[發明專利]多年調節水庫年末消落水位預測方法及系統

無效

• 申請號: 201210288419.2
• 申請日: 2012-08-14
• 公開（公告）號: CN102855524A
• 公開（公告）日: 2013-01-02
• 發明（設計）人: 何光宏;王義民;朱江;李澤宏;張永永;肖燕;劉晉;王敏
• 申請（專利權）人: 貴州烏江水電開發有限責任公司
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q50/06
• 代理公司: 北京聯創佳為專利事務所(普通合伙) 11362
• 代理人: 郭防

技術領域

本發明涉及一種多年調節水庫年末消落水位預測方法及系統，屬于梯級水庫群優化調度領域。

背景技術

從現有資料看，國內外關于多年調節水庫年末消落水位研究甚少。一方面，因為多年調節水庫并不多見；另一方面，現行調度體制通常以年為單位評價調度的好壞，沒有充分考慮多年調節水庫年末消落水位對未來調度的影響，因此該項研究沒有引起足夠的重視。近年來，隨著流域梯級水電站的大規模開發，多年調節水庫逐漸增多，水電逐步參與電力市場的競爭，多年調節水庫在梯級調度中發揮的補償作用越來越大，使得多年調節水庫年末消落水位的優選成為了梯級水庫調度研究中的熱點和難點問題之一。

黃強等(1999)提出的應用數理統計、數值分析的理論及方法，研究了龍羊峽多年調節水庫年末消落水位在不同起調水位下的控制規律，并進行了風險分析，該方法在建立函數關系之前，必須事先假設函數的類型(即線性、非線性、指數或冪函數等)，而多年調節水庫年末消落水位Z年消與主要因素之間的關系有時很難用一個確定的函數式來描述，直接影響了該方法的準確性。針對上述問題，張雯怡(2006)等對該方法進行了改進，在利用逐步回歸找出年末消落水位影響因素的基礎上，利用遺傳算法和BP神經網絡算法，對多年調節水庫年末消落水位進行了預測，由于人工智能算法的訓練需要大量樣本數據，對于徑流資料系列不長的水庫，則難以達到訓練要求。鄒進(2006)在分析多年調節水庫水電站發電量與水庫蓄能量關系的基礎上，建立了確定梯級水庫中多年調節水庫年末消落水位的模糊多目標決策模型，但模型在求解時權重系數難以確定，而且求解過程比較繁瑣。過夏明(2003)提出了考慮豐枯分時電價的水庫長期優化調度模型，在設定的若干年末消落水位下，加入了電價因子以確定發電量最大的最優發電策略，但該方法未能把多年調節水庫年末以后的調度后期效益考慮進去，使得該模型在制定年末消落水位時缺乏依據。

發明內容

本發明的目的在于，提供一種多年調節水庫年末消落水位預測方法及系統，求解過程簡單，考慮了多年調節水庫年末以后的調度后期效益，能夠提高預測方法的準確性，與BP神經網絡等方法相比，本發明更適用于徑流資料系列不長的水庫。

為解決上述技術問題，本發明采用如下的技術方案：一種多年調節水庫年末消落水位預測方法，包括以下步驟：

S1，建立多年調節水庫年末消落水位預測模型，并將其存儲在模型庫中；

S2，預測服務器根據梯級總能量最大為優化調度目標，計算選擇相應的多年調節水庫年末消落水位預測模型；

S3，預測服務器調用算法庫中的模型求解算法，求解多年調節水庫年末消落水位預測模型，得到年末消落水位規律。

前述的多年調節水庫年末消落水位預測方法中，多年調節水庫年末消落水位預測模型包括多目標耦合預測模型和基于數理統計挖掘的逐步回歸預測模型。

前述的多年調節水庫年末消落水位預測方法中，

(1)多目標耦合預測模型的目標函數為：E＝Max(E_d+E_s)，式中：

E為梯級水庫發電總能量，E_d為梯級水庫當年發電量，E_s為多年調節水庫的年末蓄能量，