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！

龙图腾网获悉国家能源集团四川发电有限公司南桠河水电分公司;四川农业大学;四川大学申请的专利一种滚动修正的中长期隐随机联合优化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：CN116307432B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211098377.6，技术领域涉及：G06Q10/0631；该发明授权一种滚动修正的中长期隐随机联合优化调度方法是由黎宇杰;罗光洁;廖毅;李基栋;黄炜斌设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种滚动修正的中长期隐随机联合优化调度方法在说明书摘要公布了：本发明公开了一种滚动修正的中长期隐随机联合优化调度方法，包括如下步骤：建立以系统发电量最大为目标函数的确定性中长期优化调度模型、利用逐步优化算法POA对确定性中长期优化调度模型求解、参数优化、建立中长期风‑光‑梯级水电隐随机联合调度函数模型，并采用SVM法进行求解、滚动模拟修正策略。本发明通过建立基于参数优化的PSO‑SVM中长期隐随机调度函数模型，结合滚动模拟修正策略，优化了中长期尺度下风、光出力全额接收的梯级水电站调度运行。通过对比分析，结果表明，本发明提出的调度函数模型结合滚动模拟修正策略得出的调度运行规则符合当前已有的水库调度规律，是指导风光水“打捆外送”模式下梯级水电实际运行的有效方式。

本发明授权一种滚动修正的中长期隐随机联合优化调度方法在权利要求书中公布了：1.一种滚动修正的中长期隐随机联合优化调度方法，其特征在于，包括如下步骤： 步骤一、结合风、光电并网的情况，建立以系统发电量最大为目标函数的确定性中长期优化调度模型；所述确定性中长期优化调度模型表达式如下： 式中，E是互补发电系统总发电量；是水电站i在时段t的总出力；是时段t光伏总出力；是时段t风电总出力；n为水电站总数目；T是计算周期，为一年；△t是每个时段的时间间隔； 步骤二、利用逐步优化算法POA对确定性中长期优化调度模型求解，将求解多阶段问题转化为求解多个两阶段问题，固定当前其他阶段的变量，对所选两阶段的决策变量进行搜索寻优，解决当前两阶段问题后进入下一个两阶段的计算，并将上一次的结果作为下一次优化的初始条件，循环反复寻优直至收敛，得到最优运行轨迹作为隐随机调度函数的样本数据集； 步骤三、在全额接收风、光电的情况下，建立中长期风-光-梯级水电隐随机联合调度函数模型，并采用SVM法进行求解，得到各时段水位回归预测；所述中长期风-光-梯级水电隐随机联合调度函数模型表达式如下： 式中，Zi,t,Zi,t+1分别为时段t内水库i的初末水位；Zi+1,t是时段t内水库i+1的初水位；Qi,t+1是时段t内水库i的平均入库流量；Qq,t+1是水库i至水库i+1间的区间入流； 采用SVM法进行求解的步骤如下： ①归一化处理样本数据，范围为[0,1]，表达式为： 式中：x,y为归一化前后的样本数据；xmax,xmin,ymax,ymin是相应数据的最大、最小值； ②设定PSO算法的参数值与被优化参数范围，利用高斯径向基函数对训练样本训练20次，得到20组优化参数； ③以适应度函数值最小对应的参数组合为最优，输入中长期风-光-梯级水电隐随机联合调度函数模型进行回归预测； 粒子群优化算法PSO参数寻优的步骤如下： 1划分样本集为训练样本和预测样本，训练样本作为参数优化的数据样本； 2设定参数取值范围，确定优化问题的适应度函数，将寻找最优参数问题转化为求解适应度函数的最值； 3PSO优化得到最优参数组合C，γ，p，C表示惩罚系数，γ表示核函数参数，p表示不敏感损失系数； 步骤四、回归预测得到的汛期部分水位值通过滚动模拟修正策略对各时段水位进行修正。

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国家能源集团四川发电有限公司南桠河水电分公司;四川农业大学;四川大学，其通讯地址为：625400 四川省雅安市石棉县电力路3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”。