【摘要】：水電能源由于其清潔無(wú)污染的特點(diǎn),得到了世界各國(guó)的優(yōu)先發(fā)展。中國(guó)作為世界水電發(fā)展的后起之秀,21世紀(jì)以來(lái)先后投運(yùn)了三峽、“南水北調(diào)”等舉世矚目的超級(jí)水利工程。然而隨著水電開(kāi)發(fā)的規(guī)�；�、梯級(jí)化趨勢(shì),梯級(jí)電站發(fā)電調(diào)度需綜合考慮水文氣象、用水需求以及電網(wǎng)安全等多方面因素的影響,傳統(tǒng)調(diào)度方法已難以適應(yīng)日趨復(fù)雜的調(diào)度約束和綜合目標(biāo),亟需尋求交叉領(lǐng)域的理論、模型和技術(shù)開(kāi)展研究。因此本文以清江梯級(jí)水電站為研究對(duì)象,基于當(dāng)前人工智能熱點(diǎn)技術(shù),將深度學(xué)習(xí)與梯級(jí)水電站發(fā)電調(diào)度相結(jié)合,提取了基于群落重心粒子群和廣義回歸網(wǎng)絡(luò)(CPSO-GRNN)的梯級(jí)水電站發(fā)電調(diào)度規(guī)則,建立了基于改進(jìn)離散差分進(jìn)化-集成經(jīng)驗(yàn)?zāi)B(tài)分解-長(zhǎng)短期記憶網(wǎng)絡(luò)(MDDE-EEMD-LSTM)梯級(jí)水電站發(fā)電量預(yù)測(cè)模型,并以此為基礎(chǔ)設(shè)計(jì)研發(fā)了分布式異構(gòu)水資源調(diào)度系統(tǒng)。論文主要工作內(nèi)容和創(chuàng)新性成果如下:(1)根據(jù)隱隨機(jī)調(diào)度思想,以逐次優(yōu)化算法(POA)確定性調(diào)度成果為訓(xùn)練集,建立了基于廣義回歸網(wǎng)絡(luò)(GRNN)梯級(jí)水電站發(fā)電調(diào)度規(guī)則提取模型;同時(shí),針對(duì)神經(jīng)網(wǎng)絡(luò)超參數(shù)優(yōu)化問(wèn)題,設(shè)計(jì)了一種分布式并行的深度學(xué)習(xí)超參數(shù)優(yōu)化框架,提出了一種基于群落重心的改進(jìn)粒子群算法,以優(yōu)化GRNN網(wǎng)絡(luò)參數(shù)。在清江梯級(jí)水布埡電站工程實(shí)際應(yīng)用表明,本文所提出的改進(jìn)PSO算法具有更強(qiáng)的全局尋優(yōu)能力和收斂速度;提出的超參數(shù)并行優(yōu)化框架,加速了模型的參數(shù)優(yōu)化和訓(xùn)練;建立的基于最優(yōu)參數(shù)的GRNN模型泛化能力強(qiáng),計(jì)算速度快,同時(shí)在樣本集不足情況下仍可保持較高精度,可為大中型梯級(jí)電站發(fā)電調(diào)度規(guī)則提取提供決策支持。(2)針對(duì)神經(jīng)網(wǎng)絡(luò)法在進(jìn)行發(fā)電量預(yù)測(cè)時(shí)沒(méi)有記憶功能、無(wú)法處理長(zhǎng)期依賴的問(wèn)題,通過(guò)特征工程篩選了影響發(fā)電量的關(guān)鍵因子,建立了基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)梯級(jí)水電站發(fā)電量預(yù)測(cè)模型,同時(shí)引入EEMD算法對(duì)發(fā)電量時(shí)間序列進(jìn)行分解,提出了一種基于超參數(shù)優(yōu)化框架的改進(jìn)離散差分進(jìn)化算法對(duì)模型進(jìn)行參數(shù)尋優(yōu)。清江梯級(jí)水布埡、隔河巖兩級(jí)電站仿真模擬結(jié)果表明,與多種常規(guī)時(shí)間序列預(yù)測(cè)方法相比,本文基于對(duì)發(fā)電量時(shí)間序列的特征分析提出的MDDE-EEMD-LSTM模型穩(wěn)定性和泛化能力較強(qiáng)。對(duì)大中型電站,單站預(yù)測(cè)較兩級(jí)電站聯(lián)合預(yù)測(cè)模式得出的發(fā)電量預(yù)測(cè)方案更優(yōu)。(3)圍繞國(guó)內(nèi)水利信息化軟件開(kāi)發(fā)標(biāo)準(zhǔn)不統(tǒng)一、可擴(kuò)展性差等不足,本文從宏觀上將前后端開(kāi)發(fā)分離并微服務(wù)化,實(shí)現(xiàn)了敏捷開(kāi)發(fā)與分布式部署;在內(nèi)部結(jié)構(gòu)中,將深度學(xué)習(xí)框架、大數(shù)據(jù)分析工具與業(yè)務(wù)系統(tǒng)協(xié)調(diào)的無(wú)縫集成,提出了一種“微前端-微后端-分布式異構(gòu)”水調(diào)系統(tǒng)開(kāi)發(fā)模式,為深度學(xué)習(xí)模型的優(yōu)化與訓(xùn)練以及海量多源異構(gòu)數(shù)據(jù)的在線分析提供支持;與此同時(shí)提出了基于OpenMI標(biāo)準(zhǔn)和消息總線的多模型耦合通信機(jī)制,貫穿整個(gè)系統(tǒng)的業(yè)務(wù)調(diào)度和數(shù)據(jù)交互,并將ELK日志工具集成到水調(diào)系統(tǒng)中。在華中電網(wǎng)跨區(qū)調(diào)峰決策支持系統(tǒng)軟件開(kāi)發(fā)應(yīng)用表明,本文所提開(kāi)發(fā)模式降低了深度學(xué)習(xí)框架在水調(diào)業(yè)務(wù)中應(yīng)用的門(mén)檻,增強(qiáng)了系統(tǒng)處理復(fù)雜業(yè)務(wù)的能力,加速了系統(tǒng)開(kāi)發(fā)的并行性,同時(shí)增強(qiáng)了系統(tǒng)的可擴(kuò)展性。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TV737
【圖文】：

發(fā)電量最大為調(diào)度目標(biāo)建立優(yōu)化調(diào)度模型。首先以清江梯級(jí)水布埡電站 1951-2007 年總計(jì) 57 年的實(shí)測(cè)徑流數(shù)據(jù)進(jìn)行模擬調(diào)度。由圖 2-6 可知，水布埡壩址多年平均流量為 290m3/s，所選取系列中豐水年份有14 年，平水年為 29 年，枯水年有 14 年，較全面反映了水布埡壩址水文特性，具有很好的代表性。

圖 2-6 水布埡壩址逐年平均流量示意圖由圖 2-7 水布埡水庫(kù)年調(diào)度圖可知，水布埡水利年從四月份開(kāi)始至次年四月份，因此優(yōu)化調(diào)度周期以水利年為單位，起調(diào)水位為 380m，水位約束區(qū)間為[350,400]。為結(jié)合工程實(shí)際，繪制該水庫(kù)歷史 11 年每年 4 月份月均水位變化過(guò)程，如圖 2-8 所示，取月均值 376m 作為調(diào)度期初、末水位。

圖 2-8 水布埡水庫(kù)調(diào)度期初月水位過(guò)程線2.4.2 CPSO 算法基準(zhǔn)測(cè)試為驗(yàn)證 CPSO 算法的改進(jìn)性能，使用了 rastrigin、ackley、griewangk 以及 sphere等幾個(gè)典型的測(cè)試函數(shù)對(duì)進(jìn)行了測(cè)試，并與標(biāo)準(zhǔn) PSO 算法進(jìn)行對(duì)比。通過(guò)多次試驗(yàn)，選擇 CPSO 算法參數(shù)為：群落數(shù)為 4；第 1 個(gè)群落學(xué)習(xí)因子1 11 2c c 1.469, 慣性權(quán)重1w 0.73；第 2 個(gè)群落學(xué)習(xí)因子2 21 2c c 1.521, 慣性權(quán)重2w 0.82；第 3 個(gè)群落學(xué)習(xí)因子3 31 2c c 1.478, 慣性權(quán)重3w 0.78；第 4 個(gè)群落學(xué)習(xí)因子4 41 2c c 1.532,慣性權(quán)重4w 0.73。各群落粒子數(shù)為 100，粒子維度為 100，迭代 200 次。標(biāo)準(zhǔn) PSO沒(méi)有群落參數(shù)，其他參數(shù)與 CPSO 第一個(gè)群落參數(shù)保持一致。由下圖 2-9 可知，CPSO算法與 PSO 算法相比具有更快的收斂速度，且收斂精度更高，性能更優(yōu)，可用于超參數(shù)尋優(yōu)。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉悅;黃煒斌;馬光文;陳仕軍;楊迎;;多業(yè)主梯級(jí)水電站協(xié)作統(tǒng)一競(jìng)價(jià)及效益分配機(jī)制初探[J];水力發(fā)電;2018年03期

2 劉瀲;胡安娜;宋玲;;梯級(jí)水電站施工導(dǎo)流風(fēng)險(xiǎn)效益補(bǔ)償機(jī)制研究[J];人民長(zhǎng)江;2017年08期

3 吳倩;張雷;;基于優(yōu)化算法的多梯級(jí)水電站調(diào)度可行性分析[J];產(chǎn)業(yè)與科技論壇;2017年14期

4 姜相東;;梯級(jí)水電站大數(shù)據(jù)技術(shù)應(yīng)用展望[J];水電站機(jī)電技術(shù);2017年07期

5 張俊;申建建;吳慧軍;;基于雙向搜索策略的梯級(jí)水電站調(diào)峰模型[J];水力發(fā)電;2017年09期

6 常琴;;梯級(jí)水電站優(yōu)化調(diào)度研究[J];電子測(cè)試;2017年19期

7 ;老撾南歐江流域梯級(jí)水電站[J];水利水電施工;2015年05期

8 宋恒力;岳超源;韓守東;韓s

本文編號(hào)：2785930