基于智能算法的水电站（群）中长期预报调度建模及求解研究

发布时间：2021-01-20 06:10

　　径流预报和水电站（群）调度是水电系统优化运行的关键问题。准确的长期径流预报可以为制定合理可靠的调度方案提供保障；而及时准确的中期径流预报可以针对不同的天气类型（如台风、暴雨等）和节假日特殊用水需求制定水库的蓄泄计划,对防汛抗旱和水资源的合理配置有着非常重要的意义。结合预报的中期调度能充分考虑极端天气（如高温天气）用电需求和工作日节假日用电差异,发挥水电机组运行灵活的特性充分削峰,使预留给火电的负荷过程尽量均匀,确保电力系统安全平稳运行。水文预报调度由于考虑因素众多、涉及目标复杂、求解过程困难,往往无法直接进行求解,需要深入分析问题特点,研究求解效率高的实用化方法。近年来,智能算法跳出传统模型需明确目标问题机理成因的束缚,以其强鲁棒性、自学习性、非可微要求等优势获得空前发展。本文通过深入分析中长期径流预报调度的特点,以南方地区水电系统为研究背景,结合智能算法进行了深入研究。具体工作如下：（1）针对长期径流预报中支持向量机寻优慢、精度低的问题,用遗传算法对支持向量机的参数进行寻优,建立了基于遗传算法寻参的支持向量机模型,应用于乌江流域某电站,与网格寻参的支持向量机模型进行对比分析。结果表明... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及意义
    1.2 国内外研究进展
        1.2.1 中长期径流预报国内外研究进展
        1.2.2 中期发电调度国内外研究进展
    1.3 本文研究内容及框架
2 基于遗传算法参数寻优的支持向量机长期径流预报
    2.1 前言
    2.2 统计学习理论
    2.3 基于支持向量机的中长期径流预报
        2.3.1 支持向量分类机
        2.3.2 支持向量回归机
        2.3.3 基于SVR的中长期径流预报
    2.4 遗传算法参数寻优的支持向量机
        2.4.1 支持向量机参数选择面临的问题
        2.4.2 遗传算法
        2.4.3 基于遗传算法寻参的支持向量机模型
    2.5 实例与应用
        2.5.1 工程背景
        2.5.2 预报因子和参数选择
        2.5.3 模型评价指标
        2.5.4 结果分析
    2.6 小结
3 基于广义回归神经网络（GRNN）的中期径流预报
    3.1 前言
    3.2 广义回归神经网络
        3.2.1 GRNN网络结构
        3.2.2 GRNN基本理论
        3.2.3 GRNN与BP模型对比分析
    3.3 基于广义回归网络的中期径流预报
        3.3.1 GRRN求解径流预报的基本思路
        3.3.2 GRNN参数确定方法
        3.3.3 GRNN径流预报流程
    3.4 实例与应用
        3.4.1 工程背景
        3.4.2 预报因子的确定
        3.4.3 数据预处理和光滑参数的确定
        3.4.4 模型评价指标
        3.4.5 结果分析
    3.5 小结
4 基于遗传算法的中期水电调峰调度
    4.1 前言
    4.2 调峰出力最大模型
        4.2.1 目标函数及其替换
        4.2.2 约束条件
    4.3 遗传算法求解的中期水电调峰调度
        4.3.1 梯级电站计算顺序确定方式
        4.3.2 编码方式
        4.3.3 适应度函数
        4.3.4 遗传操作
        4.3.5 遗传算法求解流程图
    4.4 实例与运用
        4.4.1 工程背景
        4.4.2 模型参数选择
        4.4.3 调峰评价指标
        4.4.4 计算结果分析
    4.5 小结
5 总结与展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]水库径流预报的蚁群优化神经网络算法应用研究[J]. 杨鑫,任海霞,万芳.  中国农村水利水电. 2013(12)
[2]多元混沌时间序列的加权极端学习机预测[J]. 韩敏,王新迎.  控制理论与应用. 2013(11)
[3]基于支持向量机的石羊河流域径流模拟适用性评价[J]. 张兰影,庞博,徐宗学,刘文丰.  干旱区资源与环境. 2013(07)
[4]“十二五”水电发展规划述评[J]. 江毅,戴庆忠.  东方电气评论. 2013(02)
[5]不同径流尺度的小波神经网络预测[J]. 汪丽娜,陈晓宏,李艳.  华南师范大学学报(自然科学版). 2013(02)
[6]多隐层BP神经网络模型在径流预测中的应用[J]. 崔东文.  水文. 2013(01)
[7]基于模糊聚类分析的小波神经网络模型在径流预测中的应用[J]. 徐瑾,钟炜,李溪楠.  数学的实践与认识. 2012(18)
[8]基于小波分析的径流分级组合预报模型[J]. 明波,刘冀,吕翠美,董晓华.  人民长江. 2012(17)
[9]大规模复杂水电优化调度系统的实用化求解策略及方法[J]. 程春田,申建建,武新宇,廖胜利.  水利学报. 2012(07)
[10]基于粒子群最小二乘支持向量机的水文预测[J]. 李文莉,李郁侠.  计算机应用. 2012(04)

博士论文
[1]东北地区流域径流对气候变化与人类活动的响应特征研究[D]. 张爱静.大连理工大学 2013
[2]气候与土地利用变化对径流的影响研究[D]. 田鹏.西北农林科技大学 2012
[3]中长期水文预报及调度技术研究与应用[D]. 张俊.大连理工大学 2009
[4]基于可变模糊集理论的径流预报方法研究[D]. 李敏.大连理工大学 2008
[5]混沌理论在径流预报中的应用研究[D]. 丁涛.大连理工大学 2004

硕士论文
[1]中长期径流预报技术及应用系统研究[D]. 刘佳.东华大学 2011
[2]线性规划在三峡～葛洲坝梯级枢纽优化调度中的应用[D]. 葛文波.重庆大学 2008



本文编号：2988534