径流变化条件下水库群防洪风险时空演化识别方法及系统与流程

本发明涉及径流变化条件下水库群防洪风险时空演化识别方法。

背景技术：

1、受气候变化与人类活动的双重影响，流域径流过程发生了显著变异，水文序列平稳性的基本假定将不再适用，径流的非一致性变化给流域水资源综合开发利用和水利水电系统联合调度带来新的风险。

2、现有的风险分析方法主要用以评价某一风险事件的发生概率，尚不能识别出径流非一致性变化下水库群风险时空演化过程，因此难以指导径流变化条件下水库群的适应性调控，而且现有方法考虑的系统规模往往较小，对大规模复杂水库群系统的适用性不足，尤其缺乏流域大规模开发下水库群系统间耦合作用对风险影响的分析手段。

3、本发明提出径流变化条件下水库群防洪风险时空演化识别方法及系统，解决目前存在的上述问题，能够突破现有方法的局限性，识别出因径流非一致性变化导致的复杂水库群风险空间上的演化特征，找到空间上的风险薄弱点，识别水库群风险时间上的演化特征及发展趋势。

技术实现思路

1、发明目的，提供一种径流变化条件下水库群防洪风险时空演化识别方法，以解决现有技术存在的上述问题。另一方面提供径流变化条件下水库群防洪风险时空演化识别系统。

2、技术方案，径流变化条件下水库群防洪风险时空演化识别方法，包括如下步骤：

3、步骤s1、收集研究区历史径流资料，将研究区划分为干流和若干个子流域，分别构建各子流域历史径流序列并将其分为一个天然期段和若干个变化期段；

4、步骤s2、构建研究区的改进swat模型，计算每一段径流序列对应的模型参数的后验概率密度函数，随机抽样获得各个子流域每个历史径流序列分段对应的海量参数集，采用海量参数集的参数取值组合分别设置改进swat模型，模拟径流得到各个子流域每个历史径流序列分段对应的海量径流情景；

5、步骤s3、依次使用子流域各个历史径流序列段的海量径流情景驱动改进swat中的水库优化调度模型，得到该子流域的水库防洪指标值和水库下泄流量，计算防洪控制断面的水位和流量，计算该子流域各个历史径流序列段内每个水库对应的防洪风险；

6、步骤s4、基于各个子流域的历史径流突变时间得到干流的m个历史径流突变时间点，依次计算干流的每个历史径流突变时间点发生径流变化的子流域的所有水库和受其影响的干流水库对应的防洪风险，计算子流域水库到干流水库的防洪风险转移概率，构建风险空间转移概率矩阵，得到风险传递机制。

7、根据本技术的一个方面，所述步骤s1进一步为：

8、步骤s11、收集研究区历史径流资料，识别研究区的分水岭和河流，并确定研究区河流源头，得到干流和n条支流，将每个支流流域作为一个子流域，得到研究区由n个子流域和干流组成，干流和每个子流域各自包括若干个水库，n为正整数；

9、步骤s12、提取每个子流域的历史径流构建对应的历史径流序列，序列长度为序列长度为ti，ti为正整数，i为子流域序号，基于历史径流突变点将每个历史径流序列分为一个天然期段和若干个变化期段。

10、根据本技术的一个方面，所述步骤s11进一步为：

11、步骤s11a、读取研究区的dem数据，遍历每个栅格，以当前栅格中心为圆心，取dem数据的分辨率与识别精度要求两者之间的较大值为半径作圆，将圆形完全覆盖到的栅格纳入检验范围，计算中心栅格与检测范围内栅格最大高程差绝对值，并记录最大高程差正负符号，栅格中心更高为正，低为负，同时记录矢量方向；

12、步骤s11b、识别最大高程差绝对值大于分水岭阈值且最大高程差符号为正且相邻的栅格最大高程差符号为负的栅格，为分水岭栅格，根据所有分水岭栅格绘制分水岭线，以分水岭线划分子流域；

13、步骤s11c、识别最大高程差绝对值大于河流阈值且最大高程差符号为负且相邻的栅格最大高程差符号为正的栅格，为河流栅格，根据所有河流栅格绘制河流，根据河流栅格矢量方向确定流向；

14、步骤s11d、从研究区出口沿河流向上游逐栅格移动，当识别到河流交汇点时，实施干流路径多指标联合判断，识别干流路径，沿干流继续向上游逐栅格移动，直至干终点；

15、步骤s11e、将河流主源的支流作为研究区干流，其它支流作为研究区支流，得到一条干流和n条支流，将每个支流流域作为一个子流域，得到研究区由干流和n个子流域组成，干流和每个子流域各自包括若干个水库，n为正整数。

16、根据本技术的一个方面，所述步骤s12进一步为：

17、步骤s12a、对每个子流域的历史径流，计算每年的均值，每年的日极大值、日极小值、月极大值、月极小值，每年的日径流量方差、月径流量方差，获得7项指标的时间序列，序列长度为ti，ti为正整数，i为子流域序号；

18、步骤s12b、将每个子流域的研究时期内的每一个时间点，即每一年，构造为7维空间的一个点，每个维度对应着每项指标，将计算得到的7项指标值赋值给每个时间点；

19、步骤s12c、对各个子流域，构建研究时期时间序列的监测点从2到ti-1滑动，以监测点为界将研究时段划分为2段，依次计算监测点前后两段子序列在7维空间的重心坐标以及两段重心的欧式距离；

20、步骤s12d、设定阈值，把两段重心欧式距离大于阈值的监测点选出，作为突变点。

21、根据本技术的一个方面，所述步骤s2进一步为：

22、步骤s21、构建研究区的改进swat模型；

23、步骤s22、将水文模型参数在其取值范围内服从均匀分布作为第一段径流序列的先验分布，采用参数自适应优化的dream算法对第一段径流序列的先验分布进行贝叶斯推断，得到水文模型的后验概率密度函数作为第一段径流序列的模型参数同时作为下一段径流序列的先验分布，并基于第一段径流序列的后验分布，优化dream算法参数；

24、步骤s23、以上一段径流序列的后验分布作为本段径流序列的先验分布进行贝叶斯推断，将得到的后验分布作为下一段径流序列的先验分布，依次计算得到每一段径流序列对应的水文模型的后验概率密度函数；

25、步骤s24、基于模型参数的后验概率密度函数随机抽样获得各个子流域每个历史径流序列分段对应的海量参数，构建研究区的海量参数集，采用海量参数集的参数取值组合分别设置研究区改进的swat模型，模拟径流得到海量径流情景和海量径流情景下各水库的水库防洪指标和水库下泄流量。

26、根据本技术的一个方面，所述步骤s21进一步为：

27、步骤s21a、平行构建子流域swat水文模型，并根据子流域边界、河流、水库等流域实际情况优化模型；

28、步骤s21b、分别构建每一个水库的优化调度模型，替换原swat模型的水库计算模块，采用ahpso算法求解模型，并设置防洪参数；

29、步骤s21c、采用多种敏感性分析法分别对各子流域的各个历史径流分段的模型参数进行敏感性分析，筛选出swat模型敏感参数，与水库最优化调度模型的参数一起作为关键参数，率定关键参数。

30、步骤s21d、基于各个子流域的源汇关系将各个子流域率定好的swat模型耦合起来，形成整个研究区的改进swat模型。

31、根据本技术的一个方面，所述步骤s22进一步为：

32、步骤s22a、以dream算法参数与超参数为变量，以它们的初始取值范围为约束条件，以dream算法取得的前p个候选点的概率分布与第一段参数后验分布最接近为目标函数，构建dream算法参数优化模型p为大于100的正整数；

33、步骤s22b、采用多种多目标优化算法求解dream算法参数优化模型，得到多个非劣解集，将多个非劣解集的并集作为模型参数的综合非劣解集；

34、步骤s22c、构建多种方法的多属性决策模型，求得模型参数的综合非劣解集的最优解，当多方法得到的结果不一致，得到y个最优解，则求y个最优解的重心，作为最优解。

35、根据本技术的一个方面，所述步骤s3进一步为：

36、步骤s31、基于水库下泄流量计算防洪控制断面的水位和流量；

37、步骤s32、依次计算各子流域内各个水库每个历史径流序列段对应的防洪风险。

38、根据本技术的一个方面，所述步骤s32进一步为：

39、步骤s31a、构建下游防洪断面的模拟流量、水位的机器学习模型；

40、步骤s31b、提取历史上游水库下泄流量、区间入流和上游水库到下游防控控制断面距离输入机器学习模型，计算得到断面的模拟流量、水位，使用断面真实流量与模拟流量、水位对比，优化模型参数；

41、步骤s31c、提取水库下泄流量、和上游水库到下游防控控制断面距离输入优化后的机器学习模型，计算得到防洪控制断面的流量、水位；

42、步骤s31d、计算得到水位，防洪控制断面的流量和水位即为控制断面防洪安全指标。

43、根据本技术的一个方面，所述步骤s4进一步为：

44、步骤s41、提取n个子流域的历史径流突变时间点并将其并集作为干流的历史径流突变时间点，得到干流的m个历史径流突变时间点，m为正整数；

45、步骤s42、依次提取出每个干流的历史径流突变时间点发生径流变化的子流域的所有水库和受其影响的干流水库，分别计算对应的防洪风险；

46、步骤s43、基于某个干流历史径流突变时间点发生径流变化的子流域的所有水库和受其影响的干流水库各自的防洪风险，计算得到子流域水库到干流水库的防洪风险转移概率，依次计算得到m个干流历史径流突变时间点对应的子流域水库到干流水库的防洪风险转移概率；

47、步骤s44、基于m个干流历史径流突变时间点对应的子流域水库到干流水库的防洪风险转移概率构建风险空间转移概率矩阵，得到风险传递机制。

48、根据本技术的另一个方面，提供一种径流变化条件下水库群防洪风险时空演化识别系统，包括：

49、至少一个处理器；以及

50、与至少一个所述处理器通信连接的存储器；其中，

51、所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的径流变化条件下水库群防洪风险时空演化识别方法。

52、有益效果：采用径流变化条件下水库群防洪风险时空演化识别方法，突破现有方法的局限性，识别出因径流非一致性变化导致的复杂水库群风险空间上的演化特征，找到空间上的风险薄弱点，识别水库群风险时间上的演化特征及发展趋势，指导当前和未来径流变化条件下水库群的风险决策。

技术特征：

1.径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s1进一步为：

3.如权利要求2所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s11进一步为：

4.如权利要求2所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s12进一步为：

5.如权利要求1所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s2进一步为：

6.如权利要求5所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s21进一步为：

7.如权利要求5所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s22进一步为：

8.如权利要求1所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s3进一步为：

9.如权利要求8所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s31进一步为：

10.如权利要求1所述的径流变化条件下水库群防洪风险时空演化识别方法，其特征在于，所述步骤s4进一步为：

11. 径流变化条件下水库群防洪风险时空演化识别系统，其特征在于，包括：

技术总结
本发明公开了一种径流变化条件下水库群防洪风险时空演化识别方法及系统，包括收集历史径流资料，划分研究区，构建历史径流序列并分段。构建改进SWAT模型，计算模型参数后验概率密度函数，随机抽样获得海量参数集。利用海量参数集模拟径流，得到海量径流情景。驱动水库优化调度模型，得到水库防洪指标值和下泄流量，计算防洪控制断面的水位和流量，进而计算每个水库的防洪风险。基于历史径流突变时间，计算径流变化子流域的水库和受影响干流水库的防洪风险，计算防洪风险转移概率，构建风险空间转移概率矩阵，得到风险传递机制。本发明能准确快速地识别水库群风险时间上的演化特征及发展趋势。

技术研发人员：张宇,丁佳敏,陈天宇,潘宇轩,廖轶鹏,刘园园
受保护的技术使用者：水利部交通运输部国家能源局南京水利科学研究院
技术研发日：
技术公布日：2024/9/23