首页期刊导航|水电能源科学
期刊信息/Journal information
水电能源科学
水电能源科学

邴凤山 张勇传

月刊

1000-7709

sdny@mail.hust.edu.cn

027-87542126

430074

武汉市洪山区珞瑜路1037号华中科技大学内

水电能源科学/Journal Water Resources and Power北大核心CSTPCD
查看更多>>本刊主要报道水、电、能源及相关学科的新理论、新技术、新方法及工程应用成果，适当报道经验交流、技术革新和技术改造，涉及水电、电气与电子、能源与动力、土木与力学、环境工程、控制工程、计算机等多个学科。读者对象为从事水、电、能源开发与研究、生产、建设、设计施工、教学的科技和管理人员及大专院校师生。
正式出版
收录年代

    基于SA-NSGA-Ⅱ算法的水库多目标优化调度研究

    李传利李新杰金祖凯张红涛...
    183-187页
    查看更多>>摘要：针对带精英策略的快速非支配排序遗传算法 NSGA-Ⅱ求解多目标优化问题时存在局部搜索能力较差的缺陷,提出一种基于逐次逼近方法改进的快速非支配排序遗传算法(SA-NSGA-Ⅱ),该算法通过不断调整搜索空间来减小不可行域和支配解占比,从而增强局部搜索能力,快速逼近 Pareto 真实前沿.以平均出力最大和下游河道适宜生态流量改变度最小为目标,建立小浪底水库多目标优化调度模型,分别采用 SA-NSGA-Ⅱ和 NSGA-Ⅱ求解模型并比较优化效果.结果表明,在两种算法求解模型生成的混合 Pareto 前沿中,SA-NSGA-Ⅱ、NSGA-Ⅱ所生成的 Pareto 前沿点分别占比 80.45%、19.55%;SA-NSGA-Ⅱ、NSGA-Ⅱ生成的Pareto前沿中,分别有 86.90%、52.67%的点处于非支配地位,且 SA-NSGA-Ⅱ较 NSGA-Ⅱ的算法运算时间减少了 15.32%.因此,在相同初始条件下,SA-NSGA-Ⅱ的优化效果优于 NSGA-Ⅱ,验证了 SA-NSGA-Ⅱ在水库多目标优化调度中的适用性.

    遗传算法多目标优化调度小浪底水库

      原文链接:
    • 维普
    • 万方数据

    权衡生态和发电目标的梯级水库强化学习模型及其应用

    王一聪陈明洪
    188-191,206页
    查看更多>>摘要：为更好地发挥经济及生态效益,建立了基于强化学习算法的梯级水库优化调度模型,以周尺度小浪底天然入库流量过程为基础,探讨梯级水库发电与生态目标之间的权衡,并将该模型应用于小浪底-西霞院梯级水库中,分别探讨了不同调度方案下发电最优、生态最优和发电-生态权衡的优化调度策略.结果表明,以发电最优为目标时,梯级水库多年平均发电量比常规调度增加了 3.62%～7.92%;以生态最优为目标时,平均生态保证率比常规调度增加了 31.68%～33.66%.结果为梯级水库多目标优化调度提供了一种可行方法.

    多目标调度生态保证率发电量强化学习小浪底水库西霞院水库

      原文链接:
    • 维普
    • 万方数据

    不同植物根系对岸坡土体抗剪强度的影响

    孙津张凌凯
    192-196页
    查看更多>>摘要：干旱地区植被根系在增强土体抗剪强度方面具有显著作用.为探究塔里木河下游植物根系对岸坡土体抗剪强度的影响,明确植被对岸坡防护的作用机理,以红柳、芦苇、骆驼刺、梭梭 4 种典型荒漠植被为例,开展室内根系拉伸试验和直接剪切试验,对比分析了 4 种植物根系对土体抗剪强度的影响规律.结果表明,4种根系的直径与抗拉力和抗拉强度均呈幂函数关系,其中与抗拉力呈正相关,与抗拉强度呈负相关,当根系直径>1.5 mm 后抗拉力差异性显著提高;根系体积密度(RRVD)对根—复合体的抗剪强度影响呈非线性.4 种根—土复合体增加相同RRVD 时,对抗剪强度的提高程度依次为红柳>芦苇>骆驼刺>梭梭,表明红柳和芦苇在提高抗拉力和土体粘聚力方面具有显著优势,可作为沿岸固土防蚀植被推广种植.

    塔里木河根—土复合体根系体积密度直剪试验岸坡稳定

      原文链接:
    • 维普
    • 万方数据

    弗劳德数影响下的沙质河床丁坝群局部冲刷数值模拟

    刘尚昆何文社杨喜莲
    197-201页
    查看更多>>摘要：为分析弗劳德数对沙质河床丁坝群局部冲刷的影响,基于 MIKE21 对三种泥沙粒径沙质河床在不同弗劳德数下的丁坝群局部冲刷进行数值模拟,总结了冲刷范围及特征断面的变化规律.结果表明,局部冲刷除Ⅱ号坝头产生淤积外其余丁坝坝头均产生局部冲刷;同一弗劳德数下,泥沙粒径越小,冲刷范围及断面变化越大,高弗劳德数时更为明显,而同一粒径下,弗劳德数越大,冲刷范围及断面变化会越大,在泥沙粒径较小时更为明显;在泥沙粒径较小、弗劳德数较大时,冲刷范围几乎影响整个丁坝群河道且首坝附近河床整体为先冲后淤.

    弗劳德数沙质河床丁坝群局部冲刷数值模拟

      原文链接:
    • 维普
    • 万方数据

    基于SWMM和LISFLOOD-FP的城市内涝耦合模型研究

    李智张倩兰双双
    202-206页
    查看更多>>摘要：以柳州市箭盘山流域为例,构建SWMM一维管道模型与LISFLOOD-FP二维地面模型并将其耦合,基于实测降雨"20180818"24 h暴雨资料,将得到的暴雨内涝淹没水深和淹没面积与该场次降雨情况下记录淹没点的范围相比较,验证耦合模型具有较好的适用性.进而基于耦合模型,对柳州市箭盘山流域 2、5、10、20年一遇下设计降雨进行模拟,得到不同重现期下研究区的溢流节点、淹没水深和淹没面积,并于 ARCGIS 平台将结果可视化.结果表明,重现期由 2 年上升到 20 年过程中,溢流节点比例从 9.03%增加至 25.99%,溢流面积从 0.473 km2 增加至 2.114 km2;重点淹没区域分布在屏山大道、炮团路、西江路和东堤路.

    SWMMLISFLOOD-FP城市洪涝耦合箭盘山流域

      原文链接:
    • 维普
    • 万方数据

    基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究

    王娜娜毕远杰何苗郭向红...
    207-211页
    查看更多>>摘要：为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于 Stacking 策略建立集成学习模型(LSM),将 LSM模型的模拟精度与 MLR、SVM、MLP、RF、GBDT 模型的模拟精度进行对比.结果表明,影响苹果树蒸散量的主要因子为日平均太阳辐射、相对湿度、风速、温度和日序数,最大互信息值分别为 0.97、0.72、0.63、0.62、0.60,表层土壤温度及土壤含水率对蒸散量的影响较小.相比于 MLR、SVM、MLP、RF、GBDT模型,LSM模型的模拟精度最高,MLR模型的模拟精度最低;使用日平均太阳辐射、相对湿度、风速、温度及日序数 5 个特征参数在准确模拟苹果树蒸散量的同时,还能降低特征的获取成本.研究结果可为苹果树逐日蒸散量的精准模拟提供有效方法.

    作物蒸散量苹果树机器学习Stacking集成学习模拟精度影响因子

      原文链接:
    • 维普
    • 万方数据

    饱和溶液电导率法在滨海高盐土壤水盐运移规律分析中的应用

    贾正阳杨海刘鹏梅世嘉...
    212-216页
    查看更多>>摘要：分析海涂围垦区土壤水盐运移规律对改良滨海区域盐碱地有着重要意义.而在高盐土壤中实现含水率和可溶解盐分浓度的连续测量是掌握海涂围垦区土壤水盐运移规律的关键,因此以江苏如东海涂围垦试验区内的重度盐土为研究对象,利用耐盐度较好的土壤水分—盐分传感器连续监测土壤含水率、表观电导率变化,以土壤饱和溶液电导率(ECsat)为盐分当量指标,分析受降雨、蒸发影响的水盐运移规律.结果表明,ECsat 可用以指示土壤中最大可溶解盐分含量.此外,土壤盐分在年内呈显著的季节性变化,即在冬季土壤中盐分较高,春季土壤脱盐,夏季土壤盐分波动剧烈,秋季土壤积盐明显.在蒸发和降雨过程中,ECsat 可有效指示不同埋深处土壤盐分的变化特征,结合土壤水分运移规律可直观佐证"盐随水走"的运移特征.

    饱和溶液电导率海涂围垦区水盐运移蒸发降雨

      原文链接:
    • 维普
    • 万方数据

    基于K-means聚类和极限学习机组合算法的短期光伏功率预测

    黄牧涛邢芳菲陈兴邦卢明...
    217-220,216页
    查看更多>>摘要：考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响,提出了基于极限学习机组合算法的短期光伏功率预测方法.首先,基于K-means聚类算法进行天气分型,分为 4 个季节下晴天、多云天气、阴雨天气共 12 组不同天气类别.其次,针对天气分型结果,基于极限学习机 ELM、遗传算法改进的极限学习机GA-ELM、鸟群算法改进的极限学习机BSA-ELM3 种算法构建光伏功率预测模型.最后,以某光伏电站数据进行所提模型验证.预测结果表明,BSA-ELM预测精度最高,12 种天气预测精度达到 90%左右,各季节中预测精度最高的天气类型均为晴天,多云天气精度高于阴雨天气精度,可为含高比例光伏并网的新型电力系统安全稳定运行提供有效数据支撑.

    光伏发电功率预测K-means聚类天气分型极限学习机算法遗传算法鸟群算法

      原文链接:
    • 维普
    • 万方数据