CN111461421B - 一种基于互馈关系解析的梯级水库风险评估方法及系统 - Google Patents
一种基于互馈关系解析的梯级水库风险评估方法及系统 Download PDFInfo
- Publication number
- CN111461421B CN111461421B CN202010232888.7A CN202010232888A CN111461421B CN 111461421 B CN111461421 B CN 111461421B CN 202010232888 A CN202010232888 A CN 202010232888A CN 111461421 B CN111461421 B CN 111461421B
- Authority
- CN
- China
- Prior art keywords
- risk
- subsystem
- reservoir
- subsystems
- cascade reservoir
- 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
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 129
- 238000010248 power generation Methods 0.000 claims abstract description 53
- 230000000875 corresponding effect Effects 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 230000002079 cooperative effect Effects 0.000 claims abstract description 4
- 230000009471 action Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 241000039077 Copula Species 0.000 claims description 5
- 230000008878 coupling Effects 0.000 description 15
- 238000010168 coupling process Methods 0.000 description 15
- 238000005859 coupling reaction Methods 0.000 description 15
- 238000011160 research Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (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
本发明公开了一种基于互馈关系解析的梯级水库风险评估方法及系统,属于复杂水资源系统风险分析领域,包括:以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;求解模型得到非劣解集,并从中选取多个解,分别计算梯级水库中三个子系统的风险因子;对于每一个子系统,建立风险因子的边缘分布,并分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布;根据联合分布,利用条件熵建立梯级水库的综合风险评估模型。本发明能够定量评估供水‑发电‑环境互馈协变作用下水资源系统的综合风险。
Description
技术领域
本发明属于复杂水资源系统风险分析领域,更具体地,涉及一种基于互馈关系解析的梯级水库风险评估方法及系统。
背景技术
梯级水库(例如长江上游梯级水库)调度过程中供水、发电、环境等目标既非完全竞争也非完全协同,呈现多维耦合互馈特性,这些耦合互馈关系的演化过程不仅极为复杂,而且还表现出高维、非线性、时变、不确定和强耦合等特性,使人们很难精确和有效地描述其动力学行为,一方面造成水资源的配置和利用效率低下,另一方面增加了流域水资源系统风险。
目前,针对复杂水资源耦合互馈系统方面的实质性研究原理和方法较少,已有研究如“长江上游水库群多目标优化调度模型及应用研究I:模型原理及求解”考虑水库群调度中发电与供水、生态等目标协调性,但分析局限于定性解析,且未涉及多个目标协同竞争关系下水资源系统风险评估研究。
总的来说,现有技术存在难以定量刻画水资源耦合系统供水-发电-环境互馈协变关系以及定量评估互馈协变作用下水资源系统综合风险的难题。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种基于互馈关系解析的梯级水库风险评估方法及系统,其目的在于,定量评估供水-发电-环境互馈协变作用下水资源系统的综合风险。
为实现上述目的,按照本发明的一个方面,提供了一种基于互馈关系解析的梯级水库风险评估方法,包括如下步骤:
(1)以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
(2)求解多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算梯级水库中供水子系统、发电子系统和环境子系统的风险因子;
风险因子用于表征子系统的风险水平;
(3)对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布;
(4)根据多维时空联合分布,利用条件熵建立梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数。
本发明针对复杂水资源耦合互馈系统,游梯级水库多目标优化调度模型,从多个调度参数中识别提取表征水资源各子系统的风险因子,并构建三个子系统的风险因子多维时空联合分布,采用条件熵建立流域水资源复杂耦合系统互馈关系解析及综合风险评估模型,能够定量评估互馈协变关系下水资源系统综合风险,为流域供水-发电-环境耦合互馈水资源系统径流适应性利用提供科学指导,促进水资源系统优化配置。
进一步地,步骤(4)中,所建立的综合风险评估模型为:
其中,U1、U2和U3分别表示第一子系统、第二子系统和第三子系统的保证率,u1、u2和u3分别表示保证率U1、U2和U3所对应的变量;E(U1|U2=u2,U3=u3)表示第二系统和第三系统的保证率分别为u2和u3的情况下,第一子系统的保证率达到u1以上的条件熵,用于表征第一子系统的风险;X1、X2和X3分别表示第一子系统、第二子系统和第三子系统的风险因子,x1、x2和x3分别表示风险因子X1、X2和X3所对应的变量;ui=F(xi),F(xi)表示第i子系统的风险因子的边缘分布,F-1(u1)表示第一子系统的风险因子的边缘分布的反函数,f()表示概率密度函数;F(xi,xj)表示第i子系统和第j子系统的风险因子的联合分布,F(x1,x2,x3)表示三个子系统的风险因子的联合分布;C(ui,uj)=F(xi,xj)表示第i子系统和第j子系统的保证率的联合分布;C(u1,u2,u3)=F(x1,x2,x3)表示三个子系统的保证率的联合分布;第一子系统、第二子系统和第三子系统分别表示梯级水库中的三个子系统;u1(0)表示随机变量取值小于0的概率;i,j∈{1,2,3},且i≠j。
条件熵是随机变量不确定性的度量,本发明采用上述模型计算条件熵,能够反映某两个子系统一定风险水平下,另一子系统的风险水平。
进一步地,梯级水库中,供水子系统的风险因子为梯级水库上游区间河道外供水流量,发电子系统的风险因子为梯级水库对应水电站的水力发电量,环境子系统的风险因子为梯级水库下游区间河道内生态流量变异系数。
进一步地,步骤(2)中,求解多目标优化调度模型,所采用的求解方法为非支配排序遗传算法(NSGA-II);使用非支配排序遗传算法NSGA-II求解多目标优化调度模型,能够降低求解复杂度,有效提高计算速度。
进一步地,步骤(3)中,根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布,所采用的联合分布函数为Copula函数;利用Copula函数构建联合分布灵活,且计算简单。
进一步地,本发明所提供的基于互馈关系解析的梯级水库风险评估方法,还包括:
根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用综合风险评估模型,根据梯级水库中两个子系统的风险水平,评估其余子系统的风险水平。
进一步地,本发明所提供的基于互馈关系解析的梯级水库风险评估方法,还包括:
利用相关系数分别计算梯级水库的三个子系统中,每两个子系统之间的相关程度的量化值。
本发明利用相关性系数分别计算每两个子系统之间的相关程度的量化值,能够定量刻画水资源耦合互馈系统(即梯级水库)供水-发电-环境互馈协变关系。
进一步地,本发明所提供的基于互馈关系解析的梯级水库风险评估方法,还包括:对于任意两个子系统,根据它们之间的相关程度的量化值所属的区间,判断这两个子系统之间的相关水平。
本发明根据两个子系统间相关程度量化值所属的区间,判断其相关水平,能够实现相关性的等级划分,更为直观清晰地反映子系统间的相关性。
按照本发明的另一个方面,提供了一种基于互馈关系解析的梯级水库风险评估系统,包括:多目标优化调度模型建立模块、风险因子获取模块、联合分布建立模块以及综合风险评估模型建立模块;
多目标优化调度模型建立模块,用于以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
风险因子获取模块,用于求解多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算梯级水库中供水子系统、发电子系统和环境子系统的风险因子;风险因子用于表征子系统的风险水平;
联合分布建立模块,用于对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布;
综合风险评估模型建立模块,用于根据多维时空联合分布,利用条件熵建立梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数。
进一步地,本发明所提供的基于互馈关系解析的梯级水库风险评估系统,还包括:风险评估模块;
风险评估模块,用于根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用综合风险评估模型,根据梯级水库中两个子系统的风险水平,评估其余子系统的风险水平。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明针对复杂水资源耦合互馈系统,游梯级水库多目标优化调度模型,从多个调度参数中识别提取表征水资源各子系统的风险因子,并构建三个子系统的风险因子多维时空联合分布,采用条件熵建立流域水资源复杂耦合系统互馈关系解析及综合风险评估模型,能够定量评估互馈协变关系下水资源系统综合风险,为流域供水-发电-环境耦合互馈水资源系统径流适应性利用提供科学指导,促进水资源系统优化配置。
(2)本发明利用相关性系数分别计算每两个子系统之间的相关程度的量化值,能够定量刻画水资源耦合互馈系统(即梯级水库)供水-发电-环境互馈协变关系。
附图说明
图1为本发明实施例提供的基于互馈关系解析的梯级水库风险评估方法示意图;
图2为本发明实施例提供的长江上游梯级水库调度过程中三峡水库条件熵示意图;其中,(a)为供水期供水的条件熵,(b)为汛期供水的条件熵。
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。
在本发明中,本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
为定量评估供水-发电-环境互馈协变作用下水资源系统的综合风险,本发明提供的基于互馈关系解析的梯级水库风险评估方法,如图1所示,包括如下步骤:
(1)以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
可选地,在建立多目标优化调度模型时,调度参数包括:供水流量、水库每个时刻的发电量,水库每个时刻的下泄流量;
(2)求解多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算梯级水库中供水子系统、发电子系统和环境子系统的风险因子;风险因子用于表征子系统的风险水平;
可选地,步骤(2)中,求解多目标优化调度模型,所采用的求解方法为非支配排序遗传算法(NSGA-II);使用非支配排序遗传算法NSGA-II求解多目标优化调度模型,能够降低求解复杂度,有效提高计算速度;应当说明的是,此处仅为本发明的一种优选实施方式,不应理解为对本发明的唯一限定,其他多目标调度模型求解方法同样可以适用于本发明;
在本实施例中,梯级水库中,供水子系统的风险因子为梯级水库上游区间河道外供水流量,具体为年尺度下的平均供水流量;
发电子系统的风险因子为梯级水库对应水电站的水力发电量,具体为年尺度下的各时段发电量的总和;
环境子系统的风险因子为梯级水库下游区间河道内生态流量变异系数,具体为水库下泄流量与自然流量的差值与自然流量的比值;
(3)对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布;
建立子系统的风险因子的边缘分布时,利用水文统计学常用的分布函数对样本点进行拟合,并检验筛选不同风险因子的适应性分布函数即可,风险因子的边缘分布可以刻画水资源系统各子系统随机分布规律;
可选地,步骤(3)中,根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布,所采用的联合分布函数为Copula函数;利用Copula函数构建联合分布灵活,且计算简单;同样地,此处描述仅为本发明的一种优选实施方式,不应理解为对本发明的唯一限定,其他联合分布函数同样可以适用于本发明;
(4)根据多维时空联合分布,利用条件熵建立梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数;其具体取值可根据实际的计算速度、拟合精度等要求设定,在本实施例中,N=100。
在本实施例中,步骤(4)中,所建立的综合风险评估模型具体为:
其中,U1、U2和U3分别表示第一子系统、第二子系统和第三子系统的保证率,u1、u2和u3分别表示保证率U1、U2和U3所对应的变量;E(U1|U2=u2,U3=u3)表示第二系统和第三系统的保证率分别为u2和u3的情况下,第一子系统的保证率达到u1以上的条件熵,用于表征第一子系统的风险;X1、X2和X3分别表示第一子系统、第二子系统和第三子系统的风险因子,x1、x2和x3分别表示风险因子X1、X2和X3所对应的变量;ui=F(xi),F(xi)表示第i子系统的风险因子的边缘分布,F-1(u1)表示第一子系统的风险因子的边缘分布的反函数,f()表示概率密度函数;F(xi,xj)表示第i子系统和第j子系统的风险因子的联合分布,F(x1,x2,x3)表示三个子系统的风险因子的联合分布;C(ui,uj)=F(xi,xj)表示第i子系统和第j子系统的保证率的联合分布;C(u1,u2,u3)=F(x1,x2,x3)表示三个子系统的保证率的联合分布;第一子系统、第二子系统和第三子系统分别表示梯级水库中的三个子系统;u1(0)表示随机变量取值小于0的概率;i,j∈{1,2,3},且i≠j;基于xi和ui之间的关系,上述综合风险评估模型亦可表示为如下形式:
条件熵是随机变量不确定性的度量,本发明采用上述模型计算条件熵,能够反映某两个子系统一定风险水平下,另一子系统的风险水平。
上述基于互馈关系解析的梯级水库风险评估方法,针对复杂水资源耦合互馈系统,游梯级水库多目标优化调度模型,从多个调度参数中识别提取表征水资源各子系统的风险因子,并构建三个子系统的风险因子多维时空联合分布,采用条件熵建立流域水资源复杂耦合系统互馈关系解析及综合风险评估模型,能够定量评估互馈协变关系下水资源系统综合风险,为流域供水-发电-环境耦合互馈水资源系统径流适应性利用提供科学指导,促进水资源系统优化配置。
为了利用所建立的综合风险评估模型定量评估互馈协变关系下水资源系统综合风险,上述基于互馈关系解析的梯级水库风险评估方法,还包括:
根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用综合风险评估模型,根据梯级水库中两个子系统的风险水平,评估其余子系统的风险水平。
为了进一步定量刻画水资源耦合互馈系统供水-发电-环境互馈协变关系,上述基于互馈关系解析的梯级水库风险评估方法,还可包括:
利用相关系数分别计算梯级水库的三个子系统中,每两个子系统之间的相关程度的量化值;具体采用的相关系数可以是皮尔逊相关系数、斯皮尔曼相关性系数、肯德尔相关性系数等;
在获得每两个子系统之间的相关程度的量化值的基础上,对于任意两个子系统,还可以根据它们之间的相关程度的量化值所属的区间,判断这两个子系统之间的相关水平;例如,分别计算梯级水库供水-发电、发电-环境、环境-供水皮尔逊相关系数,皮尔逊相关系数绝对值在0~0.3区间,表现为低度相关;在0.3~0.7区间,表现为中度相关;在0.7~1.0区间,表现为高度相关。
本发明还提供了一种基于互馈关系解析的梯级水库风险评估系统,包括:多目标优化调度模型建立模块、风险因子获取模块、联合分布建立模块以及综合风险评估模型建立模块;
多目标优化调度模型建立模块,用于以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
风险因子获取模块,用于求解多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算梯级水库中供水子系统、发电子系统和环境子系统的风险因子;风险因子用于表征子系统的风险水平;
联合分布建立模块,用于对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期梯级水库的多维风险因子的多维时空联合分布;
综合风险评估模型建立模块,用于根据多维时空联合分布,利用条件熵建立梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数;
上述基于互馈关系解析的梯级水库风险评估系统,进一步可以包括风险评估模块;
风险评估模块,用于根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用综合风险评估模型,根据梯级水库中两个子系统的风险水平,评估其余子系统的风险水平;
在本发明实施例中,各模块的具体实施方式可参考上述方法实施例中的描述,在此将不再复述。
应用实例
以长江上游溪洛渡-向家坝-三峡梯级水库为研究对象,建立供水目标为水库上游区间河道外供水量最大,发电目标为水库对应水电站水力发电量最大,环境目标为水库下游区间河道内生态流量变异程度最小的梯级水库多目标优化调度模型,采用非支配排序遗传算法NSGA-II求解模型,从多个调度参数中识别提取表征水资源供水、发电、环境子系统的风险因子,分别用W、E、ε表示。
表1梯级水库供水、发电、环境相关关系
采用皮尔逊相关系数对流域水资源各子系统进行相关性解析,如表1所示。由表1可知,无论时间上,还是空间上供水流量与发电量呈现较弱负相关性,供水流量与生态流量变异系数也呈现较弱负相关性,而发电量和生态流量变异系数呈现较强正相关性。从物理成因解释,上游供水量增大,即取水量增大,导致能够用于发电的流量会相应减小,因此,供水和发电在任何时期都是负相关,呈现负相关关系。发电量和生态流量变异系数呈现正相关态势,原因在于无论是供水期还是汛期,水轮机下泄流量增大会带来发电量的增加,导致自然径流改变系数增加,因此二者呈现正相关,存在相互促进关系。
以第一子系统、第二子系统和第三子系统分别对应表示梯级水库中的供水子系统、发电子系统以及环境子系统,利用上述基于互馈关系解析的梯级水库风险评估方法所建立的综合风险评估模型计算三峡供水期和汛期供水条件熵,结果如图2和表2所示。以优先保障水库上游供水量为例展开研究,设置发电保证率u2=0.1,0.2,…,0.9和环境保证率u3=0.05,0.1,…,0.95,推求随环境保证率变化时供水条件熵E(U1|U2=u2,U3=u3),熵值越小表明供水风险越小。供水期和汛期结果如图2所示。
供水期,从图2中的(a)可知,当环境保证率u3在[0.2,0.8]变化时,可通过水库控泄使发电保证率u2满足Ec(U1|U2=u2,U3=u3)最小为0.0011,意味着水库上游供水风险最小时,电站发电量和下游区间河流自然径流改变系数存在多组解,如表2所示。由表2可知,当供水风险最小时,环境保证率u3随发电保证率u2升高而降低,表明供水期发电和环境呈竞争关系,且当发电和环境保证率同时处于较低或较高水平时,供水风险较大。为保障水资源系统风险最小,可适当增加供水风险以提高发电和环境保证率,如图2中的(a)所示,供水条件熵为0.017时,发电和环境保证率可同时达到(0.80,0.70)。汛期分析方法与供水期类似,如图2中的(b)所示,汛期供水风险E(U1|U2=u2,U3=u3)最小时,环境保证率u3变化区间为[0.15,0.85],环境保证率u3随发电保证率u2升高而升高,表明汛期发电和环境呈协同关系。表2给出了发电保证率u2和环境保证率u3多种组合。当E(U1|U2=u2,U3=u3)=0.064时,发电和环境均能维持在较高的保证率水平(0.90,0.85),此时系统水资源利用率较高且风险最小。由此可见,无论供水期还是汛期在优先保障供水的情况下,水资源系统均可维持在较低风险水平。
表2三峡供水-发电-环境系统条件熵及保证率组合
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 (9)
1.一种基于互馈关系解析的梯级水库风险评估方法,其特征在于,包括如下步骤:
(1)以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
(2)求解所述多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算所述梯级水库中供水子系统、发电子系统和环境子系统的风险因子;
风险因子用于表征子系统的风险水平;
(3)对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期所述梯级水库的多维风险因子的多维时空联合分布;
(4)根据所述多维时空联合分布,利用条件熵建立所述梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数;
所述步骤(4)中,所建立的所述综合风险评估模型为:
其中,U1、U2和U3分别表示第一子系统、第二子系统和第三子系统的保证率,u1、u2和u3分别表示保证率U1、U2和U3所对应的变量;E(U1|U2=u2,U3=u3)表示第二系统和第三系统的保证率分别为u2和u3的情况下,第一子系统的保证率达到u1以上的条件熵,用于表征第一子系统的风险;X1、X2和X3分别表示第一子系统、第二子系统和第三子系统的风险因子,x1、x2和x3分别表示风险因子X1、X2和X3所对应的变量;ui=F(xi),F(xi)表示第i子系统的风险因子的边缘分布,F-1(u1)表示第一子系统的风险因子的边缘分布的反函数,f()表示概率密度函数;F(xi,xj)表示第i子系统和第j子系统的风险因子的联合分布,F(x1,x2,x3)表示三个子系统的风险因子的联合分布;C(ui,uj)表示第i子系统和第j子系统的保证率的联合分布,C(u1,u2,u3)表示三个子系统的保证率的联合分布,C(u1,u2,u3)=F(x1,x2,x3);第一子系统、第二子系统和第三子系统分别表示梯级水库中的三个子系统;u1(0)表示随机变量取值小于0的概率;i,j∈{1,2,3},且i≠j。
2.如权利要求1所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,所述梯级水库中,供水子系统的风险因子为所述梯级水库上游区间河道外供水流量,发电子系统的风险因子为所述梯级水库对应水电站的水力发电量,环境子系统的风险因子为所述梯级水库下游区间河道内生态流量变异系数。
3.如权利要求1所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,所述步骤(2)中,求解所述多目标优化调度模型,所采用的求解方法为非支配排序遗传算法。
4.如权利要求1所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,所述步骤(3)中,根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期所述梯级水库的多维风险因子的多维时空联合分布,所采用的联合分布函数为Copula函数。
5.如权利要求1-4任一项所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,还包括:
根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用所述综合风险评估模型,根据所述梯级水库中两个子系统的风险水平,评估其余子系统的风险水平。
6.如权利要求1-4任一项所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,还包括:
利用相关系数分别计算所述梯级水库的三个子系统中,每两个子系统之间的相关程度的量化值。
7.如权利要求6所述的基于互馈关系解析的梯级水库风险评估方法,其特征在于,还包括:对于任意两个子系统,根据它们之间的相关程度的量化值所属的区间,判断这两个子系统之间的相关水平。
8.一种基于互馈关系解析的梯级水库风险评估系统,其特征在于,包括:多目标优化调度模型建立模块、风险因子获取模块、联合分布建立模块以及综合风险评估模型建立模块;
所述多目标优化调度模型建立模块,用于以水库上游区间河道外供水量最大、水库对应水电站水力发电量最大以及水库下游区间河道内生态流量变异程度最小为目标,以水量平衡约束和边界约束为约束条件,建立梯级水库的多目标优化调度模型;
所述风险因子获取模块,用于求解所述多目标优化调度模型,得到非劣解集,并从中选取N个解,利用每一个解中的参数分别计算所述梯级水库中供水子系统、发电子系统和环境子系统的风险因子;风险因子用于表征子系统的风险水平;
所述联合分布建立模块,用于对于每一个子系统,以每一个解所对应的风险因子为样本点,建立对应子系统的风险因子的边缘分布,并根据三个子系统的风险因子的边缘分布,分别构建供水期和汛期所述梯级水库的多维风险因子的多维时空联合分布;
所述综合风险评估模型建立模块,用于根据所述多维时空联合分布,利用条件熵建立所述梯级水库的综合风险评估模型,用于定量评估供水子系统、发电子系统和环境子系统互馈协变作用下的梯级水库的综合风险;
其中,N为正整数;
所述综合风险评估模型建立模块所建立的所述综合风险评估模型为:
其中,U1、U2和U3分别表示第一子系统、第二子系统和第三子系统的保证率,u1、u2和u3分别表示保证率U1、U2和U3所对应的变量;E(U1|U2=u2,U3=u3)表示第二系统和第三系统的保证率分别为u2和u3的情况下,第一子系统的保证率达到u1以上的条件熵,用于表征第一子系统的风险;X1、X2和X3分别表示第一子系统、第二子系统和第三子系统的风险因子,x1、x2和x3分别表示风险因子X1、X2和X3所对应的变量;ui=F(xi),F(xi)表示第i子系统的风险因子的边缘分布,F-1(u1)表示第一子系统的风险因子的边缘分布的反函数,f()表示概率密度函数;F(xi,xj)表示第i子系统和第j子系统的风险因子的联合分布,F(x1,x2,x3)表示三个子系统的风险因子的联合分布;C(ui,uj)表示第i子系统和第j子系统的保证率的联合分布,C(u1,u2,u3)表示三个子系统的保证率的联合分布,C(u1,u2,u3)=F(x1,x2,x3);第一子系统、第二子系统和第三子系统分别表示梯级水库中的三个子系统;u1(0)表示随机变量取值小于0的概率;i,j∈{1,2,3},且i≠j。
9.如权利要求8所述的基于互馈关系解析的梯级水库风险评估系统,其特征在于,还包括:风险评估模块;
所述风险评估模块,用于根据梯级水库处于供水期还是汛期,确定相应的综合风险评估模型后,利用所述综合风险评估模型,根据所述梯级水库中两个子系统的风险水平,评估其余子系统的风险水平。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232888.7A CN111461421B (zh) | 2020-03-28 | 2020-03-28 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
PCT/CN2020/119824 WO2021196552A1 (zh) | 2020-03-28 | 2020-10-06 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232888.7A CN111461421B (zh) | 2020-03-28 | 2020-03-28 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461421A CN111461421A (zh) | 2020-07-28 |
CN111461421B true CN111461421B (zh) | 2021-02-09 |
Family
ID=71684996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010232888.7A Active CN111461421B (zh) | 2020-03-28 | 2020-03-28 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111461421B (zh) |
WO (1) | WO2021196552A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461421B (zh) * | 2020-03-28 | 2021-02-09 | 华中科技大学 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
CN114117956B (zh) * | 2021-11-17 | 2024-04-09 | 武汉大学 | 梯级水库汛期运行水位协同浮动的运用方法 |
CN113869804B (zh) * | 2021-12-02 | 2022-06-14 | 国网江西省电力有限公司电力科学研究院 | 一种洪涝灾害下的电网设备风险预警方法及系统 |
CN115034442B (zh) * | 2022-05-20 | 2024-04-05 | 武汉大学 | 面向温室气体净通量管控的梯级水库提前蓄水调度方法及系统 |
CN114971295B (zh) * | 2022-05-26 | 2023-09-05 | 中国长江三峡集团有限公司 | 改善通江湖泊候鸟栖息地生境的水库调度方法及系统 |
CN114881544B (zh) * | 2022-07-07 | 2022-09-30 | 中国长江三峡集团有限公司 | 一种水库流量调控方法、装置、电子设备及存储介质 |
CN115063020B (zh) * | 2022-07-07 | 2023-07-11 | 中国长江三峡集团有限公司 | 基于风险监测融合的梯级水电站多维安全调度装置及方法 |
CN115239117A (zh) * | 2022-07-18 | 2022-10-25 | 潘时娴 | 基于多目标优化的分类与特征选择方法 |
CN115276105B (zh) * | 2022-09-26 | 2022-12-27 | 国网浙江省电力有限公司宁海县供电公司 | 一种光伏准入容量规划与多能互补的分布式能源管理方法 |
CN115952577B (zh) * | 2022-12-06 | 2023-07-25 | 中国水利水电科学研究院 | 一种梯级水库群溃决风险分析方法 |
CN115860478B (zh) * | 2022-12-16 | 2023-07-11 | 中国水利水电科学研究院 | 一种梯级水电枢纽群可能最大灾难的分析方法 |
CN116090839B (zh) * | 2023-04-07 | 2023-06-16 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源耦合系统多重风险分析与评估方法及系统 |
CN116502880B (zh) * | 2023-06-29 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种考虑湖泊水质动态响应的水库生态调度方法及装置 |
CN117132066A (zh) * | 2023-08-31 | 2023-11-28 | 珠江水利委员会珠江水利科学研究院 | 一种复杂河网区的水安全协同调控方法及系统 |
CN116882718B (zh) * | 2023-09-08 | 2023-12-01 | 湖南大学 | 高温干旱天气下配电网和流域网灵活性资源聚合调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110717838A (zh) * | 2019-09-06 | 2020-01-21 | 四川大学 | 一种梯级电站多目标调度评价体系指标构建及等级划分方法 |
CN110851977A (zh) * | 2019-11-06 | 2020-02-28 | 武汉大学 | 基于生态流量的供水-发电-生态多目标调度图优化方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951985B (zh) * | 2017-03-06 | 2021-06-25 | 河海大学 | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 |
CN107392460A (zh) * | 2017-07-17 | 2017-11-24 | 华北电力大学 | 一种水库群多目标调度风险分析最佳均衡解的获取方法 |
AR109623A1 (es) * | 2018-02-16 | 2019-01-09 | Pescarmona Enrique Menotti | Proceso y sistema de análisis y gestión hidrológica para cuencas |
CN108695902B (zh) * | 2018-05-08 | 2020-02-21 | 华中科技大学 | 一种梯级水库群生态-发电动态互馈调控方法 |
CN110322123A (zh) * | 2019-06-13 | 2019-10-11 | 华中科技大学 | 一种梯级水库群联合调度的多目标优化方法和系统 |
CN111461421B (zh) * | 2020-03-28 | 2021-02-09 | 华中科技大学 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
-
2020
- 2020-03-28 CN CN202010232888.7A patent/CN111461421B/zh active Active
- 2020-10-06 WO PCT/CN2020/119824 patent/WO2021196552A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110717838A (zh) * | 2019-09-06 | 2020-01-21 | 四川大学 | 一种梯级电站多目标调度评价体系指标构建及等级划分方法 |
CN110851977A (zh) * | 2019-11-06 | 2020-02-28 | 武汉大学 | 基于生态流量的供水-发电-生态多目标调度图优化方法 |
Non-Patent Citations (6)
Title |
---|
Development of an Optimal Model for the Xiluodu-Xiangjiaba Cascade Reservoir System Considering the Downstream Environmental Flow;Dai, Lingquan;《SUSTAINABILITY》;20200228;第12卷(第3期);全文 * |
Ecology and Water Supply Based Multi-objective Optimal Dispatch Model and Its Case Study in Yangtze basin;Jianzhong Zhou;《International Journal of Modeling and Optimization》;20150630;第5卷(第3期);全文 * |
Multi-Objective Optimal Scheduling Model of Dynamic Control of Flood Limit Water Level for Cascade Reservoirs;Liu, Guanjun;《WATER》;20190930;第11卷(第9期);全文 * |
基于结构方程模型的水库多目标互馈关系研究;王丽萍;《水力发电学报》;20191030;第38卷(第10期);全文 * |
水库群联合防洪优化调度与河道洪水演进模型研究;胡杰;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;20190615(第6期);全文 * |
长江上游水库群多目标优化调度模型及应用研究;黄草;《水利学报》;20140930;第45卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021196552A1 (zh) | 2021-10-07 |
CN111461421A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461421B (zh) | 一种基于互馈关系解析的梯级水库风险评估方法及系统 | |
Niu et al. | A combined model based on data preprocessing strategy and multi-objective optimization algorithm for short-term wind speed forecasting | |
CN113572206B (zh) | 一种风电出力区间预测方法 | |
CN111160430A (zh) | 一种基于人工智能算法的水资源优化配置方法 | |
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 | |
Wang et al. | Wind power forecasting based on time series ARMA model | |
CN111898828A (zh) | 一种基于极限学习机的水力发电预测方法 | |
CN113205207A (zh) | 一种基于XGBoost算法的用电短期负荷波动预测方法及系统 | |
CN112184479B (zh) | 一种水库群调度规则型式和参数对气候变化的适应性研究方法 | |
CN117035201B (zh) | 平原河网水工程集群多目标调度规则制定方法及系统 | |
CN110380444A (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
CN113468790B (zh) | 一种基于改进粒子群算法的风速特征模拟方法及系统 | |
CN111080157A (zh) | 一种梯级水电站排磷量的调度方法和系统 | |
Liao et al. | Ultra-short-term interval prediction of wind power based on graph neural network and improved bootstrap technique | |
CN115099511A (zh) | 基于优化copula的光伏功率概率估计方法及系统 | |
CN109376937B (zh) | 基于集合经验模态分解的自适应调度期末水位预测方法 | |
CN113078677B (zh) | 一种考虑可再生能源不确定性的能源消耗量风险排除方法 | |
KEREM et al. | Multi-step forward forecasting of electrical power generation in lignite-fired thermal power plant | |
CN102013050A (zh) | 一种污水流量变化模式辨识的mcmc方法 | |
Momani et al. | Short-term load forecasting based on NARX and radial basis neural networks approaches for the Jordanian power grid | |
Bo et al. | Research of Typical Line Loss Rate in Transformer District Based on Data-Driven Method | |
CN109934367A (zh) | 一种计及分布式光伏装机容量不确定性的电网中长期负荷预测方法 | |
Luo et al. | Research on prediction of photovoltaic power generation probability interval based on Gaussian mixture model | |
Zhang et al. | Research on the prediction of solar energy generation based on measured environmental data | |
Istrate et al. | Energy consumption estimation in water distribution systems using fuzzy techniques |
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 |