流域水電智慧調(diào)度：大渡河探索與實(shí)踐

目錄
緒論 1
上篇 實(shí)時(shí)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(shè)備 23
1.4.1 設(shè)備信息種類 23
1.4.2 設(shè)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(hù)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(shù)特點(diǎn) 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(jì)算中心 41
3.1.1 云計(jì)算基本概念 41
3.1.2 大渡河云計(jì)算中心體系架構(gòu) 42
3.1.3 大渡河云計(jì)算中心存儲(chǔ)設(shè)計(jì) 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(chǔ) 48
3.2.4 云數(shù)據(jù)中心數(shù)據(jù)質(zhì)量 49
中篇 精準(zhǔn)預(yù)測(cè)
第4章 氣象預(yù)報(bào) 53
4.1 數(shù)值天氣預(yù)報(bào)簡介 53
4.1.1 數(shù)值天氣預(yù)報(bào)技術(shù)發(fā)展簡史 53
4.1.2 WRF預(yù)報(bào)模型簡介 54
4.1.3 數(shù)據(jù)同化技術(shù) 58
4.2 大渡河流域數(shù)值天氣預(yù)報(bào)模型 61
4.2.1 大渡河流域氣候特點(diǎn) 61
4.2.2 預(yù)報(bào)思路 63
4.2.3 大渡河數(shù)值天氣預(yù)報(bào)模型設(shè)計(jì) 64
4.2.4 大渡河資料同化設(shè)計(jì) 67
4.2.5 大渡河預(yù)報(bào)參數(shù)選擇 69
4.2.6 大渡河集合預(yù)報(bào) 72
4.3 大渡河數(shù)值天氣預(yù)報(bào)案例分析 74
4.3.1 大渡河降雨預(yù)報(bào)檢驗(yàn)分析 74
4.3.2 預(yù)報(bào)偏差案例分析 78
4.4 大渡河降水預(yù)報(bào)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(shù) 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(yù)報(bào)數(shù)據(jù) 81
4.4.4 利用認(rèn)知技術(shù)修正模型預(yù)報(bào)誤差 81
第5章 洪水預(yù)報(bào) 84
5.1 洪水預(yù)報(bào)技術(shù)簡介 84
5.1.1 新安江模型 85
5.1.2 洪水概率預(yù)報(bào) 91
5.2 大渡河洪水預(yù)報(bào)方案 101
5.2.1 大渡河流域暴雨洪水特性 101
5.2.2 洪水預(yù)報(bào)總體設(shè)計(jì) 105
5.2.3 典型性斷面預(yù)報(bào)方案 106
5.3 洪水預(yù)報(bào)案例分析 109
5.3.1 精度評(píng)定要求 109
5.3.2 典型性斷面預(yù)報(bào)效果 110
5.4 大渡河洪水預(yù)報(bào)方案優(yōu)化 110
第6章 中長期徑流預(yù)報(bào) 112
6.1 徑流預(yù)報(bào)技術(shù)簡介 112
6.1.1 自回歸模型 113
6.1.2 徑向基神經(jīng)網(wǎng)絡(luò)模型 113
6.1.3 集對(duì)分析 114
6.2 大渡河中長期徑流預(yù)報(bào)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(yù)報(bào)總體設(shè)計(jì) 120
6.2.3 典型性斷面預(yù)報(bào)方案 121
6.3 中長期徑流預(yù)報(bào)案例分析 125
6.3.1 自回歸模型預(yù)報(bào) 125
6.3.2 RBFNN模型預(yù)報(bào) 125
6.3.3 集對(duì)分析模型預(yù)報(bào) 126
6.4 大渡河中長期預(yù)報(bào)方案優(yōu)化 127
下篇 智能調(diào)控
第7章 梯級(jí)聯(lián)合優(yōu)化調(diào)度 131
7.1 梯級(jí)水電站中長期優(yōu)化調(diào)度 131
7.1.1 數(shù)學(xué)模型 131
7.1.2 模型求解 132
7.1.3 實(shí)例計(jì)算 136
7.2 梯級(jí)水電站短期優(yōu)化調(diào)度 138
7.2.1 數(shù)學(xué)模型 138
7.2.2 模型求解 140
7.2.3 實(shí)例計(jì)算 142
7.3 梯級(jí)水電站負(fù)荷分配 143
7.3.1 梯級(jí)聯(lián)合調(diào)度負(fù)荷分配模式 143
7.3.2 數(shù)學(xué)模型 148
7.3.3 模型求解 150
7.3.4 實(shí)例計(jì)算 150
7.3.5 日發(fā)電計(jì)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(shí)例計(jì)算 158
7.4.3 汛末分期蓄水成效 162
7.5 中小洪水實(shí)時(shí)預(yù)報(bào)調(diào)度 162
7.5.1 研究方法 163
7.5.2 實(shí)例計(jì)算 164
7.5.3 中小洪水實(shí)時(shí)預(yù)報(bào)調(diào)度成效 167
第8章 負(fù)荷實(shí)時(shí)調(diào)控 169
8.1 研究內(nèi)容 169
8.2 站間負(fù)荷實(shí)時(shí)分配模型 170
8.2.1 建模要點(diǎn) 170
8.2.2 約束條件 171
8.3 模型求解方法 172
8.3.1 動(dòng)態(tài)規(guī)劃算法 173
8.3.2 改進(jìn)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(fù)荷實(shí)時(shí)分配策略 180
8.4.2 廠間負(fù)荷實(shí)時(shí)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(yùn)行 188
9.2.1 水庫水位控制策略庫 188
9.2.2 水電站模擬運(yùn)行 189
9.2.3 水電站模擬運(yùn)行計(jì)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(biāo)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(xiàn) 197