耦合长期预报的跨流域引水受水水库调度模型

为提高跨流域引水工程受水水库引水有效性,研究了耦合长期径流预报信息的跨流域引水受水水库调度模型。首先选取汛期径流预报信息,采用径流预报概率修正先验概率来描述径流的不确定性,建立了贝叶斯随机动态规划模型(BSDP-LTF)。然后将模型应用于碧流河水库,并与仅考虑径流相关的随机动态规划模型(SDP-I)、仅考虑长期预报信息的随机动态规划模型(SDP-LTF)进行比较。比较结果得出在供水保证率基本一致且不增加调度风险的情况下,BSDP-LTF模型相比SDP-I、SDP-LTF模型,可分别减少引水8.2%、4.1%。表明贝叶斯随机动态规划模型BSDP-LTF有效改进了径流描述,提高了跨流域引水的有效性。

基于降雨预报信息的梯级水电站不确定优化调度研究Ⅱ：耦合短、中期预报信息

基于聚合分解思想将梯级水库群聚合为"虚拟单库",降低了随机动态规划(SDP)模型的计算量,从而使SDP模型可以考虑更多预报信息。为了更近一步充分利用预报信息和降低预报信息不确定性对调度的影响,将降雨预报和径流预报的不确定性考虑为随预见期延长而不断增加的过程。首先将浑江流域的10d预报径流划分为前5d和后5d,并将前5d预报径流视为较准确的部分,而后5d预报径流视为不确定性较大部分;然后建立短、中期径流预报信息相套接的分段聚合分解贝叶斯随机动态规划(Two-Step-BSDP,TS-BSDP),为浑江梯级水库群制定前5d、后5d和10d的预报调度图;最后以5d为调度时段分别决策未来5d发电和10d发电计划。模拟调度结果表明,该模型中决策长度为5d的滚动决策具有更好的效果,该决策方式充分地利用了预报信息并有效地提高了发电效益。