买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利多源不确定性需求下的梯级水电解耦优化互补调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120978761B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511495221.5，技术领域涉及：H02J3/06；该发明授权多源不确定性需求下的梯级水电解耦优化互补调度方法是由赵志鹏;吴翔宇;韩永栋;廖胜利;康雍喜;程春田设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本多源不确定性需求下的梯级水电解耦优化互补调度方法在说明书摘要公布了：多源不确定性需求下的梯级水电解耦优化互补调度方法，属于水电调度领域。该方法针对电力系统面临的新能源出力波动与电力现货市场出清电量波动等多源不确定性需求，提出“区间承诺‑自主响应”的解耦调度新范式，以解决传统“计划上报‑协商调整”调度模式存在的响应滞后、决策效率低与调节能力受限问题。首先建立梯级水电的解耦调度框架，使各电站能够基于自身复杂水力约束，自主计算并上报动态可调电量区间，在此基础上构建多源不确定性需求下的梯级水电解耦优化互补调度模型，以精确量化水电在多源不确定性环境下的调节能力边界。最后通过结合线性化重构与强对偶理论的两阶段求解算法，将原问题转化为混合整数线性规划模型实现高效求解。

本发明授权多源不确定性需求下的梯级水电解耦优化互补调度方法在权利要求书中公布了：1.多源不确定性需求下的梯级水电解耦优化互补调度方法，其特征在于：梯级水电解耦调度框架的构建、建立多源不确定性需求下的梯级水电解耦优化互补调度模型、调度模型的转化与重构；具体如下： 步骤一、梯级水电解耦调度框架的构建： 步骤1，梯级上下游各水电站向受端电网上报一个动态的、与自身决策紧密关联的最大可调发电量区间范围； 步骤2，受端电网在接收到各水电站上报的最大可调发电量区间范围后，判断其是否能覆盖不确定性因素的波动范围，若能，则水电在其承诺区间内自主、灵活地调整其出力，以实时响应多源不确定性需求的快速变化而无需频繁上报调整计划或等待电网调度指令，若不能，则电网考虑调用其它灵活性电源；所述的不确定性因素包括新能源预测偏差、电力现货市场出清电量波动以及流域来水不确定性； 步骤二、建立多源不确定性需求下的梯级水电解耦优化互补调度模型： 为最大化解耦调度时水电应对多源不确定性需求的能力，以梯级水电可调发电量区间最大为目标构建如下目标函数： 1 式中：分别表示时段水电站的可调电量区间上、下界；为调度期的总时段数；为梯级水电站总数； 计划编制阶段梯级水电运行约束如下： 1水量平衡约束： 2 式中：表示水电站在时段的库容；分别表示水电站在时段的区间流量、发电流量、弃水流量；为调度计算时段步长；为保障水能资源的最大化利用，限制弃水为； 2水电运行边界约束： 3 4 5 式中：分别表示水电站在时段的出力上、下限；表示水电站在时段的出力；分别表示水电站在时段的发电流量上、下限；分别表示水电站在时段的库容上、下限；式3-式5分别表示计划编制阶段水电的出力、发电流量、库容边界约束； 3水电始末库容控制约束： 6 7 式中：分别表示水电站在调度期初与调度期末的库容；分别表示水电站调度期初、调度期末的库容控制值； 4水电发电函数： 在短期调度中，水电站日内水位波动对耗水率影响小，根据研究对象实际运行情况，采用固定耗水率方式计算出力；水电发电函数表示如下： 8 式中：表示水电站在时段的水位耗水率； 5水位库容关系函数： 9 式中：表示水电站在时段的坝上水位；表示水电站的水位库容关系曲线函数； 6水电断面约束： 10 式中：分别表示水电站时段断面约束上、下限；表示与断面约束相关的水电站集合；引入此约束的目的是防止与传输约束相关的潜在不可行性； 多源不确定性需求下的梯级水电运行约束如下： 由于水电在实际运行中受多源不确定性需求的影响，水电为响应多源不确定性需求，其实际决策可能与计划值产生随机偏差，导致梯级水电的出力、发电流量和水位均为随机变量，进而导致水电发电量解耦结果为随机变量；对于任意的，其值应在水电可调电量区间上、下界之内，即： 11 为方便表示，引入随机变量表示水电实际发电量解耦结果与计划值的偏差： 12 1多源不确定性需求下的水电出力与发电流量约束： 多源不确定性需求下的出力与发电流量由各自的计划值加上由于不确定性导致的偏差项得到，即： 13 14 式中：分别表示多源不确定性需求下水电站在时段的出力和发电流量； 式13-式14是包含随机变量的约束，需对所有满足的随机变量均成立；式15-式20亦如此，以下不再赘述； 2多源不确定性需求下的水量平衡方程： 将式13-式14代入式2中，获得考虑多源不确定性需求下的水量平衡方程如式15所示： 15 式中：表示多源不确定性需求下水电站在时段的库容； 3多源不确定性需求下的水电运行边界约束： 与梯级水电计划编制阶段运行边界约束相同，梯级水电在考虑多源不确定性需求下，发电流量、出力和库容需分别满足运行边界约束式16-式18： 16 17 18 4多源不确定性需求下水电断面约束： 梯级水电在响应多源不确定性需求的同时，为防止与输电约束相关的潜在不可行性，亦需满足断面约束： 19 5多源不确定性需求下水电保障库容约束： 梯级水电在考虑多源不确定性需求下，调度期末水位必将受各时段多源不确定性因素的影响，因此难以严格按照计划末水位进行控制；梯级水电运行承担蓄能保障目标任务，响应多源不确定性因素的同时，应避免影响中长期计划和保障要求，需限制调度期末库容扰动范围，故引入考虑多源不确定性需求下的梯级水电调度期末保障库容约束： 20 式中：分别表示多源不确定性需求下水电站在调度期末的保障库容约束上、下限； 6多源不确定性需求下水电运行平稳性约束： 为确保梯级水电在响应多源不确定性因素时，各水电站各时段间可调发电量区间波动尽可能平稳，故引入梯级水电运行平稳性约束式21： 21 式中：表示多源不确定性需求下水电站的平稳性运行约束上限； 7不确定性需求跟踪约束： 为确保梯级水电能以不同程度响应跟踪响应不确定性需求，引入梯级水电不确定性需求跟踪约束式22，当变化时表示梯级水电能以不同程度响应不确定性区间的波动： 22 式中，表示不确定性需求的波动范围；表示时段不确定性需求的波动趋势； 步骤三、调度模型的转化与重构： 多源不确定性需求下的梯级水电解耦优化互补调度模型为高维时空深度耦合非线性随机优化模型，其求解受到大量非线性约束和大量随机性约束两方面制约，因此对非线性约束进行线性化处理，并对包含随机变量的约束项进行重构，实现模型高效求解； 多源不确定性需求下的出力、发电流量与断面约束重构： 对于任意的在区间中，通过引入一个新的随机变量表示为： 23 则被转化为： 24 首先对多源不确定性需求下的出力边界约束式16进行转化，将式13、式24代入式16得： 25 式25等价于对于任意情况下，出力的极大值小于出力上限，出力的极小值大于出力下限： 26 27 由此获得多源不确定性需求下出力边界约束重构为： 28 同理，获得多源不确定性需求下的发电流量边界、断面约束重构为： 29 30 多源不确定性需求下库容边界与保障库容约束转化： 1累积偏差水量平衡方程： 梯级水电为响应多源不确定性需求，从调度期开始至任意时刻，水电站入库流量和发电流量均与计划值发生偏差，从而引起库容偏差，任意时段库容均受到前序时段库容影响，并且会持续影响后续时段；因此，将式14、式24代入式15并多次迭代建立多源不确定性需求下的梯级水电累积偏差水量平衡方程如式31所示： 31 式中，表示调度期初始时段至时段之间的调度时段编号；表示水电站在时段的区间流量；表示水电站在时段的发电流量；表示水电站在时段的水位耗水率； 2多源不确定性需求下的库容极值模型构建： 引入变量，分别表示水电站在时段因响应多源不确定性需求导致的库容的最大值与最小值，分别表示为式32-式33；任意时刻的最大值和最小值形成的区间即为多源不确定性需求下库容的变化范围： 32 33 3多源不确定性需求下的库容上界约束重构： 需分别满足多源不确定性需求下的运行边界约束式18与保障库容约束式20，为统一表达，综合约束式18与式20，令表示多源不确定性需求下的库容上界约束，则满足，表示为： 34 因此多源不确定性需求下的库容上界约束表示为： 35 多源不确定性需求下的库容极值模型式32与式33是以随机变量为决策变量的线性优化问题，引入对偶理论对其求解；首先对模型式32进行求解；将模型式32中的可行域转化为约束形式： 36 式中：表示对应于随机变量可行域的对偶变量；为方便表达，令，则得式32的拉格朗日函数式37： 37 式中，分别表示水电站在时段的可调电量区间上、下界；表示水电站在时段的出力； 根据拉格朗日函数式37构建原问题的对偶问题式38；因模型式32为线性凸优化模型，因此原问题与对偶问题具有强对偶性，即对偶问题与原问题最优解一致，因此对偶问题式38的最优解为； 38 通过求解对偶问题实现对原问题的求解，将最小化问题等价转化成存在性问题，响应库容上界约束重构结果为： 39 4多源不确定性需求下的库容下界约束重构： 多源不确定性需求下的库容下界约束重构方法与上界约束重构方法相同，不再赘述，重构结果如式40所示： 40。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。