SMA-LSTM模型在径流预报中的适用性研究

径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法(SMA)对长短期记忆神经网络(LSTM)的隐藏层输出维度进行优化,构建SMA-LST M模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012-2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018-2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明:SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。

深溪沟水电站站内实时负荷优化分配

位于大渡河中下游的深溪沟水电站受瀑布沟水电站高强度调峰调频任务的影响,长期存在机组频繁启停、水位陡涨陡落等问题,常规的站内实时负荷优化分配方法难以同时满足计算时效性及电站水位控制、用水效率优化的要求。为实现实时、高效和经济的实时负荷分配目标,在保证电站运行要求的前提下提高深溪沟水电站综合效益,提出了一种设置耗水量最小、水位平稳两个运行目标的站内实时负荷优化分配模型,并基于组合思想构建负荷分配总表以解决构建总表时的维数灾问题。用该分配方法对深溪沟水电站2019年1月下旬及7月中旬的实际运行进行分析验证。结果表明:在实现电站运行目标的前提下,在枯水期降低发电耗水量0.21%,减少穿越振动区及启停次数22.2%,在丰水期缩小电站水位波动范围49.74%,减少穿越振动区及启停次数50%。该实时负荷优化分配模型能够有效指导深溪沟水电站实时调度,对类似水电站调度具有较好参考意义。

面向复杂多灾环境的梯级水电站群智能调控技术研究与应用

实施背景顺应国家防灾减灾政策的需要我国是世界上自然灾害最为严重的国家之一,灾害种类多、分布地域广、发生频率高。流域梯级水电站群是国家重大基础设施,其安全运行关乎国家安危,加强梯级水电站群联合调度统筹,可全面提升综合防灾能力,为人民生命财产安全提供坚实保障。

基于双参数Gumbel-Hougaard Copula函数的设计洪水地区组成分析

设计洪水地区组成是流域开发方案设计中需要解决的问题。以淮河流域鲁台子断面、中渡断面1951-2010年洪水资料为基础,充分考虑Copula函数的尾部相关性,选用双参数GH Copula函数构造鲁台子断面与鲁中区间年最大30 d洪量的二维联合分布模型。对比分析条件期望组合法、条件最可能组合法、最可能组合法、同频率组成法4种设计洪水地区组成方法在中渡断面设计洪水分配中的合理性,揭示在不同量级情境下以鲁台子断面为界的上游及区间洪水对中渡断面洪水组成的贡献率。对于中渡断面而言,从洪泽湖的安全及设计合理性的角度出发应选择最可能组成分配方案作为设计参考。

淮河干流与洪河洪水遭遇规律研究

为研究淮河干流与洪河洪水遭遇规律,本文以Von Mises函数拟合两河年最大日流量发生时间的分布,引入以时间为协变量的GAMLSS模型建立年最大日流量序列的时变边缘分布,应用Copula函数分别构建发生时间及量级的联合分布,固定两河流量组合的叠加值,并以此为条件求出最可能组合.结果表明,淮河干流与洪河易在7～8月份遭遇,遭遇峰值点7月14日的风险率为0.34%;量级遭遇上,两站遭遇概率等值线随时间发生显著变化,以遭遇概率等值线包络线为标准划分风险区较传统的单一等值线标准更为安全;随年份增加,最可能组合中淮滨站流量所占比例由80.2%减少为68.0%,班台站由19.8%增加至32.0%.因此,在两站联合调度中应注重7～8月份的错峰调节,并加大对班台站的流量控制.

基于CFD的弯道水流数值模拟

随着计算流体力学(Computational fluid dynamics,CFD)的快速发展,使得弯道水流的数值仿真研究成为趋势,但是由于弯道水流结构的复杂性,尤其是针对大模型及天然和天然河流进行数值模拟,往往需要极大的计算资源和很长的仿真时间。针对这一问题,提出RSM模型和刚盖假定法相结合的弯道水流的数值模拟方法,以Chang的试验室连续弯道水流试验结果为依据,建立并对比了不同的仿真模型,结果表明,该方法能有效节约计算资源,收敛性更佳,同时也能模拟整体的流动状态,更加适合于大模型及天然弯曲河流的数值模拟。

未来气候情景下淮河中上游降水极值及其联合概率行为变化特征

极端气候变化导致水旱灾害频率和强度的改变,为探究未来气候情景下淮河中上游降水极值及其联合概率行为变化规律,以淮河干流小柳巷以上32个雨量站1961~1990年实测日降水数据为基准,集合RCP4.5情景下5种全球海气耦合模式(GCM)在2021~2050、2051~2080年的日降水预测,应用6种极端降水指数量化极端降水变化规律,基于Copula函数构造3组极端降水指数组合的联合分布,并利用Kendall重现期探讨双变量降水事件发生概率的空间变化规律。结果表明,无论在哪个未来时段,6种极端降水指数较基准期均有不同程度的增大;双变量降水事件的发生概率的空间异质性随着重现期水平的增高而增大;未来60年北部山区和研究区下游极端降水事件发生更加频繁,对淮河流域防洪排涝具有指示作用。

耦合数值降雨信息的径流预报方法对比

为优化流域径流预报方案,引入数值降雨预报信息,对比分析了不同预见期下新安江-融雪径流预报模型(XAJ-DDF)、基于总误差分析途径的概率预报模型(HUP)、多因子最近邻抽样回归模型(NNBR)在大渡河上游丹巴断面的日径流预报精度。结果表明,汛期,HUP模型表现最优且稳定,3、7 d预见期NS分别大于0.9、0.7,且伴随推荐值Q_(50)的90%置信区间信息为决策人员明晰洪水风险提供依据;枯期,多因子NNBR模型预报精度最高,对退水特征把握更准确。通过模型对比,可进一步提升流域预报水平,为同类研究提供应用参考。

基于多维信息相似度的大渡河流域月径流量预测研究

基于降雨径流信息的相似性特征,构建了以最近邻抽样回归模型为核心的中长期径流预测模型。该模型以前期径流和降雨等要素为基础构建多维信息特征因子集,依据预报月份对应的特征因子集,采用一维离散Wasserstein距离法计算其与历史时期特征因子集间的相似度,并以相似度较高特征因子集对应的历史径流值作为该预报月份的预测结果,进而实现中长期月径流预报。将模型应用于大渡河流域汛期各月(6~9月)的径流预测,结果表明该模型具有较高的预测精度,其中,7、8、9月的月流量预报相对误差绝对值在10%左右。研究结果可为流域水资源精准调配和发电效益的提高提供支撑。

近64年洪家渡和尼尔基水库流域入库流量变化特征分析

全球变暖的背景下,气温持续上升,降雨量增加,不同流域径流量如何变化受到了广泛重视。本文选择人为干扰弱的两个水库入库流量作为研究对象,对其64年的数据进行月和年际尺度变化特征分析。结果表明,尼尔基水库控制流域受到西太平洋气团影响,降雨量明显高于受亚热带季风控制的洪家渡水库流域,但尼尔基蒸发能力远远高于洪家渡,导致年际尺度呈现明显下降趋势。由此可见,全球变暖过程中,气温驱动流域径流量将引起更高重视。