CN114548511A - 一种低水头水电站群下游水库日平均入库流量的预测方法 - Google Patents
一种低水头水电站群下游水库日平均入库流量的预测方法 Download PDFInfo
- Publication number
- CN114548511A CN114548511A CN202210057614.8A CN202210057614A CN114548511A CN 114548511 A CN114548511 A CN 114548511A CN 202210057614 A CN202210057614 A CN 202210057614A CN 114548511 A CN114548511 A CN 114548511A
- Authority
- CN
- China
- Prior art keywords
- flow
- rainfall
- reservoir
- period
- steps
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000005562 fading Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 244000183914 Dianthus superbus Species 0.000 description 1
- 235000013535 Dianthus superbus Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 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
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Flow Control (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开一种低水头水电站群下游水库日平均入库流量的预测方法,包括初始化步骤、模型精度优化步骤和预测步骤;所述初始化步骤包括:根据流域情况及水库群位置确定水库群上下游关系;设定一个时段,统计和计算各个时段内下游水库入库流量数据、各个时段内上游水库出库流量数据、各个时段内降雨量数据和各个时段内前期影响雨量;所述模型精度优化步骤包括:建立入库流量模型并优化率定参数;预测步骤包括:利用经过模型精度优化步骤后的参数,并通过入库流量模型进行日均入库流量的预测计算。本发明在低水头水库群缺少资料地区的情况下仍能够进行河道演算和区间入流预测。
Description
技术领域
本发明涉及水文预报与水库调度的技术领域,更具体地,涉及一种低水头水电站群下游水库日平均入库流量的预测方法。
背景技术
汇流是指在径流形成过程中发生的一种重要水文现象,汇流理论所研究的是河渠中、坡面上等流域内水流的不稳定运动。
1871年,圣维南提出水流不稳定运动的基本微分方程组,从此开始了汇流理论研究的水力学途径。此后,在1931年,M·A·维利加诺夫提出了等时流线的概念,G·T·麦卡锡于1935年提出了马斯京根洪水演算法,其方法计算简单,快捷,对河道地形和糙率资料要求低,也因此马斯京根法在我国得到了广泛的应用,并且在实际应用的同时马斯京根法也在不断被改进,赵人俊教授(1962)提出了基于马斯京根法的分段连续演算回流曲线,并在1979年讨论了其有限差解方面的问题。Jy·S·Wu等人在1985年对试算法进行了改进,提出了改进图解法。杨荣富(1988)从马斯京根法基本原理出发,对参数X的求解过程进行分析,把最优参数X的求解转化为求W~Q'点散布面积这个目标函数的最小值问题,极大简化了参数求解步骤,使求解标准判定更为客观。瞿国静(1997)以演算出流与实测出流的离差平方和最小为判据,直接推求流量演算系数CO、C1、C2的最优估计值,而后反算X、K值,此方法可适应不同时段的流量演算,并达到了较高的精度。孔凡哲(2008)认为马斯京根模型的参数反映了河道特征,即模型参数与河道特征有关,因而通过建立参数与河道特征的关系,进而可由河道特征估算参数值,而在近些年内,郑雄明(2017)提出了跟踪洪峰(谷)的改进马斯京根河道洪水演算法,欧阳俊等(2019)通过对算例进行洪水演算仿真分析并与多种优化算法比较,发现随机分形搜索算法对非线性马斯京根法模型参数优选问题求解行之有效,且算法实施过程简便、参数解算精度高。
除了常用的马斯京根法之外,对于流域内的汇流计算著名的还有C·O·克拉克于1945年提出的等流时面积加调蓄计算的算法,并提出一种新的概念:瞬时单位线(IUH),其后J·E·纳须、J·C·I·杜格、周文德、加里宁等进一步发展了IUH,目前生产上应用较广的是纳须瞬时单位线模型。
近代在汇流理论中引入系统概念和系统分析方法最早可以追溯到L·K·谢尔曼提出的单位线分析方法,而真正有意识地应用这一观点来探求汇流理论和计算方法是从J·E·纳须(1957)、J·C·I·杜格(1959)和J·阿莫罗契(1961)等人的工作开始的。
低水头水电站群下游水库日平均入库流量的预测方法面临二大难点:(1)上述理论涉及到的一个重点即是水量平衡方程,例如在用马斯京根法进行演算时不能忽略区间来水或是引水问题,所以在对于缺乏实测资料的情况下,尤其不清楚区间来水引水变化时演算的误差会比较明显;(2)水电站实际入库流量是根据库水位、发电出力及泄洪闸门开度等实时数据,并依据库容曲线、泄流特性曲线及机组耗流量特性曲线等计算得到的,由于实时数据和特性曲线都存在误差,就存在水库入库流量计算误差较大、且出现梯级水电站之间水量不平衡问题(比如两种极端情况:区间径流系数大于1.0或为负值)。基于此种情况,现有方法很难解决这一问题,故本发明提出了一种新型的针对低水头水库群下游水库日平均入库流量的预测方法用于解决此类问题。
发明内容
本发明针对现有技术不足,提供一种低水头水电站群下游水库日平均入库流量的预测方法,在低水头水库群缺少资料地区的情况下仍能够进行河道演算和区间入流预测。
为解决上述技术问题,本发明所采用的技术方案是:一种低水头水电站群下游水库日平均入库流量的预测方法,包括初始化步骤、模型精度优化步骤和预测步骤;
所述初始化步骤包括:根据流域情况及水库群位置确定水库群上下游关系;设定一个时段,统计和计算各个时段内下游水库入库流量数据、各个时段内上游水库出库流量数据、各个时段内降雨量数据和各个时段内前期影响雨量;
所述模型精度优化步骤包括:
步骤一,设定水库群内一水库A,水库A的上游水库为水库B;
步骤二,从各个时段内水库B的出库流量数据提取t时段的出库流量QBc,t;
步骤五,通过假设降雨转换流量法和入库流量计算公式中的所有参数,建立入库流量模型;
步骤六,优化率定步骤五的参数;
预测步骤包括:利用经过模型精度优化步骤后的参数,并通过入库流量模型进行日均入库流量的预测计算。
特别的,所述参数包括折算系数α、指数参数β、α0初始分配系数、k衰减系数。
特别的,所述降雨转换流量法包括以下步骤:通过流域前期影响雨量计算公式计算出消退系数;通过河道径流深计算方法获得指数参数β和t时段内的径流深;将径流深代入流量转换公式获得t时段降雨产生的总流量;通过总流量和分配系数计算方法获得分配系数α0和公式衰减系数k;通过降雨形成流量计算方法获得ΔQt-i+1,t;
特别的,所述流域前期影响雨量计算公式为
Pa,t+1=K(Pa,t+Pt);
其中,Pa,t+1表示t+1时段的前期影响雨量,K表示消退系数,Pa,t表示t时段的前期影响雨量,Pt表示t时段的降雨量。
特别的,所述河道径流深计算方法为:
假定流域最大前期影响雨量为Pa,M,Pa,t+1的最大值为Pa,M,由降雨量以及上述公式推得每一时段的前期影响雨量后,并假设该场降雨所形成的河道径流深计算公式为:
Rt=Pt×(Pa,t/Pa,M)β;
其中,Rt代表t时段内的径流深;Pt表示t时段的降雨量;β为指数参数,表示由降雨转化为径流的转换率。
特别的,流量转换公式为:
Qt=Rt*A/T;
其中,Qt代表t时段降雨产生的总流量;A表示水库A所控制的流域面积;T表示单位时段长。
特别的,分配系数计算方法包括以下步骤:
设第1时段分配系数为α0,以后逐时段按比例减少,设衰减系数为k,则2~m时段的分配系数为kα0,k2α0……,km-1α0;为了满足水量平衡,则各时段对应的分配系数为:
m最终取值多少,根据αi<0.001确定。
特别的,降雨形成流量计算方法包括:
t时段降雨量Pt所形成的流量过程ΔQt,t,ΔQt,t+1,……,ΔQt,t+m-1计算公式为:
ΔQt,t+i-1=Qt×αi,其中,i=1~m。
特别的,所述入库流量计算公式为
其中,QAr,t表示t时段水库A的入库流量;QBc,t表示t时段水库B的出库流量;α定义为折算系数,表示t时段水库B的出库流量直接演化成t时段水库A的入库流量所占的比例,主要用于处理梯级水库之间水量不平衡问题,作为参数需要率定;表示由前m个时段降雨产流所导致的t时段河道内流量变化。
特别的,所述优化率定参数具体包括以下步骤:将所有参数与实际数据进行复核,若不满足精度要求,则重新假设降雨转换流量法和入库流量计算公式的所有参数,直至精度满足要求为止。
与现有技术相比,本发明所具有的有益效果为:
1.本发明基于水量平衡方程等水文学基本原理制作数学模型,公式各参数具有科学的物理意义,结果具有可靠性;
2.本发明解决了低水头水库群下游水库因区间入流出流变化而导致的流量演算误差较大问题,实用性强;
3.本发明原理简明实用,易于编程以及形成图像,便于使用者应用以及管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的整体流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1所示,本实施例的一种低水头水电站群下游水库日平均入库流量的预测方法,包括初始化步骤、模型精度优化步骤和预测步骤;
初始化步骤包括:根据流域情况及水库群位置确定水库群上下游关系;设定一个时段,统计和计算各个时段内下游水库入库流量数据、各个时段内上游水库出库流量数据、各个时段内降雨量数据和各个时段内前期影响雨量;
模型精度优化步骤包括:
步骤一,设定水库群内一水库A,水库A的上游水库为水库B;
步骤二,从各个时段内水库B的出库流量数据提取t时段的出库流量QBc,t;
降雨转换流量法包括以下步骤:通过流域前期影响雨量计算公式计算出消退系数;通过河道径流深计算方法获得指数参数β和t时段内的径流深;将径流深代入流量转换公式获得t时段降雨产生的总流量;通过总流量和分配系数计算方法获得分配系数α0和公式衰减系数k;通过降雨形成流量计算方法获得ΔQt-i+1,t。
流域前期影响雨量计算公式为
Pa,t+1=K(Pa,t+Pt);
其中,Pa,t+1表示t+1时段的前期影响雨量,K表示消退系数,Pa,t表示t时段的前期影响雨量,Pt表示t时段的降雨量。
河道径流深计算方法为:
假定流域最大前期影响雨量为Pa,M,Pa,t+1的最大值为Pa,M,由降雨量以及上述公式推得每一时段的前期影响雨量后,并假设该场降雨所形成的河道径流深计算公式为:
Rt=Pt×(Pa,t/Pa,M)β;
其中,Rt代表t时段内的径流深;Pt表示t时段的降雨量;β为指数参数,表示由降雨转化为径流的转换率。
流量转换公式为:
Qt=Rt*A/T;
其中,Qt代表t时段降雨产生的总流量;A表示水库A所控制的流域面积;T表示单位时段长。
分配系数计算方法包括以下步骤:
设第1时段分配系数为α0,以后逐时段按比例减少,设衰减系数为k,则2~m时段的分配系数为kα0,k2α0……,km-1α0;为了满足水量平衡,则各时段对应的分配系数为:
m最终取值多少,根据αi<0.001确定。
降雨形成流量计算方法包括:
t时段降雨量Pt所形成的流量过程ΔQt,t,ΔQt,t+1,……,ΔQt,t+m-1计算公式为:
ΔQt,t+i-1=Qt×αi,其中,i=1~m。
其中,QAr,t表示t时段水库A的入库流量;QBc,t表示t时段水库B的出库流量;α定义为折算系数,表示t时段水库B的出库流量直接演化成t时段水库A的入库流量所占的比例,主要用于处理梯级水库之间水量不平衡问题,作为参数需要率定;表示由前m个时段降雨产流所导致的t时段河道内流量变化。
步骤五,通过假设降雨转换流量法和入库流量计算公式中的所有参数,建立入库流量模型;参数包括折算系数α、指数参数β、α0初始分配系数、k衰减系数。
步骤六,优化率定步骤五的参数;优化率定参数具体包括以下步骤:将所有参数与实际数据进行复核,若不满足精度要求,则重新假设降雨转换流量法和入库流量计算公式的所有参数,直至精度满足要求为止。
预测步骤包括:利用经过模型精度优化步骤后的参数,并通过入库流量模型进行日均入库流量的预测计算。
虽然结合附图描述了本发明的实施方式,但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改,只要不超过本发明的权利要求所描述的保护范围,都应当在本发明的保护范围之内。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上仅是本发明的优选实施方式,应当指出,由于文字表达的有限性,而客观上存在无限的具体结构,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进、润饰或变化,也可以将上述技术特征以适当的方式进行组合;这些改进润饰、变化或组合,或未经改进将发明的构思和技术方案直接应用于其它场合的,均应视为本发明的保护范围。
Claims (10)
1.一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:包括初始化步骤、模型精度优化步骤和预测步骤;
所述初始化步骤包括:根据流域情况及水库群位置确定水库群上下游关系;设定一个时段,统计和计算各个时段内下游水库入库流量数据、各个时段内上游水库出库流量数据、各个时段内降雨量数据和各个时段内前期影响雨量;
所述模型精度优化步骤包括:
步骤一,设定水库群内一水库A,水库A的上游水库为水库B;
步骤二,从各个时段内水库B的出库流量数据提取t时段的出库流量QBc,t;
步骤五,通过假设降雨转换流量法和入库流量计算公式中的所有参数,建立入库流量模型;
步骤六,优化率定步骤五的参数;
预测步骤包括:利用经过模型精度优化步骤后的参数,并通过入库流量模型进行日均入库流量的预测计算。
2.根据权利要求1所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:所述参数包括折算系数α、指数参数β、α0初始分配系数、k衰减系数。
3.根据权利要求2所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:所述降雨转换流量法包括以下步骤:通过流域前期影响雨量计算公式计算出消退系数;通过河道径流深计算方法获得指数参数β和t时段内的径流深;将径流深代入流量转换公式获得t时段降雨产生的总流量;通过总流量和分配系数计算方法获得分配系数α0和公式衰减系数k;通过降雨形成流量计算方法获得△Qt-i+1,t。
4.根据权利要求3所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:所述流域前期影响雨量计算公式为
Pa,t+1=K(Pa,t+Pt);
其中,Pa,t+1表示t+1时段的前期影响雨量,K表示消退系数,Pa,t表示t时段的前期影响雨量,Pt表示t时段的降雨量。
5.根据权利要求4所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:所述河道径流深计算方法为:
假定流域最大前期影响雨量为Pa,M,Pa,t+1的最大值为Pa,M,由降雨量以及上述公式推得每一时段的前期影响雨量后,并假设该场降雨所形成的河道径流深计算公式为:
Rt=Pt×(Pa,t/Pa,M)β;
其中,Rt代表t时段内的径流深;Pt表示t时段的降雨量;β为指数参数,表示由降雨转化为径流的转换率。
6.根据权利要求5所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:流量转换公式为:
Qt=Rt*A/T
其中,Qt代表t时段降雨产生的总流量;A表示水库A所控制的流域面积;T表示单位时段长。
8.根据权利要求7所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:降雨形成流量计算方法包括:
t时段降雨量Pt所形成的流量过程△Qt,t,△Qt,t+1,……,△Qt,t+m-1计算公式为:
△Qt,t+i-1=Qt×αi,其中,i=1~m。
10.根据权利要求1所述的一种低水头水电站群下游水库日平均入库流量的预测方法,其特征在于:所述优化率定参数具体包括以下步骤:将所有参数与实际数据进行复核,若不满足精度要求,则重新假设降雨转换流量法和入库流量计算公式的所有参数,直至精度满足要求为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210057614.8A CN114548511A (zh) | 2022-01-18 | 2022-01-18 | 一种低水头水电站群下游水库日平均入库流量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210057614.8A CN114548511A (zh) | 2022-01-18 | 2022-01-18 | 一种低水头水电站群下游水库日平均入库流量的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548511A true CN114548511A (zh) | 2022-05-27 |
Family
ID=81671013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210057614.8A Pending CN114548511A (zh) | 2022-01-18 | 2022-01-18 | 一种低水头水电站群下游水库日平均入库流量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548511A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115858955A (zh) * | 2023-02-21 | 2023-03-28 | 南京图德科技有限公司 | 水电站入库流量及发电量时序分析方法、装置及存储介质 |
CN116258278A (zh) * | 2023-05-10 | 2023-06-13 | 青岛研博数据信息技术有限公司 | 构建的水位库容推演方法、系统及其设备 |
CN116933930A (zh) * | 2023-07-24 | 2023-10-24 | 长江水利委员会长江科学院 | 一种区间降雨影响下的电站坝前水位预测方法 |
CN117674293A (zh) * | 2023-12-07 | 2024-03-08 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种梯级水电站的长期发电优化调度方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108838A (zh) * | 2017-12-18 | 2018-06-01 | 华电福新能源股份有限公司福建分公司 | 一种高水量利用率的季调节水库优化调度方法 |
CN111144629A (zh) * | 2019-12-17 | 2020-05-12 | 国网辽宁省电力有限公司 | 一种水力发电站来水量预测方法及系统 |
CN113139684A (zh) * | 2021-04-22 | 2021-07-20 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种流域梯级水库系统月径流预测方法 |
CN113807545A (zh) * | 2021-09-09 | 2021-12-17 | 浙江大学 | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 |
-
2022
- 2022-01-18 CN CN202210057614.8A patent/CN114548511A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108838A (zh) * | 2017-12-18 | 2018-06-01 | 华电福新能源股份有限公司福建分公司 | 一种高水量利用率的季调节水库优化调度方法 |
CN111144629A (zh) * | 2019-12-17 | 2020-05-12 | 国网辽宁省电力有限公司 | 一种水力发电站来水量预测方法及系统 |
CN113139684A (zh) * | 2021-04-22 | 2021-07-20 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种流域梯级水库系统月径流预测方法 |
CN113807545A (zh) * | 2021-09-09 | 2021-12-17 | 浙江大学 | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 |
Non-Patent Citations (3)
Title |
---|
黄馗 等: "受上游调控影响的水库入库流量预报方法研究", 中国农村水利水电, no. 8, 11 April 2022 (2022-04-11), pages 78 - 83 * |
黄馗 等: "郁江流域水电站水库群水量不平衡问题分析", 中国农村水利水电, no. 7, 8 April 2022 (2022-04-08), pages 221 - 224 * |
龙达 等: "郁江流域下游梯级电站汛前弃水控制方式研究", 水电能源科学, vol. 40, no. 7, 18 July 2022 (2022-07-18), pages 88 - 92 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115858955A (zh) * | 2023-02-21 | 2023-03-28 | 南京图德科技有限公司 | 水电站入库流量及发电量时序分析方法、装置及存储介质 |
CN116258278A (zh) * | 2023-05-10 | 2023-06-13 | 青岛研博数据信息技术有限公司 | 构建的水位库容推演方法、系统及其设备 |
CN116933930A (zh) * | 2023-07-24 | 2023-10-24 | 长江水利委员会长江科学院 | 一种区间降雨影响下的电站坝前水位预测方法 |
CN116933930B (zh) * | 2023-07-24 | 2024-06-11 | 长江水利委员会长江科学院 | 一种区间降雨影响下的电站坝前水位预测方法 |
CN117674293A (zh) * | 2023-12-07 | 2024-03-08 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种梯级水电站的长期发电优化调度方法及装置 |
CN117674293B (zh) * | 2023-12-07 | 2024-06-14 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种梯级水电站的长期发电优化调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548511A (zh) | 一种低水头水电站群下游水库日平均入库流量的预测方法 | |
CN107045568B (zh) | 基于动态规划逐次逼近法的河道糙率反演方法 | |
CN107401140B (zh) | 支流尾闾河段造床流量的确定方法 | |
WO2021238170A1 (zh) | 二元水权核算交易方法及系统 | |
CN109783884B (zh) | 基于面雨量和模型参数同时校正的实时洪水预报误差修正方法 | |
CN108256780A (zh) | 一种基于迭代库区回水计算的梯级水库防洪调度计算方法 | |
CN107016496A (zh) | 梯级水电站群水位控制提效率的测算方法及系统 | |
CN115271380A (zh) | 一种自适应的水电站实时水务计算方法 | |
CN109902267B (zh) | 一种受下游湖泊顶托影响的河道安全泄量计算方法 | |
CN115659865A (zh) | 一种分汊河段曼宁糙率系数表征方法及基于其的阻力系数计算方法 | |
CN114358492B (zh) | 水电站水库调度的确定方法 | |
CN108427654B (zh) | 一种中型以上淤地坝已淤积库容快速演算方法 | |
CN113361130B (zh) | 一种高含沙洪水后河段河床形态调整预测模型的构建方法 | |
CN106320257A (zh) | 基于水文观测的湖库槽蓄曲线确定方法 | |
CN116681180B (zh) | 一种基于两层相似性度量的湖泊水位相似预报方法 | |
CN113672872A (zh) | 一种基于遥感影像的平原河网水量置换率计算方法及终端 | |
CN109902266B (zh) | 一种基于Copula函数的河道流量演算方法 | |
CN209102153U (zh) | 一种u型渠机翼型自动量水装置 | |
CN115688022B (zh) | 一种基于最邻近算法的流域单位线实时优选方法 | |
CN111915173A (zh) | 一种梯级小水电站优化调度关键因素的筛选方法 | |
CN114595596B (zh) | 一种水库淤积物密实沉降速率的模拟方法 | |
CN114385968A (zh) | 一种基于实时误差控制的入库流量反推方法 | |
CN115712800A (zh) | 一种水库水位波动处理方法 | |
CN111815121B (zh) | 一种基于swmm模型的排水深隧系统运行管理评价方法 | |
CN201678988U (zh) | 一种堰顶高程可变式量水堰 |
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 |