文献类型：期刊文章

作　　者：纪昌明[1] 刘源[1] 张验科[1] 梁小青[1,2]

JI Changming;LIU Yuan;ZHANG Yanke;LIANG Xiaoqing(Renewable Energy School,North China Electric Power University,Beijing 102206;Department of Physics and Hydropower Engineering,Gansu Normal University for Nationalities,Hezuo,Gansu 747000)

机构地区：[1]华北电力大学可再生能源学院,北京102206 [2]甘肃民族师范学院物理与水电工程系,甘肃合作747000

出　　处：《水力发电学报》

基　　金：国家自然科学基金(51709105);中央高校基本科研业务费专项资金资助(2019MS031);“十三五”国家重点研发计划课题(2016YFC0402208)

年　　份：2019

卷　　号：38

期　　号：8

起止页码：37-47

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：梯级水电站水库群短期优化调度中,通常忽略梯级水库间水流滞时的影响或将其作为常数进行考虑,实际上水流滞时是随着上级水库出库流量大小、河道槽蓄状态、区间入流等因素动态变化,想要准确预测下级水库入流是存在困难的。因此,采用多种方法筛选出影响下级水库入库流量的主要因素作为输入,利用神经网络建立输入与下级水库入库流量之间的动态函数关系。以锦东和官地水库梯级为例,建立考虑动态滞时的梯级水电站水库群日优化调度模型,并采用逐次优化法对采用动态滞时与固定滞时的优化方案进行求解和对比分析。结果表明:与固定滞时相比,动态滞时下能够更准确地描述梯级水库间的水流联系,同时能够在一定程度上增加梯级水电站水库群发电效益。

关 键 词：短期优化调度 水流滞时  神经网络  梯级水电站 逐次优化法  

分 类 号：TV697.12]