ECMWF降雨集合预报在水库优化调度中的应用研究

为了充分考虑降雨预报的不确定性,本文建立了基于降雨集合预报的径流描述模型,并在满足保证出力条件下,建立以水库在调度期内总发电量最大为目标的随机动态规划模型。以桓仁水库以上流域为研究实例,应用欧洲天气预报中心(ECMWF)的降雨集合预报信息进行水库优化调度。结果显示应用降雨集合预报信息的调度可提高发电量4%以上,表明利用降雨集合预报信息进行水库优化调度,对水库实际运行有一定的指导意义。     

中国水库优化调度的成就与展望

简要分析了目前水库优化调度工作的主要成就与措施,阐述了代表中国水库优化调度技术水平的水电厂水情自动测报系统建设和电网水电调度自动化体系的应用状况。提出了“加强基础理论研究、不断提高水文预报技术水平,加强巨型电站和超大规模梯级电站群的调度管理,建设智能化的水电调度技术支持体系和制定国家相关政策、法规”的建议。     

气象卫星云图降水预报系统的应用

介绍了气象卫星云图降水预报系统的原理和特点,以及在万安水电厂水库调度中的应用情况。定量预报结果对水库的防洪决策和发电调度起着重要的作用,适合于非专业气象部门使用。     

基于数值降雨预报信息的梯级水库群发电优化调度

在水库群发电调度中,考虑预报信息的联合调度是提高水库群发电效益和稳定性的有效途径。然而降雨预报信息的不确定性将直接影响发电调度的效益。为此,本文首先将降雨量进行分级,给出各降雨量等级的实际降雨概率分布;然后将蓄水库容与径流相融合,并基于参数–模拟–优化模型(PSO)建立PSO-Hedging Rule Curves(PSO-HRCs)调度图。在此基础上,根据实时预报降雨信息,获得各频率条件下的降雨量、径流量和调度决策,同时评估各频率调度决策的弃水和蓄水风险和损失。本文以浑江梯级水库群为例,采用美国全球预报系统(GFS)发布的降雨信息开展研究,结果表明在实例水库采用70%~85%概率对应的调度决策具有较高的效益和稳定性。     

韶关地区电网小水电站群优化调度决策支持系统

为提高小水电的开发利用能力,指导韶关地区直属调度的各水库做好预报、调度决策等工作,建设了韶关地区电网小水电站群优化调度决策支持系统。该系统是一个集水文数据资料管理、水库来水预测、水库发电优化调度等功能于一体的小水电站群发电优化决策系统。为此,介绍了该系统的建设、系统功能及应用情况,它使韶关地区的水资源得到更充分的利用,社会效益和经济效益非常显著。     

GFS未来10天数值降雨预报信息的可利用性分析

中期降雨预报为研究中长期降雨径流预报和发电调度模型提供新的信息.本文依据二滩水电站实际径流和发电运行特征,统计了雅砻江流域全球预报系统(GFS)末来10天预报降雨总量分级预报精度,研究GFS降雨预报在汛期旬径流预报中定量及定性应用,并与常用的ARMA类模型相比较,进而分析GFS未来10天降雨预报信息的可利用性及在二滩水电站发电调度中的应用.研究表明,GFS未来10天数值降雨预报信息能为径流预报和发电调度提供较好的旬径流定性预报信息,并可指导实际的发电调度.     

湖南马迹塘水电厂水文数据库的设计与开发

马迹塘水电厂水文数据库是水库洪水预测调度系统中重要的组成部分,水库的安全运行和调度管理提供快束家效的数据服务,可大幅度提高水库优化调度和经济运行的工作效率。     

“渔光互补”工程防洪优化研究

"渔光互补"工程可有效结合渔业养殖和光伏发电,可重复利用土地资源,这一优势为光伏产业发展提供了契机,然而尴尬的选址,使得防洪问题成为制约光伏产业发展的瓶颈。本文以香套糊"渔光互补"工程为例,将水文分析计算、水库优化调度的思路用于设计洪水位的分析计算与优化,搭建了基于降雨预报的起调水位动态控制洪水调度优化模型,预降起调水位,优化洪水调度,兼顾工程防洪、渔业养殖、生态保护等效益,同时可一定程度的防御超标准洪水,确保了工程防洪安全。建立的调度优化模型,将传统水文调查方法得到的设计洪水位优化降低了1.63m,节约了工程建设成本,增加了湖内可利用的土地资源,为扩大光伏发电产业规模提供了有利条件。     

梯级水库汛限水位动态控制

本文提出了一种梯级水库汛限水位动态控制方法,以清江梯级水库为研究对象,首先建立清江流域汛期的数值气象水文预报模型,滚动预报流域未来三天的洪水过程;其次建立基于"大系统聚合思想"的梯级水库长期优化调度图模型,通过二元Copula-SAR模型随机模拟梯级水库入库径流以反映其长期变化规律,并采用遗传算法制定优化调度图;最后依据长期与短期调度的耦合原则,建立基于"大系统聚合分解思想"的梯级水库汛限水位动态控制模型,并采用逐次优化法优化得到清江梯级水库汛限水位动态控制方案。研究结果表明:耦合了长期调度规则的梯级水库汛限水位动态控制方案相比未耦合长期调度规则的梯级水库汛限水位动态控制方案和原设计方案,2010年7月中下旬的场次洪水,清江梯级水库发电量分别增加0.59亿k W·h和3.14亿k W·h,增幅为6.20%和45.11%,在不降低防洪标准的前提下可显著提高洪水资源利用率。     

乔治亚理工水电站水库调度与发电决策支持软件系统

“乔治亚理工水电站水库调度与发电决策支持软件系统(GTDSS)”是一个将河流中长期径流预报技术与水库群优化调度、水资源管理集于一体的系统。它包括先进的河流中长期水文预报和中长期水库(群)优化调度模块,支持从中长期计划到短期及实时的水库调度与发电调度。此系统的应用可以减少不合理弃水,增加发电量,降低洪涝灾害损失,有效利用水资源。应用该系统后,可相应增加水电站年发电量3%￣10%。该系统已成功应用到北美洲、欧洲、非洲等多个流域,获得了较好的经济效益和社会效益。GTDSS技术具有通用性,可以方便地移植应用到不同流域的水电站水库(群)调度系统中,对当前我国已开发的各流域水电站水库(群)调度管理具有重要的参考价值。     

短期风电功率预测概念和模型与方法

随着并网风电容量的持续增加,风电强随机性给电力系统安全稳定运行带来了挑战,风电功率预测受到广泛的关注。文中较为全面地综述了国内外对风电功率预测的研究现状,着重从风电预测基本理论、风电预测方法和风电预测热点研究问题3个方面展开,主要介绍了确定性风电预测、概率性风电预测、风电爬坡事件预测、大数据和深度学习方法等方面的研究进展。     

电力系统负荷预测方法研究与分析

负荷预测是电力系统规划和运行研究的重要内容,负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性,其是保证电力系统可靠供电和经济运行的前提,是电力系统规划建设的依据,基于此分析了基于BP网络的短期负荷预测方法与基于灰色预测的中长期负荷预测方法。     

电力市场预测分析系统的开发及应用

提出并应用了一种多元、多层次的负荷预测分析系统。该系统在采用多种预测算法同时进行预测的前提下 ,能够根据误差信息自动选择并推荐好的预测算法 ,并具有大用户异动分析和智能误差补偿功能 ,及时对占市场比重较大的用户进行异动分析。采用该系统能够对各级电力市场进行预测和分析 ,并取得了较好的效果。     

电力系统负荷预测与电价预测

讨论了电力系统负荷预测与电价预测的特点 ,并且对二者之间的异同点进行了说明和分析 ,对电价预测的意义及方法进行了初步的探讨。     

风力和光伏发电短期功率预测研究进展与展望

风能和太阳能发电具有较强的波动性和间歇性,其输出功率随机变化会对供电质量和电力系统安全稳定运行带来诸多不利影响,进行风力、光伏短期功率预测具有重要意义。针对此,对风力和光伏发电短期功率预测方法和研究进展进行评述,并对提高光伏发电预测精度的不确定性理论进行了探讨,最后指出今后风力、光伏发电短期功率预测的研究方向及发展趋势。     

上海市区供电局电力负荷预报

根据市区供电局的各行业电力负荷历史数据分别进行了短期和长期预报,得出各规划年的总负荷数据。其中,短期预报采用１９９２～１９９８ 年的月负荷数据,对１９９９ 年各行业用电负荷逐月预报;长期预报则采用１９９０～１９９８ 年的年负荷数据,对２０１０ 年各行业的大致年用电负荷数据进行估算。     

电网短期电力负荷预测系统的研究

本文介绍了一个电网短期负荷预测系统。从实际出发，文中将平时和重大节目期间的负荷预测分别研究。首次提出了参数自校正时序倍比预测法，并将灰色预测模型引入节日负荷预测，具有较强的人工干预能力和自适应智能性。软件包将数据库与计算语言有机地结合起来，具有良好的汉化人机界面和输入输出方式。操作方便，实用性强，预测精度理想。该系统已在河北省电力局中调试运行。     

雨季段中长期预报模糊聚类模型及其应用

为了克服对中小流域作径流预报时收集预报因子的困难,在中长期径流模糊聚类预报模型基础上,结合径流的周期变化规律,提出了雨季段中长期模糊聚类预报模型。该模型从雨季段径流的周期性规律中提取预报因子,把模糊聚类预报模型从年径流预报推广至雨季段径流预报。在对丰潭水电站雨季段径流的预报中,取得了满意的结果。     

灰色自适应滤波组合优化预测模型及其应用

利用时负荷的周期性,分别建立了灰色模型和自适应滤波模型,按照组合预测理论,对两种模型进行组合以提高预测精度,经实例验证,结果令人满意。     

Mixed price and load forecasting of electricity markets by a new iterative prediction method

Load and price forecasting are the two key issues for the participants of current electricity markets. However, load and price of electricity markets have complex characteristics such as nonlinearity, non-stationarity and multiple seasonality, to name a few (usually, more volatility is seen in the behavior of electricity price signal). For these reasons, much research has been devoted to load and price forecast, especially in the recent years. However, previous research works in the area separately predict load and price signals. In this paper, a mixed model for load and price forecasting is presented, which can consider interactions of these two forecast processes. The mixed model is based on an iterative neural network based prediction technique. It is shown that the proposed model can present lower forecast errors for both load and price compared with the previous separate frameworks. Another advantage of the mixed model is that all required forecast features (from load or price) are predicted within the model without assuming known values for these features. So, the proposed model can better be adapted to real conditions of an electricity market. The forecast accuracy of the proposed mixed method is evaluated by means of real data from the New York and Spanish electricity markets. The method is also compared with some of the most recent load and price forecast techniques.