基于贝叶斯统计与MCMC思想的水库随机优化调度研究

发布时间：2017-08-14 01:10

  本文关键词：基于贝叶斯统计与MCMC思想的水库随机优化调度研究

  更多相关文章： 贝叶斯统计 优化调度 马尔柯夫链蒙特卡洛 不确定性

【摘要】：针对马尔柯夫随机动态规划中的维数灾问题,提出一种改进马尔柯夫随机动态规划方法,基于贝叶斯统计原理,采用马尔柯夫链蒙特卡洛方法(Markov Chain Monte Carlo,MCMC)从数学角度出发,推求出一定预报级别下的实际来流概率密度函数,建立与预报级别相关的实际来流概率矩阵,在考虑预报误差发生的情况下进行不确定性优化调度,并且将该方法计算结果与有无预报时段相结合的马尔柯夫随机动态规划方法计算结果进行比较。结果表明,该方法所得到的结果比马尔柯夫随机动态规划结果更加贴近实际多年平均发电量,并且能够有效地减少计算量,缩短计算时间,从一定程度上解决了维数灾问题,本方法为不确定性优化调度提供重要理论参考。
【作者单位】： 华北电力大学可再生能源学院;
【关键词】： 贝叶斯统计 优化调度 马尔柯夫链蒙特卡洛 不确定性
【基金】：国家自然科学基金项目(51279062) 中央高校基本科研业务专项基金项目(13QN22,2014ZD12,JB2015164) 雅砻江流域水电开发有限公司项目(JKZX-201416-01)
【分类号】：TV697.11
【正文快照】： 1研究背景水电站能源是取之不尽用之不竭的可再生能源[1],其性质并不像火电站那样需要消耗燃料,并且水电厂厂内用电较少,运行成本低,环境污染小,所以电力系统对水电站提出的基本要求为:多利用水资源,使水电厂多发电,节约煤炭资源[2]。对于水电站而言,径流序列作为水库调度最重，

本文编号：669945