水电站群中长期径流预报及发电优化调度的智能方法应用研究

《水电站群中长期径流预报及发电优化调度的智能方法应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＾；．乂蓮謹义葦．ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ損±等恆巧交ＤＯＣＴＯＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ鐵ｗ水电站群中长期径流预报及发电优化调度的智能方法应用研究学科专业垄５［屯电主５作者姓名李堡竺指导教师奪壹图＿＿莖璧＾５１０答辩日期＾马１库＿＿＿月＿博壬学位论文水电站群中长期径流预报及发电优化调度的智能方法应用研究Ｒｅｓｅａｒｃｈ－－ｏｎ虹ｔｅｌｌｉｇｅｎｔＭｅ化ｏｄｓｆｏｒＭｉｄａｎｄＬｏｎｇＴｅｒｍＲｕｎｏｆｆＦｏｒｅｃａ

2、ｓｔｉｎａｎｄＯｐｔｉｍａｌＧｅｎｅｒａｔｉｏｎＳｃｈｅｄｕｌｉｎｇｆｏｒＨｒｏｏｗｅｒｇｙｄｐＳｔａｔｉｏｎｓ作者姓名李保健学号：１０９０６０２７指导教师；程春田教授学科：水利水电工程、专业答辩日期：２０１５年１０月乂遠巧义夫營ＤａｌｉａｎＵｎｉｖｅｒｉｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果一

3、，也不包爸其他已申请学位或其他用途使用过的成果。与我同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目；水电站群中长期径流预报及发电优化调度的智能方法应用研究／作者签名：日期：片年月＞／日先，寺伴大连理工大学学位论文版权使用授权书本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间论文王作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有权保留论文并向国家有关部口或机构送交论文的复印件和电子版，可Ｗ将本学位论文的全部或部分内容编入有关数据库进行

4、检索，可采用影印、缩印、或扫描等复制手段保存和汇编本学位论文。学位论文题目：水由站群中长期径流预报及发电优化调度的智能方法应用研究作者签名口：日期：１＾作年／月７＾日多妹作导师签名：曰期：ｔｗｙ年Ａ月日心答辩委员会主席；｜£１日期：Ｏ＇勺年Ａ月日；Ｉ７大连理工大学博±学位论文摘要近些年来建设事业取得了突飞猛进的发展一批具有电站级数，形成了，我国的水电多、装机规模大等特点的梯级水电站群，对水电系统。大规模水电站群的不断投入运行运行管理问题构成了严峻挑战，。预报和调度是水电系统运行管理中的两大核也问题其■中，及时可靠

5、的径流预报信息是科学制定水电调度方案的重要依据，而合理的调度方案则是充分利用水能资源的重要保障。对于径流预报问题，模型参数率定效率及精度是评价模型性能的关键指标，也是当前研究径流预报所面临的难点；对于调度问题，随着梯级电站级数的不断增多，精细化调度对于梯级水电站群的意义越来越大，梯级间的水流滞时对中期发电调度的影响不容忽视，研究如何提高径流预报精度和发电优化调。因此度的求解效率Ｗ及合理评价因水流滞时产生的滞时电量问题，对于提升水电系统运行管理水平具有重要意义。本文Ｗ我国南方的水电站群为工程背景，针对中长期径流预报问题，深入研究了具有较高预

6、报精度的人工智能技术建模方法，；针对水电站群调度问题研究了并行智能算法求解技术，同时研究了考虑水流滞时的水电系统中期发电优化调度问题：。主要成果如下（１）针对前馈神经网络在径流预报中常采用梯度下降的参数率定方法，存在计算耗时长和容易幅入局部最优等缺陷，建立了基于极端学习机算法（ＥＬＭ）的小波神经网ＷＮＮ－ＥＬＭ络（）中长期径流预报模型。该模型结合小波分析强大的数学分析功能，首先利用ａｔｒｏｕｓ小波变换对原数据序列进行分解，然后将小波分解系数作为单隐层前馈神经网络模型（ＳＬＦＮｓ）的输入，实际径流数据作为输出建立模型；同时充分利用ＥＬＭ

7、算法极快的学习速度和良好的泛化能力，将其应用于小波神经网络模型参数率定。我－国西南地区的漫湾和洪家渡两座水电站的月径流预报为例进行验证，并与ＳＬＦＮｓＥＬＭＶＭ比较－模型和支持向量机（Ｓ）进行，结果表明，ＳＬＦＮｓＥＬＭ模型峰值预测精度略优－－于ＳＶＭ，而ＷＮＮＥＬＭ模型的预报精度明显优于ＳＬＦＮｓＥＬＭ和ＳＶＭ模型。（２）针对回声状态网络（ＥＳＮ）在径流预报中因采用线性回归率定模型参数容易出现过拟合问题（ＢＥＳＮ）的日径流预报模型。该模，建立了基于贝叶斯回声状态网络型将贝叶斯理论与ＥＳＮ模型相结合，遥过权重后验概率密度最大化而获得最优