一、龙羊峡水库入库径流特征及周期分析(论文文献综述)
金文婷[1](2021)在《黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究》文中进行了进一步梳理黄河是中华民族的母亲河。目前,黄河正面临严峻的生态环境和水资源利用挑战。一方面,近四十年来,黄河流域经济社会快速发展,水资源需求不断增加,黄河水沙情势发生改变,呈现出水资源严重短缺、水生态环境受损、河道泥沙淤积等突出问题,制约着黄河流域的生态保护和可持续发展。另一方面,受气候变化和人类活动影响,近年来黄河径流量呈减少趋势,使得缺水及生态问题进一步突出。梯级水库群在防洪、生态、供水、发电、输沙等方面发挥着显着作用,承担着支撑社会经济发展和保障河流生态健康的重要使命。为了推进黄河流域生态保护和高质量发展,亟需研究径流减少背景下黄河梯级水库群“水-沙-电-生态”多维协同控制与均衡调控,重点保障水资源多目标利用的关键利益,为黄河梯级水库群调度下供水、发电、输沙、生态多目标形成协同有序、利益均衡提供理论依据。本文以黄河梯级水库群为研究对象,从水资源高效利用的角度出发,以水文学、水资源学、系统工程学、计算机科学、协同学以及混沌理论为指导,系统地提出一套梯级水库群“水-沙-电-生态”多维协同控制与均衡调控、调度系统混沌特征识别与引导的理论与方法体系,以期为径流减少背景下存在多目标激烈竞争关系的梯级水库群优化调度提供理论支撑和技术指导。主要研究内容和成果如下:(1)基于协同学提出了梯级水库群“水-沙-电-生态”多维协同控制理论,确定了梯级水库群“水-沙-电-生态”多维协同控制的总体原则,即在保障各目标关键利益的基础上,通过统筹协调、甚至必要时适度牺牲非关键利益来实现水库群“水-沙-电-生态”多维协同控制;识别了黄河上游及中下游供水、发电、输沙、生态各目标的关键利益与非关键利益,选取了相应的序参量,确定了序参量阈值,为构建梯级水库群“水-沙-电-生态”多维协同控制模型奠定了理论基础。(2)构建了黄河梯级水库群“水-沙-电-生态”多维协同控制模型(协同模型)及传统的梯级水库群多目标调度模型(传统模型),采用层次分析法确定协同模型的序参量权重,运用粒子群优化算法对两种模型进行求解。验证算例的协同模型与传统模型结果对比表明:协同模型以较小牺牲4.35%的非关键发电利益换取了多目标利益(尤其是关键利益)较传统模型的全面提高,验证了协同模型的有效性与合理性。协同模型更加符合缺水流域在多目标竞争激烈背景下的水资源高效利用要求,为梯级水库群调度下“水-沙-电-生态”多目标在时段间形成协同有序提供了技术支撑。(3)提出了基于满意边界的时段内多目标均衡调控方法,以促使协同模型结果在逐时段内达到多目标利益均衡。引入满意度概念以衡量时段内单目标的利益满足程度,由时段单目标满意度的最大、最小值所构成的区间作为“满意边界”,通过合理的方法获取各目标的满意边界;以满意边界为依据对协同模型结果进行逐时段多目标利益均衡检验,对时段内满意边界遭到破坏的目标进行调控,以确保时段内多目标利益均在满意边界内;为梯级水库群调度下“水-沙-电-生态”多目标在时段内实现利益均衡提供了科学支撑。(4)提出了梯级水库群多目标调度系统混沌特征识别与引导方法。引入混沌理论及相关概念,论证了梯级水库群多目标调度系统为非线性动态系统,具有混沌特征;提出了以梯级水库群逐时段“水-沙-电-生态”多目标满意度闭合面积时间序列作为表征水库群调度系统运行状态的混沌时间序列,用于提取混沌特征指标(关联维数及Kolmogorov熵);评价多目标利益均衡调控是否有利于降低梯级水库群调度系统的混沌特征,引导水库群调度系统向减小混沌程度与复杂程度的方向演进;为选取混沌特征较小的梯级水库群运行方案提供了科学的理论依据。(5)以黄河上游径流变异点(1990年)为分界,对1960~1989年及1990~2015年两个径流序列的黄河上、中下游梯级水库群“水-沙-电-生态”多维协同控制与均衡调控最终方案进行分析,量化了径流减少对黄河梯级水库群“水-沙-电-生态”多目标利益的影响;在梯级水库群“水-沙-电-生态”多维协同控制与均衡调控的指导下,各目标关键利益受损程度明显小于非关键利益的受损程度,体现了所提理论与方法在径流减少的背景下以各目标关键利益为保障重点的战略优势。(6)设置了 2030水平年现有水利工程条件及有古贤水库两种情景;通过对1990~2015年径流序列的黄河上、中下游梯级水库群“水-沙-电-生态”多维协同控制与均衡调控最终方案分析,量化了河道外综合需水增加及古贤水库生效对黄河梯级水库群“水-沙-电-生态”多目标利益的影响,分析了古贤水库参与联合运行后黄河中下游梯级水库群运行方式的变化。
邹昊[2](2021)在《基于机器学习模型的龙羊峡水库水温分层结构模拟研究》文中认为近百年来,黄河上游流域高坝大库数量增长显着,其对库区周围的生态环境产生了巨大影响,水温作为影响水生态系统稳定的重要因素,不仅制约着水生动植物的繁衍和生长,还影响着各水生物种的生存环境及种群分布,加之当前水温原型观测主要受制于测点位置和仪器精度等因素的影响,具有很大的局限性,因此,探究高精度水温模拟方法十分必要,对水库水环境的治理和保护具有重要的参考价值。本文以黄河上游龙羊峡水库为例,利用MIKE3模型构建了三维水温数值模型,对模型参数进行率定及验证,模拟出了龙羊峡水库库区水温分布结构,并提取特征点位的水温模拟结果作为机器学习模型训练数据,建立耦合遗传算法(GA)和支持向量机回归(SVR)的机器学习模型GA-SVR模拟高精度水温,以此分析龙羊峡库区的水温分层结构的变化规律。主要取得的研究成果如下:(1)龙羊峡水库为分层型水库,分层变化情况可大致分为水温混合、弱分层、强分层三个时期。其中1-3月和10-12月为水温混合时期,4-5月为弱分层时期,6-9月为强分层时期。在水温混合时期,水库垂向水温结构为上下混合状态,表层水温与底层水温温差范围在1至3℃左右。随着气温持续走低,入库水温下降,低温水体进入库区,表层水体释放热量,导致密度逐渐变大,与下层高温低密度水体混合产生对流运动,致使整个库区的水温趋于均匀化。在弱分层与强分层时期,受到气温与光照的影响,库区表层水体温度持续升高。造成表层高温与底层低温的现象,库区水体呈现出明显的分层结构。而在10月至12月期间,表层低温水体不断与下层水体交换,水库水温分层结构逐渐消失,水体进入混合状态,直至达到等温分布状态。(2)龙羊峡水库水温结构在年内呈现出周期性变化,垂向坝前水温分层现象显着。从6月初开始,库区水温上升,水温变化随深度增加而减弱。至7月表层水温达到最高,而底层水温仍在上升。从10月低温季节后,气温持续走低,表层水温快速下降,进而使得下层水体温度下降,直至整个库区水温混合。(3)GA-SVR预测模型可以较好的预测龙羊峡库区的垂向水温和水温结构;加入了辐射因子后,GA-SVR模型较原始预测模型精度更高;通过预测龙羊峡水库水温,发现龙羊峡水库呈现出稳定的年内垂向水温分层结构,水体表层和中层水温存在明显的逐月变化,水库温跃层在7月至8月中旬厚度达到最大且结构稳定;水温分层受气温变化影响显着。(4)在对比坝前,库区上部区域,中部区域,及尾部区域发现,水温结构变化受到水深变化的影响,水深越深,水温分层现象越明显,坝前水位最深,所以坝前水温分层现象最为明显。而在库尾部分,由于水深的递减,水温分层很弱,水温结构不稳定。在对库区水温进行梯度计算时发现,除坝前外,其余各点水温梯度变化均在气温升高的时段最小,在气温下降的时段,梯度变化明显。(5)龙羊峡水库水温坝前垂向分层结构主要分为三种:1-2月及11-12月混合等温型、3-5月的过渡型、6-10月(高温季节)的水温分层明显型。6-8月下旬,在高程约为2560m处出现温跃层,其中7-8月温跃层厚度最大结构最稳定,库底水温呈稳定滞温层。坝前水温分层受气温变化影响显着,在升温时期上层水体吸收热量,上下层温差增大,温度梯度上升易形成温跃层,在降温时期,水体释放热量上下层温差逐渐减小,温度梯度下降,水温逐渐混合。
王笑[3](2021)在《黄河上游梯级水电站群间高坝水库的水温分异特征研究》文中研究指明高坝水库修建后库内水温结构通常具有稳定的热分层特征,底层取水导致非季节性下泄低温水,从而威胁到下游河流中鱼类和其他水生动物的生存能力。相比高坝水库单独运行时,梯级群间高坝水库的水温结构及其对河道的水温影响可能呈现不同形态,探明其演变规律对于水电工程水环境保护具有重要意义。论文以黄河上游龙羊峡至刘家峡河段梯级水电站群中的拉西瓦水库、李家峡水库为研究对象,采用原型观测和数学模拟相结合的技术手段,辨识了梯级群间高坝水库的水温结构形态,对比分析了不同入流变化情景下水库水温结构的差异,揭示了高坝水库对下游河道水温影响的分异特征,论文取得的主要研究成果如下:1.分析了梯级水库群间高坝大库的水温分布特征以及龙头水库对下游河道水文和水温影响的变化关系。现状条件下拉西瓦、李家峡、公伯峡和刘家峡水库水温基本呈现混合分布或弱分层分布;而早期阶段李家峡和刘家峡水库存在分层型和过渡型水温分布形态,明确了水库入流水文情势和水温的过程波动是影响水库水温结构形态转变的主因。2.构建了拉西瓦水库和李家峡水库的三维水温数学模型,进行了模型的参数率定和验证,模拟了不同入流条件下的水库水温分布,揭示了入流水文情势及水温变化对水库水温结构演化的响应关系。因梯级龙头水库对下游水文情势坦化作用的影响,梯级间高坝水库入流水温过程越接近天然水温,水库水温分层效应越为显着:而水库在分层期4~8月的入流水温变幅锐减1倍以上,月水温差为4℃左右,水库水温必然呈现混合分布形态。3.探明了拉西瓦水库和李家峡水库下泄水温的变化规律,辨析了梯级水库群间高坝水库相比单独运行对下游河道水温影响的差异。结果表明,高坝水库单独运行时,水库下游河道水温是取决于水库分层泄放的低温水影响;而在梯级水库群联合运行时,龙头水库下泄水温的显着坦化作用决定了下游河道水温的变化。
赵晨旭[4](2021)在《黄河上游龙青段水温演变特征及影响因素研究》文中提出龙羊峡至青铜峡河段是黄河干流梯级水电站群开发最为密集的区段,近60年相继建成了20余座不同规模的水电站,导致河流水温状态发生了显着的改变,探明梯级开发过程中河道水温的时空演变规律及主要影响因素,可为河流水生态环境保护供重要的参考。本文以黄河上游龙青河段气象、水文、水温和梯级水库运行等长序列资料为基础,结合原型观测、统计分析和数值模拟等技术手段,分析了河道水温的时空变化规律,探究了水库影响下河道水温的变异特征,揭示了影响河道水温的主要因素。取得的主要成果如下:(1)探明了龙青河段水温的时空演变规律。河道天然水温趋于弱上升趋势;梯级水库影响显着的河段,夏季水温呈现波动下降趋势,冬季水温为上升趋势;刘家峡水库以下河段,夏季水温降低和冬季水温升高的波动减弱。相比建库前,河道沿程水温的基本稳定增温,建库后,河道沿程水温呈现冬季降温、温变过程交替和夏季沿程增温率提高等变化特点。(2)分析了梯级水库影响下河道水温的变异特征。选取了三个典型年份,采用PCA法探讨了水库对河道水温影响的基本特征,包括夏季降温、冬季升温、季节性水温缺失、水温过程延迟及阈值历时波动等五个方面,揭示了水库干扰的强弱变化对下游河段的水温空间分布存在显着效应,梯级龙头水库对下游河道水温波动影响在刘家峡水库下游河段基本消除。(3)揭示了气温变化和水库运行对于河道水温变化的影响。未受水库干扰的河段气温与水温具有显着的相关性:探讨了水库运行水位、不同类型的水库以及水库下泄流量对河道水温的影响,梯级龙头水库运行变化对龙刘河段水温影响起主导作用;刘青河段水温变化受制于刘家峡水库的下泄水温:水库下泄流量日变幅增大大会引起下游河道水温的波动提高。
李琛[5](2021)在《黄河上游梯级开发影响下溶解性有机碳的输移特征及通量研究》文中指出黄河上游有着极具环境特异性与敏感性的脆弱生态系统,梯级开发将会在一定程度上改变河道结构、影响河流物质能量输送和生态系统结构功能。溶解性有机碳(DOC)作为表征水环境中有机质含量和生物活性的主要参数,是研究河水碳循环的重要组成部分。所以,研究黄河上游梯级水库DOC的分布特征、组分来源和输移通量对认识水体碳循环有着重要意义。本研究选取中国黄河上游中段流域典型梯级水库群作为研究对象,分别于冬(2019年11月)、夏(2020年7月)两季对龙羊峡水库-刘家峡水库河段表层水及坝前分层水进行采样,同时监测水库现场环境数据。运用多元统计的方法,分析研究区水环境指标分布特征;采用三维荧光谱图结合平行因子模型,解析研究区水体中DOC组分及来源;基于输入输出水量平衡原理,采用生源物质箱式模型估算水库DOC输移通量,定量评价梯级开发影响下黄河上游龙-刘河段DOC的输送/拦截效应。(1)分析了梯级水库群关键水环境指标的分布规律。水化学类型主要为重碳酸盐-碳酸盐钙组水。DO、T、ORP值夏季高于冬季,EC值冬季高于夏季,pH值无明显差别。COD浓度冬季明显高于夏季(夏季7.44±3.43 mg·L-1、冬季14.38土 1.72 mg·L-1)。TN和NH4+-N浓度无明显差别,水库对氮的滞留效应有限。TP浓度有明显差别,对磷的滞留效应相对强烈。龙-刘河段DOC表现为夏季高于冬季(夏季6.24±0.87 mg·L-1、冬季3.70±0.51 mg-L-1),坝后高于坝前。龙羊峡、李家峡、刘家峡水库分层水DOC呈波动下降趋势,拉西瓦、公伯峡水库DOC呈波动上升趋势。温跃层阻碍水库上下层物质能量交换,使DOC浓度发生变化。(2)明确了河段DOM的组分特征,解析了水库DOM的来源分布。夏季3种组分及冬季1种组分为类腐殖质物质,冬季2种组分为类蛋白类物质。总荧光强度均值夏季高于冬季(夏季1.66× 105 a.u、冬季0.56× 105 a.u)。两季水体中DOM来源为外源主导且内外源兼有的形式,在腐殖质类和类蛋白类上存在差异。夏季陆源贡献大,腐殖化程度高,冬季有少量自生源来源。(3)估算了河段DOC的输移通量,揭示了水库的输送/拦截效应。在全年内,DOC的河段输入总量为258.53 kt,河段输出总量为192.23 kt,总拦截率为25.6%。龙羊峡、公伯峡、刘家峡水库对DOC有拦截滞留效应,是龙刘河段河流-水库体系DOC的“汇”;拉西瓦、李家峡水库对DOC有随流输送效应,是河流-水库体系DOC的“源”。对全河段而言,整体表现为梯级水库是DOC的“汇”。
李宁宁[6](2021)在《基于风险分摊的梯级水库汛期水位动态控制及决策研究》文中进行了进一步梳理我国水能资源蕴藏量十分丰富,但季节间水资源分布差异显着。水库是一种挖掘水能资源潜力,有效缓解地区水资源分布不均衡的工程措施,可将流域的径流资源存蓄起来,以保障枯水期水资源供给。但是,水库汛期往往承担着艰巨的防洪任务,需要将运行水位控制在防洪限制水位以下,这与水库以水头、水量为基础的发电、供水等需求形成矛盾冲突。随着全球气候变暖,各流域气象水文条件发生显着改变,伴随着调度技术、风险分析能力及应急处置机制日趋完善,规划阶段设计的汛限水位已无法满足现阶段综合利用要求。在防洪风险可控的条件下,适当抬高汛期运行水位,对于提高水库综合利用效益、实现水能资源高效利用具有重要现实意义。本文以金沙江流域溪洛渡-向家坝梯级水库为研究对象,基于统计学、管理学、运筹学、控制论等理论,综合运用黑箱模型、大数据、智能算法、前景理论等方法,以梯级水库汛期运行水位动态控制为研究背景,围绕防洪和发电两个目标,构建了以径流分析及预报为基础,基于“空间风险分摊”的梯级水库联合运行水位动态控制域推求模型,进一步分析了梯级水库水位动态控制组合方案的防洪风险和发电效益,并通过多目标群决策模型进行方案优选,实现了预报-调度-风险效益分析-决策的系统性结合,旨在于风险可控的条件下提高梯级水库汛期发电效益,完善梯级水库汛期运行水位控制理论和方法,为水库平稳安全运行提供技术支撑。主要取得了如下成果:(1)基于径流划分和预报因子筛选的中长期径流预报模型。首先综合运用MK检验、RS检验等方法对溪洛渡历史入库径流序列进行了变化趋势分析;针对现有径流预报未能考虑到径流序列特征的不足,提出了一种基于径流序列特征聚类的径流划分方法,通过K-means聚类方法将历史径流划分为丰、平、枯三种典型类别,根据待预报径流特征,以相应类别的前期径流序列作为预报因子,通过MIC法筛选出相关性强的预报因子作为BP人工神经网络的输入,可以改善神经网络输入侧的条件,提高中长期径流预报精度。(2)基于空间风险分摊思想的梯级水库汛期运行水位动态控制模型。在分析溪洛渡-向家坝梯级汛期运行水位抬高的可行性的前提下,针对梯级水库异步蓄水可能造成系统风险发生时间提前的问题,提出了“等比例蓄水”原则来优化梯级水库防洪库容分配方式,以降低系统风险;在溪洛渡-向家坝调洪规则的基础上考虑“等比例蓄水”原则,推求出了两库汛期联合运行水位动态控制域,从而制订出梯级水库汛期运行水位组合方案,并开展不同水位组合方案的防洪风险分析,为实现洪水资源化利用奠定基础。(3)基于改进电子搜索算法的梯级水库联合优化调度模型。以溪洛渡-向家坝汛期不同水位组合方案为约束条件,建立了两库联合发电优化调度模型;针对电子搜索算法在求解梯级水库优化调度问题时存在搜索空间越限和搜索效率不高的问题,提出可行域内搜索策略以保证每次迭代的个体都是可行解,并采用参数自适应方法以提高算法前期全局搜索速度和后期的局部搜索能力;将改进电子搜索算法与其他算法对比,验证了算法在求解效率方面的优越性;将其应用于溪洛渡-向家坝联合发电优化调度模型的求解,从而优化年内水量分配过程,争取更高的发电效益。(4)基于累积前景理论的专家群体满意度最大群决策模型。建立了基于风险-效益指标的溪洛渡-向家坝汛期运行水位方案决策指标体系;采用组合赋权优化方法以获得兼顾指标排序度和重要度的指标权重;通过累积前景理论获得贴近实际决策心理的个人决策结果,在此基础上根据专家满意度最大原则建立群决策模型,求解出与所有参与决策的专家个人决策结果最贴切的方案作为群决策结果。优选出的方案权衡了风险和效益,可以为实现水资源高效利用提供参考。
靳少波[7](2020)在《龙羊峡水库长期径流演化规律分析》文中提出黄河龙羊峡水库自1986年10月下闸蓄水至今已33年多,通过分析其长期径流变化特点和演化规律,可为黄河上游梯级水库调度运用提供参考。对比龙羊峡电站的设计值、33年的实测资料和唐乃亥站63年的实测资料,表明龙羊峡水库运行中采用的年径流量和平均流量较为合理。从唐乃亥站年径流量变化趋势、汛期占比、水量变幅、洪水特点、径流周期变化、丰枯变化以及黄河上游连续枯水段等分析,阐明了龙羊峡水库的来水演变规律。
李继清,王爽,段志鹏,李建昌[8](2020)在《基于ESMD-BP神经网络组合模型的中长期径流预报》文中认为径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流序列平稳化处理,结合可逼近任何非线性映射的误差反向传播网络(Back Propagation Neural Network,BP神经网络),建立ESMD-BP神经网络组合预报模型,并将其应用于黄河上游龙羊峡水库入库站唐乃亥站月径流和旬径流预报.首先,利用ESMD方法将径流序列中不同尺度的分量和趋势分量逐级提取出来,甄别了大尺度循环和非线性趋势;进而,分析径流周期和趋势变化规律;然后,利用BP神经网络将非平稳径流序列的直接预测转化为平稳的模态分量和趋势余项的预测,加和重构得到最终预测结果.并与单一BP神经网络、经验模态分解(Empirical Mode Decomposition,EMD)与BP神经网络组合模型作对比,结果表明:ESMD-BP神经网络组合模型的预报误差最小、预报精度最高.组合模型为"分解→预测→重构"模式,结合了EMD数据自适应分析和BP神经网络非线性映射的优点,提高了径流预报的准确率,为水文预报精度的提高开辟了新思路.
肖宏林[9](2020)在《黄河源区龙羊峡以上径流—泥沙关系的演化特征研究》文中研究表明以黄河源区龙羊峡以上区域为主要研究对象,收集龙羊峡入库站唐乃亥水文站及出库站贵德水文站1960—2013年的实测径流量和泥沙量数据,分别进行自然环境变化下和人为变化环境下的径流—泥沙关系研究。首先利用Mann-Kendall方法、R/S方法和CEEMDAN方法分别进行径流量和泥沙量的趋势性、持续性和多周期性演化特征研究;在采用双累积曲线法分析唐乃亥水文站径流—泥沙关系的多时间尺度相关性演化特征,并应用协整理论解析微观和宏观多时间尺度下的长期均衡关系和短期波动关系;采用ARMA模型对唐乃亥水文站年径流量进行分解—组合预测研究,并利用纳什效率系数对模拟预测精度进行评价;同时利用熵理论,分析贵德水文站径流—泥沙序列在多时间尺度下的不确定性关系,解析龙羊峡水库运行对径流—泥沙关系的影响。最后通过引入突变点,利用变结构协整理论,对比分析适合贵德水文站径流—泥沙的变结构协整关系。主要研究结论如下:(1)唐乃亥水文站和贵德水文站径流量和泥沙量都有下降的趋势;预测未来唐乃亥水文站径流量依然表现为下降的趋势,泥沙量表现为上升的趋势,而贵德水文站二者都依然表现为下降的趋势;唐乃亥水文站多时间尺度下水沙关系较好,各IMF分量对应的准周期基本相同。建库前,贵德水文站水沙相关性较好,准周期基本相同,水库运行改变了水沙的这种相关性,多时间尺度下水沙关系和波动周期均发生改变。(2)径流—泥沙IMF1分量和IMF2分量对应的双累积曲线拟合效果较好,IMF3分量和IMF4分量对应的双累积曲线存在明显的突变点。由于在个别尺度上分量预测存在较大误差,导致组合回归模型预测的相对误差较大,而ECM模型预测的平均相对误差较小,对径流量进行预测的精度较高。总体而言,原始序列的水沙关系性是由多时间尺度下的水沙关系性变化综合决定,中长时间尺度下的弱水沙关系会影响原始序列的水沙关系。(3)利用ARMA模型进行模拟预测,各分量模拟预测对应的NSE较大并随着波动周期的增大而增大,模型模拟的年平均相对误差为8.70%,模型预测的年平均相对误差为9.42%,相对误差较小,表明模型模拟预测精度较高。总体而言,高频分量在模态重构和组合模拟预测中起着举足轻重的作用,提高高频分量的模拟预测精度,可以总体提高整个模型的精度。(4)对于各IMF分量而言,建库前径流量IMF2分量的多时间尺度熵最大,泥沙量IMF1分量的熵值最大,建库后IMF1分量的多时间尺度熵最大,表明对应分量所携带的信息量较多,对原始序列贡献程度最大。对于径流量、泥沙量的多时间尺度结构熵而言,建库前由IMF1分量和IMF2分量转变为建库后IMF1分量对熵值变化起主导作用,且建库后熵值较大,表明水库运行使水沙波动周期变化更趋于复杂化。综上所述,建议对黄河上游水沙分别采用周期约4?7年和3?4年的相关观测和研究。(5)三种情形下的协突变模型对应的拟合优度R2均有所提高。从ecm(-1)前的系数、平均相对误差和拟合优度R2综合来看,考虑常数项、趋势项和协整向量项的模型3的ECM模型解释性最强,较模型1、2能够更准确地反映径流—泥沙之间的长期均衡和短期波动关系。但值得说明的是,考虑常数项和趋势项的模型2解释性也较强,模拟预测精度也较高。说明协整回归方程主要是常数项和趋势项发生了变化,考虑协整向量项变化对模型模拟精度会有影响和提高,但是提高和调整力度不大。
丁士东[10](2020)在《风光水一体化发电系统中长期多目标优化运行方法》文中指出截止2018年底我国风电、光伏总装机容量已超过350GW,可以预见光伏、风电在未来20多年里将保持强劲的发展势头,成为我国电力发展的主要方式。但是由于其固有的波动性、间歇性等特点,给电力系统安全运行和可再生能源消纳带来了巨大挑战。而利用水电站附近丰富环境能源资源大规模发展光伏、风电并使其与水电站捆绑形成一体化系统为电网提供优质电能是解决可再生能源消纳难题的有效方法之一,也是一种新型的发电模式。因此,本文提出一种考虑电网稳定性和经济性的风光水一体化发电系统多目标优化运行方法,并以龙羊峡水、光、青海湖风电场为案例对所提方法的有效性进行了验证。本文针对风光水新能源发电之间的多能互补特性,且在充分考虑韦伯概率分布的随机风电功率输出模型、受太阳入射角影响的光伏机组功率输出模型以及受水库防洪等因素影响的水电机组功率输出模型的基础上,提出一种考虑系统稳定性和经济性的风光水一体化发电系统多目标优化运行模型。然后,创新性的提出一种改进的基于模拟退火算法的快速非支配排序遗传算法(Improved fast non-dominated sorting genetic algorithm II based on simulated annealing,SA-NSGA-Ⅱ)对优化模型进行求解。对SA-NSGA-Ⅱ算法的改进主要有在变异阶段引入针对多目标优化的改进模拟退火方法,在非支配排序阶段采用两个比较个体的快速排序方法,在种群多样性保持阶段采用考虑方差的拥挤距离公式,大幅提高了求解效率和种群多样性分布。最后,以龙羊峡水、光、青海湖风电场集成发电系统为案例,根据皮尔逊三型(P-ⅡI)曲线对近30年龙羊峡水库年入库径流量进行分类,针对每一分类场景下的风光水互补优化运行系统分别进行了仿真。结果表明水力发电是光伏、风电的良好补充资源,不仅可以提高输送到电网的电能质量,还可以增加风电、光伏新能源发电的消纳,以及实现水库多年协调优化调度的优点。为了进一步验证本文所提的风光水一体化发电系统多目标优化运行方法的有效性,进行了风光水分散调度与联合调度的对比实验。通过比较两种不同方式的调度策略,验证了本文所提方法的优越性。
二、龙羊峡水库入库径流特征及周期分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、龙羊峡水库入库径流特征及周期分析(论文提纲范文)
(1)黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究(论文提纲范文)
Abstract |
1.绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究进展 |
1.2.1 水库群多目标优化调度研究进展 |
1.2.2 协同学在水资源领域研究进展 |
1.2.3 混沌理论在水文水资源领域研究进展 |
1.3 存在的问题 |
1.4 研究内容与技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
2.研究区域概况及资料 |
2.1 黄河流域概况 |
2.1.1 地形地貌与气候特征 |
2.1.2 河流水系及河段概况 |
2.1.3 水资源利用概况 |
2.1.4 泥沙与生态状况 |
2.2 数据资料分析 |
2.2.1 径流资料 |
2.2.2 综合需水资料 |
2.3 黄河干流梯级水库群概况 |
2.4 小结 |
3.基于协同学的梯级水库群“水-沙-电-生态”多维协同控制理论 |
3.1 协同学及其用于研究梯级水库群多目标调度系统可行性分析 |
3.1.1 协同学概述 |
3.1.2 基于协同学研究梯级水库群多目标调度系统的可行性分析 |
3.2 梯级水库群“水-沙-电-生态”多维协同控制理论 |
3.2.1 梯级水库群“水-沙-电-生态”多维协同控制原则 |
3.2.2 关键利益与非关键利益识别及序参量选取 |
3.2.3 序参量阈值确定 |
3.3 小结 |
4.梯级水库群“水-沙-电-生态”多维协同控制模型构建及验证 |
4.1 梯级水库群“水-沙-电-生态”多维协同控制模型构建 |
4.1.1 序参量有序度量化 |
4.1.2 子系统有序度量化 |
4.1.3 多维协同控制模型构建 |
4.1.4 序参量权重确定方法 |
4.2 粒子群优化算法模型求解 |
4.3 传统梯级水库群多目标优化调度模型构建 |
4.4 多维协同控制模型有效性验证 |
4.4.1 模型验证算例选取 |
4.4.2 协同模型验证算例的有序度分析 |
4.4.3 协同模型与传统模型的结果对比分析 |
4.5 小结 |
5.基于满意边界的利益均衡调控及调度系统混沌特征识别与引导 |
5.1 基于满意边界的时段内多目标利益均衡调控 |
5.1.1 满意边界获取 |
5.1.2 时段内多目标利益均衡调控 |
5.2 混沌理论及混沌特征识别方法 |
5.2.1 混沌的定义与概念 |
5.2.2 相空间重构 |
5.2.3 关联维数 |
5.2.4 Kolmogorov熵 |
5.3 梯级水库群多目标调度系统混沌特征识别 |
5.4 多目标利益均衡调控与系统混沌特征引导流程 |
5.5 小结 |
6.径流减少对黄河梯级水库“水-沙-电-生态”多目标利益的影响 |
6.1 1960~1989、1990~2015 径流序列水文改变度分析 |
6.2 1960~1989 序列调控结果分析 |
6.2.1 上游“水-沙-电-生态”多维协同控制与均衡调控结果 |
6.2.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
6.3 1990~2015 序列调控结果分析 |
6.3.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
6.3.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
6.4 径流减少影响分析 |
6.4.1 对上游多目标利用影响分析 |
6.4.2 对中下游多目标利用影响分析 |
6.5 小结 |
7.2030水平年黄河梯级水库群多目标协同控制与均衡调控 |
7.1 现有水利工程情景 |
7.1.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
7.1.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
7.2 有古贤水库情景 |
7.2.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
7.2.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
7.3 小结 |
8.结论与展望 |
8.1 结论 |
8.2 主要创新点 |
8.3 展望 |
致谢 |
参考文献 |
附录 |
(2)基于机器学习模型的龙羊峡水库水温分层结构模拟研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 水温模拟研究进展 |
1.2.2 机器学习模型研究进展 |
1.2.3 水温分层研究进展 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 研究区域概况 |
2.1 龙羊峡水库工程概况 |
2.2 水文气象特性 |
2.3 数据资料 |
3 水库水温模型构建方法 |
3.1 遗传算法 |
3.2 互信息方法 |
3.3 数值模型 |
3.3.1 水动力模型 |
3.3.2 水温模型 |
3.4 机器学习模型 |
3.4.1 人工神经网络 |
3.4.2 支持向量机回归 |
3.4.3 基于遗传算法的支持向量机回归模型 |
3.4.4 基于数值模型前驱数据的水温细化模型 |
3.5 本章小结 |
4 基于数值模型的龙羊峡水库水温模拟 |
4.1 水动力学模型 |
4.1.1 构建模型 |
4.1.2 计算参数及边界条件 |
4.1.3 水动力模型的参数率定及验证 |
4.2 水温与盐度模型 |
4.2.1 水温模型搭建 |
4.2.2 计算参数及边界条件 |
4.2.3 模型参数率定及验证 |
4.3 龙羊峡水库水温模拟及水温结构分析 |
4.4 本章小结 |
5 基于机器学习模型的龙羊峡水库水温模拟 |
5.1 不同水温预测模型的验证与对比 |
5.2 辐射因子对预测模型精度的影响 |
5.3 水库水温的预测 |
5.4 本章小结 |
6 结合数值模型的混合机器学习模型对龙羊峡水库水温模拟研究 |
6.1 混合机器学习模型 |
6.1.1 水库水温细化模型的建立 |
6.1.2 水库水温细化模型前驱数据获取 |
6.2 细化模拟水库水温数据及结果分析 |
6.3 水库水温梯度变化分析 |
6.4 坝前水温结构分析 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
致谢 |
参考文献 |
附录:攻读学位期间主要研究成果 |
(3)黄河上游梯级水电站群间高坝水库的水温分异特征研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究进展 |
1.2.1 水库水温结构研究进展 |
1.2.2 水库水温模拟预测方法 |
1.2.3 水库对河道水温的影响 |
1.3 研究内容和技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
2 研究区概况 |
2.1 工程概况 |
2.1.1 拉西瓦水库 |
2.1.2 李家峡水库 |
2.2 环境背景 |
2.2.1 地质地貌 |
2.2.2 气象 |
2.2.3 水文 |
2.2.4 水温 |
3 研究数据与方法 |
3.1 数据来源 |
3.2 原型观测 |
3.3 水库水温结构判别 |
3.4 水库水温模型 |
3.4.1 水动力学模型 |
3.4.2 水温模型 |
3.4.3 模型率定与验证 |
3.5 小结 |
4 梯级间高坝水库的水温结构识别 |
4.1 现状水库水温垂向结构特征 |
4.1.1 拉西瓦水库 |
4.1.2 李家峡水库 |
4.1.3 公伯峡水库 |
4.1.4 刘家峡水库 |
4.2 不同时期水库水温变化 |
4.2.1 李家峡水库水温对比 |
4.2.2 刘家峡水库水温对比 |
4.3 龙头水库水文和水温波动分析 |
4.4 水库水温纵向对比 |
4.5 小结 |
5 高坝水库入流条件变化对水温分布的响应研究 |
5.1 模拟情景设定 |
5.2 高坝水库单独运行水温模拟分析 |
5.2.1 拉西瓦水库水温结构模拟 |
5.2.2 李家峡水库水温结构模拟 |
5.3 高坝水库联合运行水温模拟分析 |
5.3.1 拉西瓦水库水温结构模拟 |
5.3.2 李家峡水库水温结构模拟 |
5.4 高坝水库水温对比分析 |
5.4.1 库区垂向水温对比 |
5.4.2 水库表层和中层水温变化分析 |
5.5 水库单独、联合运行水温结构分析 |
5.5.1 水库单独运行 |
5.5.2 水库联合运行 |
5.6 小结 |
6 梯级间高坝水库对下游河道的水温影响研究 |
6.1 水库单独运行时下泄水温影响 |
6.1.1 拉西瓦水库单独运行时下泄水温影响 |
6.1.2 李家峡水库单独运行时下泄水温影响 |
6.2 水库联合运行时下泄水温影 |
6.2.1 拉西瓦水库联合运行时下泄水温影响 |
6.2.2 李家峡水库联合运行时下泄水温影响 |
6.3 梯级高坝水库对比下游河道水温的影响 |
6.3.1 拉西瓦水库对下游河道水温的影响 |
6.3.2 李家峡水库对下游河道水温的影响 |
6.4 支流龙头水库下泄水温对比分析 |
6.5 小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
(4)黄河上游龙青段水温演变特征及影响因素研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 河流水温变化特性研究 |
1.2.2 水库水温结构研究 |
1.2.3 水库对河道水温影响研究 |
1.3 主要研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 研究区概况 |
2.1 研究区范围 |
2.2 环境背景 |
2.2.1 地理与地貌 |
2.2.2 气象和水文 |
2.3 龙青段水电开发概况 |
3 数据来源与研究方法 |
3.1 数据来源 |
3.1.1 水文及气象数据 |
3.1.2 库区水温监测 |
3.2 研究方法 |
3.2.1 河流水温变异识别 |
3.2.2 气象因素与河道水温相关性分析 |
3.2.3 河道水温数值模拟 |
4 龙青段水温时空变化规律研究 |
4.1 龙青段水温时间变化规律研究 |
4.1.1 年际水温变化 |
4.1.2 季节性水温变化 |
4.1.3 月际水温变化 |
4.2 龙青段水温空间变化规律研究 |
4.2.1 河道沿程水温年变化 |
4.2.2 河道沿程水温季节性变化 |
4.3 小结 |
5 水库影响下河道水温变异特征研究 |
5.1 水库影响下河道水温特征识别 |
5.2 夏季降温 |
5.3 冬季升温 |
5.4 季节性水温缺失 |
5.5 水温延迟性 |
5.6 水温阈值历时波动 |
5.7 小结 |
6 河道水温变化影响因素研究 |
6.1 气象条件对河道水温的影响 |
6.1.1 影响水温的气象因子 |
6.1.2 多年气温变化趋势 |
6.1.3 河道水温与气温的变化响应关系 |
6.2 水库运行对河道水温的影响 |
6.2.1 运行水位对河道水温的影响 |
6.2.2 不同类型水库对河道水温的影响 |
6.2.3 流量变化对河道水温的影响 |
6.3 小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
攻读学位期间的主要研究成果 |
(5)黄河上游梯级开发影响下溶解性有机碳的输移特征及通量研究(论文提纲范文)
摘要 |
Abstract |
符号表 |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 梯级水电开发的生态环境效应 |
1.2.2 河流及湖库溶解性有机碳特征及其环境效应 |
1.2.3 流域物质有机碳输移通量 |
1.3 研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
2 研究区域概况及研究方法 |
2.1 研究区域概况 |
2.1.1 黄河上游流域概况 |
2.1.2 梯级水库概况 |
2.2 研究方法 |
2.2.1 站点布设及采样频次 |
2.2.2 现场观测与样品采集 |
2.2.3 实验室样品分析 |
2.2.4 数据处理与分析计算 |
3 黄河上游梯级水库水环境指标的时空分布特征 |
3.1 梯级水库表层水水环境指标的时空分布特征 |
3.1.1 表层水水化学类型 |
3.1.2 表层水主要理化指标的时空分布特征 |
3.1.3 表层水主要物质指标的时空分布特征 |
3.2 梯级水库坝前分层水水环境指标的时空分布特征 |
3.2.1 分层水主要理化指标的时空分布特征 |
3.2.2 分层水主要物质指标的时空分布特征 |
3.3 梯级水库溶解性有机碳含量的影响因素分析 |
3.4 本章小结 |
4 黄河上游梯级水库溶解性有机质的组分及来源 |
4.1 梯级水库水体DOM的分布特征 |
4.1.1 DOM荧光组分特征分析 |
4.1.2 DOM荧光强度分布差异 |
4.2 梯级水库水体DOM的来源解析 |
4.2.1 DOM荧光参数指标分析 |
4.2.2 溶解性碳氮比指标分析 |
4.2.3 各参数的相关性分析 |
4.2.4 各参数的主成分分析 |
4.3 本章小结 |
5 黄河上游梯级水库对溶解性有机碳输移通量的影响 |
5.1 梯级水库溶解性有机碳输移通量的计算 |
5.1.1 输入-输出通量模型 |
5.1.2 各水库输入-输出水量 |
5.1.3 DOC通量的计算 |
5.2 梯级水库对河流溶解性有机碳输移通量的影响 |
5.2.1 河流-水库体系的输移通量 |
5.2.2 成果合理性分析 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录1 |
附录2 |
攻读硕士学位期间主要研究成果 |
(6)基于风险分摊的梯级水库汛期水位动态控制及决策研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 中长期径流预报 |
1.2.2 汛期运行水位动态控制 |
1.2.3 梯级水库联合优化调度 |
1.2.4 多目标决策 |
1.3 目前存在的主要问题及发展趋势 |
1.4 主要研究内容 |
第2章 溪洛渡径流特性分析及中长期径流预报模型 |
2.1 引言 |
2.2 研究区域概况 |
2.3 径流特性分析 |
2.3.1 径流年内分配 |
2.3.2 径流年际变化 |
2.4 基于径流划分和预报因子筛选的中长期径流预报 |
2.4.1 基于K-means聚类法的径流划分 |
2.4.2 基于MIC的预报因子筛选方法 |
2.4.3 基于BP人工神经网络的中长期径流预报模型 |
2.5 实例应用 |
2.5.1 径流丰平枯划分及代表年选取 |
2.5.2 预报因子筛选 |
2.5.3 中长期径流预报 |
2.6 本章小结 |
第3章 溪洛渡-向家坝汛期联合运行水位动态控制 |
3.1 引言 |
3.2 研究区域概况 |
3.3 基于空间风险分摊思想的梯级水库蓄洪规则 |
3.3.1 梯级水库联合防洪调度“等比例蓄水”原则 |
3.3.2 防洪调度结果分析 |
3.4 梯级水库汛期联合运行水位动态控制 |
3.4.1 溪-向汛期运行水位动态控制可行性分析 |
3.4.2 梯级水库汛期联合运行水位动态控制域 |
3.5 实例应用 |
3.5.1 动态控制域下限 |
3.5.2 动态控制域上限 |
3.5.3 考虑洪水发生时间预报误差的水位动态控制风险分析 |
3.6 本章小结 |
第4章 IESA及其在梯级水库发电优化调度中的应用 |
4.1 引言 |
4.2 改进电子搜索算法 |
4.2.1 电子搜索算法 |
4.2.2 可行域内搜索策略 |
4.2.3 逐步收敛的参数自适应方法 |
4.2.4 算法步骤 |
4.3 梯级水库联合发电优化调度模型 |
4.3.1 目标函数 |
4.3.2 约束条件 |
4.4 算法性能分析 |
4.5 实例应用 |
4.6 本章小结 |
第5章 基于专家群体最大满意度原则的群决策模型 |
5.1 引言 |
5.2 问题描述 |
5.3 组合赋权优化方法 |
5.4 基于累积前景理论的个人决策 |
5.4.1 决策矩阵归一化处理 |
5.4.2 价值函数和概率权重函数 |
5.4.3 综合前景价值 |
5.5 基于专家满意度最大原则的群决策模型 |
5.5.1 专家满意度最大原则 |
5.5.2 EMGDM构建步骤 |
5.6 实例应用 |
5.6.1 决策矩阵建立 |
5.6.2 指标权重计算 |
5.6.3 个人决策 |
5.6.4 群决策 |
5.7 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间发表的论文 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)龙羊峡水库长期径流演化规律分析(论文提纲范文)
0 引言 |
1 基本情况 |
1.1 唐乃亥以上流域概况 |
1.2 龙羊峡水电站 |
2 径流变化分析 |
2.1 年径流量 |
2.1.1 龙羊峡水电站设计值 |
2.1.2 龙羊峡水电站实测值 |
2.1.3 唐乃亥水文站实测值 |
2.1.4 黄河水电公司采用值 |
2.1.5 年径流量变化趋势 |
2.2 径流分配 |
2.2.1 汛期占比减少[1] |
2.2.2 水量变幅减少[1] |
2.3 洪水变化特点[2] |
2.4 龙羊峡入库水量特点 |
3 来水丰枯变化规律 |
3.1 周期变化 |
3.2 丰枯变化 |
3.2.1 百年系列 |
3.2.2 旱涝图集延长系列[5] |
3.3 连续枯水段[6] |
4 结论 |
(8)基于ESMD-BP神经网络组合模型的中长期径流预报(论文提纲范文)
1 研究方法 |
1.1 ESMD基本原理 |
1.2 BP神经网络模型 |
1.3 ESMD-BP神经网络组合预报模型 |
1.3.1 模型构建 |
1.3.2 模型性能评价 |
2 实例应用 |
2.1 基于ESMD的径流序列分析 |
2.1.1 周期分析 |
2.1.2 多时间尺度变化特征和趋势分析 |
2.2 ESMD-BP组合模型的径流预报 |
2.2.1 月径流预报 |
2.2.2 旬径流预报 |
2.2.3 不同时间尺度径流预报对比分析 |
3 结论 |
(9)黄河源区龙羊峡以上径流—泥沙关系的演化特征研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 水文变量多时间尺度特性研究 |
1.2.2 水沙关系不确定性研究 |
1.2.3 研究中存在的问题 |
1.3 主要研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 研究区概况与基础数据 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地形地貌 |
2.1.3 河流水系 |
2.1.4 气象水文条件 |
2.2 基础数据 |
3 黄河源区龙羊峡以上径流—泥沙的演化特征分析 |
3.1 水文变量演化特征分析方法 |
3.1.1 趋势性 |
3.1.2 持续性 |
3.1.3 多周期性 |
3.2 龙羊峡入库站径流—泥沙的演化特征分析 |
3.2.1 入库站趋势性分析 |
3.2.2 入库站持续性分析 |
3.2.3 入库站多周期性分析 |
3.3 龙羊峡出库站径流—泥沙的演化特征分析 |
3.3.1 出库站趋势性分析 |
3.3.2 出库站持续性分析 |
3.3.3 出库站多周期性分析 |
4 龙羊峡入库站径流—泥沙多时间尺度相关性分析 |
4.1 径流—泥沙相关性分析方法 |
4.1.1 双累积曲线法 |
4.1.2 协整理论 |
4.1.3 误差修正模型 |
4.2 径流—泥沙关系的多周期演化特征分析 |
4.2.1 原始序列的相关性分析 |
4.2.2 多时间尺度下的相关性分析 |
4.3 径流—泥沙多时间尺度协整关系分析 |
4.3.1 数据处理 |
4.3.2 ADF检验 |
4.3.3 径流—泥沙各分量序列回归方程 |
4.3.4 原始序列的误差修正模型 |
4.4 模型预测 |
5 龙羊峡入库站径流量分解—组合预测模型研究 |
5.1 纳什效率系数 |
5.2 模态重构精度评价 |
5.3 基于ARMA模型的模拟预测分析 |
5.3.1 模型识别 |
5.3.2 模型回归与检验 |
5.3.3 模型模拟预测及误差分析 |
6 龙羊峡下游出库站径流—泥沙关系分析 |
6.1 水库对下游径流—泥沙关系的影响分析 |
6.1.1 信息熵理论 |
6.1.2 出库站多时间尺度熵分析 |
6.1.3 出库站多时间尺度结构熵分析 |
6.2 出库站径流—泥沙关系变结构协整分析 |
6.2.1 变结构协整理论 |
6.2.2 径流—泥沙协整分析 |
6.2.3 径流—泥沙变结构协整分析 |
7 结论与展望 |
7.1 结论 |
7.2 主要创新点 |
7.3 展望 |
参考文献 |
个人简历、硕士期间发表论文及研究结果 |
致谢 |
(10)风光水一体化发电系统中长期多目标优化运行方法(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的背景和意义 |
1.2 新能源多能互补研究现状 |
1.2.1 新能源多能互补国内研究现状 |
1.2.2 新能源多能互补国外研究现状 |
1.3 本文主要研究内容及章节安排 |
第2章 风光水一体化发电系统多目标优化模型 |
2.1 风力发电系统 |
2.1.1 风力发电原理及特性分析 |
2.1.2 风速概率分布模型 |
2.1.3 风电机组出力计算 |
2.2 光伏发电系统 |
2.2.1 光伏发电原理 |
2.2.2 最大功率点跟踪技术 |
2.2.3 光伏机组出力计算 |
2.3 水力发电系统 |
2.3.1 水力发电原理 |
2.3.2 水库模型的建立 |
2.3.3 水电机组出力计算 |
2.4 风光水一体化发电系统多目标优化模型 |
2.4.1 风光水一体化发电系统原理 |
2.4.2 风光水一体化发电系统多目标优化数学模型 |
2.5 本章小结 |
第3章 一种改进的SA-NSGA-Ⅱ算法 |
3.1 多目标优化问题的概述 |
3.1.1 多目标优化问题的定义 |
3.1.2 Pareto非支配解集的相关术语定义 |
3.2 遗传算法 |
3.2.1 遗传算法概述 |
3.2.2 遗传算法原理 |
3.2.3 遗传算法流程 |
3.3 改进的模拟退火算法 |
3.3.1 模拟退火算法概述 |
3.3.2 模拟退火算法原理 |
3.3.3 多目标模拟退火机制 |
3.3.4 改进的模拟退火算法流程 |
3.4 改进的NSGA-Ⅱ算法 |
3.4.1 NSGA-Ⅱ算法概述 |
3.4.2 NSGA-Ⅱ算法原理 |
3.4.3 NSGA-Ⅱ算法的改进 |
3.4.4 改进的NSGA-Ⅱ算法流程 |
3.5 改进的SA-NSGA-Ⅱ算法 |
3.5.1 SA-NSGA-Ⅱ算法基本思想 |
3.5.2 SA-NSGA-Ⅱ算法流程 |
3.5.3 标准测试函数验证 |
3.6 本章小结 |
第4章 风光水一体化发电系统优化运行案例研究 |
4.1 龙羊峡水、光、青海湖风电场一体化发电系统 |
4.1.1 概述 |
4.1.2 水库典型年划分标准 |
4.2 风光水一体化发电系统不同典型年运行情况分析 |
4.3 风光水一体化发电系统联合调度与分散调度对比分析 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录一 |
附录二 |
四、龙羊峡水库入库径流特征及周期分析(论文参考文献)
- [1]黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究[D]. 金文婷. 西安理工大学, 2021
- [2]基于机器学习模型的龙羊峡水库水温分层结构模拟研究[D]. 邹昊. 西安理工大学, 2021(01)
- [3]黄河上游梯级水电站群间高坝水库的水温分异特征研究[D]. 王笑. 西安理工大学, 2021(01)
- [4]黄河上游龙青段水温演变特征及影响因素研究[D]. 赵晨旭. 西安理工大学, 2021(01)
- [5]黄河上游梯级开发影响下溶解性有机碳的输移特征及通量研究[D]. 李琛. 西安理工大学, 2021(01)
- [6]基于风险分摊的梯级水库汛期水位动态控制及决策研究[D]. 李宁宁. 华北电力大学(北京), 2021(01)
- [7]龙羊峡水库长期径流演化规律分析[J]. 靳少波. 福建水力发电, 2020(02)
- [8]基于ESMD-BP神经网络组合模型的中长期径流预报[J]. 李继清,王爽,段志鹏,李建昌. 应用基础与工程科学学报, 2020(04)
- [9]黄河源区龙羊峡以上径流—泥沙关系的演化特征研究[D]. 肖宏林. 郑州大学, 2020(02)
- [10]风光水一体化发电系统中长期多目标优化运行方法[D]. 丁士东. 杭州电子科技大学, 2020