Future hydropower generation prediction of large-scale reservoirs in the upper Yangtze River basin under climate change

水力发电 缩小尺度 环境科学 气候变化 水资源 地表径流 发电 比例(比率) 构造盆地 水文学(农业) 气候学 水资源管理 地质学 地理 生态学 生物 量子力学 海洋学 物理 地图学 古生物学 功率(物理) 岩土工程
作者
Wenjie Zhong,Jing Guo,Lu Chen,Jianzhong Zhou,Junhong Zhang,Dangwei Wang
出处
期刊:Journal of Hydrology [Elsevier]
卷期号:588: 125013-125013 被引量:71
标识
DOI:10.1016/j.jhydrol.2020.125013
摘要

Climate change, which impacts the spatial and temporal distribution of water resources, has a significant influence on the future hydropower generation. Studying the future evolution pattern of hydropower generation under climate change is of great significance for the medium- and long-term hydropower prediction. The objective of this paper is to predict the future hydropower generation of large-scale reservoir groups under climate change. The innovation of this paper is that the macro-scale distributed hydrological model combined with the optimal operation model of large-scale reservoirs was proposed for hydropower generation prediction. The established model considers the specific operation processes of large-scale reservoir groups, including 62 reservoirs in the case study. First, the Statistical Downscaling Model (SDSM) was built, and the evolution trend of future rainfall and temperature was predicted. Second, the macro-scale distributed Variable Infiltration Capacity (VIC) model was built to predict the future runoff. Finally, the optimal operation generation model of large-scale reservoir groups was established to predict the trends of hydropower generation under climate change. Results demonstrate that under RCP2.6 scenario, there is no significant increase or decrease trend of hydropower generation in the future. But under RCP4.5 and RCP8.5 scenarios, the hydropower generation shows a growing trend, and the increase trend under RCP8.5 scenario is more obvious than that under RCP4.5 scenario. Thus, the development of hydropower generation is sensitive to climate change. This study can provide a reference for the long-term prediction of hydropower generation capacity in the upper Yangtze River Basin.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
3秒前
4秒前
Jasper应助我的评分采纳,获得10
4秒前
lf-leo发布了新的文献求助10
6秒前
8秒前
9秒前
李健应助iwsaml采纳,获得10
9秒前
摩天大楼发布了新的文献求助10
10秒前
11秒前
11秒前
时尚幻莲完成签到,获得积分10
12秒前
于擎苍发布了新的文献求助10
13秒前
14秒前
cocolu应助青山连绵采纳,获得10
15秒前
sissiarno应助英迎影映采纳,获得30
15秒前
C.Z.Young完成签到 ,获得积分10
15秒前
摩天大楼完成签到,获得积分10
16秒前
我的评分发布了新的文献求助10
18秒前
玲玲完成签到,获得积分10
18秒前
友好若南发布了新的文献求助10
19秒前
19秒前
cocolu应助逆鳞采纳,获得10
21秒前
迷人猕猴桃完成签到 ,获得积分10
22秒前
orixero应助友好若南采纳,获得10
24秒前
希望天下0贩的0应助旭琦采纳,获得10
25秒前
SJW--666完成签到,获得积分0
25秒前
乐风完成签到 ,获得积分10
25秒前
liang发布了新的文献求助10
26秒前
26秒前
26秒前
30秒前
邹醉蓝完成签到,获得积分10
30秒前
DLL发布了新的文献求助10
31秒前
wos完成签到,获得积分10
32秒前
爱静静应助goinggo采纳,获得10
34秒前
爱科研发布了新的文献求助30
36秒前
深情安青应助--采纳,获得10
36秒前
小马甲应助我家不住隔壁采纳,获得10
36秒前
酷炫的毛巾完成签到,获得积分10
37秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3316339
求助须知:如何正确求助?哪些是违规求助? 2948037
关于积分的说明 8539126
捐赠科研通 2624046
什么是DOI,文献DOI怎么找? 1435703
科研通“疑难数据库(出版商)”最低求助积分说明 665672
邀请新用户注册赠送积分活动 651532