[01378721]大数据驱动多过程耦合的流域水情预报关键技术及应用

①课题来源与背景 本研究依托国家自然科学基金、国网青海电力公司等项目,重点围绕流域水情预报和水库调度管理开展研究。大数据技术对传统水情预报和水库调度管理带来了新机遇,大数据量和高分辨率使得基于物理机理的数学模型等方法（第三范式）难度越来越大,而大数据思想重视数据挖掘和规律发现的第四范式又带来了重大的机遇。在大数据理念与技术、涉水信息多源监测技术与预报模型的基础上,研究河流大数据模型、河流大数据获取、管理与融合方法、基于第四范式发现水情预报技术。将基于数据驱动的中长期预报（第四范式）与基于物理机制的数字流域模型（第三范式）结合起来,实现流域梯级水库不同预见期的来水预测;研发高效并行降维优化算法,应用于流域水库联合运行优化调度实践。 ②研究目的与意义 本研究将第三范式与第四范式相结合,建立基于物理机理和数据驱动的流域水情预报与水库调度方法体系,实现流域水情中长期与短期径流的滚动预报,提高流域预报精度;解决梯级水库群优化调度中的高维变量寻优过程效率低下问题,提高梯级水库群运行调度水平,为梯级水库群的管理决策提供科学依据。 ③技术原理及性能指标 本研究基于物理机理的高效并行的分布式水文模型,采用卫星融合降水与数值天气数据作为驱动输入,实现流域短期径流的滚动预报;基于数据驱动的流域中长期水情遥相关预报模型,采用全球海温、大气环流等气候因子作为输入,开发先进的因子筛选方法和耦合预报模型,有效提高径流长期预报精度;采用种群类算法、动态规划类算法等作为核心方法,在分布式内存高性能计算环境下实现并行计算,有效提高梯级水库群优化调度的计算效率。涉及的核心技术原理及性能指标详述如下：（1）数字河网：面向百亿级栅格点的大规模河网,采用高效的排序树方法,完成大规模高精度的河网提取与编码、结构化存储与高效管理技术。（2）数字流域模型：以高分辨率结构化数字河网为核心,集成流域坡面-沟道单元上的产汇流、产沙输沙等不同子过程的动力学模型,形成完整的流域模拟系统。（3）中长期预报模型：基于河流大数据的全球水情预报方法与模型,包括基于第四范式的水情预报与规律发现、全球水情长期预报的气候学大数据模型;考虑全球海温、大气环流等遥相关因子及降雨、气温等本地相关因子,应用稀疏化方法分析径流的主要控制因素,采用支持向量机分别对各月份建立支持向量机等数据驱动模型,建立基于多模型的河流大数据的水情预报平台,实现滚动嵌套预报,有效提高径流中长期预报精度。（4）水库优化调度模型：基于分布式内存并行计算机和MPI通讯协议,建立并行种群类算法、并行动态规划类算法、并行异步混合算法等系列并行求解方法,有效解决巨型水库群计算可行性和模拟可靠性无法兼顾的问题。 ④取得成果、技术的创造性与先进性 （1）自主研发高精度短期径流预报模型,建立高精度结构化数字河网及以此为计算单元的分布式水文模型;河网二叉树编码体系及分块并行计算实现;集成卫星降水和数值天气预报的径流模拟和预报模型。（2）自主研发的中长期水情预报模型,同时考虑全球海温、大气环流等气候因子和本地化因子;采用LASSO方法进行因子筛选;研发基于深度学习、支持向量机等中长期预报模型。（3）提出并实现梯级水电站优化调度求解方法,提出基于双向环迁移拓扑的粗粒度并行遗传算法解决梯级水库群优化调度问题;提出基于分布式计算和分布式内存的并行动态规划算法,同时解决巨型水库群计算可行性和模拟可靠性问题。 ⑤技术的成熟程度,适用范围和安全性 基于数字流域模型和遥相关模型的流域水情预报,实现了物理机理和数据驱动的有机结合,保证了预报模型的可靠性,多尺度多模型的水情预报与优化调度模型有利于跨时间尺度的流域水情预报、水库梯级联合调度的信息化、自动化、智能化管理的实现。技术成熟可靠,可广泛应用于水电站建设集中的中大型流域,具有较高的应用和推广价值。 ⑥应用（推广）情况及存在的问题 本研究在黄河上游干流和大通河梯级水库群进行了应用测试,预报效果满足80%的准确度要求,达到预期效果,有效辅助发电计划和调度决策的制定。此科技成果还在四川省凉山州大桥水库进行生产应用,根据凉山州大桥水电开发总公司初步测算,大桥水库入库径流中长期预报模型预报结果能够为发电计划的制定提供科学依据,且2016年和2017年为大桥水库增加了10%以上的经济效益,同时更为充分地利用了上游水能资源,经济效益和社会效益明显。此外,本研究成果还应用为成都勘探设计研究院提供技术服务,为其全球范围内的水能、水资源评估分析提供数据基础,为四川白水江流域的短期和中长期水情及水库调度提供科学决策支持。 ⑦知识产权情况及论文发表情况等 本成果共发表论文78篇,其中：SCI收录论文47篇,EI收录39篇,CNKI收录15篇;论文被引用437次。出版专著2部。申请发明专利6项,软件著作权3项。