CN114239925A - 一种水电站入库洪水预报偏差分割和评估方法 - Google Patents

一种水电站入库洪水预报偏差分割和评估方法 Download PDF

Info

Publication number
CN114239925A
CN114239925A CN202111435345.6A CN202111435345A CN114239925A CN 114239925 A CN114239925 A CN 114239925A CN 202111435345 A CN202111435345 A CN 202111435345A CN 114239925 A CN114239925 A CN 114239925A
Authority
CN
China
Prior art keywords
flood
forecast
rainfall
peak
flow
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.)
Pending
Application number
CN202111435345.6A
Other languages
English (en)
Inventor
郭乐
舒卫民
梁志明
王祥
阮燕云
李天成
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.)
China Yangtze Power Co Ltd
Original Assignee
China Yangtze Power Co Ltd
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 China Yangtze Power Co Ltd filed Critical China Yangtze Power Co Ltd
Priority to CN202111435345.6A priority Critical patent/CN114239925A/zh
Publication of CN114239925A publication Critical patent/CN114239925A/zh
Pending 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Primary Health Care (AREA)
  • Ecology (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种水电站入库洪水预报偏差分割和评估方法，它包括以下步骤：步骤1）：在水电站控制流域内，建立水电站入库洪水的降雨产汇流模型；步骤2）：输入未来y天逐x小时降雨预报，计算未来y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；步骤3）：输入步骤2）中同样y天内逐x小时降雨实况，计算该y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；步骤4）：根据步骤2）、3）计算的预报降雨和实况降雨对应的洪峰流量和洪量，对比水电站实际入库洪水的洪峰流量和洪量，进行量化分割和评估降雨预报和流量预报模型影响程度；本发明可以全面客观地量化分割和评价水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度。

Description

一种水电站入库洪水预报偏差分割和评估方法
技术领域
本发明涉及一种水电站入库洪水预报偏差分割和评估方法。
背景技术
精确的入库流量预报是水电站优化调度运行，充分利用水资源发挥水电站综合效益的坚实基础，水电站入库流量预报是根据水电站控制流域的降雨预报、流量预报模型制作出来的，降雨预报的偏差以及流量预报模型的计算精度都对入库流量预报产生较大影响。传统的降雨预报按照气象行业评分无法反映出对入库流量预报的实际量化影响，传统的入库流量预报误差仅仅是统计精度大小，未能针对降雨预报影响和预报模型影响量化分割出误差来源组成，到底多少量化是降雨预报产生，多少量化是流量预报模型产生，往往混作一团，难以追溯误差根源。
发明内容
针对现有技术存在的不足，本发明提供一种水电站入库洪水预报偏差分割和评估方法，旨在全面客观地量化分割和评价水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度，更好地追根溯源划分责任，促进降雨预报作业和预报模型计算精度的完善，为水电站的入库洪水洪量预报提供有利技术支撑，为水电站优化调度，充分利用水资源奠定更好基础。
为实现上述目的，本发明提供如下技术方案：一种水电站入库洪水预报偏差分割和评估方法，它包括以下步骤：
步骤1)：在水电站控制流域内，以x小时为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来y天逐x小时降雨预报，运用降雨产汇流模型计算未来y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样y天内逐x小时降雨实况，运用降雨产汇流模型计算该y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤4)：根据步骤2)、3)分别计算的预报降雨和实况降雨对应的入库洪水的洪峰流量和洪量，对比水电站实际入库洪水的洪峰流量和洪量，进行量化分割和评估水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度。
优选地，具体地：
步骤1)：在水电站控制流域内，以3h为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来10天逐3h降雨预报，运用降雨产汇流模型计算未来10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样10天内逐3h降雨实况，运用降雨产汇流模型计算该10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
优选地，步骤2)、3)入库洪水洪峰流量和洪量计算方法为：
以未来10天逐3h降雨预报为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作洪峰流量预报Q峰，雨预，洪量预报W雨预；
以上述10天逐3h降雨实况为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作实况降雨值计算的水电站入库洪水过程洪峰流量Q峰，雨实，记作实况降雨值计算的水电站入库洪量W雨实。
优选地，步骤4)水电站入库洪水预报偏差中降雨预报和流量预报模型影响分割和评估的计算方法为：
入库洪水洪峰流量预报偏差计算公式如下：
△Q峰＝Q峰实-Q峰，雨预＝△Q峰，雨预+△Q峰，模型，其中Q峰实为本次水电站实际入库洪峰；
由于降雨预报偏差引起的洪峰流量偏差计算公式如下：
△Q峰，雨预＝Q峰，雨实-Q峰，雨预；
由于流量预报模型引起的洪峰流量偏差计算公式如下：
△Q峰，模型＝Q峰实-Q峰，雨实；
由于降雨预报偏差对洪峰预报的影响程度计算公式如下：
Figure BDA0003381419610000021
由于流量预报模型对洪峰预报的影响程度计算公式如下：
Figure BDA0003381419610000031
入库洪水洪量预报偏差计算公式如下：
△W＝W实-W雨预＝△W雨预+△W模型，W实为本次水电站实际入库洪量；
由于降雨预报偏差引起的洪量偏差计算公式如下：
△W雨预＝W雨实-W雨预；
由于流量预报模型引起的洪量偏差计算公式如下：
△W模型＝W实-W雨实；
由于降雨预报偏差对洪量预报的影响程度计算公式如下：
Figure BDA0003381419610000032
由于流量预报模型对洪量预报的影响程度计算公式如下：
Figure BDA0003381419610000033
本发明与现有技术相比能够取得以下有益效果：
1、本发明给出一种水电站入库流量预报中降雨预报影响和流量预报模型影响分割和评估方法，通过运用构建的水电站入库流量预报模型，计算降雨预报偏差和流量预报系统对水电站场次洪水入库流量洪峰影响多少，场次洪水洪量影响量，并且分割出场次洪水入库流量预报的偏差来源组成，建立科学有效的水电站入库流量预报偏差分割和评估方法，为提升降雨预报精度，改进流量预报模型精度提供有力技术支撑。
2、本发明科学量化确定水电站入库流量洪峰和洪量预报的偏差来源组成，科学量化分割降雨预报偏差和流量预报模型影响程度，该方法是一种满足水电站入库预报作业需求(“水利气象”)的降雨预报评价方法，是一种全面客观地评价水电站控制流域降雨预报水平和流量预报模型计算精度的重要依据；同时，将更好地追根溯源划分责任，从而更好的促进降雨预报作业和预报模型计算精度的完善，为水电站的入库洪水洪量预报提供有利技术支撑，为水电站优化调度，充分利用水资源奠定更好基础。
3、本发明量化确定本次水电站入库洪水预报洪峰的偏差主要是来自于降雨预报还是预报模型，把偏差责任量化分割，便于更好地追根溯源，更好的做好降雨预报和完善预报模型，为水电站的入库洪水洪峰预报提供更好支持；本发明量化确定本次水电站入库洪水洪量预报的偏差主要是来自于降雨预报还是预报模型，把偏差责任量化分割，便于更好地追根溯源，更好的做好降雨预报和完善预报模型，为水电站的入库洪水洪量预报提供更好支持。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为根据本发明使用流程示意图；
图2为根据本发明的水电站入库洪水预报偏差中降雨预报和流量预报模型影响量化分割示意图
具体实施方式
下面通过实例，结合图表，对本发明的技术方案做进一步说明；应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一种水电站入库洪水预报偏差分割和评估方法，它包括以下步骤：
步骤1)：在水电站控制流域内，以x小时为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来y天逐x小时降雨预报，运用降雨产汇流模型计算未来y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样y天内逐x小时降雨实况，运用降雨产汇流模型计算该y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤4)：根据步骤2)、3)分别计算的预报降雨和实况降雨对应的入库洪水的洪峰流量和洪量，对比水电站实际入库洪水的洪峰流量和洪量，进行量化分割和评估水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度。
作为其中优选的实施方式，具体地：
步骤1)：在水电站控制流域内，以3h为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来10天逐3h降雨预报，运用降雨产汇流模型计算未来10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样10天内逐3h降雨实况，运用降雨产汇流模型计算该10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
作为其中优选的实施方式，步骤2)、3)入库洪水洪峰流量和洪量计算方法为：
以未来10天逐3h降雨预报为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作洪峰流量预报Q峰，雨预，洪量预报W雨预；
以上述10天逐3h降雨实况为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作实况降雨值计算的水电站入库洪水过程洪峰流量Q峰，雨实，记作实况降雨值计算的水电站入库洪量W雨实。
作为其中优选的实施方式，步骤4)水电站入库洪水预报偏差中降雨预报和流量预报模型影响分割和评估的计算方法为：
入库洪水洪峰流量预报偏差计算公式如下：
△Q峰＝Q峰实-Q峰，雨预＝△Q峰，雨预+△Q峰，模型，其中Q峰实为本次水电站实际入库洪峰；
由于降雨预报偏差引起的洪峰流量偏差计算公式如下：
△Q峰，雨预＝Q峰，雨实-Q峰，雨预；
由于流量预报模型引起的洪峰流量偏差计算公式如下：
△Q峰，模型＝Q峰实-Q峰，雨实；
由于降雨预报偏差对洪峰预报的影响程度计算公式如下：
Figure BDA0003381419610000051
由于流量预报模型对洪峰预报的影响程度计算公式如下：
Figure BDA0003381419610000052
入库洪水洪量预报偏差计算公式如下：
△W＝W实-W雨预＝△W雨预+△W模型，W实为本次水电站实际入库洪量；
由于降雨预报偏差引起的洪量偏差计算公式如下：
△W雨预＝W雨实-W雨预；
由于流量预报模型引起的洪量偏差计算公式如下：
△W模型＝W实-W雨实；
由于降雨预报偏差对洪量预报的影响程度计算公式如下：
Figure BDA0003381419610000061
由于流量预报模型对洪量预报的影响程度计算公式如下：
Figure BDA0003381419610000062
本发明通过以下具体实例说明如下：
如图1和2所示，一种水电站入库洪水预报偏差分割和评估方法，它包括以下步骤：
步骤1)：在水电站控制流域内，以3h为计算步长，建立水电站入库洪水的降雨产汇流模型，利用气象发布的未来逐3h降雨预报，输出水电站逐3h入库流量预报过程，入库流量预报的预见期取决于降雨预报的时间长度，一般可为3-10天；
步骤2)：实际开展水电站入库洪水预报时，输入未来10天逐3h降雨预报，运用降雨产汇流模型计算未来10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
预见期内t时段的水电站入库流量预报：Qt＝f(Pt，Qt0)，其中，Pt为t时段的降雨预报值，Qt0为起报时水电站初始入库流量；
预见期内水电站入库洪水过程洪峰流量预报：Q峰，雨预＝f(Pt，Qt0)；
预见期内水电站入库洪量预报：
Figure BDA0003381419610000063
其中，T为预见期内的时段数。
步骤3)：步骤2中10天预见期结束后，输入步骤2中同样10天内逐3h降雨实况，运用降雨产汇流模型计算该10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
预见期内利用实况降雨值计算的水电站入库洪水过程洪峰流量：Q峰，雨实＝f(Pt，Qt0)；
预见期内利用实况降雨值计算的水电站入库洪量：
Figure BDA0003381419610000064
其中，T为调度期内的时段数。
步骤4)：根据步骤2)、3)分别计算的预报降雨和实况降雨对应的入库洪水的洪峰流量和洪量，对比水电站实际入库洪水的洪峰流量和洪量，进行量化分割和评估水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度；
入库洪水洪峰流量预报偏差：△Q峰＝Q峰实-Q峰，雨预＝△Q峰，雨预+△Q峰，模型，其中Q峰实为本次水电站实际入库洪峰；
由于降雨预报偏差引起的洪峰流量偏差：△Q峰，雨预＝Q峰，雨实-Q峰，雨预；
由于流量预报模型引起的洪峰流量偏差：△Q峰，模型＝Q峰实-Q峰，雨实；
由于降雨预报偏差对洪峰预报的影响程度：
Figure BDA0003381419610000071
由于流量预报模型对洪峰预报的影响程度：
Figure BDA0003381419610000072
通过对η峰，雨预，η峰，模型的大小判断，量化确定本次水电站入库洪水预报洪峰的偏差主要是来自于降雨预报还是预报模型，把偏差责任量化分割，便于更好的追根溯源，更好的做好降雨预报和完善预报模型，为水电站的入库洪水洪峰预报提供更好支持。
入库洪水洪量预报偏差：△W＝W实-W雨预＝△W雨预+△W模型，W实为本次水电站实际入库洪量；
由于降雨预报偏差引起的洪量偏差：△W雨预＝W雨实-W雨预；
由于流量预报模型引起的洪量偏差：△W模型＝W实-W雨实；
由于降雨预报偏差对洪量预报的影响程度：
Figure BDA0003381419610000073
由于流量预报模型对洪量预报的影响程度：
Figure BDA0003381419610000074
通过对η洪量，雨预，η洪量，模型的大小判断，量化确定本次水电站入库洪水洪量预报的偏差主要是来自于降雨预报还是预报模型，把偏差责任量化分割，便于更好的追根溯源，更好的做好降雨预报和完善预报模型，为水电站的入库洪水洪量预报提供更好支持。
以某水电站为例，水电站入库洪水预报偏差中降雨预报和流量预报模型影响量化分割和评估方法，具体包括如下步骤：
步骤1)：获取水电站控制流域水系和三维地形，确定流域边界；获取控制流域的历史水文资料包括水电站入库洪水摘录资料、洪水日资料、流域降雨摘录资料和降雨日资料等。
建立以3h为计算步长的水电站入库洪水流量预报模型：
Qt＝f(Pt，Qt0)
其中，Pt为t时段的降雨预报值，Qt0为起报时水电站初始入库流量。
入库洪水流量预报模型输入3h尺度降雨数据，起始入库流量，预报入库洪水流量过程，包括洪峰和洪量。
步骤2)：输入8月6日-15日逐3h降雨预报产品，运用入库洪水流量预报模型计算8月6日-15日逐3h入库流量过程，场次洪水洪峰流量为15000m3/s、洪量77.76亿m3；
步骤3)：输入8月6日-15日逐3h降雨实况，运用入库洪水流量预报模型计算8月6日-15日逐3h入库流量过程，场次洪水洪峰流量为17000m3/s、洪量86.40亿m3；
步骤4)：根据步骤2)、3)分别计算的预报降雨和实况降雨对应的入库洪水的洪峰流量和洪量，对比水电站8月6日-15日实际入库洪水的洪峰流量18000m3/s和洪量90.72亿m3，进行量化分割和评估水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度。
表1 8月6日-15日水电站入库洪水预报偏差中降雨预报和流量预报模型影响量化分割表
Figure BDA0003381419610000081
表2 8月6日-15日水电站入库洪水预报偏差中降雨预报和流量预报模型影响评估表
Figure BDA0003381419610000082
由表1、表2可知，8月6日-15日水电站入库洪水洪峰预报偏差3000m3/s，其中降雨预报影响2200m3/s，影响程度73.3％，流量预报模型影响800m3/s，影响程度26.7％；入库洪水洪量预报偏差11.5亿m3，其中降雨预报影响8.7亿m3，影响程度75.7％，流量预报模型影响2.8亿m3，影响程度24.3％。分析可知，降雨预报是本次入库洪水预报洪峰和洪量偏差的主要原因，应加强对降雨预报作业的提升，不断改善精度。
综上，本发明将水电站入库洪水预报偏差中降雨预报和流量预报模型影响量化分割和评估方法应用于某水电站入库洪水预报偏差评估分析中，验证了该方法的可行性，证明本发明所提供的方法可作为客观地评价该水电站入库洪水预报中的降雨预报精度和流量预报模型精度的一种合理的方法。
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)

1.一种水电站入库洪水预报偏差分割和评估方法，其特征在于：它包括以下步骤：
步骤1)：在水电站控制流域内，以x小时为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来y天逐x小时降雨预报，运用降雨产汇流模型计算未来y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样y天内逐x小时降雨实况，运用降雨产汇流模型计算该y天逐x小时入库流量过程，场次洪水洪峰流量、洪量；
步骤4)：根据步骤2)、3)分别计算的预报降雨和实况降雨对应的入库洪水的洪峰流量和洪量，对比水电站实际入库洪水的洪峰流量和洪量，进行量化分割和评估水电站入库洪水预报偏差中降雨预报和流量预报模型影响程度。
2.根据权利要求1所述的一种水电站入库洪水预报偏差分割和评估方法，其特征在于：具体地：
步骤1)：在水电站控制流域内，以3h为计算步长，建立水电站入库洪水的降雨产汇流模型，即入库流量预报模型；
步骤2)：输入未来10天逐3h降雨预报，运用降雨产汇流模型计算未来10天逐3h入库流量过程，场次洪水洪峰流量、洪量；
步骤3)：输入步骤2)中同样10天内逐3h降雨实况，运用降雨产汇流模型计算该10天逐3h入库流量过程，场次洪水洪峰流量、洪量。
3.根据权利要求1所述的一种水电站入库洪水预报偏差分割和评估方法，其特征在于：步骤2)、3)入库洪水洪峰流量和洪量计算方法为：
以未来10天逐3h降雨预报为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作洪峰流量预报Q峰，雨预，洪量预报W雨预；
以上述10天逐3h降雨实况为输入，运用降雨产汇流模型计算入库洪水过程洪峰和洪量预报，记作实况降雨值计算的水电站入库洪水过程洪峰流量Q峰，雨实，记作实况降雨值计算的水电站入库洪量W雨实。
4.根据权利要求1所述的一种水电站入库洪水预报偏差分割和评估方法，其特征在于，步骤4)水电站入库洪水预报偏差中降雨预报和流量预报模型影响分割和评估的计算方法为：
入库洪水洪峰流量预报偏差计算公式如下：
△Q峰＝Q峰实-Q峰，雨预＝△Q峰，雨预+△Q峰，模型，其中Q峰实为本次水电站实际入库洪峰；
由于降雨预报偏差引起的洪峰流量偏差计算公式如下：
△Q峰，雨预＝Q峰，雨实-Q峰，雨预；
由于流量预报模型引起的洪峰流量偏差计算公式如下：
△Q峰，模型＝Q峰实-Q峰，雨实；
由于降雨预报偏差对洪峰预报的影响程度计算公式如下：
Figure FDA0003381419600000021
由于流量预报模型对洪峰预报的影响程度计算公式如下：
Figure FDA0003381419600000022
入库洪水洪量预报偏差计算公式如下：
△W＝W实-W雨预＝△W雨预+△W模型，W实为本次水电站实际入库洪量；
由于降雨预报偏差引起的洪量偏差计算公式如下：
△W雨预＝W雨实-W雨预；
由于流量预报模型引起的洪量偏差计算公式如下：
△W模型＝W实-W雨实；
由于降雨预报偏差对洪量预报的影响程度计算公式如下：
Figure FDA0003381419600000023
由于流量预报模型对洪量预报的影响程度计算公式如下：
Figure FDA0003381419600000024
CN202111435345.6A 2021-11-29 2021-11-29 一种水电站入库洪水预报偏差分割和评估方法 Pending CN114239925A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111435345.6A CN114239925A (zh) 2021-11-29 2021-11-29 一种水电站入库洪水预报偏差分割和评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111435345.6A CN114239925A (zh) 2021-11-29 2021-11-29 一种水电站入库洪水预报偏差分割和评估方法

Publications (1)

Publication Number Publication Date
CN114239925A true CN114239925A (zh) 2022-03-25

Family

ID=80751896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111435345.6A Pending CN114239925A (zh) 2021-11-29 2021-11-29 一种水电站入库洪水预报偏差分割和评估方法

Country Status (1)

Country Link
CN (1) CN114239925A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355274A (zh) * 2016-08-26 2017-01-25 大唐陈村水力发电厂 一种防汛调度决策辅助系统
CN107729695A (zh) * 2017-11-21 2018-02-23 中国水利水电科学研究院 一种用于小流域次洪模拟的水文模型率定方法
CN109993372A (zh) * 2019-04-12 2019-07-09 淮河水利委员会水文局(信息中心) 一种基于多源不确定性的洪水概率预报方法
CN110895726A (zh) * 2019-10-16 2020-03-20 大连理工大学 一种考虑预报误差降低水库洪水起调水位的预报调度方法
CN111639810A (zh) * 2020-06-01 2020-09-08 宁波市水利水电规划设计研究院有限公司 一种基于防汛需求的降雨预报精度评估方法
CN112084461A (zh) * 2020-08-10 2020-12-15 河海大学 一种基于历史洪水学习的knn实时校正方法
CN113569438A (zh) * 2021-06-04 2021-10-29 郑州大学 基于多源降雨融合和实时校正的城市洪涝模型构建方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355274A (zh) * 2016-08-26 2017-01-25 大唐陈村水力发电厂 一种防汛调度决策辅助系统
CN107729695A (zh) * 2017-11-21 2018-02-23 中国水利水电科学研究院 一种用于小流域次洪模拟的水文模型率定方法
CN109993372A (zh) * 2019-04-12 2019-07-09 淮河水利委员会水文局(信息中心) 一种基于多源不确定性的洪水概率预报方法
CN110895726A (zh) * 2019-10-16 2020-03-20 大连理工大学 一种考虑预报误差降低水库洪水起调水位的预报调度方法
CN111639810A (zh) * 2020-06-01 2020-09-08 宁波市水利水电规划设计研究院有限公司 一种基于防汛需求的降雨预报精度评估方法
CN112084461A (zh) * 2020-08-10 2020-12-15 河海大学 一种基于历史洪水学习的knn实时校正方法
CN113569438A (zh) * 2021-06-04 2021-10-29 郑州大学 基于多源降雨融合和实时校正的城市洪涝模型构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
薛联青，郝振纯，李丹著: "《流域水环境生态系统》", 31 August 2009, 东南大学出版社, pages: 84 - 87 *

Similar Documents

Publication Publication Date Title
CN106779203B (zh) 一种基于不同风速段的高原山区风电功率预测方法
CN108846501B (zh) 一种雨水低影响开发设施建设规模确定方法
WO2022110582A1 (zh) 一种基于基流分割和人工神经网络模型的径流预报方法
CN104933483A (zh) 一种基于天气过程划分的风电功率预测方法
CN105243438A (zh) 一种考虑径流不确定性的多年调节水库优化调度方法
CN106600037B (zh) 一种基于主成分分析的多参量辅助负荷预测方法
CN106875047A (zh) 水库流域径流预报方法及系统
CN103218536A (zh) 跨越式发展地区需水预测方法
CN114819374A (zh) 区域新能源超短期功率预测方法及系统
CN103853939A (zh) 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法
CN114418446A (zh) 水资源短缺的定量评估方法
CN112352523A (zh) 一种基于智能决策的茶园水肥灌溉控制方法和系统
CN113610296B (zh) 一种区域内用电负荷峰值预测方法及电网投资规划方法
CN107944466B (zh) 一种基于分段思想的降雨偏差纠正方法
CN105389637A (zh) 用于月度用电预测模型的有效工作日构建方法
CN109002946B (zh) 一种河湖补水的“两库—两站”系统水资源优化调度方法
CN109190845B (zh) 一种两阶段动态优化短期风电功率预测方法
CN111178605A (zh) 一种基于特征选择的配网工程项目工期预测方法
CN114239925A (zh) 一种水电站入库洪水预报偏差分割和评估方法
CN104331748B (zh) 一种预测规划目标年风电场群持续功率曲线的方法
CN108665090B (zh) 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法
CN116912435A (zh) 一种平原水网区河道数据及其dem修正的方法
CN115689072A (zh) 基于交通运输周转量的公路货运碳排放量预测方法
CN112036604B (zh) 一种考虑多时序过程因子的中期径流预报方法
CN110110908B (zh) 一种面向新能源月度发电预测的数据扩充方法

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