(a) RSPOA响应面模型
(b) MOCSA/D方法
图1 水库调度高效降维方法示意图
调峰调度是水库调度的核心任务之一。然而，光伏等新能源出力具有强随机性、波动性和反调峰等特性，极大加剧了电网调峰困难。为此，团队研究了光伏出力预测误差时空分布特征，构建了基于主成分降维和动态聚类的典型场景生成模型，实现对光伏预测出力的精细表征，进而提出了考虑光伏出力不确定性的水光互补调峰调度方法法，增强了水库灵活调节能力，有效降低了电网负荷峰谷差，为水光互补调度方案科学制定提供了技术支撑。
多维需求协同优化是保障水库调度方案实用性的关键。然而，传统方法多基于静态运行环境，未能充分考虑径流预测偏差及运行工况时变性，难以满足变化条件下水库适应性调度需求。为此，团队统筹发电、防洪、供水等综合需求，提出了考虑环境变化的水库汛期水位动态控制多维协同调度方法，通过集成预报径流模拟、风险动态评估、决策响应等策略，有效应对复杂多变环境，提高了综合运行效益，为水库均衡调度决策提供了新型有效方法。
人工智能方法是水库调度领域的前沿热点。作为经典的人工智能方法，长短时记忆神经网络(LSTM)应用广泛，但鲜有文献全面综述LSTM在水文水资源领域的应用。为此，团队梳理了1500余篇水文水资源领域LSTM相关文献，辨识了LSTM关联模型发展历程，从预报模拟、水资源管理、水库调度、多能互补等视角出发，讨论了LSTM在水文水资源领域的研究成果，给出了LSTM模型泛化能力、可解释性等前沿挑战以及时空动态建模、多模型集成等前沿方向，以期为水库调度、水文预报等相关研究提供支撑。
上述成果由冯仲恺教授团队与长江水利委员会水文局等多家单位历时近2年合作完成，研究工作得到了国家重点研发计划项目、国家自然科学基金项目、江苏省自然科学基金等资助，发表在《Journal of Hydrology》《Energy》《Applied Energy》《Applied Soft Computing》等水文水资源、能源电力、人工智能领域国际著名期刊，助力长江、珠江、乌江等特大流域及巨型水电站科学调度管理。
相关论文信息（可上下滑动查看）：
[1] Feng Zhong-kai, Zhang Jing-shuai, Niu Wen-jing. A state-of-the-art review of long short-term memory models with applications in hydrology and water resources. Applied Soft Computing, 2024, 167: 112352.
[2] Feng Zhong-kai. Huang Qing-qing, Niu Wen-jing, Su Hua-ying, Li Shu-shan, Wu Hui-jun, Wang Jia-yang. Peak operation optimization of cascade hydropower reservoirs and solar power plants considering output forecasting uncertainty. Applied Energy, 2024, 358, 122533.
[3] Yao Xin-ru, Feng Zhong-kai, Zhang Li, Niu Wen-jing, Yang Tao, Xiao Yang, Tang Hong-wu. Multi-objective cooperation search algorithm based on decomposition for complex engineering optimization problems. Applied Soft Computing, 2024, 167:112442.
[4] Zhang Li, Feng Zhong-kai, Yao Xin-ru, Niu Wen-jing, Wang Yong-qiang, Mo Li. A multi-objective operation optimization method for dynamic control of reservoir water level in evolving flood season environments. Journal of Hydrology, 2024, 643: 131940.
[5] Niu Wen-jing, Luo Tao, Yao Xin-ru, Gong Jin-tai, Huang Qing-qing, Gao Hao-yu, Feng Zhong-kai. Artificial intelligence-based response surface progressive optimality algorithm for operation optimization of multiple hydropower reservoirs. Energy, 2024, 291:130449.
推荐阅读
