入库流量

摘要： 三峡水库的反推入库流量存在严重的“锯齿”问题,影响了实际的水库实时调度相关工作,利用数据平滑算法可有效对其误差进行后处理。通过对比各平滑算法分别选取五点三次平滑算法及离散小波阈值消噪算法进行研究,并与实际工作中常用的三点平滑算法进行对比,通过构建水文要素指标和平滑度指标评价平滑效果。结果表明:在综合适用条件最好的Db小波与Sym小波中,Db7小波阈值消噪的平滑效果优于其他小波;相比于三点平滑法和五点三次平滑法,Db7小波阈值消噪法能较全的保留原序列的洪峰、洪量和峰现时间,并消除了原入库流量更多的锯齿。研究表明,利用离散小波阈值消噪法对三峡水库的反推入库流量的噪声平滑可具有推广价值。

摘要： 入库流量预测可为水电站水库防汛抗旱、水位控制等提供必要依据。然而传统物理建模方法预测入库流量对数据资料要求较高,在资料相对匮乏地区难以应用。针对入库流量序列非线性非平稳以及原始数据包含噪声等问题,将经验模态分解(empirical mode decomposition, EMD)良好的滤波特性和长短期记忆(long-short-term memory, LSTM)神经网络强大的非线性映射能力相结合,用于右江水库日入库流量预测。首先采用EMD方法对入库流量序列进行分解,然后对分解的各分量分别建立LSTM进行预测,最后加和重构得到预测结果,同时采用单一LSTM作为对比。在右江水库日入库流量预测中,EMD-LSTM预测结果平均绝对误差(MAE)为29.46 m3/s,平均相对误差(MAPE)为11.06%,确定性系数(DC)为0.95,各评价指标均优于单一LSTM,表明EMD-LSTM在右江水库日入库流量预测中具有很好的适用性,明显提高了日入库流量预测精度,对今后右江水库安全经济运行具有重要指导意义。

摘要： 考虑三峡水库与葛洲坝水电站的紧密水力联系以及三峡水库出库流量与葛洲坝水电站入库流量的不平衡现象,提出了基于极端梯度提升(eXtreme Gradient Boosting, XGBoost)和自回归差分移动平均模型(Autoregressive Integrated Moving Average model, ARIMA)这两种机器学习的葛洲坝水电站入库流量预测模型,以及基于贝叶斯岭回归的葛洲坝水电站日均出力预测模型,并将两种模型相结合进行葛洲坝水电站入库流量与日均出力预测。通过对2019年非弃水期的实验分析,结果表明:葛洲坝水电站入库流量预测模型优于传统的折算系数三日均值法,可降低流量预报误差;葛洲坝水电站日均出力预测模型具备较高的预测精度和较强的稳健性,可为葛洲坝水电站非弃水期日均出力计划编制提供参考。

摘要： 为了解决入库流量等时序数据跳变而影响对数据变化趋势规律判断的问题,结合水量平衡原理计算入库流量现实存在“跳变”的局限性,提出了梯度自适应迭代平滑算法,设计了数据序列光滑度评价计算方法,并阐述了其详细的计算原理和计算步骤。以三峡水库实际计算入库流量为例,将梯度自适应迭代平滑算法的平滑过程分别与3点、5点、7点线性平滑,5点、7点二次函数拟合平滑,5点、7点三次函数拟合平滑的结果进行对比。结果表明:该算法在入库流量平滑计算中具有较好的表现;三峡水库两段比较具有代表性的2月份和4月份小时计算入库流量数据序列经平滑计算后,数据序列的平均光滑度分别达到了0.9584和0.9803。该算法能够很好地适应原始数据光滑度较差的序列平滑计算,具有很好的实际应用推广价值。

摘要： 以乌苏市西湖水库为研究对象,为了获取水库入库流量为水库除险加固工程设计提供参考,在收集了流域范围内多年水文数据的基础上,对水库入库流量进行较为准确的分析。分析得出:西湖水库的入库水量主要有:(1)自流井引水注入;(2)通过喇嘛沟干渠及汇通渠引入四棵树河地表水注入。其中,地表水为四棵树河不同保证率地表可引水量,当保证率为50%年可引入库水量为422.9×10^(4) m^(3),保证率为75%年可引入库水量为403.5×10^(4) m^(3);自流井引水量为109.80×10^(4) m^(3)。

摘要： 水库来水和以农业灌溉用水为典型代表的用水过程均受到气候条件的显著影响。气候过程的随机性会导致水库入库径流(供给侧)与需求过程(需求侧)的随机性;同时,流域气候条件的空间相似性使得二者之间存在一定程度的关联性。为有效解决水库随机优化调度中来用水过程的随机性与关联性问题,该研究采用Copula函数描述多维变量的随机性与关联性,提出了考虑与不考虑多维变量关联性的多维随机动态规划算法,并以泾河流域东庄水库优化调度为例展开实例研究。结果表明,除却水库来水(用水)一维随机过程时段之间的关联性外,部分时段下来水与用水过程呈现显著的关联性;考虑多维随机过程的关联性时,长系列灌溉缺水总量10.37亿m^(3),较将水资源供、需二维过程独立性处理时更优(缺水总量10.49亿m^(3)),考虑与不考虑来用水过程关联性时的状态转移概率差异较小是造成优化调度结果差异较小的主要原因;现实环境中来用水过程之间的随机性与关联性切实存在,考虑多维变量关联性的随机动态规划算法理论上更为契合,建议采用该方法求解含农业灌溉用水的水库随机优化调度问题。研究提出的多维随机动态规划算法可扩展应用于其他领域多维随机过程呈独立、相关的不同情形,并为随机性优化调度提供新的算法支撑。

摘要： 大型水库重要站点的水位预测是水库防洪中的重要问题,目前主要采用水动力学方法计算。但是由于该方法对输入边界条件的准确性要求较高,而实时调度情况下又很难完全满足此条件,因此容易造成较大的水位计算误差。对此,提出了循环神经网络模型,从水库运行的历史数据中挖掘知识,学习入库流量和坝前水位到目标站点水位的映射关系,不需要使用地形资料等数据以避免系统性误差的影响,既可以降低模型对输入边界准确性的要求,又可以在一定程度上提升水位预测精度。以三峡水库长寿站水位计算为例,使用2009—2019年数据训练、验证和测试模型,试验结果显示长寿站水位在接近三峡水库土地征用线时,计算误差在±0.4 m以内,精度优于水动力学模型,可满足实时调度对水位精度的要求。

摘要： 为提高洪水过程预报的准确性,将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中,构建了GR4J-LSTM混合模型,并与GR4J、LSTM模型进行对比。基于2012~2019年陆水水库汛期与洪水事件相关的数据集,并结合欧洲中期天气预报中心的3 h预报降水产品,驱动GR4J-LSTM混合模型,预报陆水水库3~12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明:GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力,但GR4J-LSTM混合模型的预报性能最优,既可以学习GR4J模型的产汇流过程,又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。

摘要： 为分析数理统计模型与机器学习模型在中长期径流预报中的特点与适用性,挑选逐步回归与随机森林两种方法构建入库流量中长期预报模型,以气象因子的物理机制为基础,结合单相关系数及随机森林重要性分析识别关键气象因子并输入模型。利用长江上游乌东德、瀑布沟两个水库1959—1998年的入库流量训练了模型,并且预测了两个水库1999—2014年的入库流量。结果表明:两种模型的训练效果良好,稳定性强,随机森林的预测结果比逐步回归的精度高,但精度的差距较小;随机森林能减少预测因子值的异常变化带来的拟合误差,但过拟合问题更为明显。

摘要： 流域梯级水电站之间水流演进计算存在两个方面的问题:一是因库容曲线、泄流特性曲线及机组耗流量特性曲线等不够精确,计算的出库水量和时段库容变化量不可避免的存在误差,从而导致梯级水电站之间的水量不平衡问题;二是短时段计算所得到的入库流量过程“锯齿”现象严重。针对这两个问题,本文提出一种受上游水库调控影响的日时段入库流量预报方法,将入库流量分为上游水库出库流量与区间产汇流两部分,以日为时段长,以水量平衡理论、马斯京根汇流系数法以及API模型为理论基础,在上游水库出流的河道演算中引入修正系数处理区间来水或引水问题,应用API模型计算区间产汇流过程。通过郁江流域西津水库的实际应用表明,率定期纳什效率系数(NSE)为0.943,检验期纳什效率系数(NSE)为0.914。结果表明该方法充分考虑了水文学基本原理和流域水电站水库运行实际情况,可有效解决梯级水电站间水量不平衡问题并有效避免了短时段入库流量的波动问题。

摘要： 葛洲坝入库流量预报对葛洲坝电站调度发电计划的制定非常重要.三峡—葛洲坝两坝间距离较短,理论上三峡出库应等于葛洲坝入库,但在实际运行过程中,两者并不平衡.本文利用多年积累的三峡、葛洲坝电站运行的流量、水位、电力等数据资料,利用随机森林模型,实现了葛洲坝入库折算系数与其他可能相关属性的关联性分析,并实现了对三峡出库与葛洲坝入库流量的不平衡修正,修正后的结果较以前的修正方法有明显改善.

摘要： 三峡水库属于典型的河道型水库,库区水面比降显著,为考虑动库容的影响,三峡梯调中心提出了由分段库容反推的报汛入库流量计算方法,该法一定程度上克服了入库流量反推计算结果波动性太大的问题,但未考虑实际入库点随库水位的动态变动.本文在更新分段库容曲线的基础上,分析三峡水库在145～155m、155～165m和165～175m等三个不同坝前水位级的回水点变化,提出了各水位级对应的三峡水库入库流量计算方案.通过与近年报汛入库流量资料比较可知,本文计算的入库流量在洪峰值上比报汛数据偏大,峰现时间略有提前,涨水面偏大,退水面偏小.

摘要： 由于受水库枢纽工程的影响,使得反推计算入库流量本身存在较大误差.从而增加了水库洪水预报的模型研制的难度.通过广西多个水电厂洪水预报实践,分析入库洪水预报存在误差的原因为水位波动影响、曲线误差和时间段长度影响，提出使用五点三次平滑算法对入库流量进行反推,用以指导实时预报.

摘要： 开都河察汗乌苏水库以上流域的产汇流过程受积雪覆盖、流域气温、降水量和湿地区域等多要素综合影响,准确的描述流域的产汇流过程非常复杂.本文探索应用实时更新的MODIS卫星雪盖产品MOD10A2和30m×30m的DEM数据确定流域各个时段的高程—面积—积雪面积曲线,采用虚拟自由水库模拟巴音布鲁克和萨很托亥两个水文站以上湿地区域的汇流过程,构建了融雪蓄满混合产汇流模型.模型对察汗乌苏入库流量的模拟预报取得了较好的效果,模拟与实测过程的相对误差合格率达到83.79％,确定性系数达到0.8左右,为察汗乌苏水库水电站运行调度提供了较好的决策支撑.

摘要： 在当前电力市场环境下,电站月度实发电量与计划电量偏差需要尽量控制在2％以内.桐子林电站发电水头变化较大,同时其入库流量受上游电站调蓄存在一定的不确定性,使得月度负荷预测准确率有待提高.本文从水头和流量两个可变因子出发,分析负荷和电量变化规律,并采用偏差分解的方法寻求改进措施,对电站经济运行和计划申报工作具有一定的指导意义.

摘要： 本文阐述了水务计算的几种常见方法和负值现象,分析了入库流量、区间流量出现负值的主要原因,误差来源与特征.提出算法优劣的相对评判标准和入库流量、区间流量负值的可能解决方法.

摘要： 针对石泉水库、喜河水库上下游关系及喜河水库典型的日调节特性,基于喜河电站入库流量与前一日石泉电站出库、入库流量有一定相关关系的思想,运用线性相关统计原理对石泉电站前一日入库、出库过程与喜河电站当日入库流量的相关关系进行分析,探求较适合于喜河电站的日径流预报方法.分析表明,喜河水库入库流量与前一日石泉水库出库流量相关关系虽然较好,但采用该关系进行喜河水库的日径流预报效果并不理想,表明喜河入库与前一日石泉出库并不是简单的相关关系,不能直接用于日径流预报.

摘要： 丰满水库调度从1953年成立至今已有70年的历史,丰满水库调度的基础资料由于历史原因、技术水平的改变而多次变动,给正常运行和实际调度带来了很大影响,因此,对库容曲线、设计洪水、入库流量值等基础资料进行了科学、合理分析,形成一套各方都接受,能长期使用的基础资料,希望能对今后丰满水库的运行、调度有一定的参考作用.

摘要： 2008年地震以后,紫坪铺水库泥沙淤积日趋严重,影响着水库综合效益的发挥,水库库容的动态变化,也给水库的调度运行提出了新的难题.本文基于紫坪铺水库在2008年汶川大地震前后的多次库容复测数据,结合水库原始库容,对比分析了水库库容淤积现状以及淤积趋势,分析了造成淤积的原因,结合运行数据,分析了泥沙淤积对水库调度的影响,对进一步研究水库泥沙淤积规律和泥沙调度具有一定的指导意义.

摘要： 2008年地震以后,紫坪铺水库泥沙淤积日趋严重,影响着水库综合效益的发挥,水库库容的动态变化,也给水库的调度运行提出了新的难题.本文基于紫坪铺水库在2008年汶川大地震前后的多次库容复测数据,结合水库原始库容,对比分析了水库库容淤积现状以及淤积趋势,分析了造成淤积的原因,结合运行数据,分析了泥沙淤积对水库调度的影响,对进一步研究水库泥沙淤积规律和泥沙调度具有一定的指导意义.

摘要： 本发明涉及流域水情预测技术领域，公开了一种基于深度学习的水库入库流量预测方法，包括如下步骤：取得历史数据，利用DBN模型进行学习，取得各控制站及水库的历史流量数据与水库的入库流量之间的对应关系，进而取得无雨情况下预测的水库入库流量、有雨情况下预测的水库入库流量和有雨情况下的差值delta，通过LSTM训练学习，取得有雨情况下预测的入库流量差值，进而取得最终预测的水库入库流量。本发明基于深度学习的水库入库流量预测方法，将深度置信网络与长短期记忆网络算法相融合应用于入库流量的预测，提高了对入库流量的预报精度，并且提升了模型的可靠性和可扩展性。

摘要： 本发明公开了一种中小水库入库流量日前预测的分时段集成方法，主要解决了现有技术存在的中小水库无法有效利用现有技术进行入库流量预测的问题。该分时段集成方法包括如下步骤：(S1)基于流域降水量划分汛期与非汛期；(S2)搭建汛期与非汛期的集成学习预测器；(S3)对汛期与非汛期的集成学习预测器进行训练；(S4)进行入库流量的预测。通过上述方案，本发明达到了采用水量平衡原理，由水库各类用水可还原水库来水，获得水库入库流量的历史数据，利用深度学习网络强大的非线性表达能力，挖掘历史数据背后的规律来预测日前的入库流量在保证精度的同时避免了对难以观测水文要素资料的依赖的目的，具有很高的实用价值和推广价值。

摘要： 本发明涉及一种基于入库流量的水库水位预警方法及系统，系统包括数据采集模块、数据传输模块、库容计算模块、水库水位预测模块和预警模块，步骤为S1采集历史和实时水库库容和水库水位数据，S2计算未来时间段的水库容量值，S3通过多层感知器模型训练构建水库水位预测模型，S4预测未来几天的水库水位值，S5根据预测水库水位值和水位警戒值比较进行预警。本发明预测结果准确率较高，可以预测未来几天的水位变化数据，具有趋势性，本发明的训练模型预测能力强，充分考虑到地理环境等特征，将这些隐藏特征训练融入到预测模型中，拟合效果非常好。

摘要： 本发明公开了一种基于实时误差控制的入库流量反推方法，该方法为：首先，收集预报时刻前24h内各小时的库水位和出库流量数据，并设定反推时段初始值为1h；然后，自动试算预报时刻对应的满足实时误差控制要求的反推时段和计算入库流量；最后，对预报时刻前一日8:00至预报时刻期间的计算入库流量过程进行水量修正，最终获得满足水量平衡约束的修正入库流量过程。该方法可改善入库流量过程的锯齿状波动问题，保证入库流量过程的水量平衡，得到更接近真实过程的入库流量过程，从而提升水文预报精度评定精度，为预报模型结果评价提供可靠依据。

摘要： 本申请公开了水库入库流量的计算方法、装置、电子设备和存储介质。本申请水库入库流量的计算方法、装置、电子设备和存储介质，针对测流断面对应的图像，根据预置的时空图像识别规则获得断面流量，相比相关技术中的水量平衡法而言，能有效避免计算入库流量时各种中间误差的累积、放大作用影响，从而有效提高入库流量计算精度。此外，上述水库入库流量的计算方法、装置、电子设备和存储介质，是一种非接触式流量测量方法，克服了传统测流方法高洪期测流困难、测验成本高等问题，满足了入库流量测算工作的实时性、稳定性与准确性要求，能有效提升水库自动化监测水平。

摘要： 本发明公开一种低水头水电站群下游水库日平均入库流量的预测方法，包括初始化步骤、模型精度优化步骤和预测步骤；所述初始化步骤包括：根据流域情况及水库群位置确定水库群上下游关系；设定一个时段，统计和计算各个时段内下游水库入库流量数据、各个时段内上游水库出库流量数据、各个时段内降雨量数据和各个时段内前期影响雨量；所述模型精度优化步骤包括：建立入库流量模型并优化率定参数；预测步骤包括：利用经过模型精度优化步骤后的参数，并通过入库流量模型进行日均入库流量的预测计算。本发明在低水头水库群缺少资料地区的情况下仍能够进行河道演算和区间入流预测。

摘要： 本发明涉及一种基于堆叠式长短记忆网络的汛期水库入库流量预测方法，获取水库流域关键站点降雨及水库水情数据，处理生成天尺度的水情数据，再处理成时间序列格式数据，用时间序列格式数据进行Stacked LSTM网络模型训练，得到入库流量预测模型，利用测试集来验证模型的性能，依据评估函数计算均方根误差，优化并选择最优模型为多步入库流量预测模型，预测未来k天的入库流量。该方法不仅提高了水库入库流量多步预测的准确度，而且模型泛化能力得到提高，更具有适用性。

摘要： 本发明涉及一种基于入库流量的水库水位预警方法及系统，系统包括数据采集模块、数据传输模块、库容计算模块、水库水位预测模块和预警模块，步骤为S1采集历史和实时水库库容和水库水位数据，S2计算未来时间段的水库容量值，S3通过多层感知器模型训练构建水库水位预测模型，S4预测未来几天的水库水位值，S5根据预测水库水位值和水位警戒值比较进行预警。本发明预测结果准确率较高，可以预测未来几天的水位变化数据，具有趋势性，本发明的训练模型预测能力强，充分考虑到地理环境等特征，将这些隐藏特征训练融入到预测模型中，拟合效果非常好。

摘要： 本发明涉及基于WRF‑Hydro的水电厂降水量、入库流量预报系统，包括数据输入、模式运行、后处理、输出应用四个模块，该系统针对省级区域的大规模水电站群实现全面的数值天气预报和基于WRF‑Hydro模式的来水预报，实现各水电站入库、区间流量的预测，全面提高电网调度水文预报的精度和延长预见期。

摘要： 本发明公开了一种入库流量预测方法、设备与存储介质。本发明利用泰森多边形理论确定目标雨量站和气象站，预先采集雨量站的历史雨量数据、水库的历史流量数据、气象站的历史环境观测数据，包括气温、风向、风速；对预先采集的数据进行负值修正和重采样，并考虑降雨量对入库流量的滞后周期影响；综合入库流量、雨量、环境参数三种数据信息源，利用归一化后的数据对基于遗传算法优化的门控循环单元网络模型进行训练，再向模型输入最新时段产生的多源数据以预测未来时间段内的水库入流量。本发明克服了长期水文资料时间序列存在的输入特征维度灾难，导致GRU模型性能差且收敛速率慢问题，实现快速精准预测未来时段水库入流量。