(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211155578.5 (22)申请日 2022.09.22 (71)申请人 贵州电网有限责任公司 地址 550002 贵州省贵阳市南明区滨河路 17号 (72)发明人 苏华英　王融融　张俨　王宁　 马覃峰　安甦　田年杰　王国松　 (74)专利代理 机构 贵阳中新专利商标事务所 52100 专利代理师 商小川 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) (54)发明名称 一种水风 光长期互补调度规则提取方法 (57)摘要 本发明公开了一种水风光长期互补调度规 则提取方法， 包括： 步骤1、 采用清洁能源消纳最 大模型， 进行水风光长期互补优化调度； 步骤2、 在优化调度结果的基础上， 采用灰色关联度分析 逐月筛选对决策变量影 响较大的影 响因子； 步骤 3、 建立BP人工神经网络模型提取调度规则； 步骤 4、 最后用历史资料进行模拟调度， 来验证调度规 则的可行性和有效性； 验证了GRA能有效表述数 据样本间的关联关系， 使用GRA筛选简化后的影 响因子构建神经网络模型不仅可以大大缩短训 练时间， 还能有效提高模型预测性能； 验证了BP 神经网络在梯级水电站调度规则提取中有良好 表现， 具有预测精确、 稳定等特点， 预测结果可供 实际调度参 考， 有一定 推广使用价 值。 权利要求书3页 说明书15页 附图4页 CN 115409282 A 2022.11.29 CN 115409282 A 1.一种水风 光长期互补调度规则提取 方法， 其特 征在于： 所述方法包括： 步骤1、 采用清洁能源消纳最大模型， 进行 水风光长期互补优化调度； 步骤2、 在优化调度 结果的基础上， 采用灰色关联度分析逐月筛选对决策变量影响较大 的影响因子； 步骤3、 建立BP人工神经网络模型提取调度规则； 步骤4、 最后用历史资料进行模拟调度， 来验证调度规则的可 行性和有效性。 2.根据权利要求1所述的一种水风 光长期互补调度规则提取 方法， 其特 征在于： 所述采用清洁能源消纳最大模型， 进行 水风光长期互补优化调度的方法包括： 步骤1.1、 构建初始计算条件， 包括水电站运行条件和约束， 以及电力和水力调度需求 条件， 水电历史实际出力数据， 新能源出力预测数据； 步骤1.2、 从发电系 统长期互补调度的角度出发， 根据历史数据， 建立梯级电站长系列 水风光互补优化调度模型， 以水风 光系统发电量 最大为目标函数； 目标函数如下： Ph， i， t＝Ki·Qi， t·Hi， t 式中， W为年内水风光合计消纳电量， kW ·h； Ph， i， t为第i级水电站第t时段的出力， kW； Ww， t为风电第t时段的消纳电量， kW ·h； WS， t为光伏第t时段的消纳电量， kW ·h； T为时段总 数， n为梯级水电站的总数， ； Ki为第i级水电站的出力系数； Qi， t为第i级水电站第t时段的平 均发电流 量， m3/s； Hi， t为第i级水电站第t时段的平均发电水头 。 3.根据权利要求2所述的一种水风 光长期互补调度规则提取 方法， 其特 征在于： 目标函数的约束条件 包括： 1)输送通道容 量约束 风光并网之后， 水风光互补电源系统仍利用原基地外送水电的通道送电， 并不改变其 与电网其 他电源之间的拓扑 结构关系； Ph， t+Pw， t+Ps， t≤Pmax 上式中， Pmax为输电通道的极限传输功率； 2)梯级水电站水量平衡约束 式中， Vi， t+1、 Vi， t分别为第i个 水电站在第t时段初、 末水库蓄水量， m3； Qr， i， t为第i个水电 站第t时段的入库流量， m3/s； Qd， i， t为第i个水电站第 t时段的下泄流量， m3/s； Qf， i， t为第i个 水电站第t时段的发电流 量， m3/s； Qs， i， t为第i个水电站第t时段的弃 水流量， m3/s； 3)上下游水力联系 Qr， i， t＝Qd， i‑1， t+Qq， i， t 式中， Qd， i‑1， t为第i个水电站的上游电站的下泄流量； Qq， i， t为第i‑1个电站到第i个电站 之间范围的区间流 量； 4)水位‑库容约束权　利　要　求　书 1/3 页 2 CN 115409282 A 2Vi， t＝fi， zv(Zi， t) 式中， fi， zv(·)为第i个水电站的水位库容关系函数； 5)尾水位 ‑泄流量约束 Zd， i， t＝fi， zq(Qd， i， t) 式中， fi， zq(·)为第i个水电站的尾水位泄量关系函数， Zd， i， t为第i个水电站t时段的下 游水位； 6)水位限制 Zi， tmin≤Zi， t≤Zi， tmax 式中， Zi， tmin为第i个水电站t时段最低运行水位； Zi， tmax为第i个水电站t时段最高运行 水位； 7)发电流 量限制 Qi， tmin≤Qi， t≤Qi， tmax 式中， Qi， tmin为第i个水电站在t时段最小引用流； 为第i个水电站在t时段水库的最 小生态流量； 为第i个水电站在t时段水轮机组要求的最小引用流量； Qi， tmax为第i个水电 站在t时段最大引用流 量； 8)电站出力约束 Ni， tmin≤KQi， tHi， t≤Ni， tmax 式中， Ni， tmin为第i个水电站在t时段发电机 组的最小出力， kW； Ni， tmax为第i个水电站在t 时段发电机组的最大 出力， kW； Hi， t为第i个水电站在t时段的发电水头 。 4.根据权利要求3所述的一种水风光长期互补调度规则提取方法， 其特征在于： 利用 Lingo优化求解软件， 求 解模型， 即获得梯级电站长序列水风 光互补优化调度结果。 5.根据权利要求1所述的一种水风光长期互补调度规则提取方法， 其特征在于： 筛选对 决策变量影响较大 的影响因子的方法为： 在优化调度结果的基础上， 采用灰色关联度分析 逐月筛选对决策变量影响较大 的影响因子， 选取各水库时段末的水库库容为决策变量； 选 取各水库时段初水库库容、 时段区间流量、 风电和光伏出力为影响因子； 采用灰色关联分 析， 分月整理优化调度结果， 将影响因子的值作为比较数列， 决策变量的值作为参考数列， 使用Matlab 软件编程计算影响因子与各个月的决策变量之间的关联度， 并进行排序， 筛选 关联度最高的影响因子 。 6.根据权利要求1所述的一种水风光长期互补调度规则提取方法， 其特征在于： 建立BP 人工神经网络模型提取调度规则时， 先进行 数据预处 理， 处理方法包括： Step1.划分训练集和 测试集， 将优化调度结果划分为训练集和 测试集； Step2.对数据进行归一 化处理， 采用最小值 ‑最大值标准 化方法， 计算公式如下： 式中， xi是第i个样本， xmin是样本最小值， xmax是样本最大值， x ′i是第i个样本归一化之 后的结果； 同理， 模型 预测的结果需要 进行逆变换， 即反归一 化， 公式如下： xi＝x'i(xmax‑xmin)+xmin。权　利　要　求　书 2/3 页 3 CN 115409282 A 3