CN112287301B - 一种基于全球水文模型的全球尺度水力发电能力的评估方法 - Google Patents

一种基于全球水文模型的全球尺度水力发电能力的评估方法 Download PDF

Info

Publication number
CN112287301B
CN112287301B CN202011176345.4A CN202011176345A CN112287301B CN 112287301 B CN112287301 B CN 112287301B CN 202011176345 A CN202011176345 A CN 202011176345A CN 112287301 B CN112287301 B CN 112287301B
Authority
CN
China
Prior art keywords
global
hydropower station
hydropower
station
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
Application number
CN202011176345.4A
Other languages
English (en)
Other versions
CN112287301A (zh
Inventor
万文华
刘悦忆
管静
郑航
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.)
Dongguan University of Technology
Original Assignee
Dongguan University of 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 Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN202011176345.4A priority Critical patent/CN112287301B/zh
Publication of CN112287301A publication Critical patent/CN112287301A/zh
Application granted granted Critical
Publication of CN112287301B publication Critical patent/CN112287301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于全球水文模型的全球尺度水力发电能力的评估方法，所述方法包括搜集水电站信息，搭建全球水电站数据库；与全球水文模型的内嵌水库的特征信息比较，获取水电站水库库容序列；提取全球水文模型模拟的坝址处径流序列；确定水电站发电流量；根据水电站大坝坝高、最大水头和水库库容，计算水电站发电水头；模拟全球水力发电产量。本发明方法克服了传统水电模拟对电站详尽特征数据的依赖，仅基于水电站数据库和水文模型，即可估算水电站的发电流量和发电水头，进而模拟和评估全球尺度的水力发电量。本方法可应用于评估气候变化对水电能源的潜在影响，也可耦合气象遥感数据实现全球水电产量的动态监测和预测。

Description

一种基于全球水文模型的全球尺度水力发电能力的评估方法
技术领域
本发明涉及水电能源领域，具体涉及一种基于全球水文模型的全球尺度水力发电能力的评估方法。
背景技术
水能资源指水体动能、势能和压力能等能量资源，利用流动的天然河流和水位落差产生能量。水能作为一种可再生清洁能源，是目前世界上广泛使用的主要能源之一，其每千瓦发电量带来的温室气体排放量远小于化石燃料发电所产生的排放量(IHA,2018)。1973年，全球水电产量为1296TWh；2016年，该值持续攀升至4170TWh，水力发电占所有可再生能源发电量的67.1％；仅2017年，水电装机容量就攀升了1.7％，其中我国占比接近50％。
尽管水力发电是目前人类社会应用最为广泛的可再生能源，但描述水电站的全球空间分布和基本属性的数据库还很不完整。水电站数据库与水文模型耦合可评估水力发电量，但是相关模型研究还比较缺乏。以往大多数研究局限于流域或区域尺度的水力发电量模拟，主要基于完备的水电站的特征数据，如我国的金沙江(徐斌等,2018)、清江(刘心愿等,2009)、乌江(张双虎,2007)。全球尺度的水力发电量评估由于缺乏水电站特征数据和水文气象序列，相关研究难以展开。
缺少全球水电站数据库及全球水力发电模型，无法开展气候变化对水电能源潜在影响的详细分析，也阻碍了多源遥感数据在全球水电能源监测方面的应用。鉴于此，有必要提出一种评估全球尺度水力发电能力的模型方法。
发明内容
本发明为克服现有技术所述的缺陷和不足，提供了一致水电站数据依赖性低的全球尺度水力发电量模拟方法。
本发明的技术方案如下：
一种基于全球水文模型的全球尺度水力发电能力的评估方法，搭建全球水电站数据库，并通过水电站与全球水文模型的空间匹配，计算水电站的发电流量和发电水头，实现准确评估全球尺度水力发电能力。具体包括以下步骤：
S1.搜集全球各地水电站数据资料，搭建全球水电站数据库，主要属性包括水电站空间地理位置、装机容量Ninstalled、投产年份；
S2.将数据库中的水电站数据与全球水文模型中的水库模块相比较，获取水电站水库空间地理位置、最大库容Smax、模拟的库容St和出流Qt,out的序列，其中t为时间；
S3.将数据库中水电站地理位置与全球水文模型的空间格点进行匹配，提取全球水文模型模拟的网格单元坝址处径流序列Qt；
S4.根据水库出流和坝址径流，确定各水电站的发电流量Qt,turb，其中t为水电站投产之后的时间；
S5.根据数据库中的水电站大坝坝高Hdam、最大水头Hmax、水库最大库容Smax和库容Dt数据，计算各水电站的发电水头Ht；
S6.根据数据库中水电站装机容量Ninstalled，确定水电站综合出力系数η，结合发电流量Qt,turb和发电水头Ht，利用水力发电基本方程模拟全球水力发电量HPt。
进一步，所述水电站数据来源为公开数据库和各种分散的网络数据，对各数据源信息进行匹配整合，对于无法获知装机容量信息的水电站，其值采用以坝高为底的指数曲线估算，并根据各国总装机容量的统计数据，对各国的估计值同比例进行缩放。
进一步，所述全球水电站数据库中水电站水库若同时为全球水文模型中显性模拟的水库电站，则需调整水电站经纬度，使其与水文模型的水库所在空间格点一致。
进一步，所述全球水电站数据库与全球水文模型空间匹配，具体为将数据库中每座电站均放置在空间网格单元上；通过水库上游控制流域面积和河流上下游拓扑关系，与全球河网图相匹配，建立数据库中所有水电站与全球水文模型的空间联系，提取全球水文模型模拟的坝址处径流序列Qt，并计算得到长期径流最大值和最小值。
同时，基于高精度全球数字高程图，计算得到各水电站沿河网向下游相邻格点的水面高程差Hele，用相邻两格点的平均高程之差表示：
Hele＝ΔLmean
若水电站所在格点为洼地，水面高程差记为该格点的平均高程与最低高程之差：
Hele＝Lmean-Lmin
进一步，所述水电站发电流量Qt,turb等于水电站所在全球水文模型网格单元的模拟径流序列，对于水文模型显性模拟的水库电站，Qt,turb等于模拟的水库出流序列。
进一步，所述时间t为水电站投产之后的运行时间，若水电站还未建成或已退役，则发电流量Qt,turb为零。
进一步，所述水电站发电水头计算，具体分为两步，第一步，计算电站的最大水头Hmax。若Hmax字段在全球水电站数据库中已收录，则直接使用；若Hmax缺失，但坝/堰高Hdam已知，考虑到一般大坝的超高为坝高的4-5％，假设下游尾水位相对坝址有相同的高度，则水库最大水头可按下式计算所得：
Hmax＝0.92Hdam
如果该电站即无Hmax也无Hdam数据，则建立多元线性回归模型估算水库坝高Hdam。该线性回归模型自变量为电站的装机容量、水面高程差、坝址处模拟的长期径流最大值和最小值，公式如下：
Hdam＝aNinstalled+bHele+cQmax+dQmin
式中，回归参数a，b，c，d通过最小二乘法估计。同时限制估算的坝高不得低于2m，对于装机低于100MW的电站，估算的坝高不得高于200m。
第二步，建立发电水头与最大水头Hmax的关系。对于水文模型显性模拟的水库电站，假设发电水头与库容存在下面的函数关系：
Figure BDA0002748776780000031
式中，St为水文模型模拟的水库库容过程，Smax为最大库容，β为回归参数。对于其余水电站，假定水头恒定，计算公式如下：
Ht＝γHmax
式中，γ为水头削减参数。
进一步，所述水力发电量为过水轮机的断面流量、水库水面与水轮机出水面水位差(水头)、电站装机容量的函数，计算公式如下：
HPt＝min(ηQt,turbHt,Ninstalled)·Δt
式中，Δt为模拟的时间步长，η为水电站综合出力系数，对于大型水电站装机容量Ninstalled≥30MW的大型电站，令η＝8.5，若小于30MW，则令η＝8.0。
随着水电站投产/退役和发电流量、发电水头的变化，可以模拟和评估全球各水电站不同时间段的发电能力。
与现有技术相比，本发明技术方案的有益效果是：
(1)基于多数据源搭建全球水电站数据库。通过多数据源信息匹配，该数据库中水电站空间定位更为准确、装机容量覆盖度更高，避免了基于单一数据来源的输入误差，可以满足一般性科研及商业需求。
(2)提出耦合全球水文模型的水电站发电流量和发电水头估算方法。本发明克服了传统水电模拟对电站详细特征数据的依赖，仅基于数据库基本属性和全球水文模型模拟结果，即可实现全球发电量的模拟评估。
(3)可以有效模拟各国及地区的水力发电量及其随时间的变化。不仅克服了过去只能计算流域尺度发电量的缺陷，还可以展现历史长时间序列内的水力发电能力发展历程，为下一步应用于气候变化研究和水电能源监测和预测提供有效工具。
附图说明
图1为本发明的方法流程图；
图2为本发明的水电站发电量计算流程图；
图3为本发明的实施例中全球水电站数据库中各国水电装机容量与EIA统计数据比较；
图4为本发明的实施例中美国每月水电站发电模拟序列与EIA统计数据比较；
图5为本发明的实施例中全球六大分区水力发电模拟序列与EIA统计数据比较。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此，限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例
如图2所示，本发明的全球水力发电能力评估方法，包括以下步骤：
S1.搜集全球各地水电站数据资料，可以目前公开的水库能源类数据库为主，如世界电厂数据库(https://datasource.kapsarc.org/)、全球电厂数据库(http://datasets.wri.org/)、全球水库大坝数据库(GRanD，http://globaldamwatch.org/data/)；除此之外，还可从各种分散的数据源搜集并完善水电站记录及其基本信息，例如百度百科、维基百科等HTML数据源、联合国粮农组织统计数据库(http://www.fao.org/)、清洁发展机制项目及期刊论文等。
对各数据源信息进行匹配整合，可得到全球多国的较为完备的水电站及其基本属性列表，对于其中无法搜集到装机容量值的水电站，采用以坝高为底的指数曲线进行估算，并根据各国总装机容量的统计数据(https://www.hydropower.org/)，对同一国家的装机容量估计值进行同比例缩放。从而搭建全球水电站数据库，所有水电站均收录空间地理位置、装机容量Ninstalled和投产年份等属性。
本实施例中的水电站数据库共整理得到全球134个国家的8748座水电站记录，2016年(含)之前投入运营的所有水电站，总装机容量为1.147TW，覆盖了全球91％的总装机容量。图3为数据库中收录的各国水电装机容量与美国能源信息署EIA统计数据的比较，各国的装机容量差异在10％或0.1GW以内。
S2.本发明采用的全球水文模型以全球水资源评估与预测WaterGAP模型(http://www.watergap.de/)为例，其空间网格为0.5°×0.5°，模型可模拟除南极洲以外全球大陆地区地表地下淡水通量、水存储量和人类的每日用水量。WateGAP基于GRanD水库大坝信息建立了调度模块，模拟了全球1109座大型水库的调度运行(
Figure BDA0002748776780000051
et al.,2009)，其中705座以水力发电为主要或次要调度目标。调整全球水电站数据库中这705座水库电站的空间地理位置使其与WaterGAP模型一致，获取WaterGAP模型模拟的水库库容St和出流Qt,out的时间序列。
S3.将数据库中水电站地理位置与WaterGAP模型的空间格点进行匹配，具体为将全球水电站数据库中所有水电站均放置在0.5°×0.5°(约55km×55km赤道地区)的网格单元上；通过水库上游控制流域面积和河流上下游拓扑关系，与全球河网图DDM30(https://www.uni-frankfurt.de/45218101/DDM30)相匹配，提取WaterGAP模型模拟的各电站坝址处径流序列Qt，并计算得到长期径流最大值Qmax和最小值Qmin。
同时，基于数据库HydroSHEDS(http://hydrosheds.cr.usgs.gov/)全球数字高程图，计算得到各水电站沿DDM30河网向下游相邻格点的水面高程差Hele，用该相邻格点的平均高程之差表示：
Hele＝ΔLmean
若水电站所在格点为洼地，水面高程差记为该格点的平均高程与最低高程之差：
Hele＝Lmean-Lmin
S4.计算水电站发电流量Qt,turb。该变量等于水电站所在全球水文模型网格单元的模拟径流序列Qt；对于水文模型显性模拟的705座水库电站，Qt,turb等于水库出流序列Qt,out。其中t为水电站投产之后的运行时间，若水电站还未建成或已退役，则发电流量Qt,turb为零。
S5.计算水电站发电水头。分为两步，首先计算电站的最大水头Hmax。若Hmax字段在全球水电站数据库中已收录，则直接使用；若Hmax缺失，但坝/堰高Hdam已知，考虑到一般大坝的超高为坝高的4-5％，假设下游尾水位相对坝址有相同的高度，则水库最大水头可按下式计算所得：
Hmax＝0.92Hdam
如果该电站即无Hmax也无Hdam数据，则建立多元线性回归模型估算水库坝高Hdam，该线性回归模型自变量为电站的装机容量、水面高程差、坝址处模拟的长期径流最大值和最小值，公式如下：
Hdam＝aNinstalled+bHele+cQmax+dQmin
式中，回归参数a，b，c，d通过最小二乘法估计。同时限制估算的坝高不得低于2m，对于装机低于100MW的电站，估算的坝高不得高于200m。
第二步，建立发电水头与最大水头Hmax的关系。对于WaterGAP模型显性模拟的705座水库电站，假设发电水头变量与库容存在下面的函数关系：
Figure BDA0002748776780000071
式中，St为水文模型模拟的水库库容过程，Smax为最大库容，参数β经回归分析取值0.9229。对于其余水电站，假定水头恒定，计算公式如下：
Ht＝γHmax
式中，水头削减参数γ经校准取值0.64。
S6.评估全球水力发电能力，水力发电量为过水轮机的断面流量、水库水面与水轮机出水面水位差(水头)、电站装机容量的函数，该变量计算公式如下：
HPt＝min(ηQt,turbHt,Ninstalled)·Δt
式中，Δt为模拟的时间步长，η为水电站综合出力系数，对于大型水电站装机容量Ninstalled≥30MW的大型电站，令η＝8.5，若小于30MW，则令η＝8.0。
随着水电站投产/退役和发电流量、发电水头的变化，可以模拟和评估全球各水电站不同时间段的发电能力。图4展示了模拟的美国每月发电过程，图5展示了全球六大分区的发电模拟结果，总体而言，本发明模拟的发电序列可以较好地反映实际水力发电量的年内年际波动和长期变化趋势。
以上实施例仅用以说明本发明的技术方案而非限制，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于，具体包括以下步骤：
S1.搜集全球各地水电站数据资料，搭建全球水电站数据库，属性包括水电站空间地理位置、装机容量Ninstalled、投产年份；
S2.将数据库中的水电站数据与全球水文模型中的水库模块相比较，获取水电站水库空间地理位置、最大库容Smax、模拟的库容St和出流Qt,out的序列，其中t为时间；
S3.将数据库中水电站地理位置与全球水文模型的空间格点进行匹配，提取全球水文模型模拟的网格单元坝址处径流序列Qt；
S4.根据水库出流和坝址径流，确定各水电站的发电流量Qt,turb，其中t为水电站投产之后的时间；
S5.根据数据库中的水电站大坝坝高Hdam、最大水头Hmax、水库最大库容Smax和库容St数据，计算各水电站的发电水头Ht；
其中水电站发电水头计算，具体分为两步，第一步，计算电站的最大水头Hmax；若Hmax字段在全球水电站数据库中已收录，则直接使用；若Nmax缺失，但坝/堰高Hdam已知，则水库最大水头按下式计算：
Hmax＝0.92Hdam
如果该电站既无Hmax也无Hdam数据，则建立多元线性回归模型估算水库坝高Hdam，该线性回归模型自变量为电站的装机容量Ninstalled、水面高程差Hele、坝址处模拟的长期径流最大值Qmax和最小值Qmin，公式如下：
Hdam＝aNinstalled+bHele+cQmax+dQmin
式中，回归参数a，b，c，d通过最小二乘法估计，同时限制估算的坝高不得低于2m，对于装机低于100MW的电站，估算的坝高不得高于200m；
第二步，建立发电水头与最大水头Hmax的关系；对于水文模型显性模拟的水库电站，假设发电水头与库容存在下面的函数关系：
Figure FDA0003547655840000011
式中，St为水文模型模拟的水库库容过程，Smax为最大库容，β为回归参数；对于其余水电站，假定水头恒定，计算公式如下：
Ht＝γHmax
式中，γ为水头削减参数；
S6.根据数据库中水电站装机容量Ninstalled，确定水电站综合出力系数η，结合发电流量Qt,turb和发电水头Ht，利用水力发电基本方程模拟全球水力发电量HPt，步骤S6的水力发电量为过水轮机的断面流量、水库水面与水轮机出水面水头、电站装机容量的函数，计算公式如下：
HPt＝min(ηQt,turbHt,Ninstalled)·Δt
式中，Δt为模拟的时间步长，η为水电站综合出力系数，对于大型水电站装机容量Ninstalled≥30MW的大型电站，令η＝8.5，若小于30MW，则令η＝8.0；
随着水电站投产/退役和发电流量、发电水头的变化，模拟和评估全球各水电站不同时间段的发电能力。
2.根据权利要求1所述的一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于：步骤S1中水电站数据来源为公开数据库和各种分散的网络数据，对各数据源信息进行匹配整合，对于无法获知装机容量信息的水电站，其值采用以坝高为底的指数曲线估算，并根据各国总装机容量的统计数据，对各国的估计值同比例进行缩放。
3.根据权利要求1所述的一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于：步骤S2中全球水电站数据库中水电站水库若同时为全球水文模型中显性模拟的水库电站，则需调整水电站经纬度，使其与水文模型的水库所在空间格点一致。
4.根据权利要求1所述的一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于：步骤S3中全球水电站数据库与全球水文模型空间匹配，具体为将数据库中每座电站均放置在空间网格单元上；通过水库上游控制流域面积和河流上下游拓扑关系，与全球河网图相匹配，建立数据库中所有水电站与全球水文模型的空间联系，提取全球水文模型模拟的坝址处径流序列Qt，并计算得到长期径流最大值和最小值；
同时，基于高精度全球数字高程图，计算得到各水电站沿河网向下游相邻格点的水面高程差Hele，用相邻两格点的平均高程之差表示：
Hele＝ΔLmean
若水电站所在格点为洼地，水面高程差记为该格点的平均高程与最低高程之差：
Hele＝Lmean-Lmin。
5.根据权利要求1所述的一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于：步骤S4中水电站发电流量Qt,turb等于水电站所在全球水文模型网格单元的模拟径流序列，对于水文模型显性模拟的水库电站，Qt,turb等于模拟的水库出流序列。
6.根据权利要求1所述的一种基于全球水文模型的全球尺度水力发电能力的评估方法，其特征在于：步骤S4中时间t为水电站投产之后的运行时间，若水电站还未建成或已退役，则发电流量Qt,turb为零。
CN202011176345.4A 2020-10-29 2020-10-29 一种基于全球水文模型的全球尺度水力发电能力的评估方法 Active CN112287301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011176345.4A CN112287301B (zh) 2020-10-29 2020-10-29 一种基于全球水文模型的全球尺度水力发电能力的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011176345.4A CN112287301B (zh) 2020-10-29 2020-10-29 一种基于全球水文模型的全球尺度水力发电能力的评估方法

Publications (2)

Publication Number Publication Date
CN112287301A CN112287301A (zh) 2021-01-29
CN112287301B true CN112287301B (zh) 2022-05-06

Family

ID=74372859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011176345.4A Active CN112287301B (zh) 2020-10-29 2020-10-29 一种基于全球水文模型的全球尺度水力发电能力的评估方法

Country Status (1)

Country Link
CN (1) CN112287301B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113254878B (zh) * 2021-05-19 2022-05-17 中国电建集团昆明勘测设计研究院有限公司 一种用于水利水电工程水库水温结构的判别方法
CN117634321B (zh) * 2024-01-25 2024-04-26 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) 一种水库蓄水顶托作用下的水文站水位流量关系重构方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701888A (zh) * 2015-02-28 2015-06-10 华中电网有限公司 一种电网水、火电工况自匹配模式调整实时负荷的方法
CN105184474A (zh) * 2015-08-30 2015-12-23 大连理工大学 一种考虑不规则限制运行区的水电站厂内经济调度方法
CN106284239A (zh) * 2016-08-08 2017-01-04 国家电网公司 一种大型坝式水电站初步选址方法
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
CN108470249A (zh) * 2018-03-16 2018-08-31 大连理工大学 一种耦合聚类分析和决策树的梯级水电站群短期发电调度方法
CN109726907A (zh) * 2018-12-21 2019-05-07 南瑞集团有限公司 一种水电站群中长期出力计算方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106192863A (zh) * 2016-07-06 2016-12-07 贵州东方世纪科技股份有限公司 一种水电站装机容量及年发电量估算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701888A (zh) * 2015-02-28 2015-06-10 华中电网有限公司 一种电网水、火电工况自匹配模式调整实时负荷的方法
CN105184474A (zh) * 2015-08-30 2015-12-23 大连理工大学 一种考虑不规则限制运行区的水电站厂内经济调度方法
CN106284239A (zh) * 2016-08-08 2017-01-04 国家电网公司 一种大型坝式水电站初步选址方法
CN107844864A (zh) * 2017-11-17 2018-03-27 大连理工大学 一种求解水电机组组合问题的混合整数非线性规划模型
CN108470249A (zh) * 2018-03-16 2018-08-31 大连理工大学 一种耦合聚类分析和决策树的梯级水电站群短期发电调度方法
CN109726907A (zh) * 2018-12-21 2019-05-07 南瑞集团有限公司 一种水电站群中长期出力计算方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Short-term Value for the Water Stored in Head sensitivity Power System Reservoirs;Eduardo Eusebio et al.;《2011 8th International Conference on the European Energy Market (EEM)》;20110525;第275-280页 *
清河水库水电站装机容量的计算;林长茂;《东北水利水电》;20160630;第34卷(第6期);第8-9页，第35页 *

Also Published As

Publication number Publication date
CN112287301A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
Siuta et al. WRF hub-height wind forecast sensitivity to PBL scheme, grid length, and initial condition choice in complex terrain
Boé et al. Statistical and dynamical downscaling of the Seine basin climate for hydro‐meteorological studies
CN110598290B (zh) 考虑气候变化的流域未来水电发电能力预测方法和系统
Harrison et al. Susceptibility of the Batoka Gorge hydroelectric scheme to climate change
CN104036121B (zh) 基于概率分布转移的测风数据风速订正方法
CN112287301B (zh) 一种基于全球水文模型的全球尺度水力发电能力的评估方法
Harrison et al. Vulnerability of hydropower projects to climate change
Ye et al. Improving kinematic wave routing scheme in Community Land Model
CN113515841A (zh) 一种基于改进Budyko公式的径流变化定量分解方法
CN112052559A (zh) 一种基于月水量平衡的三参数水文模型及其构建方法
De Araujo WRF wind speed simulation and SAM wind energy estimation: A case study in Dili Timor Leste
Orkodjo et al. Impact of climate change on future availability of water for irrigation and hydropower generation in the Omo-Gibe Basin of Ethiopia
Bajamgnigni Gbambie et al. Added value of alternative information in interpolated precipitation datasets for hydrology
Guo et al. A semi-distributed monthly water balance model and its application in a climate change impact study in the middle and lower Yellow River basin
Álvarez-Alvarado et al. An alternative methodology to evaluate sites using climatology criteria for hosting wind, solar, and hybrid plants
Wu et al. Impact of surface and underground water uses on streamflow in the upper-middle of the Weihe River basin using a modified WetSpa model
Khan et al. Bayesian method for estimating Weibull parameters for wind resource assessment in a tropical region: a comparison between two-parameter and three-parameter Weibull distributions
Choi et al. The effect of climate change on Byeongseong stream's water quantity and quality
Ridgill et al. Hydrokinetic energy conversion: A global riverine perspective
Meijer World hydropower capacity evaluation
Kim et al. Hydrologic evaluation on the AGCM20 output using observed river discharge data
Rojanamon et al. Regional flow duration model for the Salawin river basin of Thailand
Agyemang-Boakye et al. Potential for small hydropower development on the Pumpum River of Ghana using Remote Sensing and Soil Water Assessment Tool
Mirza Wind data reliability in Pakistan for wind power generation
KR102341554B1 (ko) 댐 적지 분석 시스템 및 방법

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