水库群运行的改进深度神经网络模拟方法

发布时间：2021-02-15 00:36

　　流域大规模水库群的形成导致径流时空分布发生深刻变化,而不同水库群往往分属不同业主调度管理,上游水库群的下泄计划无法实时获取,给下游水库调度计划编制带来困难,并且影响下游水库运行安全。本文提出一种水库群运行自适应矩估计改进深度神经网络模拟方法,通过改善深度神经网络参数训练方式,从水库群历史运行数据中提取调度规则,在此基础上对水库群运行进行模拟,并结合实例研究,将结果与传统神经网络方法进行综合对比。结果表明,本文所提出的方法能够更好地模拟水库群运行,所模拟的观音岩、锦屏一级和二滩水库下泄流量平均相对误差分别为8%、11%和10%,均优于反向传播（BP）神经网络结果,可为探究调度计划未知情况下的水库运行规律提供新途径。 

【文章来源】：水力发电学报. 2020,39(09)北大核心

【文章页数】：10 页

【部分图文】：

深度神经网络拓扑结构

本文利用Adam-DNN模型拟合水库调度函数，在此基础上考虑水库运行约束和水库群水力联系，建立水库群运行模拟模型，模拟水库群调度运行过程，水库群运行模拟模型框架如图2所示。2.1 水库调度函数拟合

本文以金沙江中游观音岩、雅砻江流域锦屏一级和二滩三座水库构成的区域水库群为研究对象，建立水库群运行模拟模型，模拟上游三座水库调度运行过程和下游溪洛渡水库径流入库过程，该子流域位于金沙江中游与下游段，处于三江连接处，金沙江中游出口径流受观音岩水库控制，雅砻江流域出口径流受二滩水库控制，研究所涉及到的四座水库分属不同的发电企业，其调度决策过程相对独立，难以统一进行调配，具有较强的代表意义，四座水库空间拓扑关系以及概况分别如图3和表1所示。3.2 模型构建

【参考文献】：
期刊论文
[1]基于Adam神经网络的顾客满意度预测与应用[J]. 张枫,杜阳宇,张庆磊.  数字制造科学. 2018(03)
[2]基于Dopout与ADAM优化器的改进CNN算法[J]. 杨观赐,杨静,李少波,胡建军.  华中科技大学学报(自然科学版). 2018(07)
[3]基于RBF神经网络的梯级电站优化调度规则研究[J]. 杨迎,丁理杰,陈仕军,马光文.  水电能源科学. 2018(05)
[4]基于混合PSO-Adam神经网络的外协供应商评价决策模型[J]. 李益兵,宋东林,王磊.  控制与决策. 2018(12)
[5]水库群联合调度规则提取方法研究进展[J]. 郭旭宁,秦韬,雷晓辉,蒋云钟,王浩.  水力发电学报. 2016(01)
[6]基于模拟-优化模式的供水水库群联合调度规则研究[J]. 郭旭宁,胡铁松,黄兵,韩义超.  水利学报. 2011(06)
[7]基于人工神经网络的梯级水电站群调度规则研究[J]. 舒卫民,马光文,黄炜斌,黄鹭,张洪量.  水力发电学报. 2011(02)
[8]梯级水电站群调度函数的模型与评价[J]. 纪昌明,苏学灵,周婷,黄海涛,王丽萍.  电力系统自动化. 2010(03)
[9]基于蚁群算法的水库调度图优化研究[J]. 周念来,纪昌明.  武汉理工大学学报. 2007(05)
[10]三峡水库运行初期蓄水调度函数的神经网络模型研究及改进[J]. 刘攀,郭生练,庞博,王才君,张洪刚.  水力发电学报. 2006(02)

博士论文
[1]长江上游复杂水库群联合调度技术研究[D]. 田雨.天津大学 2012

硕士论文
[1]梯级水电站（群）中长期发电调度规则的提取及补偿效益分摊[D]. 曹云慧.华北电力大学 2013



本文编号：3034114