CN110348701B - 一种水库群防洪调度风险传递规律分析方法 - Google Patents

一种水库群防洪调度风险传递规律分析方法 Download PDF

Info

Publication number
CN110348701B
CN110348701B CN201910543955.4A CN201910543955A CN110348701B CN 110348701 B CN110348701 B CN 110348701B CN 201910543955 A CN201910543955 A CN 201910543955A CN 110348701 B CN110348701 B CN 110348701B
Authority
CN
China
Prior art keywords
risk
reservoir
uncertainty
entropy
flood control
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
CN201910543955.4A
Other languages
English (en)
Other versions
CN110348701A (zh
Inventor
陈璐
黄康迪
周建中
蒋志强
冯仲恺
王权森
仇红亚
钟文杰
周清
路岚青
林橙
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910543955.4A priority Critical patent/CN110348701B/zh
Publication of CN110348701A publication Critical patent/CN110348701A/zh
Application granted granted Critical
Publication of CN110348701B publication Critical patent/CN110348701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种水库群防洪调度风险传递规律分析方法，包括：确定每个水库的风险元及每个风险元的不确定性序列，并基于防洪调度模型，得到每个不确定性序列对应的调洪最高水位序列；采用信息熵理论计算每个不确定性序列的信息熵以及每个调洪最高水位序列的风险熵；基于每个水库和/或其上游水库的待分析风险元对应的信息熵和风险熵，构建该水库的风险模型并分析各风险元在各水库上的风险传递规律。本发明提出了基于每个水库和/或其上游水库的风险元对应的信息熵和风险熵，构建该水库的风险模型，可有效反映风险元对防洪调度直接或间接传递影响，以解析风险元在防洪调度系统中传递规律，为防洪风险管理提供依据，为防洪调度方案的制定提供参考。

Description

一种水库群防洪调度风险传递规律分析方法
技术领域
本发明属于水库防洪调度风险评估领域，更具体地，涉及一种水库群防洪调度风险传递规律分析方法。
背景技术
水库群联合防洪调度是流域防洪减灾的重要技术手段之一。通过水库群联合调度，可有效减轻水库自身和下游防洪控制点的防洪压力，进而提高防洪工程的综合效益。水库群实时防洪调度过程中，存在很多不确定性因素(风险元)：如预报不确定性、下泄能力曲线不确定性和水位-库容不确定性等。这些不确定性因素直接或间接使防洪调度结果产生偏差，从而导致防洪调度存在风险。
目前，防洪风险的评估方法主要是传统统计方法，通过统计调度结果中超过某一水位(流量)的概率来计算风险。或者，通过一些风险评估指标，表征不同类型风险的大小。然而，这些方法仅评估不确定性对最终结果的影响，没有解析风险元在整个防洪调度过程中随洪水传播而向下游传递规律，因此，不能准确刻画风险元对防洪目标的具体影响以及在整个防洪系统中的迁移转化规律。
发明内容
本发明提供一种水库群防洪调度风险传递规律分析方法，用以解决现有防洪风险的评估方法无法解析风险元在防洪调度系统中传递规律并依据风险值有效地反馈控制防洪调度系统安全的技术问题。
本发明解决上述技术问题的技术方案如下：一种水库群防洪调度风险传递规律分析方法，包括：
步骤1、确定每个水库的风险元及每个风险元的不确定性序列，并基于防洪调度模型，得到每个所述不确定性序列对应的调洪最高水位序列；
步骤2、采用信息熵理论，计算每个所述不确定性序列的信息熵以及每个所述调洪最高水位序列的风险熵；
步骤3、基于每个水库和/或其上游水库的待分析风险元对应的所述信息熵和所述风险熵，通过拟合，构建该水库的风险模型；
步骤4、基于所述风险模型，评估每个所述待分析风险元对该水库的防洪调度风险的影响程度，并分析各风险元在各水库上的风险传递规律。
本发明的有益效果是：本发明提出了基于每个水库和/或其上游水库的风险元对应的信息熵和风险熵，构建该水库的风险模型，该模型可有效反映风险元对防洪调度直接(某一水库自身的风险元对自身的防洪调度影响)或间接(上游水库的风险元对某一水库的防洪调度影响)传递影响，突破了现有方法仅评估风险元对最终调度结果影响的理论瓶颈。因此，本发明可以解析风险元在防洪调度系统中传递规律，且准确刻画风险元对防洪调度的影响，为防洪风险管理提供依据，也可为防洪调度方案的制定提供参考。其中，由于风险元对防洪调度结果产生一种波动性的影响，为准确评估这种风险，本发明采用信息熵理论，合理有效地评估各种待分析的风险元经直接或间接传递对防洪调度的影响。
上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述风险元包括洪水预报不确定性、下泄能力不确定性和/或水位-库容不确定性。
本发明的进一步有益效果是：风险元使防洪调度结果产生偏差或通过传播间接产生偏差的不确定性因素，洪水预报不确定性、下泄能力不确定性和水位-库容不确定性为主要的风险影响因素。
进一步，所述步骤1中，所述不确定性序列的确定方法具体为：
采用Copula方法，随机模拟未来K天中每天对应的所述洪水预报不确定性的洪水预报不确定性序列；
采用拉丁超立方体，随机模拟所述下泄能力不确定性对应的下泄能力不确定性序列以及所述水位-库容不确定性对应的水位-库容不确定性序列，其中，所述水位-库容不确定性序列服从正态分布。
本发明的进一步有益效果是：由于洪水预报预见期之间客观存在相关性，采用Copula方法随机模拟得到预见期为K天的洪水预报误差序列，为了更加均匀地抽取曲线误差值，采用拉丁超立方体对下泄能力和水位-库容曲线不确定性进行随机抽样，其中，水位-库容不确定性序列服从正态分布能够使得结果更结果准确。
进一步，所述步骤2中，所述计算每个所述不确定性序列的信息熵以及每个所述调洪最高水位序列的风险熵的计算公式为：
Hij＝-∫f(zij)·log(f(zij))dzij；
其中，zij为第i个水库的第j个风险元对应的所述不确定性序列中的不确定性值或所述调洪最高水位序列中的调洪最高水位，i＝1,2,…，,n，n为所述水库群中的水库总个数，j＝1,2,…，,m，m为第i个水库的风险元的总个数；f(zij)为zij的概率密度函数；Hij为zij的信息熵或风险熵。
进一步，所述步骤3包括：
基于每个水库和/或其上游水库的待分析风险元，建立该水库的风险模型框架，所述待分析风险元表示对该水库产生防洪调度风险的所述风险元；
基于所有所述待分析风险元对应的所述信息熵和所述风险熵，采用拟合法，拟合所述风险模型框架，得到风险模型。
本发明的进一步有益效果是：先建立模型框架，再通过实际信息熵和风险熵进行拟合，得到能够反映真实防洪调度风险的风险传递模型，保证风险元的风险传递规律的分析精确度。
进一步，所述风险模型框架表示为：
Figure BDA0002103396680000041
其中，ψ(·)为风险模型函数，
Figure BDA0002103396680000042
为直接传递函数，g(·)为间接传递函数，H(-)为信息熵，R(-)为风险熵，
Figure BDA0002103396680000043
为第i个水库的m*个风险元对应的信息熵的关系式，g(R1,…,Ri-1)为第i个水库的i-1个上游水库对应的风险熵的关系式；
Figure BDA0002103396680000044
为第1个水库的m*个风险元对应的信息熵的关系式，
Figure BDA0002103396680000045
为第i-1个水库的m*个风险元对应的信息熵的关系式；
当所述风险模型框架仅包括第i个水库的待分析风险元对应的风险熵时，g(R1,…,Ri-1)＝0；当所述风险模型仅包括第i个水库的上游水库的待分析风险元对应的风险熵时，
Figure BDA0002103396680000046
本发明还提供一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一种水库群防洪调度风险传递规律分析方法。
附图说明
图1为本发明一个实施例提供的一种水库群防洪调度风险传递规律分析方法的流程框图；
图2为本发明一个实施例提供的另一种水库群防洪调度风险传递规律分析方法的流程框图；
图3为本发明一个实施例提供的单一风险元对防洪调度的影响关系图；
图4为本发明一个实施例提供的多风险元对防洪调度的影响关系图；
图5为本发明一个实施例提供的解析间接传递函数的解析图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例一
一种水库群防洪调度风险传递规律分析方法100，如图1所示，包括：
步骤110、确定每个水库的风险元及每个风险元的不确定性序列，并基于防洪调度模型，得到每个所述不确定性序列对应的调洪最高水位序列；
步骤120、采用信息熵理论，计算每个不确定性序列的信息熵以及每个调洪最高水位序列的风险熵；
步骤130、基于每个水库和/或其上游水库的待分析风险元对应的信息熵和风险熵，通过拟合，构建该水库的风险模型；
步骤140、基于风险模型，评估每个待分析风险元对该水库的防洪调度风险的影响程度，并分析各风险元在各水库上的风险传递规律。
需要说明的是，风险元是指使防洪调度结果产生偏差或通过传播间接产生偏差的不确定性因素。由于各种风险元对防洪的影响属于一种扰动因素，因此，调洪最高水位序列呈现一种离散状态，可通过方差或标准差进行评估离散状态以分析该风险元导致的水库防洪风险，由于调洪最高水位序列可能呈现偏态情况，方差或标准差无法准确度量该水库防洪风险，因此，为了进一步准确评估这个风险，可采用风险熵方法进行风险评估。
另外，根据水库群防洪调度系统所考虑的风险元，可判断风险元传递方式为：①从风险元数量可分为：单元传递和多元传递；②从风险元传递路径可分为：直接传递和间接传递。因此，构建不同风险元影响下整个防洪调度系统风险传递模型。在防洪调度中，一般风险随洪水传播而从上游传递至下游，所以某水库或站点的风险受上游风险元和自身风险元传递影响。因此，基于每个水库和/或其上游水库的待分析风险元对应的信息熵和风险熵，构建每个水库的风险模型，也即风险传递模型。
本实施例提出了基于每个水库和/或其上游水库的风险元对应的信息熵和风险熵，构建该水库的风险模型，该模型可有效反映风险元对防洪调度直接(某一水库自身的风险元对自身的防洪调度影响)或间接(上游水库的风险元对某一水库的防洪调度影响)传递影响，突破了现有方法仅评估风险元对最终调度结果影响的理论瓶颈。因此，本实施例可以解析风险元在防洪调度系统中传递规律，且准确刻画风险元对防洪调度的影响，为防洪风险管理提供依据，也可为防洪调度方案的制定提供参考。其中，由于风险元对防洪调度结果产生一种波动性的影响，为准确评估这种风险，本实施例采用信息熵理论，合理有效地评估各种待分析的风险元经直接或间接传递对防洪调度的影响。
优选的，风险元包括洪水预报不确定性、下泄能力不确定性和/或水位-库容不确定性。
则步骤110中，不确定性序列的确定方法具体为：
采用Copula方法，随机模拟未来K天中每天对应的洪水预报不确定性的洪水预报不确定性序列；
采用拉丁超立方体，随机模拟下泄能力不确定性对应的下泄能力不确定性序列以及水位-库容不确定性对应的水位-库容不确定性序列，其中，水位-库容不确定性序列服从正态分布。
由于洪水预报预见期之间客观存在相关性，采用Copula方法随机模拟得到预见期为K天的洪水预报不确定性序列，为了更加均匀地抽取曲线误差值，采用拉丁超立方体，对下泄能力和水位-库容曲线不确定性进行随机抽样。
优选的，步骤120中，计算每个不确定性序列的信息熵以及每个调洪最高水位序列的风险熵的计算公式为：
Hij＝-∫f(zij)·log(f(zij))dzij；
其中，zij为第i个水库的第j个风险元对应的不确定性序列中的不确定性值或调洪最高水位序列中的调洪最高水位，i＝1,2,...,n，n为水库群中的水库总个数，j＝1,2,...,m，m为第i个水库的风险元的总个数；f(zij)为zij的概率密度函数；Hij为zij的信息熵或风险熵。
需要说明的是，Shannon风险熵的定义如下：
Figure BDA0002103396680000071
式中，H为风险熵，f(z)为连续变量z的概率密度函数，变量z为水库的调洪最高水位。
熵作为一种描述信息量的方法，可用于度量不确定性的大小，对于风险元的不确定性度量，也可用上式计算。
优选的，步骤130包括：
基于每个水库和/或其上游水库的待分析风险元，建立该水库的风险模型框架，待分析风险元表示对该水库产生防洪调度风险的风险元；
基于所有待分析风险元对应的信息熵和所述风险熵，采用拟合法，拟合所述风险模型框架，得到风险模型。
优选的，风险模型框架表示为：
Figure BDA0002103396680000081
其中，ψ(·)为风险模型函数，
Figure BDA0002103396680000082
为直接传递函数，g(·)为间接传递函数，H(-)为信息熵，R(-)为风险熵，
Figure BDA0002103396680000083
为第i个水库的m*个风险元对应的信息熵的关系式，g(R1,...,Ri-1)为第i个水库的i-1个上游水库对应的风险熵的关系式；
Figure BDA0002103396680000084
为第1个水库的m*个风险元对应的信息熵的关系式，
Figure BDA0002103396680000085
为第i-1个水库的m*个风险元对应的信息熵的关系式；
当风险模型框架仅包括第i个水库的待分析风险元对应的风险熵时，g(R1,...,Ri-1)＝0；当风险模型仅包括第i个水库的上游水库的待分析风险元对应的风险熵时，
Figure BDA0002103396680000086
为了更好的说明上述风险模型框架的构建，现在分析如下：
例如，(1)单一风险元传递模型
对于第i个水库的风险直接传递模型，当仅考虑一种风险元时，风险传递模型可表示为：
Figure BDA0002103396680000087
式中，Ri(Hij)为第i个水库由风险元eij导致的防洪风险；n为水库个数；m*为第i个水库考虑的风险元个数；Hij为风险元eij对应的信息熵；
Figure BDA0002103396680000088
为直接传递函数。
对于下游第k个水库(k＝i+1,...,n)，风险元间接传递模型可表示为：
Figure BDA0002103396680000089
式中，Rk(Hij)为风险元eij间接传递导致水库k的防洪风险；g(·)为间接传递函数。
(2)两风险元传递模型
对于第i个水库的风险直接传递模型，当考虑两种风险元时，风险直接传递模型可表示为：
Figure BDA0002103396680000091
式中，Ri(Hi,j-1,Hij)为第i个水库由风险元eij-1和eij传递导致的防洪风险；Hi,j-1和Hij分别为风险元eij-1和eij的信息熵。
对于下游第k个水库，由于风险元的间接传递影响，即考虑两种风险元的间接传递模型为：
Figure BDA0002103396680000092
式中，Rk(Hi,j-1,Hij)为水库k由风险元eij-1和eij间接传递导致的防洪风险。
(3)多风险元传递模型
当考虑多种风险元的共同影响时，其风险传递模型为：
Figure BDA0002103396680000093
式中，Ri(·)为多风险元影响下水库i的防洪风险；ψ(·)为包含直接和间接传递的混合传递函数。
最后，通过解析的防洪风险传递函数(风险模型)，可分析各种风险元对防洪目标的具体影响，进而分析影响防洪调度的主要风险元，通过一定手段有效控制这些主要风险元，从而降低防洪调度风险。
为了进一步更好的理解本发明，现以示例的形式，说明本发明，如下：
以溪洛渡、向家坝以及三峡水库的联合防洪调度为例，考虑洪水预报误差、下泄能力曲线和水位-库容曲线等风险元，将一场典型年洪水代入联合防洪调度模型中，解析不同风险元在水库群联合防洪调度的传递规律以及评估不同风险元对防洪调度带来的风险。采用如图2所示的流程框图进行风险传递规律的解析。
本实施例仅针对1968年典型1％设计洪水进行实例分析，针对每个时段模拟10000次不确定性因素，由于水位-库容和下泄能力曲线均设定服从正态分布，因此先需对其分布的标准差进行分析，通过离散标准差，得到不同风险元大小对调度结果的影响。本发表实施例中所考虑的风险元如表1所示。
表1水库防洪调度系统中考虑的风险元
水库或站点 预报不确定性 水位-库容(均方差) 下泄能力(均方差)
溪洛渡 - e<sub>12</sub>(σ12) e<sub>13</sub>(σ13)
向家坝 - e<sub>22</sub>(σ22) e<sub>23</sub>(σ23)
李庄 e<sub>31</sub> - -
朱沱 e<sub>41</sub> - -
寸滩 e<sub>51</sub> - -
三峡 e<sub>61</sub> e<sub>62</sub>(σ62) e<sub>63</sub>(σ63)
计算结果表明：对于1968年典型1％设计洪水，由于洪水量级较小，洪水预报误差几乎不对防洪调度结果产生影响，因此，在本实施例中可忽略。
根据图3的单一风险元对防洪调度的影响关系图可知，水库调度结果的风险熵与风险元服从分布的信息熵基本呈现线性关系，且溪洛渡、向家坝的风险元会随洪水传播而向三峡传递，通过线性关系求解可得单一风险元传递函数的表达式为：
Figure BDA0002103396680000101
Figure BDA0002103396680000111
Figure BDA0002103396680000112
式中，R1(·),R2(·),R3(·)分别为溪洛渡、向家坝和三峡水库调洪最高水位的风险熵；H12,H13,H22,H23,H62,H63分别为风险元e12,e13,e22,e23,e62,e63对应的信息熵值；k12,k13,k22,k23,k62,k63为直接传递系数；b12,b13,b22,b23,b62,b63为线性截距；k1,k2,k3,k4为间接传递系数；ΔH1,ΔH2,ΔH3,ΔH4为间接传递信息熵。具体参数见表2。
表2风险传递解析参数表
k<sub>12</sub> k<sub>13</sub> k<sub>22</sub> k<sub>23</sub> k<sub>62</sub> k<sub>63</sub> k<sub>1</sub> k<sub>2</sub> k<sub>3</sub> k<sub>4</sub>
0.9255 0.9012 0.9852 0.9968 1.0276 1.041 1.0760 1.1072 1.1518 1.0007
b<sub>12</sub> b<sub>13</sub> b<sub>22</sub> b<sub>23</sub> b<sub>62</sub> b<sub>63</sub> ΔH<sub>1</sub> ΔH<sub>2</sub> ΔH<sub>3</sub> ΔH<sub>4</sub>
3.9988 2.6891 6.0819 2.9942 4.5538 2.982 -1.5957 -2.0164 -2.0797 -2.0370
对于两种风险元，其传递函数在三维坐标系呈现的应该为一个曲面，由于水库防洪风险随风险元的信息熵增大而增大，因此二元多项式函数可用于拟合这个曲面，其表达式为：
Figure BDA0002103396680000113
式中，λ0，λ1,...，λ9为二元多项式函数的参数，见表3；Ri(Hi2,Hi3)为水库i(i＝1,2,6)的防洪风险，水库1、水库2和水库6分别表示溪洛渡、向家坝和三峡。
表3两风险元传递模型的参数
Figure BDA0002103396680000121
由于三峡水库的防洪受上游风险元的间接传递影响，因此需解析两种风险元影响下的风险间接传递模型。研究分析了溪洛渡或向家坝的防洪风险传递至三峡的演化过程，即分析了R3(H12,H13)和R1(H12,H13)、R3(H12,H13)和R2(H22,H23)之间的关系，如图4所示。结果显示两个曲面基本平行，因此两风险元的间接传递函数可表示为：
Figure BDA0002103396680000122
对于三峡水库防洪风险不仅受风险元e62和e63直接传递影响，同时也受风险元e12、e13、e22和e23间接传递影响。因此，有必要建立一个多维多项式函数来描述三峡防洪风险。由多风险元传递模型可知，三峡防洪风险传递模型由直接传递和间接传递混合组成。因此，需先分别解析直接传递函数
Figure BDA0002103396680000123
和间接传递函数g(R1(H12,H13),R2(H22,H23))。通过多阶多项式函数解析间接传递函数，如图5中的(a)图所示，结果表明四阶多项式函数可以满足拟合要求且拟合效果较好。其解析函数为：
Figure BDA0002103396680000131
式中，R1表示R1(H12,H13)；R2表示R2(H22,H23)。
最后，三峡水库的混合风险传递模型可由解析的直接传递和间接传递函数组合得到。同理，使用四阶多项式函数去拟合混合风险传递函数，如图5中的(b)图所示。结果表明四阶多项式函数很好地拟合了混合风险传递函数。其具体表达形式为：
Figure BDA0002103396680000132
式中，
Figure BDA0002103396680000133
表示
Figure BDA0002103396680000134
g′表示g(R1,R2)。
根据风险传递模型解析结果可知，对于1968年典型1％设计洪水，溪洛渡、向家坝水库风险元除对自身水库造成直接影响，且随洪水传播向三峡间接传递。而三峡水库风险元仅对自身水库造成防洪风险，未对溪洛渡、向家坝构成反馈影响。通过单一风险元传递函数可知，风险元在整个防洪调度系统中的传递规律、方式及对防洪目标的影响，通过多风险元传递函数不仅可评估不同风险元组合对防洪调度的影响，而且可通过风险传递函数进一步解析导致防洪风险的主要风险元，从而可通过修改防洪调度模型或一定风险元控制手段达到降低防洪风险的效果，进而使整个防洪调度系统得到有效的改善和控制。
此分析原理同样可以解析其他典型年洪水，也适用于其他梯级水库防洪风险传递规律研究。
实施例二
一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一种水库群防洪调度风险传递规律分析方法。
相关技术方案同实施例一，在此不再赘述。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种水库群防洪调度风险传递规律分析方法，其特征在于，包括：
步骤1、确定每个水库的风险元及每个风险元的不确定性序列，并基于防洪调度模型，得到每个所述不确定性序列对应的调洪最高水位序列；
步骤2、采用信息熵理论，计算每个所述不确定性序列以及每个所述调洪最高水位序列的信息熵；
所述步骤2中，所述计算每个所述不确定性序列以及每个所述调洪最高水位序列的信息熵的计算公式为：
Hij＝-∫f(zij)·log(f(zij))dzij；
其中，zij为第i个水库的第j个风险元对应的所述不确定性序列中的不确定性值或所述调洪最高水位序列中的调洪最高水位，i＝1,2,...,n，n为所述水库群中的水库总个数，j＝1,2,...,m，m为第i个水库的风险元的总个数；f(zij)为zij的概率密度函数；Hij为zij的信息熵；
步骤3、基于每个水库和/或其上游水库的待分析风险元对应的所述信息熵和风险熵，通过拟合，构建该水库的风险模型；
所述步骤3包括：
基于每个水库和/或其上游水库的待分析风险元，建立该水库的风险模型框架，所述待分析风险元表示对该水库产生防洪调度风险的所述风险元；
基于所有所述待分析风险元对应的所述信息熵和所述风险熵，采用拟合法，拟合所述风险模型框架，得到风险模型；
所述风险模型框架表示为：
Figure FDA0003171768970000011
其中，ψ(·)为风险模型函数，
Figure FDA0003171768970000021
为直接传递函数，g(·)为间接传递函数，H(-)为信息熵，R(-)为风险熵，
Figure FDA0003171768970000022
为第i个水库的m*个风险元对应的信息熵的关系式，g(R1,...,Ri-1)为第i个水库的i-1个上游水库对应的风险熵的关系式；R1(H11,...,H1m*)为第1个水库的m*个风险元对应的风险熵，Ri-1(H11,...,Hi-1m*)为第i-1个水库的m*个风险元对应的风险熵；
当所述风险模型框架仅包括第i个水库的待分析风险元对应的风险熵时，g(R1,...,Ri-1)＝0；当所述风险模型仅包括第i个水库的上游水库的待分析风险元对应的风险熵时，
Figure FDA0003171768970000023
步骤4、基于所述风险模型，评估每个所述待分析风险元对该水库的防洪调度风险的影响程度，并分析各风险元在各水库上的风险传递规律。
2.根据权利要求1所述的一种水库群防洪调度风险传递规律分析方法，其特征在于，所述风险元包括洪水预报不确定性、下泄能力不确定性和/或水位-库容不确定性。
3.根据权利要求2所述的一种水库群防洪调度风险传递规律分析方法，其特征在于，所述步骤1中，所述不确定性序列的确定方法具体为：
采用Copula方法，随机模拟未来K天中每天对应的所述洪水预报不确定性的洪水预报不确定性序列；
采用拉丁超立方体，随机模拟所述下泄能力不确定性对应的下泄能力不确定性序列以及所述水位-库容不确定性对应的水位-库容不确定性序列，其中，所述水位-库容不确定性序列服从正态分布。
4.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至3任一项所述的一种水库群防洪调度风险传递规律分析方法。
CN201910543955.4A 2019-06-21 2019-06-21 一种水库群防洪调度风险传递规律分析方法 Active CN110348701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910543955.4A CN110348701B (zh) 2019-06-21 2019-06-21 一种水库群防洪调度风险传递规律分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910543955.4A CN110348701B (zh) 2019-06-21 2019-06-21 一种水库群防洪调度风险传递规律分析方法

Publications (2)

Publication Number Publication Date
CN110348701A CN110348701A (zh) 2019-10-18
CN110348701B true CN110348701B (zh) 2021-10-08

Family

ID=68182743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910543955.4A Active CN110348701B (zh) 2019-06-21 2019-06-21 一种水库群防洪调度风险传递规律分析方法

Country Status (1)

Country Link
CN (1) CN110348701B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378281B (zh) * 2021-06-29 2023-08-11 西安理工大学 设计洪水不确定性在水库防洪调度中的传播计算方法
CN117609792B (zh) * 2024-01-18 2024-06-11 北京英视睿达科技股份有限公司 一种水质预测模型训练方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615845A (zh) * 2014-12-19 2015-05-13 兰州大学 一种超临界洪水风险分析方法
CN104992245A (zh) * 2015-07-09 2015-10-21 南京信息工程大学 一种基于广义熵理论的水环境风险管理动态智能综合分析方法
CN108681783A (zh) * 2018-04-04 2018-10-19 河海大学 一种水库实时多目标随机优化调度和风险评估方法
CN108985585A (zh) * 2018-06-28 2018-12-11 河海大学 一种考虑预报不确定性影响的水库洪水资源利用风险对冲决策方法
CN109460526A (zh) * 2018-09-18 2019-03-12 南京大学 基于Copula函数和信息熵理论相结合的综合式水文站网评估模型
CN109657956A (zh) * 2018-12-11 2019-04-19 华中科技大学 一种水库防洪调度风险分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615845A (zh) * 2014-12-19 2015-05-13 兰州大学 一种超临界洪水风险分析方法
CN104992245A (zh) * 2015-07-09 2015-10-21 南京信息工程大学 一种基于广义熵理论的水环境风险管理动态智能综合分析方法
CN108681783A (zh) * 2018-04-04 2018-10-19 河海大学 一种水库实时多目标随机优化调度和风险评估方法
CN108985585A (zh) * 2018-06-28 2018-12-11 河海大学 一种考虑预报不确定性影响的水库洪水资源利用风险对冲决策方法
CN109460526A (zh) * 2018-09-18 2019-03-12 南京大学 基于Copula函数和信息熵理论相结合的综合式水文站网评估模型
CN109657956A (zh) * 2018-12-11 2019-04-19 华中科技大学 一种水库防洪调度风险分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
risk analysis of flood control reservoir operation considering multiple uncertainties;chen lu;《Journal of Hydrology》;20181031;第672～684页 *
risk assessment and decision-making based on Mean-CVaR-Entropy for flood control operation of large scale reservoirs;Quansen Wang;《Water》;20190328;全文 *
水库汛限水位调整风险决策模型构建与运用;林杰;《中国农村水利水电》;20161115;第7～11页 *
洪水可控性与水库调洪最高水位分布规律研究;李林峰;《人民长江》;20101014;第11～13页 *

Also Published As

Publication number Publication date
CN110348701A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
Kisi et al. River suspended sediment modelling using a fuzzy logic approach
Homem-de-Mello et al. Sampling strategies and stopping criteria for stochastic dual dynamic programming: a case study in long-term hydrothermal scheduling
Shen et al. Assessments of experimental designs in response surface modelling process: Estimating ventilation rate in naturally ventilated livestock buildings
CN110348701B (zh) 一种水库群防洪调度风险传递规律分析方法
Shafii et al. Uncertainty-based multi-criteria calibration of rainfall-runoff models: a comparative study
EP4303785A1 (en) Reservoir flow rate regulating method and apparatus, electronic device, and storage medium
CN108898250A (zh) 一种基于D藤copula函数的月径流模拟方法
Tran et al. Quantification of predictive uncertainty with a metamodel: Toward more efficient hydrologic simulations
Pérez et al. Accuracy assessment of leak localisation method depending on available measurements
Hong et al. Pathwise estimation of probability sensitivities through terminating or steady-state simulations
Curceac et al. Adjusting for conditional bias in process model simulations of hydrological extremes: An experiment using the North Wyke Farm Platform
Wang et al. Inverse uncertainty quantification by hierarchical bayesian modeling and application in nuclear system thermal-hydraulics codes
CN117114190B (zh) 一种基于混合深度学习的河道径流预测方法及设备
Shahrokhnia et al. Performance assessment of Doroodzan irrigation network by steady state hydraulic modeling
Bozoğlu et al. Entropy based regional precipitation prediction in the case of Gediz River basin
Łangowski et al. Optimised robust placement of hard quality sensors for robust monitoring of quality in drinking water distribution systems
Kreinovich et al. Monte-Carlo-type techniques for processing interval uncertainty, and their engineering applications
CN111080115B (zh) 一种基于供水水力模型的用水量分配方法及装置
CN113435639B (zh) 一种融合ais数据挖掘的港口水域规划方法及系统
Zerihun et al. Empirical functions for dependent furrow irrigation variables. 1. Methodology and equations
Davletgaliev et al. The possibility to applying simulated series for compile scenario forecasting river runoff
Wang et al. ACO optimizing neural network for macroscopic water distribution system modeling
Grigoriev et al. New methods for estimating detailed fertility schedules from abridged data
CN106651038A (zh) 一种社会经济指标集合预测方法
CN111563308B (zh) 一种表征可再生能源功率概率分布的模型生成方法

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