-
公开(公告)号:CN118211731A
公开(公告)日:2024-06-18
申请号:CN202410433292.1
申请日:2024-04-11
申请人: 云南华电金沙江中游水电开发有限公司 , 长江水利委员会水文局
IPC分类号: G06Q10/04 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0464 , G06N3/044 , G06Q50/06 , G06Q50/26
摘要: 本发明公开了一种梯级水库联合消落次序优化计算方法及系统,包括:拟合上游来水、区间来水和下游水位的三维联合概率分布,随机抽样获取海量情景;构建多目标优化调度模型,基于海量情景对多目标优化调度模型进行模拟计算与求解,获得海量情景下优化调度方案样本集;构建决策模型,从优化调度方案样本集中优选出最优解,将最优解对水库运行过程进行反演,确定消落时间,得到海量情景下梯级水库联合消落次序样本集;基于不同情景下梯级水库联合消落次序样本,提炼最优消落次序的规律性信息,制定梯级水库联合消落次序优化规则。与现有技术相比,能够在全面考虑到防洪、供水、生态和航运的综合利用目标的同时得到实用且优秀的蓄放水规则。
-
公开(公告)号:CN118861625A
公开(公告)日:2024-10-29
申请号:CN202410868015.3
申请日:2024-07-01
申请人: 长江水利委员会水文局 , 长江大学
IPC分类号: G06F18/213 , G06F18/22 , G06F18/23 , G06F123/02
摘要: 本发明提供一种基于气象极端指标的风电场景提取方法,包括以下步骤,季节划分;建立极端评价指标体系;提取极端场景;确定剩余场景条数;减少相似场景;对比减少相似场景效果;对比极端特性;本发明基于目前气象极端评价指标,创新提出一种针对风电出力时序场景的极端评价指标体系,并将该指标体系与同步回代缩减方法进行耦合,对大量风电时序场景进行极端提取。本研究相比于单一极端指标提取方法,可以减少相似场景,提高模型计算效率。相比于单一同步回代缩减方法,所提取所得场景更加具备极端特性。对于电力时序场景极端提取技术具有重要的推广使用价值。
-
公开(公告)号:CN118036487A
公开(公告)日:2024-05-14
申请号:CN202311842457.2
申请日:2023-12-29
申请人: 长江水利委员会水文局
IPC分类号: G06F30/28 , G06Q50/06 , G06F113/08 , G06F119/14
摘要: 一种基于土壤墒情的小型水库纳雨能力快速分析方法,包括如下步骤:步骤1,收集小型水库实况水位Zc、库容曲线、泄流曲线、水库特征水位、集水面积A及所在流域的最大蓄水容量Wm;步骤2,计算土壤含水量W,并结合卫星遥感反演土壤水产品对计算的土壤含水量W滚动校正;步骤3,基于校正后的土壤含水量W′、土壤最大蓄水容量Wm以及小型水库实况水位Zc计算纳雨能力。该方法量化了土壤墒情对于小型水库纳雨能力的影响作用,保证了计算结果的精度与可靠性,数据来源稳定可靠,变量之间的函数关系明确,有利于考虑土壤墒情的小型水库纳雨能力分析的快速自动执行,同时保证了结果的客观合理性,进一步促进小型水库洪水预警预报的深入发展。
-
公开(公告)号:CN116993030A
公开(公告)日:2023-11-03
申请号:CN202311260822.9
申请日:2023-09-27
申请人: 长江水利委员会水文局
IPC分类号: G06Q10/04 , G06Q10/063 , G06Q50/06 , G06F30/20 , G06F111/06
摘要: 本发明公开了一种变化条件下水库压咸补淡调度方法及系统。采集预定区域的研究数据,对研究区域进行概化,构建区域河网拓扑;读取研究数据,获取预定区域中各个站点的N个时间周期的海水流量数据,分析预定站点的流量和咸潮入侵之间的关联关系,并针对每一时间周期构建海水流量时空演进模型;针对每个时间周期,获取研究区域的降雨数据和各个站点的淡水径流量,分析各个站点及第一终点的淡水流量变化趋势和水文情势变化趋势,并构建淡水流量时空演进模型;构建压咸补淡调度模型进行模拟,给出调度方法,形成调度方案集。本申请通过模拟分析明晰了控制站流量对水库下泄流量变化的响应关系;提出了水库对江口的压咸补淡调度方案。
-
公开(公告)号:CN116737858A
公开(公告)日:2023-09-12
申请号:CN202310735379.X
申请日:2023-06-20
申请人: 长江水利委员会水文局
IPC分类号: G06F16/29 , G06F16/215 , G06V20/13 , G06V20/10 , G06T17/05
摘要: 基于卫星遥感数据反演的林间穿透雨计算方法,包括如下步骤:1,提取流域内卫星遥感数据反演植被指数NDVI,并在数据缺省处进行插补;2,基于植被指数NDVI数据计算植被叶面积指数LAI,并估算植被冠层截留能力Sc和植被冠层的累积截留量Icum;3,根据植被冠层的累积截留量Icum和植被冠层渗漏率Sf动态更新植被冠层蓄水量S;4,根据植被指数NDVI估算植被覆盖率flc;5,基于降雨量P、植被冠层的累积截留量Icum、植被冠层渗漏率Sf、植被冠层蓄水量S和植被覆盖率flc计算林间穿透雨IP;其中,步骤4的顺序不固定,在步骤1和步骤5之间即可。该计算方法具有数据来源稳定可靠、计算效率高、结果客观合理等优点,有利于植被冠层降雨截留的动态计算,值得推广。
-
公开(公告)号:CN111047213B
公开(公告)日:2023-06-20
申请号:CN201911351595.4
申请日:2019-12-25
申请人: 长江水利委员会水文局
IPC分类号: G06Q10/0637 , G06Q10/04 , G06Q50/06
摘要: 本发明公开了一种基于多要素联合判别的中长期水资源量临界预警指标方法,包括定义流域或区域生态保障与防洪安全的水资源临界状态判断条件,建立水资源临界状态判别模型;分别计算临界流量距平和水分距平,利用二者建立反映流域内水资源临界状态的定量化综合指标;依据历史水资源异常事件划分不同等级的水资源状态预警指标;建立中长期水资源临界状态综合指标预测预报机制,实现中长期水资源临界状态的预测预警。本发明的有益效果是:利用流域内降雨蒸散和控制断面径流量构建综合的水资源临界状态指标,在此基础上利用降雨和径流预报,实现水资源临界状态的预测预警,提高水资源管理调度的科学性和安全性。
-
公开(公告)号:CN115271255A
公开(公告)日:2022-11-01
申请号:CN202211139933.X
申请日:2022-09-19
申请人: 长江水利委员会水文局
摘要: 本申请公开了一种基于知识图谱和机器学习的雨洪相似性分析方法和系统,通过对独立性检验后的暴雨特征指标集和洪水特征指标集进行主成分分析和聚类分析,获得暴雨聚类集合与洪水聚类集合,以及暴雨聚类集合中每一暴雨聚类与洪水聚类结合中每一洪水聚类的映射关系,形成暴雨聚类与洪水聚类之间的经验概率定量匹配关系;结合知识图谱和机器学习的相关技术,将待检雨洪过程数据输入雨洪推荐模块,获得若干组历史上的相似雨洪过程数据;将相似雨洪过程数据分别输入雨洪关系知识图谱,给出相似度数值,并对相似度数值进行降序排列。本申请大大提高了预测的效率和精确度,解决了机器学习对多样本多特征处理处理的局限,以及有效性分析薄弱的问题。
-
公开(公告)号:CN114997534B
公开(公告)日:2022-10-21
申请号:CN202210909459.8
申请日:2022-07-29
申请人: 长江水利委员会水文局
IPC分类号: G06Q10/04 , G06Q50/26 , G06V10/74 , G06F16/583 , G06F16/587
摘要: 本申请公开了一种基于视觉特征的相似降雨预报方法和设备,所述方法包括构建历史降雨图片库,提取历史降雨视觉特征;所述历史降雨视觉特征包括总降雨量、降雨空间分布和降雨中心;构建当前降雨图片集,提取当前降雨视觉特征,对所述历史降雨视觉特征和当前降雨视觉特征的距离进行度量,计算当前降雨视觉特征与每一时期历史降雨视觉特征的降雨相似度;为各个降雨相似度赋予权重,获得综合降雨相似度,并排序输出。本申请可更加直观地展示降雨数据空间特征,同时提高了数据处理的速度和相似度对比的精确度。
-
公开(公告)号:CN114677064B
公开(公告)日:2022-09-30
申请号:CN202210583907.X
申请日:2022-05-27
申请人: 长江水利委员会水文局
摘要: 本发明提供一种耦合最优性与稳定性的梯级水库调度决策支持方法,包括以下步骤:分别构建非合作与合作机制下的梯级水库发电效益模型,以日尺度长时间系列径流资料为模型输入数据;利用改良的水循环算法求解以上模型,从而获得两种机制下梯级水库发电效益;确定发电效益的合作增量,并采用指标法对其进行再分配;量化系统最优性与稳定性;采用合作博弈法耦合以上两种性能指数;依据耦合指数向量对备选方案进行排序,并结合梯级水库群的合作增益计算水库的最终效益分配。首次提出采用合作博弈来耦合最优性与稳定性指标,并提出相应的决策支持技术,对于协调各水库利益冲突,达成对其相对有利的、且现实可行的调度策略具有重要意义。
-
公开(公告)号:CN110969312A
公开(公告)日:2020-04-07
申请号:CN201911333247.4
申请日:2019-12-23
申请人: 长江水利委员会水文局
摘要: 本发明公开了一种基于变分模态分解和极端学习机的短期径流预测耦合方法,包括以下步骤:通过变分模态分解方法将原始径流序列分解为若干个包含不同水文特征信息的分量径流序列;将每个分量径流序列分别选定影响因子集合,然后构建每个分量径流序列的极端学习机模型,利用正余弦算法对极端学习机模型的计算参数进行优化,并输出每个极端学习机模型的输出值;将输出值进行叠加运算,并输出原始径流序列的预测结果。本发明通过变分模态分解方法、极端学习机模型以及正余弦算法形成短期径流预测耦合方法,能够处理具有高度复杂的动态特的径流过程,大大提高了水文预报中径流预测的精准度。
-
-
-
-
-
-
-
-
-