基于贝叶斯概率预报水库优化调度.pdfVIP

基于贝叶斯概率预报的水库优化调度 李福贵 河海大学水文水资源与水利工程科学国家重点实验室，南京(210098) Email:lifugui@ 摘要：本文研究水库系统基于贝叶斯概率预报下的优化调度。首先利用贝叶斯决策理论建立 概率水文预报，以获得不确定度下的预报值；然后在此基础上，应用动态规划方法得到水库 最佳调度规则，实现了概率预报和优化调度的有机结合。 关键词：贝叶斯理论 水文预报 动态规划 优化调度 1 概述 众所周知，水文过程的发生与发展取决于气象因素与水文因素，是一个复杂的随机动态 过程；水文预报接受水文、气象等多种随机输入，运用许多概化的模型与参数，这些复杂的 因素决定了水文预报结果必然存在不确定性，并始终制约水库调度决策的正确性。现在广泛 使用的水文预报模型，如新安江模型、径流相关模型、蓄满产流模型等都是确定性水文模型， 模型以确定的预报值的形式输出给用户。预报调度人员根据获得的预报结果(通常是一个确 定的流量序列)作出相应的决策。然而，现在的预报模型是不够精确的。面对不确定的水文 过程和以确定形式表述的水文预报，防洪调度决策者在制订决策时，如何科学地对待、处理 水文预报，并达到最优的调度决策，就成为人们关心的课题。 造成这种不确定性的原因有两方面：输入不确定性与水文不确定性。为解决该问题，概 率水文预报专门研究水文预报不确定度，并以分布函数形式定量地描述水文预报不确定度。 概率水文预报不在乎预报是如何制作的，也不对现行水文预报模型附加任何假定和要求，更 不介人具体预报业务。作为外部观察者，它通过研究水文预报不确定度，最终给出预报变量 的预测概率密度。据此，决策者就可以估计未来有关该变量的、各种可能发生事件的概率， 如决策风险等。它的作用是为决策者定量地考虑水文预报不确定度提供方法或工具，概率水 文预报是水文预报和水库调度之间的桥梁或接口[1] 。 本文中，水文要素径流随机过程描述为一个离散的马尔可夫过程，使用贝叶斯理论合并 新信息来更新先验概率得到后验概率，应用动态规划算法，最终得到水库最佳调度规则，期 间信息的不断更新能降低自然和预报不确定度的影响。 2 贝叶斯概率预报模型 贝叶斯概率水文预报应用贝叶斯统计推断和预测理论研究预报不确定度，处理水文预报 不确定度的基本思路是：首先，根据水文预报影响因素特性及其对预报影响大小，将总不确 定度分解成两大部分，即输入不确定度和水文不确定度，并采用不同的方法进行处理；然后， 再综合成为水文预报总不确定度。输入不确定度与模型的随机输入有关，它对输出有重大影 响，又往往难以预测。水文不确定度来源于测验误差、模型误差以及那些在预报制作时虽然 1 未知但比较容易预测或对预报影响不显著的输入。 引入三个随机向量， W 代表随机输入， Y 代表流量，X 代表流量的预报值，小写字 母 w 、 x y 、 分别代表它们相应的实现(观测值或估计值)。在任一预报时刻(当前时刻)， 概率预报所面临的问题可归纳为：设当前时刻为t ，预报模型已给出下一时刻，即t +1时刻， 流量的预报值为xt+1 ，并假定t 时流量也已观测到为y t 。贝叶斯概率预报的任务是：在已知 y 和x (此时 y (y , y , , y ) 条件下，求出下一时刻流量的后验密度。根据全概 0 t+1 0 t t −1 t −r +1 率公式，当给定X x 时，Y 的贝叶斯预测密度为： +∞ h( y / y ) f ( y / x, y )q(x /V )dx 0 ∫ 0