论文部分内容阅读
中长期径流预报方法一直是国内外研究的热点和难点,从传统的成因分析方法、水文统计法、时间序列分析方法等,发展到现代的人工神经网络、小波理论、灰色系统和混沌理论等,各方法因其机理与适用环境不同而各具优势。另外,随着水电站在电网系统的作用日益显著,以及水电站在电网系统的调度与运行日益复杂,继续深入研究中长期径流预报方法、补充和完善相关理论与方法,以合理、有效地提高中长期径流预报的精度,并在此基础上形成指导水库运行的调度策略,具有重要的理论意义和应用前景。本文主要完成如下两部分工作:(1)采用一元线性回归模型模拟贝叶斯分析的先验分布和似然函数,建立了基于小波-BP神经网络的贝叶斯概率组合预测模型,将其应用于老挝Namngum水库月径流量预测中。该模型有效提高了预测精度;此外,同时相对于确定性水文预报方法而言,组合预测模型可定量地、以分布函数形式描述水文预报的不确定度,为后续水库调度提供了更多、更全面的信息。(2)以Namngum水电站为研究实例,以组合预报结果为依据,建立以发电量最大为目标函数的优化调度模型,并采用POA算法进行求解;将调度结果同现有运行方式下的结果进行对比,结果表明,应用WA-BP-BY模型预报结果可在原有基础上进一步提高Namngum水电站水库的发电效益,可为今后水电站水库发电计划制定提供参考依据。