[发明专利]一种耦合集合预报信息的水库调度图绘制方法在审

专利信息
申请号: 201911347922.9 申请日: 2019-12-24
公开(公告)号: CN111104750A 公开(公告)日: 2020-05-05
发明(设计)人: 明波;钟华昱;黄强;王义民;赵泽谦;李研;陈晶 申请(专利权)人: 西安理工大学
主分类号: G06F30/20 分类号: G06F30/20;G06T11/20;G06Q10/06;G06Q50/06;G06F111/06
代理公司: 西安弘理专利事务所 61214 代理人: 罗笛
地址: 710048 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 耦合 集合 预报 信息 水库 调度 绘制 方法
【权利要求书】:

1.一种耦合集合预报信息的水库调度图绘制方法,其特征在于,具体按照以下步骤实施:

步骤1、基于入库径流预报序列,建立径流预报误差随机模拟模型,生成包含M种具有一定预报精度的入库径流集合;

步骤2、采用同步回代缩减法,将M种入库径流情景缩减成J(M>>J)种代表性的典型情景,并得到对应的发生概率;

步骤3、基于典型入库径流情景及发生概率,采用关键控制参数对调度图进行描述,建立调度图参数-模拟-优化模型,即多目标优化模型;

步骤4、采用多目标优化算法,对调度图关键控制参数进行自动寻优得到Pareto解集,并利用多属性决策方法对Pareto解集进行方案优选,解码后得到优化调度图。

2.如权利要求1所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述步骤1中,误差随机模拟模型采用季节性ARMA模型。

3.如权利要求2所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述步骤1具体按照以下步骤实施:

步骤1.1、计算预报径流系列与实际径流系列之间的误差:

εt=Q′t-Qt (1)

式中,εt为预报误差;Q′t和Qt分别为t时段预报值和实测值;

步骤1.2、基于入库径流预报误差系列,建立季节性ARMA模型:

式中,ε′t为t时段模拟径流预报误差;为ε′t的均值;参数为自回归系数,p为自回归系数;ξt为随机变量;参数θ12,…,θq为滑动平均系数;q为滑动平均阶数;

步骤1.3、在实测径流系列基础上添加相应的模拟预报误差项,生成包含N种具有一定预报精度的入库径流集合。

4.如权利要求3所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述步骤1.2具体按照以下步骤实施:

步骤1.2.1、根据调度时段确定随机模拟模型的时间截口数,针对不同时间截口构建ARMA(p,q)模型;

步骤1.2.2、采用AIC准则,对不同时间截口的ARMA(p,q)模型分别定阶,预设模型最高阶数为R,取p0和q0介于[m/3]~[2m/3]之间的整数为最佳模型阶数;用如下公式表示:

式中,p,q为模型的阶次;为预报误差残差的方差;m为预报误差系列长度;

步骤1.2.3、将不同时间截口的ARMA(p,q)模型按照(pt为中心化变量)进行中心化处理,得到中心化ARMA(p,q)模型:

步骤1.2.4、采用最小二乘法,对不同时间截口的ARMA(p,q)模型的参数和θ12,…,θq进行率定;

步骤1.2.5、将不同时间截口的ARMA(p,q)模型进行顺序组合,得到季节性的ARMA(p,q)模型。

5.如权利要求3所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述步骤3中,多目标优化模型的目标函数为:多情景下期望发电量最大和多情景下期望缺水指数最小。

6.如权利要求5所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述多情景下期望发电量最大可用如下公式表示:

7.如权利要求6所述的耦合集合预报信息的水库调度图绘制方法,其特征在于,所述多情景下期望缺水指数最小可用如下公式表示:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911347922.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top