發(fā)布時間：2021-05-20 03:16

　　在梯級水電站水庫群短期發(fā)電優(yōu)化調度過程中,為了規(guī)避水流時滯的影響,基于線性空間原理,建立了上級水庫的出庫流量、區(qū)間入流、下庫水位所構成的空間與下級水庫的入庫流量空間的映射函數(shù),并綜合應用數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡、K-means和Relief方法對其進行求解,構建了考慮水流時滯的梯級水電站水庫群短期發(fā)電優(yōu)化調度模型。應用于雅礱江流域錦官電源組短期發(fā)電優(yōu)化調度的算例分析表明,所建立的模型能夠提高短期發(fā)電優(yōu)化調度方案制作的精度。 

【文章來源】：電力系統(tǒng)自動化. 2020,44(06)北大核心EICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 基于數(shù)據(jù)挖掘的水流時滯映射關系求解
    1.1 基于線性空間映射的水流時滯問題描述
    1.2 基于數(shù)據(jù)挖掘的映射關系求解
2 考慮水流時滯的梯級短期發(fā)電優(yōu)化調度模型
    2.1 模型構建
    2.2 模型求解
3 算例分析
4 結語
附錄A


【參考文獻】：
期刊論文
[1]基于數(shù)值特性聚類的日前光伏出力預測誤差分布模型[J]. 趙書強,張婷婷,李志偉,李東旭,許曉艷,劉金山.  電力系統(tǒng)自動化. 2019(13)
[2]An efficient stochastic algorithm for mid-term scheduling of cascaded hydro systems[J]. Xiaolin GE,Shu XIA,Wei-Jen LEE.  Journal of Modern Power Systems and Clean Energy. 2019(01)
[3]采用自適應分段聚合近似的典型負荷曲線形態(tài)聚類算法[J]. 王瀟笛,劉俊勇,劉友波,許立雄,馬鐵豐,胥威汀.  電力系統(tǒng)自動化. 2019(01)
[4]改進的K-means聚類k值選擇算法[J]. 王建仁,馬鑫,段剛龍.  計算機工程與應用. 2019(08)
[5]基于云模型和k-means聚類的風電場儲能容量優(yōu)化配置方法[J]. 吳杰,丁明,張晶晶.  電力系統(tǒng)自動化. 2018(24)
[6]基于相鄰梯級的水電在線短臨調度研究[J]. 牟才榮,于茜,胡宇豐,徐海卿.  紅水河. 2014(04)
[7]大規(guī)模水電站群短期優(yōu)化調度方法Ⅰ:總體概述[J]. 程春田,武新宇,申建建,廖勝利.  水利學報. 2011(09)
[8]神經(jīng)網(wǎng)絡徑流預報模型中基于互信息的預報因子選擇方法[J]. 趙銅鐵鋼,楊大文.  水力發(fā)電學報. 2011(01)
[9]基于混合粒子群算法的梯級水電站多目標優(yōu)化調度[J]. 周建中,李英海,肖舸,張勇傳.  水利學報. 2010(10)



本文編號：3196977