基于改进人工神经网络的梯级水电站群调度规则研究

针对水电站群的运行依靠经验、缺少科学依据的问题,根据人工神经网络的非线性决策特点,提出了水电站群最优调度规则的改进人工神经网络模型,并结合实际算例,进行其最优调度规则的模拟计算。结果表明,模型合理、可行且实用。     

并联供水水库解析调度规则研究Ⅱ：多阶段模型与应用

水库调度多阶段决策问题最优策略与多个两阶段决策问题最优策略组合,两者之间的一致性问题是两阶段调度模型应用于实际水库调度问题的瓶颈。为此,本文建立了并联供水水库系统调度规则优选的模拟-优化模型,该模型将多库两阶段调度模型作为子模型进行模拟,优化多库两阶段调度模型的时序参数,采用多种群混合进化的粒子群算法PMSE-PSO进行参数优选。辽宁省碧流河水库与英那河水库联合调度的4种调度规则组合方案的对比成果表明,新的供水调度规则具有一定合理性与有效性,结果优于限制供水规则和参数式规则组合的并联水库系统联合调度规则。     

梯级水库的参数辨识型优化调度方法(Ⅱ)——最优调度函数的确定

本文综合若干合理的水库调度原则，建立了梯级水库的非线性实时调度函数。其参数具有直观性。然后对最优参数进行辨识，从而优选出最优调度规则。由于改进了调度模型的结构，减少了维数灾效应，所以模拟计算取得了好的效果。     

大渡河中下游梯级水电站模拟优化运行研究

针对梯级水电站中长期来水不确定性的问题,依据长系列确定来水情况下的优化调度结果,建立门限回归、最近邻抽样回归和BP人工神经网络优化调度函数模型,模拟大渡河中下游梯级水电站的联合优化运行,将各模型的模拟优化调度结果与来水确定下的最优运行水位进行对比。结果表明,BP人工神经网络优化调度函数模型能够更好的模拟梯级水电站运行,对梯级水电站的实际优化运行具有参考意义。     

清河水库洪水分类预报方法研究

采用当前先进的洪水分类预报方法，在流域长系列资料中将非标准洪水提出来，根据其成因不同对其采用人工神经网络分类，利用遗传算法进行参数优选，然后根据洪水特征，选择不同的模型参数和规则进行洪水调度，从而提高水库预报调度精度。     

水库群长期优化调度研究

在进行水库群长期优化运行的研究中，讨论了一种适合于寻求水资源系统优化运行决策规则调度模型。该模型包括双状态动态规划（ＢＳＤＰ）和混合回归的疏系数模型。该调度模型充分反映了水库群最优运行的规律，且大大节省了计算时间的内存量。模拟运行结果表明，该模型是可行的。     

风光水发电系统联合调度规则提取

为提高风光水发电系统的经济效益,需提取系统调度规则实现风光水互补运行。建立以系统总发电量最大为目标的确定性优化模型,采用动态规划逐次逼近法(DPSA)求解模型;初选决策变量和影响因子属性集,基于灰色关联度(GRA)确定影响因子;建立BP人工神经网络模型提取调度规则。以雅砻江下游梯级水库群为研究对象,计算结果表明:对于1953年～2011年实测径流系列,考虑水电、风电和光电互补性的联合优化调度可提高系统的多年平均年发电量;在风光水联合优化调度基础上提取的调度规则能较好地保持确定性优化调度的发电效益。     

水库的线性和非线性调度规则的研究

本文研究了用确定性优化技术建立水库调度规则的方法。首先提出了用逐步优化算法(POA)求解水库优化调度模型,得出水库最优放水、库水位等序列,进而对该序列进行逐步多元回归,获得水库的线性和非线性调度规则,最后通过实例验证,得到满意成果。     

优化引调水规则的跨流域水库联合调度研究

为解决跨流域水库群最优供水调度问题,以忻定盆地-阳泉跨流域供水系统为例,结合该地区的水库群及供水区特点,优化引调水规则和供水规则,设置引水控制线和减少引水控制线将受水水库库容分为3个区间,设置调水控制线将水源水库库容划分为2个区间,以此建立跨流域水库联合调度模型进行合理调度。结合实例对优化后的引调水规则和优化模型的可行性进行检验,结果表明:优化后的引调水规则和调度模型减少了弃水量,提高了忻定盆地-阳泉跨流域水库群联合调度的引水效率。     

基于节能调度的竞价市场厂网合作策略

在电力系统推行节能调度的背景下，通过分析独立发电商和电网公司的运营动机，提出在日前竞价市场通过厂网合作进行节能调度的策略。基于日前市场不同市场主体的收益模型，对市场竞价过程进行求解，并通过对竞价过程的图形化表示，分析独立发电商竞价策略对竞价模型和调度结果的影响。根据节能调度规则，推导厂网合作方式和合作条件，并得出厂网合作的最优策略和相应收益分配方案。算例验证了所述策略的可行性。     

人工神经网络在水库优化调度中的应用

本文介绍了人工神经网络基本原理和常用的前馈式网络模型,并将该模型理论应用到水库优化调度之中。详细描述了水库优化调度的神经网络模型的特点和优点,并以工程实例证明了此方法可行性。     

Neural Network Based Decision Support Model for Optimal Reservoir Operation

A decision support model (DSM) has been developed using the artificial neural networks (ANN) for optimal operation of a reservoir in south India. The DSM developed is a combination of a rule based expert system and ANN models, which are trained using the results from deterministic single reservoir optimisation algorithm. The developed DSM is also flexible to use multiple linear regression equations instead of trained neural network models for different time periods. A new approach is tried with the DSM based on trained neural network models, which use real time data of previous time periods for deciding operating policies. The developed DSM based on ANN outperforms the regression based approach.     

供水水库优化模拟风险调度模式的研究

针对水库调度过程中的风险问题,引入了供水水库调度的优化模拟风险管理模式.首先建立了供水水库群的优化调度模型,然后对度量风险的可靠性、脆弱性、回弹性、事故周期等指标作了论述.在此基础上,模拟水库调度过程中存在的风险,并通过模拟与优化的反馈机制,建立了供水水库优化模拟风险调度的总体模式.     

水库调度的神经网络模型

在水库调度中存在着大量的非线性关系 ,采用传统的线性关系的处理方法 ,往往难以取得满意的效果。应用人工神经网络的非线性决策方法 ,利用 BP算法建立调度模型用以处理水库的长期调度 ,结果表明 ,符合实际情况 ,且具有明显的优越性     

基于BP神经网络和遗传算法的丰满水库洪水预报模型研究

根据丰满水库的流域特性,尝试使用BP神经网络模型进行洪水预报。针对随机生成网络权重的盲目性,采用遗传算法进行初始权重优化。通过历史洪水检验,证实此模型在丰满水库的洪水预报中有很高的预报精度和应用价值。     

黄河上游梯级水库防凌优化调度方案研究

针对黄河上游凌汛期龙羊峡水库出库流量调度问题,在分析上游梯级水库防凌调度原则及调度运行方式的基础上,考虑青海电网电量平衡的需求,建立了黄河上游梯级水库防凌优化调度模型,并提出了改进的微粒群算法用于求解该模型。结果表明:凌汛期在保证龙羊峡水库出库总水量不变的情况下,通过调整龙羊峡水库在各时段的出库水量,既满足了青海电网电量平衡的要求,优化了青海电网电量结构,同时也增加了刘家峡水库防凌库容;通过优化调度,增加了凌汛期梯级水电站的可发电量,提高了梯级电站效益。     

Deriving Reservoir Refill Operating Rules by Using the Proposed DPNS Model

The dynamic programming neural-network simplex (DPNS) model, which is aimed at making some improvements to the dynamic programming neural-network (DPN) model, is proposed and used to derive refill operating rules in reservoir planning and management. The DPNS model consists of three stages. First, the training data set (reservoir optimal sequences of releases) is searched by using the dynamic programming (DP) model to solve the deterministic refill operation problem. Second, with the training data set obtained, the artificial neural network (ANN) model representing the operating rules is trained through back-propagation (BP) algorithm. These two stages construct the standard DPN model. The third stage of DPNS is proposed to refine the operating rules through simulation-based optimization. By choosing maximum the hydropower generation as objective function, a nonlinear programming technique, Simplex method, is used to refine the final output of the DPN model. Both the DPNS and DPN models are used to derive operating rules for the real time refill operation of the Three Gorges Reservoir (TGR) for the year of 2007. It is shown that the DPNS model can improve not only the probability of refill but also the mean hydropower generation when compare with that of the DPN model. It's recommended that the objective function of ANN approach for deriving refill operating rules should maximize the yield or minimize the loss, which can be computed from reservoir simulation during the refill period, rather than to fit the optimal data set as well as possible. And the derivation of optimal or near-optimal operating rules can be carried out effectively and efficiently using the proposed DPNS model.     

丹江口水利枢纽建立水库调度历史数据库

水库在多年运行中积累的大量数据资料，是科学调度水库的有用信息，数据库技术是科学管理这些信息有效工具，本文介绍了丹江口水利枢纽水库调度历史数据库系统的设计目标，运行环境，功能，结构和操作等，其设计目标是方便迅速地为水库高度工作提供原始数据或统计数据；系统采用长城微机，使用速度快，兼容性强的ＦＯＸＢＡＳＥ数据库管理系统软件，通过ＮＯＶＥＬＬ网络系统供网内用户调用；系统功能有六项，即查询，统计、打印、续     

冶勒水库年末消落水位研究

提出了冶勒水库在考虑丰枯分时上网电价条件下。确定年末消落水位的方法。研究表明，分时上网电价攻策下年末消落水位对冶勒水库的运用调度产生很大影响。研究中提出的考虑丰枯分时电价水库长期优化调度模型。可以确定较优的年末消落水位，使水电站可靠出力提高．发电收益提高。该方法对分时上网电价攻策下，多年调节水库的调度运用具有推广价值。     

Hedging Rule Optimisation for Water Supply Reservoirs System

This article presents a methodology for planning a modelfor the operation of a drinking water reservoir. The hedging ruledistributes deficits over a longer period of time by rationingthe supply of water and it makes the system sustainablewith a marginal reduction in supply. A methodology isdeveloped and demonstrated through a case study withthe Chennai city (India) water supply system which isa water shortage system requiring an efficient use ofwater. It is aimed at improving the reservoiroperation performance through the simulation–optimisationprocedure with the application of the hedging rule, whichis a more appropriate rule for reservoir operationunder deficit conditions. To speed up the optimisationprocess, a neural network model is developed for thesimulation of the reservoir system operation and is usedinstead of a conventional simulation model. Thecombined neural network simulation–optimisation modelis used for screening the operation policies.