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！

申请/专利权人：大连理工大学

摘要：本发明属于电力市场和水库调度技术领域，公开了一种不确定电价条件下梯级水库汛前水位消落控制方法。本发明能够充分考虑电价不确定性对水电站的运行影响，通过场景生成聚类减少电价对水库发电效益的随机性。利用改进k‑means算法对电价因子进行聚类确定不同场景下的电价情况，利用笛卡尔乘积思想将电价场景与径流场景组合，构建梯级水库发电、弃水、消落蓄能目标函数，以NSGA‑II为求解算法，推求不同消落水位组合下最佳汛前消落水位区间。通过西南某流域干流梯级电站工程实例分析，结果表明本发明可以有效提高水电站的效益，满足梯级水库消落期平稳运行，提高消落方案的实用性。

主权项：1.一种不确定电价条件下梯级水库汛前水位消落控制方法，其特征包括如下步骤：1构建不确定电价样本集以多年市场交易电价数据为基础，运用拉丁超立方抽样方法对电价数据进行抽样，利用t-SNE法对抽样结果进行缩减，获得电价样本集；2生成典型电价场景采用肘部法选取聚类个数，以类内误差平方和为判别指标，将交易品种电价序列分解为多个品种的电价序列，并转化为实际的电价数据，使用基于灰狼优化的k-means算法聚类生成典型的场景，具体步骤如下：Step1.以电价样本为基础，采用肘部法选定聚类数目K；Step2.计算电价样本集中任意两个数据点之间的欧式距离以及平均距离，a≠b；针对电价样本集中每个数据点，确定以各数据点为中心、距离为D的密度值，具体公式为： 式中：xa、xb为低维场景集中随机两个数据点；a、b、k为数据点编号；dxa,xb为xa,xb之间的欧式距离；D为xa,xb之间的平均距离；Cn2为n个数据的两两组合数；fx为0-1函数；desnityxa为xa点处密度值；Step3.以密度值为适应度函数，利用灰狼优化算法，不断更新迭代精英狼的位置，寻找出最优的初始聚类中心Step4.计算非聚类中心的电价样本数据到K个聚类中心的欧氏距离，将各样本数据划分到距离最近的聚类簇中；Step5.分别计算K个聚类簇的中心点，并将K个聚类簇的中心点更新为新的聚类中心Step6.重复Step2至5，直至聚类中心不再发生改变，最终的聚类中心即为K个典型电价场景{ζ1,ζ2,...,ζk}；3生成电价-径流组合场景利用笛卡尔乘积思想将生成的典型电价场景与丰、平、枯三种径流场景进行组合；4构建梯级电站汛前水位消落控制优化模型以发电效益最大、弃水量最小、消落蓄能值最大为优化目标，建立多目标调度模型，具体如下： 其中： 式中：E为调度期内梯级水库群的最大发电效益；n、N分别为交易品种编号和总数；T为调度周期；i、M分别为水库编号和总数；Δt为第t时段的秒数，s；Ai为第i个水库的出力系数；qi,t为第i个水库t时段的发电流量，m3s；Hi,t为第i个水库t时段的水头高,m；ei,n,t为第i个水库t时段第n种交易品种电价，元kWh；Vq为梯级水库弃水量，m3；Qdi.t为第i个水库t时段的弃水流量，m3s；ri,n,t为第i个水库t时段第n种交易品种参与电量交易的权重；Ed为梯级水库消落蓄能，kWh；ESi,t为第i个水库t时段时计算蓄能，kWh；ηi为第i个水库的耗水率；UVi,t为第i个水库t时段上游水库可用水量,m3；Vi,t为水库i在时段t末的死水位以上库容，m；HSi,t为水库i第t时段末计算蓄能采用的平均水头，m；Zi,t为水库i在时段t末水位，m；分别为水库i的死水位,m；为水库i计算蓄能采用的下游尾水位，选择水库i的13最大发电流量对应的下游尾水位,m；5选择最优消落控制方案利用NSGA-II算法求解不同方案下的效益值，对不同消落控制方案进行模拟调度，采用拥挤度排序法选择不同方案下的效益值，以效益值最大为准则选择最优的消落控制方案。

全文数据：

权利要求：

百度查询： 大连理工大学 不确定电价条件下梯级水库汛前水位消落控制方法