[發明專利]一種考慮多源預報誤差不確定性的復雜水庫群優化調度方法

有效

• 申請號: 202110008065.0
• 申請日: 2021-01-05
• 公開（公告）號: CN112711896B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 于欣廷;郭玉雪;許月萍;鄭超昊
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G06K9/62;G06N3/12;G06F111/04;G06F111/06;G06F111/08;G06F113/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發明公開了一種考慮多源預報誤差不確定性的復雜水庫群優化調度方法，步驟如下：首先確定預報模型輸入因子，建立基于深度學習算法的徑流預報模型，根據模型的預報結果計算其預報誤差；然后在分析集合預報誤差的基礎上，借助Copula函數構建多源徑流預報誤差的聯合分布函數；采用蒙特卡洛法生成隨機模擬徑流作為調度模型的入庫徑流序列；建立水庫調度群決策因子優選模型，結合各水庫調度特性提取出合適的決策因子；進一步建立水庫群參數化調度規則；最后優選規則參數，獲取考慮多源預報誤差的不確定性的自適應性調度決策集合。本發明實現水庫群調度系統的高效化，降低預報誤差帶來的不確定性，提高復雜水庫群調度方案的合理性和可執行性。

技術領域

本發明屬于水庫群調度領域，具體涉及一種考慮多源預報誤差不確定性的復雜水庫群優化調度方法。

背景技術

水庫群是指位于同一河流上下游的梯級(串聯)水庫群、位于不同河流的并聯水庫群以及含以上兩者的混合水庫群的統一控制運用。水庫群作為一個系統進行整體調度可以有效實現地區水資源的優化配置，體現水庫的調蓄作用，對地區的用水保證、經濟發展都有很重要的意義。但由于預報本身存在誤差，且誤差具有隨機性，這種不確定性會降低水庫群的綜合效益，影響水庫群優化調度的精度與效率。

水庫群優化模型是基于徑流預報結果建立，對其求解進而獲得決策方案。而傳統的方式通常是建立不同時期、不同階段的徑流預報模型，并與水庫優化調度模型耦合，以此降低誤差帶來的影響。但不同模型的預報精度不同，且可能包含不同方面的正確信息，而目前缺少對多源預報誤差進行集合分析并綜合考慮其不確定性對預報結果影響的研究。因此，考慮多源預報誤差的不確定性及其作用方式，提高復雜水庫群調度的精度與效率，進一步優化調度模型，是目前國內外急需解決的實際問題也是研究領域的重點問題。

發明內容

針對現有技術的不足，本發明提出了一種考慮多源預報誤差不確定性的復雜水庫群優化調度方法。

為實現上述技術問題，本發明采用的技術方案是：

一種考慮多源預報誤差不確定性的復雜水庫群優化調度方法，包括以下步驟：

步驟1，確定預報模型輸入因子，分別建立基于深度學習算法的徑流預報模型，采用客觀賦權法對多模型預報結果進行處理并根據模型的預報結果計算其預報誤差，獲得多源預報誤差。

步驟2，描述分析多源徑流預報誤差的隨機性和模糊性，對水庫群的多源徑流預報誤差分別進行分布擬合優選，借助Copula函數構建多源徑流預報誤差的聯合分布函數。

步驟3，以獲得的徑流預報結果疊加預報誤差，采用蒙特卡洛法對每個水庫各生成多組隨機模擬徑流，作為復雜水庫群優化調度模型的入庫徑流序列。

步驟4，選擇水庫群調度決策因子作為待選集合，建立水庫調度群決策因子優選模型，結合各水庫調度特性提取出合適的水庫群調度決策因子。

步驟5，以水庫供水量為決策變量，將步驟4提取的水庫群調度決策因子引入高斯徑向基函數(RBF)，建立水庫群參數化調度規則，以進一步確定水庫群調度規則。

步驟6，以多目標魯棒優化準則為判斷依據，采用智能算法優選復雜水庫群優化調度規則參數，獲取考慮不確定性的綜合供水效益、成本及安全的自適應性調度決策集合。

上述技術方案中，進一步地，所述步驟1中所述的確定預報模型輸入因子，可采用相關系數方法篩選預報模型輸入因子。

進一步地，所述步驟1中所述的客觀賦權法為貝葉斯模型算法、主成分分析法、離差及均方差法、多目標規劃法等。

進一步地，所述步驟1中所述的多源預報誤差指利用多個模型，獲得多個水庫的預報結果，其結果與實際值之間的差值。

進一步地，步驟1中所述的對各水庫分別建立基于深度學習算法的徑流預報模型，根據模型的預報結果計算其預報誤差，具體包括以下步驟：