BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  25,078,958
  • Công bố khoa học và công nghệ Việt Nam

Khoa học kỹ thuật và công nghệ

BB

Ha Van Thuy, Nguyen Duc Khoat, Khong Cao Phong

Phát triển mô hình bể chứa để dự báo lưu lượng dòng chảy đến hồ thuỷ điện Thác Xăng, Việt Nam

Development of Tank Model to Predict the Flow to Thac Xang Reservoir, Vietnam

Chuyên san Đo lường, Điều khiển và Tự động hóa

2024

2

51-58

Vận hành hiệu quả nguồn nước có vai trò then chốt trong việc khaithác tài nguyên nước và giảm thiểu thiệt hại do lũ lụt. Dự báo chínhxác dòng chảy vào các hồ chứa là rất quan trọng để kiểm soát hồchứa hiệu quả. Do đó, nghiên cứu sâu rộng ở cả cấp độ quốc tế vàtrong nước đã được tiến hành để phát triển và tối ưu hóa các mô hìnhdự báo dòng chảy. Bài viết này trình bày minh họa dự báo dòng chảyvới dữ liệu lượng mưa sử dụng mô hình bể đã được thiết lập. Môhình được triển khai và hiển thị bằng MATLAB Simulink. Để tối ưuhóa và kiểm chứng mô hình, dữ liệu nghiên cứu từ hồ thủy điện ThácXáng được sử dụng. Mô hình dự báo dòng chảy đề xuất đã được điềuchỉnh để đạt được hệ số tương quan là 74,0%. Mô hình này được sửdụng để dự đoán dòng chảy trong giai đoạn từ 1971 đến 1976 với hệsố tương quan là 70,0%. Mô hình này dự đoán xu hướng lưu lượngkhá gần với xu hướng lưu lượng đo được tại các trạm quan trắc trongkhu vực này. Mặc dù trong trường hợp này hệ số tương quan khôngcao nhưng mô hình có thể ứng dụng để dự báo dòng chảy nhằm quảnlý, điều tiết hiệu quả tài nguyên nước tại hồ thủy điện Thác Xăng,Việt Nam.

Efficient operation of a water source is pivotal in harnessing water resources and mitigating flood-related damages. Precise forecasting ofinflow rates to dam reservoirs is crucial for effective reservoir control. As a result, extensive research at both international and domestic levelshas been conducted to develop and optimize flow forecasting models. This article presents a demonstration of runoff forecasting with rainfalldata using an established tank model. The model is implemented and visualized using MATLAB Simulink. To optimize and validate themodel, data from studies of the Thac Xang hydropower reservoir are utilized. The proposed flow prediction model has been adjusted toachieve a correlation coefficient of 74.0%. This model was used to predict the flow rate for the period from 1971 to 1976, achieving acorrelation coefficient of 70.0%. The model predicted a flow rate trend that closely matched the measured flow rate trend at the monitoringstations in this area. Although the correlation coefficient is not high in this case, the model can still be applied to predict flow and effectivelymanage and regulate the water resources at the Thac Xang hydroelectric reservoir in Vietnam.

Xem toàn văn
  • [1] Sugawara, M.; Fuyuki (1956), Revision of River Disc-harge by Rainfall Model,
  • [2] Ozaki, M. S. E. (1987), Automatic Calibration of Tank Model (Fifth Report) for Snowy Basins,
  • [3] Katsuyama, Y. (1986), Tank Model Programs for Personal Computer and How to Use,
  • [4] Sugawara, M. (1985), Tank Model for Derivation of River Disc-harge f-rom Rainfall,
  • [5] Katsuyama, Y. (1982), Automatic Calibration of Tank Model (Fourth Report),
  • [6] Katsuyama, Y. (1980), Automatic Calibration of Tank Model (Third Report),
  • [7] Lee, J. W.; Chegal, S. D.; Lee, S. O. (2020), A review of tank model and its applicability to Korean catchments,Water (Switzerland)
  • [8] Tran, T. D.; Tran, V. N.; Kim, J. (2021), Improving dam inflow predictions using LSTM and wavelet transform,Mathematics
  • [9] Trí, Đ. Q.; Huệ, L. T. (2016), Mô hình hóa dự báo dòng chảy lưu vực sông Mê Công, Việt Nam,Hội nghị KHKT Khí tượng Thủy văn và Hải dương học
  • [10] Dũng, L. H.; Sơn, C. N. N.; Thiện, T. Đ.; Phương, D. H. (2020), Ứng dụng mô hình MIKE-NAM dự báo tài nguyên nước lưu vực sông Ba,Tạp chí KH Biến đổi khí hậu
  • [11] An, N. L.; Bích, T. (2012), Nghiên cứu dự báo dòng chảy lũ đến hồ chứa trên lưu vực sông Ba,KHKT Thủy lợi và Môi trường
  • [12] Luo, B.; Fang, Y.; Wang, H.; Zang, D. (2020), Reservoir inflow prediction using a hybrid model based on deep learning,IOP Conf. Ser. Mater. Sci. Eng.
  • [13] Lee, D.; Kim, H.; Jung, I.; Yoon, J. (2020), Monthly reservoir inflow forecasting using teleconnection indices,Applied Sciences
  • [14] Linares, A.; Regodón, J.; Panizo, L.; Gallardo, M.-D.-M.; Merino, P. (2014), A DSS For Reservoirs Operation Based On The Execution Of Formal Models,
  • [15] Zhang, J.; Cheng, C.; Liao, S.; Wu, X.; Shen, J. (2009), Daily reservoir inflow forecasting combining QPF into ANNs model,Dly. Reserv. Inflow Forecast. Comb. QPF into ANNs Model
  • [16] Sugawara, M.; Fuyuki, M. (1956), A Method of Revision of River Disc-harge by Means of a Rainfall Model,
  • [17] Ozaki, M. S. E. (1987), Method of Automatic Calibration of the Tank Model (Fifth Report),
  • [18] Katsuyama, M. S. I. W. E. O. Y. (1986), Tank Model Programs for Personal Computer and the Way to Use,
  • [19] Sugawara, M. (1985), Tank Model - For the Derivation of River Disc-harge f-rom Rainfall,
  • [20] Katsuyama, M. S. I. W. E. O. Y. (1982), Method of Automatic Calibration of Tank Model (Fourth Report),
  • [21] Katsuyama, M. S. I. W. E. O. Y. (1980), Method of Automatic Calibration of Tank Model (Third Report),
  • [22] Lee, J. W.; Chegal, S. D.; Lee, S. O. (2020), A review of tank model and its applicability to various Korean catchment conditions,Water (Switzerland)
  • [23] Tran, T. D.; Tran, V. N.; Kim, J. (2021), Improving the accuracy of dam inflow predictions,Mathematics
  • [24] Trí, Đ. Q.; Huệ, L. T. (2016), Mô hình hóa dự báo dòng chảy lưu vực sông Mê Công,HNKH Khí tượng thủy văn và hải dương học
  • [25] Dũng, L. H.; Sơn, C. N. N.; Thiện, T. Đ.; Phương, D. H. (2020), Ứng dụng mô hình MIKE-NAM dự báo tài nguyên nước,Tạp chí Khoa học Biến đổi khí hậu
  • [26] An, N. L.; Bích, T. (2012), Nghiên cứu dự báo dòng chảy lũ đến hồ chứa trên lưu vực sông Ba,Khoa học kỹ thuật Thủy lợi và Môi trường
  • [27] Luo, B.; Fang, Y.; Wang, H.; Zang, D. (2020), Reservoir inflow prediction using a hybrid model based on deep learning,IOP Conference Series: Materials Science and Engineering
  • [28] Lee, D.; Kim, H.; Jung, I.; Yoon, J. (2020), Monthly reservoir inflow forecasting for dry period using teleconnection indices,Applied Sciences
  • [29] Linares, A.; Regodón, J.; Panizo, L.; Gallardo, M.-D.-M.; Merino, P. (2014), A DSS For Reservoirs Operation Based On The Execution Of Formal Models,
  • [30] Zhang, J.; Cheng, C.; Liao, S.; Wu, X.; Shen, J. (2009), Daily reservoir inflow forecasting combining QPF into ANNs model,Dly. Reserv. Inflow Forecast. Comb. QPF into ANNs Model