徑流預(yù)報(bào)和水電站（群）調(diào)度是水電系統(tǒng)優(yōu)化運(yùn)行的關(guān)鍵問題。準(zhǔn)確的長期徑流預(yù)報(bào)可以為制定合理可靠的調(diào)度方案提供保障；而及時(shí)準(zhǔn)確的中期徑流預(yù)報(bào)可以針對不同的天氣類型（如臺(tái)風(fēng)、暴雨等）和節(jié)假日特殊用水需求制定水庫的蓄泄計(jì)劃,對防汛抗旱和水資源的合理配置有著非常重要的意義。結(jié)合預(yù)報(bào)的中期調(diào)度能充分考慮極端天氣（如高溫天氣）用電需求和工作日節(jié)假日用電差異,發(fā)揮水電機(jī)組運(yùn)行靈活的特性充分削峰,使預(yù)留給火電的負(fù)荷過程盡量均勻,確保電力系統(tǒng)安全平穩(wěn)運(yùn)行。水文預(yù)報(bào)調(diào)度由于考慮因素眾多、涉及目標(biāo)復(fù)雜、求解過程困難,往往無法直接進(jìn)行求解,需要深入分析問題特點(diǎn),研究求解效率高的實(shí)用化方法。近年來,智能算法跳出傳統(tǒng)模型需明確目標(biāo)問題機(jī)理成因的束縛,以其強(qiáng)魯棒性、自學(xué)習(xí)性、非可微要求等優(yōu)勢獲得空前發(fā)展。本文通過深入分析中長期徑流預(yù)報(bào)調(diào)度的特點(diǎn),以南方地區(qū)水電系統(tǒng)為研究背景,結(jié)合智能算法進(jìn)行了深入研究。具體工作如下：（1）針對長期徑流預(yù)報(bào)中支持向量機(jī)尋優(yōu)慢、精度低的問題,用遺傳算法對支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu),建立了基于遺傳算法尋參的支持向量機(jī)模型,應(yīng)用于烏江流域某電站,與網(wǎng)格尋參的支持向量機(jī)模型進(jìn)行對比分析。結(jié)果表明... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究進(jìn)展
        1.2.1 中長期徑流預(yù)報(bào)國內(nèi)外研究進(jìn)展
        1.2.2 中期發(fā)電調(diào)度國內(nèi)外研究進(jìn)展
    1.3 本文研究內(nèi)容及框架
2 基于遺傳算法參數(shù)尋優(yōu)的支持向量機(jī)長期徑流預(yù)報(bào)
    2.1 前言
    2.2 統(tǒng)計(jì)學(xué)習(xí)理論
    2.3 基于支持向量機(jī)的中長期徑流預(yù)報(bào)
        2.3.1 支持向量分類機(jī)
        2.3.2 支持向量回歸機(jī)
        2.3.3 基于SVR的中長期徑流預(yù)報(bào)
    2.4 遺傳算法參數(shù)尋優(yōu)的支持向量機(jī)
        2.4.1 支持向量機(jī)參數(shù)選擇面臨的問題
        2.4.2 遺傳算法
        2.4.3 基于遺傳算法尋參的支持向量機(jī)模型
    2.5 實(shí)例與應(yīng)用
        2.5.1 工程背景
        2.5.2 預(yù)報(bào)因子和參數(shù)選擇
        2.5.3 模型評價(jià)指標(biāo)
        2.5.4 結(jié)果分析
    2.6 小結(jié)
3 基于廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）的中期徑流預(yù)報(bào)
    3.1 前言
    3.2 廣義回歸神經(jīng)網(wǎng)絡(luò)
        3.2.1 GRNN網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 GRNN基本理論
        3.2.3 GRNN與BP模型對比分析
    3.3 基于廣義回歸網(wǎng)絡(luò)的中期徑流預(yù)報(bào)
        3.3.1 GRRN求解徑流預(yù)報(bào)的基本思路
        3.3.2 GRNN參數(shù)確定方法
        3.3.3 GRNN徑流預(yù)報(bào)流程
    3.4 實(shí)例與應(yīng)用
        3.4.1 工程背景
        3.4.2 預(yù)報(bào)因子的確定
        3.4.3 數(shù)據(jù)預(yù)處理和光滑參數(shù)的確定
        3.4.4 模型評價(jià)指標(biāo)
        3.4.5 結(jié)果分析
    3.5 小結(jié)
4 基于遺傳算法的中期水電調(diào)峰調(diào)度
    4.1 前言
    4.2 調(diào)峰出力最大模型
        4.2.1 目標(biāo)函數(shù)及其替換
        4.2.2 約束條件
    4.3 遺傳算法求解的中期水電調(diào)峰調(diào)度
        4.3.1 梯級電站計(jì)算順序確定方式
        4.3.2 編碼方式
        4.3.3 適應(yīng)度函數(shù)
        4.3.4 遺傳操作
        4.3.5 遺傳算法求解流程圖
    4.4 實(shí)例與運(yùn)用
        4.4.1 工程背景
        4.4.2 模型參數(shù)選擇
        4.4.3 調(diào)峰評價(jià)指標(biāo)
        4.4.4 計(jì)算結(jié)果分析
    4.5 小結(jié)
5 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]水庫徑流預(yù)報(bào)的蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法應(yīng)用研究[J]. 楊鑫,任海霞,萬芳.  中國農(nóng)村水利水電. 2013(12)
[2]多元混沌時(shí)間序列的加權(quán)極端學(xué)習(xí)機(jī)預(yù)測[J]. 韓敏,王新迎.  控制理論與應(yīng)用. 2013(11)
[3]基于支持向量機(jī)的石羊河流域徑流模擬適用性評價(jià)[J]. 張?zhí)m影,龐博,徐宗學(xué),劉文豐.  干旱區(qū)資源與環(huán)境. 2013(07)
[4]“十二五”水電發(fā)展規(guī)劃述評[J]. 江毅,戴慶忠.  東方電氣評論. 2013(02)
[5]不同徑流尺度的小波神經(jīng)網(wǎng)絡(luò)預(yù)測[J]. 汪麗娜,陳曉宏,李艷.  華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(02)
[6]多隱層BP神經(jīng)網(wǎng)絡(luò)模型在徑流預(yù)測中的應(yīng)用[J]. 崔東文.  水文. 2013(01)
[7]基于模糊聚類分析的小波神經(jīng)網(wǎng)絡(luò)模型在徑流預(yù)測中的應(yīng)用[J]. 徐瑾,鐘煒,李溪楠.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2012(18)
[8]基于小波分析的徑流分級組合預(yù)報(bào)模型[J]. 明波,劉冀,呂翠美,董曉華.  人民長江. 2012(17)
[9]大規(guī)模復(fù)雜水電優(yōu)化調(diào)度系統(tǒng)的實(shí)用化求解策略及方法[J]. 程春田,申建建,武新宇,廖勝利.  水利學(xué)報(bào). 2012(07)
[10]基于粒子群最小二乘支持向量機(jī)的水文預(yù)測[J]. 李文莉,李郁俠.  計(jì)算機(jī)應(yīng)用. 2012(04)

博士論文
[1]東北地區(qū)流域徑流對氣候變化與人類活動(dòng)的響應(yīng)特征研究[D]. 張愛靜.大連理工大學(xué) 2013
[2]氣候與土地利用變化對徑流的影響研究[D]. 田鵬.西北農(nóng)林科技大學(xué) 2012
[3]中長期水文預(yù)報(bào)及調(diào)度技術(shù)研究與應(yīng)用[D]. 張俊.大連理工大學(xué) 2009
[4]基于可變模糊集理論的徑流預(yù)報(bào)方法研究[D]. 李敏.大連理工大學(xué) 2008
[5]混沌理論在徑流預(yù)報(bào)中的應(yīng)用研究[D]. 丁濤.大連理工大學(xué) 2004

碩士論文
[1]中長期徑流預(yù)報(bào)技術(shù)及應(yīng)用系統(tǒng)研究[D]. 劉佳.東華大學(xué) 2011
[2]線性規(guī)劃在三峽～葛洲壩梯級樞紐優(yōu)化調(diào)度中的應(yīng)用[D]. 葛文波.重慶大學(xué) 2008



本文編號(hào)：2988534