水電作為優(yōu)質(zhì)清潔可再能源，水電開發(fā)利用及其調(diào)度管理是構(gòu)建"清潔低碳、安全高效"現(xiàn)代能源體系的重要支撐。隨著河流水力資源開發(fā)程度的不斷提高，梯級水電廠越來越多，而這些大型流域梯級水電站群水力、電力聯(lián)系十分緊密，同時還承擔著流域防洪、電網(wǎng)安全穩(wěn)定經(jīng)濟運行、水資源綜合利用的任務，其調(diào)度運行面臨著嚴峻的挑戰(zhàn)。本書將利用大數(shù)據(jù)技術和人工智能技術對流域水電智慧調(diào)度進行有益探索，具有重要的現(xiàn)實意義和實踐價值。本書基于人工智能理論和大數(shù)據(jù)技術進行流域水電智慧調(diào)度理論和關鍵技術研究，智慧智能調(diào)度是智能管理向廣度和深度的發(fā)展和繼承。本書將就智慧調(diào)度概述、流域水情智慧分析預測、梯級水電站發(fā)電能力智慧評估、梯級水電站發(fā)電計劃智慧編制、梯級水電站負荷實時高效智慧匹配、梯級水電站群實時發(fā)電智慧調(diào)度策略、流域水電消納市場信息剖析等方面內(nèi)容開展研究。
更多科學出版社服務，請掃碼獲取。
目錄
緒論 1
上篇 實時感知
第1章 數(shù)據(jù)采集 11
1.1 氣象 11
1.1.1 氣象信息獲取方式 11
1.1.2 大渡河流域氣象信息收集 12
1.2 水情 14
1.2.1 水情信息獲取方式 14
1.2.2 大渡河流域水情信息收集 14
1.3 市場 18
1.3.1 市場信息獲取方式 18
1.3.2 大渡河公司所需市場信息收集 20
1.4 設備 23
1.4.1 設備信息種類 23
1.4.2 設備信息獲取方式 23
1.5 環(huán)境 25
1.5.1 環(huán)境信息種類 25
1.5.2 環(huán)境信息獲取方式 25
第2章 數(shù)據(jù)傳輸 28
2.1 光纖通信 28
2.1.1 大渡河光纖通信系統(tǒng)概述 29
2.1.2 大渡河光纖通信系統(tǒng)保護策略 30
2.2 衛(wèi)星通信 32
2.2.1 衛(wèi)星通信系統(tǒng)概述 32
2.2.2 衛(wèi)星通信技術特點 32
2.2.3 大渡河VSAT衛(wèi)星通信系統(tǒng) 33
2.2.4 基于VSAT的VOIP調(diào)度通信 38
2.3 公網(wǎng)通信 39
第3章 數(shù)據(jù)處理 41
3.1 云計算中心 41
3.1.1 云計算基本概念 41
3.1.2 大渡河云計算中心體系架構(gòu) 42
3.1.3 大渡河云計算中心存儲設計 43
3.2 云數(shù)據(jù)中心 45
3.2.1 云數(shù)據(jù)中心基本概念 45
3.2.2 云數(shù)據(jù)中心數(shù)據(jù)采集 45
3.2.3 云數(shù)據(jù)中心數(shù)據(jù)存儲 48
3.2.4 云數(shù)據(jù)中心數(shù)據(jù)質(zhì)量 49
中篇 精準預測
第4章 氣象預報 53
4.1 數(shù)值天氣預報簡介 53
4.1.1 數(shù)值天氣預報技術發(fā)展簡史 53
4.1.2 WRF預報模型簡介 54
4.1.3 數(shù)據(jù)同化技術 58
4.2 大渡河流域數(shù)值天氣預報模型 61
4.2.1 大渡河流域氣候特點 61
4.2.2 預報思路 63
4.2.3 大渡河數(shù)值天氣預報模型設計 64
4.2.4 大渡河資料同化設計 67
4.2.5 大渡河預報參數(shù)選擇 69
4.2.6 大渡河集合預報 72
4.3 大渡河數(shù)值天氣預報案例分析 74
4.3.1 大渡河降雨預報檢驗分析 74
4.3.2 預報偏差案例分析 78
4.4 大渡河降水預報方案優(yōu)化 79
4.4.1 基于增量空間濾波的多尺度模型融合技術 79
4.4.2 使用分辨率更高的地形數(shù)據(jù) 80
4.4.3 融合更多公開的全球預報數(shù)據(jù) 81
4.4.4 利用認知技術修正模型預報誤差 81
第5章 洪水預報 84
5.1 洪水預報技術簡介 84
5.1.1 新安江模型 85
5.1.2 洪水概率預報 91
5.2 大渡河洪水預報方案 101
5.2.1 大渡河流域暴雨洪水特性 101
5.2.2 洪水預報總體設計 105
5.2.3 典型性斷面預報方案 106
5.3 洪水預報案例分析 109
5.3.1 精度評定要求 109
5.3.2 典型性斷面預報效果 110
5.4 大渡河洪水預報方案優(yōu)化 110
第6章 中長期徑流預報 112
6.1 徑流預報技術簡介 112
6.1.1 自回歸模型 113
6.1.2 徑向基神經(jīng)網(wǎng)絡模型 113
6.1.3 集對分析 114
6.2 大渡河中長期徑流預報方案 115
6.2.1 大渡河徑流特性分析 115
6.2.2 中長期徑流預報總體設計 120
6.2.3 典型性斷面預報方案 121
6.3 中長期徑流預報案例分析 125
6.3.1 自回歸模型預報 125
6.3.2 RBFNN模型預報 125
6.3.3 集對分析模型預報 126
6.4 大渡河中長期預報方案優(yōu)化 127
下篇 智能調(diào)控
第7章 梯級聯(lián)合優(yōu)化調(diào)度 131
7.1 梯級水電站中長期優(yōu)化調(diào)度 131
7.1.1 數(shù)學模型 131
7.1.2 模型求解 132
7.1.3 實例計算 136
7.2 梯級水電站短期優(yōu)化調(diào)度 138
7.2.1 數(shù)學模型 138
7.2.2 模型求解 140
7.2.3 實例計算 142
7.3 梯級水電站負荷分配 143
7.3.1 梯級聯(lián)合調(diào)度負荷分配模式 143
7.3.2 數(shù)學模型 148
7.3.3 模型求解 150
7.3.4 實例計算 150
7.3.5 日發(fā)電計劃合理性校核 152
7.4 水庫汛末分期蓄水 153
7.4.1 汛期分期方法 153
7.4.2 實例計算 158
7.4.3 汛末分期蓄水成效 162
7.5 中小洪水實時預報調(diào)度 162
7.5.1 研究方法 163
7.5.2 實例計算 164
7.5.3 中小洪水實時預報調(diào)度成效 167
第8章 負荷實時調(diào)控 169
8.1 研究內(nèi)容 169
8.2 站間負荷實時分配模型 170
8.2.1 建模要點 170
8.2.2 約束條件 171
8.3 模型求解方法 172
8.3.1 動態(tài)規(guī)劃算法 173
8.3.2 改進雙向逐次逼近解算方法 175
8.4 瀑深枕三站EDC案例 180
8.4.1 廠間負荷實時分配策略 180
8.4.2 廠間負荷實時分配控制模型 181
8.4.3 求解算法 184
第9章 閘門智能控制 187
9.1 研究內(nèi)容 187
9.2 水位控制策略及模擬運行 188
9.2.1 水庫水位控制策略庫 188
9.2.2 水電站模擬運行 189
9.2.3 水電站模擬運行計算流程 190
9.3 閘門調(diào)度及算法 191
9.3.1 調(diào)度模式的目標函數(shù) 191
9.3.2 閘門約束 192
9.3.3 閘門開度分配中的次優(yōu)解 192
9.4 典型站閘門智能控制案例 192
9.4.1 大崗山水電站 193
9.4.2 瀑布溝水電站 194
參考文獻 197
書單推薦
