海乐山水电站的优化设计

海乐山水电站是河北省邯郸市装机容量最大和效益最好的一座引水式电站。1997年2×3.2MW发电机组投产发电,2000年按设计计划续建了800kW小机组,电站装机总容量为7.2MW,设计年发电量19.93GWh。电站投产以来,特别是2000年大小机组联合运行后,产生了良好的经济效益,四年年发电量累计达113.61GWh,平均年发电量为28.4025GWh,是设计年发电量的1.43倍,平均年产值达838.9万元。在我国北方水电站普遍存在实际年发电量难以达到设计发电量的情况下,海乐山电站为什么能连年超额完成设计年发电量?这是因为合理优化设计方案为电站产生良好效益奠定了基…     

高寒地区调峰水电站冬季发电尾水淹地问题探讨

黑河市西沟水电站，距黑龙江36km，属高寒地区。西沟水电站是一座混合式开发的水利枢纽工程。1987年7月7日开工，1991年11月7日发电受益，通过几年的运行效果良好。西沟电站是调峰电站，停机和开机都很频繁。每年12月至来年3月，因天气寒冷，停机超过初，尾水到黑龙江36km段就要结冰，过水断面不断缩窄或堵寒。这时就出现发电尾水淹地的问题，农民每年都要因尾水淹地上访索赔，给电站工作和经济效益都造成一定的损失。要下次发电量超过上次的发电量就会出现两种情况：（1）尾水把原来过水断面形成的冰盖或冰凌冲走或冲向两边，发电时间长，…     

提高小水电站经济效益的一些措施

新乡地区小水电站装机已达47000千瓦,过去由于多种原因,这些小水电站的设备利用率普遍比较低,平均年利用小时数不到1200小时.为了挖掘小水电站的潜力,提高其经济效益,各水电站分别采取了以下一些措施.(一)增辟水源加强发电用水管理辉县黄水公社韩口大队水电站,是利用山泉发电.原先,泉水最枯流量只有0.1米~3/秒,后来挖大了山泉,枯水流量增加到0.2米~3/秒,电站出力增加一倍.潭头水电站,水头287米,近几年开展了节约"一升水"活动,每年增加发电量2%,具体办法是:     

山区小水电站的集水滤井设计

长洲河二级水电站位于河南省新县境内,该电站以发电为主,结合灌溉,为一引水式季节性发电的小型水电站,安装HL220-WJ-50型水轮发电机组二台,总装机1000kW,多年平均发电量358.4万kW·h。电站周围的地下水以岩石裂隙水为主,受大气降水补给。陡高山崖水经裂隙向溪内补给。上游水库大坝截流后,河内迳流量很小,有时甚至断流。为满足电站常年技术用水和生活用水的需要,因地制宜,拟定集水滤井设计方案。今作以下介绍,供山区小水电站设计参考。     

基于灰色关联法的月降雨量预测

【目的】提高降雨量预测精度,为农业、水利等相关部门提供决策依据。【方法】鉴于月降雨量时间序列具有显著的多尺度特征,开展了数据驱动下基于模型融合的月降雨量预测研究,应用灰色EGM(1,1)模型和自适应模糊神经网络系统(ANFIS)分别预测了年尺度与月尺度下的月降雨量,采用灰色关联法将2个预测结果进行数据融合。利用澳大利亚维多利亚8个站点降雨数据验证所提出方法,并将预测结果进行了与单一灰色EGM(1,1)、ANFIS、人工神经网络(ANN)、自回归积分滑动平均模型(ARIMA)与聚类回归法(CLR)模型预测结果对比。【结果】模型融合预测结果精度高于单一EGM(1,1)、ANFIS、ANN及ARIMA模型预测结果,并在8个站点中的5个取得了最佳预测效果,其中中部地区(Ballarat和Cape Otway站点)及东部地区(Dookie,Wangaratta和Orbost站)预测均方根误差为28.2～37.2 mm,西部地区(Dimboola,Edenhope和Dunkeld站点)预测均方根误差为20.8～23.4 mm。【结论】所提出的模型融合预测法可行,为月降雨量预测提供了新思路。     

梯级混联式水电站优化调度研究

为有效利用水能资源,苏北灌溉总渠沿线高良涧闸、运东闸、运西分水闸及阜宁腰闸4座水闸两侧均装设了水轮机组,组成了成梯级混联式布置水电站。为获得最大经济效益,实现站间最优水位组合调度,采用期望值模型构建法建立由4个水电站组成的水电站群总发电效益模型,应用动态随机最优控制中极值理论分析研究了水电站机组流量和水头及上下游电站间水位的联系,计算出发电效益最大的联合最佳水位,以实现4座梯级混联水电站联合优化调度。     

南漳县小水电强化管理办法

1　小水电基本概况南漳县地处鄂西北,水力资源丰富。全县现有小水电站24座,装机总容量为20800ｋＷ,单机最小容量为40ｋＷ,最大容量为2000ｋＷ,其中有三座电站是以农业灌溉为主、发电为辅的电站,其余21座均为径流式和梯级发电站。在雨水充沛的最好年景其发电量可达5000万ｋＷ·ｈ,最差年景发电量为2700万ｋＷ·ｈ。2　安全运行管理模式为了保证电网安全、经济、合理的运行,保证各小水电站做到有水能发电,有电供得出,并能顺利上网,我们本着产权明晰,责任共担,互惠互利的原则,对24座电站的输电线路都与当地供电所和线路工区签订了有偿代管、代…     

提高中小型径流式电站出力与发电量的措施

目前，中、小型水电站的装机年利用小时一般都偏低，年发电量偏小或者说达不到设计的年发电量，这中间有诸多原因，其中运行管理问题则是重要原因之一。这里仅从运行角度来看，并提出了某些提高装机年利用小时数的具体措施。径流式水电站靠天然来水发电，没有调节能力，因此如何减少水头损失与水量损失是这类电站提高出力与发电量的关键所在。提高径流式电站的出力与发电量的措施如下：１　增加可利用水量（１）　加强输水道的防渗处理，防止漏水，减少漏水损失；对于明渠引水道沿线的涓涓细流设法引入渠中加大来水；尽量少从电站上游前池取…     

加大技改力度 提高小水电效益

１前言 安庆市地处皖西大别山区，小水电发展历经７０年代起步、８０年代大发展和９０年代农村水电初级电气化县建设三个阶段。到１９９８年６月底，全市已拥有小型水电站２２９座，装机９８３３５ｋＷ，其中有近１００座水电站已运行１５年左右，普遍存在一些问题：调蓄能力差或水库淤积严重，引水渠道损毁、渗漏；水轮发电机组质量较差、发电出力不足；职工业务素质较差、管理松懈；发电量较少，大多数电站经营效益差，多年亏损。据统计，安庆市运行１５年左右的１００ｋＷ以上小水电站多年平均发电量仅为设计量的 ６０％左右，这些电站急…     

基于长短期记忆神经网络模型的地下水水位预测研究

利用长短期记忆神经网络(LSTM)构建地下水水位预测模型,解决了传统神经网络预测模型处理时序数据时未考虑时间序列的问题,同时采用多影响变量输入的方式弥补了简单时序模型处理数据时过于依赖时间的缺点。以泰安市岱岳区满庄镇姜家园村046J地下水位监测井为例,采用2001-2016年的监测资料与相关气候数据,利用长短期记忆神经网络构建了地下水水位预测模型,以控制变量的方法确定最优参数,对该井的地下水水位进行了预测,并与单变量LSTM神经网络、BP神经网络预测模型作对比。研究结果表明:基于多变量输入的LSTM神经网络模型能够通过少量历史数据准确的预测未来地下水水位变化情况,特别是在一些资料匮乏的地区,预测误差要显著低于参与对比的预测模型,预测均方根误差仅为2.052。因此,基于多变量的LSTM神经网络模型能够作为简单有效的地下水水位预测工具,为区域水资源管理提供一定的参考。     

基于边界修正和二次分解的改进月降水LSTM预测方法

基于深度学习的降水预测是近年来水文研究的热点。月降水数据为典型的小样本数据，无法满足深度学习对大数据量的需求。为此，融合信号分解和边界修正的思想，提出一种改进的月降水长短期记忆网络（LSTM）预测方法。首先，针对序列分解的“端点效应”，采用波形特征匹配延拓法扩展原始序列边界。然后，利用极点对称模态分解（ESMD）和变分模态分解（VMD）对原始序列进行二次分解。ESMD提取月降水序列不同尺度信息，得到频率依次降低的几个模态分量及一个残余分量；切除各子序列中对内部数据“污染”最严重的扩展部分后，VMD进一步对高频分量进行平稳化处理。最后，对各子序列分别运用LSTM预测，预测结果重构后得到最终预测结果。选取湖北省巴东县的月降水量作为实例验证。通过模型对比分析，结果表明：相较于传统的单一SVM和LSTM模型，组合了信号分解算法的预测模型在月降水预测中更具优越性；将边界修正的方法融入到采用ESMD算法的组合模型，提高了整体模型的预测精度；高频分量的预测效果是决定组合模型预测精度高低的关键因素；提出的方法不但在选取的评价指标上均表现最佳，而且对数据极值点的拟合效果提升显著。特别地，即使面对小样本数...     

模糊优选模型在小型水电站装机容

依据层次分析法和模糊优选理论建立层次分析模糊优选模型,探讨了小型水电站装机容量备选方案的决策优选途径。并从工程经济评价、发电水资源利用率、设备利用率、发电效率等角度综合考虑,以新疆且末县莫勒切河一级电站为典型,具体分析了该水电站的最优装机容量。结果显示：该方法与实际设计运用得装机容量相吻合,该模型可以应用于实际工程中。并可很好的解决水电站在装机选择中多目标决策难的问题。     

基于遗传规划的水电站群优化调度规则研究

基于确定性水电站群优化调度的最优调度轨迹,根据聚合分解的思想,采用遗传规划分别模拟库群总出力以及总出力在梯级电站间的分配,从而建立了水电站群联合调度函数。以清江梯级和三峡梯级水电站群为实例,在满足防洪、航运等综合利用的前提下运用所得的调度函数指导水库群长系列模拟运行,模拟结果表明：基于遗传规划的水电站群调度规则可将梯级水电站群年均总发电量由1031.73亿kWh提高到1049.48亿kWh,发电保证率由95.36%提高到96.66%。因此,遗传规划为建立复杂水电站群调度函数提供了新的途径。     

苍坪河水电站增容扩建中明渠盖板溢流道的改建

苍坪河水电站是湖北省兴山县香溪河水系开发利用的第一级电站,该站装机3×2500kW,设计水头135m,引用流量7.2m3/s,年利用小时5774h,年均发电量4330万kW·h。电站于1985年5月投产发电。1　增容简况电站运行10年来,年均发电量4639万kW·h,年均利用小时6185.7h,电站经济效益显...     

基于条件植被温度指数的夏玉米生长季干旱预测研究

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。     

浅析马滩电站现状与出路

马滩电站是江西省新余市规模较大的水电站,现总装机1375千瓦,共13台机组,是在原水轮泵站基础上改造、扩建起来的.电站始建于1969年,1976年6月联上县电网,1985年最后两台机组投产发电.电站总投资487万元,单位千瓦投资3542元.自第一台机组投产发电以来,已有29年发电历史.现年发电量平均为550万千瓦·时,占县城小水电发电量的80%左右.当大电网停电时,该电站发送的电能对县城的生产,生活均为重要,然而,该电站至今仍欠债累累,债务高达200万元,究竟何因?我们对该站生产、经营状况进行了一次全面调查.     

基于生态流量过程等级的水库调度研究

为修复大坝下游生态退化的减脱水河段,基于ME-Tennant法定义了生态流量过程等级,构建了以生态流量过程等级最大和发电量最大为调度目标的生态调度模型,采用改进的NSGA-Ⅱ算法进行求解.将该模型运用于湖南省筷子篓-水口梯级电站,结果表明:生态流量与发电流量为竞争关系,随着生态流量过程等级增加,发电量也会减少;选取的丰...     

广东六户农民办电站

广东省新丰县徐坑村陈传科等6户农民,合资9577元兴建的徐坑联户水电站,于1989年6月1日投产发电,并入县电网运行。徐坑联户水电站是一座引水式高水头水电站,设计水头101米,发电流量0.704米~3/秒。电站装设两台250千瓦的水轮发电机组,多年平均发电量187.5     

小水电的更新改造效益刍议

抚松县位于吉林省东南部长白山西北麓、松花江上游,具有得天独厚的水力资源,县内河流众多,十公里以上的河流就有66条,水力理论蕴藏量为52万kW,现已开发利用20710kW,只占可开发量的4%。抚松县现已建成小水电站八座,其中县建电站五座,乡(镇)建电站两座,村建电站一座,总装机容量为20710kW,年设计发电量为7878万kW·h。七座小水电站从投产后经多年运行,实际年平均发电量只有4964万kW·h(不含新建的露水河电站),只为设计年     

融合ARIMA模型和GAWNN的溶解氧含量预测方法

针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络（WNN）获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络（GAWNN）和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。