本文關(guān)鍵詞：基于貝葉斯統(tǒng)計(jì)與MCMC思想的水庫(kù)隨機(jī)優(yōu)化調(diào)度研究

  更多相關(guān)文章： 貝葉斯統(tǒng)計(jì) 優(yōu)化調(diào)度 馬爾柯夫鏈蒙特卡洛 不確定性

【摘要】：針對(duì)馬爾柯夫隨機(jī)動(dòng)態(tài)規(guī)劃中的維數(shù)災(zāi)問題,提出一種改進(jìn)馬爾柯夫隨機(jī)動(dòng)態(tài)規(guī)劃方法,基于貝葉斯統(tǒng)計(jì)原理,采用馬爾柯夫鏈蒙特卡洛方法(Markov Chain Monte Carlo,MCMC)從數(shù)學(xué)角度出發(fā),推求出一定預(yù)報(bào)級(jí)別下的實(shí)際來流概率密度函數(shù),建立與預(yù)報(bào)級(jí)別相關(guān)的實(shí)際來流概率矩陣,在考慮預(yù)報(bào)誤差發(fā)生的情況下進(jìn)行不確定性優(yōu)化調(diào)度,并且將該方法計(jì)算結(jié)果與有無預(yù)報(bào)時(shí)段相結(jié)合的馬爾柯夫隨機(jī)動(dòng)態(tài)規(guī)劃方法計(jì)算結(jié)果進(jìn)行比較。結(jié)果表明,該方法所得到的結(jié)果比馬爾柯夫隨機(jī)動(dòng)態(tài)規(guī)劃結(jié)果更加貼近實(shí)際多年平均發(fā)電量,并且能夠有效地減少計(jì)算量,縮短計(jì)算時(shí)間,從一定程度上解決了維數(shù)災(zāi)問題,本方法為不確定性優(yōu)化調(diào)度提供重要理論參考。
【作者單位】： 華北電力大學(xué)可再生能源學(xué)院;
【關(guān)鍵詞】： 貝葉斯統(tǒng)計(jì) 優(yōu)化調(diào)度 馬爾柯夫鏈蒙特卡洛 不確定性
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51279062) 中央高校基本科研業(yè)務(wù)專項(xiàng)基金項(xiàng)目(13QN22,2014ZD12,JB2015164) 雅礱江流域水電開發(fā)有限公司項(xiàng)目(JKZX-201416-01)
【分類號(hào)】：TV697.11
【正文快照】： 1研究背景水電站能源是取之不盡用之不竭的可再生能源[1],其性質(zhì)并不像火電站那樣需要消耗燃料,并且水電廠廠內(nèi)用電較少,運(yùn)行成本低,環(huán)境污染小,所以電力系統(tǒng)對(duì)水電站提出的基本要求為:多利用水資源,使水電廠多發(fā)電,節(jié)約煤炭資源[2]。對(duì)于水電站而言,徑流序列作為水庫(kù)調(diào)度最重，

本文編號(hào)：669945