一种耦合长、中、短期径流预报信息的水库优化调度方法
【技术领域】
[0001] 本发明属于水电调度运行技术领域，涉及一种耦合长、中、短期径流预报信息的水 库优化调度方法。
【背景技术】
[0002] 近年来，随着水文预报技术的发展，预报、调度逐渐走向融合。耦合降雨和径流等 综合预报信息的水库调度有利于延长预见期、提高水能资源利用率，而预报信息受预报精 度、下垫面等诸多因素影响，存在着较大的不确定性，故考虑预报信息的水库调度决策受预 报不确定性的影响大。如何合理地将预报信息与水库调度进行耦合以减少预报不确定性的 影响，成为研究者及调度人员亟待解决的问题。
[0003] 随机动态规划(SDP)能够将水库蓄水、径流等状态及不确定性考虑到算法中，与水 库多阶段决策的特点具有较高的耦合性。近年来，越来越多的研究开始尝试将径流预报信 息及其不确定性耦合到SDP模型中。其中单一预见期的径流预报信息耦合使用方式的研究 较多，考虑不同预见期的径流预报信息的耦合使用方式的研究也相继开展起来，如徐炜等 (Xu ff.,Zhang C.,Peng Y.,et al.Water Resources Research[J].2014,50(12):9267-9286.)使用短期和中期径流预报信息作为水文状态变量，建立了短、中期径流预报套接的 贝叶斯随机动态规划模型(TS-BSDP);唐国磊(唐国磊.考虑径流预报及其不确定性的水电 站水库调度研究.大连理工大学，2009.)构建了考虑中、长期径流预报信息的随机动态规划 模型。SDP模型具有使用的水文状态变量越多越能描述入流的随机特性的特点（Tejada-Guibert J.A.,Johnson S.A.,Stedinger J.R.Water resources research[J].1995,31 (10): 2571-2579)，当前研究中仅使用了中、长期或短、中期径流预报信息，尚未将长、中、短 期径流预报信息同时作为水文状态变量耦合至随机动态规划模型中。如何有效地处理长、 中、短期径流预报信息，并耦合至水库调度中，亟需做进一步的研究。
【发明内容】
[0004] 针对现有技术的不足，本发明提供一种耦合长、中、短期径流预报信息的水库优化 调度方法。
[0005] 本发明的技术方案具体如下：
[0006] -种耦合长、中、短期径流预报信息的水库优化调度方法，具体包括以下步骤：
[0007] 第一步，分析、描述径流及径流预报的不确定性；
[0008] 所述的径流及径流预报的不确定性针对长、中、短期径流预报信息。将欧洲气象中 心(ECMWF)提供的未来1-10天集合降雨预报信息平均值输入到新安江模型得到10天径流预 报信息，并划分为1~5天(短期)和6~10天（中期)两段，长期径流预报信息是指利用相关系 数法从74项大气环流因子选取相关性较高的因子并结合ANN模型得到的6~10天所对应时 段至汛末总来水量的预报值。
[0009] 1.1径流自身随机性
[0010] 由于径流表现出一定的随机性，常把径流作为随机过程来处理。假定水库入库流 量具有简单马尔科夫特性，采用径流状态转移概率P[Q t|Qt-i]描述径流随机性，反映径流本 身的不确定性，其中，P[Qt|Q t-l·]表示当时段t-l流量为Qh条件下时段t发生Qt的概率，Q表示 流量。
[0011] 1.2径流预报的不确定性
[0012] 反映了径流预报的不确定性，可用预报流量Ft与实测值间Qt的统计概率P[Ft|Q t] (称为似然概率)表示。
[0013] 1.3后验的径流状态转移概率
[0014]由于径流状态转移概率PWtlQt-i]是在未获得任何径流预报信息之前已经获得， 常将其称为先验的径流状态转移概率。一旦获得新的预报信息，便可由统计方法或贝叶斯 定理得到后验的径流状态转移概率。
[0015] 当时段t-Ι径流量为UPt时段预报流量为Ft时，t时段径流实际发生在Qt的后验 的径流状态转移概率可综合先验的径流状态转移概率和似然概率由贝叶斯定理求得，如下 所示：
(1 )
[0016] V W
[0017] 当时段t-1径流量为Qt-以时段中期预报流量表示为Ft、t时段长期预报流量为FLt， t时段径流实际发生在Qt的后验概率表示为P[Qt | Qt-i，Ft，FLt]，可通过统计方法求得。
[0018] 1.4径流的可预测概率
[0019] 当时段t-Ι径流量为Qt-jPt时段预报流量为Ft时，径流的可预测概率为P[Ft | Qt-0， 可结合已知的先验概率P[Qt I Qh]和似然概率P[Ft I Qt]，通过全概率公式计算求得
[0020]
(2)
[0021] 当时段t-ι径流量为Qt-ht时段中期预报流量表示为Ft、t时段至汛末总的长期预 报流量表示为FL t，径流的可预测概率为P[Ft | Qw，FLt ] · P[FLt | Qw]，可通过统计方法求 得。
[0022] 第二步，构建耦合长、中、短期径流预报信息的水库优化调度模型（SML-BSDP模 型），确定其目标函数、约束条件及递推方程；
[0023] 2.1目标函数
[0024]水库发电优化调度模型以调度期在满足发电保证出力的条件下，总发电量最大为 目标函数，计算公式如下：
[0025]
(3)
[0026] B(Zt,Ht,Zt+i) = [b(Zt,Ht,Zt+i)-a{Max(e-b(Zt,Ht,Zt+i),0)}i!] · At (4)
[0027] 式中，Zt+1为时段t的最优决策末水位;Zt为时段t的初水位;Ht为时段t的水文状态 变量;B( ·)是时段t的发电量效益函数，即t时段惩罚后的发电量;b( ·)是t时段水电站的 发电出力，由耗水率、水头等计算获得;α和β是惩罚系数，由水电站发电保证率确定;e为水 库水电站发电保证出力；At是计算时段长度;E[B( ·)]为时段t在给定Zt和Ht下的期望发电 量;T为调度期的总时段数。
[0028] 2.2约束条件
[0029] 在水库发电优化调度模型的优化过程中，水库的蓄水、泄流及发电出力等特征需 要满足一定的约束条件，具体如下：
[0030] 水量平衡约束： （5)
[0031] 水库蓄水位约?
[0032] 下泄能力约束： （7)
[0033] 发电流量约束： （8)
[0034] 水电站出力约?
[0035] 式中，Vt、Vt+Av别为t时段的初、末库容;〇*4。《^和1-*分别为七时段的入库 流量、发电流量和弃水流量；A t是计算时段长度;Zt、Zde3a<^PZn_ai分别为水库t时段的水位、 水库死水位和水库正常高水位;Qreiease,t和βΠ 。，分别为泄流量和最大泄流能力；和 分别为发电机组最小发电流量和最大过流能力;Nt、Nmin和Nmax分别为实际出力、最小 出力和最大出力。
[0036] 2.3递推方程
[0037] 水库发电优化调度模型的递推方程在非汛期考虑短、中期径流预报信息，在汛期 考虑长、中、短期径流预报信息。
[0038] 根据研究流域的径流预报信息特点，该模型在非汛期以Qt、Ft+1为水文状态变量， 其递推方程如公式(10)所示。
[0039]
[0040] 在汛期则增加考虑长期预报信息FLt+1，即以Qt、Ft+1、FL t+A水文状态变量，从而基 于这三种变量的信息来更新下时段流量Qt+1的发生概率，递推方程为：
[0041]
[0042] 在汛期和非汛期的过渡期，递推方程有所不同。当t时刻和t+1时刻有长期预报信 息，而t+2时刻无长期预报信息时，对应的递推方程为：
[0043]
：12)
[0044]当t时刻和t+Ι时刻无长期预报信息，而t+2时刻有长期预报信息时，对应的递推方 程为：
(13)
[0045]
[0046] 第三步，求解第二步建立的水库优化调度模型，得到对应的调度规则。
[0047] 与现有技术相比，本发明具有以下优点和效果:本发明建立了一种耦合不同预见 期径流预报信息的水库优化调度模型，该模型将长、中、短三种预见期径流预报信息耦合至 水电调度中，对不确定性描述更为合理，对预报径流的处理方式更为有效，有利于提高水库 调度对不确定信息的使用效率，保证水库发电效益和系统稳定性。
【附图说明】
[0048]附图是SML-BSDP模型径流过程描述。
【具体实施方式】
[0049] 本发