-
公开(公告)号：CN116933930A
公开(公告)日：2023-10-24
申请号：CN202310906893.5
申请日：2023-07-24
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/0985
Abstract: 本发明公开了一种区间降雨影响下的电站坝前水位预测方法，属于水库调度技术领域。S1，分析梯级电站区间降雨对下游电站坝前水位影响的阈值和时滞；S2，构建电站坝前水位预测数据集，将数据划分为建模数据集和验证集；S3，建立上游电站运行计划、下游电站运行计划和梯级电站降雨等变量和坝前水位变化之间的关系，分析验证集中应用效果；S4，修改预测模型方案，构建多种新的预测模型，对比其在验证集中的预测效果，选取最合适的预测模型；S5，基于选择的预报模型，产生区间降雨影响情况下的水位预测结果。本发明采用上述的一种区间降雨影响下的电站坝前水位预测方法，可以解决梯级电站区间降雨和上游电站出流共同作用下的下游电站坝前水位预测难题。
-
公开(公告)号：CN116933930B
公开(公告)日：2024-06-11
申请号：CN202310906893.5
申请日：2023-07-24
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458 , G06N3/0985
Abstract: 本发明公开了一种区间降雨影响下的电站坝前水位预测方法，属于水库调度技术领域。S1，分析梯级电站区间降雨对下游电站坝前水位影响的阈值和时滞；S2，构建电站坝前水位预测数据集，将数据划分为建模数据集和验证集；S3，建立上游电站运行计划、下游电站运行计划和梯级电站降雨等变量和坝前水位变化之间的关系，分析验证集中应用效果；S4，修改预测模型方案，构建多种新的预测模型，对比其在验证集中的预测效果，选取最合适的预测模型；S5，基于选择的预报模型，产生区间降雨影响情况下的水位预测结果。本发明采用上述的一种区间降雨影响下的电站坝前水位预测方法，可以解决梯级电站区间降雨和上游电站出流共同作用下的下游电站坝前水位预测难题。
-
公开(公告)号：CN117195093B
公开(公告)日：2024-07-30
申请号：CN202311217257.8
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/2413 , G06F18/15 , G06F18/213 , G06Q50/06 , G06N20/00
Abstract: 本发明公开了一种基于KNN机器学习算法的水电站耗水率计算方法，属于耗水率计算技术领域，包括以下步骤：S1、数据预处理，收集历史运行数据，并按照对应关系格式将其构建为二维数据集[XHistory，YHistory]；S2、构建KNN预测模型，基于输入的历史耗水率及其对应的历史特征变量数据，根据KNN算法预测原理构建模型，结合输入的特征变量进行特征距离计算，得出最接近该特征变量组合的对应耗水率；S3、调整模型参数，通过调整参数来得到最精确的耗水率计算结果，本发明提供的一种基于KNN机器学习算法的水电站耗水率计算方法，可以解决梯级电站经济运行计算过程中，耗水率计算误差较大，影响电站经济运行规划的问题。
-
Patent Agency Ranking
公开(公告)号：CN117195152B
公开(公告)日：2024-05-17
申请号：CN202311217241.7
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/25 , G06F18/27 , G06F18/10 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的坝下支流顶托条件分析系统，属于水位预测计算技术领域，包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值，可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。
-
公开(公告)号：CN117195152A
公开(公告)日：2023-12-08
申请号：CN202311217241.7
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/25 , G06F18/27 , G06F18/10 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的坝下支流顶托条件分析系统，属于水位预测计算技术领域，包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值，可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。
-
公开(公告)号：CN117195093A
公开(公告)日：2023-12-08
申请号：CN202311217257.8
申请日：2023-09-20
Applicant: 长江水利委员会长江科学院 , 中国长江电力股份有限公司
IPC: G06F18/2413 , G06F18/15 , G06F18/213 , G06Q50/06 , G06N20/00
Abstract: 本发明公开了一种基于KNN机器学习算法的水电站耗水率计算方法，属于耗水率计算技术领域，包括以下步骤：S1、数据预处理，收集历史运行数据，并按照对应关系格式将其构建为二维数据集[XHistory，YHistory]；S2、构建KNN预测模型，基于输入的历史耗水率及其对应的历史特征变量数据，根据KNN算法预测原理构建模型，结合输入的特征变量进行特征距离计算，得出最接近该特征变量组合的对应耗水率；S3、调整模型参数，通过调整参数来得到最精确的耗水率计算结果，本发明提供的一种基于KNN机器学习算法的水电站耗水率计算方法，可以解决梯级电站经济运行计算过程中，耗水率计算误差较大，影响电站经济运行规划的问题。
-
公开(公告)号：CN117910711B
公开(公告)日：2024-07-12
申请号：CN202410320058.8
申请日：2024-03-20
Applicant: 长江水利委员会长江科学院 , 河海大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明公开了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，属于水库优化调度技术领域，包括以下步骤：步骤1、构建动态多目标优化调度模型；步骤2、求解最优调度方案集；步骤3、对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案；步骤5、执行环境监测模块监测环境是否发生变化；步骤6、判断是否达到预设环境变化次数。本发明提供了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，结合实际调度需求进行偏好权重调整，在环境变化情形下得到实时最优决策方案，此外依据预报信息在不降低防洪标准的前提下挖掘水资源利用潜力，实现目标效益最大化。
-
公开(公告)号：CN117910711A
公开(公告)日：2024-04-19
申请号：CN202410320058.8
申请日：2024-03-20
Applicant: 长江水利委员会长江科学院 , 河海大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明公开了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，属于水库优化调度技术领域，包括以下步骤：步骤1、构建动态多目标优化调度模型；步骤2、求解最优调度方案集；步骤3、对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案；步骤5、执行环境监测模块监测环境是否发生变化；步骤6、判断是否达到预设环境变化次数。本发明提供了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，结合实际调度需求进行偏好权重调整，在环境变化情形下得到实时最优决策方案，此外依据预报信息在不降低防洪标准的前提下挖掘水资源利用潜力，实现目标效益最大化。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.094 seconds)
