DE112021001581T5 - Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels - Google Patents

Abstract

Die Erfindung bezieht sich auf das technische Gebiet des Betriebs für Stausee und stellt ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit, umfassend die folgenden Schritte: gemäß den Vorhersageinformationen von Temperatur und Niederschlag, dem hydrologischen Modell und der stochastischen Simulationsmethode unter den Bedingungen des zukünftigen Klimawandels werden mehrere Sätze von simulierten Abflusssequenzen generiert; basierend auf den aktuellen Regelungen des Betriebs für Stausee werden mehrere Sätze entsprechender jährlicher Nutzenproben erhalten; der Typ des hydrologischen Jahres wird verwendet, um den jährlichen Nutzen des Betriebs für Stausee zu klassifizieren und den klassifizierten jährlichen Nutzen des Betriebs für Stausee zu erhalten; durch Parameterschätzung und Anpassungsgütetest wird die optimale Wahrscheinlichkeitsverteilungsfunktion ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist; basierend auf der optimalen Wahrscheinlichkeitsverteilungsfunktion und dem akzeptablen Risikoniveau wird durch Berechnung der inversen kumulativen Verteilung einen klassifizierten Risikofrühwarnschwellenwert bestimmt; mit Hilfe der Methode der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt; durch die obigen Schritte kann der Zeitpunkt abgefragt werden, zu dem die Regelungen des Betriebs für Stausee geändert werden.

Description

• Technisches Feld
• Die Erfindung bezieht sich auf das technische Gebiet der Betriebs für Stausee bei der Verwaltung von Wasserschutzprojekten, insbesondere auf ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels.
• Stand der Technik
• Der Klimawandel hat die hydrometeorologischen Bedingungen auf globaler und regionaler Ebene verändert, die ursprünglichen Konsistenzbedingungen gebrochen und die Bewirtschaftung der Wasserressourcen vor große Herausforderungen gestellt. Ein Stausee mit guter Regulierung und Speicherung ist eine wirksame technische Maßnahme, um mit den nachteiligen Auswirkungen des Klimawandels bei der Bewirtschaftung der Wasserressourcen im Becken umzugehen. In den letzten Jahrzehnten ist die strategische Notwendigkeit von Stauseen zur Anpassung an den Klimawandel zunehmend erkannt worden. Derzeit können die gängigen Forschungsmethoden der adaptiven Regulierung von Stauseen wie folgt zusammengefasst werden: Top-down-Verfahren und Bottom-up-Verfahren. Ersteres Verfahren besteht darin, die hydrometeorologischen Vorhersageinformationen zukünftiger Klimawandelszenarien durch das Globale Klimamodell (GCM) und das hydrologische Modell bereitzustellen und dann die zukünftigen hydrometeorologischen Vorhersageinformationen zu kombinieren, um Untersuchungen zum Betrieb für Stausee durchzuführen und adaptives Betrieb-Schema für Stauseee vorzuschlagen; letzteres Verfahren basiert auf der Kombination verschiedener möglicher Niederschlags- und Temperaturvariationen zur Bildung eines zukünftigen Klimawandelszenarios, wobei die Risikotoleranz des Stauseesystems und die Präferenzen lokaler Entscheidungsträger berücksichtigt werden, um die Risikoresistenz der aktuellen Regelungen des Betriebs für Stausee zu bewerten, wobei für die Szenariodomänen, die eine Risikobedrohung darstellen, ein robustes Betrieb-Schema implementiert wird, gefolgt von einer adaptiven Bewertung.
• Es gibt jedoch die folgenden Probleme in der bestehenden Technologie: (1) Sowohl das Top-down-Verfahren als auch das Bottom-up-Verfahren lösen das Problem, „wie“ die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels geändert werden können, aber sie können nicht das Problem lösen, „wann“ die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels geändert werden können. (2) Gegenwärtig nimmt das Top-down-Verfahren hauptsächlich einen künstlichen und subjektiven Weg an, um den Zeitraum des zukünftigen Klimawandels anzunehmen, um Forschungen zur adaptiven Regulierung des Stausees durchzuführen, aber diese Methode mit Mangel an wissenschaftlicher und vernünftiger Erklärung verringert die Anwendungswert des Top-down-Verfahrens. (3) Einige niederländische Wissenschaftler haben gemäß dem grundlegenden Konzept des Bottom-up-Verfahrens den Zeitraum bestimmt, in dem eine adaptive Regulierung des Stausees notwendig ist, indem die Schwankungen der physikalischen Umgebungsgröße (z.B. Wasserstand, Durchfluss), die unter dem Einfluss des zukünftigen Klimawandels einen akzeptablen Schwellenwert überschreiten, durch die aktuellen Regelungen des Betriebs für Stausee analysiert wird. Dieses Verfahren ist jedoch nur auf umweltbezogene Regelungen des Betriebs für Stausee anwendbar (z. B. Hochwasserschutz, Ökologie). Für die Regelungen des Betriebs für Stausee (z. B. Stromerzeugung), die hauptsächlich am sozialen und wirtschaftlichen Nutzen gemessen wird, da ihre Nutzenhöhe von mehreren Faktoren wie Abflusshöhe, Stause-Merkmale, Anlageneigenschaften und dergleichen beeinflusst wird, kann ihre angemessene akzeptable Schwellenwert nicht direkt entsprechend den Umweltbeschränkungen gegeben werden. Diese bestehende Technologie ist schwierig direkt anzuwenden und zu erweitern. Das chinesische Patentdokument CN106022960A beschreibt ein Verfahren zur Parameteroptimierung von Regelungen des Betriebs für Stausee mit mehreren Zielen auf der Grundlage von Data-Mining, wobei der Mehrziel-Optimierungsalgorithmus verwendet wird, um den nicht-unterlegenen Lösungssatz für Betrieb für Stausee mit mehreren Zielen zu erhalten, und das Random-Forest-Modell wird verwendet, um die Beziehung zwischen allen Parametern der Regelungen des Betriebs für Stausee und dem nicht-unterlegenen Lösungssatz herzustellen, wobei durch Bewerten des Vorhersageeffekts jedes Parameters auf den nicht-unterlegenen Lösungssatz die Parameter der Regelungen des Betriebs für Stausee mit mehreren Zielen mit der größten Informationsmenge ausgewählt werden. Dieses Schema stützt sich jedoch hauptsächlich auf den linearen Entwicklungstrend zukünftiger Parameter. Wenn es einen nichtlinearen Entwicklungstrend gibt, ist die Anwendbarkeit der Regel schlecht, und das Schema kann das Versagen der aktuellen Regel nicht beurteilen.
• Offenbarung
• Das durch die vorliegende Erfindung zu lösende technische Problem besteht darin, ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereitzustellen, das dem Stauseeverwalter helfen kann, den Zeitpunkt des Umschaltens der Regelungen des Betriebs für Stausee im Voraus vorherzusagen. Es kann auch die fehlende theoretische Unterstützung des Top-down-Verfahrens bei der Behandlung des Problems „wann ändern“ ausgleichen, und es kann auch die technische Lücke in dem Bottom-up-Verfahren der Regelungen des Betriebs für Stausee schließen, die hauptsächlich an sozialen und wirtschaftlichen Vorteilen gemessen wird, um das Problem des „wann ändern“ zu lösen.
• Um die oben erwähnten technischen Probleme zu lösen, verwendet die vorliegende Erfindung die folgenden technischen Lösungen: Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit, wobei es die folgenden Schritte umfasst:
• S1. Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen eines zukünftigen Klimawandels werden erfasst, wobei eine Herunterskalierung und eine Fehlerkorrekturverarbeitung durchgeführt werden, so dass die Vorhersageinformationen von Temperatur und Niederschlag auf ein lokales Interessengebiet beschränkt sind, wobei ein hydrologisches Modell integrieret wird, um Abflussvorhersageinformationen unter dem vorhergesagten zukünftigen Klimawandelszenario zu erhalten;
• S2. Gemäß den Abflussvorhersageinformationen wird mehrere Sätze von simulierten Abflusssequenzen unter Verwendung von einer stochastischen Simulationsmethoden generiert; wobei die mehrere Sätze von simulierten Abflusssequenzen dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden;
• S3. Eine Satzpaare-Analysemethode wird verwendet, um die Typen von hydrologischen Jahren von reich bis trocken zu unterteilen; wobei gemäß den Ergebnissen des Typs der hydrologischen Jahren die in Schritt S2 berechneten jährlichen Nutzenproben des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzenproben, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird;
• S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist;
• S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikowarnschwellenwert (Risk-basedwarning threshold, RWT) bestimmt;
• S6. Der klassifizierte Risikowarnschwellenwert wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der Technologie der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit (Failurewarining time, FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt;
durch die obigen Schritte kann ein Zeitpunkt abgefragt werden, zu dem die Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels geändert werden.
• Vorzugsweise wird die Abflussvorhersagesequenz unter den Bedingungen des zukünftigen Klimawandels als Referenzdaten genommen;
  wobei unter Verwendung einer multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für den Stausee k im Kaskadensystem ein Ausdruck lautet: $$QSi{m}^k=\left(Q{S}_1^k,\dots ,Q{S}_s^k,\dots ,Q{S}_L^k\right);$$

  

  $$Q{S}_s^k=\left(q{y}_{\mathrm{1,}s}^k,\dots ,q{y}_{j,s}^k,\dots ,q{y}_{N,s}^k\right)=\left[\begin{array}{ccccc}q{s}_{\mathrm{1,1,}s}^k& \dots & q{s}_{\mathrm{1,}j,s}^k& \dots & q{s}_{\mathrm{1,}N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{i\mathrm{,1,}s}^k& \dots & q{s}_{i,j,s}^k& \dots & q{s}_{i,N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{TS\mathrm{,1,}s}^k& \dots & q{s}_{TS,j,s}^k& \dots & q{s}_{TS,N,s}^k\end{array}\right];$$

  

  wobei QSim^k der stochastische simulierte Abflussdatensatz des k-ten Stausees basierend auf derselben GCM-Abflussvorhersagesequenz mit einer Gesamtzahl von L Zyklen ist, welcher der stochastische Abflusssimulationsergebnisdatensatz geteilt gemäß der Anzahl von Zyklen ist; wobei, wenn k 1 ist, QSim^k das stochastische Simulationsergebnis des einlaufenden Abflusses des Rückgrat-Stausees darstellt, andernfalls QSim^k stellt das stochastische Simulationsergebnis des Intervallabflusses zwischen dem k-ten Stausee und dem k-l-ten Stausee dar; wobei Elemente des Datensatzes $Q{S}_s^k$

  

  die N Jahres-Abflusssequenz ist, die durch das k-te Stausee im s-ten Zyklus stochastisch simuliert wird; wobei $q{y}_{j,s}^k$

  

  die Abflusssequenz des k-ten Stausees im j-ten Jahr im s-ten Zyklus ist, ausgedrückt als $q{y}_{j,s}^k={\left(q{y}_{\mathrm{1,}j,s}^k,\dots ,q{s}_{i,j,s}^k,\dots ,q{s}_{TS,j,s}^k\right)}^T;$

  

  wobei $q{s}_{i,j,s}^k$

  

  der Abflusswert des k-ten Stausees in der i-ten Periode im j-ten Jahr im s-ten Zyklus ist; wobei N und TS die Gesamtzahl der Jahre in der zukünftigen Periode und die Gesamtzahl der Perioden pro Jahr darstellen; wobei L die Gesamtzahl der Zyklen für die stochastische Simulation ist.
• Vorzugsweise umfasst in Schritt S3 die Klassifizierung von Typen der hydrologischen Jahren von reich bis trocken die folgenden Schritte:
• S01. Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses ${\displaystyle \sum _{l=1}^{k}Qsi{m}^l}=\left({\displaystyle \sum _{l=1}^{k}Q{S}_1^l},\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_s^l,\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_L^l}}\right)$
  
  ohne Berücksichtigung der Regulierungswirkung des stromaufwärts gelegenen Stausees als Eingabe für die Analyse des Typs der hydrologischen Jahren; wobei bei der Analyse des Typs der hydrologischen Jahren zunächst Einteilungen der Kategorien für den Abfluss ${\displaystyle \sum _{l=1}^{k}q{s}_{i,j,s}^k}$
  
  in jeder Periode im selben Jahr unter demselben Zyklus bestimmt werden, die sich in der Abflussgröße widerspiegeln, wobei dann die Merkmale der jährlichen Abflusszeitgeschichte-Verteilungen der jährlichen Abflusssequenzen ${\displaystyle \sum _{l=1}^{k}q{y}_{j,s}^k}$
  
  analysiert werden, wobei schließlich derselbe Analyseprozess für jede Zyklusdatenmatrix ${\displaystyle \sum _{l=1}^{k}Q{S}_s^l}$
  
  in jeder Periode jedes Jahres wiederholt wird;
• S02. Der Abfluss in der i-ten Periode des j-ten Jahres wird unter dem s-ten Zyklus mit dem Teilungsstandard der ABflussgröße in der entsprechenden Periode verglichen, wobei das Klassifikationsergebnis, das sich in dem Abfluss in dieser Periode widerspiegelt, bestimmt wird, das als $C{M}_{i,j,s}^k$
  
  aufgezeichnet wird, dargestellt durch eines der Quantisierungssymbole I, II, III und IV; wobei alle stochastische Abflusssimulationsergebnisdatensätze nach dem Zeitraum geteilt werden, nämlich $\left(Q{T}_1^k,\dots ,Q{T}_i^k,\dots ,Q{T}_{TS}^k\right);$
  
  wobei für jede Periode i die Abflusswerte aller Jahre unter allen Zyklen von groß nach klein sortiert werden, wobei die Abflusswerte $q{c}_i^k|{}_{25},q{c}_i^k|{}_{50},q{c}_i^k|{}_{75},$
  
  die den Quantilen von 25 %, 50 % und 75 % entsprechen, bestimmt werden; wobei weiterhin der Wertebereich von vier Kriterien zur Einteilung des Abflusses in dieser Periode von groß nach klein gebildet wird, nämlich $[q{c}_i^k|{}_{25},+\infty ),[q{c}_i^k|{}_{50},q{c}_i^k|{}_{25}),[q{c}_i^k|{}_{75},q{c}_i^k|{}_{50}),[\mathrm{0,}q{c}_i^k|{}_{75});$
  
  $$
  
  wobei der Klassifizierungsstandard der Abflussgröße gemäß der Periode variiert;
• S03. Für die Periode i von 1 bis TS im selben Jahr im selben Zyklus wird der obige Schritt S02 wiederholt, um das Klassifizierungsergebnis des Jahres unter Berücksichtigung der Auswirkungen des Abflusses zu erhalten, nämlich $C{V}_{j,s}^k=\left(C{M}_{\mathrm{1,}j,s}^k,\dots ,C{M}_{i,j,s}^k,\dots ,C{M}_{TS,j,s}^k\right);$
  
• S04. Das obige Klassifizierungsergebnis $C{V}_{j,s}^k$
  
  unter Berücksichtigung der Auswirkungen des Abflusses wird mit standardisierten Indikatoren CC_f für vier Arten der jährlichen Abflusszeitgeschichte-Verteilungen einen Satzpaar bilden, wobei die Satzpaare-Analysemethode verwendet wird, um einen Assoziationsgrad von den Identitäts-, Differenz- und Oppositionsindikatoren zwischen den beiden zu berechnen; wobei CC_f = (f₁ ,....., f_i ,...,f_TS), f die Abflusswert-Quantisierungssymbole I, II, III oder IV anzeigen; wobei der Berechnungsausdruck für den Assoziationsgrad lautet: $${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}=\frac{S}{W}+\frac{J_1}{W}{\lambda }_1+\frac{J_2}{W}{\lambda }_2+\frac{O}{W}\eta ;$$
  
  wobei ${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}$
  
  der Assoziationsgrad für Satzpaar $G\left(C{V}_{j,s}^k,C{C}_{ƒ}\right);$
  
  wobei W die Anzahl aller Merkmale ist, d. h. die Gesamtzahl der Perioden in der Klassifizierung von Reichhaltigkeit und Trockenheit für Abfluss; wobei S die Anzahl der gleichen Merkmale der beiden Sätze ist; wobei J₁ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um eine Stufe unterscheiden; wobei J₂ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um zwei Stufen unterscheiden; wobei O die Anzahl der entgegengesetzten Merkmale der beiden Sätze ist; wobei λ₁ und λ₂ der Differenzunsicherheitskoeffizient sind, wobei der Wertebereich [-1, 1] ist; wobei η der Oppositionskoeffizient ist, wobei der Wert -1 ist;
• S05. Gemäß dem von S04 berechneten Ergebnis des Assoziationsgrades, der den kombinierten Einfluss der Abflussgröße und der jährlichen Abflusszeitgeschichte-Verteilungen zusammenfasst, wird die Kategorie der Reichhaltigkeit und Trockenheit, die dem maximalen Assoziationsgrad entspricht, als Typ des hydrologischen Jahres $HY{C}_{j,s}^k$
  
  wobei der Ausdruck lautet: $$HY{C}_{j,s}^k=ƒ=\text{arg }\underset{ƒ=\text{I},\text{II}\text{,III}\text{,IV}}{{\displaystyle \text{max}}}\left({\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}\right);$$
  
  wobei $HY{C}_{j,s}^k$
  
  der Typ des hydrologischen Jahres des j-ten Jahres unter dem s-ten Zyklus ist, wobei der Wert das Quantisierungssymbol I, II, III oder IV ist;
• S06. Die obigen S02 bis S05 werden wiederholt, wobei der Typ des hydrologischen Jahres im selben Zyklus jedes Jahres bestimmt wird, wobei dann die Anzahl von Zyklen berechnet wird; wobei das Endergebnis des Typs des hydrologischen Jahres eine L×N-Matrix ist; wobei L die Gesamtzahl der Zyklen der stochastischen Abflusssimulation und N die Gesamtzahl der Jahre in der zukünftigen Periode ist.
• Vorzugsweise wird in Schritt S3 für jeden Stausee im Kaskadensystem das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet, wobei der Ausdruck lautet: $$C{B}_{j,s}^k=HY{C}_{j,s}^k;$$

  

  wobei $C{B}_{j,s}^k$

  

  die Klassifikation für jährlichen Nutzen des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus ist, wobei der Wert I, II, III oder IV ist.
• Vorzugsweise ist die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Mittelwert der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees, wobei der Ausdruck lautet: $$C{B}_{j,s}^{CAS}={\displaystyle \sum _{k=1}^M{\omega }_{j,s}^{k}C{B}_{j,s}^k};$$

  

  $${\omega }_{j,s}^k=\frac{B_{j,s}^k|{}_{fut}}{{\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}};$$

  

  wobei $C{B}_{j,s}^{CAS}$

  

  das Ergebnis der Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems im j-ten Jahr unter dem s-ten Zyklus ist, und der gewichtete Mittelwert der Ergebnisse $C{B}_{j,s}^k$

  

  der Klassifikation für jährlichen Nutzen jedes Stausees ist; wobei in der eigentlichen Berechnung die den $C{B}_{j,s}^k$

  

  entsprechenden Quantisierungssymbole I, II, III und IV jeweils in 1, 2, 3 und 4 umgewandelt werden, wobei $C{B}_{j,s}^{CAS}$

  

  und $C{B}_{j,s}^k$

  

  zu $C{B}_{j,s}^{std}$

  

  vereinfacht sind, wobei der hochgestellte Index std das Forschungsobjekt darstellt, einschließlich des Kaskaden-Stausee-Systems und der einzelnen Stausees im System. ${\omega }_{j,s}^k$

  

  ist das Nutzengewicht des k-ten Stausees im j-ten Jahr im s-ten Zyklus, d. h. die Nutzenbeitragsfähigkeit des k-ten Stausees zum gesamten Kaskaden-Stausee-System; wobei M die Anzahl der Stausees im Kaskadensystem ist; wobei $B_{j,s}^k|{}_{fut}$

  

  und ${\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}$

  

  jeweils der jährliche Nutzenwert des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus und der Gesamtnutzen des Kaskaden-Stausee-Systems sind, wobei die beiden als $B_{j,s}^{std}|{}_{fut}$

  

  vereinfacht werden können; wobei das Kennzeichen |_fut das Abflusssimulationsergebnis unter den Bedingungen des zukünftigen Klimawandels als Eingabe für die aktuellen Regelungen des Betriebs für Stausee anzeigt.
• Vorzugsweise wird in Schritt S4 der AIC als Bewertungsindikator verwendet, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei die spezifischen Schritte wie folgt sind:
• S11. Für jedes Forschungsobjekt, einschließlich jedes Kaskaden-Stausee-Systems oder jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen zu bilden; wobei der konkrete Ausdruck lautet: $$AI{C}_{ƒ,pm}^{std}=-2\text{ ln}\left(M{L}_{ƒ,pm}^{std}\right)+2d{ƒ}_{pm};$$
  
  $$S{C}_{ƒ,pm}^{std}=\frac{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-AI{C}_{ƒ,pm}^{std}}{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)};$$
  
  $$EM{X}^{std}=\left[\begin{array}{ccccc}S{C}_{\mathrm{1,1}}^{std}& \dots & S{C}_{\mathrm{1,}pm}^{std}& \dots & S{C}_{\mathrm{1,}PN}^{std}\\ ⋮& \ddots & ⋮& & ⋮\\ S{C}_{ƒ\mathrm{,1}}^{std}& \dots & S{C}_{ƒ,pm}^{std}& \dots & S{C}_{ƒ,PN}^{std}\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ S{C}_{CN\mathrm{,1}}^{std}& \dots & S{C}_{CN,pm}^{std}& \dots & S{C}_{CN,PN}^{std}\end{array}\right];$$
  
  wobei $AI{C}_{ƒ,pm}^{std}$
  
  der Bewertungsindikator der Anpassungsgüte für f-ten klassifizierten jährlichen Nutzen des Forschungsobjekts std ist, wenn der Typ der Kandidaten-Wahrscheinlichkeitsverteilungsfunktion pm ist, wobei der untergestellte Index ƒ die Abflusswert-Quantisierungssymbole I, II, III, IV ist, wobei der untergestellte Index pm alle Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen umfasst, wobei der hochgestellte Index std das Kaskadensystem und jeden Stausee umfasst; z.B: $AI{C}_{I,NM}^{CAS}$
  
  das AIC-Berechnungsergebnis des I-Typ-Jahresnutzens des Kaskaden-Stausee-Systems unter der Beschreibung der Normalverteilungsfunktion darstellt; wobei $M{L}_{ƒ,pm}^{std}$
  
  der Wahrscheinlichkeitswert des für die Wahrscheinlichkeitsverteilungsfunktionpm geschätzten Parameters ist; wobei df_pm der Freiheitsgrad entsprechend der Wahrscheinlichkeitsverteilungsfunktion pm ist; wobei $S{C}_{ƒ,pm}^{std}$
  
  das standardisierte Ergebnis von $AI{C}_{ƒ,pm}^{std}$
  
  ist, und der kleinere AIC-Indikator entspricht dem größeren standardisierten Ergebnis, was bedeutet, dass der Effekt der Anpassungsgüte der beschriebenen Wahrscheinlichkeitsverteilungsfunktion besser ist; wobei $\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)$
  
  und $\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)$
  
  die maximalen und minimalen AIC-Berechnungswerte in den vier Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen für den f te klassifizierten jährlichen Nutzen des Forschungsobjekts std sind; wobei EMX^std die Entscheidungsmatrix mit mehreren Zielen für das Forschungsobjekt std ist; wobei CN und PN die Gesamtzahl der klassifizierten jährlichen Nutzen und die Gesamtzahl der Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen sind;
• S12. Basierend auf einer Entscheidungsmatrix mit mehreren Zielen EMX^std werden alle klassifizierten jährlichen Nutzen zusammenfasst, wobei die relative Zugehörigkeit berechnet wird, der jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion entspricht, wobei der Ausdruck lautet: $$u_{pm}^{std}={\left\{1+\frac{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}\left(1-S{C}_{ƒ,pm}^{std}\right)\right]}^2}}{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}S{C}_{ƒ,pm}^{std}\right]}^2}}\right\}}^{-1};$$
  
  wobei $u_{pm}^{std}$
  
  der relative Zugehörigkeitswert des Anpassungseffekts bei Verwendung der Wahrscheinlichkeitsverteilungsfunktion pm zur Beschreibung aller klassifizierten jährlichen Nutzen für den Forschungsobjekt std ist, wobei, je größer der Wert ist, desto mehr er darauf hin weist, dass die Wahrscheinlichkeitsverteilungsfunktion die Verteilung des klassifizierten jährlichen Nutzens des Forschungsobjekts beschreiben kann; wobei σ_f der Gewichtswert des f-ten klassifizierten jährlichen Nutzens ist, wobei die Gewichte der verschiedenen klassifizierten jährlichen Nutzen jedes Forschungsobjekts gleich sind;
• S13. Der gewichtete durchschnittliche relativen Zugehörigkeitsgrad jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion bei Zusammenfassung der Bewertungsergebnissen der Anpassungsgüte aller Forschungsobjekte berechnet wird, wobei die Wahrscheinlichkeitsverteilungsfunktion, die dem größten gewichteten durchschnittlichen relativen Zugehörigkeitsgrad entspricht, als die optimale Wahrscheinlichkeitsverteilungsfunktion angenommen wird, wobei der Ausdruck lautet: $$u_{\text{max}}=\text{max}\left\{{\displaystyle \sum _{std}{\phi }^{std}{u}_{NM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}}{u}_{GM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{WB3}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{BR}^{std}\right\};$$
  
  wobei ${\displaystyle \sum _{std}{\phi }^{std}}{u}_{pm}^{std}$
  
  der gewichtete durchschnittliche relative Zugehörigkeitsgrad aller Forschungsobjekte, die durch die Wahrscheinlichkeitsverteilungsfunktion pm zusammengefasst werden; wobei φ^std das Gewicht des Forschungsobjekts std ist und gleichzeitig die Beschränkungsbedingungen ${\displaystyle \sum _{std}{\phi }^{std}}=1$
  
  erfüllt.
• Vorzugsweise wird in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert durch Berechnen der inversen kumulativen Verteilungsfunktion der optimalen Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt, wobei der Ausdruck ist: $$\text{Pr}\left(X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}\right)={\displaystyle \int {}_0^{RWT|{}_{ƒ}^{std}}}g\left(x|{}_{ƒ}^{std}\right)\text{d}x=\beta ;$$

  
• RWT steht für den minimal akzeptablen jährlichen Nutzenwert und ist ein wichtiger Indikator, um zu messen, ob die aktuellen Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels ausfallen;
  wobei Pr(□) das Wahrscheinlichkeitsoperationssymbol ist; wobei $X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}$

  

  das Ausfallereignis ist, das dadurch verursacht wird, dass der tatsächliche jährliche Betriebsnutzenwert der aktuellen Regelungen des Betriebs für Stausee in diesem Jahr geringer als die RWT ist; wobei $g\left(x|{}_{ƒ}^{std}\right)$

  

  die ausgewählte optimale Wahrscheinlichkeitsverteilungsfunktion ist und die Beschreibung vom f-te klassifizierten jährlichen Nutzen $x|{}_{std,/}$

  

  für den Forschungsobjekt std ist; wobei β ein akzeptables Risikoniveau ist und ein angemessener Wertebereich zwischen 5 % und 20 % liegt; wobei $RWT|{}_{ƒ}^{std}$

  

  der klassifizierte Risikofrühwamschwellenwert ist, der sich nach dem Forschungsobjekt std und der Klassifikation für jährlichen Nutzen f unterscheidet.
• Vorzugsweise wird in Schritt S6 die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens verwendet, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren, und die spezifischen Schritte sind wie folgt:
• S21. Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter den Bedingungen des zukünftigen Klimawandels EV_j ist, wobei die Variable EV_j unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV₁ ,..., EV_j ,..., EV_N) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist; wobei der Ausdruck von EV_j ist: $$E{V}_j={\displaystyle \sum _{s=1}^L{\mathrm{\Lambda }}_{j,s}};$$
  
  wobei ${\mathrm{\Lambda }}_{j,s}=\{\begin{array}{cc}\mathrm{1,}& B_{j,s}^{std}|{}_{fut}<RWT|{}_{C{B}_{j,s}^{std}}\\ \mathrm{0,}& otherwise\end{array}$
  
  eine binäre Funktion ist, wobei das Ausfallereignis eintritt und der Wert 1 ist, wenn der tatsächliche jährliche Nutzen kleiner als der Risikofrühwamschwellenwert ist, andernfalls ist der Wert 0; wobei L die Gesamtzahl der Zyklen des stochastischen Abflusssimulationsverfahrens unter den gleichen Bedingungen des zukünftigen Klimawandels ist;
• S22. Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip der kumulativen Zählung verwendet wird, wobei der Ausfallwahrscheinlichkeitsänderungspunkt der aktuellen Regelungen des Betriebs für Stausee analysiert wird, und wobei ein Hypothesentest durchgeführt wird, um die Ausfallfrühwarnzeit zu identifizieren, wobei der Ausdruck ist: $$\tau =\text{arg max}\left|N\times SE{V}_j-j\times SE{V}_N\right|;$$
  
wobei τ der Änderungspunkt der Wahrscheinlichkeit beim Ausfall der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen der zukünftigen Klimawandelszenarien ist, wobei der Wertebereich [1, N] ist; wobei SEV_j die kumulative Anzahl von Ausfallereignissen der aktuellen Regelungen des Betriebs für Stausee in den vorangegangenen j Jahren ist, wobei der Ausdruck lautet: $$SE{V}_j={\displaystyle \sum _{r=1}^{j}E{V}_r}j=\mathrm{1,}\mathrm{2,}\dots ,N\text{ ;}$$

• S23. Mit dem erkannten Änderungspunkt τ als eine Abgrenzung kann die gesamte Zukunftsphase in die Phase vor der Ausfallfrühwarnzeit - vor dem Ausfallzeitraum (1, 2,..., τ -1) und die Phase während und nach der Ausfallfrühwarnzeit - Ausfallzeitraum (τ,τ+1,...,N) unterteilt werden, wobei für diese beiden Phasen die folgenden Formeln verwendet werden, um die jeweilige durchschnittliche Ausfallwahrscheinlichkeit zu berechnen; $$p_{\nu }=\frac{1}{{\xi }_{\nu }\left({\tau }_{\nu }-{\tau }_{\nu -1}\right)}{\displaystyle \sum _{j={\tau }_{\nu -1}}^{{\tau }_{\nu -1}}E{V}_j}\nu =\mathrm{1,2};$$
  
  wobei p_v die durchschnittliche Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee in Phase v ist, wobei die Zeit vor dem Ausfallzeitraum und während des Ausfallzeitraums jeweils v = 1 und v = 2 entsprechen; wobei τ₀, τ₁, τ₂ jeweils 1, τ, N+1 ist; wobei ζ_v die Summe der Anzahl des Eintretens und Nichteintretens von Ausfallereignissen ist;
• S24. Entsprechend der Natur der Ausfallfrühwarnzeit muss das Berechnungsergebnis von S23 eine Beschränkungsbedingung p₁ < p₂ erfüllen; wenn also diese Beschränkungsbedingung erfüllt werden kann, dann FWT = Yr_b + τ - 1 der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum, wobei Yr_b das Startjahr der zukünftigen Phase ist;
wobei der gesamte zukünftigen Zeitraum durch τ in zwei Phasen, d.h. vor dem Ausfallzeitraum und während des Ausfallzeitraums unterteilt wird, wobei die durchschnittliche Ausfallwahrscheinlichkeit entsprechend den aktuellen Regelungen des Betriebs für Stausee p₁ und p₂ ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach einer Erkennungsanalyse bestimmt werden kann, als Lösung-1 (solution-1, SL-1) bezeichnet wird.
• Vorzugsweise in Schritt S6
• S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p₁ < p₂ nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p₃ = p₂ ist, wobei (EV₁.,...,EV_j,......EV_τ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei S22~S23 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p₁ und p₂ entsprechend die Periode von 1 bis τ - 1 und die Periode von τ bis τ* berechnet werden;
• S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p₁ < p₂ erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, während des Ausfallzeitraums und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p₁, p₂, p₃ sind; und der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT=Yr_b+τ-1 ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, als Lösung-2 (solution-2, SL-2) bezeichnet wird.
• 10. Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit nach Anspruch 9, dadurch gekennzeichnet, dass im Schritt S6,
• S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p₁ <p₂ immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ -1 , von Periode τ zu τ* < 1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird; dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet; daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT=Yr_b; wobei die Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, als Lösung-3 (solution-3, SL-3) bezeichnet wird;
wobei gemäß den obigen Analyseschritten die Erkennungsergebnisse der Ausfallfrühwarnzeit in drei Situationen existieren: SL-1, SL-2 und SL-3, die jeweils drei Fälle widerspiegeln, in denen die verfügbare Zeit des aktuellen Regelungen des Betriebs für Stausee im zukünftigen Zeitraum von lang bis kurz sind, wobei entsprechende Bewertungen in drei Kategorien eingeteilt werden, d.h. Ausgezeichnet, Mittelmäßig und Schlecht.
• Die vorliegende Erfindung stellt ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit. Durch Anwenden des obigen Schemas wird vom Standpunkt des Ausfallwahrscheinlichkeitsänderungspunkts das technische Problem gelöst, wann die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels zu ändern ist. Das Verfahren der vorliegenden Erfindung kann nicht nur die fehlende theoretische Unterstützung des Top-down-Verfahrens bei der Behandlung des Problems „wann ändern“ ausgleichen, als auch die technische Lücke in dem Bottom-up-Verfahren der Regelungen des Betriebs für Stausee schließen, die hauptsächlich an sozialen und wirtschaftlichen Vorteilen gemessen wird, um das Problem des „wann ändern“ zu lösen. Das Verfahren der vorliegenden Erfindung ist sowohl auf Einzel-Stausee als auch auf Kaskaden-Stausee anwendbar.
• Figurenliste
• Es wird nachfolgend in Verbindung mit den beigefügten Zeichnungen und Ausführungsbeispielen näher erläutert.
• 1 ist ein Ablaufdiagramm der vorliegenden Erfindung.
• 2 ist ein Berechnung-Ablaufdiagramm für eine Analyse des Typs des hydrologischen Jahres basierend auf der Satzpaare-Analysemethode der vorliegenden Erfindung.
• 3 ist ein Berechnung-Ablaufdiagramm des Teilungsstandards der jährlichen Abflussgröße der vorliegenden Erfindung.
• 4 ist ein Berechnung-Ablaufdiagramm für Identifizieren der Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee basierend auf der probabilistischen Änderungspunktanalysetechnologie der vorliegenden Erfindung.
• 5 ist ein Implementierung-Ablaufdiagramm des Ausfallfrühwarn-Analyseverfahrens für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels in den Ausführungsbeispielen der vorliegenden Erfindung.
• 6 ist ein Graph, der die Analyseergebnisse der Änderungen von hydrometeorologischen Merkmalen von zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt.
• 7 ist ein Ergebnisdiagramm der optimalen Auswahl der Verteilungsfunktion des jährlichen Nutzens des Betriebs für Stausee in den Ausführungsbeispielen der vorliegenden Erfindung.
• 8 ist ein Listendiagramm von Grundparametern des Kaskaden-Stausee-Systems in den Ausführungsbeispielen der vorliegenden Erfindung.
• 9 ist ein Diagramm einer Parameterinformationstabelle der aktuellen Regelungen des Betriebs für Stausee des Kaskaden-Stausees in den Ausführungsbeispielen der vorliegenden Erfindung.
• 10 ist ein Graph, der die Parameter-Ergebnistabelle der Normalverteilungsfunktion der klassifizierten jährlichen Nutzen unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen zeigt.
• 11 ist ein Graph, der die Berechnungsergebnistabelle der klassifizierten Risikofrühwarnschwellenwerte unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt.
• 12 ist ein Graph, der die Ergebnistabelle der Ausfallfrühwarnzeit und der Hypothesenteste unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt.
• Konkrete Ausführungsformen
• Ausführungsbeispiel 1:
• Wie in 1 gezeigt, S1. GCM (Global Climate Model) liefert großräumige Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen des zukünftigen Klimawandels und verwendet dann die Herunterskalierung und Fehlerkorrekturtechnologie für die Verarbeitung, sodass die Vorhersageinformationen von Temperatur und Niederschlag für kleine regionale Skalen geeignet sind, und dann eine Vorhersage des Abflusses unter zukünftigen Klimawandelszenarien mit Hilfe von hydrologischen Modellen erfolgt;
• S2. Basierend auf den aus S1 erhaltenen Abflussvorhersageinformationen wird die multivariate Copula-Methode (die Copula-Funktion beschreibt die Korrelation zwischen Variablen, die eigentlich eine Funktion ist, die die gemeinsame Verteilungsfunktion mit ihren jeweiligen Randverteilungsfunktionen verbindet , auch bekannt als die Verbindungsfunktion.Copula ist eine Methode zur stochastischen Simulation unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses) verwendet, um mehrere Sätze von simulierten Abflusssequenzen zu generieren; wobei diese dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden;
• S3. Die Satzpaare-Analysemethode wird verwendet, um die Typen der hydrologischen Jahren (HYC) von reich bis trocken zu unterteilen; wobei basierend auf den Ergebnissen des Typs der hydrologischen Jahren die in S2 berechneten jährlichen Nutzen des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzen, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird;
• S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist;
• S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikofrühwarnschwellenwert (RWT) bestimmt;
• S6. Der in Schritt S5 bestimmte klassifizierte Risikofrühwarnschwellenwert (RWT) wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der probabilistischen Änderungspunktanalysetechnologie wird die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt, d.h. der Zeitpunkt, zu dem die alten und neuen Regelungen des Betriebs für Stausee geändert werden.
• Vorzugsweise zielen die Schritte S2 bis S4 darauf ab, die Wahrscheinlichkeitsverteilungsfunktion des jährlichen Nutzens des Betriebs für Stausee unter Berücksichtigung von Abflusseinfluss zu bestimmen, was wichtige Voraussetzungen für die Berechnung der klassifizierten Risikofrühwarnschwellenwerts in Schritt S5 liefert.
• Vorzugsweise werden in Schritt S der Typ und Anzahl der verwendeten GCMs gemäß der Situation des Untersuchungsgebiets bestimmt, wobei der Zeitraum für GCM zur Beschreibung des zukünftigen Klimawandels vom Endzeitpunkt der historisch gemessenen Informationen bis Jahr 2100 reichen sollte.
• Vorzugsweise wird, wie in 2 gezeigt, in Schritt S2 die Abflussvorhersagesequenz unter den Bedingungen des zukünftigen Klimawandels, die basierend auf GCM erhalten wird, als Referenzdaten verwendet, wobei unter Verwendung der multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für das Stausee k im Kaskadensystem ein mathematische Ausdruck lautet: $$Qsi{m}^k=\left(Q{S}_1^k,\dots ,Q{S}_s^k,\dots ,Q{S}_L^k\right)$$

  

  $$Q{S}_s^k=\left(q{y}_{\mathrm{1,}s}^k,\dots ,q{y}_{j,s}^k,\dots ,q{y}_{N,s}^k\right)=\left[\begin{array}{ccccc}q{s}_{\mathrm{1,1,}s}^k& \dots & q{s}_{\mathrm{1,}j,s}^k& \dots & q{s}_{\mathrm{1,}N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{I\mathrm{,1,}s}^k& \dots & q{s}_{I,j,s}^k& \dots & q{s}_{i,N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{TS\mathrm{,1,}s}^k& \dots & q{s}_{TS,j,s}^k& \dots & q{s}_{TS,N,s}^k\end{array}\right];$$

  

  wobei QSim^k der stochastische simulierte Abflussdatensatz des k-ten Stausees basierend auf derselben GCM-Abflussvorhersagesequenz mit einer Gesamtzahl von L Zyklen ist, welcher der stochastische Abflusssimulationsergebnisdatensatz geteilt gemäß der Anzahl von Zyklen ist; wobei, wenn k 1 ist, QSim^k das stochastische Simulationsergebnis des einlaufenden Abflusses des Rückgrat-Stausees darstellt, andernfalls QSim^k stellt das stochastische Simulationsergebnis des Intervallabflusses zwischen dem k-ten Stausee und dem k-l-ten Stausee dar. wobei Elemente des Datensatzes $Q{S}_s^k$

  

  die N Jahres-Abflusssequenz ist, die durch das k-te Stausee im s-ten Zyklus stochastisch simuliert wird, und ihre detaillierte Beschreibung ist wie Formel (2); wobei $q{y}_{j,s}^k$

  

  die Abflusssequenz des k-ten Stausees im j-ten Jahr im s-ten Zyklus ist, welche als $q{y}_{j,s}^k={\left(q{y}_{\mathrm{1,}j,s}^k,\dots ,q{s}_{i,j,s}^k,\dots ,q{s}_{TS,j,s}^k\right)}^{\text{T}}$

  

  ausgedrückt werden kann; wobei $q{s}_{i,j,s}^k$

  

  der Abflusswert des k-ten Stausees in der i-ten Periode im j-ten Jahr im s-ten Zyklus ist. N und TS stellen die Gesamtzahl der Jahre in der zukünftigen Periode und die Gesamtzahl der Perioden pro Jahr dar; wobei L die Gesamtzahl der Zyklen für die stochastische Simulation ist.
• Außerdem können in Schritt S2 die aktuellen Regelungen des Betriebs für Stausee parametrisierte Betriebsregelungen sein, die basierend auf historisch gemessenen Abflussdaten extrahiert wurden, oder können herkömmliche Betriebsdiagramme sein, die auf Stausee-Entwurfsdaten basieren.
• Vorzugsweise werden, wie in 2 gezeigt, in Schritt S3 die folgenden Annahmen für die Einteilung der hydrologischen Jahren unter den Bedingungen des zukünftigen Klimawandels getroffen: 1) Die bei der Analyse des Typs der hydrologischen Jahren verwendeten Abflussinformationen berücksichtigen nicht die regulierende Wirkung des Stausees; 2) Da der durch stochastische Simulationsberechnung in Schritt S2 erhaltene Abflussdatensatz verwendet wird, um die Bedingungen des zukünftigen Klimawandels, die den Referenzdaten entsprechen, d. h. die durch GCM beschriebenen Bedingungen des Klimawandels, darzustellen, ist der durch stochastische Simulation erhaltene Abflussdatensatz als Abflussunterlagen für die Analyse des Typs des hydrologischen Jahres verwendet. Anders als bei einer einzelnen mehrjährigen Abflusssequenz, da dieser Datensatz L Gruppen von mehrjährigen Abflusssequenzen umfasst, muss die Quantilmethode verwendet werden, um den Teilungsstandard der Abflussgröße zu bestimmen. Die Typen der hydrologischen Jahren umfassen vier Stufen, d.h. reich, relativ reich, relativ trocken und trocken, die entsprechend vereinfacht als Kategorien I, II, III und IV bezeichnet werden. Die vorliegende Erfindung wendet die Satzpaare-Analysemethode an, um den in 2 gezeigten Prozess zur Berechnung des Typs des hydrologischen Jahres auszuführen, dieser Prozessfluss kann die Analyse des Typs des hydrologischen Jahres für jedes Stausee in dem Kaskaden-Stausee ausführen, und die spezifischen Berechnungsschritte sind wie folgt:
• S01: Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses ${\displaystyle \sum _{l=1}^{k}Qsi{m}^l}=\left({\displaystyle \sum _{l=1}^{k}Q{S}_1^l},\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_s^l,\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_L^l}}\right)$
  
  ohne Berücksichtigung der Regulierungswirkung des stromaufwärts gelegenen Stausees als Eingabe für die Analyse des Typs der hydrologischen Jahren. Bei der Analyse des Typs der hydrologischen Jahren werden zunächst Einteilungen der Kategorien für den Abfluss ${\displaystyle \sum _{l=1}^{k}q{s}_{i,j,s}^k}$
  
  in jeder Periode im selben Jahr unter demselben Zyklus bestimmt, die sich in der Abflussgröße widerspiegeln, wobei dann die Merkmale der jährlichen Abflusszeitgeschichte-Verteilungen der jährlichen Abflusssequenzen ${\displaystyle \sum _{l=1}^{k}q{y}_{j,s}^k}$
  
  analysiert werden, wobei schließlich derselbe Analyseprozess für jede Zyklusdatenmatrix ${\displaystyle \sum _{l=1}^{k}Q{S}_s^l}$
  
  in jeder Periode jedes Jahres wiederholt wird.
• S02: Der Abfluss in der i-ten Periode des j-ten Jahres wird unter dem s-ten Zyklus mit dem Teilungsstandard der Abflussgröße in der entsprechenden Periode verglichen, wobei das Klassifikationsergebnis, das sich in der Abflussgröße in dieser Periode widerspiegelt, bestimmt wird, das als $C{M}_{i,j,s}^k$
  
  aufgezeichnet wird, dargestellt durch eines der Quantisierungssymbole I, II, III und IV. Die Berechnungsidee des Teilungsstandards der Abflussgröße ist in 3 dargestellt. Der spezifische Berechnungsprozess wird wie folgt beschrieben: alle stochastische Abflusssimulationsergebnisdatensätze werden nach dem Zeitraum geteilt, nämlich $\left(Q{T}_1^k,\dots ,Q{T}_i^k,\dots ,Q{T}_{TS}^k\right).$
  
  Für jede Periode i werden die Abflusswerte aller Jahre unter der gesamten Anzahl von Zyklen von groß nach klein sortiert, wobei die Abflusswerte $q{c}_i^k|{}_{25},q{c}_i^k|{}_{50},q{c}_i^k|{}_{75},$
  
  die den Quantilen von 25 %, 50 % und 75 % entsprechen, bestimmt werden; wobei weiterhin der Wertebereich von vier Kriterien zur Einteilung des Abflusses in dieser Periode von groß nach klein gebildet wird, nämlich $[q{c}_i^k|{}_{25},+\infty ),[q{c}_i^k|{}_{50},q{c}_i^k|{}_{25}),[q{c}_i^k|{}_{75},q{c}_i^k|{}_{50}),[\mathrm{0,}q{c}_i^k|{}_{75}).$
  
  Der Klassifizierungsstandard der Abflussgröße wird gemäß der Periode variieren.
• S03: Für die Periode i von 1 bis TS im selben Jahr im selben Zyklus wird der Schritt S02 wiederholt, um das Klassifizierungsergebnis des Jahres unter Berücksichtigung der Auswirkungen des Abflusses zu erhalten, nämlich $C{V}_{j,s}^k=\left(C{M}_{\mathrm{1,}j,s}^k,\dots ,C{M}_{i,j,s}^k,\dots ,C{M}_{TS,j,s}^k\right).$
  
• S04: Das obige Klassifizierungsergebnis $C{V}_{j,s}^k$
  
  unter Berücksichtigung der Auswirkungen des Abflusses wird mit standardisierten Indikatoren CC_f für vier Arten der jährlichen Abflusszeitgeschichte-Verteilungen einen Satzpaar bilden, wobei die Satzpaare-Analysemethode^[2] verwendet wird, um einen Assoziationsgrad von den Identitäts-, Differenz- und Oppositionsindikatoren zwischen den beiden zu berechnen. CC_f = (f₁,..., f_i,... , f_TS), f zeigt dabei die Quantisierungssymbole I, II, III oder IV an. Der Berechnungsausdruck für den Assoziationsgrad lautet: $${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}=\frac{S}{W}+\frac{J_1}{W}{\lambda }_1+\frac{J_2}{W}{\lambda }_2+\frac{O}{W}\eta$$
  
  wobei ${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}$
  
  der Assoziationsgrad für Satzpaar $G\left(C{V}_{j,s}^k,C{C}_{ƒ}\right);$
  
  wobei W die Anzahl aller Merkmale ist, d. h. die Gesamtzahl der Perioden in der Klassifizierung von Reichhaltigkeit und Trockenheit für Abfluss; wobei S die Anzahl der gleichen Merkmale der beiden Sätze ist (z. B. Klasse I gegenüber Klasse I); wobei J₁ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um eine Stufe unterscheiden (z. B. Klasse I gegenüber Klasse II); wobei J₂ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um zwei Stufen unterscheiden (z. B. Klasse I gegenüber Klasse III); wobei O die Anzahl der gegensätzlichen Merkmale der beiden Sätze ist (z. B. Klasse I gegenüber Klasse IV); wobei λ₁ und λ₂ der Differenzunsicherheitskoeffizient sind, wobei der Wertebereich [-1, 1] ist; wobei η der Oppositionskoeffizient ist, wobei der Wert -1 ist.
• S05: Gemäß dem von S04 berechneten Ergebnis des Assoziationsgrades, der den kombinierten Einfluss der Abflussgröße und der jährlichen Abflusszeitgeschichte-Verteilungen zusammenfasst, wird die Kategorie der Reichhaltigkeit und Trockenheit, die dem maximalen Assoziationsgrad entspricht, als Typ des hydrologischen Jahres $HY{C}_{j,s}^k,$
  
  wobei der mathematische Ausdruck lautet: $$HY{C}_{j,s}^k=ƒ=\text{arg }\underset{ƒ=\text{I}\text{,II}\text{,III}\text{,IV}}{{\displaystyle \text{max}}}\left({\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}\right)$$
  
  wobei $HY{C}_{j,s}^k$
  
  der Typ des hydrologischen Jahres des j-ten Jahres unter dem s-ten Zyklus ist, wobei der Wert das Quantisierungssymbol I, II, III oder IV ist.
• S06: Die obigen S02 bis S05 werden wiederholt, wobei der Typ des hydrologischen Jahres im selben Zyklus jedes Jahres bestimmt wird, wobei dann die Anzahl der Zyklen berechnet wird. Daher ist das Endergebnis des Typs des hydrologischen Jahres eine L×N-Matrix, wobei L die Gesamtzahl der Zyklen der stochastischen Abflusssimulation und N die Gesamtzahl der Jahre in der zukünftigen Periode ist.
• In Schritt S03 für jeden Stausee im Kaskadensystem wird das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet, wobei der mathematische Ausdruck lautet: $$C{B}_{j,s}^k=HY{C}_{j,s}^k$$

  

  wobei $C{B}_{j,s}^k$

  

  die Klassifikation für jährlichen Nutzen des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus ist, wobei der Wert I, II, III oder IV ist.
• Da der jährliche Nutzen des Gemeinschaftsbetriebes von Kaskaden-Stausee die Summe der jährlichen Nutzen jedes Stausees ist, ist die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Mittelwert der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees, d.h. der mathematische Ausdruck lautet: $$C{B}_{j,s}^{CAS}={\displaystyle \sum _{k=1}^M{\omega }_{j,s}^{k}C{B}_{j,s}^k}$$

  

  $${\omega }_{j,s}^k=\frac{B_{j,s}^k|{}_{fut}}{{\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}}$$

  

  wobei $C{B}_{j,s}^{CAS}$

  

  das Ergebnis der Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems im j-ten Jahr unter dem s-ten Zyklus ist, und der gewichtete Mittelwert der Ergebnisse $C{B}_{j,s}^k$

  

  der Klassifikation für jährlichen Nutzen jedes Stausees ist. In der eigentlichen Berechnung werden die dem $C{B}_{j,s}^k$

  

  entsprechenden Quantisierungssymbole I, II, III und IV jeweils in 1, 2, 3 und 4 umgewandelt, wobei, wenn das Berechnungsergebnis von $C{B}_{j,s}^{CAS}$

  

  im Wertebereich [1.0,1.75], (1.75,2.5], (2.5,3.25], oder (3.25,4.0] liegt, sein entsprechendes Quantisierungssymbol I, II, III oder IV ist. In diesem Dokument werden $C{B}_{j,s}^{CAS}$

  

  und $C{B}_{j,s}^k$

  

  zu $C{B}_{j,s}^{std}$

  

  vereinfacht, wobei der hochgestellte Index std das Forschungsobjekt darstellt, einschließlich des Kaskaden-Stausee-Systems und der einzelnen Stausees im System. ${\omega }_{j,s}^k$

  

  ist das Nutzengewicht des k-ten Stausees im j-ten Jahr im s-ten Zyklus, d. h. die Nutzenbeitragsfähigkeit des k-ten Stausees zum gesamten Kaskaden-Stausee-System, und die Berechnungsformel ist Formel (7); wobei M die Anzahl der Stausees im Kaskadensystem ist. $B_{j,s}^k|{}_{fut}$

  

  und ${\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}$

  

  sind jeweils der jährliche Nutzenwert des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus und der Gesamtnutzen des Kaskaden-Stausee-Systems, wobei die beiden als $B_{j,s}^{std}|{}_{fut}$

  

  vereinfacht werden können; wobei das Kennzeichen

  

  das Abflusssimulationsergebnis unter den Bedingungen des zukünftigen Klimawandels als Eingabe für die aktuellen Regelungen des Betriebs für Stausee anzeigt.
• Vorzugsweise ist es, wie in 3 gezeigt, in Schritt S4 notwendig, eine Wahrscheinlichkeitsverteilungsfunktion zu finden, die für unterschiedliche Forschungsobjekte und unterschiedliche klassifizierte Jahresnutzendaten geeignet ist, so dass der AIC (Akaike information criterion) als Bewertungsindikator verwendet wird, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei der spezifische Berechnungsausdruck wie folgt ist:
• S11: Für jedes Forschungsobjekt, einschließlich des Kaskaden-Stausee-Systems und jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und mit der Formel (9) standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen, wie in Formel (10) gezeigt, zu bilden. Der konkrete Ausdruck lautet: $$AI{C}_{ƒ,pm}^{std}=-2\text{ln}\left(M{L}_{ƒ,pm}^{std}\right)+2d{ƒ}_{pm}$$
  
  $$S{C}_{ƒ,pm}^{std}=\frac{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-AI{C}_{ƒ,pm}^{std}}{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)}$$
  
  $$EM{X}^{std}=\left[\begin{array}{ccccc}S{C}_{\mathrm{1,1}}^{std}& \dots & S{C}_{\mathrm{1,}pm}^{std}& \dots & S{C}_{\mathrm{1,}PN}^{std}\\ ⋮& \ddots & ⋮& & ⋮\\ S{C}_{ƒ\mathrm{,1}}^{std}& \dots & S{C}_{ƒ,pm}^{std}& \dots & S{C}_{ƒ,PN}^{std}\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ S{C}_{CN\mathrm{,1}}^{std}& \dots & S{C}_{CN,pm}^{std}& \dots & S{C}_{CN,PN}^{std}\end{array}\right];$$
  
wobei $AI{C}_{ƒ,pm}^{std}$

der Bewertungsindikator der Anpassungsgüte für f-ten klassifizierten jährlichen Nutzen des Forschungsobjekts std ist, wenn der Typ der Kandidaten-Wahrscheinlichkeitsverteilungsfunktion pm ist, wobei der untergestellte Index ƒ die Quantisierungssymbole I, II, III, IV ist, wobei der untergestellte Index pm alle Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen umfasst, wobei der hochgestellte Index std das Kaskadensystem und jeden Stausee umfasst. z.B: $AI{C}_{I,NM}^{CAS}$

das AIC-Berechnungsergebnis des I-Typ-Jahresnutzens des Kaskaden-Stausee-Systems unter der Beschreibung der Normalverteilungsfunktion darstellt. $M{L}_{ƒ,pm}^{std}$

ist der Wahrscheinlichkeitswert des für die Wahrscheinlichkeitsverteilungsfunktion pm geschätzten Parameters; wobei $d{ƒ}_{pm}$

der Freiheitsgrad entsprechend der Wahrscheinlichkeitsverteilungsfunktion pm ist. $S{C}_{ƒ,pm}^{std}$

ist das standardisierte Ergebnis von $AI{C}_{ƒ,pm}^{std},$

und der kleinere AIC-Indikator entspricht dem größeren standardisierten Ergebnis, was bedeutet, dass der Effekt der Anpassungsgüte der beschriebenen Wahrscheinlichkeitsverteilungsfunktion besser ist; wobei $\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)$

und $\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)$

die maximalen und minimalen AIC-Berechnungswerte in den vier Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen für den f-te klassifizierten jährlichen Nutzen des Forschungsobjekts std sind. EMX^std ist die Entscheidungsmatrix mit mehreren Zielen für das Forschungsobjekt std; wobei CN und PN die Gesamtzahl der klassifizierten jährlichen Nutzen und die Gesamtzahl der Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen sind.
• S12: Basierend auf einer Entscheidungsmatrix mit mehreren Zielen EMX^std werden alle klassifizierten jährlichen Nutzen zusammenfasst, wobei die relative Zugehörigkeit berechnet wird, der jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion entspricht, wobei der Berechnungsausdruck lautet: $$u_{pm}^{std}={\left\{1+\frac{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}\left(1-S{C}_{ƒ,pm}^{std}\right)\right]}^2}}{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}S{C}_{ƒ,pm}^{std}\right]}^2}}\right\}}^{-1}$$
  
  wobei $u_{pm}^{std}$
  
  der relative Zugehörigkeitswert des Anpassungseffekts bei Verwendung der Wahrscheinlichkeitsverteilungsfunktion pm zur Beschreibung aller klassifizierten jährlichen Nutzen für den Forschungsobjekt std ist, wobei, je größer der Wert ist, desto mehr er darauf hin weist, dass die Wahrscheinlichkeitsverteilungsfunktion die Verteilung des klassifizierten jährlichen Nutzens des Forschungsobjekts beschreiben kann. σ_f ist der Gewichtswert des f-ten klassifizierten jährlichen Nutzens, wobei die Gewichte der verschiedenen klassifizierten jährlichen Nutzen jedes Forschungsobjekts in der vorliegenden Erfindung gleich sind.
• S13: Der gewichtete durchschnittliche relativen Zugehörigkeitsgrad jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion bei Zusammenfassung der Bewertungsergebnissen der Anpassungsgüte aller Forschungsobjekte berechnet wird, wobei die Wahrscheinlichkeitsverteilungsfunktion, die dem größten gewichteten durchschnittlichen relativen Zugehörigkeitsgrad entspricht, als die optimale Wahrscheinlichkeitsverteilungsfunktion angenommen wird, wobei der Berechnungsausdruck lautet: $$u_{\text{max}}=\text{max}\left\{{\displaystyle \sum _{std}{\phi }^{std}}{u}_{NM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{GM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{WB3}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{BR}^{std}\right\}$$
  
  wobei ${\displaystyle \sum _{std}{\phi }^{std}}{u}_{pm}^{std}$
  
  der gewichtete durchschnittliche relative Zugehörigkeitsgrad aller Forschungsobjekte, die durch die Wahrscheinlichkeitsverteilungsfunktion pm zusammengefasst werden; wobei φ^std das Gewicht des Forschungsobjekts std ist und gleichzeitig die Beschränkungsbedingungen ${\displaystyle \sum _{std}{\phi }^{std}}=1$
  
  erfüllt.
• Vorzugsweise wird, wie in den 4 und 5 gezeigt, in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert (RWT) durch Berechnen der inversen kumulativen Verteilungsfunktion der optimalen Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt, wobei der Berechnungsausdruck wie Formel (13) gezeigt ist. RWT steht für den minimal akzeptablen jährlichen Nutzenwert und ist ein wichtiger Indikator, um zu messen, ob die aktuellen Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels versagen. Aufgrund des direkten Einflusses reicher und trockener Abflussbedingungen auf die Fähigkeit des Stauseebetriebs, Nutzen zu erzielen, sollte die Größe der RWT mit unterschiedlichen hydrologischen Bedingungen variieren. Die mathematische Beziehung zwischen RWT und akzeptablem Risikoniveau und Wahrscheinlichkeitsverteilungsfunktion wird wie folgt ausgedrückt: $$\text{Pr}\left(X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}\right)={\displaystyle \int {}_0^{RWT|{}_{ƒ}^{std}}g\left(x|{}_{ƒ}^{std}\right)\text{d}x}=\beta$$

  

  wobei Pr(□) das Wahrscheinlichkeitsoperationssymbol ist; wobei $X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}$

  

  das Ausfallereignis ist, das dadurch verursacht wird, dass der tatsächliche jährliche Betriebsnutzenwert der aktuellen Regelungen des Betriebs für Stausee in diesem Jahr geringer als die RWT ist; wobei $\text{g}\left(x|{}_{ƒ}^{std}\right)$

  

  die ausgewählte optimale Wahrscheinlichkeitsverteilungsfunktion ist und die Beschreibung vom f-te klassifizierten jährlichen Nutzen $x|{}_{std,/}$

  

  für den Forschungsobjekt std ist; wobei β ein akzeptables Risikoniveau ist und ein angemessener Wertebereich zwischen 5 % und 20 % liegt; wobei $RWT|{}_{ƒ}^{std}$

  

  der klassifizierte Risikofrühwarnschwellenwert ist, der sich nach dem Forschungsobj ekt std und der Klassifikation für jährlichen Nutzen ƒ unterscheidet.
• Vorzugsweise, wie in den 4 und 5 gezeigt, ist im Schritt S6 das Problem der Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels im Wesentlichen: In der langfristigen Phase unter dem Einfluss des zukünftigen Klimawandels wird die Ausfallfrühwarnzeit (FWT) den Änderungspunkt der Wahrscheinlichkeit des Nutzenversagens der aktuellen Regelungen des Betriebs für Stausee darstellt, wobei in der Periode vor dem Eintreffen von FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee gering ist, die potenzielle Risikobedrohung gering und die Verfügbarkeit gut ist, wobei in der Phase nach FWT das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee signifikant steigt, was durch ein adaptives Betrieb-Schema ersetzt werden muss. Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens wird verwendet, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren, und die Berechnungsidee ist in 4 dargestellt, und die spezifischen Berechnungsschritte sind wie folgt:
• S21: Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter den Bedingungen des zukünftigen Klimawandels EV_j (je nach Forschungsobjekt unterschiedlich) ist, wobei die Variable EV_j unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV₁, ..., EV_j,..., EV_N) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist. Der mathematische Ausdruck von EV_j ist: $$E{V}_j={\displaystyle \sum _{s=1}^L{\mathrm{\Lambda }}_{j,s}}$$
  
  wobei ${\mathrm{\Lambda }}_{j,s}=\{\begin{array}{cc}\mathrm{1,}& B_{j,s}^{std}|{}_{fut}<RWT|{}_{C{B}_{j,s}^{std}}\\ \mathrm{0,}& otherwise\end{array}$
  
  eine binäre Funktion ist, wobei das Ausfallereignis eintritt und der Wert 1 ist, wenn der tatsächliche jährliche Nutzen kleiner als der Risikofnihwarnschwellenwert (RWT) ist, andernfalls ist der Wert 0; wobei L die Gesamtzahl der Zyklen des stochastischen Abflusssimulationsverfahrens unter den gleichen Bedingungen des zukünftigen Klimawandels ist.
• S22: Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip der kumulativen Zählung verwendet wird, wobei der Ausfallwahrscheinlichkeitsänderungspunkt der aktuellen Regelungen des Betriebs für Stausee analysiert wird, und wobei ein Hypothesentest durchgeführt wird, um die Ausfallfrühwarnzeit zu identifizieren. Der mathematische Ausdruck lautet: $$\tau =\text{arg max}\left|N\times SE{V}_j=j\times SE{V}_N\right|$$
  
  wobei τ der Änderungspunkt der Wahrscheinlichkeit beim Ausfall der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen der zukünftigen Klimawandelszenarien ist, wobei der Wertebereich [1, N] ist; wobei SEV_j die kumulative Anzahl von Ausfallereignissen der aktuellen Regelungen des Betriebs für Stausee in den vorangegangenen j Jahren ist, wobei ihr Berechnungsausdruck lautet: $$SE{V}_j{\displaystyle \sum _{r=1}^{j}E{V}_j}j=\mathrm{1,2,}\dots ,N$$
  
• S23: Mit dem erkannten Änderungspunkt τ als eine Abgrenzung kann die gesamte Zukunftsphase in die Phase vor der Ausfallfrühwarnzeit - vor dem Ausfallzeitraum (1, 2, ..., τ - 1) und die Phase während und nach der Ausfallfrühwarnzeit - Ausfallzeitraum (τ, τ + 1, ..., N) unterteilt werden, wobei für diese beiden Phasen die Formel (17) verwendet wird, um die jeweilige durchschnittliche Ausfallwahrscheinlichkeit zu berechnen, und der Berechnungsausdruck lautet wie folgt: $$p_{\nu }=\frac{1}{{\xi }_{\nu }\left({\tau }_{\nu }-{\tau }_{\nu -1}\right)}{\displaystyle \sum _{j={\tau }_{\nu -1}}^{{\tau }_{\nu -1}}E{V}_j}\nu \text{=1}\text{,2}$$
  
  wobei P_v die durchschnittliche Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee in Phase v ist, wobei die Zeit vor dem Ausfallzeitraum und während des Ausfallzeitraums jeweils v = 1 und v = 2 entsprechen; bei der vorliegenden Erfindung τ₀, τ₁, τ₂ jeweils 1, τ, N+1 ist; wobei ζ_v die Summe der Zahlen des Eintretens und Nichteintretens von Ausfallereignissen ist.
• S24: Entsprechend der Natur der Ausfallfrühwarnzeit muss das Berechnungsergebnis von S23 eine Beschränkungsbedingung p₁ < p₂ erfüllen, wenn also diese Beschränkungsbedingung erfüllt werden kann, dann FWT = Yr_b + τ - 1 der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum, wobei Yr_b das Startjahr der zukünftigen Phase ist. In diesem Fall wird der gesamte zukünftigen Zeitraum durch τ in zwei Phasen, d.h. vor dem Ausfallzeitraum und während des Ausfallzeitraums unterteilt, wobei die durchschnittliche Ausfallwahrscheinlichkeit entsprechend den aktuellen Regelungen des Betriebs für Stausee p₁ und p₂ ist. Diese Situation, in der die Ausfallfrühwarnzeit nach einer Erkennungsanalyse bestimmt werden kann, wird als Lösung-1 (solution-1, SL-1) bezeichnet.
• S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p₁ < p₂ nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p₃ = p₂ ist, wobei (EV₁, ..., EV_j, ..., EV_τ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei Step2-Step3 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p₁ und p₂ entsprechend die Periode von 1 bis τ - 1 und die Periode von τ bis τ* berechnet werden.
• S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p₁ < p₂ erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, während des Ausfallzeitraums und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p₁, p₂, p₃ sind. Hingegen ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT = Yr_b + τ - 1. Diese Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, wird als Lösung-2 (solution-2, SL-2) bezeichnet.
• S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p₁ < p₂ immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ - 1, von Periode τ zu τ* - 1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird. Dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet. Daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT = Yr_b. Diese Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, wird als Lösung-3 (solution-3, SL-3) bezeichnet.
• Gemäß den obigen Analyseschritten existieren die Erkennungsergebnisse der Ausfallfrühwarnzeit in drei Situationen: SL-1, SL-2 und SL-3, die jeweils drei Fälle widerspiegeln, in denen die verfügbare Zeit des aktuellen Regelungen des Betriebs für Stausee im zukünftigen Zeitraum von lang bis kurz sind, wobei entsprechende Bewertungen in drei Kategorien eingeteilt werden, d.h. Ausgezeichnet, Mittelmäßig und Schlecht.
• Ausführungsbeispiel 2:
• Ausgehend von Ausführungsbeispiel 1 wird gemäß den Berechnungsschritten in den Figurne 1 bis 4 als Realisierungsobjekt ein Kaskaden-Stausee-System mit Stromerzeugung als Hauptziel angenommen (von oben nach unten: Stausee-1, Stausee-2, Stausee-3; die Grundparameter jedes Stausees sind in 8 gezeigt), wobei unter Bezugnahme auf die 5 bis 7 und 9 bis 12 das Ausfallfrühwarn-Analyseverfahrens für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels, das die vorliegende Erfindung betrifft, im Detail beschrieben wird.
• Wie in 5 gezeigt, umfasst das durch das vorliegendes Ausführungsbeispiel bereitgestellte Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels die folgenden Schritte:
• Schritt 1. Durch Auswertung der statistischen Kenngrößen des Simulationseffekts mehrerer GCMs (Global Climate Model) in Temperatur und Niederschlag - mittlerer quadratischer Fehler und Korrelationskoeffizient - werden zwei für dieses Beispiel anwendbare zukünftigen Klimawandelszenarien bestimmt, als: Bnu-ESM (eine Art von Erdsystemmodell, das hauptsächlich vom Institute of Global Change and Earth System Science der Beijing Normal University entwickelt und gemeinsam von vielen in- und ausländischen Forschungseinrichtungen entwickelt wird, sein Koppler übernimmt NACR CPL6.5 und sein Grundgerüst umfasst die Kopplung-Wechselwirkung von Ozean, Atmosphäre, Landoberfläche und Meereis und den Prozess des Kohlenstoffkreislaufs, mit einer räumlichen Auflösung von 2,8° × 2,8°) und IPSL-CM5A-LR (eine Art von Erdsystemmodell, entwickelt vom französischen Pierre-Simon-Laplace-Institut, dessen Koppler OASIS übernimmt, wobei das Grundgerüst sich aus mehreren Modulen aus Atmosphäre, Landoberfläche, Ozean und Meereis zusammensetzt, wobei biogeochemische Prozesse wie stratosphärische und troposphärische Chemie, Aerosole sowie terrestrische und ozeanische Kohlenstoffkreisläufe enthalten werden, mit einer räumlichen Auflösung von 3,75° × 1,8°), und wobei die vorhergesagten Ergebnisse von Temperatur und Niederschlag nach Berechnen durch Herunterskalierung für entsprechende Szenarien geliefert werden; die Parameter des hydrologischen Modells werden durch die historisch gemessenen hydrometeorologischen Daten kalibriert und verifiziert, und dann werden die Vorhersageergebnisse von Temperatur und Niederschlag der beiden zukünftigen Klimawandelszenarien als Eingabe des hydrologischen Modells verwendet, um die Abflussvorhersageergebnisse zu erhalten. In diesem Beispiel ist aus dem mehrjährigen durchschnittlichen Abfluss in 8 ersichtlich, dass der Intervallabfluss von Stausee-2 zu Stausee-3 doppelt so hoch ist wie der einlaufende Abfluss des stromaufwärts gelegenen Stausee-1, während der Intervallabfluss zwischen Stausee-1 und Stausee-2 klein ist, weniger als 1% des einlaufenden Abflusses von Stausee-1, was vernachlässigt werden kann. In diesem Beispiel ist die Länge der historischen Messunterlagen vom Jahr 1956 bis Jahr 2011 und der Zeitraum des zukünftigen Klimawandels vom Jahr 2012 bis Jahr 2100. Durch den Vergleich mit den historisch gemessenen mehrjährigen Mittelwerten sind die Änderungsergebnisse der hydrometeorologischen Merkmale von zwei zukünftigen Klimawandelszenarien in 6 dargestellt.
• Schritt 2. Basierend auf den in Schritt 1 erhaltenen Abflussvorhersageinformationen wird die multivariate Copula-Methode verwendet, um 200 Sätze von simulierten Abflusssequenzen zu generieren; wobei diese dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei 200 Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung entsprechend generiert werden.
• Die Copula-Methode ist ein stochastisches Simulationsverfahren, das die zeitliche und räumliche Korrelation des Abflusses berücksichtigt. Die Copula-Funktion beschreibt dabei die Korrelation zwischen Variablen, die eigentlich eine Funktion ist, die die gemeinsame Verteilungsfunktion mit ihren jeweiligen Randverteilungsfunktionen verbindet, auch bekannt als die Verbindungsfunktion.
• Die in diesem Beispiel verwendeten aktuellen Regelungen des Betriebs für Stausee sind: Basierend auf den historisch gemessenen Abflussdaten, wobei die Maximierung der Stromerzeugung von Kaskaden-Stausees als Zielfunktion angenommen wird, wird mit Hilfe des Parametrisierung-Simulation-Optimierung-Verfahrens durch Berechnen die in der folgenden Formel beschriebene lineare Wassermengenbetriebsfunktion erhalten, wobei die Parameter-Ergebnisse in 9 dargestellt sind,

  

  wobei $a_I^k$

  

  und $b_i^k$

  

  die Parameter der Betriebsregelungen des k-ten Stausees in der i-ten Periode sind; wobei

  

  der gemäß den Betriebsregelungen berechnete Stauseeaustritt für den k-ten Stausee in der i-ten Periode im j-ten Jahr ist; wobei $\left(V_{i,j}^k/\Delta t_{i,j}+I_{i,j}^k\right)$

  

  die verfügbare Wassermenge des k-ten Stausees in der i-ten Periode im j-ten Jahr ist.
• Schritt 3. Gemäß dem in 2 und 3 dargestellten Berechnungsablauf wird mit Hilfe der Satzpaare-Analysemethode die Typen der hydrologischen Jahren (HYC) in vier Stufen eingeteilt: reich, relativ reich, relativ trocken und trocken; entsprechend den vier HYC-Stufen wird gemäß Formel (5) bis Formel (7) der in Schritt 2 des Ausführungsbeispiels berechnete jährliche Nutzen des Betriebs für Stausee in vier Kategorien unterteilt: I, II, III und IV; wobei der Satz von jährlichen Nutzen, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird.
• Schritt 4. Als Kandidatenverteilungen werden vier gängige Wahrscheinlichkeitsverteilungsfunktionen ausgewählt, umfassend: Normalverteilungsfunktion Norma), Gamma-Verteilungsfunktion Gamma , Drei-Parameter- Weibull -Verteilungsfunktion Weibull-3, Burr XII- Verteilungsfunktion Burr XII. Darunter werden die Parameter von Normal-, Gamma- und Burr-XII -Verteilungen durch die Maximum-Likelihood-Methode geschätzt, und um die Komplexität der Lösung der Parameterschätzung der Weibull-3- Verteilung zu vermeiden, wird die verbesserte Maximum-Likelihood-Methode zur Schätzung verwendet. AIC (Informationskriterium, Akaike information criterion) wird als Bewertungsindikator verwendet, um die Anpassungsgüte jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion zu bewerten, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform, die den klassifizierten jährlichen Nutzen des Betriebs für Stausee beschreibt, wird durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt, wobei die Berechnungsausdrücke in Formel (8) bis Formel (12) gezeigt sind. Wie aus 7 ersichtlich ist, wird in diesem Ausführungsbeispiel die Normalverteilungsfunktion als die optimale Wahrscheinlichkeitsverteilungsfunktionsform für den klassifizierten jährlichen Nutzen des Betriebs für Stausee beschrieben. Die Parameterberechnungsergebnisse der Normalverteilungsfunktion sind in 10 gezeigt.
• Schritt 5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird bei einem gegebenen akzeptablen Risikoniveau von 10 % durch Berechnung der inversen kumulativen Verteilung für Formel (13) der entsprechende klassifizierte Risikofrühwarnschwellenwert (RWT) bestimmt. Das Ergebnis des in diesem Ausführungsbeispiel berechneten klassifizierten Risikofrühwarnschwellenwerts ist in 11 gezeigt.
• Schritt 6. Basierend auf dem in Schritt 5 bestimmten klassifizierten Risikofrühwarnschwellenwert (RWT) mit Hilfe der Methode der probabilistischen Änderungspunktanalyse nach dem Prinzip der kumulativen Zählung und gemäß dem in 4 gezeigten Berechnung-Ablaufdiagramm wird die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt, d.h. der Zeitpunkt, zu dem die alten und neuen Regelungen des Betriebs für Stausee geändert werden. Da es zwei Annahmen, d.h. die Datenunabhängigkeit und die Binomialverteilung, in der Methode der probabilistischen Änderungspunktanalyse gibt, wird der Autokorrelationskoeffizient erster Ordnung (AC) verwendet, um die 2 Unabhängigkeit der Daten zu testen, wobei das Prüfverfahren χ² verwendet wird, um zu bewerten, ob die Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee die Binomialverteilung erfüllen. Die Ausfallfrühwarnzeitergebnisse und Hypothesentestergebnisse des vorliegenden Ausführungsbeispiels sind in 12 gezeigt.
• Die obigen Ausführungsbeispiele sind lediglich Beispiele zur Veranschaulichung der technischen Lösungen der vorliegenden Erfindung. Das Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels, das die vorliegende Erfindung betrifft, umfasst: Stochastische Abflusssimulationsberechnung, Klassifizierung des jährlichen Nutzens des Betriebs für Stausee basierend auf dem Typ des hydrologischen Jahres, Vergleich und Auswahl der optimalen Wahrscheinlichkeitsverteilungsfunktionsform, Berechnung des Risikofrühwarnschwellenwerts, und Identifizierung der Ausfallfrühwarnzeit der Regelungen des Betriebs für Stausee, wobei es nicht nur auf die in den obigen Ausführungsbeispielen beschriebenen Inhalte beschränkt ist, sondern unterliegt dem durch die Ansprüche definierten Umfang. Jegliche Modifikationen oder Ergänzungen oder äquivalente Ersetzungen, die von Fachleuten der vorliegenden Erfindung auf der Grundlage dieser Ausführungsbeispiele vorgenommen werden, d. h. äquivalente Ersatzverbesserungen innerhalb dieses Umfangs, fallen ebenfalls in den Schutzumfang der vorliegenden Erfindung.
• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• CN 106022960 A [0003]

Claims (10)

1. Ausfallfrühwam-Analyseverfahren für Regelungen eines Betriebs für einen Stausee unterm Einfluss eines Klimawandels, dadurch gekennzeichnet, dass es die folgenden Schritte umfasst: S1. Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen eines zukünftigen Klimawandels werden erfasst, wobei eine Herunterskalierung und eine Fehlerkorrekturverarbeitung durchgeführt werden, so dass die Vorhersageinformationen von Temperatur und Niederschlag auf ein lokales Interessengebiet beschränkt sind, wobei ein hydrologisches Modell integrieret wird, um Abflussvorhersageinformationen unter dem vorhergesagten zukünftigen Klimawandelszenario zu erhalten; S2. Gemäß den Abflussvorhersageinformationen wird mehrere Sätze von simulierten Abflusssequenzen unter Verwendung von einer stochastischen Simulationsmethoden generiert; wobei die mehrere Sätze von simulierten Abflusssequenzen dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden; S3. Eine Satzpaare-Analysemethode wird verwendet, um die Arten von hydrologischen Jahren von reich bis trocken zu unterteilen; wobei gemäß den Ergebnissen des Typs der hydrologischen Jahren die in Schritt S2 berechneten jährlichen Nutzenproben des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzenproben, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird; S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist; S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikowarnschwellenwert (Risk-basedwarning threshold, RWT) bestimmt; S6. Der klassifizierte Risikowarnschwellenwert wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der Technologie der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit (Failurewarining time, FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt; durch die obigen Schritte kann ein Zeitpunkt abgefragt werden, zu dem die Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels geändert werden.
2. Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 1, dadurch gekennzeichnet, dass die Abflussvorhersagereihe unter den Bedingungen des zukünftigen Klimawandels als Referenzdaten genommen wird; wobei unter Verwendung einer multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für den Stausee k im Kaskadensystem ein Ausdruck lautet: $$QSi{m}^k=\left(Q{S}_1^k,\dots ,Q{S}_s^k,\dots ,Q{S}_L^k\right);$$

   

   $$Q{S}_s^k=\left(q{y}_{\mathrm{1,}s}^k,\dots ,q{y}_{j,s}^k,\dots ,q{y}_{N,s}^k\right)=\left[\begin{array}{ccccc}q{s}_{\mathrm{1,1,}s}^k& \dots & q{s}_{\mathrm{1,}j,s}^k& \dots & q{s}_{\mathrm{1,}N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{I\mathrm{,1,}s}^k& \dots & q{s}_{I,j,s}^k& \dots & q{s}_{i,N,s}^k\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ q{s}_{TS\mathrm{,1,}s}^k& \dots & q{s}_{TS,j,s}^k& \dots & q{s}_{TS,N,s}^k\end{array}\right];$$

   

   wobei QSim^k der stochastische simulierte Abflussdatensatz des k-ten Stausees basierend auf derselben GCM-Abflussvorhersagesequenz mit einer Gesamtzahl von L Zyklen ist, welcher der stochastische Abflusssimulationsergebnisdatensatz geteilt gemäß der Anzahl von Zyklen ist; wobei, wenn k 1 ist, QSim^k das stochastische Simulationsergebnis des einlaufenden Abflusses des Rückgrat-Stausees darstellt, andernfalls QSim^k stellt das stochastische Simulationsergebnis des Intervallabflusses zwischen dem k-ten Stausee und dem k-1-ten Stausee dar; wobei Elemente des Datensatzes $Q{S}_s^k$

   

   die N Jahres-Abflusssequenz ist, die durch das k-te Stausee im s-ten Zyklus stochastisch simuliert wird; wobei $q{y}_{j,s}^k$

   

   die Abflusssequenz des k-ten Stausees im j-ten Jahr im s-ten Zyklus ist, ausgedrückt als $q{y}_{j,s}^k={\left(q{y}_{\mathrm{1,}j,s}^k,\dots ,q{s}_{i,j,s}^k,\dots ,q{s}_{TS,j,s}^k\right)}^{\text{T}};$

   

   wobei $q{s}_{i,j,s}^k$

   

   der Abflusswert des k-ten Stausees in der i-ten Periode im j-ten Jahr im s-ten Zyklus ist; wobei N und TS die Gesamtzahl der Jahre in der zukünftigen Periode und die Gesamtzahl der Perioden pro Jahr darstellen; wobei L die Gesamtzahl der Zyklen für die stochastische Simulation ist.
3. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 2, dadurch gekennzeichnet, dass in Schritt S3 die Klassifizierung von Typen der hydrologischen Jahren von reich bis trocken die folgenden Schritte umfasst: S01. Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses ${\displaystyle \sum _{l=1}^{k}Qsi{m}^l}=\left({\displaystyle \sum _{l=1}^{k}Q{S}_1^l},\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_s^l,\dots ,{\displaystyle \sum _{l=1}^{k}Q{S}_L^l}}\right)$

   

   ohne Berücksichtigung der Regulierungswirkung des Oberstausees als Eingabe für die Analyse des Typs der hydrologischen Jahren; wobei bei der Analyse des Typs der hydrologischen Jahren zunächst Klasseneinteilungen für den Abfluss ${\displaystyle \sum _{l=1}^{k}q{s}_{i,j,s}^l}$

   

   in jeder Periode desselben Jahres unter demselben Zyklus bestimmt werden, die sich in der Größe des Abflusses widerspiegeln, wobei dann die Verteilungsmerkmale der jährlichen Abflusszeitgeschichte der jährlichen Abflusssequenzen ${\displaystyle \sum _{l=1}^{k}q{y}_{j,s}^l}$

   

   analysiert werden, wobei schließlich derselbe Analyseprozess für jede Zyklusdatenmatrix ${\displaystyle \sum _{l=1}^{k}Q{S}_s^l}$

   

   in jeder Periode jedes Jahres wiederholt wird; S02. Der Abfluss in der i-ten Periode des j-ten Jahres wird unter dem s-ten Zyklus mit dem Teilungsstandard der Größe des Abflusses in der entsprechenden Periode verglichen, wobei das Klassifikationsergebnis, das sich in dem Abfluss in dieser Periode widerspiegelt, bestimmt wird, das als $C{M}_{i,j,s}^k$

   

   aufgezeichnet wird, dargestellt durch eines der Quantisierungssymbole I, II, III und IV; wobei alle stochastische Abflusssimulationsergebnisdatensätze nach dem Zeitraum geteilt werden, nämlich $\left(Q{T}_1^k,\dots ,Q{T}_i^k,\dots ,Q{T}_{TS}^k\right);$

   

   wobei für jede Periode i die Abflusswerte aller Jahre unter allen Zyklen von groß nach klein sortiert werden, wobei die Abflusswerte $q{c}_i^k|{}_{25},q{c}_i^k|{}_{50},q{c}_i^k|{}_{75},$

   

   die den Quantilen von 25 %, 50 % und 75 % entsprechen, bestimmt werden; wobei weiterhin der Wertebereich von vier Kriterien zur Einteilung des Abflusses in dieser Periode von groß nach klein gebildet wird, nämlich $[q{c}_i^k|{}_{25},+\infty ),[q{c}_i^k|{}_{50},q{c}_i^k|{}_{25}),[q{c}_i^k|{}_{75},q{c}_i^k|{}_{50}),[\mathrm{0,}q{c}_i^k|{}_{75});$

   

   $$

   

   wobei der Klassifizierungsstandard der Abflussgröße gemäß der Periode variiert; S03. Für die Periode i von 1 bis TS im selben Jahr im selben Zyklus wird der obige Schritt S02 wiederholt, um das Klassifizierungsergebnis des Jahres unter Berücksichtigung der Auswirkungen des Abflusses zu erhalten, nämlich $C{V}_{j,s}^k=\left(C{M}_{\mathrm{1,}j,s}^k,\dots ,C{M}_{i,j,s}^k,\dots ,C{M}_{TS,j,s}^k\right);$

   

   S04. Das obige Klassifizierungsergebnis $C{V}_{j,s}^k$

   

   unter Berücksichtigung der Auswirkungen des Abflusses wird mit standardisierten Indikatoren CC_f für vier Arten der jährlichen Abflusszeitgeschichte-Verteilungen einen Satzpaar bilden, wobei die Satzpaare-Analysemethode verwendet wird, um einen Assoziationsgrad von den Identitäts-, Differenz- und Oppositionsindikatoren zwischen den beiden zu berechnen; wobei CC_f = (ƒ₁,...,ƒ_i,...,ƒ_TS) , ƒ die Abflusswert-Quantisierungssymbole I, II, III oder IV anzeigen; wobei der Berechnungsausdruck für den Assoziationsgrad lautet: $${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}=\frac{S}{W}+\frac{J_1}{W}{\lambda }_1+\frac{J_2}{W}{\lambda }_2+\frac{O}{W}\eta ;$$

   

   wobei ${\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}$

   

   der Assoziationsgrad für Satzpaar $G\left(C{V}_{j,s}^k,C{C}_{ƒ}\right);$

   

   wobei W die Anzahl aller Merkmale ist, d. h. die Gesamtzahl der Perioden in der Klassifizierung von Reichhaltigkeit und Trockenheit für Abfluss; wobei S die Anzahl der gleichen Merkmale der beiden Sätze ist; wobei J₁ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um eine Stufe unterscheiden; wobei J₂ die Anzahl der Merkmale ist, die sich zwischen den beiden Sätzen um zwei Stufen unterscheiden; wobei O die Anzahl der entgegengesetzten Merkmale der beiden Sätze ist; wobei λ₁ und λ₂ der Differenzunsicherheitskoeffizient sind, wobei der Wertebereich [-1, 1] ist; wobei η der Oppositionskoeffizient ist, wobei der Wert -1 ist; S05. Gemäß dem von S04 berechneten Ergebnis des Assoziationsgrades, der den kombinierten Einfluss der Abflussgröße und der jährlichen Abflusszeitgeschichte-Verteilungen zusammenfasst, wird die Kategorie der Reichhaltigkeit und Trockenheit, die dem maximalen Assoziationsgrad entspricht, als Typ des hydrologischen Jahrs $HY{C}_{j,s}^k,$

   

   wobei der Ausdruck lautet: $$HY{C}_{j,s}^k=ƒ=\text{arg }\underset{ƒ-\text{I}\text{,II}\text{,III}\text{,IV}}{{\displaystyle \text{max}}}\left({\mu }_{C{V}_{j,s}^k\square C{C}_{ƒ}}\right);$$

   

   wobei $HY{C}_{j,s}^k$

   

   der Typ des hydrologischen Jahres des j-ten Jahres unter dem s-ten Zyklus ist, wobei der Wert das Quantisierungssymbol I, II, III oder IV ist; S06. Die obigen S02 bis S05 wiederholt werden, wobei der Typ des hydrologischen Jahres im selben Zyklus jedes Jahres bestimmt wird, wobei dann die Anzahl der Zyklen berechnet wird; wobei das Endergebnis des Typs des hydrologischen Jahres eine L×N-Matrix ist; wobei L die Gesamtzahl der Zyklen der stochastischen Abflusssimulation und N die Gesamtzahl der Jahre in der zukünftigen Periode ist.
4. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt S3 für jeden Stausee im Kaskadensystem das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet wird, wobei der Ausdruck lautet: $$C{B}_{j,s}^k=HY{C}_{j,s}^k;$$

   

   wobei $C{B}_{j,s}^k$

   

   die Klassifikation für jährlichen Nutzen des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus ist, wobei der Wert I, II, III oder IV ist.
5. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 4, dadurch gekennzeichnet, dass die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Durchschnitt der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees ist, wobei der Ausdruck lautet: $$C{B}_{j,s}^{CAS}={\displaystyle \sum _{k=1}^M{\omega }_{j,s}^{k}C{B}_{j,s}^k};$$

   

   $${\omega }_{j,s}^k=\frac{B_{j,s}^k|{}_{fut}}{{\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}};$$

   

   wobei $C{B}_{j,s}^{CAS}$

   

   das Ergebnis der Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems im j-ten Jahr unter dem s-ten Zyklus ist, und der gewichtete Durchschnitt der Ergebnisse $C{B}_{j,s}^k$

   

   der Klassifikation für jährlichen Nutzen jedes Stausees ist; wobei in der eigentlichen Berechnung die den $C{B}_{j,s}^k$

   

   entsprechenden Quantisierungssymbole I, II, III und IV jeweils in 1, 2, 3 und 4 umgewandelt werden, wobei $C{B}_{j,s}^{CAS}$

   

   und $C{B}_{j,s}^k$

   

   zu $C{B}_{j,s}^{std}$

   

   vereinfacht sind, wobei der hochgestellte Index std das Forschungsobjekt darstellt, einschließlich des Kaskaden-Stausee-Systems und der einzelnen Stausees im System. ${\omega }_{j,s}^k$

   

   ist das Nutzengewicht des k-ten Stausees im j-ten Jahr im s-ten Zyklus, d. h. die Nutzenbeitragsfähigkeit des k-ten Stausees zum gesamten Kaskaden-Stausee-System; wobei M die Anzahl der Stausees im Kaskadensystem ist; wobei $B_{j,s}^k|{}_{fut}\text{ und }{\displaystyle \sum _{k=1}^M{B}_{j,s}^k|{}_{fut}}$

   

   der jährliche Nutzenwert des k-ten Stausees im j-ten Jahr unter dem s-ten Zyklus und der Gesamtnutzen des Kaskaden-Stausee-Systems sind, wobei die beiden als $B_{j,s}^{std}|{}_{fut}$

   

   vereinfacht werden können; wobei das Kennzeichen

   

   das Abflusssimulationsergebnis unter den Bedingungen des zukünftigen Klimawandels als Eingabe für die aktuellen Regelungen des Betriebs für Stausee anzeigt.
6. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt S4 der AIC als Bewertungsindikator verwendet wird, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei die spezifischen Schritte wie folgt sind: S11. Für jedes Forschungsobjekt, einschließlich des Kaskaden-Stausee-Systems und jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen zu bilden; wobei der konkrete Ausdruck lautet: $$AI{C}_{ƒ,pm}^{std}=-2\text{ln}\left(M{L}_{ƒ,pm}^{std}\right)+2d{ƒ}_{pm};$$

   

   $$S{C}_{ƒ,pm}^{std}=\frac{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-AI{C}_{ƒ,pm}^{std}}{\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)-\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)};$$

   

   $$EM{X}^{std}=\left[\begin{array}{ccccc}S{C}_{\mathrm{1,1}}^{std}& \dots & S{C}_{\mathrm{1,}pm}^{std}& \dots & S{C}_{\mathrm{1,}PN}^{std}\\ ⋮& \ddots & ⋮& & ⋮\\ S{C}_{ƒ\mathrm{,1}}^{std}& \dots & S{C}_{ƒ,pm}^{std}& \dots & S{C}_{ƒ,PN}^{std}\\ ⋮& \ddots & ⋮& \ddots & ⋮\\ S{C}_{CN\mathrm{,1}}^{std}& \dots & S{C}_{CN,pm}^{std}& \dots & S{C}_{CN,PN}^{std}\end{array}\right];$$

   

   wobei $AI{C}_{ƒ,pm}^{std}$

   

   der Bewertungsindikator der Anpassungsgüte für f-ten klassifizierten jährlichen Nutzen des Forschungsobjekts std ist, wenn der Typ der Kandidaten-Wahrscheinlichkeitsverteilungsfunktion pm ist, wobei der untergestellte Index ƒ die Abflusswert-Quantifizierungssymbole I, II, III, IV ist, wobei der untergestellte Indexpm alle Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen umfasst, wobei der hochgestellte Index std das Kaskadensystem und jeden Stausee umfasst; z.B: $AI{C}_{I,NM}^{CAS}$

   

   das AIC-Berechnungsergebnis des I-Typ-Jahresnutzens des Kaskaden-Stausee-Systems unter der Beschreibung der Normalverteilungsfunktion darstellt; wobei $M{L}_{ƒ,pm}^{std}$

   

   der Wahrscheinlichkeitswert des für die Wahrscheinlichkeitsverteilungsfunktionpm geschätzten Parameters ist; wobei df_pm der Freiheitsgrad entsprechend der Wahrscheinlichkeitsverteilungsfunktion pm ist; wobei $S{C}_{ƒ,pm}^{std}$

   

   das standardisierte Ergebnis von $AI{C}_{ƒ,pm}^{std},$

   

   und der kleinere AIC-Indikator entspricht dem größeren standardisierten Ergebnis, was bedeutet, dass der Effekt der Anpassungsgüte der beschriebenen Wahrscheinlichkeitsverteilungsfunktion besser ist; wobei $\underset{pm}{{\displaystyle \text{max}}}\left(AI{C}_{ƒ,pm}^{std}\right)$

   

   und $\underset{pm}{{\displaystyle \text{min}}}\left(AI{C}_{ƒ,pm}^{std}\right)$

   

   die maximalen und minimalen AIC-Berechnungswerte in den vier Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen für den f-te klassifizierten jährlichen Nutzen des Forschungsobjekts std sind; wobei EMX^std die Entscheidungsmatrix mit mehreren Zielen für das Forschungsobjekt std ist; wobei CN und PN die Gesamtzahl der klassifizierten jährlichen Nutzen und die Gesamtzahl der Kandidaten-Wahrscheinlichkeitsverteilungsfunktionen sind; S12. Basierend auf einer Entscheidungsmatrix mit mehreren Zielen EMX^std werden alle klassifizierten jährlichen Nutzen zusammenfasst, wobei die relative Zugehörigkeit berechnet wird, der jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion entspricht, wobei der Ausdruck lautet: $$u_{pm}^{std}={\left\{1+\frac{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}\left(1-S{C}_{ƒ,pm}^{std}\right)\right]}^2}}{{\displaystyle \sum _{ƒ}{\left[{\sigma }_{ƒ}S{C}_{ƒ,pm}^{std}\right]}^2}}\right\}}^{-1};$$

   

   wobei $u_{pm}^{std}$

   

   der relative Zugehörigkeitswert des Anpassungseffekts bei Verwendung der Wahrscheinlichkeitsverteilungsfunktion pm zur Beschreibung aller klassifizierten jährlichen Nutzen für den Untersuchungsgegenstand std ist, wobei, je größer der Wert ist, desto mehr er darauf hin weist, dass die Wahrscheinlichkeitsverteilungsfunktion die Verteilung des klassifizierten jährlichen Nutzens des Untersuchungsobjekts beschreiben kann; wobei σ_f der Gewichtswert des f-ten klassifizierten jährlichen Nutzens ist, wobei die Gewichte der verschiedenen klassifizierten jährlichen Nutzen jedes Forschungsobjekts gleich sind; S13. Der gewichtete durchschnittliche relativen Zugehörigkeitsgrad jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion bei Zusammenfassung der Bewertungsergebnissen der Anpassungsgüte aller Forschungsobjekte berechnet wird, wobei die Wahrscheinlichkeitsverteilungsfunktion, die dem größten gewichteten durchschnittlichen relativen Zugehörigkeitsgrad entspricht, als die beste Wahrscheinlichkeitsverteilungsfunktion angenommen wird, wobei der Ausdruck lautet: $$u_{\text{max}}=\text{max}\left\{{\displaystyle \sum _{std}{\phi }^{std}}{u}_{NM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{GM}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{WB3}^{std},{\displaystyle \sum _{std}{\phi }^{std}}{u}_{BR}^{std}\right\};$$

   

   wobei ${\displaystyle \sum _{std}{\phi }^{std}}{u}_{pm}^{std}$

   

   der gewichtete durchschnittliche relative Zugehörigkeitsgrad aller Forschungsobjekte, die durch die Wahrscheinlichkeitsverteilungsfunktion pm zusammengefasst werden; wobei φ^std das Gewicht des Forschungsobjekts std ist und gleichzeitig die Beschränkungsbedingungen ${\displaystyle \sum _{std}{\phi }^{std}}=1$

   

   erfüllt.
7. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert durch Berechnen der inversen kumulativen Verteilungsfunktion der besten Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt wird, wobei der Ausdruck ist: $$\text{Pr}\left(X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}\right)={\displaystyle \int {}_0^{RWT|{}_{ƒ}^{std}}}\text{g}\left(x|{}_{ƒ}^{std}\right)\text{d}x=\beta ;$$

   

   RWT steht für den minimal akzeptablen jährlichen Nutzenwert und ist ein wichtiger Indikator, um zu messen, ob die aktuellen Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels versagen; wobei Pr(□) das Wahrscheinlichkeitsoperationssymbol ist; wobei $X|{}_{ƒ}^{std}<RWT|{}_{ƒ}^{std}$

   

   das Ausfallereignis ist, das dadurch verursacht wird, dass der tatsächliche jährliche Betriebsnutzenwert der aktuellen Regelungen des Betriebs für Stausee in diesem Jahr geringer als die RWT ist; wobei $\text{g}\left(x|{}_{ƒ}^{std}\right)$

   

   die optimale Wahrscheinlichkeitsverteilungsfunktion ist und die Beschreibung vom f-te klassifizierten jährlichen Nutzen $x|{}_{std,ƒ}$

   

   für den Forschungsobjekt std ist; wobei β ein akzeptables Risikoniveau ist und ein angemessener Wertebereich zwischen 5 % und 20 % liegt; wobei $RWT|{}_{ƒ}^{std}$

   

   der klassifizierte Risikowarnschwellenwert ist, der sich nach dem Forschungsobj ekt std und der Klassifikation für jährlichen Nutzen ƒ unterscheidet.
8. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt S6 eine Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens verwendet wird, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren; wobei FWT im Wesentlichen den Änderungspunkt der Wahrscheinlichkeit des Nutzenversagens der aktuellen Regelungen des Betriebs für Stausee darstellt, wobei in der Periode vor dem Eintreffen von FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee gering ist, die potenzielle Risikobedrohung gering und die Verfügbarkeit gut ist, wobei in der Phase nach FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee größer wird und das Ausfallrisiko signifikant steigt, was durch ein adaptives Betrieb-Schema ersetzt werden muss; konkrete Schritte sind wie folgt: S21. Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter der Bedingung des zukünftigen Klimawandels EV_j ist, wobei die Variable EV_j unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV₁ ,..., EV_j ,..., EV_N ) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist; wobei der Ausdruck von EV_j ist: $$E{V}_j={\displaystyle \sum _{s=1}^L{\mathrm{\Lambda }}_{j,s}};$$

   

   wobei ${\mathrm{\Lambda }}_{j,s}=\{\begin{array}{cc}\mathrm{1,}& B_{j,s}^{std}|{}_{fut}<RWT|{}_{C{B}_{j,s}^{std}}\\ \mathrm{0,}& otherwise\end{array}$

   

   eine binäre Funktion ist, wobei das Ausfallereignis eintritt und der Wert 1 ist, wenn der tatsächliche jährliche Nutzen kleiner als der Risikofrühwarnschwellenwert ist, andernfalls ist der Wert 0; wobei L die Gesamtzahl der Zyklen des stochastischen Abflusssimulationsverfahrens unter den gleichen Bedingungen des zukünftigen Klimawandels ist; S22. Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip der kumulativen Zählung verwendet wird, wobei der Ausfallwahrscheinlichkeitsänderungspunkt der aktuellen Regelungen des Betriebs für Stausee analysiert wird, und wobei ein Hypothesentest durchgeführt wird, um die Ausfallfrühwarnzeit zu identifizieren, wobei der Ausdruck ist: $$\tau =\text{arg max}\left|N\times SE{V}_j=j\times SE{V}_N\right|;$$

   

   wobei τ der Änderungspunkt der Wahrscheinlichkeit beim Ausfall der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ist, wobei der Wertebereich [1, N ] ist; wobei SEV_j die kumulative Anzahl von Ausfallereignissen der aktuellen Regelungen des Betriebs für Stausee in den vorangegangenen j Jahren ist, wobei der Ausdruck lautet: $$SE{V}_j{\displaystyle \sum _{r=1}^{j}E{V}_j}j=\mathrm{1,2,}\dots ,N;$$

   

   S23. Mit dem erkannten Änderungspunkt τ als eine Abgrenzung kann die gesamte Zukunftsphase in die Phase vor der Ausfallfrühwarnzeit - vor dem Ausfallzeitraum (1,2,..., τ -1) und die Phase bei und nach der Ausfallfrühwarnzeit - Ausfallzeitraum (τ,τ+1,...,N) unterteilt werden, wobei für diese beiden Phasen die folgenden Formeln verwendet werden, um die jeweilige durchschnittliche Ausfallwahrscheinlichkeit zu berechnen; $$p_{\nu }=\frac{1}{{\xi }_{\nu }\left({\tau }_{\nu }-{\tau }_{\nu -1}\right)}{\displaystyle \sum _{j={\tau }_{\nu -1}}^{{\tau }_{\nu -1}}E{V}_j}\nu \text{=1}\text{,2};$$

   

   wobei p_v, die durchschnittliche Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee in Phase v ist, wobei vor dem Ausfallzeitraum und der Ausfallzeitraum jeweils v =1 und v = 2 entsprechen; wobei τ₀, τ₁, τ₂ jeweils 1, τ, N+1 ist; wobei ζ_v die Summe der Zahlen des Eintretens und Nichteintretens von Ausfallereignissen ist; S24. Entsprechend der Natur der Ausfallfrühwarnzeit muss das Berechnungsergebnis von S23 eine Beschränkungsbedingung p₁ < p₂ erfüllen; wenn also diese Beschränkungsbedingung erfüllt werden kann, dann FWT = Yr_b + τ -1 der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum, wobei Yr_b das Startjahr der zukünftigen Phase ist; wobei der gesamte zukünftigen Zeitraum durch τ in zwei Phasen, d.h. vor dem Ausfallzeitraum und beim Ausfallzeitraum unterteilt wird, wobei die durchschnittliche Ausfallwahrscheinlichkeit entsprechend den aktuellen Regelungen des Betriebs für Stausee p₁ und p₂ ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach einer Erkennungsanalyse bestimmt werden kann, als Lösung-1 (solution-1, SL-1) bezeichnet wird.
9. Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 8, dadurch gekennzeichnet, dass im Schritt S6, S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p₁ < p₂ nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p₃ = p₂ ist, wobei (EV₁, ..., EV_j, ..., EV_τ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei S22~S23 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p₁ und p₂ entsprechend die Periode von 1 bis τ -1 und die Periode von τ bis τ* berechnet werden; S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p₁ < p₂ erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, bei dem Ausfallzeitraum und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p₁, p₂, p₃ sind; und der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT = Yr_b + τ -1 ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, als Lösung-2 (solution-2, SL-2) bezeichnet wird.
10. Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach Anspruch 9, dadurch gekennzeichnet, dass im Schritt S6, S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p₁ < p₂ immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ -1, von Periode τ zu τ* -1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird; dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet; daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT = Yr_b; wobei die Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, als Lösung-3 (solution-3, SL-3) bezeichnet wird; wobei gemäß den obigen Analyseschritten die Erkennungsergebnisse der Ausfallfrühwarnzeit in drei Situationen existieren: SL-1, SL-2 und SL-3, die jeweils drei Fälle widerspiegeln, in denen die verfügbare Zeit des aktuellen Regelungen des Betriebs für Stausee im zukünftigen Zeitraum von lang bis kurz sind, wobei entsprechende Bewertungen in drei Kategorien eingeteilt werden, d.h. Ausgezeichnet, Mittelmäßig und Schlecht.

Images