基于多维Copula函数的澜沧江-湄公河流域气象干旱特征分析

为全面揭示变化环境下澜湄流域多维气象干旱特征,采用标准化降水蒸散指数SPEI表征流域气象干旱,基于游程理论分别提取澜沧江段和湄公河段上、中、下游流域1901—1960年和1961—2021年两个时段的干旱事件,利用Copula函数分别构建两个时段不同子流域二维和三维干旱特征变量联合分布,计算不同干旱特征变量组合条件下的干旱联合发生概率,对比分析不同子流域多维气象干旱特征的时空变化。结果表明:时间上,1961—2021年各子流域平均干旱程度均较1901—1960年更严峻,尤其是极端干旱事件(单变量累积频率为25%、50%)的多维干旱联合发生概率增幅最大;空间上,1961—2021年,随着干旱历时、烈度和烈度峰值的增加,“或”情况下多维干旱联合发生概率最高值区自北向南转移,“且”情况下多维干旱联合发生概率最高值区自南向北转移。

基于多维气象信息时空融合和MPA-VMD的短期电力负荷组合预测模型

为提高电力负荷预测精度,需考虑区域内不同地区多维气象信息对电力负荷影响的差异性。在空间维度上,提出多维气象信息时空融合的方法,利用Copula理论将多座气象站的风速、降雨量、温度、日照强度等气象信息与电力负荷进行非线性耦合分析并实现时空融合。在时间维度上,采用海洋捕食者算法(MPA)实现变分模态分解(VMD)核心参数的自动寻优,并采用加权排列熵构造MPA-VMD适应度函数,实现负荷序列的自适应分解。通过将时间维度各分量与空间维度各气象信息进行融合构造长短期记忆(LSTM)网络模型与海洋捕食者算法-最小二乘支持向量机(MPA-LSSVM)模型的输入集,得到各分量预测结果,根据评价指标选择各分量对应的预测模型,重构得到整体预测结果。算例分析结果表明,所提预测模型优于传统预测模型,有效提高了电力负荷预测精度。

生态带共建视域下京津冀地区减污降碳协同效应研究

京津冀地区碳污(大气中碳排放和污染物排放)排放量与环境承载力极不匹配,区域环境协同治理虽可以从排放端缓解碳污超排压力,但减排潜能不足仍需引入“自然适应”方式提升环境治理效率。基于此,该研究在测度碳污排放量基础上,使用Copula模型对京津冀地区碳污协同风险进行识别,并结合区域生态带类型及其碳污吸收特征,对碳污排放和吸收匹配关系进行动态分析;同时以京津冀地区共建度为主要影响因素,逐渐增加京津冀地区生态带规模,分别设置基准、保守、折中、激进共4类10个情景进行模拟,分析不同共建水平下绿色生态带与净碳污排放量间的互动博弈关系。结果表明:①2011-2019年,京津冀地区大气中碳排放量波动上升并在2018年达到最大值(1323.164 Mt),污染物排放量波动下降并在2015年达到最大值(402.9×10^(4) t)。尽管京津冀地区污染物排放风险有所降低,但碳排放风险并未随之降低。②京津冀地区13个城市碳污排放量大于生态带碳污吸收量,其中保定市、张家口市、承德市符合减污降碳发展方向,唐山市、天津市、石家庄市、邯郸市、北京市与减污降碳方向相反,秦皇岛市、沧州市、廊坊市、衡水市、邢台市属于“低排低吸”类型。③各情景模拟中,激进情景下碳污排放综合风险值最小,为0.055;S0情景下碳污排放综合风险值最大,为0.648,情景模拟发现绿色生态带共建可以有效提高减污降碳效能,从而降低京津冀地区净排放量,且共建水平越高越符合减污降碳发展目标。研究显示,京津冀地区13个城市碳污平衡匹配关系不稳定,虽然京津冀地区生态带共建可以在一定程度上缓解碳污超排问题,但加大协同治理力度仍是减污降碳的重要途径。

计及随机变量相关性的多点线性化概率潮流计算

为满足考虑源荷双侧强不确定性场景的“双高”电力系统潮流分析计算需求,提出一种新型的概率潮流计算方法。基于核密度估计建立输入随机变量的概率分布模型,构建Copula函数刻画多维随机输入变量间的相关性,获取更加符合系统实际运行情况的样本数据。引入多点线性化潮流计算方法,在降低非线性潮流计算量的同时减小单点线性化潮流计算的截断误差。在IEEE-30节点系统上进行算例测试,验证所提方法的准确性和有效性。

基于水电储能调节的风光水发电联合优化调度策略

为缓解新能源装机容量扩大引起的弃风弃光现象,在已有梯级水电上下电站之间加入储能泵站,提出风光水储短期优化调度策略。构建以风光水储系统负荷跟踪误差最小、梯级水电站发电量最大和梯级水电站发电耗水量最小的多目标优化调度模型;提出基于季节性自回归移动平均(seasonal auto-regressive lntegrated moving average, SARIMA)模型和Copula函数的风光出力预测模型作为优化调度模型的边界条件,通过SARIMA预测模型将风光出力历史数据分解为季节性分量、趋势分量以及随机噪声余项进行全天96个调度时段风光出力预测,并叠加上基于Copula函数生成风光出力预测误差,然后通过拉丁超立方采样以及K-means聚类进行场景生成和缩减得到5个风光出力场景。选取风光典型日出力数据为例进行算例分析,算例结果表明:所提预测模型较SARIMA模型可以显著提高预测准确度,模型预测风光出力均方根误差从33.34、229.49 MW分别下降至0.697、9.534 MW;所提优化调度策略可以在全年丰、平、枯水期有效减少弃风弃光现象,并可将过剩新能源中的50%转化为上级水库储存水能。

安徽省“水-土-能”系统安全评价及联合风险概率测算

水、土、能是人类生存和发展的重要自然资源。基于稳定性(S)、协调性(H)、可持续性(F)构建安徽省“水-土-能”系统安全评价指标体系,利用“单指标量化-多指标综合-多准则集成”(Single index quantification-multi-index comprehensive-multi-criteria integration,SMI-P)法测算各子系统指数及其系统安全水平,引入Copula函数分别探究S-H、S-F、H-F和S-H-F等不同组合的联合概率分布,测算其联合风险概率。结果显示:2012—2021年,安徽省“水-土-能”(“Water-Land-Energy”,WLE)系统安全水平波动上升,均值为0.5685,其中稳定性对系统安全水平影响最大;S-H、S-F、H-F分别呈弱正相关、强正相关、较强负相关关系,S-F联合风险概率最大,为0.2807;S-H-F系统联合风险概率为0.0712。当S、H、F其中一个固定时,另外两个的值越大,相应的联合风险概率越大。探究“水-土-能”系统安全水平及风险发生频率,有利于保障区域可持续发展,提高风险分析精度,为决策部门提供有效信息。

高寒气候区生长季NDVI与昼夜不对称增温的Copula分析

利用1982—2016年的青海地区归一化植被指数和气象数据,基于马尔科夫链蒙特卡罗的Copula函数方法,深入探索昼夜增温不对称性与植被活动之间的复杂关系,揭示了昼夜增温和NDVI之间的联合概率分布及其季节性差异。研究结果表明,昼夜增温与NDVI之间的关系在不同季节呈现显著差异。尤其在秋季,昼夜增温对NDVI的影响最为显著,其次是夏季和春季。通过Copula函数模型,发现昼夜增温与NDVI在特定温度区间内呈现正相关,表明适宜的温度条件下昼夜增温对植被生长具有促进作用。然而,当昼夜增温超过某一阈值时,其对NDVI的促进作用转变为抑制作用,从而限制了植被的生长。同时,还揭示了重现期与昼夜增温及NDVI之间的关系。在较低的重现期下,昼夜增温与NDVI的联合概率较高,表明在这些条件下,植被生长良好的情况出现的频率较高。反之,较高的重现期对应于昼夜增温与NDVI较低的联合概率,表明植被生长受到抑制。本研究通过Copula函数提供了一个全新的视角来理解昼夜增温与植被动态之间的相互作用,强调了气温变化对植被生长影响的复杂性。

基于Copula函数的水闸变形实时风险率量化模型

变形监测数据实时反映了水闸结构性态及所受荷载的特性,若能根据水闸变形监测资料确定其失效风险概率,将得到更可靠的结果。将原位监测资料融入水闸失效概率分析中,提出一种基于Copula函数的水闸变形实时风险率量化模型,在考虑水闸各部位监测效应量差异性与关联性的基础上,将单测点变形风险率提升为多测点变形风险率,进而实现水闸整体变形风险率的实时量化分析。实例分析表明,模型实现了水闸变形实测效应量与风险率的动态转化,对水闸变形实时风险率进行了整体分析;所得结果符合水闸整体变形风险率变化的基本规律和客观事实,可有效解读工程监测信息和直观反映工程运行性状,可为水闸工程的运行管理和安全监控提供理论依据与技术支撑。

基于非对称乘积Copula函数的城市雨洪遭遇风险分析

针对沿江城市暴雨与外江洪水诱发的内涝问题,对城市雨洪遭遇特性开展研究。以广东省肇庆市端州区为例,利用长系列实测降水量和西江流量数据,分别采用对称和非对称乘积Copula函数构建雨洪联合分布,采用赤池信息准则和图形评价法选择最优Copula函数进行雨洪遭遇风险分析。结果表明:非对称乘积Frank CopulaⅡ函数拟合效果最优;以暴雨为主的组合中,端州区发生较大量级暴雨时,西江发生洪水的条件风险概率相对较高;以洪水为主的组合中,不同洪水重现期雨洪联合风险概率均略大于相应西江洪水出现频率。

Copula模型的改进及其应用

Copula模型能精确计算投资组合尾部风险,弥补Person相关系数的不足。文章基于信用风险Cop⁃ula模型,探讨了不同抽样算法在信贷投资组合中的应用问题,优化重要性抽样和交叉熵算法,测试了高斯及t-Copula模型的风险计算算法,并通过数值模拟予以检验,结果表明:朴素蒙特卡罗模拟的精度和效率较低;重要性抽样算法通过解析逼近显著降低计算方差,提高精度,但求解复杂且耗时;交叉熵算法同样有效,但需自适应算法求解优化问题。算例分析结果表明,基于不同场景选择Copula模型,可提高信贷投资组合风险计算精度和效率。

基于Copula函数的多站洪水过程随机模拟研究

洪水过程随机模拟能够生成大量与历史洪水统计参数相似且形状各异的洪水过程,而水库群联合防洪调度需要结合流域内各水文站洪水过程统筹洪水资源的调度,实现洪水资源的科学调度,亟需发展多站洪水过程随机模拟方法。鉴于此,提出一种基于Copula函数的多站洪水过程随机模拟方法,该方法先利用二维Copula函数完成主站洪水过程的模拟,然后利用条件混合法构建三维Copula函数,依次模拟其余站的洪水过程。以长江中上游8处水文站为研究对象的结果表明,各站模拟洪水与历史洪水统计参数的相对误差较小,除了北碚和武隆站的最大值外,各水文站统计参数的相对误差在5%左右,能够反映历史洪水过程的统计特征,能够为水利工程防洪规划设计、水库群联合调度及防洪调度风险分析等工作提供支撑作用。

基于Copula传递熵的设备级和网络级宽频振荡传播路径分析及振荡源定位方法

电力电子化电力系统的宽频振荡问题严重危害电网的安全稳定运行,及时确定宽频振荡的传播路径和振荡源位置,对振荡的抑制至关重要。该文从因果关系的角度提出一种基于Copula传递熵的设备级和网络级宽频振荡传播路径分析及振荡源定位方法,通过分析多变量之间的因果传递方向和因果强度系数,利用有向加权图构建宽频振荡因果网络,在此基础上确定振荡源位置,并通过保留因果强度系数最大的支路,确定振荡的主要传播路径。采用所提方法一方面能够从设备级分析控制器内部各状态变量的因果关联性;另一方面能够从网络级分析电网中各节点振荡数据的因果传递性,从而确定宽频振荡在控制器内部和电网中的传播路径及振荡源位置。最后,在强迫振荡、风机与弱电网交互、发电机轴系振荡中的仿真算例表明,所提方法适用于多种机理的宽频振荡,能够同时实现设备级和网络级宽频振荡传播路径分析和振荡源定位。

基于不确定性的多尺度暴雨强度和外江洪水位联合分布研究

城市洪涝治理方案以及排涝设施规模建设都与城市暴雨强度和外江洪水位息息相关,因此需要对暴雨强度与外江洪水位联合概率分布进行深入研究。以武汉市为例,采用Copula函数建立小时尺度城市暴雨强度和外江洪水位的联合分布,使用极大似然估计值(Max-Likelihood)、模型选择准则、RMSE和NSE拟合优度来评估不同Copula模型的性能,利用局部优化(Local optimization,LO)和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法来分析Copula模型的不确定性。结果表明:暴雨强度和外江洪水位两要素存在明显的正相关,1 h最大连续降水量和最大日水位相关性最高,最优联合分布函数为Gumbel Copula函数;模型不确定性分析表明MCMC模拟的最优参数与理论参数值基本吻合,效果明显优于局部优化算法,且模型不确定性结果与拟合优度评价结果一致,进一步验证了联合分布函数参数的有效性。相同频率情况下,单变量值低于两变量联合频率对应的暴雨强度和外江洪水位值,高于两变量同现频率对应的暴雨强度和外江洪水位值;两变量同现重现期高于单变量设计重现期,而联合重现期低于单变量设计重现期。同频率下的暴雨强度与水位的组合风险率都远远低于单变量情况下的频率值,50 a以上排涝风险率大于设计暴雨重现期,但最大不超过联合风险率。

基于Bernstein Copula函数的随机变量序列的Max-Sum局部等价式

该文考虑一类具有局部长尾分布,但不一定具有相同分布的随机变量序列,其联合分布由Bernstein copula函数进行联系.研究其部分和及其最大值的局部分布的渐近性质.在假设诸随机变量服从局部次指数分布的条件下,得到了Max-Sum局部等价性.该等价性从局部和相依的角度描述了随机游动的一次大跳原理.数值实验表明所得结果稳定可行.

基于改进时间卷积网络与藤Copula的短期风速预测

考虑风电场相邻风机风速间以及风速与气象因素间复杂的非线性关系,提出了一种基于改进时间卷积网络与藤Copula相结合的风速预测方法。首先,利用深度残差收缩网络中存在的注意力机制及软阈值化的思想改进时间卷积网络中的残差模块,并进行初步风速预测;然后,考虑到众多气象因素对风速的影响,使用核主成分分析对气象数据进行降维,在保证数据特征的同时,降低数据的复杂度;最后,利用藤Copula在描述非线性相关结构方面的优势构建修正模型,使用降维的气象数据修正初步风速预测值,得到最终的风速预测结果。实验证明,所提方法提高了短期风速预测的精度。

非一致性条件下松澧地区洪水遭遇规律分析

为研究澧水与松滋河洪水遭遇规律,根据澧水石门站和松滋河新江口站、沙道观站1959—2020年实测日均流量资料,采用非一致性GAMLSS模型优选了年最大洪峰和连续7 d年最大洪量的边缘分布,构建了基于Copula函数的二维联合分布模型,进而得出不同量级组合下的洪水遭遇概率。结果表明:松澧地区的洪水序列发生了显著变异,基于时变对数正态、伽马、威布尔分布以及Copula联合分布能够较好地反映区域实际洪水特征;松澧地区典型年洪水遭遇以松滋河洪水过程遭遇澧水洪水为主;澧水与松滋河的年最大洪峰或连续7 d年最大洪量的同现概率随着洪水量级的增大而减小,且澧水与松滋河东支的洪水遭遇概率更高;当澧水发生千年一遇大洪水时,与松滋河中小洪水的遭遇概率更高。

考虑个体差异的车轮二元相关退化可靠性分析

由于动车组车轮受加工装配及工况载荷等不确定因素的影响,车轮退化过程复杂,存在显著的个体差异及多个性能退化特征量,且多个退化特征量间相互耦合,仅考虑单个性能特征量难以全面反映其退化过程。因此,以轮缘和轮径作为车轮退化特征量,通过随机化尺度参数表征车轮个体差异,采用Gamma过程和Copula函数建立二元相关退化模型,并根据赤池信息准则(Akaike Information Criterion, AIC)筛选Copula函数,得到可靠度解析式。基于某型动车组车轮实测磨耗数据,对车轮进行可靠性分析,同时通过车辆动力学模型进行仿真验证。结果显示:考虑二元相关时的可靠性结果比仅考虑一元退化更贴近车辆实际运行情况;根据动力学仿真结果体现了考虑个体差异的必要性,表明所提模型能够更准确地表征车轮退化过程,可为可靠性分析以及维修决策优化提供理论支撑。

基于DCAC-Copula模型的金融市场相依性及风险度量

基于相依关系的非线性动态结构视角,结合动态条件角相关(DCAC)模型能够捕捉瞬时变化的特征以及Copula函数能刻画非线性相依关系的特点,构建DCAC-Copula模型,旨在研究金融市场的非线性动态相依性以及组合风险。首先,通过蒙特卡洛模拟比较DCAC-Copula模型与对照模型在刻画相依关系上的有效性,模拟结果表明DCAC-Copula模型能够较好地捕捉金融时间序列间相依关系的厚尾和动态特征。其次,使用DCAC-Copula模型来预测原油市场的组合风险,并使用MCS检验评估基于VaR和ES的联合损失函数值差异。实证结果显示,DCAC-Copula模型对应的联合回测检验p值在不同置信水平下均为1,由此表明,DCAC-Copula模型能更有效地提高风险预测的精度。

基于二元相关退化的动车组车载变压器油纸绝缘剩余寿命预测

针对动车组车载变压器油纸绝缘剩余寿命预测中单性能退化指标难以全面反映油纸绝缘退化过程的问题,考虑车载变压器油纸绝缘退化的个体差异性及两性能指标间的相关关系,提出了基于Copula函数的两性能指标相关退化的油纸绝缘剩余寿命预测方法:采用具有随机效应的维纳过程建立油纸绝缘的两性能指标相关退化模型,基于赤池信息准则(Akaike Information Criterion, AIC)选择拟合效果更优的Copula函数来描述两性能指标间的相关关系,采用最大似然估计法估计初始时刻的模型参数,基于序列贝叶斯更新方法在线更新退化模型中的漂移系数,以实现油纸绝缘剩余寿命的在线预测。最后以加速热老化试验下油纸绝缘的聚合度和抗拉强度的退化数据进行实例验证。结果表明,两性能指标相关退化模型比单性能指标退化模型的剩余寿命预测值与实际值之间的平均绝对误差更小,预测的准确性更高,且随着模型参数不断更新,剩余寿命的预测值与实际值间的绝对误差在不断减小,预测结果的准确性在不断提升。

基于扭曲混合Copula函数的均值-ES模型的构建与应用

考虑到金融资产间的极端尾部相依结构对投资组合风险优化的影响,构建基于扭曲混合Copula函数的均值-ES模型,通过扭曲函数来刻画金融资产间的极端尾部特征,获得一定预期收益下的投资组合优化策略。首先,将均值-ES模型中用于刻画相依结构的协方差矩阵扩展为可以描述极端尾部相依结构的扭曲混合Copula函数,构建了基于扭曲混合Copula函数的均值-ES模型;其次,提出了基于该模型的ES估计算法;最后,通过数值模拟和实证研究说明了该模型用于刻画极端尾部相依结构特征并进行投资组合优化的效果。数值模拟的结果表明,基于扭曲混合Copula函数的均值-ES模型适用于具有极端尾部相依结构特征的数据集;利用该模型进行投资组合优化后收益明显提升,风险显著降低。实证研究的结果表明,该模型能显著提升最优投资组合的样本外策略表现,同时返回检验的结果也验证了使用该模型对投资组合优化进行风险预测的准确性。因此,基于扭曲混合Copula函数的均值-ES模型弥补了传统投资组合风险优化模型中忽略极端尾部风险的不足,推动了扭曲混合Copula函数在投资组合风险优化中的应用研究。