Great Lakes 调节的 WLPCM 方法
最优化与控制
2025-04-08 v1
摘要
本研究开发了针对大湖区的水位管理模型，采用预测控制框架。要求 1：历史数据（2019 年以前）揭示了一致的月度水位模式。模拟退火算法通过 Moses-Saunders 大坝和补偿设施优化流量控制，以将水位与多年基准对齐。要求 2：水位预测控制模型（WLPCM）集成了滞后微分方程（DDE）和模型预测控制（MPC），以考虑流入/流出动力学和上游时滞。自然变量（如降水）通过线性回归建模，大坝出流率在 6 个月的预测期内优化，并通过反馈调整以提高鲁棒性。要求 3：将 WLPCM 在 2017 年数据上进行测试，成功缓解了渥太华河的洪涝，净于历史记录。通过 Sobol 方法进行灵敏度分析确认了模型对参数变化的鲁棒性。要求 4：识别出冰塞为最具影响力的自然变量（通过基于 RMSE 的灵敏度测试），其后是雪蓄和降水。要求 5：将干系人需求（如防洪、生态平衡）纳入适应函数。与 2014 计划相比，WLPCM 在湖 Ontario 减少了灾难性高水位，在 St. Lawrence 河过度流量方面表现更优，因优先考虑长期优化。关键创新包括 DDE 基于预测的调节、实时反馈回路以及在极端条件下的自适应控制。该框架平衡了水文动力学、干系人需求和不确定性管理，为大型淡水系统提供了可扩展解决方案。
引用
@article{arxiv.2504.04761,
title = {WLPCM Approach for Great Lakes Regulation},
author = {Xiangyi Chen and Wenbo Huang and Jiaqi Leng},
journal= {arXiv preprint arXiv:2504.04761},
year = {2025}
}