-
公开(公告)号：CN110288239B
公开(公告)日：2022-04-08
申请号：CN201910567461.X
申请日：2019-06-27
Applicant: 华中科技大学 , 长江水利委员会水文局
Abstract: 本发明属于水库调度技术领域，公开了一种基于自适应分级预泄法的汛限水位动态控制方法及系统，根据有效预见期和下游防洪安全组合流量中允许的水库最大下泄流量，确定水库汛期水位动态控制域；当预报有面临时刻时，根据不同面临时刻水库水位及来水情况自适应推求不同面临时刻的风险库容；对有效预见期进行分级，将风险库容按递增形式分配至每一级水库，根据每一级水库所分配的风险库容分别计算分级预泻流量。本发明克服了传统预泄能力约束法在预泄时一直按下游允许安全流量下泄导致的水库水位消落过快、洪水过后水库回蓄困难等问题；克服了传统预泄能力约束法预泄开始时泄流量增幅过快，容易导致人造洪峰，可操作性差等问题。
-
公开(公告)号：CN110288239A
公开(公告)日：2019-09-27
申请号：CN201910567461.X
申请日：2019-06-27
Applicant: 华中科技大学 , 长江水利委员会水文局
Abstract: 本发明属于水库调度技术领域，公开了一种基于自适应分级预泄法的汛限水位动态控制方法及系统，根据有效预见期和下游防洪安全组合流量中允许的水库最大下泄流量，确定水库汛期水位动态控制域；当预报有面临时刻时，根据不同面临时刻水库水位及来水情况自适应推求不同面临时刻的风险库容；对有效预见期进行分级，将风险库容按递增形式分配至每一级水库，根据每一级水库所分配的风险库容分别计算分级预泻流量。本发明克服了传统预泄能力约束法在预泄时一直按下游允许安全流量下泄导致的水库水位消落过快、洪水过后水库回蓄困难等问题；克服了传统预泄能力约束法预泄开始时泄流量增幅过快，容易导致人造洪峰，可操作性差等问题。
-
公开(公告)号：CN114186640B
公开(公告)日：2024-08-13
申请号：CN202111529394.6
申请日：2021-12-14
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 一种区域水电整体发电能力的预测方法，该方法先获取区域水电站群的基本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区，然后根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据较为稀缺的小流域，随后分别对未来时间范围内大流域水电站和小流域水电站的发电量进行差异化预测，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力。本设计实现了对区域水电整体发电能力的准确、可靠预测。
-
公开(公告)号：CN109635999B
公开(公告)日：2023-06-20
申请号：CN201811314240.3
申请日：2018-11-06
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明公开了一种基于粒子群‑细菌觅食的水电站调度方法及系统，应用于水电站优化调度领域，本发明针对水电站优化调度具有高维非线性和动态性的特点，把粒子群算法中的一个粒子看成是一个水电站的运行策略，运用混合算法求出最优的结果，先由PSO算法计算并更新粒子的位置和速度，以完成整个空间的搜索，记忆下粒子的个体和群体的最优信息，然后将粒子群中一部分粒子都看成是一个细菌，再通过BFO算法的趋向操作完成局部搜索的功能，充分发挥了两种算法的优势，提高水电站优化调度求解的精度和效率。
-
公开(公告)号：CN110991703A
公开(公告)日：2020-04-10
申请号：CN201911114187.7
申请日：2019-11-14
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明公开了一种基于改进的NSGA-II算法的风光水联合发电调度方法，属于水电能源优化领域，包括：将水电站、风电站、光电站联合总发电量最大作为第一目标函数，联合最小出力最大化作为第二目标函数，根据各电站约束条件，构建风光水联合发电模型；根据电站各约束条件，初始化第一种群和信仰空间；计算第一种群适应度并从第一种群中选择非支配个体放入归档集；利用改进的NSGA-II算法对第一种群和信仰空间进行逐代更新，直至设定次数；根据更新完成后的归档集，得到多个风光水联合发电的调度方法。本发明方法能够获得多个具有良好代表性的优化调度方案，充分发挥风、光、水能源间的互补性，保障电站安全、稳定、经济运行。
-
Patent Agency Ranking
公开(公告)号：CN118350289B
公开(公告)日：2024-11-08
申请号：CN202410694231.0
申请日：2024-05-31
Applicant: 华中科技大学
IPC: G06F30/27 , G06F18/2321 , G06F111/10 , G06F113/08
Abstract: 本发明属于径流场景缩减领域，并具体公开了一种基于改进Kernel Herding算法的径流场景缩减方法及系统，其包括：采用最大均值差异来度量保留径流场景集与初始径流场景集之间的分布差异；采用Kernel Herding算法对保留径流场景集与初始径流场景集之间的分布差异进行最小化迭代求解，且在迭代过程中取第p次迭代的步长为2/(p+1)；求解得到保留径流场景集与初始径流场景集之间的分布差异最小时对应的保留径流场景集，完成对初始径流场景集的场景缩减。本发明可实现准确、可靠、通用的径流场景缩，进一步提高径流场景缩减的效率及精度。
-
公开(公告)号：CN110991703B
公开(公告)日：2024-06-07
申请号：CN201911114187.7
申请日：2019-11-14
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明公开了一种基于改进的NSGA‑II算法的风光水联合发电调度方法，属于水电能源优化领域，包括：将水电站、风电站、光电站联合总发电量最大作为第一目标函数，联合最小出力最大化作为第二目标函数，根据各电站约束条件，构建风光水联合发电模型；根据电站各约束条件，初始化第一种群和信仰空间；计算第一种群适应度并从第一种群中选择非支配个体放入归档集；利用改进的NSGA‑II算法对第一种群和信仰空间进行逐代更新，直至设定次数；根据更新完成后的归档集，得到多个风光水联合发电的调度方法。本发明方法能够获得多个具有良好代表性的优化调度方案，充分发挥风、光、水能源间的互补性，保障电站安全、稳定、经济运行。
-
公开(公告)号：CN114186640A
公开(公告)日：2022-03-15
申请号：CN202111529394.6
申请日：2021-12-14
Applicant: 国家电网公司华中分部 , 华中科技大学
Abstract: 一种区域水电整体发电能力的预测方法，该方法先获取区域水电站群的基本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区，然后根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据较为稀缺的小流域，随后分别对未来时间范围内大流域水电站和小流域水电站的发电量进行差异化预测，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力。本设计实现了对区域水电整体发电能力的准确、可靠预测。
-
公开(公告)号：CN109584099B
公开(公告)日：2021-08-31
申请号：CN201811245924.2
申请日：2018-10-24
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明公开了一种电网调峰的水电站短期多目标发电计划编制方法及系统，首先，构建梯级水电站短期多目标发电计划编制模型；根据输入条件确定电站经济运行方式；在可行空间内随机产生若干粒子，并基于各粒子的目标函数值确定各粒子的个体极值，将彼此不受支配的部分粒子保存在外部档案集；更新各粒子的位置和速度，随机选择部分粒子进行多项式变异后，修复不可行解，再次计算各粒子的目标函数值；由再次计算的各粒子的目标函数值更新各粒子的个体极值；根据粒子的支配关系以及拥挤距离对外部档案集进行更新，若满足预设终止条件，则输出外部档案集，进而得到全局极值。本发明可有效减轻系统调峰压力，改善供电质量。电网能够安全稳定经济运行。
-
公开(公告)号：CN118350289A
公开(公告)日：2024-07-16
申请号：CN202410694231.0
申请日：2024-05-31
Applicant: 华中科技大学
IPC: G06F30/27 , G06F18/2321 , G06F111/10 , G06F113/08
Abstract: 本发明属于径流场景缩减领域，并具体公开了一种基于改进Kernel Herding算法的径流场景缩减方法及系统，其包括：采用最大均值差异来度量保留径流场景集与初始径流场景集之间的分布差异；采用Kernel Herding算法对保留径流场景集与初始径流场景集之间的分布差异进行最小化迭代求解，且在迭代过程中取第p次迭代的步长为2/(p+1)；求解得到保留径流场景集与初始径流场景集之间的分布差异最小时对应的保留径流场景集，完成对初始径流场景集的场景缩减。本发明可实现准确、可靠、通用的径流场景缩，进一步提高径流场景缩减的效率及精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.029 seconds)
