一种区域水电整体发电能力的预测方法技术

一种区域水电整体发电能力的预测方法，该方法先获取区域水电站群的基本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区，然后根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据较为稀缺的小流域，随后分别对未来时间范围内大流域水电站和小流域水电站的发电量进行差异化预测，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力。本设计实现了对区域水电整体发电能力的准确、可靠预测。测。测。

【技术实现步骤摘要】
一种区域水电整体发电能力的预测方法


[0001]本专利技术属于水电能源优化运行领域，具体涉及一种区域水电整体发电能力的预测方法。

技术介绍

[0002]水电是一种清洁高效的可再生能源，其调节性能优越，能有效平抑风电、光电等新能源出力波动，对于维持电网实时供需平衡具有重要作用。近年来，我国水电能源持续大规模开发，目前已经形成以金沙江、雅砻江、长江上游为代表的十三大水电基地。截至2020年，我国全口径水电装机容量达37016万千瓦，占全部装机容量的16.82％。在当前“碳达峰、碳中和”目标背景下，煤电发展和其对电网调节能力都将受到制约，只有规模庞大、技术成熟的水电是现在和今后未来一段时间内我国大规模集中消纳新能源的最现实、最可靠的调节能源选择。
[0003]由于我国水资源时空分布不均，随着互联大电网的建成，水电外送消纳成为水电能源高效利用的重要手段。然而对于丰水期区域电网内不同流域集中大量来水情况下，各流域水电集中发电，挤占有限输电通道，导致弃水、窝电等问题，甚至影响电力系统的安全稳定运行。因此，亟需进行区域不同流域水电发电能力预测，探究区域水电站水库水力、库容、水文补偿调节规律及其水能空间置换和时间置换能力，协调大小水电错峰发电，以确保水电能源高效利用和充分消纳。此外，进行水电发电能力预测，可有助于电网调度部门统筹安排各类电源协调配合，适时、及时调整调度计划，合理安排电网运行方式，降低风、光等新能源接入对电网的不利影响。
[0004]目前的发电能力预测方法多针对流域大型水电站或流域梯级水电站群，而一个区域内通常大、小流域水电并存，且区域水电整体发电能力的预测对于区域电网配电网络规划和中长期电力市场交易具有重要意义。显然，仅考虑区域流域大型水电站或流域梯级水电站群的发电能力预测方法无法准确反映区域水电整体发电能力。

技术实现思路

[0005]本专利技术的目的是针对现有技术存在的上述问题，提供一种结果准确、可靠的区域水电整体发电能力的预测方法。
[0006]为实现以上目的，本专利技术的技术方案如下：
[0007]一种区域水电整体发电能力的预测方法，依次包括以下步骤：
[0008]步骤A、先获取区域水电站群的基本信息，然后根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区；
[0009]步骤B、根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据稀缺的小流域；
[0010]步骤C、分别预测未来时间范围内大流域水电站和小流域水电站的发电量；
[0011]步骤D、将各大流域水电站和小流域水电站的发电量累加以得到区域水电在未来
时间范围内的整体发电能力。
[0012]步骤B中，所述大流域水电站的发电量预测方法为：对于某大流域，先将其内各水电站的历史径流数据分别输入基于时间卷积网络的月径流预测模型中得到各水电站未来时间范围内的月径流预测值，再通过求解以下中长期优化发电调度模型得出该大流域水电站的发电量E：
[0013][0014]上式中，M为某大流域的水电站数量，T为调度期总时段数，K
i
为第i个水电站的综合出力系数，H
i.t
、Q
i,t
分别为第i个水电站在t时段的平均发电水头、发电引用流量，H
i.t
由第i个水电站的径流预测值计算得到，Δt为各时段的时长。
[0015]所述基于时间卷积网络的月径流预测模型的构建方法依次包括以下步骤：
[0016]S1、将水电站水文月径流数据序列划分为L
‑
N+1个具有N个径流数据的数据窗口，并根据偏自相关系数PACF选取滞后期S，其中，L为水文月径流数据序列的长度，S＝N
‑
1；
[0017]S2、将每个数据窗口的前S个数据作为月径流预测模型的输入，最后一个数据作为月径流预测模型的输出来提取样本；
[0018]S3、将提取的样本划分为训练集和测试集，并将训练集样本输入时间卷积网络中进行月径流预测模型的训练；
[0019]S4、先将测试集样本输入到训练后的月径流预测模型中，得到其月径流预测值，再将月径流预测值与对应的实际月径流值进行对比，以判断训练后的月径流预测模型精度是否满足要求，若满足，则完成模型的构建，若不满足，则返回步骤S1重新进行训练。
[0020]步骤B中，所述小流域水电站的发电量预测方法为：对于某小流域，将该小流域内的水电站作为一个整体，先分析其发电量与相邻的大流域内各水电站发电量的相关性，选取相关性系数最大的大流域水电站作为参考电站，然后对该小流域发电量和参考电站的发电量进行回归分析，确定两者之间的函数关系，最后基于参考电站的发电量预测值确定该小流域水电站的发电量预测值。
[0021]所述相关性系数R采用以下公式计算得到：
[0022][0023]上式中，n为时段数量，E
obj,i
为小流域水电站第i个时段的发电量，为小流域水电站各时段的平均发电量，E
i
为相邻大流域内水电站第i个时段的发电量，为相邻大流域内水电站各时段的平均发电量。
[0024]步骤A中，所述基本信息包括流域地理信息、水库特征数据、调度规程、水电站机组运行参数、水库历史入库径流、水电站历史发电量。
[0025]与现有技术相比，本专利技术的有益效果为：
[0026]1、本专利技术一种基于区域水电整体发电能力的预测方法先获取区域水电站群的基
本信息，再根据区域内水电站群的流域和空间分布，将区域内水电站划分成若干个拓扑子分区，然后根据各拓扑子分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将各拓扑子分区划分为具有长序列数据的大流域和数据稀缺的小流域，随后分别预测未来时间范围内大流域水电站和小流域水电站的发电量，最后将各大流域水电站和小流域水电站的发电量累加即可得到区域水电在未来时间范围内的整体发电能力，该方法对区域水电站按照流域进行拓扑分区，并根据数据稀缺性对大、小流域水电发电量分别进行差异化预测后累加，从而实现对区域水电整体发电能力的准确、可靠预测，有利于水电跨流域、跨省区交易，解决弃水、窝电问题，促进水电消纳。因此，本专利技术实现了对区域水电整体发电能力的准确、可靠预测。
[0027]2、本专利技术一种基于区域水电整体发电能力的预测方法中大流域水电站的发电量预测引入基于时间卷积网络的月径流预测模型进行径流预测，能够避免循环神经网络(RNN)中易出现的梯度消失和梯度爆炸问题，有效学习径流序列中的长期依赖，具有更好的中长期径流预测精度，同时，基于中长期径流预测数据建立各大流域水电站的中长期优化发电调度模型以预测发电量，不仅可对流域水电站群的中长期理论可发电量做出准确预测，而且还能有效挖掘梯级水电站间的补偿效益，指导水电站群中长期调度运行，最大化水电站运行经济效益。因此，本专利技术不仅可对流域水电站群中长期理论可发电量做出准确预测，而且还能有效挖掘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域水电整体发电能力的预测方法，其特征在于：所述方法依次包括以下步骤：步骤A、先获取区域水电站群的基本信息，然后根据区域内水电站群的流域和空间分布，将区域内水电站群划分成若干个拓扑子分区；步骤B、根据各分区内水电站的水文径流数据序列以及历史实际运行数据序列的长短，将其划分为具有长序列数据的大流域和数据稀缺的小流域；步骤C、分别预测未来时间范围内大流域水电站和小流域水电站的发电量；步骤D、将各大流域水电站和小流域水电站的发电量累加以得到区域水电在未来时间范围内的整体发电能力。2.根据权利要求1所述的一种区域水电整体发电能力的预测方法，其特征在于：步骤B中，所述大流域水电站的发电量预测方法为：对于某大流域，先将其内各水电站的历史径流数据分别输入基于时间卷积网络的月径流预测模型中得到各水电站未来时间范围内的月径流预测值，再通过求解以下中长期优化发电调度模型得出该大流域水电站的发电量E：上式中，M为某大流域的水电站数量，T为调度期总时段数，K
i
为第i个水电站的综合出力系数，H
i.t
、Q
i,t
分别为第i个水电站在t时段的平均发电水头、发电引用流量，H
i.t
由第i个水电站的径流预测值计算得到，Δt为各时段的时长。3.根据权利要求2所述的一种区域水电整体发电能力的预测方法，其特征在于：所述基于时间卷积网络的月径流预测模型的构建方法依次包括以下步骤：S1、将水电站水文月径流数据序列划分为L
‑
N+1个具有N个径流数据的数据窗口，并根据偏自相关系数PACF选取滞后期S，其中，L为水文月径流数据序列的长度，S＝N
‑
1...

【专利技术属性】
技术研发人员：杨建华，徐占兴，周建中，莫莉，杨钰琪，秦洲，效文静，谌沁，杨杰勋，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：