水电站洪水调度管理论文提纲

论文题目：基于深度学习的三峡水库实时调度模型研究

摘要：水是清洁能源,水电在中国发展迅猛,近些年建成了举世闻名的三峡、溪洛渡等大型水电站。水库调度是水库运行管理的重要环节,随着水电开发规模化,水库调度需要综合水文气象、发电等多方面因素影响,传统方法难以在短时间内考虑多种约束条件及综合目标。以往研究中对调度函数、调度规则的设计和提取较多为一维数据信息,神经网络结构设计单一,难以应对高维张量数据信息,本文针对传统调度决策方法不足,提出借鉴在图像识别领域有成功应用的卷积神经网络（CNN）,建立适用于水库调度的卷积神经网络模型。水电调度本身存在潜在的规律,因此本文以三峡电站为研究对象,基于当前深度学习热点技术,将深度学习与水库防洪调度相结合,综合考虑多种约束条件及应用场景等因素,模拟三峡水库防洪调度,生成训练样本数据。建立深度神经网络,基于模拟调度生成样本数据,进行网络训练,构建三峡水库实时调度模型,该模型能实时生成调度方案,为调度决策人员提供技术支撑。论文主要工作内容和创新性成果如下:（1）针对三峡水库控制流域面积大、洪水组成复杂、洪水分期不明显、流量变化较快、且来水具有不确定性的特点,水库调度模拟能够充分考虑水库综合利用及约束条件,模拟生成不同场景下水库调度过程。因此,基于实际工程数据建立了水库实时调度计算模型,模型生成大量水库模拟调度样本数据,该样本数据为后文所建立的深度学习的实时调度模型提供了大量的训练样本。（2）神经网络可以从形式多样的数据中发现有价值的信息进而为决策服务。本文以三峡水库为研究对象,建立了基于深度学习的三峡水库实时调度模型,并基于水库模拟调度所生成的训练样本数据,通过深度神经网络参数训练提取和学习实时调度方式特征。另外,在深度学习模型中加入了强化学习算法,模型通过不断的优化奖赏策略来优化模型参数,利用强化学习的训练方式来实现最终的调度决策。实例研究结果表明,该深度学习模型有较好的收敛性,能够应用于水库调度之中,故利用该模型进行三峡水库实时调度方案的制作。

关键词：水库调度;模拟调度;神经网络;深度学习

学科专业：水利工程（专业学位）

摘要

Abstract

第1章 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 深度神经网络研究现状

1.2.2 水库调度模型研究现状

1.2.3 深度神经网络应用于水库调度研究现状

1.3 研究目的及意义

1.4 主要研究内容及章节安排

第2章 研究概况

2.1 流域概况

2.2 气象特征

2.3 三峡水库洪水类型及特征

2.4 工程概况

2.5 三峡水利枢纽基本资料

2.5.1 三峡水利枢纽特征水位

2.5.2 三峡水利枢纽特性曲线

2.6 三峡水库实时调度规程

2.6.1 三峡水库实时防洪调度

2.6.2 三峡水库实时发电调度

2.7 三峡水库实时调度现状

第3章 三峡水库实时调度生成技术

3.1 水库调度理论方法

3.1.1 水库调度概述

3.1.2 水库调度中的模拟方法

3.2 三峡水库实时调度模拟模型

3.2.1 约束条件

3.2.2 求解方法

3.3 水库调度样本生成

3.3.1 边界条件

3.3.2 模拟结果及分析

3.4 本章小结

第4章 基于深度学习的三峡水库实时调度模型理论方法

4.1 深度学习

4.2 强化学习

4.3 卷积神经网络

4.4 基于深度学习的三峡水库实时调度模型

4.4.1 输入输出选择

4.4.2 基于CNN的三峡水库实时调度控制模型

4.5 本章小结

第5章 基于深度学习的三峡水库实时调度模型构建

5.1 模型架构

5.2 数据来源与处理

5.2.1 数据清洗

5.2.2 归一化

5.3 网络训练

5.4 算例分析

5.4.1 实时控制水位算例分析

5.4.2 实时控制下泄流量算例分析

5.5 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢