-
公开(公告)号：CN118114945B
公开(公告)日：2025-02-07
申请号：CN202410322040.1
申请日：2024-03-20
Applicant: 河海大学 , 长江水利委员会长江科学院
IPC: G06Q10/0631 , G06N3/006 , G06Q50/06
Abstract: 本发明公开了一种巨型水库汛期水位动态多目标优化控制系统及方法，属于水库优化调度技术领域，根据降水预报信息、水库运行状态、实时决策需求等信息进行环境快速响应，灵活调整水库的运行方案，最大程度地发挥水库的效益，更好地协调水库的防洪和发电等多个目标需求之间的关系，提高水库的综合效益，具有环境变化追踪精确、响应迅速，解集收敛性和分布性较优，调度方案决策高效，适用场景广泛等突出优势，可为水库群汛期水位动态控制提供技术支撑。
-
公开(公告)号：CN117910711A
公开(公告)日：2024-04-19
申请号：CN202410320058.8
申请日：2024-03-20
Applicant: 长江水利委员会长江科学院 , 河海大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明公开了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，属于水库优化调度技术领域，包括以下步骤：步骤1、构建动态多目标优化调度模型；步骤2、求解最优调度方案集；步骤3、对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案；步骤5、执行环境监测模块监测环境是否发生变化；步骤6、判断是否达到预设环境变化次数。本发明提供了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，结合实际调度需求进行偏好权重调整，在环境变化情形下得到实时最优决策方案，此外依据预报信息在不降低防洪标准的前提下挖掘水资源利用潜力，实现目标效益最大化。
-
公开(公告)号：CN118114945A
公开(公告)日：2024-05-31
申请号：CN202410322040.1
申请日：2024-03-20
Applicant: 河海大学 , 长江水利委员会长江科学院
IPC: G06Q10/0631 , G06N3/006 , G06Q50/06
Abstract: 本发明公开了一种巨型水库汛期水位动态多目标优化控制系统及方法，属于水库优化调度技术领域，根据降水预报信息、水库运行状态、实时决策需求等信息进行环境快速响应，灵活调整水库的运行方案，最大程度地发挥水库的效益，更好地协调水库的防洪和发电等多个目标需求之间的关系，提高水库的综合效益，具有环境变化追踪精确、响应迅速，解集收敛性和分布性较优，调度方案决策高效，适用场景广泛等突出优势，可为水库群汛期水位动态控制提供技术支撑。
-
公开(公告)号：CN117910711B
公开(公告)日：2024-07-12
申请号：CN202410320058.8
申请日：2024-03-20
Applicant: 长江水利委员会长江科学院 , 河海大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明公开了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，属于水库优化调度技术领域，包括以下步骤：步骤1、构建动态多目标优化调度模型；步骤2、求解最优调度方案集；步骤3、对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案；步骤5、执行环境监测模块监测环境是否发生变化；步骤6、判断是否达到预设环境变化次数。本发明提供了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，结合实际调度需求进行偏好权重调整，在环境变化情形下得到实时最优决策方案，此外依据预报信息在不降低防洪标准的前提下挖掘水资源利用潜力，实现目标效益最大化。
-
公开(公告)号：CN109670650A
公开(公告)日：2019-04-23
申请号：CN201811611895.7
申请日：2018-12-27
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明属于梯级水库群多目标优化调度模型求解技术领域，公开了一种基于多目标优化算法的梯级水库群调度模型的求解方法，首先收集梯级水库群的电站基本资料和水文资料；其次根据具体需求建立调度目标并添加调度约束条件；然后以调度期内各时刻的水位为决策变量，采用基于R支配的改进飞蛾扑火多目标优化算法(R-NSIMFO)对建立的梯级水库群调度模型进行求解；最后根据求解结果得到相应的调度方案集。本发明的求解方法从进化算法和多目标机制两个方面进行改进，有能力获得收敛性和分布性均较优的非劣调度方案集，对实现整个梯级水库群综合效益最大化具有至关重要的作用。
-
Patent Agency Ranking
公开(公告)号：CN109670650B
公开(公告)日：2020-08-04
申请号：CN201811611895.7
申请日：2018-12-27
Applicant: 华中科技大学 , 长江水利委员会长江科学院
Abstract: 本发明属于梯级水库群多目标优化调度模型求解技术领域，公开了一种基于多目标优化算法的梯级水库群调度模型的求解方法，首先收集梯级水库群的电站基本资料和水文资料；其次根据具体需求建立调度目标并添加调度约束条件；然后以调度期内各时刻的水位为决策变量，采用基于R支配的改进飞蛾扑火多目标优化算法(R‑NSIMFO)对建立的梯级水库群调度模型进行求解；最后根据求解结果得到相应的调度方案集。本发明的求解方法从进化算法和多目标机制两个方面进行改进，有能力获得收敛性和分布性均较优的非劣调度方案集，对实现整个梯级水库群综合效益最大化具有至关重要的作用。
-
公开(公告)号：CN116842831A
公开(公告)日：2023-10-03
申请号：CN202310747030.8
申请日：2023-06-21
Applicant: 河海大学
IPC: G06F30/27 , G06F30/28 , G06N3/0499 , G06Q10/0631 , G06Q50/06 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种耦合人工神经网络的水库群调度方法与系统，包括S1、根据水库水位上下限和历史入库流量的最大值和最小值进行水位和流量状态离散，获得包含水库入库流量、起始水位、结束水位进行状态组合的数据集，然后通过水量平衡计算不同组合下的下泄流量，通过出力计算公式计算不同组合下的出力；S2、以状态组合的数据集为输入、对应的不同组合下的下泄流量、水库出力为输出，利用ANN网络构建并训练水库下泄流量和出力预测模型；S3、将水库下泄流量和出力预测模型带入至POA算法中迭代计算，进行水库群优化调度。本发明在获得与原算法几乎接近的调度优化结果的同时，显著减少原算法“维数灾”的限制，从而提高算法的计算效率。
-
公开(公告)号：CN119273118B
公开(公告)日：2025-03-25
申请号：CN202411806977.2
申请日：2024-12-10
Applicant: 长江水利委员会水文局 , 河海大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06F17/10 , G06Q10/087
Abstract: 本发明提供一种基于等库容线的梯级水库群短期优化调度方法及系统，实现在满足流域防洪安全的前提下梯级总发电效益最大，同时提高梯级水库群短期优化调度计算效率。针对梯级水库群在不同调度期内所需防洪库容动态变化特点，构建基于等库容线的梯级水库群短期优化调度模型，并结合动态规划等方法进行快速求解。首先，引入等库容线，针对梯级水库群进行运行水位组合的初步筛选，然后基于满足预留防洪库容要求的水位组合，采用优化算法确定调度期不同时间节点最优水位组合，保障梯级总体发电效益最大。本发明可以在满足流域防洪安全所需防洪库容的前提下，快速求解梯级水库群运行水位过程，实现梯级总体发电效益最大。
-
公开(公告)号：CN119337332A
公开(公告)日：2025-01-21
申请号：CN202411168824.X
申请日：2024-08-23
Applicant: 福建华电福瑞能源发展有限公司池潭水力发电厂 , 华电电力科学研究院有限公司 , 河海大学
IPC: G06F18/27 , G06F18/214 , G06N3/0499 , G01W1/10 , G06F123/02
Abstract: 本申请涉及一种水文预报方法、系统、设备和介质，其中，该方法包括，首先根据历史实测径流数据构建时间序列，并对序列进行预处理。其次，引入孪生极限学习机以解决回归问题，同时采用改进的合作搜索算法优选模型参数，在提高全局搜索能力的同时保证局部勘探能力。最终，向训练后的模型中输入测试集样本序列，可得到径流的预测结果。本申请弥补了合作搜索算法在处理问题时全局搜索方面的不足，扩展了孪生极限学习机的应用范围，构建了高精度的水文预报模型，解决相关技术中存在水文预报精确度低的问题。
-
公开(公告)号：CN118568436A
公开(公告)日：2024-08-30
申请号：CN202410696010.7
申请日：2024-05-31
Applicant: 河海大学 , 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06F18/20 , G06F18/214 , G06F17/16 , G06F17/18 , G06N20/00
Abstract: 本发明公开了一种水文预报误差时空修正方法，首先根据历史实测径流数据建立径流时间序列。其次，建立极限学习机模型，采用合作搜索算法优选模型参数，利用训练集样本训练该模型并获得训练误差。利用奇异谱分解方法采用先报框架将训练集划分为合适数量的相对平稳的子序列；并逐一滚动添加测试集中的数据，进一步对每个子序列采用极限学习机模型进行预测；将所有子序列的预测值叠加得到初始预测结果。最后，对预测值进行结合时空的误差修正，得到最终的预测结果。迭代更新，得到测试集所有样本的预测结果。本发明能够基于更具有实际应用价值的先报框架分解模型，实现水文时间序列的预测，提出的时空结合的误差修正方法，有效提高模型的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.037 seconds)
