DE112021001581T5 - Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels - Google Patents
Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels Download PDFInfo
- Publication number
- DE112021001581T5 DE112021001581T5 DE112021001581.8T DE112021001581T DE112021001581T5 DE 112021001581 T5 DE112021001581 T5 DE 112021001581T5 DE 112021001581 T DE112021001581 T DE 112021001581T DE 112021001581 T5 DE112021001581 T5 DE 112021001581T5
- Authority
- DE
- Germany
- Prior art keywords
- reservoir
- period
- annual
- der
- runoff
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008859 change Effects 0.000 title claims abstract description 117
- 230000033228 biological regulation Effects 0.000 title claims abstract description 88
- 238000004458 analytical method Methods 0.000 title claims abstract description 68
- 238000005315 distribution function Methods 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000008901 benefit Effects 0.000 claims abstract description 51
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000002948 stochastic simulation Methods 0.000 claims abstract description 19
- 230000001186 cumulative effect Effects 0.000 claims abstract description 18
- 238000001556 precipitation Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 48
- 238000011160 research Methods 0.000 claims description 42
- 230000014509 gene expression Effects 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 17
- 238000013139 quantization Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 241000039077 Copula Species 0.000 claims description 9
- 238000012950 reanalysis Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 abstract 1
- 241001136792 Alle Species 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Die Erfindung bezieht sich auf das technische Gebiet des Betriebs für Stausee und stellt ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit, umfassend die folgenden Schritte: gemäß den Vorhersageinformationen von Temperatur und Niederschlag, dem hydrologischen Modell und der stochastischen Simulationsmethode unter den Bedingungen des zukünftigen Klimawandels werden mehrere Sätze von simulierten Abflusssequenzen generiert; basierend auf den aktuellen Regelungen des Betriebs für Stausee werden mehrere Sätze entsprechender jährlicher Nutzenproben erhalten; der Typ des hydrologischen Jahres wird verwendet, um den jährlichen Nutzen des Betriebs für Stausee zu klassifizieren und den klassifizierten jährlichen Nutzen des Betriebs für Stausee zu erhalten; durch Parameterschätzung und Anpassungsgütetest wird die optimale Wahrscheinlichkeitsverteilungsfunktion ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist; basierend auf der optimalen Wahrscheinlichkeitsverteilungsfunktion und dem akzeptablen Risikoniveau wird durch Berechnung der inversen kumulativen Verteilung einen klassifizierten Risikofrühwarnschwellenwert bestimmt; mit Hilfe der Methode der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt; durch die obigen Schritte kann der Zeitpunkt abgefragt werden, zu dem die Regelungen des Betriebs für Stausee geändert werden.
Description
- Technisches Feld
- Die Erfindung bezieht sich auf das technische Gebiet der Betriebs für Stausee bei der Verwaltung von Wasserschutzprojekten, insbesondere auf ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels.
- Stand der Technik
- Der Klimawandel hat die hydrometeorologischen Bedingungen auf globaler und regionaler Ebene verändert, die ursprünglichen Konsistenzbedingungen gebrochen und die Bewirtschaftung der Wasserressourcen vor große Herausforderungen gestellt. Ein Stausee mit guter Regulierung und Speicherung ist eine wirksame technische Maßnahme, um mit den nachteiligen Auswirkungen des Klimawandels bei der Bewirtschaftung der Wasserressourcen im Becken umzugehen. In den letzten Jahrzehnten ist die strategische Notwendigkeit von Stauseen zur Anpassung an den Klimawandel zunehmend erkannt worden. Derzeit können die gängigen Forschungsmethoden der adaptiven Regulierung von Stauseen wie folgt zusammengefasst werden: Top-down-Verfahren und Bottom-up-Verfahren. Ersteres Verfahren besteht darin, die hydrometeorologischen Vorhersageinformationen zukünftiger Klimawandelszenarien durch das Globale Klimamodell (GCM) und das hydrologische Modell bereitzustellen und dann die zukünftigen hydrometeorologischen Vorhersageinformationen zu kombinieren, um Untersuchungen zum Betrieb für Stausee durchzuführen und adaptives Betrieb-Schema für Stauseee vorzuschlagen; letzteres Verfahren basiert auf der Kombination verschiedener möglicher Niederschlags- und Temperaturvariationen zur Bildung eines zukünftigen Klimawandelszenarios, wobei die Risikotoleranz des Stauseesystems und die Präferenzen lokaler Entscheidungsträger berücksichtigt werden, um die Risikoresistenz der aktuellen Regelungen des Betriebs für Stausee zu bewerten, wobei für die Szenariodomänen, die eine Risikobedrohung darstellen, ein robustes Betrieb-Schema implementiert wird, gefolgt von einer adaptiven Bewertung.
- Es gibt jedoch die folgenden Probleme in der bestehenden Technologie: (1) Sowohl das Top-down-Verfahren als auch das Bottom-up-Verfahren lösen das Problem, „wie“ die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels geändert werden können, aber sie können nicht das Problem lösen, „wann“ die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels geändert werden können. (2) Gegenwärtig nimmt das Top-down-Verfahren hauptsächlich einen künstlichen und subjektiven Weg an, um den Zeitraum des zukünftigen Klimawandels anzunehmen, um Forschungen zur adaptiven Regulierung des Stausees durchzuführen, aber diese Methode mit Mangel an wissenschaftlicher und vernünftiger Erklärung verringert die Anwendungswert des Top-down-Verfahrens. (3) Einige niederländische Wissenschaftler haben gemäß dem grundlegenden Konzept des Bottom-up-Verfahrens den Zeitraum bestimmt, in dem eine adaptive Regulierung des Stausees notwendig ist, indem die Schwankungen der physikalischen Umgebungsgröße (z.B. Wasserstand, Durchfluss), die unter dem Einfluss des zukünftigen Klimawandels einen akzeptablen Schwellenwert überschreiten, durch die aktuellen Regelungen des Betriebs für Stausee analysiert wird. Dieses Verfahren ist jedoch nur auf umweltbezogene Regelungen des Betriebs für Stausee anwendbar (z. B. Hochwasserschutz, Ökologie). Für die Regelungen des Betriebs für Stausee (z. B. Stromerzeugung), die hauptsächlich am sozialen und wirtschaftlichen Nutzen gemessen wird, da ihre Nutzenhöhe von mehreren Faktoren wie Abflusshöhe, Stause-Merkmale, Anlageneigenschaften und dergleichen beeinflusst wird, kann ihre angemessene akzeptable Schwellenwert nicht direkt entsprechend den Umweltbeschränkungen gegeben werden. Diese bestehende Technologie ist schwierig direkt anzuwenden und zu erweitern. Das chinesische Patentdokument
CN106022960A beschreibt ein Verfahren zur Parameteroptimierung von Regelungen des Betriebs für Stausee mit mehreren Zielen auf der Grundlage von Data-Mining, wobei der Mehrziel-Optimierungsalgorithmus verwendet wird, um den nicht-unterlegenen Lösungssatz für Betrieb für Stausee mit mehreren Zielen zu erhalten, und das Random-Forest-Modell wird verwendet, um die Beziehung zwischen allen Parametern der Regelungen des Betriebs für Stausee und dem nicht-unterlegenen Lösungssatz herzustellen, wobei durch Bewerten des Vorhersageeffekts jedes Parameters auf den nicht-unterlegenen Lösungssatz die Parameter der Regelungen des Betriebs für Stausee mit mehreren Zielen mit der größten Informationsmenge ausgewählt werden. Dieses Schema stützt sich jedoch hauptsächlich auf den linearen Entwicklungstrend zukünftiger Parameter. Wenn es einen nichtlinearen Entwicklungstrend gibt, ist die Anwendbarkeit der Regel schlecht, und das Schema kann das Versagen der aktuellen Regel nicht beurteilen. - Offenbarung
- Das durch die vorliegende Erfindung zu lösende technische Problem besteht darin, ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereitzustellen, das dem Stauseeverwalter helfen kann, den Zeitpunkt des Umschaltens der Regelungen des Betriebs für Stausee im Voraus vorherzusagen. Es kann auch die fehlende theoretische Unterstützung des Top-down-Verfahrens bei der Behandlung des Problems „wann ändern“ ausgleichen, und es kann auch die technische Lücke in dem Bottom-up-Verfahren der Regelungen des Betriebs für Stausee schließen, die hauptsächlich an sozialen und wirtschaftlichen Vorteilen gemessen wird, um das Problem des „wann ändern“ zu lösen.
- Um die oben erwähnten technischen Probleme zu lösen, verwendet die vorliegende Erfindung die folgenden technischen Lösungen: Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit, wobei es die folgenden Schritte umfasst:
- S1. Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen eines zukünftigen Klimawandels werden erfasst, wobei eine Herunterskalierung und eine Fehlerkorrekturverarbeitung durchgeführt werden, so dass die Vorhersageinformationen von Temperatur und Niederschlag auf ein lokales Interessengebiet beschränkt sind, wobei ein hydrologisches Modell integrieret wird, um Abflussvorhersageinformationen unter dem vorhergesagten zukünftigen Klimawandelszenario zu erhalten;
- S2. Gemäß den Abflussvorhersageinformationen wird mehrere Sätze von simulierten Abflusssequenzen unter Verwendung von einer stochastischen Simulationsmethoden generiert; wobei die mehrere Sätze von simulierten Abflusssequenzen dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden;
- S3. Eine Satzpaare-Analysemethode wird verwendet, um die Typen von hydrologischen Jahren von reich bis trocken zu unterteilen; wobei gemäß den Ergebnissen des Typs der hydrologischen Jahren die in Schritt S2 berechneten jährlichen Nutzenproben des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzenproben, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird;
- S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist;
- S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikowarnschwellenwert (Risk-basedwarning threshold, RWT) bestimmt;
- S6. Der klassifizierte Risikowarnschwellenwert wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der Technologie der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit (Failurewarining time, FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt;
- Vorzugsweise wird die Abflussvorhersagesequenz unter den Bedingungen des zukünftigen Klimawandels als Referenzdaten genommen;
wobei unter Verwendung einer multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für den Stausee k im Kaskadensystem ein Ausdruck lautet: - Vorzugsweise umfasst in Schritt S3 die Klassifizierung von Typen der hydrologischen Jahren von reich bis trocken die folgenden Schritte:
- S01. Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses
- S02. Der Abfluss in der i-ten Periode des j-ten Jahres wird unter dem s-ten Zyklus mit dem Teilungsstandard der ABflussgröße in der entsprechenden Periode verglichen, wobei das Klassifikationsergebnis, das sich in dem Abfluss in dieser Periode widerspiegelt, bestimmt wird, das als
- S03. Für die Periode i von 1 bis TS im selben Jahr im selben Zyklus wird der obige Schritt S02 wiederholt, um das Klassifizierungsergebnis des Jahres unter Berücksichtigung der Auswirkungen des Abflusses zu erhalten, nämlich
- S04. Das obige Klassifizierungsergebnis
- S05. Gemäß dem von S04 berechneten Ergebnis des Assoziationsgrades, der den kombinierten Einfluss der Abflussgröße und der jährlichen Abflusszeitgeschichte-Verteilungen zusammenfasst, wird die Kategorie der Reichhaltigkeit und Trockenheit, die dem maximalen Assoziationsgrad entspricht, als Typ des hydrologischen Jahres
- S06. Die obigen S02 bis S05 werden wiederholt, wobei der Typ des hydrologischen Jahres im selben Zyklus jedes Jahres bestimmt wird, wobei dann die Anzahl von Zyklen berechnet wird; wobei das Endergebnis des Typs des hydrologischen Jahres eine L×N-Matrix ist; wobei L die Gesamtzahl der Zyklen der stochastischen Abflusssimulation und N die Gesamtzahl der Jahre in der zukünftigen Periode ist.
- Vorzugsweise wird in Schritt S3 für jeden Stausee im Kaskadensystem das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet, wobei der Ausdruck lautet:
- Vorzugsweise ist die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Mittelwert der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees, wobei der Ausdruck lautet:
- Vorzugsweise wird in Schritt S4 der AIC als Bewertungsindikator verwendet, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei die spezifischen Schritte wie folgt sind:
- S11. Für jedes Forschungsobjekt, einschließlich jedes Kaskaden-Stausee-Systems oder jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen zu bilden; wobei der konkrete Ausdruck lautet:
- S12. Basierend auf einer Entscheidungsmatrix mit mehreren Zielen EMXstd werden alle klassifizierten jährlichen Nutzen zusammenfasst, wobei die relative Zugehörigkeit berechnet wird, der jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion entspricht, wobei der Ausdruck lautet:
- S13. Der gewichtete durchschnittliche relativen Zugehörigkeitsgrad jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion bei Zusammenfassung der Bewertungsergebnissen der Anpassungsgüte aller Forschungsobjekte berechnet wird, wobei die Wahrscheinlichkeitsverteilungsfunktion, die dem größten gewichteten durchschnittlichen relativen Zugehörigkeitsgrad entspricht, als die optimale Wahrscheinlichkeitsverteilungsfunktion angenommen wird, wobei der Ausdruck lautet:
- Vorzugsweise wird in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert durch Berechnen der inversen kumulativen Verteilungsfunktion der optimalen Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt, wobei der Ausdruck ist:
- RWT steht für den minimal akzeptablen jährlichen Nutzenwert und ist ein wichtiger Indikator, um zu messen, ob die aktuellen Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels ausfallen;
wobei Pr(□) das Wahrscheinlichkeitsoperationssymbol ist; wobei - Vorzugsweise wird in Schritt S6 die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens verwendet, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren, und die spezifischen Schritte sind wie folgt:
- S21. Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter den Bedingungen des zukünftigen Klimawandels EVj ist, wobei die Variable EVj unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV1 ,..., EVj ,..., EVN) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist; wobei der Ausdruck von EVj ist:
- S22. Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip der kumulativen Zählung verwendet wird, wobei der Ausfallwahrscheinlichkeitsänderungspunkt der aktuellen Regelungen des Betriebs für Stausee analysiert wird, und wobei ein Hypothesentest durchgeführt wird, um die Ausfallfrühwarnzeit zu identifizieren, wobei der Ausdruck ist:
- S23. Mit dem erkannten Änderungspunkt τ als eine Abgrenzung kann die gesamte Zukunftsphase in die Phase vor der Ausfallfrühwarnzeit - vor dem Ausfallzeitraum (1, 2,..., τ -1) und die Phase während und nach der Ausfallfrühwarnzeit - Ausfallzeitraum (τ,τ+1,...,N) unterteilt werden, wobei für diese beiden Phasen die folgenden Formeln verwendet werden, um die jeweilige durchschnittliche Ausfallwahrscheinlichkeit zu berechnen;
- S24. Entsprechend der Natur der Ausfallfrühwarnzeit muss das Berechnungsergebnis von S23 eine Beschränkungsbedingung p1 < p2 erfüllen; wenn also diese Beschränkungsbedingung erfüllt werden kann, dann FWT = Yrb + τ - 1 der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum, wobei Yrb das Startjahr der zukünftigen Phase ist;
- Vorzugsweise in Schritt S6
-
- S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p1 < p2 nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p3 = p2 ist, wobei (EV1.,...,EVj,......EVτ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei S22~S23 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p1 und p2 entsprechend die Periode von 1 bis τ - 1 und die Periode von τ bis τ* berechnet werden;
- S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p1 < p2 erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, während des Ausfallzeitraums und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p1, p2, p3 sind; und der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT=Yrb+τ-1 ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, als Lösung-2 (solution-2, SL-2) bezeichnet wird.
- 10. Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit nach Anspruch 9, dadurch gekennzeichnet, dass im Schritt S6,
- S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p1 <p2 immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ -1 , von Periode τ zu τ* < 1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird; dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet; daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT=Yrb; wobei die Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, als Lösung-3 (solution-3, SL-3) bezeichnet wird;
- Die vorliegende Erfindung stellt ein Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels bereit. Durch Anwenden des obigen Schemas wird vom Standpunkt des Ausfallwahrscheinlichkeitsänderungspunkts das technische Problem gelöst, wann die Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels zu ändern ist. Das Verfahren der vorliegenden Erfindung kann nicht nur die fehlende theoretische Unterstützung des Top-down-Verfahrens bei der Behandlung des Problems „wann ändern“ ausgleichen, als auch die technische Lücke in dem Bottom-up-Verfahren der Regelungen des Betriebs für Stausee schließen, die hauptsächlich an sozialen und wirtschaftlichen Vorteilen gemessen wird, um das Problem des „wann ändern“ zu lösen. Das Verfahren der vorliegenden Erfindung ist sowohl auf Einzel-Stausee als auch auf Kaskaden-Stausee anwendbar.
- Figurenliste
- Es wird nachfolgend in Verbindung mit den beigefügten Zeichnungen und Ausführungsbeispielen näher erläutert.
-
1 ist ein Ablaufdiagramm der vorliegenden Erfindung. -
2 ist ein Berechnung-Ablaufdiagramm für eine Analyse des Typs des hydrologischen Jahres basierend auf der Satzpaare-Analysemethode der vorliegenden Erfindung. -
3 ist ein Berechnung-Ablaufdiagramm des Teilungsstandards der jährlichen Abflussgröße der vorliegenden Erfindung. -
4 ist ein Berechnung-Ablaufdiagramm für Identifizieren der Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee basierend auf der probabilistischen Änderungspunktanalysetechnologie der vorliegenden Erfindung. -
5 ist ein Implementierung-Ablaufdiagramm des Ausfallfrühwarn-Analyseverfahrens für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels in den Ausführungsbeispielen der vorliegenden Erfindung. -
6 ist ein Graph, der die Analyseergebnisse der Änderungen von hydrometeorologischen Merkmalen von zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt. -
7 ist ein Ergebnisdiagramm der optimalen Auswahl der Verteilungsfunktion des jährlichen Nutzens des Betriebs für Stausee in den Ausführungsbeispielen der vorliegenden Erfindung. -
8 ist ein Listendiagramm von Grundparametern des Kaskaden-Stausee-Systems in den Ausführungsbeispielen der vorliegenden Erfindung. -
9 ist ein Diagramm einer Parameterinformationstabelle der aktuellen Regelungen des Betriebs für Stausee des Kaskaden-Stausees in den Ausführungsbeispielen der vorliegenden Erfindung. -
10 ist ein Graph, der die Parameter-Ergebnistabelle der Normalverteilungsfunktion der klassifizierten jährlichen Nutzen unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen zeigt. -
11 ist ein Graph, der die Berechnungsergebnistabelle der klassifizierten Risikofrühwarnschwellenwerte unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt. -
12 ist ein Graph, der die Ergebnistabelle der Ausfallfrühwarnzeit und der Hypothesenteste unter zwei zukünftigen Klimawandelszenarien in den Ausführungsbeispielen der vorliegenden Erfindung zeigt. - Konkrete Ausführungsformen
- Ausführungsbeispiel 1:
- Wie in
1 gezeigt, S1. GCM (Global Climate Model) liefert großräumige Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen des zukünftigen Klimawandels und verwendet dann die Herunterskalierung und Fehlerkorrekturtechnologie für die Verarbeitung, sodass die Vorhersageinformationen von Temperatur und Niederschlag für kleine regionale Skalen geeignet sind, und dann eine Vorhersage des Abflusses unter zukünftigen Klimawandelszenarien mit Hilfe von hydrologischen Modellen erfolgt; - S2. Basierend auf den aus S1 erhaltenen Abflussvorhersageinformationen wird die multivariate Copula-Methode (die Copula-Funktion beschreibt die Korrelation zwischen Variablen, die eigentlich eine Funktion ist, die die gemeinsame Verteilungsfunktion mit ihren jeweiligen Randverteilungsfunktionen verbindet , auch bekannt als die Verbindungsfunktion.Copula ist eine Methode zur stochastischen Simulation unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses) verwendet, um mehrere Sätze von simulierten Abflusssequenzen zu generieren; wobei diese dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden;
- S3. Die Satzpaare-Analysemethode wird verwendet, um die Typen der hydrologischen Jahren (HYC) von reich bis trocken zu unterteilen; wobei basierend auf den Ergebnissen des Typs der hydrologischen Jahren die in S2 berechneten jährlichen Nutzen des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzen, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird;
- S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist;
- S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikofrühwarnschwellenwert (RWT) bestimmt;
- S6. Der in Schritt S5 bestimmte klassifizierte Risikofrühwarnschwellenwert (RWT) wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der probabilistischen Änderungspunktanalysetechnologie wird die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt, d.h. der Zeitpunkt, zu dem die alten und neuen Regelungen des Betriebs für Stausee geändert werden.
- Vorzugsweise zielen die Schritte S2 bis S4 darauf ab, die Wahrscheinlichkeitsverteilungsfunktion des jährlichen Nutzens des Betriebs für Stausee unter Berücksichtigung von Abflusseinfluss zu bestimmen, was wichtige Voraussetzungen für die Berechnung der klassifizierten Risikofrühwarnschwellenwerts in Schritt S5 liefert.
- Vorzugsweise werden in Schritt S der Typ und Anzahl der verwendeten GCMs gemäß der Situation des Untersuchungsgebiets bestimmt, wobei der Zeitraum für GCM zur Beschreibung des zukünftigen Klimawandels vom Endzeitpunkt der historisch gemessenen Informationen bis Jahr 2100 reichen sollte.
- Vorzugsweise wird, wie in
2 gezeigt, in Schritt S2 die Abflussvorhersagesequenz unter den Bedingungen des zukünftigen Klimawandels, die basierend auf GCM erhalten wird, als Referenzdaten verwendet, wobei unter Verwendung der multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für das Stausee k im Kaskadensystem ein mathematische Ausdruck lautet: - Außerdem können in Schritt S2 die aktuellen Regelungen des Betriebs für Stausee parametrisierte Betriebsregelungen sein, die basierend auf historisch gemessenen Abflussdaten extrahiert wurden, oder können herkömmliche Betriebsdiagramme sein, die auf Stausee-Entwurfsdaten basieren.
- Vorzugsweise werden, wie in
2 gezeigt, in Schritt S3 die folgenden Annahmen für die Einteilung der hydrologischen Jahren unter den Bedingungen des zukünftigen Klimawandels getroffen: 1) Die bei der Analyse des Typs der hydrologischen Jahren verwendeten Abflussinformationen berücksichtigen nicht die regulierende Wirkung des Stausees; 2) Da der durch stochastische Simulationsberechnung in Schritt S2 erhaltene Abflussdatensatz verwendet wird, um die Bedingungen des zukünftigen Klimawandels, die den Referenzdaten entsprechen, d. h. die durch GCM beschriebenen Bedingungen des Klimawandels, darzustellen, ist der durch stochastische Simulation erhaltene Abflussdatensatz als Abflussunterlagen für die Analyse des Typs des hydrologischen Jahres verwendet. Anders als bei einer einzelnen mehrjährigen Abflusssequenz, da dieser Datensatz L Gruppen von mehrjährigen Abflusssequenzen umfasst, muss die Quantilmethode verwendet werden, um den Teilungsstandard der Abflussgröße zu bestimmen. Die Typen der hydrologischen Jahren umfassen vier Stufen, d.h. reich, relativ reich, relativ trocken und trocken, die entsprechend vereinfacht als Kategorien I, II, III und IV bezeichnet werden. Die vorliegende Erfindung wendet die Satzpaare-Analysemethode an, um den in2 gezeigten Prozess zur Berechnung des Typs des hydrologischen Jahres auszuführen, dieser Prozessfluss kann die Analyse des Typs des hydrologischen Jahres für jedes Stausee in dem Kaskaden-Stausee ausführen, und die spezifischen Berechnungsschritte sind wie folgt: - S01: Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses
- S02: Der Abfluss in der i-ten Periode des j-ten Jahres wird unter dem s-ten Zyklus mit dem Teilungsstandard der Abflussgröße in der entsprechenden Periode verglichen, wobei das Klassifikationsergebnis, das sich in der Abflussgröße in dieser Periode widerspiegelt, bestimmt wird, das als
3 dargestellt. Der spezifische Berechnungsprozess wird wie folgt beschrieben: alle stochastische Abflusssimulationsergebnisdatensätze werden nach dem Zeitraum geteilt, nämlich - S03: Für die Periode i von 1 bis TS im selben Jahr im selben Zyklus wird der Schritt S02 wiederholt, um das Klassifizierungsergebnis des Jahres unter Berücksichtigung der Auswirkungen des Abflusses zu erhalten, nämlich
- S04: Das obige Klassifizierungsergebnis
- S05: Gemäß dem von S04 berechneten Ergebnis des Assoziationsgrades, der den kombinierten Einfluss der Abflussgröße und der jährlichen Abflusszeitgeschichte-Verteilungen zusammenfasst, wird die Kategorie der Reichhaltigkeit und Trockenheit, die dem maximalen Assoziationsgrad entspricht, als Typ des hydrologischen Jahres
- S06: Die obigen S02 bis S05 werden wiederholt, wobei der Typ des hydrologischen Jahres im selben Zyklus jedes Jahres bestimmt wird, wobei dann die Anzahl der Zyklen berechnet wird. Daher ist das Endergebnis des Typs des hydrologischen Jahres eine L×N-Matrix, wobei L die Gesamtzahl der Zyklen der stochastischen Abflusssimulation und N die Gesamtzahl der Jahre in der zukünftigen Periode ist.
- In Schritt S03 für jeden Stausee im Kaskadensystem wird das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet, wobei der mathematische Ausdruck lautet:
- Da der jährliche Nutzen des Gemeinschaftsbetriebes von Kaskaden-Stausee die Summe der jährlichen Nutzen jedes Stausees ist, ist die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Mittelwert der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees, d.h. der mathematische Ausdruck lautet:
- Vorzugsweise ist es, wie in
3 gezeigt, in Schritt S4 notwendig, eine Wahrscheinlichkeitsverteilungsfunktion zu finden, die für unterschiedliche Forschungsobjekte und unterschiedliche klassifizierte Jahresnutzendaten geeignet ist, so dass der AIC (Akaike information criterion) als Bewertungsindikator verwendet wird, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei der spezifische Berechnungsausdruck wie folgt ist: - S11: Für jedes Forschungsobjekt, einschließlich des Kaskaden-Stausee-Systems und jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und mit der Formel (9) standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen, wie in Formel (10) gezeigt, zu bilden. Der konkrete Ausdruck lautet:
- S12: Basierend auf einer Entscheidungsmatrix mit mehreren Zielen EMXstd werden alle klassifizierten jährlichen Nutzen zusammenfasst, wobei die relative Zugehörigkeit berechnet wird, der jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion entspricht, wobei der Berechnungsausdruck lautet:
- S13: Der gewichtete durchschnittliche relativen Zugehörigkeitsgrad jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion bei Zusammenfassung der Bewertungsergebnissen der Anpassungsgüte aller Forschungsobjekte berechnet wird, wobei die Wahrscheinlichkeitsverteilungsfunktion, die dem größten gewichteten durchschnittlichen relativen Zugehörigkeitsgrad entspricht, als die optimale Wahrscheinlichkeitsverteilungsfunktion angenommen wird, wobei der Berechnungsausdruck lautet:
- Vorzugsweise wird, wie in den
4 und5 gezeigt, in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert (RWT) durch Berechnen der inversen kumulativen Verteilungsfunktion der optimalen Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt, wobei der Berechnungsausdruck wie Formel (13) gezeigt ist. RWT steht für den minimal akzeptablen jährlichen Nutzenwert und ist ein wichtiger Indikator, um zu messen, ob die aktuellen Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels versagen. Aufgrund des direkten Einflusses reicher und trockener Abflussbedingungen auf die Fähigkeit des Stauseebetriebs, Nutzen zu erzielen, sollte die Größe der RWT mit unterschiedlichen hydrologischen Bedingungen variieren. Die mathematische Beziehung zwischen RWT und akzeptablem Risikoniveau und Wahrscheinlichkeitsverteilungsfunktion wird wie folgt ausgedrückt: - Vorzugsweise, wie in den
4 und5 gezeigt, ist im Schritt S6 das Problem der Ausfallfrühwarnzeit der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels im Wesentlichen: In der langfristigen Phase unter dem Einfluss des zukünftigen Klimawandels wird die Ausfallfrühwarnzeit (FWT) den Änderungspunkt der Wahrscheinlichkeit des Nutzenversagens der aktuellen Regelungen des Betriebs für Stausee darstellt, wobei in der Periode vor dem Eintreffen von FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee gering ist, die potenzielle Risikobedrohung gering und die Verfügbarkeit gut ist, wobei in der Phase nach FWT das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee signifikant steigt, was durch ein adaptives Betrieb-Schema ersetzt werden muss. Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens wird verwendet, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren, und die Berechnungsidee ist in4 dargestellt, und die spezifischen Berechnungsschritte sind wie folgt: - S21: Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter den Bedingungen des zukünftigen Klimawandels EVj (je nach Forschungsobjekt unterschiedlich) ist, wobei die Variable EVj unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV1, ..., EVj,..., EVN) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist. Der mathematische Ausdruck von EVj ist:
- S22: Die Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip der kumulativen Zählung verwendet wird, wobei der Ausfallwahrscheinlichkeitsänderungspunkt der aktuellen Regelungen des Betriebs für Stausee analysiert wird, und wobei ein Hypothesentest durchgeführt wird, um die Ausfallfrühwarnzeit zu identifizieren. Der mathematische Ausdruck lautet:
- S23: Mit dem erkannten Änderungspunkt τ als eine Abgrenzung kann die gesamte Zukunftsphase in die Phase vor der Ausfallfrühwarnzeit - vor dem Ausfallzeitraum (1, 2, ..., τ - 1) und die Phase während und nach der Ausfallfrühwarnzeit - Ausfallzeitraum (τ, τ + 1, ..., N) unterteilt werden, wobei für diese beiden Phasen die Formel (17) verwendet wird, um die jeweilige durchschnittliche Ausfallwahrscheinlichkeit zu berechnen, und der Berechnungsausdruck lautet wie folgt:
- S24: Entsprechend der Natur der Ausfallfrühwarnzeit muss das Berechnungsergebnis von S23 eine Beschränkungsbedingung p1 < p2 erfüllen, wenn also diese Beschränkungsbedingung erfüllt werden kann, dann FWT = Yrb + τ - 1 der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum, wobei Yrb das Startjahr der zukünftigen Phase ist. In diesem Fall wird der gesamte zukünftigen Zeitraum durch τ in zwei Phasen, d.h. vor dem Ausfallzeitraum und während des Ausfallzeitraums unterteilt, wobei die durchschnittliche Ausfallwahrscheinlichkeit entsprechend den aktuellen Regelungen des Betriebs für Stausee p1 und p2 ist. Diese Situation, in der die Ausfallfrühwarnzeit nach einer Erkennungsanalyse bestimmt werden kann, wird als Lösung-1 (solution-1, SL-1) bezeichnet.
- S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p1 < p2 nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p3 = p2 ist, wobei (EV1, ..., EVj, ..., EVτ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei Step2-Step3 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p1 und p2 entsprechend die Periode von 1 bis τ - 1 und die Periode von τ bis τ* berechnet werden.
- S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p1 < p2 erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, während des Ausfallzeitraums und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p1, p2, p3 sind. Hingegen ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT = Yrb + τ - 1. Diese Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, wird als Lösung-2 (solution-2, SL-2) bezeichnet.
- S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p1 < p2 immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ - 1, von Periode τ zu τ* - 1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird. Dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet. Daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT = Yrb. Diese Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, wird als Lösung-3 (solution-3, SL-3) bezeichnet.
- Gemäß den obigen Analyseschritten existieren die Erkennungsergebnisse der Ausfallfrühwarnzeit in drei Situationen: SL-1, SL-2 und SL-3, die jeweils drei Fälle widerspiegeln, in denen die verfügbare Zeit des aktuellen Regelungen des Betriebs für Stausee im zukünftigen Zeitraum von lang bis kurz sind, wobei entsprechende Bewertungen in drei Kategorien eingeteilt werden, d.h. Ausgezeichnet, Mittelmäßig und Schlecht.
- Ausführungsbeispiel 2:
- Ausgehend von Ausführungsbeispiel 1 wird gemäß den Berechnungsschritten in den Figurne 1 bis 4 als Realisierungsobjekt ein Kaskaden-Stausee-System mit Stromerzeugung als Hauptziel angenommen (von oben nach unten: Stausee-1, Stausee-2, Stausee-3; die Grundparameter jedes Stausees sind in
8 gezeigt), wobei unter Bezugnahme auf die5 bis7 und9 bis12 das Ausfallfrühwarn-Analyseverfahrens für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels, das die vorliegende Erfindung betrifft, im Detail beschrieben wird. - Wie in
5 gezeigt, umfasst das durch das vorliegendes Ausführungsbeispiel bereitgestellte Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels die folgenden Schritte: - Schritt 1. Durch Auswertung der statistischen Kenngrößen des Simulationseffekts mehrerer GCMs (Global Climate Model) in Temperatur und Niederschlag - mittlerer quadratischer Fehler und Korrelationskoeffizient - werden zwei für dieses Beispiel anwendbare zukünftigen Klimawandelszenarien bestimmt, als: Bnu-ESM (eine Art von Erdsystemmodell, das hauptsächlich vom Institute of Global Change and Earth System Science der Beijing Normal University entwickelt und gemeinsam von vielen in- und ausländischen Forschungseinrichtungen entwickelt wird, sein Koppler übernimmt NACR CPL6.5 und sein Grundgerüst umfasst die Kopplung-Wechselwirkung von Ozean, Atmosphäre, Landoberfläche und Meereis und den Prozess des Kohlenstoffkreislaufs, mit einer räumlichen Auflösung von 2,8° × 2,8°) und IPSL-CM5A-LR (eine Art von Erdsystemmodell, entwickelt vom französischen Pierre-Simon-Laplace-Institut, dessen Koppler OASIS übernimmt, wobei das Grundgerüst sich aus mehreren Modulen aus Atmosphäre, Landoberfläche, Ozean und Meereis zusammensetzt, wobei biogeochemische Prozesse wie stratosphärische und troposphärische Chemie, Aerosole sowie terrestrische und ozeanische Kohlenstoffkreisläufe enthalten werden, mit einer räumlichen Auflösung von 3,75° × 1,8°), und wobei die vorhergesagten Ergebnisse von Temperatur und Niederschlag nach Berechnen durch Herunterskalierung für entsprechende Szenarien geliefert werden; die Parameter des hydrologischen Modells werden durch die historisch gemessenen hydrometeorologischen Daten kalibriert und verifiziert, und dann werden die Vorhersageergebnisse von Temperatur und Niederschlag der beiden zukünftigen Klimawandelszenarien als Eingabe des hydrologischen Modells verwendet, um die Abflussvorhersageergebnisse zu erhalten. In diesem Beispiel ist aus dem mehrjährigen durchschnittlichen Abfluss in
8 ersichtlich, dass der Intervallabfluss von Stausee-2 zu Stausee-3 doppelt so hoch ist wie der einlaufende Abfluss des stromaufwärts gelegenen Stausee-1, während der Intervallabfluss zwischen Stausee-1 und Stausee-2 klein ist, weniger als 1% des einlaufenden Abflusses von Stausee-1, was vernachlässigt werden kann. In diesem Beispiel ist die Länge der historischen Messunterlagen vom Jahr 1956 bis Jahr 2011 und der Zeitraum des zukünftigen Klimawandels vom Jahr 2012 bis Jahr 2100. Durch den Vergleich mit den historisch gemessenen mehrjährigen Mittelwerten sind die Änderungsergebnisse der hydrometeorologischen Merkmale von zwei zukünftigen Klimawandelszenarien in6 dargestellt. - Schritt 2. Basierend auf den in Schritt 1 erhaltenen Abflussvorhersageinformationen wird die multivariate Copula-Methode verwendet, um 200 Sätze von simulierten Abflusssequenzen zu generieren; wobei diese dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei 200 Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung entsprechend generiert werden.
- Die Copula-Methode ist ein stochastisches Simulationsverfahren, das die zeitliche und räumliche Korrelation des Abflusses berücksichtigt. Die Copula-Funktion beschreibt dabei die Korrelation zwischen Variablen, die eigentlich eine Funktion ist, die die gemeinsame Verteilungsfunktion mit ihren jeweiligen Randverteilungsfunktionen verbindet, auch bekannt als die Verbindungsfunktion.
- Die in diesem Beispiel verwendeten aktuellen Regelungen des Betriebs für Stausee sind: Basierend auf den historisch gemessenen Abflussdaten, wobei die Maximierung der Stromerzeugung von Kaskaden-Stausees als Zielfunktion angenommen wird, wird mit Hilfe des Parametrisierung-Simulation-Optimierung-Verfahrens durch Berechnen die in der folgenden Formel beschriebene lineare Wassermengenbetriebsfunktion erhalten, wobei die Parameter-Ergebnisse in
9 dargestellt sind,wobei - Schritt 3. Gemäß dem in
2 und3 dargestellten Berechnungsablauf wird mit Hilfe der Satzpaare-Analysemethode die Typen der hydrologischen Jahren (HYC) in vier Stufen eingeteilt: reich, relativ reich, relativ trocken und trocken; entsprechend den vier HYC-Stufen wird gemäß Formel (5) bis Formel (7) der in Schritt 2 des Ausführungsbeispiels berechnete jährliche Nutzen des Betriebs für Stausee in vier Kategorien unterteilt: I, II, III und IV; wobei der Satz von jährlichen Nutzen, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird. - Schritt 4. Als Kandidatenverteilungen werden vier gängige Wahrscheinlichkeitsverteilungsfunktionen ausgewählt, umfassend: Normalverteilungsfunktion Norma), Gamma-Verteilungsfunktion Gamma , Drei-Parameter- Weibull -Verteilungsfunktion Weibull-3, Burr XII- Verteilungsfunktion Burr XII. Darunter werden die Parameter von Normal-, Gamma- und Burr-XII -Verteilungen durch die Maximum-Likelihood-Methode geschätzt, und um die Komplexität der Lösung der Parameterschätzung der Weibull-3- Verteilung zu vermeiden, wird die verbesserte Maximum-Likelihood-Methode zur Schätzung verwendet. AIC (Informationskriterium, Akaike information criterion) wird als Bewertungsindikator verwendet, um die Anpassungsgüte jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion zu bewerten, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform, die den klassifizierten jährlichen Nutzen des Betriebs für Stausee beschreibt, wird durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt, wobei die Berechnungsausdrücke in Formel (8) bis Formel (12) gezeigt sind. Wie aus
7 ersichtlich ist, wird in diesem Ausführungsbeispiel die Normalverteilungsfunktion als die optimale Wahrscheinlichkeitsverteilungsfunktionsform für den klassifizierten jährlichen Nutzen des Betriebs für Stausee beschrieben. Die Parameterberechnungsergebnisse der Normalverteilungsfunktion sind in10 gezeigt. - Schritt 5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird bei einem gegebenen akzeptablen Risikoniveau von 10 % durch Berechnung der inversen kumulativen Verteilung für Formel (13) der entsprechende klassifizierte Risikofrühwarnschwellenwert (RWT) bestimmt. Das Ergebnis des in diesem Ausführungsbeispiel berechneten klassifizierten Risikofrühwarnschwellenwerts ist in
11 gezeigt. - Schritt 6. Basierend auf dem in Schritt 5 bestimmten klassifizierten Risikofrühwarnschwellenwert (RWT) mit Hilfe der Methode der probabilistischen Änderungspunktanalyse nach dem Prinzip der kumulativen Zählung und gemäß dem in
4 gezeigten Berechnung-Ablaufdiagramm wird die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt, d.h. der Zeitpunkt, zu dem die alten und neuen Regelungen des Betriebs für Stausee geändert werden. Da es zwei Annahmen, d.h. die Datenunabhängigkeit und die Binomialverteilung, in der Methode der probabilistischen Änderungspunktanalyse gibt, wird der Autokorrelationskoeffizient erster Ordnung (AC) verwendet, um die 2 Unabhängigkeit der Daten zu testen, wobei das Prüfverfahren χ2 verwendet wird, um zu bewerten, ob die Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee die Binomialverteilung erfüllen. Die Ausfallfrühwarnzeitergebnisse und Hypothesentestergebnisse des vorliegenden Ausführungsbeispiels sind in12 gezeigt. - Die obigen Ausführungsbeispiele sind lediglich Beispiele zur Veranschaulichung der technischen Lösungen der vorliegenden Erfindung. Das Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels, das die vorliegende Erfindung betrifft, umfasst: Stochastische Abflusssimulationsberechnung, Klassifizierung des jährlichen Nutzens des Betriebs für Stausee basierend auf dem Typ des hydrologischen Jahres, Vergleich und Auswahl der optimalen Wahrscheinlichkeitsverteilungsfunktionsform, Berechnung des Risikofrühwarnschwellenwerts, und Identifizierung der Ausfallfrühwarnzeit der Regelungen des Betriebs für Stausee, wobei es nicht nur auf die in den obigen Ausführungsbeispielen beschriebenen Inhalte beschränkt ist, sondern unterliegt dem durch die Ansprüche definierten Umfang. Jegliche Modifikationen oder Ergänzungen oder äquivalente Ersetzungen, die von Fachleuten der vorliegenden Erfindung auf der Grundlage dieser Ausführungsbeispiele vorgenommen werden, d. h. äquivalente Ersatzverbesserungen innerhalb dieses Umfangs, fallen ebenfalls in den Schutzumfang der vorliegenden Erfindung.
- ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- CN 106022960 A [0003]
Claims (10)
- Ausfallfrühwam-Analyseverfahren für Regelungen eines Betriebs für einen Stausee unterm Einfluss eines Klimawandels, dadurch gekennzeichnet, dass es die folgenden Schritte umfasst: S1. Vorhersageinformationen von Temperatur und Niederschlag unter den Bedingungen eines zukünftigen Klimawandels werden erfasst, wobei eine Herunterskalierung und eine Fehlerkorrekturverarbeitung durchgeführt werden, so dass die Vorhersageinformationen von Temperatur und Niederschlag auf ein lokales Interessengebiet beschränkt sind, wobei ein hydrologisches Modell integrieret wird, um Abflussvorhersageinformationen unter dem vorhergesagten zukünftigen Klimawandelszenario zu erhalten; S2. Gemäß den Abflussvorhersageinformationen wird mehrere Sätze von simulierten Abflusssequenzen unter Verwendung von einer stochastischen Simulationsmethoden generiert; wobei die mehrere Sätze von simulierten Abflusssequenzen dann als Eingabedaten der aktuellen Regelungen des Betriebs für Stausee genommen werden, wobei mehrere Sätze entsprechender jährlicher Nutzenproben durch simulierte Betrieb-Berechnung generiert werden; S3. Eine Satzpaare-Analysemethode wird verwendet, um die Arten von hydrologischen Jahren von reich bis trocken zu unterteilen; wobei gemäß den Ergebnissen des Typs der hydrologischen Jahren die in Schritt S2 berechneten jährlichen Nutzenproben des Betriebs für Stausee klassifiziert werden, wobei der Satz von jährlichen Nutzenproben, die zum gleichen Klassifizierungsergebnis gehören, als klassifizierter jährlicher Nutzen des Betriebs für Stausee bezeichnet wird; S4. Verschiedene Wahrscheinlichkeitsverteilungsfunktionsformen werden durch Parameterschätzung und Anpassungsgütetest verglichen und ausgewählt, und die optimale Wahrscheinlichkeitsverteilungsfunktionsform wird ausgewählt, die für den klassifizierten jährlichen Nutzen des Betriebs für Stausee geeignet ist; S5. Gemäß dem akzeptablen Risikoniveau und der optimalen Wahrscheinlichkeitsverteilungsfunktion des klassifizierten jährlichen Nutzen des Betriebs für Stausee wird durch Berechnung der inversen kumulativen Verteilung der entsprechende klassifizierte Risikowarnschwellenwert (Risk-basedwarning threshold, RWT) bestimmt; S6. Der klassifizierte Risikowarnschwellenwert wird verwendet, um die Ausfallsituationen der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels zu analysieren; mit Hilfe der Technologie der probabilistischen Änderungspunktanalyse wird die Ausfallfrühwarnzeit (Failurewarining time, FWT) der aktuellen Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels ermittelt; durch die obigen Schritte kann ein Zeitpunkt abgefragt werden, zu dem die Regelungen des Betriebs für Stausee unter den Bedingungen des zukünftigen Klimawandels geändert werden.
- Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 1 , dadurch gekennzeichnet, dass die Abflussvorhersagereihe unter den Bedingungen des zukünftigen Klimawandels als Referenzdaten genommen wird; wobei unter Verwendung einer multivariaten Copula-Methode unter Berücksichtigung der zeitlichen und räumlichen Korrelation des Abflusses eine stochastische Simulation durchgeführt wird, wobei L Gruppen von Abflusssequenzergebnissen erhalten werden, wobei für den Stausee k im Kaskadensystem ein Ausdruck lautet: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 2 , dadurch gekennzeichnet, dass in Schritt S3 die Klassifizierung von Typen der hydrologischen Jahren von reich bis trocken die folgenden Schritte umfasst: S01. Für den k-ten Stausee ergeben sich L-Gruppen von stochastischen simulierten Ergebnissen des einlaufenden Abflusses - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 1 , dadurch gekennzeichnet, dass in Schritt S3 für jeden Stausee im Kaskadensystem das berechnete Ergebnis des Typs des hydrologischen Jahres direkt als Grundlage der Klassifikation für seinen jährlichen Nutzen verwendet wird, wobei der Ausdruck lautet: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 4 , dadurch gekennzeichnet, dass die Klassifikation für jährlichen Nutzen des Kaskaden-Stausee-Systems der gewichtete Durchschnitt der Ergebnisse der Klassifikation für jährlichen Nutzen jedes Stausees ist, wobei der Ausdruck lautet: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 1 , dadurch gekennzeichnet, dass in Schritt S4 der AIC als Bewertungsindikator verwendet wird, wobei die optimale Wahrscheinlichkeitsverteilungsfunktion durch das Fuzzy-Optimal-Entscheidungsfindungsmodell ausgewählt wird, wobei die spezifischen Schritte wie folgt sind: S11. Für jedes Forschungsobjekt, einschließlich des Kaskaden-Stausee-Systems und jedes Stausees, der AIC-Indikator jedes klassifizierten jährlichen Nutzens unter jeder Kandidaten-Wahrscheinlichkeitsverteilungsfunktion berechnet und standardisiert werden, um eine Bewertungsindikatormatrix für die Entscheidungsfindung mit mehreren Zielen zu bilden; wobei der konkrete Ausdruck lautet: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 1 , dadurch gekennzeichnet, dass in Schritt S5 unter einem bestimmten akzeptablen Risikoniveau β der Risikofrühwarnschwellenwert durch Berechnen der inversen kumulativen Verteilungsfunktion der besten Wahrscheinlichkeitsverteilungsfunktion des in Schritt S4 bestimmten klassifizierten jährlichen Nutzens des Betriebs für Stausee bestimmt wird, wobei der Ausdruck ist: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 1 , dadurch gekennzeichnet, dass in Schritt S6 eine Methode der probabilistischen Änderungspunktanalyse basierend auf dem Prinzip des kumulativen Zählens verwendet wird, um die Ausfallfrühwarnzeit (FWT) der aktuellen Regelungen des Betriebs für Stausee zu identifizieren; wobei FWT im Wesentlichen den Änderungspunkt der Wahrscheinlichkeit des Nutzenversagens der aktuellen Regelungen des Betriebs für Stausee darstellt, wobei in der Periode vor dem Eintreffen von FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee gering ist, die potenzielle Risikobedrohung gering und die Verfügbarkeit gut ist, wobei in der Phase nach FWT die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee größer wird und das Ausfallrisiko signifikant steigt, was durch ein adaptives Betrieb-Schema ersetzt werden muss; konkrete Schritte sind wie folgt: S21. Angenommen, dass es insgesamt N Jahre in der zukünftigen Periode gibt, wobei die Anzahl der Ausfallereignisse der aktuellen Regelungen des Betriebs für Stausee in jedem Jahr unter der Bedingung des zukünftigen Klimawandels EVj ist, wobei die Variable EVj unabhängig ist und eine Binomialverteilung gefolgt wird; wobei die Sequenz der Ausfallereignisse für den gesamten zukünftigen Zeitraum (EV1 ,..., EVj ,..., EVN ) ist; und wobei die Anzahl der Erkennungen als g = 1 markiert ist; wobei der Ausdruck von EVj ist: - Ausfallfrühwam-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 8 , dadurch gekennzeichnet, dass im Schritt S6, S25: Wenn das Berechnungsergebnis von S23 die Beschränkungsbedingung p1 < p2 nicht erfüllen kann, dann ist eine Änderungspunkt-Reanalyse erforderlich, d. h. τ* = τ, wobei die Phase von τ* bis N als nach dem Ausfallzeitraum genannt wird, wobei die entsprechende durchschnittliche Ausfallwahrscheinlichkeit p3 = p2 ist, wobei (EV1, ..., EVj, ..., EVτ*) als Reanalysedaten angenommen wird, wobei die Anzahl der Erkennungen um eins erhöht wird, gekennzeichnet als g = 2, wobei S22~S23 wiederholt werden, um den neuen Änderungspunkt τ in der Reanalyse-Datenreihe zu bestimmen, und wobei die durchschnittlichen Ausfallwahrscheinlichkeiten p1 und p2 entsprechend die Periode von 1 bis τ -1 und die Periode von τ bis τ* berechnet werden; S26: Wenn das Berechnungsergebnis von S25 die Beschränkungsanforderungen p1 < p2 erfüllen kann, kann dann der gesamte zukünftige Zeitraum durch die Änderungspunkte τ und τ* in drei Phasen unterteilt werden, d.h. vor dem Ausfallzeitraum, bei dem Ausfallzeitraum und nach dem Ausfallzeitraum, wobei die entsprechenden durchschnittlichen Ausfallwahrscheinlichkeiten p1, p2, p3 sind; und der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee in dem zukünftigen Zeitraum FWT = Yrb + τ -1 ist; wobei die Situation, in der die Ausfallfrühwarnzeit nach zwei Erkennungsanalysen bestimmt wird, als Lösung-2 (solution-2, SL-2) bezeichnet wird. - Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels nach
Anspruch 9 , dadurch gekennzeichnet, dass im Schritt S6, S27: Wenn das Berechnungsergebnis von S25 die Beschränkungsbedingung p1 < p2 immer noch nicht erfüllt, bedeutet es, dass von Periode 1 bis τ -1, von Periode τ zu τ* -1, von Periode τ* zu N, die Ausfallwahrscheinlichkeit der aktuellen Regelungen des Betriebs für Stausee sequentiell abnehmen wird; dies zeigt, dass das Ausfallrisiko der aktuellen Regelungen des Betriebs für Stausee in der nächsten Phase in Zukunft am höchsten ist, das heißt, die aktuellen Regelungen des Betriebs für Stausee sind für eine Anwendung unter den Bedingungen des zukünftigen Klimawandels nicht geeignet; daher ist der Ausfallfrühwarnzeitpunkt der aktuellen Regelungen des Betriebs für Stausee FWT = Yrb; wobei die Situation, in der die Ausfallfrühwarnzeit im zukünftigen Startjahr liegt, als Lösung-3 (solution-3, SL-3) bezeichnet wird; wobei gemäß den obigen Analyseschritten die Erkennungsergebnisse der Ausfallfrühwarnzeit in drei Situationen existieren: SL-1, SL-2 und SL-3, die jeweils drei Fälle widerspiegeln, in denen die verfügbare Zeit des aktuellen Regelungen des Betriebs für Stausee im zukünftigen Zeitraum von lang bis kurz sind, wobei entsprechende Bewertungen in drei Kategorien eingeteilt werden, d.h. Ausgezeichnet, Mittelmäßig und Schlecht.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110050545.3A CN112819293B (zh) | 2021-01-14 | 2021-01-14 | 气候变化影响下水库调度规则的失效预警分析方法 |
CN202110050545.3 | 2021-01-14 | ||
PCT/CN2021/138718 WO2022135265A1 (zh) | 2021-01-14 | 2021-12-16 | 气候变化影响下水库调度规则的失效预警分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112021001581T5 true DE112021001581T5 (de) | 2023-03-30 |
Family
ID=75869842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112021001581.8T Pending DE112021001581T5 (de) | 2021-01-14 | 2021-12-16 | Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7515135B2 (de) |
CN (1) | CN112819293B (de) |
DE (1) | DE112021001581T5 (de) |
WO (1) | WO2022135265A1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503206A (zh) * | 2023-06-30 | 2023-07-28 | 长江三峡集团实业发展(北京)有限公司 | 一种入库径流重构方法、计算机设备及介质 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819293B (zh) * | 2021-01-14 | 2023-01-06 | 中国长江三峡集团有限公司 | 气候变化影响下水库调度规则的失效预警分析方法 |
CN113449960B (zh) * | 2021-05-19 | 2022-08-19 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、***及装置 |
CN113592308B (zh) * | 2021-08-02 | 2022-07-12 | 浙江大学 | 一种基于常态模型的监测数据告警阈值提取方法 |
CN114862064B (zh) * | 2022-07-05 | 2022-11-22 | 天津市天锻压力机有限公司 | 一种锻造液压机的***性失效预测方法及*** |
CN114862073B (zh) * | 2022-07-08 | 2022-10-14 | 长江水利委员会水文局 | 一种气陆库水四维耦合的中长期径流预报方法 |
CN115797101A (zh) * | 2022-11-09 | 2023-03-14 | 江苏省水利科学研究院 | 湿润地区山丘区现状工程条件下历史可供水量折算方法 |
CN115952577B (zh) * | 2022-12-06 | 2023-07-25 | 中国水利水电科学研究院 | 一种梯级水库群溃决风险分析方法 |
CN115660259A (zh) * | 2022-12-13 | 2023-01-31 | 广东广宇科技发展有限公司 | 一种水库运行状态与水库环境协同预警监测方法 |
CN115879641B (zh) * | 2023-01-06 | 2023-05-16 | 山东山矿重工有限公司 | 一种用于节能型球磨机的设备运行故障预测*** |
CN116307361B (zh) * | 2023-01-30 | 2023-12-22 | 连云港陈晔水产科技有限公司 | 一种水产养殖环境因子快速调控方法 |
CN116522764B (zh) * | 2023-04-17 | 2023-12-19 | 华中科技大学 | 一种考虑气候变化影响下的热浪-洪水复合灾害评估方法 |
CN116795897B (zh) * | 2023-04-20 | 2024-05-14 | 嵩山实验室 | 一种百年尺度复合高温-水文干旱演变的检测与归因方法 |
CN117273200A (zh) * | 2023-08-31 | 2023-12-22 | 淮阴工学院 | 一种基于卷积优化算法和Pyraformer神经网络的径流区间预报方法 |
CN117010727B (zh) * | 2023-10-07 | 2024-01-02 | 长江水利委员会水文局 | 一种基于水平年的径流序列一致性改正方法 |
CN117421629B (zh) * | 2023-10-12 | 2024-04-09 | 中国地质大学(武汉) | 干湿区陆地水循环的增强机制分析和变暖信号识别方法 |
CN117094575B (zh) * | 2023-10-19 | 2024-01-30 | 长江三峡集团实业发展(北京)有限公司 | 降水产品的水文适用性综合评价方法、装置、设备及介质 |
CN117131810B (zh) * | 2023-10-26 | 2024-01-26 | 长沙市规划勘测设计研究院 | 基于***动力学的雨洪调蓄模拟***与方法 |
CN117490810B (zh) * | 2023-12-29 | 2024-03-22 | 浙江黄氏建设科技股份有限公司 | 一种基于定位信息的水表远程监控方法及监控*** |
CN117787503B (zh) * | 2024-01-22 | 2024-05-28 | 中国科学院西北生态环境资源研究院 | 一种青藏高原多年冻土区草原枯死面积估算和预测方法 |
CN118014324B (zh) * | 2024-04-09 | 2024-05-31 | 水利部水利水电规划设计总院 | 水网***多功能多过程均衡协调优化的水流综合调控方法及*** |
CN118095973A (zh) * | 2024-04-29 | 2024-05-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种耦合降维理论的水文丰枯遭遇概率计算方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022960A (zh) | 2016-05-19 | 2016-10-12 | 武汉大学 | 一种基于数据挖掘的水库多目标调度规则参数优选方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4535379B2 (ja) | 2005-01-20 | 2010-09-01 | 国立大学法人長岡技術科学大学 | 雪氷水資源の分布型評価方法 |
JP2007264845A (ja) | 2006-03-27 | 2007-10-11 | Chugoku Electric Power Co Inc:The | ダム貯留水取引システム |
US9026257B2 (en) | 2011-10-06 | 2015-05-05 | Avista Corporation | Real-time optimization of hydropower generation facilities |
CN103049671B (zh) * | 2013-01-21 | 2015-08-19 | 武汉大学 | 一种自适应气候变化的水库多目标优化调度图编制方法 |
CN107330538B (zh) * | 2016-09-20 | 2020-09-08 | 武汉大学 | 一种气候变化条件下水库适应性调度规则编制的方法 |
CN107527117A (zh) * | 2017-08-28 | 2017-12-29 | 武汉大学 | 基于d‑s证据理论的水库适应性调度方法 |
AR109623A1 (es) | 2018-02-16 | 2019-01-09 | Pescarmona Enrique Menotti | Proceso y sistema de análisis y gestión hidrológica para cuencas |
US10825113B2 (en) * | 2018-03-16 | 2020-11-03 | Dalian University Of Technology | Method for short-term generation scheduling of cascade hydropower plants coupling cluster analysis and decision tree |
CN110276104B (zh) * | 2019-05-23 | 2022-06-07 | 武汉大学 | 一种集合气候模式下的分期设计洪水推求方法 |
CN112184479B (zh) * | 2020-09-17 | 2021-08-17 | 长江水利委员会水文局 | 一种水库群调度规则型式和参数对气候变化的适应性研究方法 |
CN112819293B (zh) * | 2021-01-14 | 2023-01-06 | 中国长江三峡集团有限公司 | 气候变化影响下水库调度规则的失效预警分析方法 |
-
2021
- 2021-01-14 CN CN202110050545.3A patent/CN112819293B/zh active Active
- 2021-12-16 JP JP2023518325A patent/JP7515135B2/ja active Active
- 2021-12-16 DE DE112021001581.8T patent/DE112021001581T5/de active Pending
- 2021-12-16 WO PCT/CN2021/138718 patent/WO2022135265A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022960A (zh) | 2016-05-19 | 2016-10-12 | 武汉大学 | 一种基于数据挖掘的水库多目标调度规则参数优选方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503206A (zh) * | 2023-06-30 | 2023-07-28 | 长江三峡集团实业发展(北京)有限公司 | 一种入库径流重构方法、计算机设备及介质 |
CN116503206B (zh) * | 2023-06-30 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种入库径流重构方法、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112819293B (zh) | 2023-01-06 |
WO2022135265A1 (zh) | 2022-06-30 |
JP7515135B2 (ja) | 2024-07-12 |
JP2023529760A (ja) | 2023-07-11 |
CN112819293A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112021001581T5 (de) | Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels | |
Zhao et al. | Ensemble forecasting of sub-seasonal to seasonal streamflow by a Bayesian joint probability modelling approach | |
CN105719048A (zh) | 一种基于主成分分析法及熵权法的中压配电网运行状态模糊综合评价方法 | |
CN104077493B (zh) | 一种电力继电保护***状态评估指标体系的构建方法 | |
DE112019002991T5 (de) | Aktionsgenerator, energiespeichereinrichtungsbewertungseinheit, computerprogramm, lernverfahren und bewertungsverfahren | |
CN112116149B (zh) | 一种考虑预报不确定性关联演化特征的多站中长期径流滚动概率预测方法 | |
DE112017006733T5 (de) | Fehlerfaktor-Schätzvorrichtung und Fehlerfaktor-Schätzverfahren | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN108964023A (zh) | 一种用于电网的母线电压态势短期预测方法及*** | |
DE112019003222T5 (de) | Zustandsschätzverfahren und Zustandsschätzvorrichtung | |
DE112016003235T5 (de) | Ausgangseffizienzoptimierung in Produktionssystemen | |
EP2854045B1 (de) | Verfahren und System zum Bewerten von erhobenen Messwerten eines Systems | |
Eisgruber | Developments in the economic theory of information | |
DE102022202882A1 (de) | Verfahren und Vorrichtung zum Bereitstellen eines prädizierten Alterungszustands einer Gerätebatterie basierend auf einem prädizierten Nutzungsmuster | |
Wang et al. | A transformer-based multi-entity load forecasting method for integrated energy systems | |
CN105354644A (zh) | 一种基于集成经验模态分解和1-范数支持向量机分位数回归的金融时间序列预测方法 | |
DE112015005501B4 (de) | Alterungsprofilbildungsmaschine für physikalische Systeme | |
CN112906762A (zh) | 一种水资源***临界状态的定义及辨识方法和*** | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
DE202023105081U1 (de) | System zur Analyse der Auswirkungen von Situationsbewusstseinsattributen für die Belastbarkeitsbewertung aktiver Vertriebsnetze | |
Darvishi Salookolaei et al. | Application of grey system theory in rainfall estimation | |
CN108345975A (zh) | 一种油库失效风险评估方法及装置 | |
CN106127606A (zh) | 一种勘探开发项目中油气指标数据的处理方法和装置 | |
Fillah et al. | Prediction of Water Quality Index using Deep Learning in Mining Company | |
Riaz et al. | Impact of Education and Income Inequality on Economic Growth in Pakistan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R082 | Change of representative |
Representative=s name: SEITZ, THEODOR CYRUS, DIPL.-ING., DE |
|
R016 | Response to examination communication |