风光水互补系统时间序列变量概率预报框架

风光水互补系统实时调度受风速、太阳辐射强度、径流和电力负荷等时间序列变量的不确定性影响,如何准确预报这些变量并量化预报的不确定性是风光水互补系统面临的关键难题。为此,本研究提出一种基于深度学习模型的时间序列变量概率预报框架。首先,从时间序列数据中挖掘特征输入并采用相关系数对生成的特征进行初选;其次,基于深度学习模型和高斯过程回归构建时间序列变量概率预报模型,同时分别通过0-1规划思想和贝叶斯优化算法实现特征组合优化和超参数优选;进而,从确定性预报、概率预报和可靠性3个方面对预报模型进行全面评价;最后,以雅砻江流域风光水互补先期试点示范基地作为研究对象,分别在径流、风速、光伏和负荷4个数据集上与目前7个不同的时间序列变量预报模型进行全面对比,验证本研究提出预报框架的精度和概率综合性能。     

径流贝叶斯概率预报在水库发电优化调度中的应用

为了充分考虑降雨、径流预报的不确定性和降低水库发电调度模型的复杂性,采用贝叶斯概率水文预报系统(BFS)耦合降雨预报的不确定性和径流预报模型本身的不确定性来定量描述径流预报的不确定性,发布径流确定性预报、概率预报和概率预报期望值;结合随机动态规划(SDP)模型和贝叶斯随机动态规划(BSDP)模型来制定发电调度图;以浑江桓仁水库流域为背景,采用美国国家天气局的全球预报系统(GFS)发布的10d降雨预报信息作为预报模型输入,模拟桓仁水库的发电调度过程。模拟结果表明基于径流贝叶斯概率预报的水库发电调度能有效提高水库的发电效益和保证率。     

水文预报不确定性对水库防洪调度的影响分析

定量分析预报的不确定性,已成为防洪预报调度风险分析中的关键问题。本文基于Copula函数,提出了可以描述水文预报不确定性随时间演化特性的CUE(Copula-based Uncertainty Evolution Model)模型,并通过该模型模拟了水文预报不确定性序列;基于Monte-Carlo方法和模拟序列,计算了预报不确定性对水库防洪预报调度的影响。结果表明,CUE模型能够很好地模拟水文预报不确定性,采用预报预泄法,对三峡水库进行防洪调度,不会增加防洪风险率。     

基于自优化模拟技术的水库供水风险分析方法及应用

针对来水与用水的不确定性,采用随机模拟技术生成供水水库来水、用水序列,并以此为基础应用自优化模拟技术建立了以供水量最大、弃水量最小为目标的供水水库调度模拟模型.根据风险分析基本理论,对水库调度结果进行供水风险分析.以南水北调中线水源地丹江口水库为例说明模型的应用.结果表明,采用随机模拟技术与自优化模拟调度相结合的方法能为水库提供最优调度方式,保证了各时段所需的供水量,也有利于降低供水风险.     

时间尺度对平原感潮河网水动力水质模拟精度的影响

为探究不同时间尺度边界入流条件对平原感潮河网水动力水质模型模拟精度的影响,以典型平原感潮河网地区的张家港市中部为研究区域,结合野外同步监测数据、自动高频监测数据、常规监测资料等构建了水动力水质模型进行模拟分析。结果表明:时间尺度、开始取值时刻以及调度情况均会影响模拟精度;研究区域边界入流条件、水动力模拟结果和水质模拟结果可信的最大时间尺度为1 h,水质模拟精度优于水动力模拟精度。     

水库抗暴雨能力概率预报的降雨情景构建方法EI北大核心CSCD

针对中小型水库抗暴雨能力预报中存在不确定性的问题,提出了一种考虑降水总量与降雨历时联合概率分布的降雨情景构建方法,旨在减轻抗暴雨能力计算中降雨历时及雨型不同对预报结果产生的影响,以实现中小型水库抗暴雨能力的概率预报。该方法基于Copula函数构建降水总量和降雨历时的联合分布,并与各历时下代表雨型结合,生成同一降水总量下不同历时的降雨过程及其概率;以概率降雨情景为输入,计算水库抗暴雨能力,最终得到水库抗暴雨能力的阈值区间及概率分布。实例验证结果表明,该方法考虑了不同历时降雨发生概率对入库径流的影响,可为中小水库抗暴雨能力的概率预报提供切实可行的降雨情景构建方法。     

基于混合深度学习模型的洪水过程概率预报研究

传统的人工神经网络模型无法量化洪水预报的不确定性,而且在多时段连续预报中未考虑输出的时间相关性。本文通过融合新安江(XAJ)模型、基于外源输入编码-解码(EDE)结构的长短期记忆(LSTM)神经网络和混合密度网络(MDN),构建了XAJ-LSTM-EDE-MDN混合深度学习模型,以实现洪水过程概率预报。该模型在考虑预报洪水时间相关性的前提下,将解码过程产生的点估计转化为条件概率分布的估计;进一步采用最大似然估计法建立了损失函数,通过自适应矩估计(Adam)算法优选模型参数。在陆水和建溪两个流域的研究结果表明：该模型在不降低XAJ-LSTM-EDE模型预报精度的前提下,可有效反映预报洪水过程的不确定性,获得合理可靠的置信区间和优良的概率预报性能,为水库防洪调度等决策提供更多的风险信息,同时为研究深度学习在洪水概率预报中的应用提供参考。     

水文水动力学耦合模型在三峡梯级调度中的应用

以三峡水情数据库为基础数据来源,建立了三峡与葛洲坝水文预报与水流模拟系统。该系统以三水源新安江模型和API模型基于报汛站和遥测站两种数据源提供三峡区间5 d的水文预报数据;以一维水动力学模型和水文预报结果结合三峡、葛洲坝两枢纽调度参数模拟两水库的洪水演进过程;以平面二维水动力学模型模拟两坝间的水流细节;以多方案管理方式实现各调度预案的比较和优化。系统可为三峡、葛洲坝梯级调度提供5 d的实时水情预报,前3 d精度较高。本系统已安装在中国三峡开发总公司梯级调度中心正式运行,为三峡和葛洲坝枢纽的实时调度提供科学依据。     

耦合整体预报不确定性的水电站短期优化调度模型

以确定性预报径流为输入的水电站短期优化,受到预报不确定性的影响,会导致制定的运行方案与实际执行结果产生偏离,造成弃水或出力不足风险。为此,从水电站短期发电计划的编制过程出发,为编制优化运行方案,分析预报径流序列不同时段之间预报不确定性的关联,从而将短期径流预报序列各时段的预报不确定性耦合为一个整体,创新性地建立耦合整体预报不确定性的水电站短期优化调度模型。同时基于所提出的新优化模型,以锦西水电站为例进行实例研究,分别从实际总发电量和贴近度两个方面分析与评价新模型在效益和风险两个方面的优势,并将所建新模型与传统的确定性优化模型进行比较。结果表明,相较于传统确定性优化模型,本文所建立的新模型能够有效增加实际发电量、提高发电计划可靠性,可为水电站短期发电运行的实践提供有效参考。     

考虑随机来水的水电站中长期发电调度多重风险分析

为了分析来水不确定性导致的水电站发电风险,构建了日径流随机模拟模型,模拟生成了长系列径流序列,建立常规调度和优化调度模型,并将模拟径流序列作为输入驱动调度模型。以年均发电量、发电稳定性、弃水量、发电保证率、蓄满率为主要风险指标,建立了发电风险分析的指标体系。在此基础上,以三峡水库作为调度模型的研究实例,比较了常规调度和优化调度的风险水平。结果表明:优化调度较常规调度年发电量增加约5%;信息熵结果显示优化调度模型不确定性较小,更加稳定;优化调度弃水量约为常规调度的50%,且优化调度降低了出力破坏风险。文中给出的优化调度模型所得调度过程在经济效益及风险控制方面都有较优的表现。