摘要
水能资源是无污染可循环利用再生的宝贵能源，水能发电的合理运用可以有效地对生态环境进行保护，水能资源开发和挖掘时，会对发电、防洪、灌溉、航运、供水等方面产生巨大的效益。本文的研究对象选取位于黄河上游的龙羊峡和刘家峡两座水库，首先运用BP神经网络、RBF神经网络、MLR多元线性回归三种预报模型对龙羊峡水库进行以月为时段的中长期径流预报；其次通过Copula函数和Gibbs抽样模拟历史径流，各个相邻月份之间的转移概率矩阵使用马尔科夫链构建；入库径流的区间范围可以采用数理统计的方法划分，建立水库随机优化调度模型；提取随机优化(SDP)调度规则；最后依据径流预报以及调度规则制定水库调度计划。本文的研究内容和成果如下： (1)中长期径流预报方法研究。选用龙羊峡水库的月入库径流、流域降雨两种数据的24个因子作为初选预报因子，并对其进行灰色关联筛选，从中依次优选出与入库径流相关性最高的前8个预报因子，建立BP神经网络、RBF神经网络、MLR多元线性回归，三种月尺度下的径流预测模型，分别训练三种模型的参数，同时记录并保存各个模型在训练期及检验期计算得到的各项参数指标，如：Nash效率系数、均方差、平均相对误差等。结果表明，这三种预报模型在训练期和检验期的确定性系数均在80%以上，达到精度要求，能够对龙羊峡水库入库径流预报起到指导作用。 (2)基于Copula联合分布函数的径流模拟研究。研究对象选用龙羊峡水库的历史径流，选取五种通用的单一变量边缘分布函数分别拟合1-12月的径流概率密度曲线，筛选出各个月份最优的分布函数；运用三种阿基米德Copula函数分别对各相邻月份之间进行联合分布函数的构建，筛选出各相邻月份之间最优的Copula联合分布函数的型式；基于月与月间最优的Copula联合分布函数，采用MCMC中的Gibbs方法对其进行抽样，模拟产生10000组月径流数据，将模拟径流数据与历史径流数据的各项参数进行比较，验证模拟径流数据的可靠性与合理性。 (3)考虑径流不确定性的随机优化调度规则的研究。考虑到来水的不确定性，将模拟产生10000组月径流数据作为研究对象，对各个月份分别进行等级划分，并选取各月份各入流等级的代表径流量，同时计算相邻月份之间不同级别来水的转移概率，由此生成了结合马尔科夫链与概率论方法的相邻月份之间的入库径流状态转移概率矩阵；建立以发电量最大为目标的黄河上游龙羊峡-刘家峡两库随机优化调度模型，应用SDP算法对该模型进行求解，最终得到两库联合优化调度规则，该成果能够直接为调度工作提供指导；分别用DP算法和SDP算法对平水年的入流数据进行计算比较，两种算法的年发电量基本相同，表明了该调度规则具有很高的可靠性；以径流预报模型所预报的径流数据为输入，结合所构建的调度规则，即可为水库制定未来时段的调度计划。
NETL