[发明专利]一种水库调度运行滚动模拟方法及装置

权利要求书

1.一种水库调度运行滚动模拟方法，其特征在于，包括以下步骤：

(1)在水库调度运行滚动模拟的初始时刻，设置分位数预测的概率间隔Δ，将计算得到的多个概率值输入至水库调度运行模拟模型，获取给定多个概率值条件下初始时段末水库水位的分位数预测序列和预测期望值；

(2)根据第t-1个时段末水库水位的分位数预测序列和水库水量平衡约束，计算第t-1个时段水库的出库流量序列，并根据水库运行约束，对其调整后，构造1/Δ-1个输入向量；其中，t的初始值为2；

(3)将1/Δ-1个输入向量输入至水库调度运行模拟模型中，提取各输入向量对应的各样本在随机森林中的权重；

(4)对各样本在1/Δ-1个输入向量条件下随机森林中的权重求和后平均，作为各样本在随机森林的权重，输入水库调度运行模拟模型中，获取1/Δ-1个输入向量对应的第t个时段末水库水位的分位数预测序列和预测期望值；

(5)令t＝t+1；滚动执行步骤(2)～(4)，直至水库调度运行滚动模拟至最后一个时段，根据水库运行约束，对各时刻的预测期望值进行调整，完成水库调度运行滚动模拟；

其中，水库调度运行模拟模型是基于分位数回归森林，在已知输入向量条件下输出水库下一时段末水位的分位数预测序列和预测期望值的模型。

2.根据权利要求1所述的水库调度运行滚动模拟方法，其特征在于，构建所述水库调度运行模拟模型的方法，包括以下步骤：

基于给定的超参数，在水库历史调度运行数据中获取初始训练样本集；

采用随机森林算法生成N棵决策树，各决策树随机在初始训练样本集中选取样本，完成随机森林模型的构建，并记录各决策树所用样本的集合，作为实际训练样本集；

给定随机森林模型的某一输入向量，在各决策树中搜索输入向量归属的叶子节点，记录归属的各叶子节点包含的训练样本子集；

基于归属的各叶子节点包含的训练样本子集，计算实际训练样本集中各样本在随机森林的权重；

将实际训练样本集中各样本在随机森林的权重与对应的标签值相乘后求和，作为给定输入向量条件下水库下一时段末水位的预测期望值的表达式；

对实际训练样本集中各样本在随机森林的权重归一化处理后进行数据扩展，采用非参数核密度估计方法，构建给定输入向量条件下水库下一时段末水位的条件累积分布函数；

结合给定概率，根据条件累积分布函数，确定给定输入向量条件下水库下一时段末水位的分位数预测值的表达式，完成对水库调度运行模拟模型的建立。

3.根据权利要求2所述的水库调度运行滚动模拟方法，其特征在于，所述水库调度运行模拟模型的优化方法，包括以下步骤：

(1)基于至少两组初始超参数构建水库调度运行模拟模型，结合验证样本集，计算初始超参数对应的贝叶斯优化的目标函数值；

(2)采用初始超参数与对应的贝叶斯优化的目标函数构建当前迭代的初始样本；

(3)根据当前迭代的初始样本，采用概率代理模型构建目标函数值与超参数间的概率拟合关系；

(4)根据概率拟合关系，计算采集函数，并寻求使采集函数取值最优的一组超参数；

(5)基于当前最优超参数构建水库调度运行模拟模型，计算对应的贝叶斯优化的目标函数值；

(6)采用当前最优超参数和对应的贝叶斯优化的目标函数值构建新样本；

(7)迭代次数加1，将步骤(3)中的初始样本与新样本共同作为当前迭代的初始样本；

(8)重复步骤(3)至(7)，直至达到最大迭代次数，获取当前迭代的最优超参数；

(9)根据当前迭代的最优超参数，构建最优的水库调度运行模拟模型。

4.根据权利要求3所述的水库调度运行滚动模拟方法，其特征在于，所述贝叶斯优化的目标函数f_opt(superPar)为：

其中，μ表示置信度；CWC_μ为水库调度运行模拟模型在置信度μ下的组合覆盖宽度。

5.根据权利要求2或3所述的水库调度运行滚动模拟方法，其特征在于，所述超参数包括决策树个数、备选输入变量个数、节点分裂参考最大特征数、决策树最大深度、叶节点最小样本数和节点分裂所需最小样本数。