CN105354416A - 一种基于代表电站的流域降雨径流电量宏观预测方法 - Google Patents

Abstract

本发明公开了一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，包括如下步骤：选取流域内的重点控制型电站作为代表电站，减少实际交互对象；以历史相似分析法取代传统预报模型实现代表电站的径流预报，简化预报逻辑；建立各非代表电站与对应代表电站之间的径流和发电能力定量转化关系，通过测算各代表电站的径流和电量，实现全流域降雨径流电量的快速宏观预测。本发明所达到的有益效果：减少了实际参与交互的电站对象，弱化了专业理论要求，简化了交互信息和预测流程，减少了计算量，实现了“一键式”预测，大幅提高了全流域降雨径流电量的预测效率，具有更为广泛的生产实用性。

Description

一种基于代表电站的流域降雨径流电量宏观预测方法

技术领域

本发明涉及一种流域内电量预测方法，具体涉及一种基于代表电站的流域降雨径流电量宏观预测方法

背景技术

中期径流预报需利用流域前期和现时的水文、气象信息及降雨预报结果，对水库未来数日的日径流过程进行预报。受降雨天气系统和流域下垫面系统的综合影响，水库日径流过程是非线性、强相关、高度复杂和多时间尺度变化的，不确定性影响因素众多，预报模型复杂，准确预报难度较大。传统的流域梯级总电量预测需先根据流域降雨情况，采用降雨径流预报模型预测各级水库的入库径流(其中最上级龙头电站为入库径流，其余各下级电站为区间径流)；然后根据水能计算方法按照“先上游、后下游、先支流、后干流”的顺序逐电站测算单站发电量；最后叠加所有电站发电量得流域梯级总电量。该方法专业性较强、操作步骤多、输入信息量大、交互逻辑复杂。针对未来某一流域预报降雨过程，当流域电站数较多时，无法快速预测全流域由该场降雨所直接产生的径流过程和总电量。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于代表电站的流域降雨径流电量宏观预测方法，直接根据预报降雨过程，实现全流域重点控制电站的径流过程预报和流域总电量的快速测算，逻辑简易、流程简洁、交互便捷、响应高效，具有很强的生产实用性。

为了实现上述目标，本发明采用如下的技术方案：

一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，包括如下步骤：

1)选择流域代表电站，根据全流域干支流的水流传播方向建立流域水电站群的完整水力拓扑关系并进行概化：

2)采集流域资料信息：包括各代表电站的日均降雨过程；各代表电站的实时坝上水位、坝下水位，相减得实时发电水头；所有电站的综合出力系数K值和控制流域面积；各非代表电站的历史平均发电水头作为固定发电水头；

3)代表电站径流采用历史相似分析法进行预报：

4)测算全流域总电量：针对任意测算时段t，全流域的平均出力NW_t＝f(Q_1,t,Q_2,t,…,Q_I,t)，式中，Q_i,t为流域内第i个代表电站t时段的天然入库流量；f(·)针对不同水力联系进行逐层推导；水力联系包括三种：串联、并联、混联；

41)串联：梯级总出力的测算公式为 $\left\{\begin{array}{c}N=\underset{m=1}{\overset{M}{\Σ}}{N}_m\\ N_m=K_m\·Q_m\·(\underset{i=0}{\overset{I_m}{\Σ}}{\mathrm{\α}}_i\·{\mathrm{\β}}_i\·H_i)\\ Q_m=\left\{\begin{array}{cc}{\mathrm{QY}}_m& m=1\\ Q_{m-1}+{\mathrm{QY}}_m& m>1\end{array}\right.\end{array}\right.,$ 式中，N为梯级总出力；M为梯级代表电站数；N_m为第m个代表电站的代表区域总出力；K_m为第m个代表电站的综合出力系数；Q_m为第m个代表电站的发电流量；i为电站序号，i＝0表示代表电站，其余为非代表电站；I_m为第m个代表电站的代表区域电站数；α_i为第i个非代表电站与代表电站的综合出力系数比；β_i为第i个非代表电站与代表电站的天然径流比；H_i为第i个电站的发电水头；QY_m为按梯级从上往下顺序的第m个代表电站的天然入库径流；

42)并联：对于并联水电站群而言，其总出力测算的表达式与多个代表站的串联梯级相同，但各代表电站之间的径流由于不存在任何水力联系，故全部相互独立，即：Q_m＝QY_m；

43)混联：式中，Ω_m为直接汇入第m个代表电站的所有上级电站集合，若该代表电站为龙头电站，则对应的Ω_m为空集；流域梯级水电站群的总出力预测模型如下： $N=\left\{\begin{array}{cc}\underset{m=1}{\overset{M}{\&Sigma;}}{K}_m\&CenterDot;({\mathrm{QY}}_m+\underset{n\&Element;{\mathrm{\&Omega;}}_m}{\&Sigma;}{Q}_n)\&CenterDot;(\underset{i=0}{\overset{I_m}{\&Sigma;}}{\mathrm{\&alpha;}}_i\&CenterDot;{\mathrm{\&beta;}}_i\&CenterDot;H_i)& N<NY\\ NY& N>=NY\end{array}\right.,$ 式中，NY为流域水电站群的总预想出力(即各电站预想出力之和)；

按上述方法求出流域平均出力后，乘以测算周期的小时数即得流域梯级总电量。

前述的一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，所述步骤1)中，按“先上游、后下游、先支流、后干流”的顺序对水电站群进行排序；确定各干支流的龙头电站作为代表电站；综合考虑库区降雨分布及支流汇入情况、坝址年均流量、水库调节性能和电站装机容量因素，在所有下级电站中选择具备库区存在降雨中心、库区有支流汇入、坝址年均流量基数大或变化大、水库调节性能好、电站装机容量大任一特征的电站作为代表电站，任一特征的选择标准根据经验值设定；

按紧邻同一河流上游最近代表电站的原则，确定各代表电站与非代表电站之间的映射关系；建立各代表电站之间的拓扑关系，作为全流域水力拓扑关系的概化；

前述的一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，所述步骤3)中具体步骤如下：

31)计算整理各种可获取的影响径流的特征指标，包括降水量、降水历时、降水强度、起涨流量和前期土壤含水量；

32)对特征指标进行聚类分析处理，将多个相关的特征指标综合、简化为少数几个彼此独立的指标，指标个数依据经验值选择；

33)在聚类分析的基础上进行逐步回归，寻求有关联的特征指标及关联性，作为历史相似分析的关联依据；

34)采用欧氏距离和多目标优选相结合，进行当前来水的相似性查找，得到最相似的径流过程和相应的统计信息。

本发明所达到的有益效果：减少了实际参与交互的电站对象，弱化了专业理论要求，简化了交互信息和预测流程，减少了计算量，实现了“一键式”预测，大幅提高了全流域降雨径流电量的预测效率，具有更为广泛的生产实用性。

附图说明

图1是本发明的流程结构示意图；

图2是流域水电站群完整水力拓扑关系示意图；

图3是流域代表电站水力拓扑关系概化示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

以图2为例，该流域为混联梯级水电站群，A1～A3为干流梯级，B1～b4、C1～c3为两支流梯级。

按是否具备库区存在降雨中心、库区有支流汇入、坝址年均流量基数较大或变化较大、水库调节性能较好、电站装机容量较大等特性为原则(具备任一特性即生效)筛选出代表电站A1、A2、A3、B1、B2、C1共6个，其概化后的拓扑关系见图3。

按本发明方法，该混联梯级水电群的径流电量宏观预测步骤如下：

(1)设定测算的开始、结束时间，获取或手工输入6个代表电站的逐日平均降雨过程；

(2)根据测算开始时间从水调系统中获取上述6个代表电站的实时坝上水位和坝下水位，相减得各代表电站的实时发电水头；

(3)获取流域所有电站的综合出力系数K值、控制流域面积和装机容量，折算各非代表电站与对应代表电站之间的综合出力系数比例关系和天然流量比例关系，同时获取各非代表电站的历史平均发电水头作为其固定发电水头；

(4)针对各代表电站，整理测算开始时间之前各种可获取的特征指标，包括降水量、降水历时、降水强度、起涨流量、前期土壤含水量等；

(5)针对上述各代表电站的特征指标进行聚类分析，将多个相关的特征指标综合、简化为少数几个彼此独立的指标，如上述的降水量、降水历时、降水强度可聚类为降水特征量，其与起涨流量、前期土壤含水量构成了历史相似分析的三大特征指标；

(6)采用欧氏距离和多目标优选相结合的方法，对各代表电站测算开始时间的三大特征指标与历史实际资料对应的三大特征指标进行匹配，查找相似来水，分别筛选出各代表电站与测算开始时间三大特征指标最相似的历史实际径流过程和相应的统计信息，以此作为各代表电站的天然径流预测结果；

(7)将各代表电站的天然径流预测结果，以及步骤(3)中的综合出力系数比例关系、天然流量比例关系、固定发电水头、装机容量等参数代入对应的公式，得流域梯级水电站群的测算期总出力过程；

(8)将流域梯级水电站群的测算期总出力过程代入对应的公式，得流域梯级测算期总电量。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (3)

1.一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，包括如下步骤：

1)选择流域代表电站，根据全流域干支流的水流传播方向建立流域水电站群的完整水力拓扑关系并进行概化：

2)采集流域资料信息：包括各代表电站的日均降雨过程；各代表电站的实时坝上水位、坝下水位，相减得实时发电水头；所有电站的综合出力系数K值和控制流域面积；各非代表电站的历史平均发电水头作为固定发电水头；

3)代表电站径流采用历史相似分析法进行预报：

4)测算全流域总电量：

针对任意测算时段t，全流域的平均出力NW_t＝f(Q_1,t,Q_2,t,…,Q_I,t)，式中，Q_i,t为流域内第i个代表电站t时段的天然入库流量；f(·)针对不同水力联系进行逐层推导；水力联系包括三种：串联、并联、混联；

41)串联：梯级总出力的测算公式为式中，N为梯级总出力；M为梯级代表电站数；N_m为第m个代表电站的代表区域总出力；K_m为第m个代表电站的综合出力系数；Q_m为第m个代表电站的发电流量；i为电站序号，i＝0表示代表电站，其余为非代表电站；I_m为第m个代表电站的代表区域电站数；α_i为第i个非代表电站与代表电站的综合出力系数比；β_i为第i个非代表电站与代表电站的天然径流比；H_i为第i个电站的发电水头；QY_m为按梯级从上往下顺序的第m个代表电站的天然入库径流；

42)并联：对于并联水电站群而言，其总出力测算的表达式与多个代表站的串联梯级相同，但各代表电站之间的径流由于不存在任何水力联系，故全部相互独立，即：Q_m＝QY_m；

43)混联：式中，Ω_m为直接汇入第m个代表电站的所有上级电站集合，若该代表电站为龙头电站，则对应的Ω_m为空集；流域梯级水电站群的总出力预测模型如下：式中，NY为流域水电站群的总预想出力，即各电站预想出力之和；

按上述方法求出流域平均出力后，乘以测算周期的小时数即得流域梯级总电量。

2.根据权利要求1所述的一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，所述步骤1)中，按“先上游、后下游、先支流、后干流”的顺序对水电站群进行排序；确定各干支流的龙头电站作为代表电站；综合考虑库区降雨分布及支流汇入情况、坝址年均流量、水库调节性能和电站装机容量因素，在所有下级电站中选择具备库区存在降雨中心、库区有支流汇入、坝址年均流量基数大或变化大、水库调节性能好、电站装机容量大任一特征的电站作为代表电站，任一特征的选择标准根据经验值设定；

按紧邻同一河流上游最近代表电站的原则，确定各代表电站与非代表电站之间的映射关系；建立各代表电站之间的拓扑关系，作为全流域水力拓扑关系的概化。

3.根据权利要求1所述的一种基于代表电站的流域降雨径流电量宏观预测方法，其特征是，所述步骤3)中具体步骤如下：

31)计算整理各种可获取的影响径流的特征指标，包括降水量、降水历时、降水强度、起涨流量和前期土壤含水量；

32)对特征指标进行聚类分析处理，将多个相关的特征指标综合、简化为少数几个彼此独立的指标，指标个数依据经验值选择；

33)在聚类分析的基础上进行逐步回归，寻求有关联的特征指标及关联性，作为历史相似分析的关联依据；

34)采用欧氏距离和多目标优选相结合，进行当前来水的相似性查找，得到最相似的径流过程和相应的统计信息。