CN115187145B - 考虑弃水风险的梯级水库日前调度期末库水位控制方法 - Google Patents

考虑弃水风险的梯级水库日前调度期末库水位控制方法 Download PDF

Info

Publication number
CN115187145B
CN115187145B CN202211098866.1A CN202211098866A CN115187145B CN 115187145 B CN115187145 B CN 115187145B CN 202211098866 A CN202211098866 A CN 202211098866A CN 115187145 B CN115187145 B CN 115187145B
Authority
CN
China
Prior art keywords
reservoir
water
early warning
abandoning
cascade
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
CN202211098866.1A
Other languages
English (en)
Other versions
CN115187145A (zh
Inventor
王照阳
钟孝蛟
杨乘胜
缪秋循
朱重佳
吴承君
沈轶
王慢
开乐
张磊
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.)
Nanjing Nanzi Huadun Digital Technology Co ltd
Original Assignee
Nanjing Huadun Power Information Security Evaluation 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 Nanjing Huadun Power Information Security Evaluation Co Ltd filed Critical Nanjing Huadun Power Information Security Evaluation Co Ltd
Priority to CN202211098866.1A priority Critical patent/CN115187145B/zh
Publication of CN115187145A publication Critical patent/CN115187145A/zh
Application granted granted Critical
Publication of CN115187145B publication Critical patent/CN115187145B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0635—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

Landscapes

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

Abstract

本发明公开了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，其包括：根据历史预报/预测数据与实际数据，得到径流预报和负荷预测的误差分布规律；根据径流预报和负荷预测的误差分布规律，计算梯级水库水电站调度面临时段的弃水风险；根据弃水风险计算方法，对梯级水库水电站历史调度过程进行弃水预警模拟，得到梯级水库水电站弃水预警空报率和漏报率；以梯级水库水电站弃水预警空报率和漏报率联合最小为目标，获取梯级各水库水电站临界弃水预警值；根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位。本发明充分考虑了径流预报和负荷预测的不确定性，能够准确推算出梯级水库日前调度期末库水位。

Description

考虑弃水风险的梯级水库日前调度期末库水位控制方法
技术领域
本发明涉及一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，属于梯级水库水电站发电调度技术领域。
背景技术
随着水电站建成和投运数量的急剧增加，受水雨情、电网负荷预测不确定性影响，水电站弃水现象频发，严重制约了水电站运行的经济效益。准确量化水电站水库预警期的弃水风险，通过改变当前水电站调度策略以减少水电站预警时段弃水量，是提高水能资源利用率的一个有效途径。
现有针对水电站弃水风险的分析主要以径流/洪水预报的不确定性作为影响水电站弃水的主要风险因素，但是在水电站并网及电力市场逐渐健全的背景下，影响水电站调度运行中弃水的风险因素更加复杂。梯级水库发电优化调度不仅受到来水的制约，同时考虑到电网电力电量平衡约束，也受到用电户用电负荷的影响。如何在多重不确定性条件下准确量化水电站弃水风险，以减少水电站弃水、提高水能资源利用率，是水电站水库生产实践过程中面临的一个关键科学技术问题。
同时，现有针对弃水风险的研究主要集中在风险量化方法及如何减小弃水风险或弃水量等方面，而针对如何将量化后的弃水风险应用到水电站水库发电计划编制过程中的研究较少，在可接受的弃水风险范围内编制水电站水库调度计划，以满足调度决策者调度意图是当前面临的又一关键问题。目前，针对梯级水库水电站日前发电计划，通常以未来1天作为调度期，通过求解发电量最大模型编制。而发电量最大模型属于以水定电的调度方式，即在构建发电量最大模型时，水库调度期初、末库水位为已知状态。在水库水电站实际调度运行过程中，水库日前调度期初始库水位可根据当天电网下发的96点发电计划进行定出力模拟确定，而针对水库日前调度期末库水位的确定通常是由调度决策者主观确定，缺少理论和科学依据。
发明内容
为了解决现有技术存在的问题，本发明提出了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，在径流预报不确定性的基础上还考虑了电网负荷预测的不确定性与随机性，量化了多重不确定性条件下梯级水库水电站的弃水风险，通过弃水预警模拟确定梯级各水库水电站临界弃水预警值，并基于弃水风险计算方法，反推出梯级水库日前调度期末库水位，为梯级水库日前调度期末库水位的确定提供了科学理论依据和技术支撑。
为解决上述技术问题，本发明采用了如下技术手段：
本发明提出了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，包括如下步骤：
根据历史径流预报数据、历史实际径流数据、历史负荷预测数据和历史实际出力数据，得到径流预报和负荷预测的误差分布规律；
根据径流预报和负荷预测的误差分布规律，计算梯级水库水电站调度面临时段的弃水风险；
根据弃水风险计算方法，对梯级水库水电站历史调度过程进行弃水预警模拟，得到梯级水库水电站弃水预警空报率和漏报率；
以梯级水库水电站弃水预警空报率和漏报率联合最小为目标，获取梯级各水库水电站临界弃水预警值；
根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位。
进一步的，得到径流预报和负荷预测的误差分布规律的方法为：
根据历史径流预报数据、历史实际径流数据、历史负荷预测数据和历史实际出力数据，分别生成径流预报误差序列和负荷预测误差序列；
采用基于物理诊断法和箱型图法的双重清洗方法对径流预报误差序列和负荷预测误差序列中的异常值进行诊断和处理；
根据异常值诊断和处理后径流预报误差序列和负荷预测误差序列绘制频数直方图，假设其分布形态，并采用Kolmogorov-Smirnov检验法进行非参数检验，判断异常值诊断和处理后径流预报误差序列和负荷预测误差序列是否满足正态分布；
采用基于秩的正态化得分方法对非正态分布的径流预报误差序列和负荷预测误差序列进行正态化处理，得到径流预报误差序列的正态化变量序列和负荷预测误差序列的正态化变量序列；
基于正态化处理后的径流预报误差序列和负荷预测误差序列，得到径流预报误差序列及其相应的正态化变量序列之间的线性映射关系、负荷预测误差序列及其相应的正态化变量序列之间的线性映射关系。
进一步的，采用基于物理诊断法和箱型图法的双重清洗方法对径流预报误差序列和负荷预测误差序列中的异常值进行诊断和处理的方法为：
将径流预报误差序列和负荷预测误差序列中时序连续重复性数据诊断为错报数据，并进行剔除处理；
将径流预报误差序列中的径流相对误差绝对值与径流误差阈值比较，大于径流误差阈值的诊断为误差异常数据，并进行剔除处理；
将负荷预测误差序列中的负荷相对误差绝对值与负荷误差阈值比较，大于负荷误差阈值的诊断为误差异常数据，并进行剔除处理；
采用箱型图法对剔除处理后的径流预报误差序列和负荷预测误差序列进行二次处理，得到异常值诊断和处理后的径流预报误差序列和负荷预测误差序列。
进一步的，梯级水库水电站调度面临时段的弃水风险的计算公式如下：
Figure 11719DEST_PATH_IMAGE001
Figure 601969DEST_PATH_IMAGE002
（1）
其中，
Figure 860912DEST_PATH_IMAGE003
表示弃水风险，
Figure 615242DEST_PATH_IMAGE004
表示临界出力与预测负荷相对误差对应的正态变量，
Figure 352254DEST_PATH_IMAGE005
、
Figure 78901DEST_PATH_IMAGE006
分别为负荷预测误差序列转换的正态化变量序列的均值和方差，
Figure 508746DEST_PATH_IMAGE007
表示负荷相对误差正态化处理后的正态随机变量，
Figure 484792DEST_PATH_IMAGE008
表示临界入库流量与预报入库流量相对误差对应的正态变量，
Figure 946866DEST_PATH_IMAGE009
、
Figure 590337DEST_PATH_IMAGE010
分别为径流预报误差序列转换的正态化变量序列的均值和方差，x表示入库流量相对误差正态化处理后的正态随机变量。
进一步的，临界出力和临界入库流量的计算公式如下：
Figure 925503DEST_PATH_IMAGE011
（2）
其中，针对首级水库，
Figure 654425DEST_PATH_IMAGE012
为临界入库流量，针对非首级水库，
Figure 936502DEST_PATH_IMAGE012
为临界区间入库流量，
Figure 434479DEST_PATH_IMAGE013
为考虑电网、市场消纳因素后的第i级水库t时段预测负荷，
Figure 940547DEST_PATH_IMAGE014
为第i级水库综合出力系数，
Figure 78136DEST_PATH_IMAGE015
为第i级水库t时段的发电水头，
Figure 960641DEST_PATH_IMAGE016
、
Figure 313125DEST_PATH_IMAGE017
分别为第i级水库t时段初、末库水位对应的库容，
Figure 255674DEST_PATH_IMAGE018
为t时段的时间长度，
Figure 631291DEST_PATH_IMAGE019
为第i-1级水库t时段的期望出库，
Figure 51908DEST_PATH_IMAGE020
为临界出力，
Figure 524478DEST_PATH_IMAGE021
为第i级水库t时段的预报径流，i=1，2，…I，I为梯级水库水电站中水库总数。
进一步的，当i=1时，第i-1级水库t时段的期望出库
Figure 372348DEST_PATH_IMAGE022
，当i>1时，
Figure 764757DEST_PATH_IMAGE023
的计算公式如下：
Figure 989065DEST_PATH_IMAGE024
Figure 316141DEST_PATH_IMAGE025
（3）
Figure 600492DEST_PATH_IMAGE026
（4）
其中，
Figure 685123DEST_PATH_IMAGE027
为期望出库流量计算过程中的中间变量，
Figure 447542DEST_PATH_IMAGE028
为第i-1级水库t时段的生态流量，
Figure 629125DEST_PATH_IMAGE029
为第i-1级水库入库流量的概率密度函数，Q为第i-1级水库入库流量的随机变量，
Figure 271328DEST_PATH_IMAGE030
为第i-1级水库t时段末库水位对应的库容，
Figure 171151DEST_PATH_IMAGE031
为第i-1级水库t+1时段末库水位对应的库容。
进一步的，对梯级水库水电站历史调度过程进行弃水预警模拟的方法为：
以梯级水库逐时段历史调度的实际库水位作为预警时段初始库水位，根据弃水风险计算方法得到梯级水库逐时段弃水风险
Figure 737261DEST_PATH_IMAGE032
，其中，
Figure 773350DEST_PATH_IMAGE033
为第i级水库第t时段的弃水风险，i=1，2…I，I为梯级水库水电站中水库总数；
设
Figure 337187DEST_PATH_IMAGE034
为第i级水库的弃水预警临界值，当
Figure 724306DEST_PATH_IMAGE035
大于
Figure 828528DEST_PATH_IMAGE034
时发出弃水预警，否则不进行弃水预警，得到弃水预警模拟结果，其中，
Figure 171654DEST_PATH_IMAGE036
，
Figure 968708DEST_PATH_IMAGE037
，n为弃水预警临界值的取值总数。
进一步的，将弃水预警模拟结果与梯级水库水电站历史弃水数据比较，得到梯级水库弃水预警空报率和漏报率，计算公式如下：
Figure 577544DEST_PATH_IMAGE038
（5）
其中，
Figure 751037DEST_PATH_IMAGE039
为当弃水预警临界值为
Figure 964980DEST_PATH_IMAGE034
时第i级水库的弃水预警空报率，
Figure 932936DEST_PATH_IMAGE040
为当弃水预警临界值为
Figure 29068DEST_PATH_IMAGE034
时第i级水库的弃水预警漏报率，
Figure 475093DEST_PATH_IMAGE041
为当弃水预警临界值为
Figure 527232DEST_PATH_IMAGE034
时在弃水预警模拟过程中发出弃水预警但未弃水的次数，
Figure 666089DEST_PATH_IMAGE042
为当弃水预警临界值为
Figure 249517DEST_PATH_IMAGE034
时在弃水预警模拟过程中发出弃水预警的总次数，
Figure 499233DEST_PATH_IMAGE043
为当弃水预警临界值为
Figure 422189DEST_PATH_IMAGE034
时在弃水预警模拟过程中未发出弃水预警但有弃水产生的次数，
Figure 731948DEST_PATH_IMAGE044
为当弃水预警临界值为
Figure 802672DEST_PATH_IMAGE034
时在弃水预警模拟过程中未发出弃水预警总次数。
进一步的，梯级各水库水电站临界弃水预警值的计算方法如下：
Figure 856079DEST_PATH_IMAGE045
（6）
其中，
Figure 885739DEST_PATH_IMAGE046
为第i级水库水电站临界弃水预警值，
Figure 366399DEST_PATH_IMAGE047
、
Figure 658840DEST_PATH_IMAGE048
分别表示弃水预警模拟过程中弃水预警临界值为
Figure 515938DEST_PATH_IMAGE034
时第i级水库的弃水预警空报率和漏报率，
Figure 147907DEST_PATH_IMAGE049
、
Figure 799469DEST_PATH_IMAGE050
分别表示在不同弃水预警临界值取值条件下的第i级水库的弃水预警空报率和漏报率集合，
Figure 844785DEST_PATH_IMAGE051
，n为弃水预警临界值的取值总数，i=1，2…I，I为梯级水库水电站中水库总数。
进一步的，将径流预报预见期内的余留时段作为风险预警时段，根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位，计算方法如下：
梯级各水库水电站弃水风险受风险预警时段水库初水位、时段末最高水库控制水位、时段预报入库流量、时段预测平均出力、径流预报误差分布规律及负荷预测误差分布规律影响，其抽象表达公式为：
Figure 239994DEST_PATH_IMAGE052
（7）
其中，p表示梯级各水库水电站弃水风险，f{}为弃水风险抽象表达公式，
Figure 975738DEST_PATH_IMAGE053
为第i级水库日前调度期末库水位，
Figure 63780DEST_PATH_IMAGE054
为第i级水库t时段最高兴利控制水位，
Figure 330813DEST_PATH_IMAGE055
为第i级水库t时段预报平均入库流量，
Figure 264134DEST_PATH_IMAGE056
为第i级水库径流预报误差分布的概率密度函数，
Figure 870696DEST_PATH_IMAGE057
为第i级水库t时段预测平均出力，
Figure 129639DEST_PATH_IMAGE058
为第i级水库负荷预测误差分布的概率密度函数， t为风险预警时段，i=1，2…I，I为梯级水库水电站中水库总数；
根据梯级各水库水电站临界弃水预警值，反推出径流预报预见期内的余留时段初库水位，即日前调度期末库水位，计算公式如下：
Figure 618389DEST_PATH_IMAGE059
Figure 620980DEST_PATH_IMAGE060
（8）
其中，
Figure 331316DEST_PATH_IMAGE061
为弃水风险计算反函数，
Figure 495581DEST_PATH_IMAGE062
为第i级水库水电站临界弃水预警值。
采用以上技术手段后可以获得以下优势：
本发明提出了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，充分考虑了径流预报和负荷预测的不确定性与随机性，提出了多重不确定性条件下梯级水库水电站风险预警时段弃水风险量化方法，提高了弃水风险计算的准确性。通过对梯级水库水电站历史调度过程进行弃水预警模拟，统计弃水预警空报率和漏报率，进而确定梯级各水库水电站临界弃水预警值；根据梯级各水库水电站临界弃水预警值，基于弃水风险计算方法，反推出梯级水库日前调度期末库水位，为梯级水库日前调度期末库水位的确定提供科学理论依据和技术支撑。
本发明方法能够解决现状梯级水库水电站日前发电计划编制过程中，调度期末库水位的确定过度依赖调度决策者主观性的缺陷，对梯级水库水电站日前发电计划的合理编制和梯级水库水电站全生命周期效益的发挥具有重要价值和意义。
附图说明
图1为本发明一种考虑弃水风险的梯级水库日前调度期末库水位控制方法的步骤流程图；
图2为本发明实施例中梯级各水库水电站弃水预警模拟和临界弃水预警值计算的流程图；
图3为本发明实施例中弃水预警临界值-空报率-漏报率关系演变示意图；
图4为本发明实施例中普定-引子渡径流预报的误差分布直方图；
图5为本发明实施例中普定-引子渡负荷预测的误差分布直方图；
图6为本发明实施例中普定-引子渡径流预报正态变量频率分布直方图；
图7为本发明实施例中普定-引子渡负荷预测正态变量频率分布直方图；
图8为本发明实施例中普定-引子渡径流预报误差序列与其正态变量序列的线性映射关系图；
图9是为本发明实施例中普定-引子渡负荷预测误差序列与其正态变量序列的线性映射关系图；
图10为本发明实施例中普定-引子渡历史调度过程中普定水库的弃水预警模拟结果示意图；
图11为本发明实施例中普定-引子渡历史调度过程中引子渡水库的弃水风险模拟结果示意图；
图12为本发明实施例中普定水库的弃水预警临界值与预警空（漏）报率的演变关系图；
图13为本发明实施例中引子渡水库的弃水预警临界值与预警空（漏）报率的演变关系图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明：
为了解决现有的梯级水库水电站日前发电计划编制过程中，调度期末库水位的确定过度依赖调度决策者主观性的问题，本发明提出了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法，如图1所示，具体包括如下步骤：
步骤A、根据历史径流预报数据、历史实际径流数据、历史负荷预测数据和历史实际出力数据，得到径流预报和负荷预测的误差分布规律。
步骤A01、获取长系列历史径流预报数据和实际（区间）入库径流数据、长系列历史负荷预测数据和实际出力数据，根据实际数据与预报/预测数据计算误差值，生成径流预报误差序列和负荷预测误差序列。
步骤A02、采用基于物理诊断法和箱型图法的双重清洗方法对径流预报误差序列和负荷预测误差序列中的异常值进行诊断和处理，具体的：
（1）将径流预报误差序列和负荷预测误差序列中时序连续重复性数据诊断为“错（漏）报”数据，并进行剔除处理。
（2）将径流预报误差序列中的径流相对误差绝对值与径流误差阈值比较，大于径流误差阈值的诊断为误差异常数据，并进行剔除处理，其中，径流误差阈值为经验值。
（3）将负荷预测误差序列中的负荷相对误差绝对值与负荷误差阈值比较，大于负荷误差阈值的诊断为误差异常数据，并进行剔除处理，其中，负荷误差阈值为经验值。
（4）采用箱型图法对经过步骤（1）~（3）剔除处理后的径流预报误差序列和负荷预测误差序列进行二次处理，箱型图法可以进一步判断序列中的异常值并进行剔除处理，得到异常值诊断和处理后的径流预报误差序列和负荷预测误差序列。
步骤A03、根据异常值诊断和处理后径流预报误差序列和负荷预测误差序列绘制频数直方图，假设其分布形态，并采用Kolmogorov-Smirnov检验法进行非参数检验，判断异常值诊断和处理后径流预报误差序列和负荷预测误差序列是否满足正态分布。
步骤A04、完成步骤A03的分布形态和检验后，对于不满足正态分布的序列，采用基于秩的正态化得分方法对非正态分布的径流预报误差序列和负荷预测误差序列进行正态化处理，得到径流预报误差序列的正态化变量序列和负荷预测误差序列的正态化变量序列。
步骤A05、基于正态化处理后的径流预报误差序列和负荷预测误差序列，得到径流预报误差序列及其相应的正态化变量序列之间的线性映射关系、负荷预测误差序列及其相应的正态化变量序列之间的线性映射关系。
步骤B、根据径流预报和负荷预测的误差分布规律，得到临界出力与预测负荷相对误差对应的正态变量
Figure 737207DEST_PATH_IMAGE004
、负荷预测误差序列转换的正态化变量序列的均值
Figure 277909DEST_PATH_IMAGE005
和方差
Figure 593484DEST_PATH_IMAGE006
、临界入库流量与预报入库流量相对误差对应的正态变量
Figure 194230DEST_PATH_IMAGE008
、分别为径流预报误差序列转换的正态化变量序列的均值
Figure 657572DEST_PATH_IMAGE009
和方差
Figure 1966DEST_PATH_IMAGE010
，并计算梯级水库水电站调度面临时段的弃水风险，具体的计算公式如下：
Figure 686894DEST_PATH_IMAGE001
Figure 192962DEST_PATH_IMAGE002
（9）
其中，
Figure 409179DEST_PATH_IMAGE003
表示弃水风险，
Figure 291685DEST_PATH_IMAGE007
表示负荷相对误差正态化处理后的正态随机变量，x表示入库流量相对误差正态化处理后的正态随机变量。
在本发明实施例中，临界出力和临界入库流量的计算公式如下：
Figure 581852DEST_PATH_IMAGE011
（10）
其中，针对首级水库，
Figure 258821DEST_PATH_IMAGE012
为临界入库流量，针对非首级水库，
Figure 696755DEST_PATH_IMAGE012
为临界区间入库流量；
Figure 382951DEST_PATH_IMAGE013
为考虑电网、市场消纳因素后的第i级水库t时段预测负荷；
Figure 779822DEST_PATH_IMAGE014
为第i级水库综合出力系数；
Figure 893272DEST_PATH_IMAGE015
为第i级水库t时段的发电水头；
Figure 818502DEST_PATH_IMAGE016
、
Figure 42810DEST_PATH_IMAGE017
分别为第i级水库t时段初、末库水位对应的库容，由于水库发生弃水时库水位应达到水库最高兴利控制水位，因此，
Figure 307570DEST_PATH_IMAGE017
等于第i级水库第t时段最高兴利控制水位；
Figure 591920DEST_PATH_IMAGE018
为t时段的时间长度；
Figure 738868DEST_PATH_IMAGE019
为第i-1级水库t时段的期望出库；
Figure 953818DEST_PATH_IMAGE020
为临界出力；
Figure 135400DEST_PATH_IMAGE021
为第i级水库t时段的预报径流，当i=1时，
Figure 590652DEST_PATH_IMAGE021
为首级水库预报入库流量，否则
Figure 490475DEST_PATH_IMAGE021
为第i级水库预报区间入库流量；i=1，2…I，I为梯级水库水电站中水库总数。
在本发明实施例中，当i=1时，第i-1级水库t时段的期望出库
Figure 994269DEST_PATH_IMAGE022
，当i>1时，
Figure 30358DEST_PATH_IMAGE023
的计算公式如下：
Figure 656511DEST_PATH_IMAGE024
Figure 778051DEST_PATH_IMAGE025
（11）
Figure 334803DEST_PATH_IMAGE026
（12）
其中，
Figure 490978DEST_PATH_IMAGE027
为期望出库流量计算过程中的中间变量，
Figure 288033DEST_PATH_IMAGE028
为第i-1级水库t时段的生态流量，
Figure 834552DEST_PATH_IMAGE029
为第i-1级水库入库流量的概率密度函数，Q为第i-1级水库入库流量的随机变量，
Figure 742465DEST_PATH_IMAGE030
为第i-1级水库t时段末库水位对应的库容，
Figure 753146DEST_PATH_IMAGE031
为第i-1级水库t+1时段末库水位对应的库容。
步骤C、根据弃水风险计算方法，对梯级水库水电站历史调度过程进行弃水预警模拟，得到梯级水库水电站弃水预警空报率和漏报率。如图2所示，步骤C的具体操作如下：
步骤C01、以梯级水库逐时段历史调度的实际库水位作为预警时段初始库水位，根据预警时段初始库水位，利用公式（9）计算每个时段的弃水风险，得到梯级水库逐时段弃水风险
Figure 721102DEST_PATH_IMAGE063
，其中，
Figure 4185DEST_PATH_IMAGE033
为第i级水库第t时段的弃水风险。
步骤C02、在对梯级水库水电站历史调度过程进行弃水预警模拟过程中，梯级水库水电站调度不同面临时段的弃水风险受当前库水位、预报来水和预测负荷的影响，其计算结果为在（0，1）之间的不同数值，若以较小的弃水风险作为弃水预警临界值，则可能增加弃水预警的空报率，若以较大的弃水风险作为弃水预警临界值，则可能增加弃水预警的漏报率，上述两种情形均不利于水库实现优化调度，因此，本发明在（0，1）的取值范围内遍历多个不同的弃水预警临界值，在每个弃水预警临界值下，对每一级水库，进行弃水预警模拟。
设
Figure 715789DEST_PATH_IMAGE034
为第i级水库的弃水预警临界值，当
Figure 846556DEST_PATH_IMAGE035
大于
Figure 985413DEST_PATH_IMAGE034
时发出弃水预警，否则不进行弃水预警，得到弃水预警模拟结果，即梯级水库每个时段是否进行弃水预警，其中，
Figure 240945DEST_PATH_IMAGE064
，
Figure 756240DEST_PATH_IMAGE065
，n为弃水预警临界值的取值总数。
步骤C03、获取梯级水库水电站在历史调度过程中实际的弃水情况，将弃水预警模拟结果与梯级水库水电站历史弃水数据比较，得到梯级水库的弃水预警空报率和漏报率。
以弃水预警临界值为
Figure 741514DEST_PATH_IMAGE034
为例，弃水预警空报率和漏报率的计算公式如下：
Figure 51273DEST_PATH_IMAGE038
（13）
其中，
Figure 46298DEST_PATH_IMAGE039
为当弃水预警临界值为
Figure 99705DEST_PATH_IMAGE034
时第i级水库的弃水预警空报率，
Figure 939485DEST_PATH_IMAGE040
为当弃水预警临界值为
Figure 420144DEST_PATH_IMAGE034
时第i级水库的弃水预警漏报率，
Figure 915848DEST_PATH_IMAGE041
为当弃水预警临界值为
Figure 507366DEST_PATH_IMAGE034
时在弃水预警模拟过程中的预警空报次数，即发出弃水预警但未弃水的次数，
Figure 467232DEST_PATH_IMAGE042
为当弃水预警临界值为
Figure 118793DEST_PATH_IMAGE034
时在弃水预警模拟过程中发出弃水预警的总次数，
Figure 85481DEST_PATH_IMAGE066
为当弃水预警临界值为
Figure 480690DEST_PATH_IMAGE034
时在弃水预警模拟过程中的漏报次数，即未发出弃水预警但有弃水产生的次数，
Figure 295062DEST_PATH_IMAGE044
为当弃水预警临界值为
Figure 117525DEST_PATH_IMAGE034
时在弃水预警模拟过程中未发出弃水预警总次数。
针对第i级水库，遍历所有可能的弃水预警临界值
Figure 322241DEST_PATH_IMAGE067
，通过步骤C分别计算相应的弃水预警空报率
Figure 521142DEST_PATH_IMAGE068
和漏报率
Figure 190020DEST_PATH_IMAGE040
，生成弃水预警临界值及其相应的空报率、漏报率离散集合：
Figure 183384DEST_PATH_IMAGE069
、
Figure 124664DEST_PATH_IMAGE070
、
Figure 127255DEST_PATH_IMAGE071
。
在本发明实施例中，弃水预警临界值的取值与弃水预警空报率和误报率之间的关系如图3所示。
步骤D、本发明提出临界弃水预警值的概念，即当梯级各水库水电站弃水风险大于或等于临界弃水预警值发出弃水预警，反之，则不发出弃水预警。本发明通过在（0，1）区间遍历所有可能的弃水预警临界值，以梯级水库水电站弃水预警空报率和漏报率联合最小为目标，获取梯级各水库水电站临界弃水预警值：
Figure 650640DEST_PATH_IMAGE045
（14）
其中，
Figure 814906DEST_PATH_IMAGE046
为第i级水库水电站临界弃水预警值，
Figure 994214DEST_PATH_IMAGE049
、
Figure 534917DEST_PATH_IMAGE050
分别表示在不同弃水预警临界值取值条件下的第i级水库的弃水预警空报率和漏报率集合。
步骤E、根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位。
将径流预报预见期内的日前调度时段和余留时段作为两个阶段，日前调度时段是本发明需要计算的时段，以余留时段作为风险预警时段，根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位，具体的计算方法如下：
步骤E01、根据公式（9）~（12）可知，梯级各水库水电站弃水风险受风险预警时段水库初水位、时段末最高水库控制水位、时段预报入库流量、时段预测平均出力、径流预报误差分布规律及负荷预测误差分布规律影响，其抽象表达公式为：
Figure 912809DEST_PATH_IMAGE052
（15）
其中，p表示梯级各水库水电站弃水风险，f{}为弃水风险抽象表达公式，
Figure 513554DEST_PATH_IMAGE053
为第i级水库余留时段初库水位，
Figure 163847DEST_PATH_IMAGE072
为第i级水库t时段最高兴利控制水位，在本发明中，
Figure 508241DEST_PATH_IMAGE073
，
Figure 740639DEST_PATH_IMAGE074
为第i级水库t时段预报平均（区间）入库流量，当i=1时，
Figure 512286DEST_PATH_IMAGE075
为水库预报入库流量，当i>1时，
Figure 400608DEST_PATH_IMAGE074
为水库预报平均区间入库流量，
Figure 283113DEST_PATH_IMAGE056
为第i级水库径流预报误差分布的概率密度函数，
Figure 635597DEST_PATH_IMAGE057
为第i级水库t时段预测平均出力，
Figure 578145DEST_PATH_IMAGE076
为第i级水库负荷预测误差分布的概率密度函数， t为风险预警时段。
步骤E02、针对径流预报预见期内的余留时段，时段末最高水库控制水位、时段预报入库流量、时段预测平均出力、径流预报误差分布规律及负荷预测误差分布规律均为已知参数，根据公式（14）计算的梯级各水库水电站临界弃水预警值
Figure 194241DEST_PATH_IMAGE062
，可反推出径流预报预见期内的余留时段初库水位，即日前调度期末库水位，计算公式如下：
Figure 880438DEST_PATH_IMAGE059
Figure 87428DEST_PATH_IMAGE060
（16）
其中，
Figure 200878DEST_PATH_IMAGE077
为第i级水库径流预报预见期内的余留时段初库水位，即日前调度期末库水位，
Figure 63791DEST_PATH_IMAGE061
为弃水风险计算反函数。
为了便于理解本发明方法同时说明本发明方法的有益效果，下面结合乌江流域普定和引子渡梯级水库水电站的数据对本发明的技术方案作进一步说明：
根据普定和引子渡水库水电站长系列径流预报数据、实际（区间）入库流量数据、负荷预测数据、实际出力数据，计算径流预报误差和负荷预测误差。
通过采用基于物理诊断法和箱型图法的数据双重清洗方法，对异常数据进行处理，并根据处理后的径流预报和负荷预测误差序列，制作频率分布直方图，具体如图4、5所示，图4是径流预报误差分布直方图，图5是负荷预测误差分布直方图。从图4、5可以看出，径流预报误差和负荷预测误差分布直方图中，均值分别为-0.48、-0.06，标准差分别为0.884、0.283。
针对径流预报误差分布进行零假设：数据清洗后的径流预报误差序列服从N(-0.48，0.8842)的正态分布；针对负荷预测误差分布进行零假设：数据清洗后的负荷预测误差序列服从N(-0.06，0.2832)的正态分布；给定置信水平为0.05，运用Kolmogorov-Smirnov进行单样本无参数检验，结果如表1所示：
表1
Figure 288099DEST_PATH_IMAGE078
Figure 615175DEST_PATH_IMAGE079
由表1可知，运用K-S单样本检验方法对数据清洗后的径流和负荷误差序列的正态分布形式进行非参数检验，其显著性小于0.05，拒绝零假设，即数据清洗后的误差序列不服从正态分布。
运用正态得分技术对非正态分布的径流和负荷预报误差序列进行正态化处理，制作正态变量频率分布直方图，如图6、7所示，图6径流预报正态变量直方图，图7是负荷预测正态变量直方图。从图6、7可以看出，径流预报误差和负荷预测误差正态变量频率分布直方图中，均值均为0，标准差分别为0.9996、0.9999。
针对径流预报误差序列进行零假设：数据清洗后的误差序列服从N(0，0.99962)的正态分布；针对负荷预测误差序列进行零假设：数据清洗后的负荷预测误差序列服从N(0，0.99992)的正态分布；给定置信水平为0.05，采用Kolmogorov-Smirnov进行单样本无参数检验，结果如表2所示：
表2
Figure 633947DEST_PATH_IMAGE080
Figure 233424DEST_PATH_IMAGE081
由表2可知，采用K-S单样本检验方法对数据清洗（正态化处理）后的误差序列的正态分布形式进行非参数检验，其显著性大于0.05，接受零假设，即基于正态得分技术处理后的径流预报误差序列和负荷预测误差序列均服从正态分布。
根据数据清洗后的径流和负荷预报误差序列及基于正态得分技术处理后的正态变量序列，分别构建两者间的线性映射关系，如图8、9所示，图8是径流预报误差序列及其正态变量序列的映射关系，图9是负荷预测误差序列及其正态变量序列的映射关系。
根据本发明提出的弃水风险计算方法公式（9），针对普定和引子渡水库长系列调度过程进行弃水风险和弃水预警模拟，结果如图10、11所示，其中，图10是普定水库的弃水预警模拟结果，图11是引子渡水库的弃水预警模拟结果。由图10、11可以看出，针对不同的水库以及不同的弃水时段，弃水风险模拟计算结果虽有不同，但整体表现出随弃水时段弃水流量的增加，弃水风险模拟计算结果逐渐增大的趋势，表明本发明提出的弃水风险计算方法合理可靠。
根据弃水预警模拟结果，运用弃水预警空报率和漏报率计算方法，计算普定和引子渡梯级水库水电站各水库在不同弃水预警临界值条件下的水库弃水预警空报率和漏报率，结果如图12、13所示，其中，图12是普定水库的弃水预警临界值与预警空（漏）报率的关系图，图13是引子渡水库的弃水预警临界值与预警空（漏）报率的关系图。
以梯级水库水电站弃水预警空报率和漏报率联合最小为目标，计算得普定和引子渡水库临界弃水预警值，分别为0.60和0.54。
以2018年汛期某日为例，普定和引子渡水库径流预报预见期内的余留期预报径流分别为135.54m3/s和3.73m3/s，预测出力分别为78MW和202MW。将上述数据带入本发明方法公式（16），计算得普定和引子渡水库日前调度期末库水位分别为1137.72m和1072.93m，分别较实际调度库水位提高0.28m和0.14m。由此可见，本发明方法能够在保证风险预警期弃水风险的同时，提高水库水位，从而可通过提高发电水头，降低耗水率，可增加水能资源利用率，对我国顺利实现碳中和和碳达峰目标具有重要意义。本发明所提方法可行且结果可靠，具有广泛的经济效益和社会价值。
本发明方法能够准确推算出梯级水库日前调度期末库水位，为梯级水库日前调度期末库水位的确定提供科学理论依据和技术支撑，在此基础上进行水库调度和梯级水库水电站日前发电计划编制，能够提高水能资源利用率，对梯级水库水电站日前发电计划的合理编制和梯级水库水电站全生命周期效益的发挥具有重要价值和意义。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，包括如下步骤：
根据历史径流预报数据、历史实际径流数据、历史负荷预测数据和历史实际出力数据，得到径流预报和负荷预测的误差分布规律；
根据径流预报和负荷预测的误差分布规律，计算梯级水库水电站调度面临时段的弃水风险；
根据弃水风险计算方法，对梯级水库水电站历史调度过程进行弃水预警模拟，得到梯级水库水电站弃水预警空报率和漏报率；
以梯级水库水电站弃水预警空报率和漏报率联合最小为目标，获取梯级各水库水电站临界弃水预警值；
根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位；
梯级水库水电站调度面临时段的弃水风险的计算公式如下：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
；
其中，
Figure DEST_PATH_IMAGE003
表示弃水风险，
Figure DEST_PATH_IMAGE004
表示临界出力与预测负荷相对误差对应的正态变量，
Figure DEST_PATH_IMAGE005
、
Figure DEST_PATH_IMAGE006
分别为负荷预测误差序列转换的正态化变量序列的均值和方差，
Figure DEST_PATH_IMAGE007
表示负荷相对误差正态化处理后的正态随机变量，
Figure DEST_PATH_IMAGE008
表示临界入库流量与预报入库流量相对误差对应的正态变量，
Figure DEST_PATH_IMAGE009
、
Figure DEST_PATH_IMAGE010
分别为径流预报误差序列转换的正态化变量序列的均值和方差，x表示入库流量相对误差正态化处理后的正态随机变量；
将径流预报预见期内的余留时段作为风险预警时段，根据梯级各水库水电站临界弃水预警值和弃水风险计算方法，得到梯级水库日前调度期末库水位，计算方法如下：
梯级各水库水电站弃水风险受风险预警时段水库初水位、时段末最高水库控制水位、时段预报入库流量、时段预测平均出力、径流预报误差分布规律及负荷预测误差分布规律影响，其抽象表达公式为：
Figure DEST_PATH_IMAGE011
；
其中，p表示梯级各水库水电站弃水风险，f{}为弃水风险抽象表达公式，
Figure DEST_PATH_IMAGE012
为第i级水库日前调度期末库水位，
Figure DEST_PATH_IMAGE013
为第i级水库t时段最高兴利控制水位，
Figure DEST_PATH_IMAGE014
为第i级水库t时段预报平均入库流量，
Figure DEST_PATH_IMAGE015
为第i级水库径流预报误差分布的概率密度函数，
Figure DEST_PATH_IMAGE016
为第i级水库t时段预测平均出力，
Figure DEST_PATH_IMAGE017
为第i级水库负荷预测误差分布的概率密度函数， t为风险预警时段，i=1，2…I，I为梯级水库水电站中水库总数；
根据梯级各水库水电站临界弃水预警值，反推出径流预报预见期内的余留时段初库水位，即日前调度期末库水位，计算公式如下：
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
；
其中，
Figure DEST_PATH_IMAGE020
为弃水风险计算反函数，
Figure DEST_PATH_IMAGE021
为第i级水库水电站临界弃水预警值。
2.根据权利要求1所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，得到径流预报和负荷预测的误差分布规律的方法为：
根据历史径流预报数据、历史实际径流数据、历史负荷预测数据和历史实际出力数据，分别生成径流预报误差序列和负荷预测误差序列；
采用基于物理诊断法和箱型图法的双重清洗方法对径流预报误差序列和负荷预测误差序列中的异常值进行诊断和处理；
根据异常值诊断和处理后径流预报误差序列和负荷预测误差序列绘制频数直方图，假设其分布形态，并采用Kolmogorov-Smirnov检验法进行非参数检验，判断异常值诊断和处理后径流预报误差序列和负荷预测误差序列是否满足正态分布；
采用基于秩的正态化得分方法对非正态分布的径流预报误差序列和负荷预测误差序列进行正态化处理，得到径流预报误差序列的正态化变量序列和负荷预测误差序列的正态化变量序列；
基于正态化处理后的径流预报误差序列和负荷预测误差序列，得到径流预报误差序列及其相应的正态化变量序列之间的线性映射关系、负荷预测误差序列及其相应的正态化变量序列之间的线性映射关系。
3.根据权利要求2所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，采用基于物理诊断法和箱型图法的双重清洗方法对径流预报误差序列和负荷预测误差序列中的异常值进行诊断和处理的方法为：
将径流预报误差序列和负荷预测误差序列中时序连续重复性数据诊断为错报数据，并进行剔除处理；
将径流预报误差序列中的径流相对误差绝对值与径流误差阈值比较，大于径流误差阈值的诊断为误差异常数据，并进行剔除处理；
将负荷预测误差序列中的负荷相对误差绝对值与负荷误差阈值比较，大于负荷误差阈值的诊断为误差异常数据，并进行剔除处理；
采用箱型图法对剔除处理后的径流预报误差序列和负荷预测误差序列进行二次处理，得到异常值诊断和处理后的径流预报误差序列和负荷预测误差序列。
4.根据权利要求1所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，临界出力和临界入库流量的计算公式如下：
Figure DEST_PATH_IMAGE022
；
其中，针对首级水库，
Figure DEST_PATH_IMAGE023
为临界入库流量，针对非首级水库，
Figure 992016DEST_PATH_IMAGE023
为临界区间入库流量，
Figure DEST_PATH_IMAGE024
为考虑电网、市场消纳因素后的第i级水库t时段预测负荷，
Figure DEST_PATH_IMAGE025
为第i级水库综合出力系数，
Figure DEST_PATH_IMAGE026
为第i级水库t时段的发电水头，
Figure DEST_PATH_IMAGE027
、
Figure DEST_PATH_IMAGE028
分别为第i级水库t时段初、末库水位对应的库容，
Figure DEST_PATH_IMAGE029
为t时段的时间长度，
Figure DEST_PATH_IMAGE030
为第i-1级水库t时段的期望出库，
Figure DEST_PATH_IMAGE031
为临界出力，
Figure DEST_PATH_IMAGE032
为第i级水库t时段的预报径流，i=1，2，…I，I为梯级水库水电站中水库总数。
5.根据权利要求4所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，当i=1时，第i-1级水库t时段的期望出库
Figure DEST_PATH_IMAGE033
，当i>1时，
Figure DEST_PATH_IMAGE034
的计算公式如下：
Figure DEST_PATH_IMAGE035
Figure DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE037
；
其中，
Figure DEST_PATH_IMAGE038
为期望出库流量计算过程中的中间变量，
Figure DEST_PATH_IMAGE039
为第i-1级水库t时段的生态流量，
Figure DEST_PATH_IMAGE040
为第i-1级水库入库流量的概率密度函数，Q为第i-1级水库入库流量的随机变量，
Figure DEST_PATH_IMAGE041
为第i-1级水库t时段末库水位对应的库容，
Figure DEST_PATH_IMAGE042
为第i-1级水库t+1时段末库水位对应的库容。
6.根据权利要求1所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，对梯级水库水电站历史调度过程进行弃水预警模拟的方法为：
以梯级水库逐时段历史调度的实际库水位作为预警时段初始库水位，根据弃水风险计算方法得到梯级水库逐时段弃水风险
Figure DEST_PATH_IMAGE043
，其中，
Figure DEST_PATH_IMAGE044
为第i级水库第t时段的弃水风险，i=1，2…I，I为梯级水库水电站中水库总数；
设
Figure DEST_PATH_IMAGE045
为第i级水库的弃水预警临界值，当
Figure DEST_PATH_IMAGE046
大于
Figure 595909DEST_PATH_IMAGE045
时发出弃水预警，否则不进行弃水预警，得到弃水预警模拟结果，其中，
Figure DEST_PATH_IMAGE047
，
Figure DEST_PATH_IMAGE048
，n为弃水预警临界值的取值总数。
7.根据权利要求6所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，将弃水预警模拟结果与梯级水库水电站历史弃水数据比较，得到梯级水库的弃水预警空报率和漏报率，计算公式如下：
Figure DEST_PATH_IMAGE049
；
其中，
Figure DEST_PATH_IMAGE050
为当弃水预警临界值为
Figure 782171DEST_PATH_IMAGE045
时第i级水库的弃水预警空报率，
Figure DEST_PATH_IMAGE051
为当弃水预警临界值为
Figure 239697DEST_PATH_IMAGE045
时第i级水库的弃水预警漏报率，
Figure DEST_PATH_IMAGE052
为当弃水预警临界值为
Figure 100074DEST_PATH_IMAGE045
时在弃水预警模拟过程中发出弃水预警但未弃水的次数，
Figure DEST_PATH_IMAGE053
为当弃水预警临界值为
Figure 984854DEST_PATH_IMAGE045
时在弃水预警模拟过程中发出弃水预警的总次数，
Figure DEST_PATH_IMAGE054
为当弃水预警临界值为
Figure 861674DEST_PATH_IMAGE045
时在弃水预警模拟过程中未发出弃水预警但有弃水产生的次数，
Figure DEST_PATH_IMAGE055
为当弃水预警临界值为
Figure 375088DEST_PATH_IMAGE045
时在弃水预警模拟过程中未发出弃水预警总次数。
8.根据权利要求1所述的考虑弃水风险的梯级水库日前调度期末库水位控制方法，其特征在于，梯级各水库水电站临界弃水预警值的计算方法如下：
Figure DEST_PATH_IMAGE056
；
其中，
Figure DEST_PATH_IMAGE057
为第i级水库水电站临界弃水预警值，
Figure DEST_PATH_IMAGE058
、
Figure DEST_PATH_IMAGE059
分别表示弃水预警模拟过程中弃水预警临界值为
Figure 184912DEST_PATH_IMAGE045
时第i级水库的弃水预警空报率和漏报率，
Figure DEST_PATH_IMAGE060
、
Figure DEST_PATH_IMAGE061
分别表示在不同弃水预警临界值取值条件下的第i级水库的弃水预警空报率和漏报率集合，
Figure DEST_PATH_IMAGE062
，n为弃水预警临界值的取值总数，i=1，2…I，I为梯级水库水电站中水库总数。
CN202211098866.1A 2022-09-09 2022-09-09 考虑弃水风险的梯级水库日前调度期末库水位控制方法 Active CN115187145B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211098866.1A CN115187145B (zh) 2022-09-09 2022-09-09 考虑弃水风险的梯级水库日前调度期末库水位控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211098866.1A CN115187145B (zh) 2022-09-09 2022-09-09 考虑弃水风险的梯级水库日前调度期末库水位控制方法

Publications (2)

Publication Number Publication Date
CN115187145A CN115187145A (zh) 2022-10-14
CN115187145B true CN115187145B (zh) 2023-01-24

Family

ID=83523632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211098866.1A Active CN115187145B (zh) 2022-09-09 2022-09-09 考虑弃水风险的梯级水库日前调度期末库水位控制方法

Country Status (1)

Country Link
CN (1) CN115187145B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341841B (zh) * 2023-03-08 2024-08-06 清华大学 径流预报误差校正方法、装置、设备、介质和程序产品

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107528348A (zh) * 2017-09-14 2017-12-29 华北电力大学 一种基于来水不确定性的梯级水电站负荷调整方法
CN108109076B (zh) * 2017-12-19 2021-06-04 贵州乌江水电开发有限责任公司 一种考虑径流预报的梯级水电站群发电调度弃水风险分析方法
CN110472825B (zh) * 2019-07-09 2022-12-20 贵州黔源电力股份有限公司 一种多级调度机构协调的梯级水电站实时调度弃水削减方法
CN113077163B (zh) * 2021-04-14 2023-07-11 湖北清江水电开发有限责任公司 耦合预报的梯级水库群两阶段弃水风险评估方法
CN113946792A (zh) * 2021-08-27 2022-01-18 河海大学 一种基于弃水概率的水库群水位控制方法
CN113793065A (zh) * 2021-09-30 2021-12-14 大连理工大学 一种考虑弃水风险的并联水电站蓄放水次序求解方法

Also Published As

Publication number Publication date
CN115187145A (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN112950067B (zh) 基于模糊综合评价的电力用户用电能效评估方法
CN111027775A (zh) 基于长短期记忆网络的梯级水电站发电量预测方法
CN115187145B (zh) 考虑弃水风险的梯级水库日前调度期末库水位控制方法
CN110197296B (zh) 一种基于时间序列相似性的机组负荷预测方法
CN103810532B (zh) 优化城市排水系统运行状况的方法
CN116681312B (zh) 一种面向生态的多目标水库优化调度决策方法及系统
CN112766809A (zh) 综合能源系统的评价方法
CN107293118A (zh) 一种交通速度动态区间短时预测方法
CN117422165A (zh) 一种基于低碳排放的城市输水系统水量预测方法及系统
CN117294019B (zh) 一种基于物联网的绿色建筑能耗监测方法及系统
CN116029559B (zh) 一种电力系统基建项目组合方案决策方法
CN108154301A (zh) 一种智能制造的能效评估方法及系统
CN113077163A (zh) 耦合预报的梯级水库群两阶段弃水风险评估方法
CN116865327A (zh) 一种新能源纳入电力平衡比例的确定方法及系统
CN116562422A (zh) 一种电能量与爬坡备用的联合出清方法及终端
CN110717838A (zh) 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
CN115730766A (zh) 一种区域内综合能源系统集群协同规划评价方法及装置
CN112713585A (zh) 一种新能源发电功率预测偏差量化评估方法和系统
CN115034618A (zh) 一种基于模糊评价的社区综合能源系统效益评价方法
CN113850471A (zh) 一种综合能源系统的状态评价方法及装置
CN113946792A (zh) 一种基于弃水概率的水库群水位控制方法
CN111983478A (zh) 一种基于Holt线性趋势模型的电化学储能电站SOC异常检测方法
CN107194520B (zh) 基于三峡水库排沙比的预测方法
CN118134344B (zh) 水利水电工程施工节水及废水资源化利用水平的评估方法
CN116933930B (zh) 一种区间降雨影响下的电站坝前水位预测方法

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 38, New Model Road, Gulou District, Nanjing City, Jiangsu Province, 210000

Patentee after: Nanjing Nanzi Huadun Digital Technology Co.,Ltd.

Address before: No.39 Shuige Road, Jiangning District, Nanjing City, Jiangsu Province, 211100

Patentee before: NANJING HUADUN POWER INFORMATION SECURITY EVALUATION CO.,LTD.