一种多目标水库短期优化调度方法

与多目标水库短期调度中有关的几个问题中最主要的是未来径流预报的不准确性，而径流预报结果直接影响水库调度的效果，水库运行特性是调度线的函数，水库调度线与水库运行控制和入库径流预报的可靠性之间存在着密切关系，随着预报期的延长，径流预报的准确度降低，误差加大。在径流预报的时序过程中，随着预报期的延长，径流预报的准确度降低，误差加大，在径流预报的时序过程中，各时段预报值的误差是不相同的，愈接近面临时刻的值     

水电站水库预报发电调度的模糊风险分析

针对径流预报误差给水电站水库发电调度带来的风险,在采用组合模型对月径流进行预报和优化调度计算的基础上,构建了水电站水库预报发电调度的模糊风险分析模型框架,并在对入库径流进行随机模拟的条件下设计了模糊风险分析模型的求解流程。三峡水电站水库的实例应用表明,预报误差在5、10月对发电调度的影响较大,且水电站在枯水期的发电模糊风险比汛期高。     

小花间洪水预报模型和经验方法在陆浑水库入库径流过程中的应用对比

为准确预测即将发生的洪水过程,最大限度地减少灾害损失,采用小花间洪水预报模型和经验方法分别对伊河流域的陆浑水库入库径流过程进行了模拟,并将模拟结果与实测流量过程进行了对比分析。结果表明,两种方法模拟结果精度相差不大,均能满足预报精度要求,但小花间洪水预报模型模拟结果整体效果较好,尤其是洪水过程与实测过程比较吻合;经验方法模拟结果稍差,但误差在可接受范围内。两种方法均具有一定实用性,建议两种方法联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验方法的预报结果作为参考。     

松涛水库入库洪水预报流溪河模型研究

为准确、可靠地预报松涛水库入库洪水,基于流域降雨量和下垫面物理特性,探讨了分布式水文模型流溪河模型在松涛水库入库洪水预报中的适用性。结果表明,流溪河模型在松涛水库流域对场次洪水有较好的模拟效果,34场洪水模拟的确定性系数均值达0.869,洪峰误差均值为0.1。以洪峰流量的20%作为许可误差,松涛水库预报方案合格率为79%,预报方案精度达到乙级,说明该模型可应用于松涛水库入库洪水预报。研究成果可为松涛水库防洪调度提供技术支持。     

水库长期发电优化调度的不确定性分析

为了解水库调度中不确定因素对水库长期发电优化调度的影响,以三峡水库为例,根据确定性系数与预报误差的关系对入库径流过程进行随机模拟,应用三角分布和正态分布描述水力不确定性的影响,不同时期选取不同的调度起调水位,运用动态规划法进行水库发电优化调度,将其结果与优化调度和常规调度结果进行比较,得出入库径流的预报误差、出库泄流能力和起调水位的变化等三个不确定性因素对水库长期优化调度的影响较大,而水位库容曲线的不确定性对结果的影响较小。并以确定性系数0.9、变异系数0.1和起调水位145m为例,综合考虑了各项不确定性因素对三峡水库长期发电优化调度的影响。结果表明,多年平均发电量减少0.94×108kW·h,这与三峡水库实际运行情况相符合。     

水库径流预报与发电效益双侧不确定性传递关系研究

为研究径流预报不确定性与水库发电效益不确定性之间的传递关系,在预报误差、发电效益机会损失分布拟合及优选的基础上,充分利用分布形态信息,开展预报误差分布参数对机会损失分布的灵敏度分析.锦屏一级水库实例计算结果表明,预报误差分布参数中,表征平均水平的位置参数μ对机会损失影响最为灵敏,需重点关注,而表征离散程度的尺度参数σ、...     

单要素径流分级预报不确定性推理模型

针对传统径流模糊推理中模糊子集隶属函数描述模糊概念的静态问题,提出了基于云理论的单要素径流分级预报不确定性推理模型,并分别对北方三座水库的入库年径流进行推理预报.与传统模糊推理模型的对比结果表明,该方法径流定性预报合格率高,初步验证了单要素径流预报不确定性推理模型的科学性及有效性.     

基于改进BP网络的日径流预报模型研究

针对常规BP算法收敛速度慢和难以获得全局最优的不足,将网络误差函数的改变量引入权值和偏移值的调整,采用自适应学习速率和自适应动量因子调整策略,建立了基于多层感知器神经网络(MLP-ANN)的水文预报模型.采用自相关函教(ACF)和交又相关函数(CCF)确定网络输入因子并使用试错法优化网络结构.以湖南省双牌水库日入库流量预测为应用实例,并将模拟结果与常规BP网络模型和新安江模型进行对比分析.结果表明,改进模型收敛速度快、预报精度高.     

新安江模型在董铺水库洪水预报中的应用研究

针对大中型水库的水位观测资料较丰富,库区存在着难以观测的直接入库径流及主要入库河道径流观测资料缺乏的现状,以安徽省合肥市董铺水库流域为例,将水库流域划分为陆面和水面两部分,水面按直接产流计算,通过水库水位和水库泄水、用水资料反推入库径流过程,采用实码加速遗传算法对日模型和次洪模型的参数进行率定,构建了基于三水源新安江模型的董铺水库洪水预报模型。对董铺水库坝址以上所控制流域进行了模拟计算,日模型率定期14年中,径流深合格率为92.9%,确定性系数为0.94;日模型验证期18年中,径流深合格率为100%,确定性系数为0.93;次洪模型率定期34场洪水中,径流深合格率为88.2%;次洪模型验证期26场洪水中,径流深合格率为92.3%;60场洪水时水库水位推算合格率90%;方案整体预报精度达到甲级。研究结果表明考虑大中型水库流域产汇流特点和水文观测资料的现状,将水库流域的产流分为陆面和水库水面两部分,反推入库径流过程,基于三水源新安江模型进行大中型水库的洪水预报是可行的,其预报精度达到水库洪水调度的要求。     

基于VIC模型和地貌单位线的中小水库入库预报研究

为解决中小水库入库预报问题,基于VIC模型产流原理和地貌单位线汇流方法,构建了中小水库入库预报模型。其中,VIC模型产流参数基于流域气候、地形地貌、土壤等数据以及VIC模型水文参数全国网格化公式确定;地貌单位线汇流参数基于高分辨率数字高程模型提取的数字化水系获取。实例应用表明,所提出的方法适用于中小水库入库预报,预报的流量过程和入库水量均具有较高的精度;预报误差主要源于网格参数的移用、地貌单位线流速的确定、雨量站代表性的不足。     

基于BP神经网络的贝叶斯概率枯季径流预报研究

根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型.与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科学的决策依据,实例应用表明,效果理想.     

基于Copula函数的云龙水库月径流预测研究

为保障向昆明市供水的掌鸠河引水供水工程水源地（云龙水库（含双化水库））水源充足,对云龙水库上游掌鸠河天然径流量进行精确预报就显得十分必要。为此,采用Copula函数构建相邻月径流之间的联合分布函数,给出了基于Copula函数的月径流预测方法及步骤,并将其应用于云龙水库上游掌鸠河天然径流量预测中。结果表明,2011～2013年各月的天然流量均处于预测流量的上、下限之间;2011～2013年各月径流量预测值的相对误差多为5%～15%。显然基于Copula函数的月径流预测精度较高,可为云龙水库（含双化水库）水资源调度及水资源优化配置、防洪抗旱提供参考依据。     

基于统计图形的入库流量预报误差分布规律

基于2003~2008年三峡水库汛期入库流量预报误差资料,分析了其正态特性,给出了通过K-S检验的分段入库流量预报误差统计图形,并利用统计图形比较了Laplace与Logistic分布拟合效果。结果表明,2003~2008年三峡水库汛期入库流量预报误差基本服从正态分布,且Laplace分布更适合描述其分布规律。     

基于最小二乘曲线的水电站入流平滑处理

以双牌水电站为例,针对水库入库过程推算结果的锯齿现象,构造了入库流量与时间的多项式关系进行平滑模拟,并建立以水量平衡为约束的最小二乘曲线拟合模型求解。结果表明,该方法确保了模拟结果与原始过程计算周期内水量相等、误差权重系数具有相同最大值的特征,拟合效果、精度较高。     

基于云模型的水库调度函数拟合方法研究

针对水库线性调度函数拟合误差较大及模糊集等方法可能出现过拟合现象的不足,引入云模型将样本数据转换为可准确反映样本数据分布的定性概念,再通过数据挖掘算法得到水库调度模式,并建立云模型规则发生器拟合得到调度函数,最后以江垭电站为例,对比云模型规则与模糊集规则和线性调度函数,证明了该算法的有效性,可用于指导实际水库调度。     

基于遗传程序设计的中长期径流预报模型研究与应用

应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

雅砻江下游梯级水库隐随机联合优化调度函数研究

针对不确定来水梯级水库优化调度问题,基于隐随机调度函数基本原理,以长系列优化调度结果为依据,建立多元线性回归模型、门限回归模型和BP人工神经网络模型模拟雅砻江下游梯级水库联合调度过程,综合对比各调度函数模拟效果,且与确定来水的优化调度结果做了对比。结果表明,门限回归模型和BP神经网络模型调度函数均能较好地模拟梯级水库运行,可指导梯级电站调度运行。     

多变量水文联合分布方法及Copula函数的应用研究

简介了水文事件中的多变量联合分布计算方法,系统总结了Copula函数的原理、性质、水文计算中常用的函数类型、参数估计方法及拟合检验方法,探讨了Copula函数在水文方面的应用前景.     

基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。