[发明专利]一种水库实时多目标随机优化调度和风险评估方法

权利要求书

1.一种水库实时多目标随机优化调度和风险评估方法，其特征在于，包括以下步骤：

(1)建立水文预报演进模型，模拟水文预报不确定性的动态演进过程，合成入库水文集合预报并构建洪水情景树；

(2)建立基于实时修正策略的水库实时多目标随机优化调度模型；

(3)采用约束法和两步求解过程推求不确定环境下的帕累托前沿；

(4)建立风险评估模型，量化各调度指标的不确定性和调度风险；

(5)采用随机多属性决策模型从帕累托前沿上确定最理想的水库调度方案，并定量评估决策结果的不确定性；

(6)建立基于实时信息修正的滚动预报-调度-决策流程。

2.根据权利要求1所述的一种水库实时多目标随机优化调度和风险评估方法，其特征在于，所述步骤(1)中定义单时段的预报更新u_w,t为相邻两个时刻之间水纹预报误差的差，u_w,t计算公式如下：

式中，q_t为t时刻的流量实测值；f_w,t(m³/s)表示w时刻发布的关于未来时刻t的水文预报，t＝w+i,i＝0,1,…,H，H为预见期；e_w,t(m³/s)表示w时刻发布的关于未来时刻t的水文预报误差；

假定面临时段的水文预报是完美的，即f_t,t＝q_t，推求水文预报不确定性的动态演进过程，计算公式如下：

单时段的水文预报更新u_w,w+i-1，i＝1,…,H，构成如下所示的水文预报更新向量U_w,-：

U_w,-＝[u_w,w,u_w,w+1,…,u_w,w+H-1] (3)；

采用以下方差-协方差矩阵VCV来度量水文预报更新向量的统计特性：

式中，var_i为u_w,w+i-1的方差，cov_i,j为u_w,w+i-1和u_w,w+j-1之间的协方差，i＝1,…,H；

采用Cholesky分解将VCV转换成一个下三角矩阵和其转置的乘积，即VCV＝V·V^T，然后，采用以下公式对水文预报更新向量U_w,-进行随机模拟：

U_w,-＝[u_w,w,u_w,w+1,…,u_w,w+H-1]＝[θ₁,θ₂,…θ_H]·V^T (5)；

式中，θ_i(i＝1,2,…,H)为服从独立正态同分布的随机变量；

将水文预报更新向量U_w,-代入预报演进过程计算公式(2)中即可合成入库水文集合预报；

基于随机生成的水文集合预报，构建洪水情景树为：

其中，I为情景树规模；ω_tⁱ代表洪水情景树中的第i个洪水情景，即洪水情景树的第i个树节点；该洪水情景树由从当前时段w到预见期末w+H的一系列树节点构成。