《耦合中、短預報信息的梯級水庫群不確定最佳化調度》是依託大連理工大學,由彭勇擔任項目負責人的面上項目。
基本介紹
- 中文名:耦合中、短預報信息的梯級水庫群不確定最佳化調度
- 依託單位:大連理工大學
- 項目類別:面上項目
- 項目負責人:彭勇
項目摘要,結題摘要,
項目摘要
徑流的不確定性是影響水庫調度決策的最大因素,而降雨預報的不確定性以及不確定性隨預見期延長而逐漸增加是徑流預報不確定性的直接來源。因此將TIGGE超級氣象集合預報引入到水文領域,研究考慮降雨預報不確定性的徑流預報模型、以及有效利用不同預見期徑流預報信息的最佳化調度模型,對提高我國的水庫預報調度水平具有重大意義。本項目首先以貝葉斯模型平均法和非參數核密度估計方法為基本方法,推求基於TIGGE超級集合預報的降雨預報密度函式,進而耦合降雨預報的不確定性和徑流預報模型本身的不確定性,建立能充分考慮降雨預報不確定性的徑流預報模型,同時實現與不確定最佳化調度相適應的不確定徑流描述;然後構建耦合中、短預報信息的梯級水庫群不確定最佳化調度模型;最後採用聚合分解思想將梯級水庫群來水量和庫容聚合等效為單庫進行系統降維,從而確定相應的最佳化調度規則,為增加水庫群的發電效益提供決策支持和科學依據。
結題摘要
本項目針對降雨預報的不確定性及其不確定性隨預見期延長而逐漸增加是徑流預報不確定性直接來源這一背景,將TIGGE超級氣象集合預報引入到水文領域,開展了考慮降雨預報不確定性的徑流預報模型以及有效利用不同預見期徑流預報信息的最佳化調度模型研究。首先,基於降雨數據適用性評價及模型參數敏感性分析挖掘出流域徑流預報的影響因素,建立了耦合數值降雨預報數據的確定性徑流預報模型;接著,採用多元線性回歸、BP神經網路、季節自回歸和新安江模型對遼河流域和松花江流域梯級水庫進行中期徑流預報,同時使用自適應聯邦濾波算法對四個模型的預報信息進行融合、校正;在此基礎上,分別針對水電站水庫群聯合最佳化調度與供水水庫群聯合最佳化調度開展耦合降雨預報不確定性和徑流預報模型本身不確定性的調度模型研究,在發電調度方面,構建了能充分考慮降雨預報不確定性的聚合分解貝葉斯隨機動態規劃模型,並結合預報信息的預見期和調度決策期長度對發電調度效益和保證率的影響分析,構建了耦合中、短預報信息的梯級水庫群不確定最佳化調度模型,在供水調度方面,建立了基於改進引水規則的跨流域水庫群聯合調度模型及基於補給限制線的複雜水庫群共同供水任務最佳化分配模型以實現更為精細的控制跨流域引水供水過程,並結合預報信息,建立了耦合中、長期預報信息的跨流域水庫群聯合最佳化調度模型;最後,提出了基於灰色離散微分動態規劃與改進PSO的模型求解方法、基於Fork/Join框架和執行緒通信相結合的多核並行計算框架以及調度圖概化降維方法,實現了模型的高效求解,確定相應的最佳化調度規則,為增加水庫群的發電與供水效益提供決策支持和科學依據,對提高我國的水庫預報調度水平具有重大意義。