CN117172965B - 一种考虑气候变化的梯级水库群水能资源评估方法及装置 - Google Patents
一种考虑气候变化的梯级水库群水能资源评估方法及装置 Download PDFInfo
- Publication number
- CN117172965B CN117172965B CN202311453491.0A CN202311453491A CN117172965B CN 117172965 B CN117172965 B CN 117172965B CN 202311453491 A CN202311453491 A CN 202311453491A CN 117172965 B CN117172965 B CN 117172965B
- Authority
- CN
- China
- Prior art keywords
- data
- runoff
- reservoir
- historical
- weather forecast
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008859 change Effects 0.000 title claims description 32
- 238000012549 training Methods 0.000 claims abstract description 57
- 238000012937 correction Methods 0.000 claims abstract description 49
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 40
- 239000003245 coal Substances 0.000 claims description 41
- 238000003860 storage Methods 0.000 claims description 40
- 238000010248 power generation Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000009467 reduction Effects 0.000 claims description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 18
- 229910052799 carbon Inorganic materials 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000006403 short-term memory Effects 0.000 claims description 8
- 230000007787 long-term memory Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 241000283153 Cetacea Species 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 13
- 238000012795 verification Methods 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 102100031184 C-Maf-inducing protein Human genes 0.000 description 3
- 101000993081 Homo sapiens C-Maf-inducing protein Proteins 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 108020001568 subdomains Proteins 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及气象预测和水资源管理领域，提供了一种考虑气候变化的梯级水库群水能资源评估方法及装置。该方法包括：获取梯级水库群所在流域的第一气象预测数据；将第一气象预测数据输入水文模型，得到第一模拟径流量，水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在第一目标时间段内下游流域的径流量不受上游水库的水库数据影响；将第一模拟径流量输入校正模型，得到第二模拟径流量，校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在第二目标时间段内，下游流域的径流量受上游水库的水库数据影响；根据第二模拟径流量，计算水能资源理论蕴藏量。通过本发明，计算水能资源理论蕴藏量，为水能资源开发提供依据。
Description
技术领域
本发明涉及气象预测和水资源管理领域，尤其涉及一种考虑气候变化的梯级水库群水能资源评估方法及装置。
背景技术
水能资源理论蕴藏量是指存在于河流或湖泊中的水能资源的量值。科学评估水能资源理论蕴藏量对于河流水能资源的有效开发、水电工程项目的规划设计及运行管理具有重要意义。水能资源理论蕴藏量易受环境条件变化的影响，因此，如何根据环境条件计算水能资源理论蕴藏量日渐受到关注。
发明内容
为计算水能资源理论蕴藏量，本发明提出了一种考虑气候变化的梯级水库群水能资源评估方法及装置。
第一方面，本发明提供了一种考虑气候变化的梯级水库群水能资源评估方法，方法包括：
获取梯级水库群所在流域的第一气象预测数据；
将第一气象预测数据输入至预构建的水文模型，得到各第一模拟径流量，水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在第一目标时间段内，梯级水库群所在流域下游的径流量不受上游水库的水库数据影响；
将各第一模拟径流量输入至预构建的校正模型，得到各第一模拟径流量对应的第二模拟径流量，校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在第二目标时间段内，梯级水库群所在流域下游的径流量受上游水库的水库数据影响；
根据各第二模拟径流量，计算梯级水库群所在流域的水能资源理论蕴藏量。
考虑到梯级水库群中上游水库的调蓄会对下游流域的径流量产生影响，进而影响水能资源理论蕴藏量的计算准确性，通过上述方法，利用水文模型模拟得到第一模拟径流量，其中水文模型的训练数据为第一目标时间段内的数据，第一目标时间段处于梯级水库群尚未建设的时期，或者说在第一目标时间段内梯级水库群下游流域的径流量不受上游水库的水库数据影响，上游流域人类活动对下游流域的径流量影响程度可忽略不计，也就是说，水文模型模拟得到的第一模拟径流量是仅仅受到气候变化影响的天然径流量，进一步的，采用考虑了上游水库的水库数据对下游流域径流量影响的校正模型对第一模拟径流量进行校正，使得得到的第二模拟径流量既考虑到了气候变化，又考虑到了上游水库的水库数据对下游流域径流量的影响，使得模拟得到的径流量更加精确，进一步提高了梯级水库群水能资源理论蕴藏量的计算准确性。
在一种可选的实施方式中，获取梯级水库群所在流域的第一气象预测数据，包括：
获取梯级水库群所在流域的第二气象预测数据和第二气象预测数据对应的历史气象数据；
计算第二气象预测数据与第二气象预测数据对应的历史气象数据之间的偏差；
获取梯级水库群所在流域的第三气象预测数据；
根据偏差，对第三气象预测数据进行校正，得到第一气象预测数据。
在一种可选的实施方式中，构建水文模型的步骤包括：
获取第一训练数据和测试数据，第一训练数据和测试数据均包括第一目标时间段内的第一历史气象数据和第一历史径流量；
根据第一训练数据中的第一历史气象数据，构建初始水文模型；
将第一训练数据中的第一历史气象数据输入至初始水文模型，得到第三模拟径流量；
根据第三模拟径流量和第一训练数据中的第一历史径流量，对初始水文模型中的参数进行率定，得到率定后的初始水文模型；
根据测试数据中的第一历史气象数据和第一历史径流量，对率定后的初始水文模型进行验证，得到验证后的初始水文模型，验证后的初始水文模型作为水文模型。
在一种可选的实施方式中，构建校正模型的步骤包括：
获取第二训练数据，第二训练数据包括第二目标时间段内的第二历史气象数据和第二历史径流量；
将第二历史气象数据输入至水文模型，得到第四模拟径流量；
根据第四模拟径流量和第二历史径流量，训练初始校正模型，得到校正模型，初始校正模型为长短期记忆网络模型。
在一种可选的实施方式中，将第一模拟径流量输入至预构建的校正模型，得到第一模拟径流量对应的第二模拟径流量，包括：
其中，t代表时段，即时间步长，可为日、月等，表示t时段的第二模拟径流量，表示t时段的第一模拟径流量，/>表示t-N时段的第一模拟径流量，N表示长短期记忆网络模型中的滞后时长，/>表示采用鲸鱼优化算法对长短期记忆网络模型进行优化后的模型，即校正模型。
在一种可选的实施方式中，根据各第二模拟径流量，分段计算梯级水库群所在流域的水能资源理论蕴藏量，包括：
其中，为水能资源理论蕴藏量；K为折算系数；W i为第i条河段第二模拟径流量的平均值；H i为第i条河段上下断面水位差；g为重力加速度；N为河段总数。
在一种可选的实施方式中，方法还包括：
根据各第二模拟径流量，计算梯级水库群中各水库的蓄水量；
根据各水库的蓄水量，计算各水库的水位；
根据各水位，计算梯级水库群的发电量。
在一种可选的实施方式中，根据各水位，计算梯级水库群的发电量，包括：
根据各水位，计算各水库的发电量；
根据各水库的发电量，计算梯级水库群的发电量。
在一种可选的实施方式中，根据水位，计算水库的发电量，包括：
其中，P代表水库的发电量；代表水轮机的发电效率；/>代表水的密度；g代表重力加速度；H代表水位（高差）；/>代表通过涡轮机的水库出库流量；t代表时间步长。
在一种可选的实施方式中，方法还包括：
根据梯级水库群的发电量，计算梯级水库群的碳减排量。
在一种可选的实施方式中，根据梯级水库群的发电量，计算梯级水库群的碳减排量，包括：
获取目标时刻的供电煤耗；
根据供电煤耗和梯级水库群的发电量，计算碳减排量。
在一种可选的实施方式中，获取目标时刻的供电煤耗，包括：
获取历史时期的供电煤耗与时间之间的关系；
基于关系，计算目标时刻的供电煤耗。
第二方面，本发明还提供了一种考虑气候变化的梯级水库群水能资源评估装置，该装置包括：
获取模块，用于获取梯级水库群所在流域的第一气象预测数据；
模拟模块，用于将第一气象预测数据输入至预构建的水文模型，得到各第一模拟径流量，水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在第一目标时间段内，梯级水库群所在流域下游的径流量不受上游水库的水库数据影响；
校正模块，用于将各第一模拟径流量输入至预构建的校正模型，得到各第一模拟径流量对应的第二模拟径流量，校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在第二目标时间段内，梯级水库群所在流域下游的径流量受上游水库的水库数据影响；
第一计算模块，用于根据各第二模拟径流量，计算梯级水库群所在流域的水能资源理论蕴藏量。
考虑到梯级水库群中上游水库的水库数据会对下游流域的径流量产生影响，进而影响水能资源理论蕴藏量的计算准确性，通过上述装置，利用水文模型模拟得到第一模拟径流量，其中水文模型的训练数据为第一目标时间段内的数据，第一目标时间段处于梯级水库群尚未建设的时期，或者说在第一目标时间段内梯级水库群下游流域的径流量不受上游水库的水库数据影响，上游流域人类活动对下游的径流量影响程度可忽略不计，也就是说，水文模型模拟得到的第一模拟径流量是仅仅受到气候变化影响的天然径流量，进一步的，采用考虑了上游水库的水库数据对下游流域径流量影响的校正模型对第一模拟径流量进行校正，使得得到的第二模拟径流量既考虑到了气候变化，又考虑到了上游水库的水库数据对下游径流量的影响，使得模拟得到的径流量更加精确，进一步提高了梯级水库群水能资源理论蕴藏量的计算准确性。
第三方面，本发明还提供了一种计算机设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或第一方面的任一实施方式的考虑气候变化的梯级水库群水能资源评估方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面或第一方面的任一实施方式的考虑气候变化的梯级水库群水能资源评估方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据一示例性实施例提出的一种考虑气候变化的梯级水库群水能资源评估方法的流程图；
图2是在一示例中，水库蓄水量（库容）与水位之间的对应关系；
图3是在一示例中，火力发电的供电煤耗呈线性变化时的拟合效果；
图4是在一示例中，火力发电的供电煤耗呈对数变化时的拟合效果；
图5为根据一示例性实施例提出的一种考虑气候变化的梯级水库群水能资源评估装置的结构示意图；
图6是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
水能资源理论蕴藏量的计算通常以数理统计方法为主，比如基于径流量、高差等数据进行计算，其中径流量可通过水文站点实测获得，也可通过水文模型模拟计算得到。然而气候变化及人类活动均会对径流量产生影响。
为计算水能资源理论蕴藏量，本发明提出了一种考虑气候变化的梯级水库群水能资源评估方法及装置。
图1是根据一示例性实施例提出的一种考虑气候变化的梯级水库群水能资源评估方法的流程图。如图1所示，该方法包括如下步骤S101至S104。
步骤S101：获取梯级水库群所在流域的第一气象预测数据。
在一可选实施例中，第一气象预测数据可以通过第六次耦合模式比较计划（CMIP6）项目中的全球气候模式数据得到。CMIP6项目在试验设计过程中，考虑了复杂的生物地球物理化学过程，同时大气海洋模式的分辨率明显提高。根据CMIP6项目提供的模式参与信息，共有50个左右的模式参与CMIP6项目，各模式可提供历史时期至2100年乃至更长时间段的全球气象预测数据。CMIP6项目中的全球气候模式包含有多个代表性气候情景，如表1所示。
表1CMIP6项目中的代表性气候情景
步骤S102：将第一气象预测数据输入至预构建的水文模型，得到梯级水库群所在流域的第一模拟径流量，水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在第一目标时间段内，梯级水库群所在流域下游的径流量不受上游水库的水库数据影响。
在一可选实施例中，水文模型可以采用可变下渗容量模型（VariableInfiltration Capacity，VIC）。VIC模型是一个大尺度水文模型。基于格网的VIC模型的主要特点在于能够代表格网内部的植被异质性、采用三层土壤结构、可变下渗容量曲线以及非线性基流。VIC模型将格网内部的土地利用/覆盖类型分为N+1种，其中n=1，2，3，…，N，代表N种不同类型的植被，n=N+1代表裸土。VIC模型的主要过程包括蒸散发计算、土壤含水量计算、径流计算。
在一可选实施例中，上游水库的水库数据包括但不限于水库的地理位置（如经度、纬度、海拔高度等）、水文数据（水位、流量、蓄水量等）、工程参数数据（设计容积、坝高、坝址等）、调度规程等。当上游水库的水库数据变化时，下游流域的径流量会受到上游水库的影响。
在一可选实施例中，水文模型的训练数据包括气象数据和径流量，该训练数据为第一目标时间段内的数据。第一目标时间段为梯级水库群尚未建设的时期，或者说在第一目标时间段内梯级水库群下游流域的径流量不受上游水库的水库数据影响，上游流域人类活动对下游的径流量影响程度可忽略不计，因此，水文模型模拟得到的第一模拟径流量仅仅受到气候变化的影响，为天然径流量。
步骤S103：将各第一模拟径流量输入至预构建的校正模型，得到各第一模拟径流量对应的第二模拟径流量，校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在第二目标时间段内，梯级水库群下游流域的径流量受上游水库的水库数据影响。
在一可选实施例中，校正模型可以为长短期记忆网络模型（Long Short-TermMemory，LSTM）。
在一可选实施例中，校正模型的训练数据包括径流量，该径流量为第二目标时间段内的第二历史径流量数据。在第二目标时间段内，梯级水库群已建设，梯级水库群下游流域的径流量受上游水库的水库数据影响，也就是说训练数据中的第二历史径流量为上游水库对下游流域的径流量影响时期的数据，因此，校正模型校正后的第二模拟径流量考虑了上游水库的水库数据对下游流域径流量的影响。
步骤S104：根据各第二模拟径流量，计算梯级水库群所在流域的水能资源理论蕴藏量。
在一可选实施例中，水能资源理论蕴藏量可以通过年电量或者平均功率表征。根据第二模拟径流量，即可计算获得梯级水库群的水能资源理论蕴藏量。
考虑到梯级水库群中上游水库的水库数据会对下游流域的径流量产生影响，进而影响水能资源理论蕴藏量的计算准确性，通过上述方法，利用水文模型模拟得到第一模拟径流量，其中水文模型的训练数据为第一目标时间段内的数据，第一目标时间段为梯级水库群尚未建设时期，上游水库的水库数据对下游流域的径流量影响程度可忽略不计，也就是说，水文模型模拟得到的第一模拟径流量是仅仅受到气候变化影响的天然径流量，进一步的，采用考虑了上游水库的水库数据对下游流域的径流量影响的校正模型对第一模拟径流量进行校正，使得得到的第二模拟径流量既考虑到了气候变化，又考虑到了上游水库的水库数据对下游流域径流量的影响，使得模拟得到的径流量更加精确，进一步提高了梯级水库群水能资源理论蕴藏量的计算准确性。
在一示例中，在上述步骤S101中，通过如下步骤获取梯级水库群所在流域的第一气象预测数据：
步骤a1：获取梯级水库群所在流域的第二气象预测数据和第二气象预测数据对应的历史气象数据。
在一可选实施例中，第二气象预测数据通过CMIP6项目中的全球气候模式数据获得。
在一可选实施例中，历史气象数据通过气象站点数据获得。示例性地，气象站点数据可以为1961-2014年共837个气象站点获取到的气象站点数据。考虑到实际测量得到的气象站点数据存在单位不同、部分缺测等问题，首先需要将气象站点数据转换为标准单位，并剔除缺测时段超过总时段10%的气象站点。在本发明实施例中，气象数据包括但不限于降水、平均气温、最高气温、最低气温、近地风速。剔除缺测站点后，各气象数据的站点数分别为795个（降水）、794个（平均气温）、794个（最高气温）、794个（最低气温）、794个（近地风速）。
在一可选实施例中，考虑到CMIP6项目中的全球气候模式数据为格点数据，与气象站点数据不同，因此需要将历史气象数据（气象站点数据）插值至与第二气象预测数据（CMIP6全球气候模式数据）空间分辨率一致的格网尺度，即得到第二气象预测数据对应的历史气象数据。
步骤a2：计算第二气象预测数据与第二气象预测数据对应的历史气象数据之间的偏差。
步骤a3：获取梯级水库群所在流域的第三气象预测数据。
步骤a4：根据偏差，对第三气象预测数据进行校正，得到第一气象预测数据。
在一可选实施例中，采用等距离累积分布函数法（Equidistant CumulativeDistribution Function，EDCDF）校正第三气象预测数据。通过第二气象预测数据与第二气象预测数据对应的历史气象数据之间的关系来校正第三气象预测数据未来时段的经验分布。基本原理为假设对于给定的百分位数，历史模拟值与观测值之间的差异（偏差）会传递到未来时期。该方法可以表示为：
其中，、/>分别为经过偏差校正后的全球气候模式对于历史时期和未来时期各气象要素的模拟数据，即第一气象预测数据，/>为全球气候模式对于历史时期的模拟数据，即第二气象预测数据，/>为全球气候模式对于未来时期的模拟数据，即第三气象预测数据，/>为第二气象预测数据对应的历史气象数据的累积分布函数，/>为第二气象预测数据的累积分布函数，/>为第三气象预测数据的累积分布函数，/>为F的反函数，即概率密度函数，故/>和/>分别为第二气象预测数据对应的历史气象数据的概率密度函数及第二气象预测数据的概率密度函数。
在本发明实施例中，将第二气象预测数据对应的历史气象数据（气象站点数据）插值至与第二气象预测数据（CMIP6全球气候模式数据）空间分辨率一致的格网尺度，选择1961-2003年为训练期，2004-2014年为验证期，2015-2100年为校正期，采用EDCDF法对第三气象预测数据进行偏差校正。在得到经偏差校正的第一气象预测数据后，还需要重新插值处理，使得第一气象预测数据与水文模型的分辨率一致。示例性地，当水文模型为VIC模型且模型模拟分辨率为0.25°×0.25°时，将校正后的第一气象预测数据插值至0.25°×0.25°均匀网格，使得与VIC水文模型分辨率一致。
在一示例中，上述步骤S102中的水文模型通过如下步骤构建：
步骤b1：获取第一训练数据和测试数据，第一训练数据和测试数据均包括第一目标时间段内的第一历史气象数据和第一历史径流量。
在一可选实施例中，考虑到1980年之前我国水库大多未建成，梯级水库群下游流域的径流量不受上游水库的水库数据影响或影响较小，可忽略不计，因此选择1980年之前的时间段作为第一目标时间段，其中1960-1969年为参数率定时期，将1960-1969年数据视为第一训练数据，1970-1979年数据为参数验证时期，将1970-1979年数据视为测试数据。
步骤b2：根据第一训练数据中的第一历史气象数据，构建初始水文模型。
步骤b3：将第一训练数据中的第一历史气象数据输入至初始水文模型，得到第三模拟径流量。
步骤b4：根据第三模拟径流量和第一训练数据中的第一历史径流量，对初始水文模型中的参数进行率定，得到参数率定后的水文模型。
步骤b5：根据测试数据中的第一历史气象数据和第一历史径流量，对率定后的初始水文模型进行验证，得到验证后的初始水文模型，验证后的初始水文模型作为最终的水文模型。
在本发明实施例中，水文模型采用VIC模型，在该模型中，格网尺度为0.25°×0.25°。在VIC模型中，通过汇流模型及格网高程，将各格网的模拟径流汇集到指定断面。该汇流模型基于三个假设：1）径流量在格网之间没有联系和交换；2）格网内的径流量可以在八个可能的方向离开该格网，但是一个格网内的径流量必须在同一方向离开该格网；3）格网内产生的径流量一旦到达格网出口，进入河道后就不会再流回格网，因此脱离了格网内的水循环过程。
VIC模型中有7个参数不能直接获取，需要通过参数率定及验证得到，分别为土壤蓄水容量曲线的形状参数（b）、基流非线性增长时的速率占其最大速率的比例（Ds）、基流的最大速率（Dm）、非线性基流发生时底层土壤含水量占最大土壤含水量的比例（Ws）以及三层土壤深度（d1、d2、d3）。在十个水资源一级区（松花江区、辽河区、西北诸河区、海河区、黄河区、淮河区、长江区、东南诸河区、西南诸河区以及珠江区）内部，分别选取1个子流域对VIC模型进行参数率定及验证。其中，采用相对误差和纳什效率系数来对模型进行参数率定及验证，其率定及验证的模拟结果如表2所示。
相对误差（BIAS，单位：%）代表模拟月径流量均值（，单位：mm）与实测月径流量均值（/>，单位：mm）之间的误差：
纳什效率系数（Nash-Sutcliffe Efficiency coefficient，NSE）代表模拟月径流量与实测月径流量均值之间的匹配程度：
其中，和/>代表在第n个月的实测月径流量（单位：mm）和模拟月径流量（单位：mm），/>代表实测月径流量均值（单位：mm）。BIAS越接近于0，NSE越接近于1，表示VIC模型模拟效果越好。
在本发明实施例中，1961-1962年为VIC模型模拟的预热期，预热期中的数据用于确定初始VIC模型的状态，比如土壤湿度、积雪信息等；1963-1969年为VIC模型模拟的率定期，用于调整初始VIC模型中的参数；1970-1979年为VIC模型模拟的验证期，用于验证经参数率定的VIC模型的模拟效果。在率定期，月模拟径流量的NSE值在8个子流域均大于0.70。在验证期，月模拟径流量的NSE值在7个子流域均大于0.70。除了在下会流域，VIC模型在其余各子流域率定及验证时的偏差均在-15%到15%之间，说明VIC模型对于月径流量的模拟效果较好。然后即可将率定及验证后的参数应用于该子流域所属的水资源一级区内所有格网。
表2 VIC模型在10个子流域（水文站点）进行率定及验证的模拟效果
在一示例中，上述步骤S103中的校正模型通过如下步骤构建：
步骤c1：获取第二训练数据，第二训练数据包括第二目标时间段内的第二历史气象数据和第二历史径流量。
在一可选实施例中，考虑到1980年之后梯级水库群陆续建成，上游水库的水库数据对下游流域的径流量产生影响，因此选择1980年之后的时间段作为第二目标时间段。在本发明实施例中，采用的第二训练数据为1980-1999年的数据。
步骤c2：将第二历史气象数据输入至水文模型，得到第四模拟径流量。
步骤c3：根据第四模拟径流量和第二历史径流量，训练初始校正模型，得到校正模型，初始校正模型为长短期记忆网络模型。
在一示例中，在上述步骤S103中，通过如下方式得到第一模拟径流量对应的第二模拟径流量：
其中，t代表时段，即时间步长，可为日、月等，表示t时段第二模拟径流量，表示t时段第一模拟径流量，/>表示t-N时段第一模拟径流量，N表示长短期记忆网络模型中的滞后时长，/>表示采用鲸鱼优化算法（Whale OptimizationAlgorithm，WOA）对长短期记忆网络模型（Long Short-Term Memory，LSTM）进行参数优化后得到的WOA-LSTM模型，即校正模型。
在一示例中，水能资源理论蕴藏量是指存在于河流或湖泊中的天然水能资源的量值，在本发明实施例中，基于径流量、高差等数据分段计算梯级水库群所在流域的水能资源理论蕴藏量，水能资源理论蕴藏量可以以年电量表示，也可以以平均功率表示。
以年电量表示水能资源理论蕴藏量，可按如下公式计算：
其中，为水能资源理论蕴藏量，单位为kW•h；K为折算系数，K=2.778×10-4；W i为第i条河段第二模拟径流量的平均值，单位为m3；H i为第i条河段上下断面水位差，单位为m；g为重力加速度，g=9.81m/s2；N为河段总数。
以平均功率表示水能资源理论蕴藏量可按照如下公式计算：
其中，为水能资源理论蕴藏量功率，单位为kW。
在本发明实施例中，综合考虑水文、水动力、地理等因素，核算不同径流条件下的指定时段（如日、月）的入库径流量、出库径流量、发电效率、水库水位等要素指标，以最大发电效益为目标，构建梯级水库群发电量计算模型，预估未来径流变化对梯级水库群发电量的影响，具体步骤包括：
步骤d1：根据各水库入库断面处的第二模拟径流量，即各水库的入库径流量，计算各水库的蓄水量。
在一可选实施例中，通过如下公式计算水库的蓄水量：
其中，为t时段初水库的蓄水量，为已知值；/>为t时段末水库的蓄水量；/>为t时段水库入库断面处的第二模拟径流量，即水库的入库径流量，即为VIC水文模型模拟、汇流并经LSTM模型校正得到的考虑上游水库数据对下游流域影响的径流量；/>为t时段水库表面的蒸发损失量，可忽略不计；/>为t时段水库出库径流量。t时段末水库的蓄水量/>受水库最大蓄水量/>和水库最小蓄水量/>的限制；水库出库径流量/>受到下游流域安全和供水保障的限制，不得超过水库最大出库径流量/>，也不得小于水库最小出库径流量/>。/>和/>依据该水库调度规程中规定的水库发电控制模式及发电量最大原则，根据如上三个公式求得。
水库发电常用控制模式包括水位控制模式、流量控制模式、出力控制模式及混合控制模式，在各个水库的调度规程中有详细规定。
水位控制模式固定当前时段末的水位，电站根据时段入库径流量，在保证电站安全稳定运行的前提下，控制时段出库径流量，使得时段末水位与设定水位相同。当时段末水位不满足电站运行的水位、径流量约束时，电站按照约束边界运行，修正末水位。当计算得到的出库径流量超过出库径流量最大值时，超出的径流量则需弃水。
径流量控制模式给定各时段出库径流量，计算时段末水库的蓄水量，超出控制径流量的部分则需弃水。当水库水位超过上限时，按上限水位进行控制，超出控制径流量的部分则需弃水；当水库水位低于下限时，按下限水位进行控制，余下的水作为出库径流量。
出力控制模式给定各时段出力，迭代反推时段末水库的蓄水量及出库径流量。按给定的各时段出力安排出库径流量，多余的径流量储存在水库中，直至水位达到上限；若当前时段入库径流量小于根据出力反推得到的出库径流量，则不足部分由水库内储存的水补齐。当水库水位超过上限时则按上限水位控制，超出的部分则需弃水：当水库水位低于下限时，按最低水位进行控制，此时本时段电站发电为有多少水发多少电。
混合控制模式是多种控制模式的混合应用。混合控制模式是目前中长期调度计划的制定中采用最多的控制方式，其符合电站实际运行的特点。即在调度期内不同时段采用不同的控制模式，如汛期水库水位要求严格控制在防洪汛限水位，应采用水位控制模式，在枯水期则多采用出力控制模式，蓄水期和消落期多采用径流量控制模式。
步骤d2：根据各水库的蓄水量，计算各水库的水位。
在一可选实施例中，可以通过水库的调度规程数据，采用线性回归方法建立水库蓄水量（库容）与水位之间的对应关系，如图2所示。因此，根据该对应关系即可获得各水库的水位。
步骤d3：根据各水位，计算梯级水库群的发电量。
在一可选实施例中，通过如下内容计算梯级水库群的发电量：
首先，根据各水位，计算各水库的发电量。
然后，根据各水库的发电量，计算梯级水库群的发电量。示例性地，梯级水库群的发电量为各水库的发电量之和。
在本发明实施例中，某水库逐日的发电量计算公式如下：
其中，代表通过涡轮机的水库出库流量，单位为m3/s；步骤d1得到的/>为出库径流量，单位为m3，故需进行单位转换，得到平均逐日流量；H代表水位（高差），单位为m，为水库大坝上下游高程差，依据水库蓄水量（库容）与水位之间的对应关系求得该日水库蓄水量对应的水位减去大坝下游高度之差；/>代表水轮机的发电效率，取值为0-1，可以利用历史实测数据计算得到该水库的发电效率；/>代表水的密度，取值为103kg/m3；g代表重力加速度，取值为9.806 m/s2；t代表时间步长，计算逐日发电量时取值为24h，以此类推；P为水库的日发电量，单位为TWh。
在一示例中，本发明实施例提供的方法还包括：
根据梯级水库群的发电量，计算梯级水库群的碳减排量。在本发明实施例中，碳减排量包括但不限于化石燃料替代量和CO2减排量。
在一示例中，通过如下步骤计算梯级水库群的碳减排量：
步骤e1：获取目标时刻的供电煤耗。受技术进步的影响，火力发电的供电煤耗近年来持续下降，从2000年的394g/kWh下降到2021年的302.5g/kWh。示例性地，可以获取历史时期的供电煤耗与时间之间的关系，根据关系，计算目标时刻的供电煤耗。供电煤耗与时间之间的关系可以通过假定未来不同发展情景下火电的供电煤耗的变化规律（线性变化、对数变化、指定值）得到。
在一可选实施例中，当供电煤耗随时间呈线性变化时，则可采用线性拟合公式进行拟合：
当供电煤耗随时间呈对数变化时，则可采用对数拟合公式进行拟合：
其中，y为火电的供电煤耗，单位为g/kWh，x为年份，a、b为参数。
在一可选实施例中，当供电煤耗为固定值时，表明未来时段的供电煤耗与历史时段的供电煤耗保持一致，或者达到国家相关规划、标准水平。也可利用火力发电的供电煤耗与时间进行线性拟合及对数拟合。示例性地，利用2000年-2021年我国火力发电的供电煤耗进行线性拟合及对数拟合，得到拟合公式如下：
图3展示了火力发电的供电煤耗呈线性变化时的拟合效果，图4展示了火力发电的供电煤耗呈对数变化时的拟合效果。
步骤e2：根据供电煤耗和发电量，计算碳减排量。
在一可选实施例中，碳减排量中的化石燃料替代量计算公式如下：
其中，W ce为水电开发的化石燃料替代量，单位为吨；EE为水电的年发电量，单位为kWh；E ce为火力发电的供电煤耗，单位为g·kWh-1，受技术影响而发生改变；为供电线损失率（%）。
碳减排量中的CO2减排量计算公式如下：
其中，ER p为水电开发的CO2减排量，单位为吨；EF p为标准煤的CO2排放量，示例性地，将每吨标准煤的CO2排放量确定为2.54吨。
在一示例中，可以根据计算得到的梯级水库群所在流域的水能资源理论蕴藏量、发电量、碳减排量为应对能源发展规划、温室气体减排以及未来水电高质量开发、运营提供依据及建议。
基于相同发明构思，本发明实施例还提供一种考虑气候变化的梯级水库群水能资源评估装置，如图5所示，该装置包括：
获取模块501，用于获取梯级水库群所在流域的第一气象预测数据；详细内容参见上述实施例中步骤S101的描述，在此不再赘述。
模拟模块502，用于将第一气象预测数据输入至预构建的水文模型，得到各第一模拟径流量，水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在第一目标时间段内，梯级水库群所在流域下游的径流量不受上游水库的水库数据影响；详细内容参见上述实施例中步骤S102的描述，在此不再赘述。
校正模块503，用于将各第一模拟径流量输入至预构建的校正模型，得到各第一模拟径流量对应的第二模拟径流量，校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在第二目标时间段内，梯级水库群所在流域下游的径流量受上游水库的水库数据影响；详细内容参见上述实施例中步骤S103的描述，在此不再赘述。
第一计算模块504，用于根据各第二模拟径流量，计算梯级水库群所在流域的水能资源理论蕴藏量。详细内容参见上述实施例中步骤S104的描述，在此不再赘述。
在一示例中，获取模块501包括：
第一获取子模块，用于获取梯级水库群所在流域的第二气象预测数据和第二气象预测数据对应的历史气象数据；详细内容参见上述实施例中的描述，在此不再赘述。
第一计算子模块，用于计算第二气象预测数据与第二气象预测数据对应的历史气象数据之间的偏差；详细内容参见上述实施例中的描述，在此不再赘述。
第二获取子模块，用于获取梯级水库群所在流域的第三气象预测数据；详细内容参见上述实施例中的描述，在此不再赘述。
校正子模块，用于根据偏差，对第三气象预测数据进行校正，得到第一气象预测数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，模拟模块502包括：
第三获取子模块，用于获取第一训练数据和测试数据，第一训练数据和测试数据均包括第一目标时间段内的第一历史气象数据和第一历史径流量；详细内容参见上述实施例中的描述，在此不再赘述。
第一构建子模块，用于根据第一训练数据中的第一历史气象数据，构建初始水文模型；详细内容参见上述实施例中的描述，在此不再赘述。
第一模拟子模块，用于将第一训练数据中的第一历史气象数据输入至初始水文模型，得到第三模拟径流量；详细内容参见上述实施例中的描述，在此不再赘述。
率定子模块，用于根据第三模拟径流量和第一训练数据中的第一历史径流量，对初始水文模型中的参数进率定，得到率定后的初始水文模型。详细内容参见上述实施例中的描述，在此不再赘述。
验证子模块，用于根据测试数据中的第一历史气象数据和第一历史径流量，对率定后的初始水文模型进行验证，得到验证后的初始水文模型，验证后的初始水文模型作为水文模型。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，校正模块503包括：
第四获取子模块，用于获取第二训练数据，第二训练数据包括第二目标时间段内的第二历史气象数据和第二历史径流量；详细内容参见上述实施例中的描述，在此不再赘述。
第二模拟子模块，用于将第二历史气象数据输入至水文模型，得到第四模拟径流量；详细内容参见上述实施例中的描述，在此不再赘述。
训练子模块，用于根据第四模拟径流量和第二历史径流量，训练初始校正模型，得到校正模型，初始校正模型为长短期记忆网络模型。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，校正模块503通过如下公式得到第一模拟径流量对应的第二模拟径流量：
其中，t代表时段，即时间步长，可为日、月等，表示t时段第二模拟径流量，表示t时段第一模拟径流量，/>表示t-N时段第一模拟径流量，N表示长短期记忆网络模型中的滞后时长，/>表示采用鲸鱼优化算法对长短期记忆网络模型进行优化后的模型，即校正模型。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第一计算模块504通过如下公式计算梯级水库群所在流域的水能资源理论蕴藏量：
其中，为水能资源理论蕴藏量；K为折算系数；W i为第i条河段第二模拟径流量的平均值；H i为第i条河段上下断面水位差；g为重力加速度。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，该装置还包括：
第二计算模块，用于根据各水库入库断面处的第二模拟径流量，计算各水库的蓄水量；详细内容参见上述实施例中的描述，在此不再赘述。
第三计算模块，用于根据各水库的蓄水量，计算各水库的水位；详细内容参见上述实施例中的描述，在此不再赘述。
第四计算模块，用于根据各水位，计算梯级水库群的发电量。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第四计算模块包括：
第二计算子模块，用于根据各水位，计算各水库的发电量；详细内容参见上述实施例中的描述，在此不再赘述。
第三计算子模块，用于根据各水库的发电量，计算梯级水库群的发电量。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第二计算子模块通过如下公式计算水库的发电量：
其中，P代表水库的发电量；代表水轮机的发电效率；/>代表水的密度；g代表重力加速度；H代表水位；/>代表通过涡轮机的水库出库流量；t代表时间步长。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，该装置还包括：
第五计算模块，用于根据梯级水库群的发电量，计算梯级水库群的碳减排量。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第五计算模块包括：
第五获取子模块，用于获取目标时刻的供电煤耗；详细内容参见上述实施例中的描述，在此不再赘述。
第四计算子模块，用于根据供电煤耗和梯级水库群的发电量，计算碳减排量。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第五获取子模块包括：
获取单元，用于获取历史时期的供电煤耗与时间之间的关系；详细内容参见上述实施例中的描述，在此不再赘述。
计算单元，用于基于关系，计算目标时刻的供电煤耗。详细内容参见上述实施例中的描述，在此不再赘述。
上述装置的具体限定以及有益效果可以参见上文中对于考虑气候变化的梯级水库群水能资源评估方法的限定，在此不再赘述。上述各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图6是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图6所示，该设备包括一个或多个处理器610以及存储器620，存储器620包括持久内存、易失内存和硬盘，图6中以一个处理器610为例。该设备还可以包括：输入装置630和输出装置640。
处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图6中以通过总线连接为例。
处理器610可以为中央处理器（Central Processing Unit，CPU）。处理器610还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器620作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中考虑气候变化的梯级水库群水能资源评估方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种考虑气候变化的梯级水库群水能资源评估方法。
存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据需要使用的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的信号输入。输出装置640可包括显示屏等显示设备。
一个或者多个模块存储在存储器620中，当被一个或者多个处理器610执行时，执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的方法。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（RandomAccess Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种考虑气候变化的梯级水库群水能资源评估方法，其特征在于，所述方法包括：
获取梯级水库群所在流域的第一气象预测数据；
将所述第一气象预测数据输入至预构建的水文模型，得到各第一模拟径流量，所述水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在所述第一目标时间段内，所述梯级水库群所在流域下游的径流量不受上游水库的水库数据影响；
将各所述第一模拟径流量输入至预构建的校正模型，得到各所述第一模拟径流量对应的第二模拟径流量，所述校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在所述第二目标时间段内，所述梯级水库群所在流域下游的径流量受上游水库的水库数据影响；
根据各所述第二模拟径流量，计算所述梯级水库群所在流域的水能资源理论蕴藏量；
所述方法还包括：
根据各所述第二模拟径流量，计算所述梯级水库群中各水库的蓄水量；
根据各所述蓄水量，计算各水库的水位；
根据各所述水位，计算所述梯级水库群的发电量；
所述方法还包括：
根据所述梯级水库群的发电量，计算所述梯级水库群的碳减排量；
根据所述梯级水库群的发电量，计算所述梯级水库群的碳减排量，包括：
获取目标时刻的供电煤耗；
根据所述供电煤耗和所述梯级水库群的发电量，计算所述碳减排量；
获取目标时刻的供电煤耗，包括：
获取历史时期的供电煤耗与时间之间的关系；
基于所述关系，计算所述目标时刻的供电煤耗；
获取梯级水库群所在流域的第一气象预测数据，包括：
获取所述梯级水库群所在流域的第二气象预测数据和所述第二气象预测数据对应的历史气象数据；
计算所述第二气象预测数据与所述第二气象预测数据对应的历史气象数据之间的偏差；
获取所述梯级水库群所在流域的第三气象预测数据；
根据所述偏差，对所述第三气象预测数据进行校正，得到所述第一气象预测数据；
所述根据所述偏差，对所述第三气象预测数据进行校正，得到所述第一气象预测数据，包括：
其中，为第一气象预测数据，/>为第三气象预测数据，/>为第二气象预测数据对应的历史气象数据的累积分布函数，/>为第二气象预测数据的累积分布函数，/>为第三气象预测数据的累积分布函数，/>和/>分别为第二气象预测数据对应的历史气象数据的概率密度函数及第二气象预测数据的概率密度函数，/>为所述偏差。
2.根据权利要求1所述的方法，其特征在于，构建所述水文模型的步骤包括：
获取第一训练数据和测试数据，所述第一训练数据和所述测试数据均包括所述第一目标时间段内的第一历史气象数据和第一历史径流量；
根据所述第一训练数据中的第一历史气象数据，构建初始水文模型；
将所述第一训练数据中的第一历史气象数据输入至所述初始水文模型，得到第三模拟径流量；
根据所述第三模拟径流量和所述第一训练数据中的第一历史径流量，对所述初始水文模型中的参数进行率定，得到率定后的初始水文模型；
根据所述测试数据中的第一历史气象数据和第一历史径流量，对率定后的初始水文模型进行验证，得到验证后的初始水文模型，所述验证后的初始水文模型作为所述水文模型。
3.根据权利要求1所述的方法，其特征在于，构建所述校正模型的步骤包括：
获取第二训练数据，所述第二训练数据包括所述第二目标时间段内的第二历史气象数据和第二历史径流量；
将所述第二历史气象数据输入至所述水文模型，得到第四模拟径流量；
根据所述第四模拟径流量和所述第二历史径流量，训练初始校正模型，得到所述校正模型，所述初始校正模型为长短期记忆网络模型。
4.根据权利要求3所述的方法，其特征在于，将所述第一模拟径流量输入至预构建的校正模型，得到所述第一模拟径流量对应的第二模拟径流量，包括：
其中，表示t时段的第二模拟径流量，/>表示t时段的第一模拟径流量，表示t-N时段的第一模拟径流量，N表示所述长短期记忆网络模型中的滞后时长，表示采用鲸鱼优化算法对长短期记忆网络模型进行优化后的模型，即校正模型。
5.根据权利要求1所述的方法，其特征在于，根据各所述第二模拟径流量，计算所述梯级水库群所在流域的水能资源理论蕴藏量，包括：
其中，为水能资源理论蕴藏量；K为折算系数；W i为第i条河段第二模拟径流量的平均值；H i为第i条河段上下断面水位差；g为重力加速度；N为河段总数。
6.根据权利要求1所述的方法，其特征在于，根据各所述水位，计算所述梯级水库群的发电量，包括：
根据各所述水位，计算各水库的发电量；
根据各水库的发电量，计算所述梯级水库群的发电量。
7.根据权利要求6所述的方法，其特征在于，根据所述水位，计算所述水库的发电量，包括：
其中，P代表水库的发电量，单位为TWh亿千瓦时；代表水轮机的发电效率；/>代表水的密度，单位为kg/m3；g代表重力加速度，单位为m/s2；H代表水位（高差），单位为m；/>代表通过涡轮机的水库出库流量，单位为m3/s；t代表时间步长，单位为h；Wh代表电能的单位，瓦时。
8.一种考虑气候变化的梯级水库群水能资源评估装置，其特征在于，所述装置包括：
获取模块，用于获取梯级水库群所在流域的第一气象预测数据；
模拟模块，用于将所述第一气象预测数据输入至预构建的水文模型，得到各第一模拟径流量，所述水文模型是通过第一目标时间段内的第一历史径流量训练得到的，在所述第一目标时间段内，所述梯级水库群所在流域下游的径流量不受上游水库的水库数据影响；
校正模块，用于将各所述第一模拟径流量输入至预构建的校正模型，得到各所述第一模拟径流量对应的第二模拟径流量，所述校正模型是通过第二目标时间段内的第二历史径流量训练得到的，在所述第二目标时间段内，所述梯级水库群所在流域下游的径流量受上游水库的水库数据影响；
第一计算模块，用于根据各所述第二模拟径流量，计算所述梯级水库群所在流域的水能资源理论蕴藏量；
还包括：
根据各所述第二模拟径流量，计算所述梯级水库群中各水库的蓄水量；
根据各所述蓄水量，计算各水库的水位；
根据各所述水位，计算所述梯级水库群的发电量；
还包括：
根据所述梯级水库群的发电量，计算所述梯级水库群的碳减排量；
根据所述梯级水库群的发电量，计算所述梯级水库群的碳减排量，包括：
获取目标时刻的供电煤耗；
根据所述供电煤耗和所述梯级水库群的发电量，计算所述碳减排量；
获取目标时刻的供电煤耗，包括：
获取历史时期的供电煤耗与时间之间的关系；
基于所述关系，计算所述目标时刻的供电煤耗；
获取梯级水库群所在流域的第一气象预测数据，包括：
获取所述梯级水库群所在流域的第二气象预测数据和所述第二气象预测数据对应的历史气象数据；
计算所述第二气象预测数据与所述第二气象预测数据对应的历史气象数据之间的偏差；
获取所述梯级水库群所在流域的第三气象预测数据；
根据所述偏差，对所述第三气象预测数据进行校正，得到所述第一气象预测数据；
所述根据所述偏差，对所述第三气象预测数据进行校正，得到所述第一气象预测数据，包括：
其中，为第一气象预测数据，/>为第三气象预测数据，/>为第二气象预测数据对应的历史气象数据的累积分布函数，/>为第二气象预测数据的累积分布函数，/>为第三气象预测数据的累积分布函数，/>和/>分别为第二气象预测数据对应的历史气象数据的概率密度函数及第二气象预测数据的概率密度函数，/>为所述偏差。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的考虑气候变化的梯级水库群水能资源评估方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的考虑气候变化的梯级水库群水能资源评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311453491.0A CN117172965B (zh) | 2023-11-03 | 2023-11-03 | 一种考虑气候变化的梯级水库群水能资源评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311453491.0A CN117172965B (zh) | 2023-11-03 | 2023-11-03 | 一种考虑气候变化的梯级水库群水能资源评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117172965A CN117172965A (zh) | 2023-12-05 |
| CN117172965B true CN117172965B (zh) | 2024-02-09 |
Family
ID=88932180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311453491.0A Active CN117172965B (zh) | 2023-11-03 | 2023-11-03 | 一种考虑气候变化的梯级水库群水能资源评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172965B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106951980A (zh) * | 2017-02-21 | 2017-07-14 | 河海大学 | 一种基于rcp情景的水库群适应性调度方法 |
| CN110598290A (zh) * | 2019-08-30 | 2019-12-20 | 华中科技大学 | 考虑气候变化的流域未来水电发电能力预测方法和系统 |
| WO2021129039A1 (zh) * | 2019-12-25 | 2021-07-01 | 华中科技大学 | 一种跨水库流域河道径流演算方法和系统 |
| CN115544785A (zh) * | 2022-10-19 | 2022-12-30 | 中国科学院地理科学与资源研究所 | 一种无资料梯级水库流域水文模拟方法和系统 |
| CN116503206A (zh) * | 2023-06-30 | 2023-07-28 | 长江三峡集团实业发展(北京)有限公司 | 一种入库径流重构方法、计算机设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111401666B (zh) * | 2020-04-28 | 2021-07-27 | 中国水利水电科学研究院 | 一种利用预报误差开展上游水库群影响下径流预报的方法 |
-
2023
- 2023-11-03 CN CN202311453491.0A patent/CN117172965B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106951980A (zh) * | 2017-02-21 | 2017-07-14 | 河海大学 | 一种基于rcp情景的水库群适应性调度方法 |
| CN110598290A (zh) * | 2019-08-30 | 2019-12-20 | 华中科技大学 | 考虑气候变化的流域未来水电发电能力预测方法和系统 |
| WO2021129039A1 (zh) * | 2019-12-25 | 2021-07-01 | 华中科技大学 | 一种跨水库流域河道径流演算方法和系统 |
| CN115544785A (zh) * | 2022-10-19 | 2022-12-30 | 中国科学院地理科学与资源研究所 | 一种无资料梯级水库流域水文模拟方法和系统 |
| CN116503206A (zh) * | 2023-06-30 | 2023-07-28 | 长江三峡集团实业发展(北京)有限公司 | 一种入库径流重构方法、计算机设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 气候变化对水电站发电出力的影响研究;袁林山;张家余;张力;刘德地;;中国农村水利水电;20200915(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117172965A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Naz et al. | Effects of climate change on streamflow extremes and implications for reservoir inflow in the United States | |
| Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
| DuPont et al. | An advanced modeling system for optimization of wind farm layout and wind turbine sizing using a multi-level extended pattern search algorithm | |
| Carvajal et al. | Assessing uncertainty of climate change impacts on long-term hydropower generation using the CMIP5 ensemble—the case of Ecuador | |
| Monforti et al. | Comparing the impact of uncertainties on technical and meteorological parameters in wind power time series modelling in the European Union | |
| Watts et al. | Assessment of wind energy potential in Chile: A project-based regional wind supply function approach | |
| CN102945508A (zh) | 一种基于模型校正的风电功率预测预报系统及方法 | |
| CN101741085A (zh) | 一种短期风电功率预报方法 | |
| Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
| Zhao et al. | Future precipitation, hydrology and hydropower generation in the Yalong River Basin: Projections and analysis | |
| CN111079282A (zh) | 水文预报方法及设备 | |
| Olofintoye et al. | Real-time optimal water allocation for daily hydropower generation from the Vanderkloof dam, South Africa | |
| Yang et al. | Sizing utility-scale photovoltaic power generation for integration into a hydropower plant considering the effects of climate change: a case study in the Longyangxia of China | |
| Giudici et al. | Descriptive or normative: How does reservoir operations modeling influence hydrological simulations under climate change? | |
| Liang et al. | Estimation of the influences of spatiotemporal variations in air density on wind energy assessment in China based on deep neural network | |
| CN115935667A (zh) | 一种区域地表水资源预测模拟及其优化配置方法 | |
| De Araujo | WRF wind speed simulation and SAM wind energy estimation: A case study in Dili Timor Leste | |
| Adera et al. | Climate change and hydrological analysis of Tekeze river basin Ethiopia: implication for potential hydropower production | |
| CN117172037B (zh) | 一种分布式水文预报方法、装置、计算机设备及介质 | |
| CN117172965B (zh) | 一种考虑气候变化的梯级水库群水能资源评估方法及装置 | |
| 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 | |
| Dubus et al. | C3S Energy: an operational service to deliver power demand and supply for different electricity sources, time and spatial scales over Europe | |
| CN104331748B (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 | |
| Cheng et al. | An analytical method to evaluate curtailment of hydro–photovoltaic hybrid energy systems and its implication under climate change | |
| Zhang et al. | Identifying the relationship between assignments of scenario weights and their positions in the derivation of reservoir operating rules under climate change |
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 |