-
公开(公告)号：CN109829611A
公开(公告)日：2019-05-31
申请号：CN201811581518.3
申请日：2018-12-24
Applicant: 长江勘测规划设计研究有限责任公司 , 贵州乌江水电开发有限责任公司
Abstract: 本发明公开了一种基于防洪库容动态分配的梯级优化调度方法。所述方法包括以下步骤：S1，收集基本资料和约束要求；S2，确定上下游水库水位的初始值；S3，计算上下游水库的出库流量；S4，计算防洪控制点的流量过程；S5，逐一判断防洪控制点是否低于安全泄量；S6，判断下游水库起调水位是否低于死水位。本发明在具有在不影响防洪作用的前提下，利用下游水库的调节库容替换上游水库的防洪库容，提高梯级水库调度的灵活性，为梯级水库优化调度起到良好的指导作用。
-
Patent Agency Ranking
公开(公告)号：CN109829611B
公开(公告)日：2023-06-27
申请号：CN201811581518.3
申请日：2018-12-24
Applicant: 长江勘测规划设计研究有限责任公司 , 贵州乌江水电开发有限责任公司
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/26
Abstract: 本发明公开了一种基于防洪库容动态分配的梯级优化调度方法。所述方法包括以下步骤：S1，收集基本资料和约束要求；S2，确定上下游水库水位的初始值；S3，计算上下游水库的出库流量；S4，计算防洪控制点的流量过程；S5，逐一判断防洪控制点是否低于安全泄量；S6，判断下游水库起调水位是否低于死水位。本发明在具有在不影响防洪作用的前提下，利用下游水库的调节库容替换上游水库的防洪库容，提高梯级水库调度的灵活性，为梯级水库优化调度起到良好的指导作用。
-
公开(公告)号：CN109167367A
公开(公告)日：2019-01-08
申请号：CN201811092599.0
申请日：2018-09-19
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供了一种基于单边匹配机制的水电站负荷动态调整方法，包括以下步骤：获取初始调度过程；确定负荷调整时刻t*，计算当日上下级水电站负荷匹配系数R；制定基于单边匹配机制的负荷调整策略；进行全周期调度计算，并实施运行水位和河道防汛预警判断；输出满足预警要求的负荷调整方案，分析梯级水电站调整前后负荷过程匹配性；评估所得方案在水库调度和电网运行两方面的安全性。本发明的目的就是针对现有技术不足，提供一种基于单边匹配机制的水电站负荷动态调整方法，提高上游与下游梯级负荷过程的匹配性，促进水电站调节能力对来水及负荷过程不确定性的适应，保障水电站运行安全。
-
公开(公告)号：CN109167367B
公开(公告)日：2021-12-24
申请号：CN201811092599.0
申请日：2018-09-19
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供了一种基于单边匹配机制的水电站负荷动态调整方法，包括以下步骤：获取初始调度过程；确定负荷调整时刻t*，计算当日上下级水电站负荷匹配系数R；制定基于单边匹配机制的负荷调整策略；进行全周期调度计算，并实施运行水位和河道防汛预警判断；输出满足预警要求的负荷调整方案，分析梯级水电站调整前后负荷过程匹配性；评估所得方案在水库调度和电网运行两方面的安全性。本发明的目的就是针对现有技术不足，提供一种基于单边匹配机制的水电站负荷动态调整方法，提高上游与下游梯级负荷过程的匹配性，促进水电站调节能力对来水及负荷过程不确定性的适应，保障水电站运行安全。
-
公开(公告)号：CN108875161A
公开(公告)日：2018-11-23
申请号：CN201810552066.X
申请日：2018-05-31
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供了一种基于卷积神经网络深度学习的流量等级预测方法，包括以下步骤：选择与水库入库流量潜在相关的影响因子作为输入集合；进行样本集分类和原始输入数据集构建；对样本集中的原始输入数据集进行标准化处理；搭建多层卷积神经网络；以均方误差最小化作为损失函数，确定预测准确率；进行网络参数训练；进行网络性能测试；检验预测精度；进行模型参数的滚动学习训练；自动保存学习训练成果并自动更新实时库的知识记录；通过网络模型计算得出最终的流量等级预测结果。本发明通过组合低层特征形成更加高层的特征融合，从而实现对目标的高级抽象描述，并通过自动学习能发现输入数据的模式和时空分布规律，可有效应用于流域水情预报领域。
-
公开(公告)号：CN108875161B
公开(公告)日：2022-11-29
申请号：CN201810552066.X
申请日：2018-05-31
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供了一种基于卷积神经网络深度学习的流量等级预测方法，包括以下步骤：选择与水库入库流量潜在相关的影响因子作为输入集合；进行样本集分类和原始输入数据集构建；对样本集中的原始输入数据集进行标准化处理；搭建多层卷积神经网络；以均方误差最小化作为损失函数，确定预测准确率；进行网络参数训练；进行网络性能测试；检验预测精度；进行模型参数的滚动学习训练；自动保存学习训练成果并自动更新实时库的知识记录；通过网络模型计算得出最终的流量等级预测结果。本发明通过组合低层特征形成更加高层的特征融合，从而实现对目标的高级抽象描述，并通过自动学习能发现输入数据的模式和时空分布规律，可有效应用于流域水情预报领域。
-
-
-
-
-
Search Results
6
records
(took 0.052 seconds)
