骤S4，建立对应多个发电机组的优化调度模型。
对于径流式水电站或小型水电站，因其不具有调节能力且不受电网调峰和市场的限制，通常采用保持水电站总耗水量不变，寻求电站发电量最大的方式运行，即“以水定电”方式优化运行。以汛期来水过程发电量最大为目标，建立优化调度模型，优化调度模型的数学表达式如下所示：
其中，P*为最大总发电量；
为第t个时段的第k台机组的出力，
的单位可以是万kW；Δt为时段的长度，Δt的单位可以是h；
为第t个时段内第k台机组的发电流量，
的单位可以是m3/s；Qpower,t为第t个时段全厂待分配发电流量，Qpower,t的单位可以是m3/s；Ht为第t个时段的平均发电水头，Ht的单位可以是m；T为总时段数，K为机组台数，如实施例中长洲枢纽共15台机组(内江6台，外江9台)，则K＝15。
在一定范围内，水电厂的运行水头越高，机组的耗水率越小。水轮机的水头(H)、出力(N)、流量(Q)三者之间有密切关系。机组H-N-Q关系曲线是水电站动能特性的综合反映，图3是长洲水利枢纽水轮机组的H-N-Q关系曲线图。
电厂的水轮机各有其不同的运行高效区，发电调度的关键是根据实际运行水头及各机组的运行特性，尽可能调整机组出力，使机组运行于最佳经济状态，达到节水节能的目的。合理利用水轮机运行特性曲线，控制水电厂的运行水头，保证各机组运行于最佳经济区域内，完全可以提高电厂乃至电网的经济效益。
根据机组H-N-Q关系，可以推求不同水头下机组的最大发电流量，以及电厂的预想出力，如图4所示，利用最大发电流量可以快速求出不同上游水位和出库流量条件下，弃水流量和发电流量的分配。预想出力曲线则反映不同水头下全厂最大出力的上限。
本实施例中，在调度中出现机组振动将影响机组运行安全，因此在进行机组负荷分配过程中，可以避开机组的振动区运行。每台机组的振动区各不相同，需要在实际运行中监测得到振动区范围数据，根据实测数据，长洲水利枢纽水轮机组的振动区分布如图5所示。
对于步骤S4建立的优化调度模型，执行步骤S5，基于最小耗水率的逐次分配法，对优化调度模型进行求解。
步骤S5中，基于最小耗水率的发电流量逐次分配优化求解方法的原理是：按照用“以水定电”的调度模式，及通过防洪调度模型确定满足防洪要求的出库流量过程后，需要将出库流量在发电机组和泄洪闸门之间进行分配，当发电流量未达到全厂最大发电流量时，需要将发电流量分配到各个机组中，在全厂发电流量一定的情况下，利用优化求解技术将发电流量分配到厂内可利用机组中，寻求全厂最大出力的机组发电组合，从而达到最大发电量的目标。
根据“电调服从水调”的基本原则，长洲水利枢纽发电调度计算可以在防洪调度成果基础上进行，即发电调度所需的上游水位、出库流量、下游水位、发电水头等边界条件都在防洪调度中依次确定下来。因此，发电优化调度进一步转换为在出库流量和平均发电水头一定的情况下，求发电流量及其在机组间的最优分配问题。
根据图3所示的机组H-N-Q关系曲面，假定发电水头一定情况下，可以插值求出一系列不同水头下的N-Q关系曲线，如图6所示曲线。曲线上任意一点(N，Q)的斜率的倒数dN/dQ则代表了一定水头H和运行状态(N，Q)下机组的耗水率，体现了该点(运行状态下)机组水能利用的边际效益。
针对以上径流式电站发电调度特征分析，步骤S5中使用基于最小耗水率的发电流量逐次分配方法进行优化求解，求解流程如图7所示。
参照图7，在执行步骤S5，也就是基于最小耗水率的逐次分配法，对优化调度模型进行求解这一步骤时，具体可以执行以下步骤：
S501.确定第t个时段的平均发电水头Ht；
S502.确定第t个时段的出库流量Q出库；
S503.确定最大机组发电流量Qmax发电；
S504.当Qout,t＜Qmax发电，确定N-Q关系曲线，设定
执行若干轮循环过程，在第n轮循环过程中：
S50401.计算已分配流量对应的各机组耗水率
S50402.找到耗水率最小的机组m：
S50403.计算最佳流量增量ΔQn；
S50404.计算
S50405.当
结束执行第n轮循环过程，执行第n+1轮循环过程；
S50406.当
结束执行全部循环过程，向机组m分配流量
计算时段t的全厂总出力。
步骤S503中，可以根据当前水头Ht查询H-N-Q曲线，获得最大机组发电流量Qmax发电。
参照图7，步骤S504中，如果Qout,t≥Qmax发电，那么全部机组按当前水头的最大发电流量分配，然后记录机组流量分配方案，计算时段t的全厂总出力；如果Qout,t＜Qmax发电，则根据第t个时段的平均发电水头Ht查询H-N-Q曲线，通过插值获得N-Q关系曲线，开始执行若干轮循环过程。
本实施例中，每一轮循环过程都包括步骤S50401-S50406。在执行第一轮循环过程之前，设定初始值
除了第一轮循环过程以外的每一轮循环过程，都使用上一轮循环过程计算出的Q剩余。
每一轮循环过程的原理是相同的，因此可以以其中的第n轮循环过程进行说明。
与其他各轮循环过程相同，参照图7，第n轮循环过程需要执行步骤S50401-S50406。步骤S50401中，计算已分配流量对应的各机组耗水率
步骤S50402中，找到耗水率最小的机组m：
步骤S50403中，计算最佳流量增量ΔQn；步骤S50404中，计算
在执行步骤S50405和S50406之前，判断
的符号；如果
执行步骤S50405，结束执行第n轮循环过程，执行第n+1轮循环过程，即跳转回步骤S50401重新执行；如果
执行步骤S50406，结束执行全部循环过程，即第n轮循环过程为最后一轮循环过程，不再执行第n+1轮循环过程，向机组m分配流量
计算时段t的全厂总出力。
步骤S6中，根据对优化调度模型的求解结果，将待分配发电流量分配给各发电机组。具体地，计算得到机组m对应的被分配到的流量
可以控制闸门等装置，使得流经机组m的流量为
步骤S4-S6中，最小耗水率逐次分配的原理在于：最小耗水率逐次分配是根据每台机组当前的耗水率相对大小，优先将发电流量按一定增量ΔQ分配到耗水率最小的机组，计算重新分配后的各机组耗水率，逐次循环分配，直至发电流量全部分配完毕，通过确保每一步的流量分配均能获得最大的边际效益，从而确保最终分配的机组出力组合达到最佳。本方法求解效率高，在长洲枢纽机组台数多，组合工况复杂的情况下，可以有效避免动态规划法求解所面临的“维数灾”问题；本方法求解采用梯度法(最速下降法)的最优化求解方法，能够在可行域内获得较快的收敛速度，与普通的智能优化算法相比，减少了大量非可行解的试算，算法的计算效率更高。
在机组发电流量分配中，还需要兼顾实际调度的需求，包括位于不同河道分叉的机组发电流量分配、机组振动区的规避等问题，合理确定流量增量ΔQ。
按照以上现有调度规程进行调度，与采用最小耗水率逐次分配进行机组出力优化进行对比，分析不同水头、总发电流量调节下最小耗水率逐次分配对提高电厂总出力的效果。两种组合方案下电站出力对比如图8所示。
从图8可以看出，通过机组最优组合优化求解得到全厂出力与水头—发电流量关系中，部分区域出力等值线向下方偏移，代表在同样的总出力条件下优化后所需的发电流量或者发点水头有所降低，提高了水能的利用效率。
按照步骤S1-S6中所使用的低水头大型水利枢纽防洪与发电联合优化调度模型，可模拟研究枢纽在不同运行规则下的最优化效果。以长洲水利枢纽为例，汛期水位动态控制方案运行可以使汛期多年平均发电水头从常规方案的8.87m，提高到9.48m，达到机组的额定水头，增幅达到6.91％，与分期方案相比也提高了0.33m。长系列模拟结果对应的年平均发电水头过程如图9所示。
为了对比机组出力最优化分配方案的效果，分别以电厂当前调度规则进行模拟调度，与基于最小耗水率的发电流量逐次分配方法求解结果进行对比，在完全相同的边界条件下进行长系列模拟，模拟结果如图10所示，运用基于最小耗水率的发电流量逐次分配方法汛期最大可以增加0.08亿kW·h的发电量，最少也可以增加0.01亿kW·h。经统计，不同的调度方式下，对机组出力进行优化，获得不同程度的增发效益，平均增发效益可以达到0.047亿kW·h，按照0.36元/kW·h估算，进行机组出力优化分配后，平均每年可以为电厂增加168万元的节水增发效益。
本实施例中，步骤S1-S6的原理在于：
1、低水头大型水利枢纽防洪与发电联合优化调度方法：针对平原地区低水头大型水利枢纽所受到的上下游水位复杂约束条件、以及低设计水头下发电优化调度等显著特征，综合考虑上游淹没、下游水位顶托、机组特有震动区规避等低水头大型水利枢纽特有约束条件，运用嵌套耦合、迭代求解方法实现防洪与发电联合优化调度求解。
2、基于最小耗水率逐次分配求解方法：根据每台机组当前的耗水率相对大小，优先将发电流量按一定增量ΔQ分配到耗水率最小的机组，计算重新分配后的各机组耗水率，逐次循环分配，直至发电流量全部分配完毕，通过确保每一步的流量分配均能获得最大的边际效益，从而确保最终分配的机组出力组合达到最佳。
综上，步骤S1-S6针对平原地区低水头大型水利枢纽所受到的上下游水位复杂约束条件、以及低设计水头下发电优化调度等显著特征，将防洪与发电优化调度的问题统筹考虑、实现耦合计算和优化求解，可以用于平原地区河道型水库及主要河道干流防洪工程的防洪与发电联合优化调度，破解低水头大型水利枢纽防洪与发电联合优化调度多约束、多目标的求解难题。
步骤S1-S6通过研究多约束、多目标的求解技术难题实现低水头大型水利枢纽防洪与发电联合优化调度方法及***，进而基于这些方法和***进一步发挥水利工程的效能。
可以通过编写执行本实施例中的水利枢纽防洪发电联合优化调度方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的水利枢纽防洪发电联合优化调度方法，从而实现与实施例中的水利枢纽防洪发电联合优化调度方法相同的技术效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种水利枢纽防洪发电联合优化调度方法，其特征在于，所述水利枢纽防洪发电联合优化调度方法包括：
建立防洪调度模型；
设定所述防洪调度模型的约束条件；
根据所述约束条件，对所述防洪调度模型进行求解，获得待分配发电流量；
建立对应多个发电机组的优化调度模型；
基于最小耗水率的逐次分配法，对所述优化调度模型进行求解；
根据对所述优化调度模型的求解结果，将所述待分配发电流量分配给各所述发电机组。
2.根据权利要求1所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述防洪调度模型为
其中，Zgoal为各阶段的水位控制目标，Zt为第t个时段的时段末水库运行水位，T为总时段数。
3.根据权利要求2所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述约束条件包括：
水量平衡约束(Qin,t-Qout,t)Δt＝Vt-Vt-1；其中，Qin,t为t时段平均水库的入库流量；Qout,t为t时段平均出库流量；Vt为时段初水库的蓄水量，Vt-1为时段末水库的蓄水量，Δt为时段时间长度；
水库最高水位约束Zt≤Zm(t)；其中，Zt为t时刻的水库水位，Zm(t)为t时刻的容许最高水位；
淹没控制水位约束Zt，淹没(Qin,t<Q敞泄)≤Z临界；其中，Zt，淹没为t时刻的最高水位，Q敞泄为敞泄状态下的流量，Z临界为临界水位；
闸门过流能力约束qt≤g(Zup,t<Zdown,t)；其中，qt为t时刻的平均单孔闸门的下泄流量，g(Zup,t<Zdown,t)为闸门泄流能力曲线，Zup,t表示t时段的上游水位，Zdown,t表示t时段的下游水位，g()表示函数关系；
机组过流约束Qpower(t)≤f(Qout,t)；其中，Qpower(t)为t时段的水库发电流量，f(Qout,t)是机组最大过流能力，Qout,t是t时段的总出库流量，f()表示函数关系；
下游通航安全约束Zdown,t-Zdown,t-1≤ΔHmax；ΔHmax表示下游水位变幅最大值；
最小下泄流量约束：通航最低流量≥Q通航。
4.根据权利要求1-3任一项所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述优化调度模型为：
其中，P*为最大总发电量，
为第t个时段的第k台机组的出力，Δt为时段的长度，
为第t个时段内第k台机组的发电流量，Qpower,t为第t个时段全厂待分配发电流量，Ht为第t个时段的平均发电水头，T为总时段数，K为机组台数。
5.根据权利要求4所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述基于最小耗水率的逐次分配法，对所述优化调度模型进行求解，包括：
确定第t个时段的平均发电水头Ht；
确定第t个时段的出库流量Q出库；
确定最大机组发电流量Qmax发电；
当Qout,t＜Qmax发电，确定N-Q关系曲线，设定
执行若干轮循环过程，在第n轮循环过程中：
计算已分配流量对应的各机组耗水率
找到耗水率最小的机组m：
计算最佳流量增量ΔQn；
计算
当
结束执行第n轮循环过程，执行第n+1轮循环过程；
当
结束执行全部循环过程，向机组m分配流量
计算时段t的全厂总出力。
6.根据权利要求5所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述基于最小耗水率的逐次分配法，对所述优化调度模型进行求解，还包括：
当Qout,t≥Qmax发电，全部机组按当前水头的最大发电流量分配。
7.根据权利要求5所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述确定最大机组发电流量Qmax发电，包括：
查询H-N-Q曲线，获得所述最大机组发电流量Qmax发电。
8.根据权利要求5所述的水利枢纽防洪发电联合优化调度方法，其特征在于，所述确定N-Q关系曲线，包括：
根据第t个时段的平均发电水头Ht查询所述H-N-Q曲线，通过插值获得所述N-Q关系曲线。
9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述的水利枢纽防洪发电联合优化调度方法。
10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项所述的水利枢纽防洪发电联合优化调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156193.0A CN115630800B (zh) | 2022-09-22 | 2022-09-22 | 水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156193.0A CN115630800B (zh) | 2022-09-22 | 2022-09-22 | 水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115630800A true CN115630800A (zh) | 2023-01-20 |
| CN115630800B CN115630800B (zh) | 2023-07-04 |
Family
ID=84902036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211156193.0A Active CN115630800B (zh) | 2022-09-22 | 2022-09-22 | 水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630800B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102296562A (zh) * | 2010-06-25 | 2011-12-28 | 华东电网有限公司 | 防洪与发电相耦合的梯级水库联合洪水调度优化方法 |
| CN102682409A (zh) * | 2012-05-10 | 2012-09-19 | 中国水利水电科学研究院 | 一种基于gams非线性规划梯级水库群优化调度方法 |
| CN102817335A (zh) * | 2012-07-12 | 2012-12-12 | 贵州乌江水电开发有限责任公司 | 一种梯级水库群联合防洪优化调度的方法及*** |
| CN102855591A (zh) * | 2012-08-14 | 2013-01-02 | 贵州乌江水电开发有限责任公司 | 梯级水库群短期联合发电优化调度方法及*** |
| CN102867275A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 梯级水库群中长期联合发电优化调度方法及*** |
| CN103023073A (zh) * | 2012-12-21 | 2013-04-03 | 大连理工大学 | 一种水电站群电站与机组混合优化调度方法 |
| CN103440538A (zh) * | 2013-09-11 | 2013-12-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于航道水动力计算的梯级通航枢纽联合优化调度方法 |
| CN105243458A (zh) * | 2015-11-10 | 2016-01-13 | 河海大学 | 一种基于多目标混合蛙跳差分算法的水库调度方法 |
| CN105608513A (zh) * | 2016-03-24 | 2016-05-25 | 大连理工大学 | 一种耦合长、中、短期径流预报信息的水库优化调度方法 |
| CN105869065A (zh) * | 2016-03-24 | 2016-08-17 | 大连理工大学 | 一种协调水电站汛期防洪风险与发电效益的调度方法 |
| CN107909229A (zh) * | 2017-12-26 | 2018-04-13 | 华电福新能源股份有限公司古田溪水力发电厂 | 基于约束条件分类分级的水电站自适应发电优化调度方法 |
| CN110880048A (zh) * | 2019-11-06 | 2020-03-13 | 国网湖北省电力有限公司宜昌供电公司 | 一种梯级水库生态随机优化调度模型及求解方法 |
| CN112232659A (zh) * | 2020-10-15 | 2021-01-15 | 华中科技大学 | 一种梯级水库发电调度方法及*** |
| KR102321402B1 (ko) * | 2021-02-08 | 2021-11-03 | (주)연호 | 태양광 및 풍력 하이브리드 발전시스템 |
| JP2021179137A (ja) * | 2020-05-14 | 2021-11-18 | 幸男 山田 | 個室宿泊コンテナ |
| CN114021965A (zh) * | 2021-11-04 | 2022-02-08 | 贵州乌江水电开发有限责任公司 | 一种梯级水电站群多目标多模式智能切换的优化调度方法 |
-
2022
- 2022-09-22 CN CN202211156193.0A patent/CN115630800B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102296562A (zh) * | 2010-06-25 | 2011-12-28 | 华东电网有限公司 | 防洪与发电相耦合的梯级水库联合洪水调度优化方法 |
| CN102682409A (zh) * | 2012-05-10 | 2012-09-19 | 中国水利水电科学研究院 | 一种基于gams非线性规划梯级水库群优化调度方法 |
| CN102817335A (zh) * | 2012-07-12 | 2012-12-12 | 贵州乌江水电开发有限责任公司 | 一种梯级水库群联合防洪优化调度的方法及*** |
| CN102855591A (zh) * | 2012-08-14 | 2013-01-02 | 贵州乌江水电开发有限责任公司 | 梯级水库群短期联合发电优化调度方法及*** |
| CN102867275A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 梯级水库群中长期联合发电优化调度方法及*** |
| CN103023073A (zh) * | 2012-12-21 | 2013-04-03 | 大连理工大学 | 一种水电站群电站与机组混合优化调度方法 |
| CN103440538A (zh) * | 2013-09-11 | 2013-12-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于航道水动力计算的梯级通航枢纽联合优化调度方法 |
| CN105243458A (zh) * | 2015-11-10 | 2016-01-13 | 河海大学 | 一种基于多目标混合蛙跳差分算法的水库调度方法 |
| CN105608513A (zh) * | 2016-03-24 | 2016-05-25 | 大连理工大学 | 一种耦合长、中、短期径流预报信息的水库优化调度方法 |
| CN105869065A (zh) * | 2016-03-24 | 2016-08-17 | 大连理工大学 | 一种协调水电站汛期防洪风险与发电效益的调度方法 |
| CN107909229A (zh) * | 2017-12-26 | 2018-04-13 | 华电福新能源股份有限公司古田溪水力发电厂 | 基于约束条件分类分级的水电站自适应发电优化调度方法 |
| CN110880048A (zh) * | 2019-11-06 | 2020-03-13 | 国网湖北省电力有限公司宜昌供电公司 | 一种梯级水库生态随机优化调度模型及求解方法 |
| JP2021179137A (ja) * | 2020-05-14 | 2021-11-18 | 幸男 山田 | 個室宿泊コンテナ |
| CN112232659A (zh) * | 2020-10-15 | 2021-01-15 | 华中科技大学 | 一种梯级水库发电调度方法及*** |
| KR102321402B1 (ko) * | 2021-02-08 | 2021-11-03 | (주)연호 | 태양광 및 풍력 하이브리드 발전시스템 |
| CN114021965A (zh) * | 2021-11-04 | 2022-02-08 | 贵州乌江水电开发有限责任公司 | 一种梯级水电站群多目标多模式智能切换的优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115630800B (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Adaptive condition predictive-fuzzy PID optimal control of start-up process for pumped storage unit at low head area | |
| JP6736112B2 (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
| US10482549B2 (en) | Daily electricity generation plan making method of cascade hydraulic power plant group | |
| Yin et al. | Aerodynamic optimization for variable-speed wind turbines based on wind energy capture efficiency | |
| CN107276127B (zh) | 考虑联络线电力交易计划的多区域互联电力***的风电消纳优化方法 | |
| CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
| CN105243438A (zh) | 一种考虑径流不确定性的多年调节水库优化调度方法 | |
| CN105787589B (zh) | 多年调节水库旱限水位的最优控制方法及专用控制*** | |
| CN108133104B (zh) | 一种长期跨流域多梯级水电优化运行模拟方法 | |
| CN109347152B (zh) | 考虑多类型电源参与调峰的随机生产模拟方法及应用 | |
| CN106570579B (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
| CN110739726B (zh) | 一种考虑海上风电接入的多类型电源容量长期规划方法 | |
| CN105184426B (zh) | 一种基于随机连续寻优策略的梯级电站调峰方法 | |
| CN110867903B (zh) | 一种基于深度神经网络的智能电网***实时最优功率分配方法 | |
| CN113241780B (zh) | 一种基于秃鹰搜索算法的电网二次调频控制方法与*** | |
| CN113659620A (zh) | 基于动态频率约束的水风互补发电***日前调度方法 | |
| Sultonov et al. | Implementation of the method of lagrange for optimal modes of energy system of tajikistan | |
| CN113363976B (zh) | 一种基于场景图的风光水互补发电***中期优化调度方法 | |
| CN117638939A (zh) | 一种基于Adam算法考虑的水光互补优化调度方法 | |
| Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
| CN115630800A (zh) | 水利枢纽防洪发电联合优化调度方法、***、装置及存储介质 | |
| CN105930941A (zh) | 一种适用于风电场多变量输入的风能间接预测方法 | |
| CN115313349A (zh) | 电动船舶直流微电网充电***控制方法、***及存储介质 | |
| CN115271244A (zh) | 一种基于两阶段分布鲁棒优化的梯级水电站短期调峰模型 | |
| CN112488564A (zh) | 基于随机分形-逐次逼近算法的梯级电站调度方法及*** |
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 |