大数据驱动多过程耦合的流域水情预报关键技术

任务来源：计划外项目

技术领域：防灾减灾

技术来源：

技术简介

该成果以坡面-沟道为基本单元，构建产汇流、产沙输沙等动力学模型，结合基于物理机理的流域分布式水文模型，通过多源降水数据融合和数值天气预报，实现逐月、旬滚动预报，提高中长期预报的精度和实用性。适用于中长期水情预报与水电计划制定、短期预报和调度等领域。

主要性能指标

（1）基于最小代价搜索算法的高精度河网的提取与编码方法，实现了面向流域尺度径流模拟的大规模流域河网的高效和可靠提取；（2）以坡面-沟道为基本单元，研发了产汇流、产沙输沙等动力学模型，构建了基于物理机理的流域分布式水文模型。

技术特色

构建了水利大数据、高精度河网、数字流域模型、水电优化调度的理论体系和多时间尺度、多业务环节的成套技术。研发了大数据驱动的中长期水情预报-发电量预测平台和高精度河网-数字流域模型-短期径流预报系统，支持短期优化调度和洪水预警。

推广情况

已在国网青海电力预测和调度、白水江和安宁河流域水情预报与调度中得到应用，建立了数据驱动的中长期径流预报模型和组合模型，发掘了大桥水库的发电潜力，为发电计划的制定提供了科学依据。

典型案例

案例1：在凉山州应用，集合海温遥相关模型、时间序列周期分析模型、滑动平均自回归模型、最近邻抽样回归模型，利用海表温度距平和历史径流数据，建立了数据驱动的中长期径流预报模型和组合模型，为发电计划的制定提供了科学依据。案例2：在黄河上游梯级水库中长期水情预报系统中应用，为国网青海公司交易中心提供未来1年逐月滚动的入库流量及发电量预估。

联系我们

负责人：魏加华

/ 13911079485

青海大学、国网青海省电力公司、清华大学

,