买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利考虑新能源多周期波动的梯级水电长中短期融合调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120185106B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510639498.4，技术领域涉及：H02J3/46；该发明授权考虑新能源多周期波动的梯级水电长中短期融合调度方法是由张俊涛;郑壹飞;程春田设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本考虑新能源多周期波动的梯级水电长中短期融合调度方法在说明书摘要公布了：本发明属于水风光多能互补调度的建模与求解技术领域，特别涉及一种考虑新能源多周期波动的梯级水电长中短期融合调度方法。首先基于电网历史多年实际出力样本，提出了新能源多周期关键波动特征刻画方法；随后采用可调节鲁棒优化和机会约束建模方法，将新能源多周期波动性统一纳入梯级水电调度建模之中，构建梯级水电长中短期嵌套融合优化调度模型；最后借助拉格朗日对偶、分位数回归和MILP线性化建模技术，实现模型高效求解。并且通过梯级水电应用实例表明，相比传统长中短期解耦的梯级水电优化调度框架，本发明所提方法更有效兼顾了电网当前和远期对梯级水电调节能力的调用要求，显著降低了电网缺电和弃电风险。

本发明授权考虑新能源多周期波动的梯级水电长中短期融合调度方法在权利要求书中公布了：1.一种考虑新能源多周期波动的梯级水电长中短期融合调度方法，其特征在于，步骤如下： 步骤（1）：初始计算条件； 历史观测数据：收集全省历史多年的逐小时风电、光伏实际出力数据，以及典型年逐小时的梯级水电站的径流数据、省级电网负荷数据、其他电源出力数据； 水电站基础数据：包括装机容量数据、库容上下限数据、发电流量上下限数据、初末库容等； 步骤（2）：构建梯级水电长中短期融合调度模型； （2.1）目标函数： 目标函数一：最小化长期尺度的缺电量和弃电量； 目标函数二：最小化中期尺度的缺电量和弃电量； 目标函数三：最小化短期尺度的缺电量和弃电量； 式中：为调度模型里长期尺度的周期，其值为当年剩余月数；为调度模型里中期尺度的周期，其值为当月剩余天数；为调度模型里短期尺度的周期；、、分别为调度模型里长、中、短期尺度调度步长的小时数；、、分别为长、中、短期负荷；为水电站在时段的出力；分别为新能源长期实际出力、中期预测出力、短期预测出力；分别为其他电源长、中、短期出力；从能量转换的角度可将水电站弃水等效转换为弃电，为水电站在时段的弃水流量转换出力；为水电站的数量； （2.2）梯级水电运行约束： （2.2.1）水库水量平衡约束： 式中：为水库在时段末的库容；分别为水库在时段的入库流量、发电流量、弃水流量；对应月份的天数； （2.2.2）梯级水力联系约束： 式中：为水库在时段的天然入库径流；为梯级上游水电站到水电站的水流滞时； （2.2.3）水电站运行边界约束： 水电站的库容约束、发电流量约束、出库流量约束、出力约束、爬坡约束如下式所示； 式中：和分别为水电站在时段的库容上下限；和分别为水电站在时段的发电流量上下限；和分别为水电站在时段的出库流量上下限；和分别为水电站在时段的出力上下限；和分别是水电站的向上和向下爬坡能力； （2.2.4）起调库容约束： 式中：为水电站的起调库容，取前一日调度模型24小时末的水库库容； （2.2.5）末库容约束： 式中：为给定的水电站的年末库容； （2.2.6）水位-库容关系约束： 式中：是水电站关于库容的非线性函数； （2.2.7）水电站发电函数： 根据水电站历史实际运行数据，将非线性水电站出力函数拟合为两变量二次多项式的形式： 式中：是和的平均值；是非线性水电站出力函数的参数； （2.2.8）弃水-弃电转换约束： 式中：是水电站弃水-弃电转换函数； （2.3）新能源不确定性约束： （2.3.1）新能源长期季节性波动约束： 采用不确定性区间可调鲁棒优化表征新能源长期出力不确定性，通过引入一个用来描述决策者对于鲁棒优化保守型判断的可调节参数，以实现对不确定性区间的缩放；新能源出力实际值描述为出力预测值与预测误差之和，如下式所示； 式中：和分别为新能源在长期尺度时段的实际出力和预测出力；为新能源在长期尺度时段的出力预测误差；和分别为新能 源在长期尺度时段的向下出力偏差最大值和向上出力偏差最大值； 引入新能源不确定性预算系数，，来定义新能源出力的不确定性集合，以此来协调优化调度的鲁棒性和最优性，如下式所示； 式中：为不确定性区间可调鲁棒优化辅助变量； （2.3.2）新能源中期极端波动场景： 根据历史发生概率引入新能源持续多日极端波动场景，以提升水电对新能源极端波动的调节能力； 新能源极端波动事件定义方法如下： 将“新能源日均出力相比月均出力的降幅在以上且持续日以上”的波动场景，定义为持续多日极端低出力波动事件；将“新能源日均出力相比月均出力的增幅在以上且持续日以上”的波动情景，定义为持续多日极端高出力波动事件，见下式； 式中：为日索引，和分别为极端波动起止时间；为持续极端波动事件的关键特征参数； （2.3.3）新能源短期备用调节需求约束： 将水电与新能源的备用供需关系表征为机会约束以量化新能源短期不确定性对水电灵活调节能力的调用需求，如下式所示； 式中：表示括号内的不等式成立的概率；和分别表示水电站在时段的上调备用和下调备用；和表示新能源在短期尺度时的预测出力和实际出力，其中实际出力是随机变量；和是梯级水电为满足新能源不确定性而提供充足备用的置信水平，； 水电站的上下调备用主要受水电站装机容量和爬坡能力限制，如下式所示； 步骤（3）：模型求解； （3.1）多目标优化求解方法： 采用引入相对容忍度的分层序列法求解多目标优化模型；将分别记作第一层、第二层、第三层目标，首先求解第一层目标函数的最优解集；然后在保证第一层目标函数的最优值满足给定容忍度的前提下，求解第二层目标函数；最后在保证第二层目标函数的最优值满足给定容忍度的前提下，求解第三个层目标函数； 式中：代表模型的状态变量，即库容；代表模型的决策变量，即发电流量和出库流量；代表和的可行集合；、和分别代表模型第一、二、三层目标的最优解；、和分别代表第一、二、三层目标的最优值；和分别代表第一、二层目标的容忍度； 经过上述过程，得到多目标优化问题的最优解是，三层目标函数的值分别是、和； （3.2）非线性函数线性化： （3.2.1）绝对值函数线性化过程如下： 式中：是线性辅助变量； （3.2.2）一维非凸非线性曲线约束线性化：引入特殊顺序集Ⅱ型约束对水位库容曲线进行线性化，具体公式为： 式中：为电站的水位库容曲线的水位、库容分段离散点，限制了权重非负且和为1，为约束；和分别按照离散点乘以权重的和表示电站在时刻的水位与库容值； （3.2.3）二维非凸非线性曲面约束线性化：采用平行四边形二维插值法，在不引入0-1整数变量的情况下，对水电非线性出力函数进行线性逼近建模； 其中，和分别为水电站的库容上下限；和分别为水电站的发电流量上下限； 首先将水电出力函数离散化为由平行四边形定义的非正交网格；表示发电流量的离散梯度，表示平行四边形的顶点，和分别为发电流量第列第行的采样值和库容第行的采样值，且；和表示顶点索引，，和分别表示平行四边形网络的列数和行数，和表示线性辅助变量； （3.3）基于拉格朗日对偶理论的鲁棒随机约束转换：采用拉格朗日对偶理论将不确定性集合等价转化为可调鲁棒对偶模型； 式中：为转化过程引入的拉格朗日对偶变量； （3.4）基于分位数回归的机会约束转换：运用新能源实际出力与预测出力之间的随机相关性，将模型转化为线性规划模型；将机会约束式中的随机变量进行单独分离，转化为如下表达形式： 式中：为随机变量的累积分布函数的逆函数；和的分别代表随机变量概率分布的分位数和分位数； 以新能源预测出力为输入变量，基于分位数回归方法建立新能源实际出力的非参数概率预测模型，以此获得的解析表达式； 分位数回归理论的表达式如下： 式中：表示下确界；为分位数的标称分位水平，； 随机变量的分位数可以表达为： 式中：为标称分位水平对应的分位数回归模型，为模型参数； 模型参数的值由最小化分位数损失来估计： 式中：为新能源预测出力和实际出力的数据样本；为数据样本索引，为索引集合；为pinball损失函数，表达式如下： 式中：表示pinball损失函数的自变量； 选择三次多项式来表述标称分位水平对应的分位数回归模型，以此来建立新能源预测出力和实际出力之间的映射关系，具体表达式为： 式中：为标称分位水平对应的分位数预测模型参数； 经过上述步骤，考虑新能源多周期波动的梯级水电长中短期融合调度模型已经转化为混合整数线性规划问题MILP，直接调用求解器求解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。