WROOM模型及其在渭河流域水量调度中的应用

通用水资源优化调配模型WROOM作为将优化与模拟技术相结合的水资源系统模型,能很好地进行水资源调度问题求解。现根据渭河流域水量调度实际需求,对WROOM模型进行了改进,建立了渭河流域水量调度年调度模型及月调度模型,实现了渭河流域水量调度方案自动化编制,提高了水量调度管理工作的科学化水平。     

基于PCA-PSO-SVR 的丹江口水库年径流预报研究

在年径流预报中,气象因子之间的自相关会对预报精度产生影响。针对这个问题,将主成分分析(PCA)和粒子群优化(PSO)算法加入SVR模型中,建立了PCA-PSO-SVR预报模型,剔除冗余信息和噪声,提取因子间的主要特征,并选择模型的最优参数组合作为回归支持向量机(SVR)模型的输入。选择南水北调中线水源地丹江口水库为研究区,利用丹江口1981-2016年入库资料进行模型检验。结果表明,模型验证期间合格率为83.33%、距平一致率也达到83.33%,具有精度高稳定性强等优点,对丹江口水库年径流预报有一定的参考意义。     

梯级泵站输水系统日优化调度及经济运行研究

南水北调来水调入密云水库调蓄工程是北京南水北调配套工程的重要内容,前半段从团城湖通过6级泵站提升输水至怀柔水库。为实现工程高效经济运行,基于分时电价规则,建立大系统分解协调模型求解该工程日优化调度及经济运行问题。将大系统分解成3个子系统,先采用动态规划法实现各子系统的最优化,然后根据大系统的总体目标,依据各子系统之间的关联,实现大系统的全局优化。结果表明,模型实用性强,优化调度运行方案中低电价时段所分配流量较大,对于实现工程高效经济运行具有指导意义。     

考虑湖泊调蓄的引江济淮工程旬水量调度方案

为挖掘引江济淮工程沿线湖泊调蓄能力在保障供水、降低泵站输水能耗方面的潜力,开展考虑湖泊调蓄的 跨流域调水工程旬水量调度研究,构建考虑湖泊调蓄的泵站-湖泊多目标旬水量优化调度模型,并采用遗传算法进 行求解,以制定满足用水单元缺水量最少、泵站能耗最小和湖泊不平衡量最小的泵站-湖泊联合调度方案。分析 引江济淮工程调度运行的不同典型运行工况,以自流引江工况为例讨论考虑湖泊调蓄的旬水量调度方案的优势。 结果表明,考虑湖泊调蓄的调度方案能有效提高供水保证率、降低泵站总输水能耗,可为引江济淮工程运行调度 提供决策支撑。     

Seq2Seq 模型的短期水位预测

为有效预测未来一定时间内的连续水位,提出了基于序列到序列(Seq2Seq) 的短期水位预测模型,并使用一个长短期记忆神经网络(LSTM)作为编码层,将历史水位序列编码为一个上下文向量,使用另一个LSTM 作为解码层,将上下文向量解码来预测目标水位序列。以流溪河为研究对象,针对不同预测长度分别建立水位预测模型,并与LSTM 模型和人工神经网络(ANN)模型进行了对比。结果表明:Seq2Seq 模型对连续6 h、12 h 和24 h 水位预测的纳什效率系数最高分别为0.93、0.90和0.85;当预测长度为6 h 时,LSTM 和Seq2Seq 模型预测结果相似,ANN 模型精度较低;当预测长度为12 h 和24 h 时,Seq2Seq 模型相比LSTM 模型和ANN 模型预测效果更好,收敛速度更快。     

基于GRA-NARX神经网络的泵站站前水位预测模型

针对多种水工建筑物相互作用和影响下的泵站水位预测难题,提出基于GRA-NARX（grey relation analysis-nonlinear autoregressive model with exogenous inputs）神经网络的泵站站前水位预测模型。该模型包括灰色关联分析(GRA)和NARX神经网络两部分,利用3种训练算法和不同时间延迟分别对密云水库调蓄工程屯佃泵站站前水位进行2 h预测,并与NARX模型和GRA-BP(grey relation analysis-back propagation)模型的预测结果进行比较。研究结果表明,GRA-NARX-BR(grey relation analysis-nonlinear autoregressive model with exogenous inputs-bayesian regularization)模型用于水位预测能够比较全面地考虑影响因子,预测精度高,相关系数最高达0.986 62,均方根误差最小为0.008 6 m,预测效果比NARX模型和GRA-BP模型好,且时间延迟越长,均方根误差越小。模型也可在其他调水工程中推广使用。     

基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究

为预报锦屏一级水电站年平均径流量,根据其1960~1999年逐年年平均径流量与上年(1959~1998年)逐月74项大气环流指数的相关关系,选出相关性高且与年平均径流有物理联系的大气环流指数作为预报因子;利用多个Elman神经网络建立年平均径流量的集合预报模型,并采用锦屏一级水电站1960~1999年的逐年年平均径流量和筛选的预报因子数据对模型参数进行率定,2000~2011年的逐年年平均径流量对模型预报效果进行检验。结果表明,基于Elman神经网络的单一模型的范化能力较好,多模型的集合预报精度比单一模型的预报精度有进一步提高,可为锦屏一级水电站水资源调度提供参考。     

基于可行空间搜索遗传算法的梯级水库群调度规则研究

以梯级水库群系统多年平均发电量和旬出力保证率最大为目标函数,以梯级水库群内各水库拐点式调度图为决策变量,建立梯级水库群联合发电调度模型,并采用可行空间搜索遗传算法进行求解。为了避免模型求解过程中对不可行解的过多处理,有针对性地对可行解进行优化。最后,以汉江流域梯级水库群为例,对模型和算法的有效性进行了验证。     

WEP模型参数自动优化及在汉江流域上游的应用

本文将全局参效自动优化算法-复形进化算法,引入WEP-L模型,并成功应用于汉江上游流域.通过复形进化算法参数自动优化,可找到WEP-L模型的一套较优的参数.同时,为比较不同目标函数对参数敏感性与自动率定的影响,分别对8种目标函数进行了参数敏感性分析及自动率定.结果显示,如果以水量误差和纳什效率系数为评价标准,排序后的残差平方和及其变化形式的效果较好.WEP-L模型参数敏感性分析及参数自动化率定的实现,可提高WEP-L模型参数率定的科学性和客观性,从而方便WEP-L模型的推广与应用.     

通用水资源调配模型WROOM I：理论

本文首先结合国内外水资源调配模型的研究现状,分析比较了几种模型的特点和差异;然后针对国内水资源调配模型存在的模型通用性差、软件化程度低、不能同时支持调度与配置等问题,开发了具有自主知识产权的通用水资源优化调配模型WR00M（Water Resources Optimal Operation Model）。具体从系统网络概化、模型结构、目标函数及结果统计等4个方面介绍了WROOM模型的理论方法,在此基础上还介绍了WROOM模型的建模工具、开发的模型软件体系以及模型求解的基本方法等。