買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉大連理工大學申請的專利考慮新能源多周期波動的梯級水電長中短期融合調度方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120185106B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510639498.4，技術領域涉及：H02J3/46；該發明授權考慮新能源多周期波動的梯級水電長中短期融合調度方法是由張俊濤;鄭壹飛;程春田設計研發完成，并于2025-05-19向國家知識產權局提交的專利申請。

本考慮新能源多周期波動的梯級水電長中短期融合調度方法在說明書摘要公布了：本發明屬于水風光多能互補調度的建模與求解技術領域，特別涉及一種考慮新能源多周期波動的梯級水電長中短期融合調度方法。首先基于電網歷史多年實際出力樣本，提出了新能源多周期關鍵波動特征刻畫方法；隨后采用可調節魯棒優化和機會約束建模方法，將新能源多周期波動性統一納入梯級水電調度建模之中，構建梯級水電長中短期嵌套融合優化調度模型；最后借助拉格朗日對偶、分位數回歸和MILP線性化建模技術，實現模型高效求解。并且通過梯級水電應用實例表明，相比傳統長中短期解耦的梯級水電優化調度框架，本發明所提方法更有效兼顧了電網當前和遠期對梯級水電調節能力的調用要求，顯著降低了電網缺電和棄電風險。

本發明授權考慮新能源多周期波動的梯級水電長中短期融合調度方法在權利要求書中公布了：1.一種考慮新能源多周期波動的梯級水電長中短期融合調度方法，其特征在于，步驟如下： 步驟（1）：初始計算條件； 歷史觀測數據：收集全省歷史多年的逐小時風電、光伏實際出力數據，以及典型年逐小時的梯級水電站的徑流數據、省級電網負荷數據、其他電源出力數據； 水電站基礎數據：包括裝機容量數據、庫容上下限數據、發電流量上下限數據、初末庫容等； 步驟（2）：構建梯級水電長中短期融合調度模型； （2.1）目標函數： 目標函數一：最小化長期尺度的缺電量和棄電量； 目標函數二：最小化中期尺度的缺電量和棄電量； 目標函數三：最小化短期尺度的缺電量和棄電量； 式中：為調度模型里長期尺度的周期，其值為當年剩余月數；為調度模型里中期尺度的周期，其值為當月剩余天數；為調度模型里短期尺度的周期；、、分別為調度模型里長、中、短期尺度調度步長的小時數；、、分別為長、中、短期負荷；為水電站在時段的出力；分別為新能源長期實際出力、中期預測出力、短期預測出力；分別為其他電源長、中、短期出力；從能量轉換的角度可將水電站棄水等效轉換為棄電，為水電站在時段的棄水流量轉換出力；為水電站的數量； （2.2）梯級水電運行約束： （2.2.1）水庫水量平衡約束： 式中：為水庫在時段末的庫容；分別為水庫在時段的入庫流量、發電流量、棄水流量；對應月份的天數； （2.2.2）梯級水力聯系約束： 式中：為水庫在時段的天然入庫徑流；為梯級上游水電站到水電站的水流滯時； （2.2.3）水電站運行邊界約束： 水電站的庫容約束、發電流量約束、出庫流量約束、出力約束、爬坡約束如下式所示； 式中：和分別為水電站在時段的庫容上下限；和分別為水電站在時段的發電流量上下限；和分別為水電站在時段的出庫流量上下限；和分別為水電站在時段的出力上下限；和分別是水電站的向上和向下爬坡能力； （2.2.4）起調庫容約束： 式中：為水電站的起調庫容，取前一日調度模型24小時末的水庫庫容； （2.2.5）末庫容約束： 式中：為給定的水電站的年末庫容； （2.2.6）水位-庫容關系約束： 式中：是水電站關于庫容的非線性函數； （2.2.7）水電站發電函數： 根據水電站歷史實際運行數據，將非線性水電站出力函數擬合為兩變量二次多項式的形式： 式中：是和的平均值；是非線性水電站出力函數的參數； （2.2.8）棄水-棄電轉換約束： 式中：是水電站棄水-棄電轉換函數； （2.3）新能源不確定性約束： （2.3.1）新能源長期季節性波動約束： 采用不確定性區間可調魯棒優化表征新能源長期出力不確定性，通過引入一個用來描述決策者對于魯棒優化保守型判斷的可調節參數，以實現對不確定性區間的縮放；新能源出力實際值描述為出力預測值與預測誤差之和，如下式所示； 式中：和分別為新能源在長期尺度時段的實際出力和預測出力；為新能源在長期尺度時段的出力預測誤差；和分別為新能 源在長期尺度時段的向下出力偏差最大值和向上出力偏差最大值； 引入新能源不確定性預算系數，，來定義新能源出力的不確定性集合，以此來協調優化調度的魯棒性和最優性，如下式所示； 式中：為不確定性區間可調魯棒優化輔助變量； （2.3.2）新能源中期極端波動場景： 根據歷史發生概率引入新能源持續多日極端波動場景，以提升水電對新能源極端波動的調節能力； 新能源極端波動事件定義方法如下： 將“新能源日均出力相比月均出力的降幅在以上且持續日以上”的波動場景，定義為持續多日極端低出力波動事件；將“新能源日均出力相比月均出力的增幅在以上且持續日以上”的波動情景，定義為持續多日極端高出力波動事件，見下式； 式中：為日索引，和分別為極端波動起止時間；為持續極端波動事件的關鍵特征參數； （2.3.3）新能源短期備用調節需求約束： 將水電與新能源的備用供需關系表征為機會約束以量化新能源短期不確定性對水電靈活調節能力的調用需求，如下式所示； 式中：表示括號內的不等式成立的概率；和分別表示水電站在時段的上調備用和下調備用；和表示新能源在短期尺度時的預測出力和實際出力，其中實際出力是隨機變量；和是梯級水電為滿足新能源不確定性而提供充足備用的置信水平，； 水電站的上下調備用主要受水電站裝機容量和爬坡能力限制，如下式所示； 步驟（3）：模型求解； （3.1）多目標優化求解方法： 采用引入相對容忍度的分層序列法求解多目標優化模型；將分別記作第一層、第二層、第三層目標，首先求解第一層目標函數的最優解集；然后在保證第一層目標函數的最優值滿足給定容忍度的前提下，求解第二層目標函數；最后在保證第二層目標函數的最優值滿足給定容忍度的前提下，求解第三個層目標函數； 式中：代表模型的狀態變量，即庫容；代表模型的決策變量，即發電流量和出庫流量；代表和的可行集合；、和分別代表模型第一、二、三層目標的最優解；、和分別代表第一、二、三層目標的最優值；和分別代表第一、二層目標的容忍度； 經過上述過程，得到多目標優化問題的最優解是，三層目標函數的值分別是、和； （3.2）非線性函數線性化： （3.2.1）絕對值函數線性化過程如下： 式中：是線性輔助變量； （3.2.2）一維非凸非線性曲線約束線性化：引入特殊順序集Ⅱ型約束對水位庫容曲線進行線性化，具體公式為： 式中：為電站的水位庫容曲線的水位、庫容分段離散點，限制了權重非負且和為1，為約束；和分別按照離散點乘以權重的和表示電站在時刻的水位與庫容值； （3.2.3）二維非凸非線性曲面約束線性化：采用平行四邊形二維插值法，在不引入0-1整數變量的情況下，對水電非線性出力函數進行線性逼近建模； 其中，和分別為水電站的庫容上下限；和分別為水電站的發電流量上下限； 首先將水電出力函數離散化為由平行四邊形定義的非正交網格；表示發電流量的離散梯度，表示平行四邊形的頂點，和分別為發電流量第列第行的采樣值和庫容第行的采樣值，且；和表示頂點索引，，和分別表示平行四邊形網絡的列數和行數，和表示線性輔助變量； （3.3）基于拉格朗日對偶理論的魯棒隨機約束轉換：采用拉格朗日對偶理論將不確定性集合等價轉化為可調魯棒對偶模型； 式中：為轉化過程引入的拉格朗日對偶變量； （3.4）基于分位數回歸的機會約束轉換：運用新能源實際出力與預測出力之間的隨機相關性，將模型轉化為線性規劃模型；將機會約束式中的隨機變量進行單獨分離，轉化為如下表達形式： 式中：為隨機變量的累積分布函數的逆函數；和的分別代表隨機變量概率分布的分位數和分位數； 以新能源預測出力為輸入變量，基于分位數回歸方法建立新能源實際出力的非參數概率預測模型，以此獲得的解析表達式； 分位數回歸理論的表達式如下： 式中：表示下確界；為分位數的標稱分位水平，； 隨機變量的分位數可以表達為： 式中：為標稱分位水平對應的分位數回歸模型，為模型參數； 模型參數的值由最小化分位數損失來估計： 式中：為新能源預測出力和實際出力的數據樣本；為數據樣本索引，為索引集合；為pinball損失函數，表達式如下： 式中：表示pinball損失函數的自變量； 選擇三次多項式來表述標稱分位水平對應的分位數回歸模型，以此來建立新能源預測出力和實際出力之間的映射關系，具體表達式為： 式中：為標稱分位水平對應的分位數預測模型參數； 經過上述步驟，考慮新能源多周期波動的梯級水電長中短期融合調度模型已經轉化為混合整數線性規劃問題MILP，直接調用求解器求解。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人大連理工大學，其通訊地址為：116024 遼寧省大連市甘井子區凌工路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。