CN113837546A - 一种水库兴利调度决策级联效应的综合评估方法 - Google Patents

一种水库兴利调度决策级联效应的综合评估方法 Download PDF

Info

Publication number
CN113837546A
CN113837546A CN202110981923.XA CN202110981923A CN113837546A CN 113837546 A CN113837546 A CN 113837546A CN 202110981923 A CN202110981923 A CN 202110981923A CN 113837546 A CN113837546 A CN 113837546A
Authority
CN
China
Prior art keywords
formula
reservoir
scheduling
cascade effect
water level
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.)
Withdrawn
Application number
CN202110981923.XA
Other languages
English (en)
Inventor
郭爱军
张世锴
王义民
畅建霞
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.)
Xian University of Technology
Original Assignee
Xian 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 Xian University of Technology filed Critical Xian University of Technology
Priority to CN202110981923.XA priority Critical patent/CN113837546A/zh
Publication of CN113837546A publication Critical patent/CN113837546A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (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兴利调度决策级联效应的综合评估方法，具体为：首先，建立水库供水调度优化模型，分别对各调度时段的水位进行扰动，模拟级联效应下调度决策的变化，并以影响持续性、全局损失性以及系统失效性3个指标构建水库调度决策级联效应评估指标体系，并计算得到各个指标值；最后，采用熵权法计算出各指标权重，基于加权欧氏距离的TOPSIS方法，利用计算出的指标值，计算水库优化调度级联效应影响下各时段的重要度，本发明的方法，通过构建面向影响持续性、全局损失性以及系统失效性的水库调度决策级联效应评估指标体系，有助于提升水库调度决策的稳健性，促进水库兴利效益目标的可实现性。

Description

一种水库兴利调度决策级联效应的综合评估方法
技术领域
本发明属于水利工程技术领域，具体涉及一种水库兴利调度决策级联效应的综合评估方法。
背景技术
科学合理的水库调度管理在很大程度上决定了水库效益的发挥，这也是流域水资源利用的重要内容。在工程投资不变的情况下，经水库优化调度可进一步提升其安全运行可靠性和兴利除害能力，最大程度的发挥水库工程效应。在水库优化调度过程中需要注意的是，受气象预报、径流预报和需水预报的不确定性以及应急突发用水事件等多种因素的影响，导致水库水位的扰动，进而对后续调度过程带来不利影响，即水库水位的扰动对后续优化调度过程产生级联性影响。科学评估水库调度决策的级联效应，掌握水库调度运行中对水位扰动最为敏感的月份，对提升水库调度决策的稳健性以及最大程度保证水库调度兴利效益的实现具有重要的指导作用。
在计算系统和实际系统中，水库调度级联效应的评估计算涉及问题：(1)如何构建级联效应评估指标体系；(2)如何构建出能够模拟水库水位扰动的供水调度优化模型；(3)如何从级联效应的角度识别出影响水库兴利调度的关键调度决策。但到目前为止，还缺乏一种综合方法解决上述水库调度级联效应量化分析与关键时段识别。
发明内容
本发明的目的是提供一种水库兴利调度决策级联效应的综合评估方法，通过计算受级联效应影响的水库供水优化调度模型各调度时段的重要度，识别水库供水调度过程中的重要时段。
本发明所采用的技术方案是，一种水库兴利调度决策级联效应的综合评估方法，具体按照以下步骤实施：
步骤1，建立水库供水调度优化模型，如式(1)所示；
Figure BDA0003229299830000021
式(1)中，M为总缺水量；Qi,que为第i个时段的缺水量；
步骤2，在步骤1建立的水库供水调度优化模型的基础上，分别对各调度时段的水位进行扰动，模拟级联效应下调度决策的变化，并以影响持续性、全局损失性以及系统失效性3个指标构建水库调度决策级联效应评估指标体系，并计算得到各个指标值；
步骤3，采用熵权法计算出各指标权重，基于加权欧氏距离的TOPSIS方法，利用步骤2中计算出的指标值，计算出水库优化调度级联效应影响下各时段的重要度。
本发明的特点还在于，
步骤1中，水库供水调度优化模型的约束条件为：
水量平衡约束如式(2)所示：
Vt＝Vt-1+(Qt+Qt-1)Δt/2-(qt+qt-1)Δt/2 (2)；
式(2)中，Vt为t时刻水库库容；Qt和qt分别为t时刻水库入流和泄流；△t为时间间隔；
库容约束如式(3)所示：
Vmin≤Vt≤Vmax (3)；
式(3)中，Vmin和Vmax分别为水库最小允许库容和最大允许库容；
泄流能力约束如式(4)所示：
Figure BDA0003229299830000031
式(4)中，
Figure BDA0003229299830000032
为t时刻水库的最大泄流；
泄量变化约束如式(5)所示：
|qt-qt-1|≤Δqm (5)；
式(5)中，△qm为相邻时段间允许下泄流量变化量；
生态流量约束如式(6)所示：
qt≥qs (6)；
式(6)中：qs指生态基流；
初始和边界条件如式(7)所示：
Z1＝ZN＝ZC (7)；
式(7)中，Z1为初始水位，ZN为结束水位，ZC设定为汛限水位；
非负约束：以上所有变量都是非负的。
步骤2中，具体为：
步骤2.1，分别对步骤1建立的供水调度优化模型中各时段水库蓄水量进行破坏，模拟各时段水库水位的扰动；
步骤2.2，通过影响持续性指标来描述水库调度级联效应的影响传播范围，其计算公式如式(8)所示；
Figure BDA0003229299830000041
式(8)中，PER表示级联效应的持续性，N表示水库调度的周期，ri表示第i个调度决策时段的影响值，q0,i表示未进行水位扰动时第i个时段的缺水量，q1,i表示受级联效应影响后第i个时段的缺水量；
步骤2.3，采用全局损失性指标表示级联效应持续时间内，对供水系统供水量造成的破坏程度，计算公式如式(9)所示：
GBLi＝Ei/E0-1 (9)；
式(9)中，GBLi代表全局损失性，E0是未进行水位扰动时的缺水量，E1是指第i个时段水位扰动引发级联效应后水库调度缺水量；
步骤2.4，采用系统失效性来衡量级联效应影响下供水系统功能的丧失程度，计算公式如式(10)所示；
Figure BDA0003229299830000042
式(10)中，VUL表示系统失效性，dnu1,i表示受级联效应影响的时间内第i个时段的崩溃状态，若水位扰动后第i个时段处于崩溃状态，则dnu1,i＝1，若水位扰动后第i个时段未处于崩溃状态，则dnu1,i＝0，dnu0,i表示未进行水位扰动时第i个时段的崩溃状态，其大小的判定与dnu1,i一致，Des1,i和Des0,i、Q1 i,que和Q0 i,que以及Q1 i,xu和Q0 i,xu分别表示水位发生扰动与未发生扰动下第i个时段的破坏度、缺水量和需水量，Des1,max表示水位扰动后级联效应持续时间内的最大破坏度，Des0,max表示未发生水位扰动下对应时段内的最大破坏度。
步骤3中，具体为：
步骤3.1，利用熵值法计算步骤2中的3项指标权重；
对于步骤2中计算得到的3项指标的n组值，则xij为第i组中的第j个指标的数值；对xij进行归一化处理，如式(11)所示；
Figure BDA0003229299830000051
计算第i组值中的j指标占第j项指标的比重，如式(12)所示；
Figure BDA0003229299830000052
计算第j项指标的熵值，如式(13)所示；
Figure BDA0003229299830000053
式(15)中，k＝1/ln(n)＞0，满足ej≥0；
计算3项指标间的信息熵冗余度，如式(14)所示；
dj＝1-ej,j＝1，2,3 (14)；
计算3项指标的权重，如式(15)所示；
Figure BDA0003229299830000054
步骤3.2，计算水库优化调度级联效应影响下各时段的重要度；
构造决策矩阵，如式(16)所示；
Figure BDA0003229299830000061
式(16)中：m表示评估的时段数量，n表示每个时段的指标数量，第i个评估时段的第j个指标的值为Cj(Vi)；
规划化决策矩阵，如式(17)所示；
Figure BDA0003229299830000062
构造权重规范化矩阵：将规划化矩阵的第j列乘以其通过熵权法计算得到的权重得到加权规划化矩阵C(cij)m×n，cij表示矩阵C中的各元素；
确定正理想解C1和负理想解C0，分别如式(18)及式(19)所示；
Figure BDA0003229299830000063
Figure BDA0003229299830000064
其中：
Figure BDA0003229299830000065
计算每个待评估节点到正理想解和负理想解的欧氏距离，待评估节点到正理想解的距离为S1，如式(20)所示；待评估节点到负理想解的距离为S0，如式(21)所示；
Figure BDA0003229299830000066
Figure BDA0003229299830000071
计算理想解的贴近度fi，如式(22)所示；
Figure BDA0003229299830000072
本发明的有益效果是，本发明的方法，通过构建面向影响持续性、全局损失性以及系统失效性的水库调度决策级联效应评估指标体系，以此为基础，采用基于加权欧氏距离的TOPSIS方法量化水库调度决策级联效应，计算出受级联效应影响的水库供水优化调度模型各调度时段的重要度，识别出水库供水调度过程中的重要时段，有助于提升水库调度决策的稳健性，促进水库兴利效益目标的可实现性。
附图说明
图1是本发明一种水库兴利调度决策级联效应的综合评估方法中水库水位扰动的示意图；
图2是本发明一种水库兴利调度决策级联效应的综合评估方法中水库水位扰动下发生级联效应的影响持续时间示意图；
图3是本发明一种水库兴利调度决策级联效应的综合评估方法中水库水位扰动下发生级联效应的供水量损失示意图；
图4是本发明一种水库兴利调度决策级联效应的综合评估方法中水库水位扰动下发生级联效应的破坏深度示意图；
图5是本发明实施例中各调度月份受综合级联效应影响下的重要度。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种水库兴利调度决策级联效应的综合评估方法，如图1所示，具体按照以下步骤实施：
步骤1，建立水库供水调度优化模型，如式(1)所示；
Figure BDA0003229299830000081
式(1)中，M为总缺水量，单位为m3；Qi,que为第i个时段的缺水量，单位为m3；
水库供水调度优化模型的约束条件为：
水量平衡约束如式(2)所示：
Vt＝Vt-1+(Qt+Qt-1)Δt/2-(qt+qt-1)Δt/2 (2)；
式(2)中，Vt为t时刻水库库容，单位为m3；Qt和qt分别为t时刻水库入流和泄流，单位为m3/s；△t为时间间隔，单位为s；
库容约束如式(3)所示：
Vmin≤Vt≤Vmax (3)；
式(3)中，Vmin和Vmax分别为水库最小允许库容和最大允许库容，单位为亿m3；
泄流能力约束如式(4)所示：
Figure BDA0003229299830000082
式(4)中，
Figure BDA0003229299830000083
为t时刻水库的最大泄流，单位为m3/s；
泄量变化约束如式(5)所示：
|qt-qt-1|≤Δqm (5)；
式(5)中，△qm为相邻时段间允许下泄流量变化量，单位为m3/s；
生态流量约束如式(6)所示：
qt≥qs (6)；
式(6)中：qs指生态基流，单位为m3/s；
初始和边界条件如式(7)所示：
Z1＝ZN＝ZC (7)；
式(7)中，Z1为初始水位，ZN为结束水位，ZC设定为汛限水位，单位为m；
非负约束：以上所有变量都是非负的。
步骤2，在步骤1建立的水库供水调度优化模型的基础上，分别对各调度时段的水位进行扰动，模拟级联效应下调度决策的变化，并以影响持续性、全局损失性以及系统失效性3个指标构建水库调度决策级联效应评估指标体系，并计算得到各个指标值；具体为：
步骤2.1，分别对步骤1建立的供水调度优化模型中各时段水库蓄水量进行破坏(减少水库蓄水量)，模拟各时段水库水位的扰动；
步骤2.2，水库水位发生扰动后，水库将根据自身水位以及所承担任务进行自适应优化，寻找新的水库水位运行最优状态，此时，会发现受级联效应影响，水位扰动后的一段时间内水库供水情况会发生变化，将受影响的这段时间称之为级联效应的持续时间，通过影响持续性指标来描述水库调度级联效应的影响传播范围，其计算公式如式(8)所示；
Figure BDA0003229299830000101
式(8)中，PER表示级联效应的持续性，N表示水库调度的周期，ri表示第i个调度决策时段的影响值，q0,i表示未进行水位扰动时第i个时段的缺水量，q1,i表示受级联效应影响后第i个时段的缺水量；
步骤2.3，采用全局损失性指标表示级联效应持续时间内，对供水系统供水量造成的破坏程度，计算公式如式(9)所示：
GBLi＝Ei/E0-1 (9)；
式(9)中，GBLi代表全局损失性，E0是未进行水位扰动时的缺水量，E1是指第i个时段水位扰动引发级联效应后水库调度缺水量；
步骤2.4，受级联效应的影响会导致一些原来未处于崩溃状态的时段转化为崩溃状态，采用系统失效性来衡量级联效应影响下供水系统功能的丧失程度，计算公式如式(10)所示；
Figure BDA0003229299830000102
式(10)中，VUL表示系统失效性，dnu1,i表示受级联效应影响的时间内第i个时段的崩溃状态，若水位扰动后第i个时段处于崩溃状态，则dnu1,i＝1，若水位扰动后第i个时段未处于崩溃状态，则dnu1,i＝0，dnu0,i表示未进行水位扰动时第i个时段的崩溃状态，其大小的判定与dnu1,i一致，Des1,i和Des0,i、Q1 i,que和Q0 i,que以及Q1 i,xu和Q0 i,xu分别表示水位发生扰动与未发生扰动下第i个时段的破坏度、缺水量和需水量，Des1,max表示水位扰动后级联效应持续时间内的最大破坏度，Des0,max表示未发生水位扰动下对应时段内的最大破坏度。
步骤3，采用熵权法计算出各指标权重，基于加权欧氏距离的TOPSIS方法，利用步骤2中计算出的指标值，计算出水库优化调度级联效应影响下各时段的重要度，具体为：
步骤3.1，利用熵值法计算步骤2中的3项指标权重；
(1)对于步骤2中计算得到的3项指标的n组值，则xij为第i组中的第j个指标的数值(i＝1,…,n；j＝1,2,3)；对xij进行归一化处理，如式(11)所示；
Figure BDA0003229299830000111
(2)计算第i组值中的j指标占第j项指标的比重，如式(12)所示；
Figure BDA0003229299830000112
(4)计算第j项指标的熵值，如式(13)所示；
Figure BDA0003229299830000113
式(15)中，k＝1/ln(n)＞0，满足ej≥0；
(5)计算3项指标间的信息熵冗余度，如式(14)所示；
dj＝1-ej,j＝1，2,3 (14)；
(6)计算3项指标的权重，如式(15)所示；
Figure BDA0003229299830000121
步骤3.2，计算水库优化调度级联效应影响下各时段的重要度；
(1)构造决策矩阵，如式(16)所示；
Figure BDA0003229299830000122
式(16)中：m表示评估的时段数量，n表示每个时段的指标数量，第i个评估时段的第j个指标的值为Cj(Vi)；
(2)规划化决策矩阵，如式(17)所示；
Figure BDA0003229299830000123
(3)构造权重规范化矩阵：将规划化矩阵的第j列乘以其通过熵权法计算得到的权重得到加权规划化矩阵C(cij)m×n，cij表示矩阵C中的各元素；
(4)确定正理想解C1和负理想解C0，分别如式(18)及式(19)所示；
Figure BDA0003229299830000124
Figure BDA0003229299830000125
其中：
Figure BDA0003229299830000126
(5)计算每个待评估节点到正理想解和负理想解的欧氏距离，待评估节点到正理想解的距离为S1，如式(20)所示；待评估节点到负理想解的距离为S0，如式(21)所示；
Figure BDA0003229299830000131
Figure BDA0003229299830000132
(6)计算理想解的贴近度fi，如式(22)所示；
Figure BDA0003229299830000133
式(22)中：fi∈[0,1]，贴近度越大，节点的重要度越高。
实施例
本实时例选取的调度期为7月-次年6月的月尺度调度，汛期为7-9月。
采用步骤1中的水库供水调度优化模型建模方法，以1960-2004年东庄水库入库径流和供水对象需水数据以及水库相关参数建立水库供水调度优化模型，
采用步骤2中构建级联效应评价指标体系的方法，构建出面向影响持续性、全局损失性和系统失稳性的东庄水库供水调度级联效应的评价指标体系，通过对水库蓄水量的破坏来模拟水库水位的变化(如图1所示)，设计出5种不同程度的破坏方案，即分别对1960-2004年的各调度时段蓄水量进行1000万m3、2000万m3、3000万m3、4000万m3、5000万m3的破坏，调度时段蓄水量的破坏将导致级联效应的发生，级联效应的影响持续时间如图2所示，级联效应造成的供水量减少如图3所示，级联效应造成的破坏深度加重如图4所示，并计算出各月在不方案下评价级联效应的各项指标值，并以各月在不同年份的指标值的算术平均值作为各月该方案下最终的级联效应指标值；
采用步骤3中熵值法计算出各项指标的指标权重，并通过基于加权欧氏距离的TOPSIS方法，利用步骤2中计算得到的不同方案下各月级联效应评价指标值，计算得到不同方案产生的级联效应下的各月重要度。并以每月不同方案下的重要度的算术平均值作为最终各月级联效应影响下的综合重要度，如图5所示。从重要度计算结果来看，东庄水库调度决策扰动产生的级联效应在10月份最为显著，5-7月份相对较弱。

Claims (4)

1.一种水库兴利调度决策级联效应的综合评估方法，其特征在于，具体按照以下步骤实施：
步骤1，建立水库供水调度优化模型，如式(1)所示；
Figure FDA0003229299820000011
式(1)中，M为总缺水量；Qi,que为第i个时段的缺水量；
步骤2，在步骤1建立的水库供水调度优化模型的基础上，分别对各调度时段的水位进行扰动，模拟级联效应下调度决策的变化，并以影响持续性、全局损失性以及系统失效性3个指标构建水库调度决策级联效应评估指标体系，并计算得到各个指标值；
步骤3，采用熵权法计算出各指标权重，基于加权欧氏距离的TOPSIS方法，利用步骤2中计算出的指标值，计算出水库优化调度级联效应影响下各时段的重要度。
2.根据权利要求1所述的一种水库兴利调度决策级联效应的综合评估方法，其特征在于，所述步骤1中，水库供水调度优化模型的约束条件为：
水量平衡约束如式(2)所示：
Vt＝Vt-1+(Qt+Qt-1)Δt/2-(qt+qt-1)Δt/2 (2)；
式(2)中，Vt为t时刻水库库容；Qt和qt分别为t时刻水库入流和泄流；△t为时间间隔；
库容约束如式(3)所示：
Vmin≤Vt≤Vmax (3)；
式(3)中，Vmin和Vmax分别为水库最小允许库容和最大允许库容；
泄流能力约束如式(4)所示：
Figure FDA0003229299820000021
式(4)中，
Figure FDA0003229299820000022
为t时刻水库的最大泄流；
泄量变化约束如式(5)所示：
|qt-qt-1|≤Δqm (5)；
式(5)中，△qm为相邻时段间允许下泄流量变化量；
生态流量约束如式(6)所示：
qt≥qs (6)；
式(6)中：qs指生态基流；
初始和边界条件如式(7)所示：
Z1＝ZN＝ZC (7)；
式(7)中，Z1为初始水位，ZN为结束水位，ZC设定为汛限水位；
非负约束：以上所有变量都是非负的。
3.根据权利要求1所述的一种水库兴利调度决策级联效应的综合评估方法，其特征在于，所述步骤2中，具体为：
步骤2.1，分别对步骤1建立的供水调度优化模型中各时段水库蓄水量进行破坏，模拟各时段水库水位的扰动；
步骤2.2，通过影响持续性指标来描述水库调度级联效应的影响传播范围，其计算公式如式(8)所示；
Figure FDA0003229299820000031
式(8)中，PER表示级联效应的持续性，N表示水库调度的周期，ri表示第i个调度决策时段的影响值，q0,i表示未进行水位扰动时第i个时段的缺水量，q1,i表示受级联效应影响后第i个时段的缺水量；
步骤2.3，采用全局损失性指标表示级联效应持续时间内，对供水系统供水量造成的破坏程度，计算公式如式(9)所示：
GBLi＝Ei/E0-1 (9)；
式(9)中，GBLi代表全局损失性，E0是未进行水位扰动时的缺水量，E1是指第i个时段水位扰动引发级联效应后水库调度缺水量；
步骤2.4，采用系统失效性来衡量级联效应影响下供水系统功能的丧失程度，计算公式如式(10)所示；
Figure FDA0003229299820000032
式(10)中，VUL表示系统失效性，dnu1,i表示受级联效应影响的时间内第i个时段的崩溃状态，若水位扰动后第i个时段处于崩溃状态，则dnu1,i＝1，若水位扰动后第i个时段未处于崩溃状态，则dnu1,i＝0，dnu0,i表示未进行水位扰动时第i个时段的崩溃状态，其大小的判定与dnu1,i一致，Des1,i和Des0,i、Q1 i,que和Q0 i,que以及Q1 i,xu和Q0 i,xu分别表示水位发生扰动与未发生扰动下第i个时段的破坏度、缺水量和需水量，Des1,max表示水位扰动后级联效应持续时间内的最大破坏度，Des0,max表示未发生水位扰动下对应时段内的最大破坏度。
4.根据权利要求3所述的一种水库兴利调度决策级联效应的综合评估方法，其特征在于，所述步骤3中，具体为：
步骤3.1，利用熵值法计算步骤2中的3项指标权重；
对于步骤2中计算得到的3项指标的n组值，则xij为第i组中的第j个指标的数值；对xij进行归一化处理，如式(11)所示；
Figure FDA0003229299820000041
计算第i组值中的j指标占第j项指标的比重，如式(12)所示；
Figure FDA0003229299820000042
计算第j项指标的熵值，如式(13)所示；
Figure FDA0003229299820000043
式(15)中，k＝1/ln(n)＞0，满足ej≥0；
计算3项指标间的信息熵冗余度，如式(14)所示；
dj＝1-ej,j＝1，2,3 (14)；
计算3项指标的权重，如式(15)所示；
Figure FDA0003229299820000044
步骤3.2，计算水库优化调度级联效应影响下各时段的重要度；
构造决策矩阵，如式(16)所示；
Figure FDA0003229299820000051
式(16)中：m表示评估的时段数量，n表示每个时段的指标数量，第i个评估时段的第j个指标的值为Cj(Vi)；
规划化决策矩阵，如式(17)所示；
Figure FDA0003229299820000052
构造权重规范化矩阵：将规划化矩阵的第j列乘以其通过熵权法计算得到的权重得到加权规划化矩阵C(cij)m×n，cij表示矩阵C中的各元素；
确定正理想解C1和负理想解C0，分别如式(18)及式(19)所示；
Figure FDA0003229299820000053
Figure FDA0003229299820000054
其中：
Figure FDA0003229299820000055
计算每个待评估节点到正理想解和负理想解的欧氏距离，待评估节点到正理想解的距离为S1，如式(20)所示；待评估节点到负理想解的距离为S0，如式(21)所示；
Figure FDA0003229299820000056
Figure FDA0003229299820000061
计算理想解的贴近度fi，如式(22)所示；
Figure FDA0003229299820000062
CN202110981923.XA 2021-08-25 2021-08-25 一种水库兴利调度决策级联效应的综合评估方法 Withdrawn CN113837546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110981923.XA CN113837546A (zh) 2021-08-25 2021-08-25 一种水库兴利调度决策级联效应的综合评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110981923.XA CN113837546A (zh) 2021-08-25 2021-08-25 一种水库兴利调度决策级联效应的综合评估方法

Publications (1)

Publication Number Publication Date
CN113837546A true CN113837546A (zh) 2021-12-24

Family

ID=78961218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110981923.XA Withdrawn CN113837546A (zh) 2021-08-25 2021-08-25 一种水库兴利调度决策级联效应的综合评估方法

Country Status (1)

Country Link
CN (1) CN113837546A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709682A (zh) * 2024-02-02 2024-03-15 大连理工大学 一种梯级水电响应灵活性需求模式下的水库水位扰动区间评估与控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709682A (zh) * 2024-02-02 2024-03-15 大连理工大学 一种梯级水电响应灵活性需求模式下的水库水位扰动区间评估与控制方法

Similar Documents

Publication Publication Date Title
Orojloo et al. Developing an integrated risk management framework for agricultural water conveyance and distribution systems within fuzzy decision making approaches
CN103729550B (zh) 基于传播时间聚类分析的多模型集成洪水预报方法
CN106971048A (zh) 一种伽马型有寿件备件需求量计算方法
Pearson et al. Calculating economic levels of leakage
CN109543897A (zh) 地方政府债务风险动态评估及预测方法
CN108985577B (zh) 一种基于推理机的水库群实时防洪调度显效水库智能识别方法
CN114004102A (zh) 抵抗洪水预报误差扰动的水库实时防洪多目标鲁棒优化调控方法
CN108985585A (zh) 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
CN108334988A (zh) 一种基于svm的短期电网负荷预测方法
CN113837546A (zh) 一种水库兴利调度决策级联效应的综合评估方法
CN111798057A (zh) 一种基于模糊层次盈利分析的充电场站选址方法
CN110009465A (zh) 财务资产精益化管理平台
CN114399235B (zh) 一种基于雨情数据判定灾害风险等级的方法及系统
Li et al. Financial risk prediction for listed companies using IPSO-BP neural network
Yan et al. Comprehensive evaluation of the water environment carrying capacity of a river basin: a case study of the Weihe River Basin in China
Ma et al. An intelligent retrofit decision-making model for building program planning considering tacit knowledge and multiple objectives
Cai et al. A simulation-optimization approach for supporting conservative water allocation under uncertainties
Wang et al. Multi-reservoir system operation theory and practice
CN116307038A (zh) 一种灌溉用水量预测方法、系统及计算机存储介质
Liu et al. Simulation of water resources carrying capacity of the Hangbu River Basin based on system dynamics model and TOPSIS method
CN109190830B (zh) 基于经验分解和组合预测的能源需求预测方法
Lu Measuring the capital charge for operational risk of a bank with the large deviation approach
CN113077163A (zh) 耦合预报的梯级水库群两阶段弃水风险评估方法
Chou Fuzzy time series theory application for the China containerized freight index
Peng et al. China’s local government debt risk assessment and countermeasures under the influence of COVID-19

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211224