CN115935667A - 一种区域地表水资源预测模拟及其优化配置方法 - Google Patents

一种区域地表水资源预测模拟及其优化配置方法 Download PDF

Info

Publication number
CN115935667A
CN115935667A CN202211609030.3A CN202211609030A CN115935667A CN 115935667 A CN115935667 A CN 115935667A CN 202211609030 A CN202211609030 A CN 202211609030A CN 115935667 A CN115935667 A CN 115935667A
Authority
CN
China
Prior art keywords
reservoir
model
water
interval
target
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
CN202211609030.3A
Other languages
English (en)
Inventor
荣戗戗
朱姝娲
岳文淙
苏美蓉
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 CN202211609030.3A priority Critical patent/CN115935667A/zh
Publication of CN115935667A publication Critical patent/CN115935667A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Abstract

本发明公开了一种区域地表水资源预测模拟及其优化配置方法，包括以下步骤：步骤一、针对研究区的进行数据收集，构建流域水文模拟模型—SWAT模型；步骤二、收集未来气象数据，并将其输入到已率定验证好的SWAT模型中，对研究区气候变化背景下区域地表水资源量进行预测模拟；步骤三、将气候变化背景下区域地表水资源预测模拟模型整合到区间多目标优化模型中；步骤四、求解气候变化背景下区域地表水资源区间多目标优化配置模型；有益效果是，能够在预测未来区域地表水资源量的基础上，得到不同气候变化情景下满足发电、供水、弃水目标的水库水资源配置方案。

Description

一种区域地表水资源预测模拟及其优化配置方法
技术领域
本发明涉及区域地表水资源优化配置技术领域，特别是一种区域地表水资源预测模拟及其优化配置方法。
背景技术
区域地表水资源在促进社会经济发展和保护生态系统方面具有重要意义；水库作为一种有效的工程措施，在地表水资源的供应与调节过程中发挥着关键作用；然而，气候变化通过影响气象要素对地表水资源(如水库流域可用水资源量)产生了重大影响，并且近年来影响愈发显著，给水库流域可用水资源的预测带来了很大的压力，甚至造成了缺水风险；如何在气候变化下对水库流域可用水资源进行预测模拟以及优化配置成为水资源管理研究中的重要问题；
同时，水库流域区域地表水资源的管理过程极其复杂，具有多目标性与不确定性；例如，水库通常具有发电、供水、生态调节等多种服务功能，这就导致了水库在运行过程中需要满足多个目标；同时，由于信息收集的不完全和系统的复杂性，多个参数难以给出确定的值；进而显著影响优化配置方案的可靠性；此外，气候变化可能加剧这些不确定性和复杂性，从而可能导致一些社会经济问题，如区域供水不稳定和下游生态系统恶化等；
因此，有效处理气候变化下系统的不确定性和复杂性，已成为库区地表水资源研究的重点和难点；有必要提出一些先进的模型来支持水资源的预测模拟和优化配置，这对确保区域供水安全和社会经济的可持续发展具有重要意义。
发明内容
本发明的目的是为了解决上述问题，设计了一种区域地表水资源预测模拟及其优化配置方法。
实现上述目的本发明的技术方案为，一种区域地表水资源预测模拟及其优化配置方法，包括以下步骤：
步骤一、针对研究区的进行数据收集，构建流域水文模拟模型—SWAT模型；
步骤二、收集未来气象数据，并将其输入到已率定验证好的SWAT模型中，对研究区气候变化背景下区域地表水资源量进行预测模拟；
步骤三、将气候变化背景下区域地表水资源预测模拟模型整合到区间多目标优化模型中，形成气候变化背景下区域地表水资源区间多目标优化配置模型；
步骤四、求解气候变化背景下区域地表水资源区间多目标优化配置模型，得到考虑未来气候变化、系统不确定性和多目标性的区域地表水资源优化配置方案。
对本技术方案的进一步补充，步骤一中，研究区的数据包括：研究区的数字高程数据、水文数据、气象数据、土地利用数据、土壤类型数据，构建SWAT模型的步骤包括：子流域划分、水文响应单元划分、输入气象数据、参数敏感性分析、模型率定及验证。
对本技术方案的进一步补充，步骤二中，基于实测水文数据对构建的SWAT模型进行率定验证，并收集不同温室气体排放情景下的规划年逐日降雨量、逐日最低气温、逐日最高气温输入已率定验证好的SWAT模型中，预测模拟出气候变化背景下区域地表水资源量。
对本技术方案的进一步补充，步骤三中，将RCP气象情景、SWAT模型、区间线性规划、多目标规划耦合在一个框架内，构建气候变化背景下区域地表水资源区间多目标优化配置模型。
对本技术方案的进一步补充，所构建的区间多目标优化配置模型包括：目标函数、决策变量和约束条件，并以水库分配给发电的用水量、水库库内取水量、弃水量为决策变量，以水库水力发电量最大化、水库库内取水量产生的经济效益最大化、弃水量最小化为目标函数。
对本技术方案的进一步补充，步骤四中，引入隶属度函数，采用模糊几何加权算法将区域地表水资源区间多目标优化配置模型中的多目标问题转成求解满意度最大的单目标问题，通过引入辅助变量将区间数转换为确定值，并利用最优最劣模型将求解满意度最大的单目标问题转换成最优子模型与最劣子模型，计算出水库发电用水量、库内取水量、弃水量的最优解与最劣解，其中每个决策变量的最优解与最劣解可组成该决策变量的区间解；将决策变量代入相应的目标函数中，得到水库发电量的区间解、库内取水产生经济效益的区间解。
对本技术方案的进一步补充，土地利用类型数据包括：研究区的建设用地、耕地、林地、草地和水域；土壤类型数据包括：研究区土壤类型空间分布数据及土壤属性数据库；气象数据包括：研究区历年的逐日降雨、气温、风速、太阳辐射、湿度；水文数据包括：研究区内水文监测站点历年径流量实测数据；
构建SWAT模型模拟历史径流量，主要包括以下步骤：利用数字高程数据分析数字地形和定义河网，划分出子流域，计算子流域参数；在子流域基础上，根据土壤数据、土地利用数据、坡度数据，进一步将子流域划分为多个水文响应单元；输入气象数据，逐步计算每个水文响应单元上的径流量，再通过汇流计算得到流域总径流量。
对本技术方案的进一步补充，对构建的SWAT模型进行率定验证，选择流域内水文监测站点，利用站点实测水文数据对SWAT模型模拟数据进行校正，包括以下步骤：利用SWAT-CUP软件进行率定验证操作，选用SUFI-2算法进行迭次运算确定参数最佳值；根据参数最佳值对SWAT模型进行调参，并代入模型进行模拟验证；选择纳什系数(NSE)和相关系数(R2)作为评价SWAT模型适用性的两个指标，并且NSE>0.5，R2>0.6时SWAT模型具有适用性。
对本技术方案的进一步补充，在步骤三中，区域地表水资源区间多目标优化配置模型，包括：
所述目标函数为：
a)发电量最大：
式中，E±为t时段内水库发电总量，单位为kWh；为水库在t时段的平均发电功率，单位为MW兆瓦(每小时发电量1兆瓦时)；Δt表示t时段的时段长度，单位为天；K±表示水库的出力系数；H±表示水库水头，单位为m；表示水库在t时段内的总发电用水量，单位为m3；
b)供水产生的经济效益最大：
式中，F±为t时段内水库供水产生的经济效益，单位为RMB；B±为单位供水水量产生的经济效益，单位为RMB/m3；为水库在t时段内的总供水水量，单位为m3；
c)弃水量最小：充分利用水资源
式中，为总弃水水量，单位为m3；为t时段内水库弃水量，单位为m3；T为总时段数。
各约束条件：
a)水库水量平衡约束：
式中，和Vt ±分别是t+1和t时段的水库库容，单位为m3；It是t时段水库入库流量，单位m3/s；
b)过轮机流量约束：
Qmax，p＝R×Δt×8640
式中，为水库在t时段的发电流量，单位为m3；Qmax,p为t时段下水库最大发电用水量，单位为m3；R为水电站最大过轮机流量，单位为m3/s，其中，新丰江水库最大过轮机流量为490m3/s；
c)水库下泄水量约束：
式中，为t时段内水库的下泄水量，单位为m3，其中，下泄水量等于发电用水量与弃水量之和；为t时段水库的最小下泄流量，单位为m3；为t时段水库的最大下泄流量，单位为m3；
d)发电量约束：
式中，E±为规划期内水库总发电量，单位为kWh；为规划年内水库最小发电量，单位为kWh；
e)水库库内取水量约束：
式中，为水库在t时段内的总供水水量，即库内取水总量，单位为m3；为水库在规划年的最小水库库内取水量，单位为m3；规划年水库最大水库库内取水量，单位为m3；
f)水库库容约束：
式中，Vt+1 ±为t时段的月末库容，单位为m3；与分别为水库t时段内允许的最小、最大库容；
g)变量非负约束
式中，E±、K±、H±,F±、B±、 是区间参数和变量。
对本技术方案的进一步补充，在步骤四中，求解区域地表水资源区间多目标优化配置模型包括以下具体步骤：
第一步：引入辅助变量，将目标函数与约束条件中的区间数转变为确定的形式；区间多目标规划模型的总体框架可表述为：
s.t A±X≤B±
X≥0
通过引入辅助变量Skj,qij，和vi,其中i＝1，2，…，m，j＝1，2，…，n，k＝1，2，…，p，并适用于本部分所有模型；Skj、qij、vi可以将区间数A±、B±转换为确定的形式；目标函数与约束条件可以转换为：
xj≥0，j＝1，2，…，n
第二步：采用模糊几何加权算法，将多目标规划问题转化为以总体满意度最大化为目标的单目标规划问题。引入隶属度函数，并计算各个目标的隶属度。隶属度函数计算公式如下所示：
式中，μ(fk(X，S))为第k个目标的隶属度函数；fk，min和fk，max为fk(X，S)单目标线性规划的下界和上界，假设fk，min不等于fk，max，fk，min与fk，max的目标函数相同，约束条件不同，具体公式如下：
fk，min：
fk，max：
第三步：根据决策者对各目标函数的决策偏好给各目标隶属度函数赋予不同权重wk，其中wk≥0(i-1，2，…，m)并且进而将原有的区间多目标规划模型转化为以满意度最大化为目标的区间单目标规划模型，计算公式如下：
第四步：利用最优-最劣模型对上述以满意度最大化为目标的区间单目标规划模型进行求解；最优和最劣子模型表示如下：
最优模型：
最劣模型：
第五步：将最优模型得到的解，即最优最优解代入以满意度最大化为目标的区间单目标规划模型得到最大满意度δ+，同理，将最劣模型得到的解，即最优最劣解代入以满意度最大化为目标的区间单目标规划模型得到最小满意度δ-；δ-与δ+组成满意度区间[δ-，δ+]；将最优最劣解代入中，得到将最优最劣解代入到中，得到进而得到各目标函数区间解此外，对于以求解最大化为目标的单目标，需乘负1变成以求解最小化为目标。
其有益效果在于，1、本发明收集研究区数字高程、土地利用、土壤类型、历史气象、水文要素等数据资料，建立SWAT模型数据库用于定量化评估区域地表水资源量，并利用实测径流数据对模型进行率定验证，校准模型参数，提高径流量模拟精度并进行适用性评价，可以为研究区地表水资源管理提供数据支撑；将SWAT模型与未来气象数据进行耦合，可以在体现水文动态特征的基础上预测研究区未来水资源量；
2、本发明考虑了区域地表水资源管理过程中的不确定性与多目标性，通过将区域地表水资源定量化评估模拟模型整合到区间多目标规划模型中形成了区域地表水资源区间多目标优化配置模型，解决了在区域地表水资源管理过程中气候变化、系统不确定性与复杂性造成的影响；本发明所述方法能够在预测未来区域地表水资源量的基础上，得到不同气候变化与水库初始库容情景下满足发电、供水、弃水目标的水库水资源配置方案。
附图说明
图1是本发明中整体的工作原理示意流程图；
图2是不同气候变化情景下逐月发电用水量与发电量的最优最劣解；
图3是不同气候变化情景下的逐月供水量及其经济效益优化结果；
图4是不同气候变化情景下的逐月弃水量优化结果。
具体实施方式
为了便于本领域技术人员对本技术方案更加清楚，下面将结合附图1-4详细阐述本发明的技术方案：
如图1所示的一种气候变化背景下区域地表水资源预测模拟及其优化配置方法，包括以下步骤：
步骤一、针对研究区的进行数据收集，构建流域水文模拟模型—SWAT(Soil andWater Assessment Tool)模型；
所述研究区的相关数据包括：数字高程数据；土地利用类型数据包括：研究区的建设用地、耕地、林地、草地和水域；土壤类型数据包括：研究区土壤类型空间分布数据及土壤属性数据库；气象数据包括：研究区历年的逐日降雨、气温、风速、太阳辐射、湿度；水文数据包括：研究区内水文监测站点历年径流量实测数据。
构建SWAT模型模拟历史径流量，主要包括以下步骤：利用数字高程数据分析数字地形和定义河网，划分出子流域，计算子流域参数；在子流域基础上，根据土壤数据、土地利用数据、坡度数据，进一步将子流域划分为多个水文响应单元；输入气象数据，逐步计算每个水文响应单元上的径流量，再通过汇流计算得到流域总径流量。
进行SWAT模型的率定验证，选择流域内水文监测站点，利用站点实测数据对SWAT模型模拟数据进行校正，包括以下步骤：利用SWAT-CUP软件进行率定验证操作，选用SUFI-2算法进行迭次运算确定参数最佳值；根据参数最佳值对SWAT模型进行调参，并代入模型进行模拟验证；选择纳什系数(NSE)和相关系数(R2)作为评价SWAT模型适用性的两个指标，并且NSE>0.5，R2>0.6时SWAT模型具有适用性。
步骤二、收集未来气象数据，并将其输入到已率定验证好的SWAT模型中，对研究区气候变化背景下区域地表水资源量进行预测模拟；
具体包括收集区域气候模式中不同温室气体排放(RCP)情景下，研究区流域范围内气象站点的未来逐日降雨量、逐日最低气温、逐日最高气温。
步骤三、将气候变化背景下区域地表水资源预测模拟模型整合到区间多目标优化模型中，形成气候变化背景下区域地表水资源区间多目标优化配置模型；
收集当前研究区水资源配置的基本信息，构建区域地表水资源区间多目标优化配置模型，该模型包括：目标函数、决策变量和约束条件，并以水库分配给发电的用水量、水库库内取水量(以下简称供水量)、弃水量为决策变量，以水库水力发电量最大化、供水量产生的经济效益最大化、弃水量最小化为目标函数。
所述目标函数为：
a)发电量最大：
式中，E±为t时段内水库发电总量，单位为kWh；为水库在t时段的平均发电功率，单位为MW兆瓦(每小时发电量1兆瓦时)；Δt表示t时段的时段长度，单位为天；K±表示水库的出力系数；H±表示水库水头，单位为m；表示水库在t时段内的总发电用水量，单位为m3。
b)供水产生的经济效益最大：
式中，F±为t时段内水库供水产生的经济效益，单位为RMB；B±为单位供水水量产生的经济效益，单位为RMB/m3；为水库在t时段内的总供水水量，单位为m3。
c)弃水量最小：充分利用水资源
式中，为总弃水水量，单位为m3；为t时段内水库弃水量，单位为m3；T为总时段数。
各约束条件：
a)水库水量平衡约束：
式中，和Vt ±分别是t+1和t时段的水库库容，单位为m3；It是t时段水库入库流量，单位m3/s。
b)过轮机流量约束：
Qmax，p＝R×Δt×8640
式中，为水库在t时段的发电流量，单位为m3；Qmax,p为t时段下水库最大发电用水量，单位为m3；R为水电站最大过轮机流量，单位为m3/s，其中，新丰江水库最大过轮机流量为490m3/s。
c)水库下泄水量约束：
式中，为t时段内水库的下泄水量，单位为m3，其中，下泄水量等于发电用水量与弃水量之和；为t时段水库的最小下泄流量，单位为m3；为t时段水库的最大下泄流量，单位为m3。
d)发电量约束：
式中，E±为规划期内水库总发电量，单位为kWh；为规划年内水库最小发电量，单位为kWh。
e)水库库内取水量约束：
式中，为水库在t时段内的总供水水量，即库内取水总量，单位为m3；为水库在规划年的最小水库库内取水量，单位为m3；规划年水库最大水库库内取水量，单位为m3；
f)水库库容约束：
式中，Vt+1 ±为t时段的月末库容，单位为m3；与分别为水库t时段内允许的最小、最大库容。
g)变量非负约束
式中，E±、Pt ±、K±、H±,F±、B±、Vt ±、 是区间参数和变量。
步骤四、求解气候变化背景下区域地表水资源区间多目标优化配置模型，得到考虑未来气候变化、系统不确定性和多目标性的区域地表水资源优化配置方案；
求解主要步骤包括：引入隶属度函数，采用模糊几何加权算法将区域地表水资源区间多目标优化配置模型中的多目标问题转成求解满意度最大的单目标问题，通过引入辅助变量将区间数转换为确定值，并利用最优最劣模型将求解满意度最大的单目标问题转换成最优子模型与最劣子模型，计算出水库发电用水量、库内取水量、弃水量的最优最优解与最优最劣解，其中每个决策变量的最优最优解与最优最劣解可组成该决策变量的区间解。将决策变量代入相应的目标函数中，得到水库发电量的区间解、库内取水产生经济效益的区间解。
求解具体步骤包括：
第一步：引入辅助变量，将目标函数与约束条件中的区间数转变为确定的形式。区间多目标规划模型的总体框架可表述为：
        
通过引入辅助变量Skj,qij,和vi,其中i＝1，2，…，m，j＝1，2，…，n，k＝1，2，…，p，并适用于本部分所有模型。Skj、qij、vi可以将区间数A±、B±转换为确定的形式。目标函数与约束条件可以转换为：
第二步：采用模糊几何加权算法，将多目标规划问题转化为以总体满意度最大化为目标的单目标规划问题。引入隶属度函数，并计算各个目标的隶属度。隶属度函数计算公式如下所示：
式中，μ(fk(X，S))为第k个目标的隶属度函数；fk，min和fk，max为fk(X，S)单目标线性规划的下界和上界，假设fk，min不等于fk，max，fk，min与fk，max的目标函数相同，约束条件不同，具体公式如下：
fk，min：
fk，max：
第三步：根据决策者对各目标函数的决策偏好给各目标隶属度函数赋予不同权重wk，其中wk≥0(i-1，2，…，m)并且进而将原有的区间多目标规划模型转化为以满意度最大化为目标的区间单目标规划模型，计算公式如下：
第四步：利用最优-最劣模型对上述以满意度最大化为目标的区间单目标规划模型进行求解。最优和最劣子模型表示如下：
最优模型：
最劣模型：
第五步：将最优模型得到的解，即最优最优解代入以满意度最大化为目标的区间单目标规划模型得到最大满意度δ+，同理，将最劣模型得到的解，即最优最劣解代入以满意度最大化为目标的区间单目标规划模型得到最小满意度δ-。δ-与δ+组成满意度区间[δ-，δ+]。将最优最劣解代入中，得到将最优最劣解代入到中，得到进而得到各目标函数区间解此外，对于以求解最大化为目标的单目标，需乘负1变成以求解最小化为目标。
以下通过实例结合附图1-4对本发明做进一步说明：
新丰江水库流域水资源优化配置
1、研究区概况
新丰江水库流域位于23°40′－24°36′N，113°57′－115°05′E之间，地处亚热带，气温高、雨量充沛，区域植被覆盖度高，其水资源量受气候变化影响显著。新丰江水库流域地处广东省河源市西部，呈菱形状分布于珠江流域东北部，起源于九连山区，包括新丰江、连平河、大席河、忠信河等主要水系，自西向南经河源市和韶关市流入东江，全河长163km，水域面积约370km2。流域内地势由西北向东南倾斜，流域形状呈扇形，汇流时间短，其干流和支流长度差别小、水面面积大，洪水过程易涨难落，平均径流系数为58％。新丰江水库汇水面积5813km2，总库容量139亿m3，多年年均进出库水量为61亿m3，是全国第七大水库和华南地区最大的人工湖。新丰江水库始建于1958年，兼顾防洪、供水、航运和发电等任务。在供水方面，新丰江水库不仅直供河源市本身的用水，也通过东江向下游的惠州、东莞供水，同时还通过跨流域调水工程，向流域外的深圳、广州和香港等城市供应大量的水源，是广东重要的饮用水水源，因此，保障新丰江水库的供水安全对下游4000多万人的生产生活有着重要影响。但在近10年来，随着东江中下游以及周边用水地区的社会经济发展，河源市新丰江水库逐月供水量在波动中上升，年供水量大幅增加，这说明近10年来新丰江水库的供水需求在不断增加，新丰江水库面临着巨大的供水压力。自2002年以来，新丰江水库功能定位由以发电为主转变为以防洪、供水为主，兼顾发电、航运、防咸和灌溉，成为广东省最重要的供水河流之一。并且新丰江水库水量控制将对东江中、下游洪枯流量的时空分配起到重要的节制调控作用。综上可知，对新丰江水库水资源进行合理配置是十分必要的，加上该地区水资源量深受气候变化的影响，因此，有必要研究新丰江水库在气候变化背景下的水资源优化配置。
2、基础数据收集
SWAT模型在运行前需要大量的数据作为支撑，这些数据大体分为空间数据和属性数据两类。空间数据库主要包括：DEM数字高程数据库、水系图、土地利用数据库、土壤类型数据库等。属性数据库主要包括：土壤属性数据库、气象数据库等。其中，在构建空间数据时本文统一采用SWAT2012和ArcGIS10.2的集成版本进行处理。并且，为满足空间数据可以进行叠加分析与单元划分的要求，综合考虑详细河流域地域特征和空间资料情况，统一采用采用地理坐标系WGS-1984，投影坐标系UTM-50。SWAT模型具体输入数据及其来源见下表：
3、SWAT模型参数率定及验证
本发明利用SWAT-CUP中的SUFI-2算法进行参数敏感性分析，并通过多次迭代筛选其中的敏感性参数并调整其取值范围，最终确定率定的主要参数。最终，本发明选取19个对径流影响较大的流域参数。其中，参数的敏感性分析采用全局敏感性分析的t检验(t-stat)和p检验(p-value)法，在此过程中，参数的灵敏度越高，t-stat的绝对值越大，p-value越接近零值。最终确定的主要敏感参数以及最优取值范围下表所示：
SWAT模型率定验证的主要步骤：将SWAT模型模拟结果SWAT Output输出文件导入SWAT-CUP中，运用敏感性分析方法确定对模拟结果影响较大的参数以及参数取值范围，运行SWAT-CUP工程；根据SWAT-CUP推荐的新参数取值范围调整，并将新参数范围代回进行迭代，直到将率定结果控制在合理范围；最终，将率定后确定的参数取值范围回代到SWAT模型中，并修改敏感参数的最优取值，重新运行SWAT模型，再将输出结果导入SWAT-CUP中进行验证。具体本发明在参数敏感性分析的基础上，利用顺天(位于16号子流域)与岳城(位于18号子流域)2010-2014年实测数据，对SWAT模型月尺度的模拟结果进行多站点多变量的率定与验证，其中，2010-2012年作为率定期，2013-2014年作为验证期。
结合选取的评价指标范围，可知SWAT模型在新丰江水库流域的适用性较好，率定期(2010-2012年)，顺天水文站月径流模拟的决定系数R2为0.90，纳什系数NSE为0.90；岳城水文站月径流模拟的决定系数R2为0.74，纳什系数NSE为0.68。验证期(2013-2014年)，顺天水文站月径流模拟的决定系数R2为0.81，纳什系数NSE为0.71；岳城水文站月径流模拟的决定系数R2为0.85，纳什系数NSE为0.55。总体而言，SWAT模型适用性较好，可用于后续研究。
4、气候变化情景下的新丰江水库径流量预测
本发明选择2025年为预测年，并对2025年HadGEM2-ES模式中RCP2.6、RCP4.5和RCP8.5三种不同温室气体情景下的逐日数据进行收集，并利用Panoply软件对nc文件进行读取，并整理出研究区域内的、符合SWAT模型输入数据要求的数据，进而输入已经率定验证好的SWAT模型对2025年径流量进行模拟。可以看出：RCP2.6、RCP4.5和RCP8.5情景下年均径流变化无显著差异；RCP2.6、RCP4.5和RCP8.5情景下2025年年均径流量分别为189.37、238.16和217.77m3/s。具体而言，RCP2.6、RCP4.5和RCP8.5情景下的径流集中在5-9月，其他月份的径流相对较少。RCP2.6、RCP4.5和RCP8.5情景下的径流峰值分别出现在7月、5月和8月。
5、水库水资源区间多目标不确定优化配置
本发明以新丰江水库为研究区，对新丰江水库2025年水库水资源进行优化配置：在预测气候变化情景下水库地表水资源量、收集水库运行现状以及水库水资源配置方案的基础上，以供水产生的经济效益最大化、发电量最大化、弃水量最小化为优化目标，同时考虑水量平衡约束、水库库容约束、供水量约束、发电量约束、下泄流量约束、最大过轮机流量约束、非负约束等；分析水资源优化配置系统中的不确定性信息，引入区间数学规划以及多目标规划方法，构建水库水资源区间多目标不确定性优化模型。本文所构建模型具有以下优点：①可以对多个目标的效益进行权衡，实现综合效益的最大化；②将系统里难以确定的参数或变量表示为区间数，实现系统对系统不确定性的有效表征；③讨论了多种气候变化以及水库初始库容情景下的水资源优化配置方案，从而为决策者提供多种决策建议。
三种气候变化情景下的相应方案的区间满意度均为[0.49,0.99]，说明三种情景下水资源配置方案均具有适用性，决策者可根据水库2025年实际降雨、气温状况，选择相应的水库水资源配置方案。总体来说，三种方案下的水资源配置结果，均预测2025年用于发电的用水量最多，约占水资源配置总量的60％左右。其次是供水水量，约占35％。相对而言，弃水量最小，不超过水资源分配总量的5％。此外，不同气候变化情景对水库发电用水量以及供水量影响不大，但对水库弃水量有较大影响。
在发电用水量方面，三种气候变化情景下均是4-9月分配给发电的用水量比其他月份多，4-9月发电用水量均在1×109m3以上。对于水库发电量，结合三种情景下发电量结果，预测2025年新丰江水库总发电量为[12,20]kWh。不同气候变化情景下逐月发电用水量与发电量的最优最劣解见图2：
在供水总量方面，不同气候变化情景下供水总量均为相同的区间解[5.48×108，5.50×108]m3，可以看出供水总量不随气候变化情景的变化而变化。此外，供水总量区间解的上界与下界相差不大，留给决策者的调节空间较小，会更有助于决策者进行决策。不同情景下的逐月供水量及其经济效益优化结果见图3：
在弃水总量方面，随气候情景的变化，弃水总量与逐月弃水量均有较大差异。每种情景下，逐月弃水量区间解的上界与下界相差较大，说明弃水量的调整空间较大。在5月、7月和8月，弃水量区间解的上界与下界相差超过5个数量级。结合未来三种气候变化情景下水库径流也集中在5-8月，可以得出，如果水库的实际进水量过大，将增加水库弃水的可能性，威胁水电站的安全运行。反之，如果水库实际进水量过小，当水库水位突破下限时，水电站将被迫减少出力。因此，在优化模型中设定弃水目标，是提高水资源利用效率，保证电网安全稳定运行的有效途径。不同气候变化情景下的逐月弃水量优化结果见图4。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。

Claims (10)

1.一种区域地表水资源预测模拟及其优化配置方法，其特征在于，包括以下步骤：
步骤一、针对研究区的进行数据收集，构建流域水文模拟模型—SWAT模型；
步骤二、收集未来气象数据，并将其输入到已率定验证好的SWAT模型中，对研究区气候变化背景下区域地表水资源量进行预测模拟；
步骤三、将气候变化背景下区域地表水资源预测模拟模型整合到区间多目标优化模型中，形成气候变化背景下区域地表水资源区间多目标优化配置模型；
步骤四、求解气候变化背景下区域地表水资源区间多目标优化配置模型，得到考虑未来气候变化、系统不确定性和多目标性的区域地表水资源优化配置方案。
2.根据权利要求1所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，步骤一中，研究区的数据包括：研究区的数字高程数据、水文数据、气象数据、土地利用数据、土壤类型数据，构建SWAT模型的步骤包括：子流域划分、水文响应单元划分、输入气象数据、参数敏感性分析、模型率定及验证。
3.根据权利要求2所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，步骤二中，基于实测水文数据对构建的SWAT模型进行率定验证，并收集不同温室气体排放情景下的规划年逐日降雨量、逐日最低气温、逐日最高气温输入已率定验证好的SWAT模型中，预测模拟出气候变化背景下区域地表水资源量。
4.根据权利要求3所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，步骤三中，将RCP气象情景、SWAT模型、区间线性规划、多目标规划耦合在一个框架内，构建气候变化背景下区域地表水资源区间多目标优化配置模型。
5.根据权利要求4所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，所构建的区间多目标优化配置模型包括：目标函数、决策变量和约束条件，并以水库分配给发电的用水量、水库库内取水量、弃水量为决策变量，以水库水力发电量最大化、水库库内取水量产生的经济效益最大化、弃水量最小化为目标函数。
6.根据权利要求1所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，步骤四中，引入隶属度函数，采用模糊几何加权算法将区域地表水资源区间多目标优化配置模型中的多目标问题转成求解满意度最大的单目标问题，通过引入辅助变量将区间数转换为确定值，并利用最优最劣模型将求解满意度最大的单目标问题转换成最优子模型与最劣子模型，计算出水库发电用水量、库内取水量、弃水量的最优解与最劣解，其中每个决策变量的最优解与最劣解可组成该决策变量的区间解；将决策变量代入相应的目标函数中，得到水库发电量的区间解、库内取水产生经济效益的区间解。
7.根据权利要求2所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，土地利用类型数据包括：研究区的建设用地、耕地、林地、草地和水域；土壤类型数据包括：研究区土壤类型空间分布数据及土壤属性数据库；气象数据包括：研究区历年的逐日降雨、气温、风速、太阳辐射、湿度；水文数据包括：研究区内水文监测站点历年径流量实测数据；
构建SWAT模型模拟历史径流量，主要包括以下步骤：利用数字高程数据分析数字地形和定义河网，划分出子流域，计算子流域参数；在子流域基础上，根据土壤数据、土地利用数据、坡度数据，进一步将子流域划分为多个水文响应单元；输入气象数据，逐步计算每个水文响应单元上的径流量，再通过汇流计算得到流域总径流量。
8.根据权利要求7所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，对构建的SWAT模型进行率定验证，选择流域内水文监测站点，利用站点实测水文数据对SWAT模型模拟数据进行校正，包括以下步骤：利用SWAT-CUP软件进行率定验证操作，选用SUFI-2算法进行迭次运算确定参数最佳值；根据参数最佳值对SWAT模型进行调参，并代入模型进行模拟验证；选择纳什系数(NSE)和相关系数(R2)作为评价SWAT模型适用性的两个指标，并且NSE>0.5，R2>0.6时SWAT模型具有适用性。
9.根据权利要求4所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，在步骤三中，区域地表水资源区间多目标优化配置模型，包括：
所述目标函数为：
a)发电量最大：
Figure FDA0003998692680000031
式中，E±为t时段内水库发电总量，单位为kWh；
Figure FDA0003998692680000032
为水库在t时段的平均发电功率，单位为MW兆瓦(每小时发电量1兆瓦时)；Δt表示t时段的时段长度，单位为天；K±表示水库的出力系数；H±表示水库水头，单位为m；
Figure FDA0003998692680000033
表示水库在t时段内的总发电用水量，单位为m3；
b)供水产生的经济效益最大：
Figure FDA0003998692680000034
式中，F±为t时段内水库供水产生的经济效益，单位为RMB；B±为单位供水水量产生的经济效益，单位为RMB/m3；
Figure FDA0003998692680000035
为水库在t时段内的总供水水量，单位为m3；
c)弃水量最小：充分利用水资源
Figure FDA0003998692680000036
式中，
Figure FDA0003998692680000037
为总弃水水量，单位为m3；
Figure FDA0003998692680000038
为t时段内水库弃水量，单位为m3；T为总时段数。
各约束条件：
a)水库水量平衡约束：
Figure FDA0003998692680000041
式中，
Figure FDA0003998692680000042
和
Figure FDA0003998692680000043
分别是t+1和t时段的水库库容，单位为m3；It是t时段水库入库流量，单位m3/s；
b)过轮机流量约束：
Figure FDA0003998692680000044
Qmax p＝R×Δt×8640
式中，
Figure FDA0003998692680000045
为水库在t时段的发电流量，单位为m3；Qmax,p为t时段下水库最大发电用水量，单位为m3；R为水电站最大过轮机流量，单位为m3/s，其中，新丰江水库最大过轮机流量为490m3/s；
c)水库下泄水量约束：
Figure FDA0003998692680000046
Figure FDA0003998692680000047
式中，
Figure FDA0003998692680000048
为t时段内水库的下泄水量，单位为m3，其中，下泄水量等于发电用水量与弃水量之和；
Figure FDA0003998692680000049
为t时段水库的最小下泄流量，单位为m3；
Figure FDA00039986926800000410
为t时段水库的最大下泄流量，单位为m3；
d)发电量约束：
Figure FDA00039986926800000411
式中，E±为规划期内水库总发电量，单位为kWh；
Figure FDA00039986926800000412
为规划年内水库最小发电量，单位为kWh；
e)水库库内取水量约束：
Figure FDA00039986926800000413
式中，
Figure FDA00039986926800000414
为水库在t时段内的总供水水量，单位为m3；
Figure FDA00039986926800000415
为水库在规划年的最小水库库内取水量，单位为m3；
Figure FDA00039986926800000416
规划年水库最大水库库内取水量，单位为m3；
f)水库库容约束：
Figure FDA0003998692680000051
式中，Vt+1 ±为t时段的月末库容，单位为m3；
Figure FDA0003998692680000052
与
Figure FDA0003998692680000053
分别为水库t时段内允许的最小、最大库容；
g)变量非负约束
Figure FDA0003998692680000054
Figure FDA0003998692680000055
Figure FDA0003998692680000056
式中，E±、
Figure FDA0003998692680000057
K±、H±,
Figure FDA0003998692680000058
F±、B±、
Figure FDA0003998692680000059
Figure FDA00039986926800000510
是区间参数和变量。
10.根据权利要求6所述的一种区域地表水资源预测模拟及其优化配置方法，其特征在于，在步骤四中，求解区域地表水资源区间多目标优化配置模型包括以下具体步骤：
第一步：引入辅助变量，将目标函数与约束条件中的区间数转变为确定的形式；区间多目标规划模型的总体框架可表述为：
Figure FDA00039986926800000511
s.tA±X≤B±
X≥0
通过引入辅助变量Skj,qij，和vi,其中i＝1，2，…，m，j＝1，2，…，n，k＝1，2，…，p，并适用于本部分所有模型；Skj、qij、vi可以将区间数
Figure FDA00039986926800000512
Λ±、B±转换为确定的形式；目标函数与约束条件可以转换为：
Figure FDA00039986926800000513
Figure FDA0003998692680000061
0≤qij≤xj，i＝1，2，…，m，j＝1，2，…，n
0≤vi≤1，i＝1，2，…，m
0≤sij≤xf，k＝1，2，…，p，j＝1，2，…，n
xj≥0，j＝1，2，…，n
第二步：采用模糊几何加权算法，将多目标规划问题转化为以总体满意度最大化为目标的单目标规划问题。引入隶属度函数，并计算各个目标的隶属度。隶属度函数计算公式如下所示：
Figure FDA0003998692680000062
式中，μ(fk(X，S))为第k个目标的隶属度函数；fk，min和fk，max为fk(X，S)单目标线性规划的下界和上界，假设fk，min不等于fk，max，fk，min与fk，max的目标函数相同，约束条件不同，具体公式如下：
fk，min：
Figure FDA0003998692680000063
Figure FDA0003998692680000064
0≤qij≤xj，i＝1，2，…，m，j＝1，2，…，n
0≤vi≤1，i＝1，2，…，m
0≤sij≤xj，k＝1，2，…，p，j＝1，2，…，n
xj≥0，j＝1，2，…，n
fk，max：
Figure FDA0003998692680000071
Figure FDA0003998692680000072
0≤qij≤xj，i＝1，2，…，m，j＝1，2，…，n
0≤vi≤1，i＝1，2，…，m
0≤sij≤xj，k＝1，2，…，p，j＝1，2，…，n
xj≥0，j＝1，2，…，n
第三步：根据决策者对各目标函数的决策偏好给各目标隶属度函数赋予不同权重wk，其中wk≥0(i-1，2，…，m)并且
Figure FDA0003998692680000073
进而将原有的区间多目标规划模型转化为以满意度最大化为目标的区间单目标规划模型，计算公式如下：
Figure FDA0003998692680000074
Figure FDA0003998692680000075
Figure FDA0003998692680000076
0≤qij≤xj，i＝1，2，…，m，j＝1，2，…，n
0≤vi≤1，i＝1，2，…，m
0≤sij≤xj，k＝1，2，…，p，j＝1，2，…，n
xj≥0，j＝1，2，…，n
0≤wk≤1，k＝1，2，…，p
第四步：利用最优-最劣模型对上述以满意度最大化为目标的区间单目标规划模型进行求解；最优和最劣子模型表示如下：
最优模型：
Figure FDA0003998692680000081
Figure FDA0003998692680000082
Figure FDA0003998692680000083
0≤δk≤1，k＝1，2，…，p
0≤wk≤1，k＝1，2，…，p
xj≥0，j＝1，2，…，n
最劣模型：
Figure FDA0003998692680000084
Figure FDA0003998692680000085
Figure FDA0003998692680000086
0≤δk≤1，k＝1，2，…，p
0≤wk≤1，k＝1，2，…，p
xj≥0，j＝1，2，…，n
第五步：将最优模型得到的解，即最优最优解代入以满意度最大化为目标的区间单目标规划模型得到最大满意度δ+，同理，将最劣模型得到的解，即最优最劣解代入以满意度最大化为目标的区间单目标规划模型得到最小满意度δ-；δ-与δ+组成满意度区间[δ-，δ+]；将最优最劣解代入
Figure FDA0003998692680000087
中，得到
Figure FDA0003998692680000088
将最优最劣解代入到
Figure FDA0003998692680000089
中，得到
Figure FDA00039986926800000810
进而得到各目标函数区间解
Figure FDA00039986926800000811
此外，对于以求解最大化为目标的单目标，需乘负1变成以求解最小化为目标。
CN202211609030.3A 2022-12-14 2022-12-14 一种区域地表水资源预测模拟及其优化配置方法 Pending CN115935667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211609030.3A CN115935667A (zh) 2022-12-14 2022-12-14 一种区域地表水资源预测模拟及其优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211609030.3A CN115935667A (zh) 2022-12-14 2022-12-14 一种区域地表水资源预测模拟及其优化配置方法

Publications (1)

Publication Number Publication Date
CN115935667A true CN115935667A (zh) 2023-04-07

Family

ID=86697403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211609030.3A Pending CN115935667A (zh) 2022-12-14 2022-12-14 一种区域地表水资源预测模拟及其优化配置方法

Country Status (1)

Country Link
CN (1) CN115935667A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094575A (zh) * 2023-10-19 2023-11-21 长江三峡集团实业发展(北京)有限公司 降水产品的水文适用性综合评价方法、装置、设备及介质
CN117649133A (zh) * 2024-01-30 2024-03-05 长江水利委员会水文局 一种面向大型水库水面蒸发的预测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094575A (zh) * 2023-10-19 2023-11-21 长江三峡集团实业发展(北京)有限公司 降水产品的水文适用性综合评价方法、装置、设备及介质
CN117094575B (zh) * 2023-10-19 2024-01-30 长江三峡集团实业发展(北京)有限公司 降水产品的水文适用性综合评价方法、装置、设备及介质
CN117649133A (zh) * 2024-01-30 2024-03-05 长江水利委员会水文局 一种面向大型水库水面蒸发的预测方法及系统
CN117649133B (zh) * 2024-01-30 2024-04-12 长江水利委员会水文局 一种面向大型水库水面蒸发的预测方法及系统

Similar Documents

Publication Publication Date Title
CN106951980B (zh) 一种基于rcp情景的水库群适应性调度方法
Si et al. Revealing the water-energy-food nexus in the Upper Yellow River Basin through multi-objective optimization for reservoir system
Sawle et al. PV-wind hybrid system: A review with case study
CN115935667A (zh) 一种区域地表水资源预测模拟及其优化配置方法
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
Yue et al. Achieving sustainable development goals in agricultural energy-water-food nexus system: An integrated inexact multi-objective optimization approach
Guan et al. Past variations and future projection of runoff in typical basins in 10 water zones, China
KR20140140361A (ko) 앙상블 유출 예측기법을 적용한 하천 수질예측 시스템
Harrison et al. Vulnerability of hydropower projects to climate change
Olofintoye et al. Real-time optimal water allocation for daily hydropower generation from the Vanderkloof dam, South Africa
Zou et al. Quantitative assessment of adaptive measures on optimal water resources allocation by using reliability, resilience, vulnerability indicators
Hu et al. Assessment of water and energy scarcity, security and sustainability into the future for the Three Gorges Reservoir using an ensemble of RCMs
Giudici et al. Descriptive or normative: How does reservoir operations modeling influence hydrological simulations under climate change?
CN115271304A (zh) 基于气候变化的跨流域调水工程优化调度方法
Kangrang et al. Active future rule curves for multi-purpose reservoir operation on the impact of climate and land use changes
CN109858668B (zh) 一种雷电气候下电力负荷区域协调预测方法
CN116305757A (zh) 一种基于swat和plus分析不同情景下农业面源污染的方法
Wu et al. The impact of human activities on blue-green water resources and quantification of water resource scarcity in the Yangtze River Basin
CN115809585B (zh) 平衡wee关系的径流式水电站生态流量确定方法和系统
Cheng et al. An analytical method to evaluate curtailment of hydro–photovoltaic hybrid energy systems and its implication under climate change
CN115905963A (zh) 一种基于支持向量机模型的洪水预报方法及系统
Yang et al. Multi-objective operation-decision-making-risk propagation analysis for cascade reservoirs affected by future streamflow process variations
CN106295193A (zh) 一种基于压缩感知的河流月径流量预测方法
CN114638727A (zh) 计及生产不确定性的流程工业灵活性可调鲁棒监测方法
Zaman et al. Investigating hydrological responses and adaptive operation of a hydropower station under a climate change scenario

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