CN110059443B - 一种分层水库取水下泄水温的快速预测方法 - Google Patents

一种分层水库取水下泄水温的快速预测方法 Download PDF

Info

Publication number
CN110059443B
CN110059443B CN201910379028.3A CN201910379028A CN110059443B CN 110059443 B CN110059443 B CN 110059443B CN 201910379028 A CN201910379028 A CN 201910379028A CN 110059443 B CN110059443 B CN 110059443B
Authority
CN
China
Prior art keywords
water temperature
water
reservoir
temperature
taking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910379028.3A
Other languages
English (en)
Other versions
CN110059443A (zh
Inventor
贺蔚
张健
俞晓东
陈�胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910379028.3A priority Critical patent/CN110059443B/zh
Publication of CN110059443A publication Critical patent/CN110059443A/zh
Application granted granted Critical
Publication of CN110059443B publication Critical patent/CN110059443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种分层水库取水下泄水温的快速预测方法,包括以下步骤:A.获得水库历史垂向水温分布、水位和下泄流量序列;B.通过对hmiddle、hup、hdown随机取值,基于下泄水温预测模型建立若干下泄水温预测公式;C.基于步骤A所收集的数据得出若干个下泄水温预测公式在不同时刻的下泄水温预测值;D.将所得不同时刻的下泄水温预测值与实测值进行对比,确定使得相对偏差PBIAS最小的hmiddle、hup、hdown取值,最终确定该水库的下泄水温预测公式。本发明的有益效果为:提供分层水库取水下泄水温的快速预测方法,能够实现水库下泄水温的精准量化,便于水库下游水温管理。

Description

一种分层水库取水下泄水温的快速预测方法
技术领域
本发明涉及一种分层水库取水下泄水温的快速预测方法,属于水库水资源管理技术领域。
背景技术
拦河建库蓄水会产生相对静止或流动缓慢的庞大水体,春夏季节受太阳辐射和温暖来流影响,水库表层水温高密度小,而太阳辐射不能达到水体深处,加上库内水体流速低、垂向水交换能力不足,中下层水体往往温度低密度大,从而引起温度垂向分布不均匀,导致水库存在明显的水温分层现象。库区水温分层也带来了下泄水温的不确定性,下泄水温直接影响水库下游河道的水温特征,对农田灌溉、河流养殖、河流水质和生态平衡至关重要。
水库库区水温分布及下泄水温一直备受研究者和流域管理者关注。针对库区水温分布,研究者已针对多项工程实例,通过原型观测、物理模型实验和数值模拟评估了库区水温分布,并提出了3种水库水温经验预测方法(东勘院法、朱伯芳法、统计法)。而针对显著影响水库下游生态环境的下泄水温,研究者已针对各工程实例,通过数值模拟和原型观测,表明其受库区水位、垂向水温分布、下泄流量等因素影响,但目前尚缺少一种简单便捷的下泄水温预测方法,现有下泄水温预测方法很难满足水库实时调度运行对下泄水温高精预测的需要。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,主要针对目前尚缺少一种简单便捷的下泄水温预测方法,现有下泄水温预测方法很难满足水库实时调度运行对下泄水温高精预测的需要,本发明提出一种分层水库取水下泄水温的快速预测方法,在已有库区水温分布和水库运行方式的基础之上,考虑下泄水温多重影响因素,基于水温分层流和取水层理论,提出下泄水温的快速量化公式,为水库实时运行调度的下泄水温预测、下游生态环境保护提供技术支持。
为了实现上述目标,本发明采用如下的技术方案:
一种分层水库取水下泄水温的快速预测方法,包括以下步骤:
步骤A,获得水库历史实测的垂向水温分布Ti、水位、下泄流量qi和下泄水温
Figure BDA0002052722300000021
时间序列,其中,i=1,2,……,n,n为时间序列个数;
步骤B,通过对hmiddle、hup、hdown进行取值,得出若干组
Figure BDA0002052722300000022
其中,hmiddle、hup、hdown分别为三个待取值的高程变量,其中hmiddle和hup高于水库取水口,hdown低于水库取水口,hmiddle位于hup和hdown之间,j=1,2,……,k,k为hmiddle、hup、hdown组数;基于下泄水温预测模型建立k个下泄水温预测公式;
步骤C,基于所述步骤A收集的历史实测的垂向水温分布、水位、下泄流量时间序列,得出k个下泄水温预测公式在i时刻的下泄水温预测值
Figure BDA0002052722300000023
步骤D,将k个下泄水温预测公式所得不同时刻的下泄水温预测值
Figure BDA0002052722300000024
与实测值下泄水温
Figure BDA0002052722300000025
进行对比,进行下泄水温预测模型中三个待取值的高程变量的率定,来确定hmiddle、hup、hdown的取值,进而确定水库的所述下泄水温预测模型。
上述的一种分层水库取水下泄水温的快速预测方法,所述步骤B中的下泄水温预测模型为,
Figure BDA0002052722300000026
式中,T表征水温,℃;Tout为所预测的下泄水温,℃;T(hmiddle)、T(hup)、T(hdown)分别表征高程hmiddle、hup、hdown处的水温;Qfull为取水口最大允许下泄流量,q为实际下泄流量,Qfull和q为通过所述步骤A中所收集的水库历史资料确定。
上述的一种分层水库取水下泄水温的快速预测方法,所述步骤B中三个高程变量hmiddle、hup、hdown的取值,采用随机取值方式。
上述的一种分层水库取水下泄水温的快速预测方法,所述步骤D中下泄水温预测模型中三个待取值的高程变量的率定,采用误差评价指标。
上述的一种分层水库取水下泄水温的快速预测方法,所述步骤D中误差评价指标采用相对偏差PBIAS来确定k个下泄水温预测公式所得下泄水温预测值
Figure BDA0002052722300000031
与实测值下泄水温
Figure BDA0002052722300000032
之间的偏差,识别最小PBIAS所对应的hmiddle、hup、hdown取值,即下泄水温预测模型拟采用的最佳hmiddle、hup、hdown取值。
上述的一种分层水库取水下泄水温的快速预测方法,所述相对偏差PBIAS具体如式(2)所示:
Figure BDA0002052722300000033
式中,PBIASj为第k个下泄水温预测公式的相对偏差。
本发明所达到的有益效果:
(1)本发明为一种分层水库取水下泄水温的快速预测方法,基于水温分层流和取水层理论,考虑了下泄水温的多重影响因素(库区水温分布、下泄流量、水位),具有较充分的物理意义。可用于任何具有库区水温和调度运行数据的水库,具有良好的移植性和适用性。
(2)本发明的快速量化公式的变化趋势与已有原型观测和模拟仿真研究结果是一致的。该公式同时考虑了坝前垂向水温分布、水位和下泄流量对下泄水温的影响。在式(1)中,T(hmiddle)、T(hup)、T(hdown)量化了坝前垂向水温分布和水位对下泄水温的影响,T(hmiddle)和q量化了最大影响层和下泄流量对下泄水温的影响。对于某一水库,随着水位升高,hmiddle,hup和hdown的淹没水深增加,T(hmiddle)、T(hup)、T(hdown)均减小,而预测模型中可以看出Tout与下泄流量呈正相关,因此快速量化公式的变化趋势和与已有原型观测和模拟仿真研究结果是一致的。
(3)本发明的下泄水温的快速预测方法有利于精准量化提出了下泄水温的快速量化公式,为水库实时运行调度的水温预测、下游生态环境保护提供技术支持。适于在流域水温管理中推广,十分方便进行水库实时运行调度的水温预测,具有良好的应用性;
(4)本发明可通过计算机语言编译,平面直观展示水库的下泄水温变化规律,也可输出为文本表格。
附图说明
图1是本发明实施例二中的某水库实测坝前垂向水温分布;
图2是本发明实施例二中的某水库实测水位和下泄流量序列;
图3是本发明实施例二中下泄水温的原型实测值和最佳公式计算值对比。
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。
实施例一:
本发明的分层水库取水下泄水温的快速预测方法,包括以下步骤:
步骤A,获得水库历史实测的垂向水温分布Ti、水位、下泄流量qi和下泄水温
Figure BDA0002052722300000051
时间序列,其中,i=1,2,……,n,n为时间序列个数;
步骤B,通过对hmiddle、hup、hdown进行随机取值,得出若干组
Figure BDA0002052722300000052
其中,hmiddle、hup、hdown分别为三个待取值的高程变量,其中hmiddle和hup高于水库取水口,hdown低于水库取水口,hmiddle位于hup和hdown之间,j=1,2,……,k,k为hmiddle、hup、hdown组数;基于下泄水温预测模型建立k个下泄水温预测公式。
步骤B中的下泄水温预测模型为,
Figure BDA0002052722300000053
式中,T表征水温,℃;Tout为所预测的下泄水温,℃;T(hmiddle)、T(hup)、T(hdown)分别表征高程hmiddle、hup、hdown处的水温;Qfull为取水口最大允许下泄流量,q为实际下泄流量,Qfull和q为通过所述步骤A中所收集的水库历史资料确定。
步骤C,基于所述步骤A收集的历史实测的垂向水温分布、水位、下泄流量时间序列,得出k个下泄水温预测公式在i时刻的下泄水温预测值
Figure BDA0002052722300000054
步骤D,将k个下泄水温预测公式所得不同时刻的下泄水温预测值
Figure BDA0002052722300000055
与实测值下泄水温
Figure BDA0002052722300000056
进行对比,进行下泄水温预测模型中三个待取值的高程变量的率定,采用误差评价指标来确定hmiddle、hup、hdown的取值,进而确定水库的所述下泄水温预测模型。
步骤D中误差评价指标采用相对偏差PBIAS来确定k个下泄水温预测公式所得下泄水温预测值
Figure BDA0002052722300000057
与实测值下泄水温
Figure BDA0002052722300000058
之间的偏差,识别最小PBIAS所对应的hmiddle、hup、hdown取值,即下泄水温预测模型拟采用的最佳hmiddle、hup、hdown取值。
所述相对偏差PBIAS具体如式(4)所示:
Figure BDA0002052722300000061
式中,PBIASj为第k个下泄水温预测公式的相对偏差。
实施例二:
本实例以某水库的下泄水温预测研究为例,通过实测水温数据进行了率定,提出下泄水温快速预测公式。具体实施步骤如下:
A,获得某水库历史2013/5/5至2014/4/25每月5、15、25日的实测垂向水温分布Ti、下泄流量qi和下泄水温
Figure BDA0002052722300000062
序列(i=1,2,……,36),如图1和图2所示;
步骤B,通过对hmiddle、hup、hdown随机取值,得出8组
Figure BDA0002052722300000063
Figure BDA0002052722300000064
基于下泄水温预测模型建立8个下泄水温预测公式,见下表所示;
表1不同下泄水温预测公式hmiddle、hup、hdown取值及所得PBIAS
下泄水温预测公式 h<sup>middle</sup>(m) h<sup>up</sup>(m) h<sup>down</sup>(m) PBIAS
公式1 422.5 430 410 12.3%
公式2 415 440 400 90.7%
公式3 415 430 400 92.3%
公式4 422.5 430 400 81.8%
公式5 422.5 440 410 30.0%
公式6 415 440 410 38.1%
公式7 415 430 410 39.7%
公式8 422.5 430 400 81.8%
步骤C,基于步骤A所收集的历史实测的垂向水温分布、水位、下泄流量时间序列,得出8个下泄水温预测公式在i时刻的下泄水温预测值
Figure BDA0002052722300000065
其中,Qfull取值870m2/s,是水库在筹建时就定下来的,可根据历史下泄流量序列确定。
步骤D,将各个下泄水温预测模型所得不同时刻的下泄水温预测值
Figure BDA0002052722300000066
与实测值下泄水温
Figure BDA0002052722300000071
进行对比,得出在不同hmiddle、hup、hdown情况下,PBIAS最小为12.3%,见图3所示。此时hup=h430位于水库取水口顶上方15m处;hdown=h410位于水库取水口顶下方5m处,hmiddle=h422.5位于水库取水口顶上方7.5m处;进而最终确定该水库的下泄水温预测公式如式(5)所示;其中,水库的取水口顶在415m处,是水库在筹建时就定下来的位置。
Figure BDA0002052722300000072
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 (5)

1.一种分层水库取水下泄水温的快速预测方法,其特征在于,包括以下步骤:
步骤A,获得水库历史实测的垂向水温分布Ti、水位、下泄流量qi和下泄水温
Figure FDA0002894075700000011
时间序列,其中,i=1,2,……,n,n为时间序列个数;
步骤B,通过对hmiddle、hup、hdown进行取值,得出若干组
Figure FDA0002894075700000012
Figure FDA0002894075700000013
其中,hmiddle、hup、hdown分别为三个待取值的高程变量,其中hmiddle和hup高于水库取水口,hdown低于水库取水口,hmiddle位于hup和hdown之间,j=1,2,……,k,k为hmiddle、hup、hdown组数;基于下泄水温预测模型建立k个下泄水温预测公式;
步骤C,基于所述步骤A收集的历史实测的垂向水温分布、水位、下泄流量时间序列,得出k个下泄水温预测公式在i时刻的下泄水温预测值
Figure FDA0002894075700000014
步骤D,将k个下泄水温预测公式所得不同时刻的下泄水温预测值
Figure FDA0002894075700000015
与实测值下泄水温
Figure FDA0002894075700000016
进行对比,进行下泄水温预测模型中三个待取值的高程变量的率定,来确定hmiddle、hup、hdown的 取值,进而确定水库的所述下泄水温预测模型;
所述步骤B中的下泄水温预测模型为,
Figure FDA0002894075700000017
式中,T表征水温,℃;Tout为所预测的下泄水温,℃;T(hmiddle)、T(hup)、T(hdown)分别表征高程hmiddle、hup、hdown处的水温;Qfull为取水口最大允许下泄流量,q为实际下泄流量,Qfull和q为通过所述步骤A中所收集的水库历史资料确定。
2.根据权利要求1所述的一种分层水库取水下泄水温的快速预测方法,其特征在于:所述步骤B中三个高程变量hmiddle、hup、hdown的取值,采用随机取值方式。
3.根据权利要求1所述的一种分层水库取水下泄水温的快速预测方法,其特征在于:所述步骤D中下泄水温预测模型中三个待取值的高程变量的率定,采用误差评价指标。
4.根据权利要求3所述的一种分层水库取水下泄水温的快速预测方法,其特征在于:所述步骤D中误差评价指标采用相对偏差PBIAS来确定k个下泄水温预测公式所得下泄水温预测值
Figure FDA0002894075700000018
与实测值下泄水温
Figure FDA0002894075700000019
之间的偏差,识别最小PBIAS所对应的hmiddle、hup、hdown取值,即下泄水温预测模型拟采用的最佳hmiddle、hup、hdown取值。
5.根据权利要求4所述的一种分层水库取水下泄水温的快速预测方法,其特征在于:所述相对偏差PBIAS具体如式(2)所示:
Figure FDA0002894075700000021
式中,PBIASj为第k个下泄水温预测公式的相对偏差。
CN201910379028.3A 2019-05-08 2019-05-08 一种分层水库取水下泄水温的快速预测方法 Active CN110059443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910379028.3A CN110059443B (zh) 2019-05-08 2019-05-08 一种分层水库取水下泄水温的快速预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910379028.3A CN110059443B (zh) 2019-05-08 2019-05-08 一种分层水库取水下泄水温的快速预测方法

Publications (2)

Publication Number Publication Date
CN110059443A CN110059443A (zh) 2019-07-26
CN110059443B true CN110059443B (zh) 2021-04-09

Family

ID=67322537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910379028.3A Active CN110059443B (zh) 2019-05-08 2019-05-08 一种分层水库取水下泄水温的快速预测方法

Country Status (1)

Country Link
CN (1) CN110059443B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182709B (zh) * 2020-09-28 2024-01-16 中国水利水电科学研究院 大型水库叠梁门分层取水设施的下泄水温快速预测方法
CN113033618B (zh) * 2021-03-03 2022-03-15 四川大学 基于支持向量回归的分层水库取水下泄水温预测模型及预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046069A (zh) * 2015-07-06 2015-11-11 中国水利水电科学研究院 一种大型水电站库水温度数值预测方法
CN106407671A (zh) * 2016-09-08 2017-02-15 河海大学 面向产粘沉性卵鱼类繁殖需求的梯级水库调控系统及方法
CN109241665A (zh) * 2018-09-30 2019-01-18 中国电建集团中南勘测设计研究院有限公司 一种叠梁门水温改善效果的分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170277815A1 (en) * 2016-03-23 2017-09-28 River Analyzer Inc. d/b/a Fresh Water Map Granular river attributes and predictions using acoustic doppler current profiler data from river floats

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046069A (zh) * 2015-07-06 2015-11-11 中国水利水电科学研究院 一种大型水电站库水温度数值预测方法
CN106407671A (zh) * 2016-09-08 2017-02-15 河海大学 面向产粘沉性卵鱼类繁殖需求的梯级水库调控系统及方法
CN109241665A (zh) * 2018-09-30 2019-01-18 中国电建集团中南勘测设计研究院有限公司 一种叠梁门水温改善效果的分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Source tracking and temperature prediction of discharged water in a deep reservoir based on a 3-D hydro-thermal-tracer model;Wei He 等;《Journal of Hydro-environment Research》;20180630;第20卷;第9-21页 *
水库垂向水温分布及下泄水温模拟计算方法综述;刘兰芬 等;《2005水电水力建设项目环境与水生生态保护技术政策研讨会》;20090729;第177-190页 *
水电站叠梁门多层取水下泄水温公式;高学平 等;《中国工程科学》;20111215;第13卷(第12期);第63-67页 *
温度分层型水库控制幕取水下泄水温研究;吴登将;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20171115(第11期);第C037-113页 *

Also Published As

Publication number Publication date
CN110059443A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN107730151B (zh) 一种基于概念性水文模型的流域设计洪水推求方法
CN106777775B (zh) 一种基于多断面水位预测河流流量的神经网络方法
CN106951980B (zh) 一种基于rcp情景的水库群适应性调度方法
Meng et al. HYDROLOGICAL MODELING IN THE MANAS RIVER BASIN USING SOIL AND WATER ASSESSMENT TOOL DRIVEN BY CMADS.
CN113379110A (zh) 一种中长期径流预报结果趋势检验方法
CN110059443B (zh) 一种分层水库取水下泄水温的快速预测方法
CN111259522B (zh) 一种水文模型在地理空间上多流域并行率定的方法
Wang et al. Using an optimized soil and water assessment tool by deep belief networks to evaluate the impact of land use and climate change on water resources
CN111553394A (zh) 基于循环神经网络和关注机制的水库水位预测方法
CN106407627A (zh) 一种风速概率分布建模的方法和系统
CN111079086B (zh) 一种基于多元联合分布的水资源系统多重风险评估方法
US20210181375A1 (en) Numerical method for simulating a karez well in association with a groundwater model
CN105046069A (zh) 一种大型水电站库水温度数值预测方法
CN113343601A (zh) 一种复杂水系湖泊水位和污染物迁移的动态模拟方法
CN112528563A (zh) 一种基于svm算法的城市内涝预警方法
Katipoğlu Monthly stream flows estimation in the Karasu river of Euphrates basin with artificial neural networks approach
CN113991711B (zh) 一种光伏电站储能系统容量配置方法
CN109657287B (zh) 基于综合得分法水文模型精度识别的方法
CN111914488B (zh) 一种基于对抗神经网络的有资料地区水文参数率定方法
Anilan et al. Application of Artificial Neural Networks and regression analysis to L-moments based regional frequency analysis in the Eastern Black Sea Basin, Turkey
CN116362552B (zh) 一种评估小型水库安全风险等级的方法
CN113836807B (zh) 一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法
CN115481353A (zh) 一种基于滩槽分区的河道综合糙率计算方法
CN112182701B (zh) 一种气盾坝流量系数及流量的计算方法
He et al. Regulating outflow temperature for multi-objective operation of cascade reservoirs: A case study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant