《水電能源學》PPT課件.ppt

1、,水 電 能 源 學,華中科技大學 水電與數(shù)字化工程學院 2009年8月,5.1 概述,第五章 徑流預報,在水庫的運行過程中，必須根據(jù)流域徑流的信息，合理安排發(fā)電和泄洪計劃，做到經(jīng)濟，合理，安全運行。水庫調(diào)度的的依據(jù)就是徑流預報。,徑流預報是根據(jù)流域的水文要素（流量、水位等）或其影響要素（降雨、溫度等）的過去或現(xiàn)在狀態(tài)，對其未來狀態(tài)做作出估計。,一、徑流預報的基本概念,要使發(fā)布的徑流預報具有實際意義，就必須給出正確的預報值和預見期。,下圖為某次洪水預報過程線。圖中， 為當前時刻； 為預見期； 為峰值； 為峰值時間。,理論預見期指按照水文要素變化或演變規(guī)律獲得的預見期； 有效預見期指在進行預報時

2、，必須從理論預見期中扣除信息傳遞和分析計算花費的時間后剩余的預見期。,顯然，有效預見期小于或等于理論預見期。有效預見期才具有真正的實際意義。,預見期有理論預見期和有效預見期之分：,凡預報的預見期小于或等于流域匯流時間的稱為短期徑流預報，否則稱為中長期徑流預報。,徑流預報按照預見期可以分為短期徑流預報和中長期徑流預報。一般以流域匯流時間為界：,如何提高徑流預報精度和增長有效預見期，是徑流預報中的兩個重要問題。,因此，開展對水文要素變化及演變規(guī)律的研究，建立精確的預報方法，以及應用包括遙測遙感、信息實時處理等現(xiàn)代化測報技術是十分必要的。,徑流的形成過程：,水文現(xiàn)象是一種非常復雜的物理現(xiàn)象，它不僅受

3、降雨的時空分布特性的影響，還受流域下墊面、人類活動等因素的影響。因此，多年來水文學者一直在不斷探索和研究，以便揭示水文現(xiàn)象及其發(fā)展變化規(guī)律。,二、 流域水文模型及其發(fā)展,但是，至今仍有許多問題沒有解決。在沒有完全弄清楚水文規(guī)律之前，水文學家總是試圖通過建立模型對水文過程進行模擬。在對復雜的水文過程進行研究時，水文模型可以認為是描述水文現(xiàn)象和水文過程的有效工具。即：流域水文模型是對自然界中復雜水文現(xiàn)象的近似模擬，是水文科學研究的重要手段。 流域水文模型的發(fā)展主要經(jīng)歷了如下三個階段：,1、概念、理論的確立以及系統(tǒng)黑箱模型階段,自上世紀20年代開始，一批重要的水文原理和計算方法陸續(xù)出現(xiàn)，如：以達西定

4、律為代表的非飽和土壤水運動方程；以霍頓公式為代表的下滲曲線公式；以彭曼方程為代表的流域蒸散發(fā)計算方法；Sherman的單位線法；尤其是霍頓超滲產(chǎn)流和蓄滿產(chǎn)流概念的提出，使人們認識到自然界中存在兩種截然不同的產(chǎn)流機制。這些理論和方法在實踐中不斷得到發(fā)展和完善，為水文模型的雛形經(jīng)驗性的“黑箱”模型亦應運而生。,2、概念性水文模型階段,進入上世紀50年代以后，隨著人們對下滲理論、土壤水運動理論和河道水力學理論認識的不斷加深，以及將計算機技術引入水文學研究領域，水文學家開始把水文循環(huán)的整體過程作為一個完整的系統(tǒng)來研究，并于50年代后期提出了“流域模型”的概念。,到了上世紀50年代中期至80年代中期，概

5、念性水文模型進入蓬勃發(fā)展階段，其中代表性模型有美國的Stanford模型和HEC-1模型、日本Tank模型、瑞典的HBV模型、我國的新安江模型等。 概念性模型比經(jīng)驗黑箱模型先進，但其最大缺陷是忽略了氣象強迫輸入和地形、土壤、植被等流域下墊面特性的空間不均勻性，且無法給出水文變量在流域內(nèi)的分布，滿足不了規(guī)劃管理和預報實踐中對流域內(nèi)各個位置的水位水量情報的需要。,3、分布式水文模型階段,上世紀80年代中期開始，隨著計算機、GIS和遙感技術的迅速發(fā)展，具有一定物理基礎并能反映流域內(nèi)各種要素空間異質(zhì)特性的分布式水文模型開始興起，國際上較成熟的分布式水文模型有TOPMODEL、SHE、SWAT等。針對我

6、國實況建立具有我國流域特色的分布式水文模型，近10年來取得了不少創(chuàng)新性研究成果。,隨著環(huán)境變化下水文水資源影響問題的日益關注，現(xiàn)代分布式水文模型開始更多地考慮地球生物圈、全球氣候變化及人類活動的影響，同時對土壤濕度的側(cè)向分布、產(chǎn)流機制、匯流機制、蒸發(fā)估計等方面的描述更加完善。為改進陸面過程模擬，實現(xiàn)大氣水文模式的耦合提供了可能。,概念性水文模型用概化的方法表達流域的水文過程，雖然有一定的物理基礎，但都是經(jīng)驗性概述。 分布式物理模型的參數(shù)具有明確的物理意義，可以通過連續(xù)方程和動力方程求解，因而能更準確地描述水文過程，具有很強的適應性，在模擬土地利用、水土流失變化的水文響應及非點源污染、陸面過程、

7、氣候變化影響評價等方面得到了廣泛應用。,在徑流預報和水文計算中都需要對大面積以至全流域的降水量進行計算。,5.2 流域的降水量計算,從降水成因及分類可知，降水在空間的分布是不均勻的，往往某一局部范圍內(nèi)的降雨量相對其周圍要大，而其它位置的降雨量則隨距離加大而逐漸減少。我們將降雨集中處稱為暴雨中心。,由于暴雨中心在流域上的分布是隨機的，因此需要有足夠多的雨量觀測站捕捉多變的降雨量，才能較好地反映降雨的空間分布。,由于水文工作多以流域為對象，因此所謂降雨量，多指流域的平均降雨量。,根據(jù)雨量觀測站測量的降雨量來估算流域平均降雨量的方法有算術平均法和泰森多邊形法等。,一、算術平均法,設：在流域上均勻分布

8、了 個雨量觀測站；在某時段第 個雨量觀測站測量的降雨量為 ；流域的平均降雨量為 ，則算術平均法的計算式為,算術平均法適用于流域內(nèi)地形起伏不大，雨量站網(wǎng)分布均勻且較稠密的地區(qū)。,二、泰森多邊形法,泰森多邊形法又稱為垂直平分法。該法是將相鄰雨量站用直線連接成若干三角形，然后對每個三角形各邊作垂直平分線，連接這些垂直線的交點，得若干多邊形，每個多邊形各有一個雨量站。,泰森多邊形法即以此多邊形面積 作為該雨量站所控制的面積，并按下式計算流域的平均降雨量,泰森多邊形法適用于雨量站網(wǎng)分布不均勻的流域。該法假定雨量站點所代表的區(qū)域在不同降雨過程中視為固定不變，因此與實際降水空間分布不完全符合。,5.3 流域

9、的蓄水容量曲線,考察流域上沿垂向的土柱結(jié)構(gòu)?？梢钥闯?，以地下水面為界，土柱被分為兩個不同的土壤含水帶：,地下水面以下，土壤處于飽和含水狀態(tài)，是土壤顆粒和水分組成的兩相系統(tǒng)，稱為飽和帶；,地下水面以上，土壤含水量處于非飽和狀態(tài)，是土壤顆粒、水分和空氣組成的三相系統(tǒng)，稱為包氣帶。,在降雨過程中，流域上產(chǎn)生徑流的區(qū)域稱為產(chǎn)流區(qū)，其占有的面積稱為產(chǎn)流面積。在降雨過程中，流域的產(chǎn)流面積變化的。,降雨特性主要指降雨量、降雨強度和降雨的時間和空間分布；,流域下墊面特性主要指包氣帶的厚薄、土質(zhì)、土壤結(jié)構(gòu)和土壤濕度等的空間分布。,流域的產(chǎn)流面積的變化與降雨特性和流域下墊面特性有關：,蓄水容量曲線是將流域內(nèi)各個點

10、，按照包氣帶蓄水容量的大小排列，所得到的一條蓄水容量和面積關系的統(tǒng)計曲線 ，如圖。,由于蓄水容量曲線實質(zhì)上反映了包氣帶缺水容量（張力水容量），因而曲線上 可當作流域上各點缺水容量值， 為其中最大值；曲線與坐標軸包圍的面積 為全流域缺水容量值。,圖中： 為流域內(nèi)各點包氣帶蓄水容量值， 為最大值； 為流域各點包氣帶蓄水容量 的面積；為流域面積。,流域的總徑流量（降雨產(chǎn)流量） 為地面徑流量 與地下徑流量 之和，即 。,5.4 流域總徑流量的計算,當降雨空間分布均勻時，超蓄產(chǎn)流的總徑流量可根據(jù)蓄水容量曲線確定:,若流域某時段的初始蓄水為 ，且該時段的降雨量為 ，則該時段蓄水容量的增量為：,其中， 為該

11、時段的蒸散發(fā)損失；,該時段的總徑流量為：,設流域的初始蓄水 ，由蓄水容量曲線得,由于 已知，故 可根據(jù)上式求出。,于是產(chǎn)流的總徑流量及蓄水容量增量的分別為：,若 則出現(xiàn)全流域超蓄產(chǎn)流。,若 則流域上為局部面積超蓄產(chǎn)流；,流域蓄水容量曲線常采用如下拋物線函數(shù)：,對于閉合流域，可導出下列一組公式：,式中， 為經(jīng)驗常數(shù)。,；,，當 時,，當 時,流域的水量平衡方程式為：,式中： 為時段初和時段末的流域蓄水容量 ； 為時段降雨量； 為時段蒸散發(fā)量； 為時段總徑流量; 為時段長；為時間。,為流域的蒸散發(fā)能力，其取值與平均溫度和日照等因素有關； 為最大流域蓄水容量。,流域的蒸散發(fā)主要由流域的土壤蒸發(fā)和植物

12、散發(fā)決定。設流域的蒸散發(fā)量 與流域的蓄水容量 成正比，則蒸散發(fā)量可采用下列實用計算式計算,式中，,上式也稱為一層蒸散發(fā)計算模型。,5.5 流域蒸散發(fā)量的估算,由于一層蒸散發(fā)模型在久旱之后的情況下誤差較大，此時可采用如下蒸散發(fā)計算方法： 根據(jù)流域蓄水情況，可將流域蒸散發(fā)分為三個不同階段（如圖）。其中第一個臨界流域蓄水量 應該略小于田間持水量，第二個臨界流域蓄水量 應該比毛管斷裂含水量小。,5.6 流域總徑流量的劃分,由于超蓄產(chǎn)流時地面徑流形成條件之一是包氣帶達到田間持水量后的超滲，即降雨強度超過穩(wěn)定下滲率，因此可得到如下總徑流量的劃分方法：,考慮到地下徑流 和地面徑流 在匯流特性上的差異，將流域

13、的總徑流 劃分為地下徑流 和地面徑流 兩部分：,在超蓄產(chǎn)流的情況下，若穩(wěn)定下滲率空間分布均勻,式中，為產(chǎn)流面積 相對于流域面積 的比重 。,則流域上分布均勻的降雨所產(chǎn)生的地下徑流量 ，取決于產(chǎn)流面積上降雨強度 與穩(wěn)定下滲率 的對比關系。,如果 ，則該時段降雨所產(chǎn)生的地下徑流量 應為：,如果 ，則有：,令流域穩(wěn)定下滲率為 ，計算時段為 ，時段降雨量和蒸發(fā)量分別為 和 ；由該時段降雨所產(chǎn)生的總徑流量和相應的產(chǎn)流面積比重為 和 。,例：根據(jù)實測的洪水過程線來求取流域的下滲率。已知某流域的一次洪水過程所產(chǎn)生的地下徑流量為 ，相應的降雨、蒸散發(fā)過程及產(chǎn)流計算所得的時段總徑流量、時段末的產(chǎn)流面積列于下表（

14、計算時段 ），試確定該流域的下滲率 。,由以上計算式可知，只要已知流域的 ，就可把超蓄產(chǎn)流的總徑流量劃分為地面徑流量和地下徑流量兩部分。,以上兩項之和為 ，不等于 ，故說明假定 不合理。,設 ，則根據(jù)上表數(shù)據(jù)有,再設 ，則有,該兩項之和為 ，與 很接近，故得本次洪水過程的下滲率 。,5.7 流域匯流計算,河網(wǎng)匯流由各級河流交匯而成；,流域降雨所產(chǎn)生的徑流匯集到流域出口斷面的過程稱為匯流。流域的匯流可劃分為坡地匯流和河網(wǎng)匯流兩個階段。,坡地則指流域上能使雨水直接匯入到各級河流的那部分面積。,由此可見，流域匯流是一種很復雜的水流運動。但水文學研究流域匯流的目的，只是為尋找將流域上降雨過程轉(zhuǎn)變?yōu)榱饔?/p>

15、出口斷面洪水過程的方法。,坡地匯流一般又可分為地面徑流匯流、壤中徑流匯流、地下徑流匯流等匯流形式。,一、地面匯流計算,單位線的是指：在單位時間內(nèi)，流域上分布均勻的一個單位地面凈雨量形成的流域出口斷面地面徑流過程線，記為 。,在工程實踐中常應用單位線法對地面徑流進行匯流計算。,單位凈雨量是指單位時段內(nèi)流域的單位凈雨深，一般取 。,單位時段長可選取為 等，具體取值視流域的大小而定；,如果單位時段內(nèi)凈雨深不是一個單位，而是 個單位，它所形成的出流過程線，總歷時與 相同，流量則為 的 倍；,如果凈雨歷時不是一個時段，而是 個時段，則各時段凈雨所形成的出流過程之間互不干擾，出流斷面的流量過程等于 個流量

16、過程之和。,單位線法計算圖示：,單位線法計算的步驟可寫成公式的形式：,式中: 為時段末地面徑流出流量 ； 為單位線的縱標值 ； 為時段地面凈雨量 。,均為已知，故成為一個以 為未知數(shù)的線性代數(shù)方程組，求解即可得到單位線縱坐標值。,當流域具有實測降雨和徑流資料時，以上各式的,和,地下水匯流的分析計算，理論上屬于滲流力學問題。但實踐證明，地下水的貯水構(gòu)造可視作為一個線性水庫，地下凈雨量為其入流，地下水流量過程為其出流。,二、地下水匯流計算,因此，在水文學中通?；诼?lián)立求解以下兩式來處理地下水匯流問題：,式中：,為地下凈雨率，即為降雨對地下水的補給強度；,為地下水出流量；,為地下水蒸發(fā)量；,為地下水

17、蓄量；,為地下水蓄量常數(shù)。,水量平衡方程,線性水庫方程,若用有限差分法求解以上兩式，則可導出地下水匯流計算的基本公式,式中：,為時段初，末地下水出流量；,為地下凈雨率的時段平均值；,為時段長。,為地下水蒸發(fā)時段平均值；,新安江模型是我國水文工作者經(jīng)過多年的研究與實踐，建立的流域短期徑流預報模型，在水庫運行的實踐中得到了廣泛地應用。,5.8 新安江模型,一、新安江模型的基本原理,新安江模型屬分散性概念模型，它把全流域分成若干個（ 個）單元面積。,新安江模型的輸入為流域降雨量 和流域蒸散發(fā)能力 ；輸出為單元面積蒸發(fā)量 和單元面積出口斷面流量過程 。,新安江模型如圖所示，模型方框內(nèi)為狀態(tài)變量，方框外

18、為模型參數(shù)。,新安江模型,在新安江模型中，首先對每個單元面積作產(chǎn)匯流計算，得出各單元面積的出流過程,然后進行河道洪水演算，得到流域出流過程,把由每個單元面積算得的流域出流過程相加起來，最后得到流域出口斷面總的出流過程,新安江模型包括產(chǎn)流計算、蒸散發(fā)計算、分水源計算和單元面積的匯流計算。其中：,采用超蓄產(chǎn)流概念進行產(chǎn)流計算，并用流域蓄水容量曲線考慮產(chǎn)流面積的變化；,蒸散發(fā)損失按三層蒸散發(fā)模型計算；,采用三水源模型將流域的總徑流劃分為地上流、地下流和壤中流三部分，進行分水源計算；,在單元面積的匯流計算中，地上流采用單位線法；壤中和地下流采用線性水庫來模擬。,新安江模型采用三層蒸散發(fā)模型:,把最大流

19、域蓄水容量WM分為上層WUM、下層WLM與深層WDM；流域土壤蓄水量W分為上層WU、下層WL和深層WD。,在降雨補充土壤蓄水（或土壤蒸發(fā)）時：先補充（或蒸發(fā)）上層的蓄水WU ，上層蓄滿（或蒸發(fā)殆盡）再補充（蒸發(fā)）下層的；同理，再轉(zhuǎn)入深層蓄水WD。,（1）蒸散發(fā)層計算,二、新安江模型的計算,新安江模型的產(chǎn)流層采用蓄滿產(chǎn)流原理：,（2）產(chǎn)流層計算,應用蓄水容量曲線來考慮流域面積上蓄水能力的不均勻性。在這個層次中，雨強對產(chǎn)流量沒有作用，產(chǎn)流R決定于降雨量P，以及蒸發(fā)量E與W之間的關系：,具體的計算方法已在前面進行了介紹。,新安江模型把界面上的產(chǎn)流機制，用一個線性自由水庫來模擬。其中：S為自由水蓄量，

20、SM為其最大值。,（3）分水源層計算,當SSM時，只有地下徑流（TRG）和壤中流（TRSS）出流，其流量為S乘于各自的出流系數(shù)；,S有三個出口，依次為地表、壤中和地下出口：,當SM滿足之后，有SSM時，則多余的部分就要形成地面徑流TRS。此時的地下水出流（TRG）為SM乘于相應的出流系數(shù)。,計算出來的RG可認為已進入地下水庫，再經(jīng)過地下水庫的消退，就是地下水對河網(wǎng)的總?cè)肓鱐RG。,計算出來的RSS可以認為已是壤中流對河網(wǎng)的總?cè)肓鱐RSS，上圖還設置了一個壤中流水庫，再做一次調(diào)蓄作用。,按照蓄滿產(chǎn)流模型求出的產(chǎn)流量R，先進入自由水蓄量，再劃分水源。另外，蒸散發(fā)是在流域土壤蓄水W中消耗，自由水S全

21、部產(chǎn)流。,（4）匯流層計算,新安江模型的匯流過程分為兩個部分：,其一是單位面積上的匯流過程，包括地面徑流的匯流，地下水匯流和壤中流匯流；其二是單位面積以下的河網(wǎng)匯流過程。,在單位面積上的地面徑流采用單位線法進行計算；,單位面積上的地下和壤中徑流的出流過程則采用線性水庫來模擬。,新安江模型屬分散性概念性模型：,因此，新安江模型的參數(shù)應按其物理意義，通過實測來率定。,所謂分散性，是指新安江模型把全流域分成若干個單元面積，分別進行產(chǎn)匯流計算；,所謂概念性，是指新安江模型的參數(shù)是具有一定的物理意義。,三、新安江模型參數(shù)率定方法,通常采用的新安江模型參數(shù)率定方法是：,（1）按實測值或經(jīng)驗選擇參數(shù)的初始值

22、；,（2）將所選擇的參數(shù)初始值代入模型，計算產(chǎn)匯流過程；,（3）將計算的產(chǎn)匯流過程與實測過程進行比較，并以誤差最小為原則，確定模型參數(shù)的最佳值；,（4）按參數(shù)的物理意義進行論證，檢查模型參數(shù)是否合理，有必要時返回（2）再進行調(diào)整。,5.9 人工神經(jīng)網(wǎng)絡模型,人工神經(jīng)網(wǎng)絡(ANN)理論是20世紀80年代中后期迅速發(fā)展起來的一個新的研究領域。人工神經(jīng)網(wǎng)絡是模仿生物結(jié)構(gòu)和功能的信息處理系統(tǒng)，具有高度非線性，能夠進行信息存儲、大規(guī)模并行分布處理、學習分類和優(yōu)化計算等，因此是處理非線性系統(tǒng)的有利工具。,近年來人工神經(jīng)網(wǎng)絡在水文分析和水文預測中的應用越來越廣泛，并取得良好效果。,神經(jīng)網(wǎng)絡種類有多種，其中應

23、用最為廣泛的為BP人工神經(jīng)網(wǎng)絡(Error-Back-Propagation-Network誤差反向傳播網(wǎng)絡)。,水文系統(tǒng)是一個嚴格的非線性系統(tǒng)，它包含著系統(tǒng)時間和空間變化的非線性特性。,一、神經(jīng)網(wǎng)絡的基本概念,人類大腦的神經(jīng)網(wǎng)絡系統(tǒng)是由許多細小的神經(jīng)網(wǎng)絡細胞單元（簡稱“神經(jīng)元”）所組成，它們相互連接構(gòu)成人類大腦中立體的神經(jīng)網(wǎng)絡系統(tǒng)。,在人腦的神經(jīng)網(wǎng)絡系統(tǒng)中，最基本的單元是神經(jīng)元。每一個神經(jīng)元包括神經(jīng)細胞體和突起兩部分。其中：,神經(jīng)細胞體不僅是新陳代謝的中心，而且還是接收與處理信息的部件。,神經(jīng)元不僅通過突起向其它神經(jīng)元發(fā)送生物電信息，而且還通過突起收集來自其它神經(jīng)元的生物電信號。,由此可見，

24、人腦神經(jīng)網(wǎng)絡的結(jié)構(gòu)具有并行、分布的特點，信息的處理與存儲是通過大量的神經(jīng)元的分布來實現(xiàn)的，因而具有極高的容錯能力、快速的推理能力和強大的聯(lián)想能力，與傳統(tǒng)的馮諾依曼式串行計算機的處理方式有著根本的不同。,二、人工神經(jīng)網(wǎng)絡,人工神經(jīng)網(wǎng)絡系統(tǒng)是對人類大腦神經(jīng)網(wǎng)絡系統(tǒng)的一種物理結(jié)構(gòu)上的模擬，即以計算機仿真的方法，從物理結(jié)構(gòu)上模擬人腦，以使系統(tǒng)具有人腦的某些智能。,也就是說，人工神經(jīng)網(wǎng)絡的工作原理來源于人類的大腦，其結(jié)構(gòu)、學習算法、性能分析都是模擬大腦工作的產(chǎn)物。,人工神經(jīng)網(wǎng)絡從網(wǎng)絡拓撲上可以看成是以神經(jīng)元為結(jié)點，用加權(quán)有向弧連結(jié)而成的有向圖。,網(wǎng)絡由輸入節(jié)點層、隱節(jié)點層、輸出節(jié)點層和層間節(jié)點的連接所組

25、成:,輸入節(jié)點層各節(jié)點分別表示輸入數(shù)據(jù)的一項，其節(jié)點個數(shù)與輸入數(shù)據(jù)的維數(shù)一致；,輸出節(jié)點層則對應于輸出數(shù)據(jù)，與期望輸出值的維數(shù)相一致；,隱節(jié)點層則為中間過渡節(jié)點層，參與從輸入到輸出的變換，可以不止一層，相當于增加了映射的次數(shù)。,在上圖所示神經(jīng)網(wǎng)絡系統(tǒng)中，假定單元 是輸出層中的一個典型單元，而單元 是前面一層中的一個典型單元。在給定了初始權(quán)值和輸入樣本值后，后一層中的單元首先從前層單元接收輸入激勵 ：,式中： 是前層中第 個單元的活性水平；,是前層中第 個單元同后層第 個單元間的連接權(quán)值。,然后，該單元使用總加權(quán)輸入的某個作用函數(shù)來計算活躍值 。對非線性網(wǎng)絡，一般使用Sigmoid函數(shù)：,這樣，

26、網(wǎng)絡結(jié)點的活躍值便可以逐層傳至輸出結(jié)點。,由此可見，人工神經(jīng)網(wǎng)絡的層間節(jié)點通過作用強度連接；從輸入到輸出的節(jié)點值的傳播是由連接強度和作用函數(shù)來實現(xiàn)的；作用函數(shù)將節(jié)點收集到的輸入作非線性變換，從而使網(wǎng)絡具有非線性。,當確定了所有輸出單元的活躍值之后，網(wǎng)絡誤差便可依下式得出,式中： 為網(wǎng)絡誤差； 為輸出層中某單元的活躍值； 為該單元在某樣本下的理想輸出。,為了使網(wǎng)絡能在給定的輸入下得到給定的輸出，就必須調(diào)整網(wǎng)絡的權(quán)值，神經(jīng)網(wǎng)絡對知識的表示完全是通過其權(quán)值 分布來實現(xiàn)的。權(quán)值調(diào)整的目的就是使網(wǎng)絡輸出盡可能接近于樣本輸出，即使網(wǎng)絡輸出與理論輸出間的誤差最小。,式中： 為訓練樣本數(shù)。,人工神經(jīng)元網(wǎng)絡對知

27、識的掌握是通過對樣本的學習來實現(xiàn)的。通過對大量的實例樣本的學習，網(wǎng)絡用嘗試錯誤法來不斷減少錯誤和修正權(quán)值、閾值，從而掌握蘊含于樣本集中的難以用解析形式表達的知識，網(wǎng)絡通過權(quán)值的調(diào)整來記下所學過的樣本，并掌握輸入和輸出間的關系。,BP是當前在前饋型神經(jīng)網(wǎng)絡中研究得最為成熟且應用最廣的一種有監(jiān)督學習算法。BP算法的主要思想是把學習過程分為兩個階段：,第一階段為正向傳播過程：給出輸入信息，通過輸入層經(jīng)隱含層逐層處理，并計算每個單元的實際輸出值；,第二階段為反向傳播過程：若在輸出層未能得到期望的輸出值，則逐層遞歸地計算實際輸出與期望輸出的差值（誤差），并以此為根據(jù)調(diào)整權(quán)值。,由于神經(jīng)網(wǎng)絡節(jié)點的激活函數(shù)

28、為Sigmoid函數(shù)，則正向傳播的傳遞函數(shù)是可導的，故誤差反向傳播學習方法可用最小均方算法（LMS法）進行。,BP網(wǎng)絡訓練算法的計算步驟可概括如下： 1）初始化BP 網(wǎng)絡，選定權(quán)值； 2）重復下述過程直到網(wǎng)絡收斂；, 對 到 正向過程：計算每層單元的 ， ， ， 反向過程：對各層（ ）的各個單元，計算,初始值：,修正權(quán)值：,其中，為該神經(jīng)元所在網(wǎng)絡的層數(shù); 為步長; 為作用函數(shù)。,為時段序號；為流域的匯流時間（時段數(shù)）；,為第 個時段的降雨量；,三、徑流預報的BP網(wǎng)絡模型,1、輸入層,輸入層共有 個結(jié)點，分別為,其中：,為流域出口的徑流；,為流域的蒸發(fā)能力。,設流域的總面積為 ；在流域上設置了

29、 個水文觀測站；相應的控制面積為 。當 時段水文觀測站測量的降雨量為 時，則該時段流域上的總降雨量為,2、隱含層,根據(jù)人工神經(jīng)元網(wǎng)絡理論，BP型多層網(wǎng)絡的映射性能力與隱層的層數(shù)和隱單元的數(shù)目有關，雖然這種關系沒有嚴格的數(shù)學表達式，但大量實驗結(jié)果表明：,無隱層的前向網(wǎng)絡只能完成線性映射或多維空間的線性分割； 有隱含層的網(wǎng)絡可以實現(xiàn)任意域的分割，即任意L上0，1到R的映射G，都存在一個3層BP網(wǎng)絡可以任意逼近G。,因此，在徑流預報中選用了三層BP網(wǎng)絡，即除輸入、輸出層外，有一個隱含層。,另外，可以根據(jù)經(jīng)驗公式 確定隱含層結(jié)點的初始個數(shù)，其中： 分別為輸入和輸出層節(jié)點數(shù)。,在此基礎上通過試驗最終確定

30、隱含層結(jié)點的個數(shù)。,3、輸出層,根據(jù)徑流預報問題的需要，選擇輸出層節(jié)點為下一時段的流域出口斷面的徑流 。,徑流預報BP神經(jīng)網(wǎng)絡模型如下圖。,應用BP網(wǎng)絡進行徑流預報示意：,4、BP網(wǎng)絡的訓練,根據(jù)人工神經(jīng)網(wǎng)絡理論，網(wǎng)絡的泛化能力與訓練樣本的數(shù)量和質(zhì)量有關。因此，在選擇訓練樣本時，應選擇歷史上有典型特征的洪水過程。,由于BP網(wǎng)絡的作用函數(shù)采用了Sigmoid函數(shù)，該函數(shù)的輸出為0到1之間的數(shù)，所以需要對訓練樣本的輸出部分（流域出口斷面的徑流量）要作歸一化處理。,同樣，對于輸入部分也需要作歸一化處理。一方面是由于在輸入部分中含有歸一化后的流量；另一方面是因為歸一化可以有效地提高網(wǎng)絡訓練的收斂速度。

31、,；一般取,在進行歸一化處理時，可以采用變尺度法，如,降雨量,其中：加2的原因是為了使降雨量為0時，能避開作用函數(shù)的非線性區(qū)間；根據(jù)歷史降雨量數(shù)據(jù)確定最大值 。,采用BP網(wǎng)絡預測流量曲線和實際流量曲線及部分預測誤差：,1、測量誤差,一、產(chǎn)生預報誤差原因,實測的水文，氣象要素以及土壤，植被，地形等資料，是編制預報方案的主要依據(jù)。但受自然條件和觀測技術，儀器精度等客觀條件的影響，使觀測值有誤差。,5.10 徑流預報的誤差分析,2、預報模型誤差,影響水文要素的因素是很多的，現(xiàn)行的預報模型通常是在一定物理成因基礎上作某些固定與簡化，選用的較為主要的因素，按平均情況建立模型，一些被略去的因素，是造成預報

32、誤差的重要原因之一。,3、計算方法誤差,由于在水文、氣象要素計算過程中，采用的方法不夠嚴密所帶來的預報誤差。,4、資料代表性誤差（抽樣誤差）,由現(xiàn)有的水文資料分析所得的水文規(guī)律，不能完全代替總體的、未來的水文規(guī)律，尤其是當大洪水資料過少時，這種抽樣誤差往往較大，也是造成預報誤差的主要原因之一。,此外，在預報過程中，還存在實時信息掌握不全和人類經(jīng)濟活動等影響所帶來的誤差。,二、預報精度分析,在工程實踐中，徑流預報的可靠性、精度和誤差是否超越了允許范圍，都需要由評定或檢驗給予解答。所以，預報精度分析的目的是：,1、評定和檢驗預報模型的可靠性以及預報值的精度，進而確定已建立的預報模型和采用的計算方法

33、是否合理和適用，其精度能否滿足生產(chǎn)上的需求。,2、了解和掌握預報模型的適用范圍、誤差分布情況以及預報值可能存在的大小，使發(fā)布預報人員合理使用預報方案，應用預報的單位能正確使用預報成果，并且通過不同預報方法間實際效果的比較，發(fā)現(xiàn)存在的問題，從而推動水文預報技術的發(fā)展。,許可誤差是人們根據(jù)預報的水平、資料條件、計算方法和手段、生產(chǎn)上要求以及對已有的預報誤差資料的統(tǒng)計分析而確定的誤差允許范圍，作為評定預報精度的標準。,三、徑流預報的許可誤差,凈雨深的允許誤差為實測資料值的20%； 峰值流量的允許誤差為實測值的20%； 峰值流量出現(xiàn)時間的允許誤差為一個計算時段。,徑流預報的許可誤差為：,短期水文預報雖

34、能在水庫防洪調(diào)度中發(fā)揮重要作用，但由于其預見期短，不能滿足水庫綜合調(diào)度的要求。,5.11 中長期水文預報的方法,中長期水文預報的預見期一般可達一年，甚至更長。所使用的途徑和方法與短期預報有明顯差異短，研究和掌握其預報方法具有重要的現(xiàn)實意義。,1、天氣學方法,一、中長期水文預報的方法,徑流的變化主要取決于降水，降水又是由一定的環(huán)境形勢與天氣過程決定。因此，降水的長期變化應與大型天氣過程的演變有密切關系。,天氣學方法就是基于這一概念，根據(jù)前期大氣環(huán)境特征在未來的演變規(guī)律，對水文要素作出中長期預報的一種方法。,2、統(tǒng)計學方法,統(tǒng)計學方法是根據(jù)大量的歷史水文、氣象資料，建立預報對象與預報因子之間的統(tǒng)計

35、關系來進行中長期預報的一種方法。,按制作預報方案時考慮因子的方法特點，該法又可分為單要素法和多要素綜合法：,單要素法在于分析預報對象本身隨時間的變化規(guī)律來作為預報的依據(jù)，例如時間序列分析法；,多要素法在于分析預報對象及其影響因子之間的統(tǒng)計相關關系來作為預報的依據(jù)，例如多元回歸分析法。,3、宇宙地球物理因素方法,常見的宇宙地球物理因素是太陽的活動、海溫狀況、星際引力、地球自轉(zhuǎn)和極地移動等。,近代研究表明，這些因素的變化與某些地區(qū)的水文要素的長期變化存在著良好的關系。分析這些關系，并用于預報，就是中長期預報水文中的宇宙地球物理因素方法。,二、時間序列分析法,對于平穩(wěn)隨機數(shù)據(jù)的時間序列 ，可以建立一

36、個線性的時序模型,式中：,為時間序列，,為自回歸參數(shù)，,為滑動平均參數(shù)，,為 時刻的白噪聲輸入，,是一個服從正態(tài)分布（均值為零，方差等于 ），且互相獨立的變量；為模型自回歸部分的階次； 為模型中滑動平均階次。該時序模型稱為 階自回歸滑動平均模型，簡記為,其含義是，系統(tǒng)在時刻 的輸出 是由系統(tǒng)前 個輸出 和 到 時刻中的 個白噪聲輸入的線性和。因此，上式可改寫為如下形式,（2）當 時，有,以下為 時序模型的兩個特例：,（1）當 時，有,稱為 階自回歸模型，簡記為 。,稱為 階滑動平均模型，簡記為 。,應用時間序列分析法來分析預報對象本身隨時間的變化規(guī)律時，需要建立時序模型,考慮到模型誤差與量測誤

37、差的模型殘差 ，上式可改寫為,根據(jù)歷史輸入輸出數(shù)據(jù) ，應用最小二乘法辨識模型參數(shù) 及,參數(shù)辨識的準則是模型殘差方差最小，即,定義,由歷史資料中的 輸入和輸出值 ，及 ，根據(jù)時序模型建立由 個方程構(gòu)成的方程組，即,將上列方程組寫成向量方程形式，即,為殘差向量，是 矩陣；,為參數(shù)向量，是 矩陣；,為觀測向量，是 矩陣；,為輸出向量，是 矩陣；,式中：,當矩陣 為非奇異時，由上式求得的 稱為待辨識參數(shù) 的最小二乘估計。,求得參數(shù)向量 的最優(yōu)估計,對 求取關于 的導數(shù)，并令其等于零，得,記 為參數(shù)向量 的最優(yōu)估計，則由參數(shù)辨識的準則,由上述最小二乘估計可知：只要矩陣 為非奇異，待辨識參數(shù)的最優(yōu)估計值

38、總是存在的。一般來說，如果輸入信號 是隨機序列，則矩陣 為非奇異。,上式即為按最小二乘法進行離線參數(shù)辨識的基本關系式。由于這時的參數(shù)估計值 是在取足采集數(shù)據(jù)后，離線一次計算出來的，故上述基本關系式也稱為一次估計公式。,如果在參數(shù)的辨識計算中，能夠不斷采集的輸入、輸出數(shù)據(jù)，同時再應用一種遞推算法對初步估計值進行不斷地修正，將取得新的、更為準確的參數(shù)估計。,由于這種參數(shù)辨識方法采用的是一種在系統(tǒng)運行過程中進行的遞推辨識思想，故稱其為在線辨識。,， 取計算機容許的最大值。,參數(shù)估計的最小二乘遞推公式為,式中:,任意值；,的修正而得到的。修正項中的 可視為在 基礎上產(chǎn)生的對輸出 的估值。,參數(shù)估計的最

39、小二乘遞推公式具有鮮明的直觀意義，其中新的參數(shù)估計 是在原有的參數(shù)估計 基礎上，經(jīng)過,因此， 便是在 時刻上對輸出的估計誤差，該估計誤差通過增益矩陣 的加權(quán)便構(gòu)成上述對 的修正項。,注意到，由于在增益矩陣 中的因子 是一個標量，因此在遞推計算模型參數(shù)估計值 的過程中，完全避免了矩陣求逆的運算，從而使參數(shù)估計的最小二乘遞推計算具有較高的計算效率和計算精度。,三、多元回歸分析法,如果通過成因分析找出影響預報對象的諸水文氣象因素，則可應用統(tǒng)計數(shù)學方法中的多元回歸分析法建立預報模型。,1、預報因子的選擇,預報因子的選擇是應用多元回歸分析法建立預報模型的關鍵。,首先考察與預報對象在物理成因上有聯(lián)系的因子

40、。例如，降水與大氣環(huán)流有密切關系，因此可以把反映前期環(huán)流的各種特征數(shù)，如環(huán)流指數(shù)、副熱帶高壓位置與強度等作為可能被挑選的因子；,其次，要使得被選擇的因子與預報對象相關顯著，且各因子之間基本獨立。,2、建立預報方程,根據(jù)上式選擇的預報因子即可建立與預報對象之間的多元回歸方程,為預報對象；,式中：,為預報因子；,為回歸系數(shù)。,回歸系數(shù)可根據(jù)歷史資料按最小二乘法確定。例如，對于一個具有4個預報因子的回歸方程，應用最小二乘法可導出關于回歸系數(shù)的線性代數(shù)方程組,因此，求解上述線性方程組就可得到多元回歸方程 的回歸系數(shù) ，即可建立預報方程。,為預報因子的歷史觀測值；,為相應的預報對象的觀測值；,為歷史資料

41、數(shù)。,式中：,第六章 水電站經(jīng)濟運行,水電站是電力系統(tǒng)的一個組成部分，通過電把它與其它水電站、火電站、核電站以及電網(wǎng)、用戶等緊密地聯(lián)系在一起。因而水電站運行方式的改變將直接或間接地對電力系統(tǒng)的各部分產(chǎn)生作用，從而引起整個電力系統(tǒng)經(jīng)濟效益的變化。,6.1 概述,另外，水電站還是水利系統(tǒng)的一個中心環(huán)節(jié)，通過水量、水質(zhì)、水位、流速等因素與防洪、航運、灌溉、供水、環(huán)保等綜合部門聯(lián)系在一起，水電站的運行方式也將對它們發(fā)生作用，從而影響水利系統(tǒng)的經(jīng)濟效益。,電力系統(tǒng)和水利系統(tǒng)的個部門都會對水電站提出最基本的要求和最有利的運行方式，但這些要求和方式往往是相互矛盾的。,水電站最理想的運行方式是以國民經(jīng)濟效益最

42、大為目標來制定。但要制定這樣的運行方式卻十分困難，甚至所需的一些基本資料都難以獲得。,因此，在工程實踐中水電站是根據(jù)其所承擔的主要任務，選擇一個（或幾個）目標，而將其它部門提出的基本要求作為約束條件，應用優(yōu)化理論來制定最優(yōu)的運行方式，也就是水電站經(jīng)濟運行。,例如，以發(fā)電為主的水電站可以選擇調(diào)度期內(nèi)發(fā)電量（或收益）最大為目標，制定最優(yōu)運行方式。,水電站經(jīng)濟運行系統(tǒng)構(gòu)成：,6.2 水電站廠內(nèi)經(jīng)濟運行,水電站的水輪發(fā)電機組有許多種運行方式，水電站廠內(nèi)經(jīng)濟運行是在滿足有關約束的條件下，使各機組工作在某一目標函數(shù)取極值的運行方式。,對于有調(diào)節(jié)能力的水電站，其廠內(nèi)經(jīng)濟運行問題包含了兩個方面的內(nèi)容：,（1）

43、 在給定水電站總出力和運行機組的條件下，制定運行機組間最優(yōu)負荷分配方案（即空間優(yōu)化）。,（2） 在給定水電站日負荷曲線和運行機組的條件下，制定各時段最優(yōu)運行機組臺數(shù)及運行機組的組合方案（即時間優(yōu)化）。,對于徑流式水電站，當引用流量一定時，機組間負荷優(yōu)化分配應是使水電站發(fā)電量最大的運行工況。其數(shù)學模型為,式中： 分別為在 時段，電站所引用的總流量和第 臺機組的發(fā)電流量； 分別為電站的總出力和第 臺機組的出力。,目標函數(shù),約束條件,一、水電站機組間負荷優(yōu)化分配的數(shù)學模型,對于有調(diào)節(jié)能力的水電站，機組間負荷優(yōu)化分配的數(shù)學模型為,目標函數(shù),約束條件,根據(jù)最優(yōu)化理論，上述兩個數(shù)學模型是對偶問題，相互之間

44、可以依據(jù)對偶原理進行轉(zhuǎn)換。,水電站機組間負荷優(yōu)化分配問題通常所采用的求解方法有等微增率法、動態(tài)規(guī)劃和遺傳算法等。以下將分別予以介紹。,等微增率法的基本原理是根據(jù)泛函（變分法）導出的運行機組間最優(yōu)負荷分配的等微增率原則,式中， 為在機組段水頭一定的情況下，第 臺機組流量特性曲線切線的斜率，稱為流量微增率。,二、機組間負荷優(yōu)化分配的等微增率法,第 臺的機組流量特性曲線：,運行機組間最優(yōu)負荷分配的等微增率原則：,等微增率原則可表述為：設水電站有2臺運行機組，其負荷分別為 和 。若2臺機組的微增率不相等，且 ，如圖所示。此時，第一臺機組減少 的負荷，而第二臺機組增加 的負荷，則總運行流量 可得到減少。

45、由此可見，運行機組間最優(yōu)負荷分配應滿足等微增率原則。,由于等微增率法求解機組組合問題比較困難，因此機組間最優(yōu)負荷分配是在機組組合已定的情況下進行的。,按等微增率原則求解運行機組間最優(yōu)負荷分配問題的算法十分簡單，但它要求機組流量特性曲線是光滑的凸函數(shù)，并需要繪制各臺機組的微增率曲線。,動態(tài)規(guī)劃方法的基本原理是：作為整個過程的最優(yōu)策略具有這樣的性質(zhì)，即無論過去的狀態(tài)和決策如何，對前面的決策所形成的狀態(tài)而言，余下的諸決策必須構(gòu)成最優(yōu)策略。,三、機組間負荷優(yōu)化分配的動態(tài)規(guī)劃法,動態(tài)規(guī)劃原理是由貝爾曼首先提出的。根據(jù)這個原理，可以把多階段決策問題的求解過程看出是一個連續(xù)的遞推，由后向前逐步推算。,在求解

46、時，各狀態(tài)前面的狀態(tài)和決策，對后面的子問題來說，只不過相對于其初始條件而已，并不影響后面過程的最優(yōu)策略。,應用動態(tài)規(guī)劃方法制定水電站機組間負荷優(yōu)化分配計劃時，需要建立動態(tài)規(guī)劃模型：,1、針對實際問題，按時間（或空間）恰當?shù)貏澐秩舾呻A段，并在此基礎上設置階段變量 。,在機組間負荷優(yōu)化分配問題的建模中，以工作機組的臺數(shù) 作為階段變量（ 為水電站總運行機組臺數(shù)，即按空間劃分階段），如 表示第二階段可以有兩臺機組（1#機組和2#機組）工作。,2、正確選擇狀態(tài)變量 ，使它既能描述過程的狀態(tài)，又要滿足無后效性。所謂無后效性是指，如果某階段的狀態(tài)已定，則在該階段以后過程的發(fā)展不受前面各階段狀態(tài)的影響。,在機

47、組間負荷優(yōu)化分配問題的建模中，選擇第 階段所有運行機組的負荷總和 作為狀態(tài)變量。顯然，該狀態(tài)變量所描述的過程具有無后效性。,狀態(tài)空間為,3、正確選擇決策變量 及其允許空間 （決策空間）。,在機組間負荷優(yōu)化分配問題的建模中，選擇新投入的機組所帶負荷作為決策變量。如 表示第 階段投入運行的機組所帶的負荷；當 時，則說明第 階段不需投入新機組運行。,狀態(tài)空間為,4、建立狀態(tài)轉(zhuǎn)移方程 。即：如果給定了第 階段的狀態(tài)變量 ，則 時段的決策變量 一經(jīng)確定，則該階段的狀態(tài)變量 也就完全確定了。狀態(tài)轉(zhuǎn)移方程描述了由 階段到 階段的狀態(tài)轉(zhuǎn)移規(guī)律。,在機組間負荷優(yōu)化分配問題的建模中，狀態(tài)轉(zhuǎn)移方程為,即：,5、列出

48、滿足遞推性要求的指標函數(shù) 。常見的指標函數(shù)是取各階段的指標和：,在機組間負荷優(yōu)化分配問題的建模中，指標函數(shù)（目標函數(shù)）選取為水電站總發(fā)電流量最小,6、建立動態(tài)規(guī)劃的基本方程,動態(tài)規(guī)劃（逆序）的遞推計算過程是從 開始，逐段向前推移，一直到求出 時為止，就得到了整個過程的最優(yōu)解，包括最優(yōu)指標函數(shù)值和相應的最優(yōu)決策序列,在機組間負荷優(yōu)化分配問題計算中，采用了順序遞推計算，其動態(tài)規(guī)劃的遞推方程為,最后可得水電站機組間負荷最優(yōu)分配表：,7、最優(yōu)負荷分配表的求解步驟,（1）設定水電站總負荷 ，根據(jù)多階段決策過程，分別按 求解上述模型；,（2）設定水電站總負荷 ，求解上述模型；,（3）設定水電站總負荷 ，求

49、解上述模型，直至 ；,但是，動態(tài)規(guī)劃方法存在“維數(shù)災”問題，即當問題中的變量個數(shù)（維數(shù)）太大時，由于計算機的存儲容量和計算速度的限制，而無法解決。,采用多階段決策問題的動態(tài)規(guī)劃方法求解水電站機組間負荷優(yōu)化分配問題，相比于解析數(shù)學而言更有成效。因此，在水電能源系統(tǒng)優(yōu)化運行的實踐中得到了廣泛地應用。,遺傳算法是一種概率搜索算法，它是利用某種編碼技術作用于稱為染色體的二進制串，其基本思想是模擬由這些串組成的群體的進化過程。,四、遺傳算法,通過有組織地，然而是隨機地信息交換來重新組合那些適應性好的串，在每一代中利用上一代串結(jié)構(gòu)中適應性好的位和段來生成一個新的串的群體；作為額外添加，偶爾也要在串結(jié)構(gòu)中嘗

50、試新的位和段來替代原來的部分。,遺傳算法的基本原理是：,類似于自然進化，遺傳算法通過作用于染色體上的基因，尋找更好的染色體來求解問題。與自然界相似，遺傳算法對求解問題的本身一無所知，它所需要的僅是對算法所產(chǎn)生的每個染色體進行評價，并基于適應值來選擇染色體，使適應性好的染色體有更多的繁殖機會。,由此可見，遺傳算法是一類隨機算法，但它不是簡單的隨機走動，它可以有效地利用已有的信息來搜索那些有希望改善解質(zhì)量的串。,由于遺傳算法有較高的搜索效率，而且不存在“維數(shù)災”問題，因此能比較好地解決水電能源系統(tǒng)優(yōu)化運行的計算問題。,三、 水電站廠內(nèi)經(jīng)濟運行問題的求解,水電站廠內(nèi)經(jīng)濟運行問題可描述為：,已知水電站

51、的日負荷曲線 、 臺運行機組在工作水頭下的動力特性曲線 和出力限制 。求使水電站發(fā)電用水最少的運行計劃。,階段變量：將一天分成 個時段，時段的順序編號 作為階段變量；,決策變量：將面臨時段的狀態(tài)作為決策變量；,狀態(tài)轉(zhuǎn)移：隨著決策的改變，使狀態(tài)發(fā)生變化；,狀態(tài)變量：將水電站所有可能的機組組合方案編號作為狀態(tài)變量 , ；,約束條件：功率平衡、出力限制、機組組合限制等；,以下將介紹求解水電站廠內(nèi)經(jīng)濟運行（時間優(yōu)化）問題的動態(tài)規(guī)劃方法。,目標函數(shù)：尋求使水電站在一日內(nèi)發(fā)電用水量最小的決策序列（即各時段的機組組合方案），即,式中， 為水電站機組在 個時段內(nèi)的總耗水量；,為 號機組在 時段出力為 時的發(fā)電

52、耗水量；,為 號機組在 時段工作狀態(tài)轉(zhuǎn)換的耗水量；,為水電站機組在 時段處于狀態(tài) 時的最小總耗水量；,式中，,為水電站機組在 時段處于狀態(tài) 時的發(fā)電耗水量；,根據(jù)動態(tài)規(guī)劃原理可寫出多階段決策方程：,為水電站從狀態(tài) 轉(zhuǎn)移到狀態(tài) 的轉(zhuǎn)換耗水量（轉(zhuǎn)換損失）；,3、水電站廠內(nèi)經(jīng)濟運行計劃的制定,根據(jù)水電站的日負荷曲線制定最優(yōu)的機組組合方案，然后按時段將時段負荷及機組組合方案代入最優(yōu)負荷分配表中，即可得到水電站廠內(nèi)的日經(jīng)濟運行計劃。其中包括最優(yōu)開停機計劃和負荷分配計劃。,關于制定廠內(nèi)經(jīng)濟運行計劃的幾個概念：,（1）水電站的毛水頭等于水庫上、下游水位差,（2）作用在水輪機上的凈水頭為,式中， 為引水系統(tǒng)的沿程損失，并且 與水輪機的引用流量的平方成正比 ；,（3）水庫的下游水位是水電站下泄流量的函數(shù),；,一、水庫調(diào)度的基本原理,6.3 水電站水庫調(diào)度,水電站水庫調(diào)度是運用水庫的調(diào)蓄能力，通過水電站的泄水建筑物和水輪機設備調(diào)節(jié)控制河川的天然徑流，使之適應電力系統(tǒng)可靠供電和其它綜合用水部門的需要。,水庫調(diào)度的基本依據(jù)是，根據(jù)河川徑流特性及電力系統(tǒng)和綜合用水部門的要求，按水庫調(diào)度目的編制的水庫調(diào)度圖。,水庫調(diào)度圖表示了在水庫運行中，決策變量（水電站出力、供水量、下泄流量、水位等）與狀態(tài)變量（入庫流量、庫水位等）在時間上的函數(shù)關系。它綜合反映了各部門的要求和水庫調(diào)度的基本原