【技术实现步骤摘要】
一种基于KL展开的大规模水电站群优化调度降维方法
本专利技术涉及水电调度运行领域,特别涉及一种基于KL展开的大规模水电站群优化调度降维方法。技术背景水电系统调度是一类非凸、非线性、多变量、高维数、且具有庞大约束条件集的大规模复杂决策优化问题,也一直是国内外公认的最具挑战性的理论和实践课题之一。水电调度优化计算规模与参与的水电站数、时段数、状态变量(初库容)离散数、决策变量(末库容、流量、出力)离散数、水库不确定径流离散数紧密相关,且随着电站装机规模、库容离散数目、水电站数目等参数的增大,计算的时空复杂度呈指数增长,这一特征使得求解几十、上百座电站的大规模水电系统优化问题需要的计算耗时和存储空间均急剧增加,“维数灾”问题突显。对于我国西南特大流域梯级水电站群、省级电网跨流域水电系统、区域电网跨流域跨省水电系统而言,如何有效突破超大规模水电系统建模求解特别是效率问题已成为当前以及未来很长一段时间面临的重要理论和技术障碍。过去几十年,国内外很多研究工作聚焦水电系统降维问题,涉及以下几个方面。从减少优化电站数出发,提出了 ...
【技术保护点】
1.一种基于KL展开的大规模水电站群优化调度降维方法,其特征在于,步骤如下:/n(1)基于水电站实际运行数据,采用长系列实际调度水位过程构建发电调度过程样本集,见公式(1):/n
【技术特征摘要】
1.一种基于KL展开的大规模水电站群优化调度降维方法,其特征在于,步骤如下:
(1)基于水电站实际运行数据,采用长系列实际调度水位过程构建发电调度过程样本集,见公式(1):
式中:Ai,sample代表电站i的调度过程样本集集合;zc,j为第c种来水情况下第j个时段末的库水位,J为电站i调度过程中包含的时段数;
(2)提取每个电站的调度特征值与特征向量;对得到的样本集进行主成分分析,获得特征值λk与对应的特征向量(ψ(1),ψ(2),…ψ(J))T;根据主成分分析方法原理,需要分别求解矩阵各电站A1,sample,……,Ai,sample的协方差矩阵Cov(Ai,sample),见下式:
按照上式,得到i个电站对应的协方差矩阵Cov(A1,sample),……Cov(Ai,sample);对每个矩阵分别计算特征值与特征向量,得到特征值系列每个特征值对应的特征向量应满足式(3),由此计算出各特征值对应的特征向量;
式中E为单位矩阵;λ为特征值向量;Ni为电站i参与计算的特征值总数;
(3)优选各电站的关键特征值;按照式(4)计算各特征值的贡献率,并按照选定的Kd阈值确定关键特征值系列
式中:Kd为λd的累积贡献率,d为计算累积贡献率的特征值...
【专利技术属性】
技术研发人员:申建建,张博,程春田,李秀峰,蒋燕,周彬彬,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。