耦合中、短预报信息的梯级水库群不确定优化调度

Uncertainty of the inflow runoff is the most important factor for reservoir operation and decision-making. While precipitation forecast uncertainty and its trait that increasing with lead time extending are the main source of uncertainty of runoff forecast. Therefore, taking TIGGE super ensemble forecasts to hydrological, research on the runoff forecast model which considering the uncertainty of precipitation forecast and the optimization decision model in using of different foresee period runoff forecast information effectively are great significance to the improvement of reservoir operation. The rainfall forecast density function with the methods of incorporate Bayesian model averaging and non-parametric kernel density estimation will be firstly calculated in the project based on the TIGGE super ensemble forecast. Followed, the runoff forecast model which coupled the uncertainties of precipitation forecasting and runoff forecasting is established. Thus, uncertainty of the runoff focusing can be addressed properly in the stochastic optimal operation of the cascaded reservoir. Then the stochastic optimal operation model coupled short and medium-term forecast information for cascaded reservoir can be built. After aggregating the inflow and storage of the cascaded hydropower reservoirs to a single reservoir with the idea of aggregation-decomposition, the optimal operation rules should be finally derived. This study will provide decision-making support for increasing power generation profits effectively.

径流的不确定性是影响水库调度决策的最大因素，而降雨预报的不确定性以及不确定性随预见期延长而逐渐增加是径流预报不确定性的直接来源。因此将TIGGE超级气象集合预报引入到水文领域，研究考虑降雨预报不确定性的径流预报模型、以及有效利用不同预见期径流预报信息的优化调度模型，对提高我国的水库预报调度水平具有重大意义。本项目首先以贝叶斯模型平均法和非参数核密度估计方法为基本方法，推求基于TIGGE超级集合预报的降雨预报密度函数，进而耦合降雨预报的不确定性和径流预报模型本身的不确定性，建立能充分考虑降雨预报不确定性的径流预报模型，同时实现与不确定优化调度相适应的不确定径流描述；然后构建耦合中、短预报信息的梯级水库群不确定优化调度模型；最后采用聚合分解思想将梯级水库群来水量和库容聚合等效为单库进行系统降维，从而确定相应的优化调度规则，为增加水库群的发电效益提供决策支持和科学依据。

本项目针对降雨预报的不确定性及其不确定性随预见期延长而逐渐增加是径流预报不确定性直接来源这一背景，将TIGGE超级气象集合预报引入到水文领域，开展了考虑降雨预报不确定性的径流预报模型以及有效利用不同预见期径流预报信息的优化调度模型研究。首先，基于降雨数据适用性评价及模型参数敏感性分析挖掘出流域径流预报的影响因素，建立了耦合数值降雨预报数据的确定性径流预报模型；接着，采用多元线性回归、BP神经网络、季节自回归和新安江模型对辽河流域和松花江流域梯级水库进行中期径流预报，同时使用自适应联邦滤波算法对四个模型的预报信息进行融合、校正；在此基础上，分别针对水电站水库群联合优化调度与供水水库群联合优化调度开展耦合降雨预报不确定性和径流预报模型本身不确定性的调度模型研究，在发电调度方面，构建了能充分考虑降雨预报不确定性的聚合分解贝叶斯随机动态规划模型，并结合预报信息的预见期和调度决策期长度对发电调度效益和保证率的影响分析，构建了耦合中、短预报信息的梯级水库群不确定优化调度模型，在供水调度方面，建立了基于改进引水规则的跨流域水库群联合调度模型及基于补给限制线的复杂水库群共同供水任务优化分配模型以实现更为精细的控制跨流域引水供水过程，并结合预报信息，建立了耦合中、长期预报信息的跨流域水库群联合优化调度模型；最后，提出了基于灰色离散微分动态规划与改进PSO的模型求解方法、基于Fork/Join框架和线程通信相结合的多核并行计算框架以及调度图概化降维方法，实现了模型的高效求解，确定相应的优化调度规则，为增加水库群的发电与供水效益提供决策支持和科学依据，对提高我国的水库预报调度水平具有重大意义。