考慮上游梯級(jí)水庫(kù)群調(diào)度的小南海水電站壩址設(shè)計(jì)洪水分析

陳 甜董增川賈本有黃興春鐘敦宇

(河海大學(xué)水文水資源學(xué)院,江蘇南京 210098)

考慮上游梯級(jí)水庫(kù)群調(diào)度的小南海水電站壩址設(shè)計(jì)洪水分析

陳 甜,董增川,賈本有,黃興春,鐘敦宇

(河海大學(xué)水文水資源學(xué)院,江蘇南京 210098)

采用同頻率地區(qū)組成法分析小南海水電站壩址處設(shè)計(jì)洪水的地區(qū)組成,運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)對(duì)壩址河段洪水演進(jìn)建模,分析不同典型年上游梯級(jí)水庫(kù)群防洪調(diào)度對(duì)小南海水電站設(shè)計(jì)洪水的影響。分析結(jié)果表明:上游梯級(jí)水庫(kù)群調(diào)度對(duì)小南海水電站設(shè)計(jì)洪水的影響明顯,尤其對(duì)稀遇洪水的削減程度顯著;以金沙江來(lái)水為主的洪水受梯級(jí)水庫(kù)群防洪調(diào)度的影響較大,以岷江來(lái)水為主的洪水受梯級(jí)水庫(kù)群防洪調(diào)度的影響較小。

小南海水電站;防洪標(biāo)準(zhǔn);設(shè)計(jì)洪水;同頻率地區(qū)組成法;人工神經(jīng)網(wǎng)絡(luò)

1 研究區(qū)概況

小南海水電站是國(guó)務(wù)院批準(zhǔn)的《長(zhǎng)江流域綜合利用規(guī)劃》中的梯級(jí)水電站,地處長(zhǎng)江上游干流宜賓至重慶河段,為四川盆地溫濕地區(qū),雨量豐沛,多年平均降雨量達(dá)1162.1 mm[1]。電站壩址位于重慶市江津區(qū)珞璜鎮(zhèn)下游1 km的大中壩,上距江津區(qū)約38.5 km,下距重慶市朝天門(mén)40 km左右,距上游朱沱水文站約100 km,控制流域面積70.5萬(wàn)km2,壩址以上洪水主要來(lái)源于金沙江、岷江和區(qū)間來(lái)水[2-3]。研究區(qū)域主要水系和控制站點(diǎn)分布如圖1所示。壩址上游主要有正在興建的金沙江中下游的烏東德、白鶴灘、溪洛渡、向家壩梯級(jí)水庫(kù),以及岷江流域的瀑布溝、紫坪鋪梯級(jí)水庫(kù)。這些大型梯級(jí)水庫(kù)群承擔(dān)著流域的防洪任務(wù),在攔蓄洪水的同時(shí),對(duì)小南海水電站壩址設(shè)計(jì)洪水起到一定的削減作用。本文分析了上游梯級(jí)水庫(kù)群防洪調(diào)度后小南海水電站壩址的設(shè)計(jì)洪水,為小南海水電站工程建設(shè)和下游重慶市的防洪規(guī)劃提供依據(jù)。

2 研究方法

考慮到小南海水電站上游向家壩梯級(jí)水庫(kù)和瀑布溝梯級(jí)水庫(kù)的位置及水力聯(lián)系,以及實(shí)際的水文控制站點(diǎn),擬定小南海水電站壩址設(shè)計(jì)洪水以朱沱站作為設(shè)計(jì)依據(jù)站,并依據(jù)梯級(jí)水庫(kù)群末端控制站將小南海水電站壩址以上區(qū)域分為屏山區(qū)、高場(chǎng)區(qū)和屏山-高場(chǎng)-小南海水電站區(qū)間3個(gè)分區(qū)。依據(jù)規(guī)劃的上游梯級(jí)水庫(kù)群防洪調(diào)度方式,重新計(jì)算受上游梯級(jí)水庫(kù)群調(diào)度影響后的小南海水電站壩址設(shè)計(jì)洪水,并對(duì)結(jié)果進(jìn)行分析。研究思路見(jiàn)圖2。

圖1 研究區(qū)域主要水系和水文控制站點(diǎn)分布Fig.1 Distribution of main river systems and hydrological stations in study area

2.1 設(shè)計(jì)洪水地區(qū)組成分析

根據(jù)1951—2004年共54年各控制站同期實(shí)測(cè)資料和歷史洪水調(diào)查資料,按照我國(guó)SL 44—2006《水利水電工程設(shè)計(jì)洪水計(jì)算規(guī)范》,采用經(jīng)驗(yàn)頻率分析法[4-6],用P-Ⅲ型分布曲線進(jìn)行適線[7],對(duì)朱沱站不同頻率設(shè)計(jì)洪水進(jìn)行計(jì)算;以“全面且不利組合”的原則,從朱沱站實(shí)測(cè)大洪水系列中選取1981年、1991年2個(gè)峰高量大的實(shí)測(cè)典型洪水過(guò)程進(jìn)行放大,作為小南海水電站壩址不同典型年不同頻率的設(shè)計(jì)洪水過(guò)程。

圖2 研究思路框架Fig.2 Framework of research

采用同頻率地區(qū)組成法[8-10]推求小南海水電站壩址設(shè)計(jì)洪水的地區(qū)組成,根據(jù)各典型年洪水的主要來(lái)源,確定各典型年的設(shè)計(jì)洪水地區(qū)組成方案,見(jiàn)表1。再分別以屏山區(qū)或高場(chǎng)區(qū)時(shí)段洪量與朱沱站時(shí)段洪量同頻率,其余分區(qū)的相應(yīng)洪量總數(shù)按水量平衡原則分配,并計(jì)算典型洪水其余各分區(qū)的洪量比例,按此比例將其余分區(qū)的相應(yīng)洪量總數(shù)分配給各個(gè)分區(qū)。水量分配計(jì)算公式為

式中:W——時(shí)段洪量;下標(biāo)P——設(shè)計(jì)洪水頻率。

2.2 人工神經(jīng)網(wǎng)絡(luò)模型

2.2.1 模型建立

表1 各典型年設(shè)計(jì)洪水地區(qū)組成方案Table1 Area composition schemes for design floods in typical years

在設(shè)計(jì)洪水過(guò)程計(jì)算中,需要考慮河道洪水傳播的影響。人工神經(jīng)網(wǎng)絡(luò)憑借模擬精度高的優(yōu)勢(shì)在水文模擬尤其在非線性河道洪水模擬中[11-13]得到較為廣泛的應(yīng)用,本文研究區(qū)域上游河道分汊眾多,小南海水電站壩址洪水輸入復(fù)雜,非線性程度高,因此采用BP人工神經(jīng)網(wǎng)絡(luò)模擬壩址河段洪水演進(jìn)過(guò)程。

BP人工神經(jīng)網(wǎng)絡(luò)是一種按誤差反傳播算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練的多層前饋式人工神經(jīng)網(wǎng)絡(luò),通過(guò)激活函數(shù),直接建立模型輸入、輸出變量間的非線性關(guān)系,網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成,同層之間節(jié)點(diǎn)數(shù)據(jù)相互獨(dú)立,前后層數(shù)據(jù)通過(guò)激活函數(shù)連接[14]。利用樣本對(duì)模型進(jìn)行訓(xùn)練,將誤差反傳播以不斷調(diào)整連接權(quán)值和閾值。誤差反傳播以誤差函數(shù)E[15]控制:

式中:Tkj——輸出層第k個(gè)樣本第j個(gè)節(jié)點(diǎn)的期望輸出;Ykj——輸出層第k個(gè)樣本第j個(gè)節(jié)點(diǎn)的實(shí)測(cè)數(shù)據(jù);N——樣本總數(shù)。

本文采用3層BP神經(jīng)網(wǎng)絡(luò),以屏山站、高場(chǎng)站、橫江站、福溪站、李家灣站、赤水站流量作為網(wǎng)絡(luò)輸入,以朱沱站流量作為網(wǎng)絡(luò)輸出。通過(guò)試算法確定隱含層節(jié)點(diǎn)數(shù),建立模型結(jié)構(gòu):

式中:QT——朱沱站某一時(shí)刻流量;I1(T-23),…,I6(T-8)——屏山站、高場(chǎng)站、橫江站、福溪站、李家灣站、赤水站相應(yīng)時(shí)刻流量。下標(biāo)數(shù)字表示對(duì)應(yīng)站到朱沱站間洪水傳播的時(shí)間,h。

2.2.2 模型評(píng)價(jià)指標(biāo)

a.確定性系數(shù)DC,表示洪水模擬過(guò)程與實(shí)測(cè)過(guò)程之間的吻合程度[16]:

式中:yc——模擬計(jì)算洪水流量,m3/s;yo——實(shí)測(cè)洪水流量,m3/s;ˉyo——實(shí)測(cè)洪水流量均值,m3/s;n——實(shí)測(cè)資料系列長(zhǎng)度。

b.合格率QR,表示多次模擬總體的精度水平[16]。一次模擬誤差小于許可誤差時(shí)為合格,合格模擬次數(shù)m與模擬總次數(shù)n之比為合格率

以1960—1969年各控制站汛期逐時(shí)段流量資料作為網(wǎng)絡(luò)訓(xùn)練樣本,1970—1971年各控制站汛期逐時(shí)段流量資料作為模型檢驗(yàn)樣本,模型檢驗(yàn)精度評(píng)價(jià)結(jié)果見(jiàn)表2,模型模擬效果見(jiàn)圖3。

表2 模型精度評(píng)定Table2 Accuracy evaluation of model

圖3 BP人工神經(jīng)網(wǎng)絡(luò)模型模擬效果Fig.3 Simulation effect of BP neural network model

從圖3可以看出,BP人工神經(jīng)網(wǎng)絡(luò)模型總體精度達(dá)到甲級(jí)模擬精度,1970年和1971年洪水過(guò)程洪量相對(duì)誤差分別為1.24%、1.98%,滿(mǎn)足水量平衡要求,能有效模擬小南海水電站壩址洪水,應(yīng)用精度較高。

3 計(jì)算結(jié)果及分析

3.1 模型計(jì)算結(jié)果

根據(jù)1951—2004年同期實(shí)測(cè)洪水資料和歷史洪水調(diào)查資料,采用頻率分析法對(duì)朱沱站不同頻率設(shè)計(jì)洪水進(jìn)行計(jì)算,得到小南海水電站壩址天然條件下的設(shè)計(jì)洪水(表3,表中W7表示最大7天洪量,W15表示最大15天洪量)。

表3 朱沱站設(shè)計(jì)洪水成果Table3 Design flood of Zhutuo Hydrological Station

分析1951—2004年汛期洪水過(guò)程,峰量關(guān)系較好且峰型穩(wěn)定,因此采用時(shí)段洪量控制同倍比放大計(jì)算。經(jīng)計(jì)算,W7與W15控制放大系數(shù)相差不大,故采用W7控制對(duì)典型洪水進(jìn)行同倍比放大計(jì)算,得到不同典型年不同頻率的朱沱站天然設(shè)計(jì)洪水過(guò)程(調(diào)度前)。再根據(jù)確定的設(shè)計(jì)洪水地區(qū)組成方案,依據(jù)規(guī)劃的向家壩梯級(jí)水庫(kù)和瀑布溝梯級(jí)水庫(kù)防洪調(diào)度方式[17],即按李莊站流量分級(jí)控制,適當(dāng)考慮朱沱站水情,對(duì)不同典型年的高場(chǎng)區(qū)和屏山區(qū)天然設(shè)計(jì)洪水進(jìn)行調(diào)度,經(jīng)BP人工神經(jīng)網(wǎng)絡(luò)模型演進(jìn)至朱沱,與高場(chǎng)-屏山-朱沱區(qū)間洪水疊加得到新的朱沱站設(shè)計(jì)洪水(調(diào)度后),計(jì)算結(jié)果見(jiàn)表4。

表4 上游水庫(kù)調(diào)度后朱沱站設(shè)計(jì)洪水Table4 Design flood of Zhutuo Hydrological Station after flood control operation of upstream reservoir group

3.2 結(jié)果分析

a.設(shè)計(jì)洪水頻率1%以?xún)?nèi)的設(shè)計(jì)洪水,設(shè)計(jì)洪水頻率越小,上游梯級(jí)水庫(kù)群防洪調(diào)度對(duì)小南海水電站壩址天然設(shè)計(jì)洪水的影響越大;設(shè)計(jì)洪水頻率0.2%與1%的設(shè)計(jì)洪水相比,洪水洪峰削減率略有減小。洪峰削減量、洪量削減程度增大,對(duì)小南海水電站壩址天然設(shè)計(jì)洪水的影響增大,說(shuō)明上游梯級(jí)水庫(kù)群調(diào)度可以明顯提高下游小南海水電站的防洪標(biāo)準(zhǔn),原因是上游梯級(jí)水庫(kù)按照分級(jí)控制的調(diào)度方式調(diào)洪,來(lái)水量越大,水庫(kù)調(diào)蓄洪水的作用越強(qiáng),對(duì)下游小南海水電站壩址洪水過(guò)程的影響越大。

b.不同典型年,洪水主要來(lái)源不同,上游梯級(jí)水庫(kù)群防洪調(diào)度對(duì)小南海水電站壩址設(shè)計(jì)洪水的影響不同,主要表現(xiàn)為來(lái)自金沙江的設(shè)計(jì)洪水(1991年),水庫(kù)調(diào)度對(duì)洪峰、W7、W15的削減程度較大;而主要來(lái)自岷江的設(shè)計(jì)洪水(1981年),水庫(kù)調(diào)度對(duì)洪峰、W7、W15的削減程度較小。上游梯級(jí)水庫(kù)群對(duì)小南海水電站壩址主要來(lái)源不同的洪水影響程度見(jiàn)表5。

c.天然情況下小南海水電站壩址處100年一遇設(shè)計(jì)洪水洪峰流量經(jīng)上游梯級(jí)水庫(kù)群防洪調(diào)度后與天然情況下20年一遇洪水洪峰流量相當(dāng),W7經(jīng)梯級(jí)水庫(kù)群防洪調(diào)度后與天然情況下50年一遇洪水相當(dāng)。梯級(jí)水庫(kù)群防洪調(diào)度對(duì)100年一遇的天然情況設(shè)計(jì)洪峰的平均削減量為13000 m3/s,削減率為20.8%,W7平均削減量為16.6億m3,削減率為5.9%。

4 結(jié) 語(yǔ)

采用同頻率地區(qū)組成法和BP人工神經(jīng)網(wǎng)絡(luò)建模相結(jié)合,在考慮上游梯級(jí)水庫(kù)群防洪調(diào)度因素的影響下,重新評(píng)估并計(jì)算了小南海水電站的設(shè)計(jì)洪水,結(jié)果表明:小南海水電站設(shè)計(jì)洪水受上游梯級(jí)水庫(kù)群調(diào)度的影響明顯,可以顯著提高小南海水電站對(duì)稀遇洪水的防御標(biāo)準(zhǔn)。

[1]王曉麗.小南海水利樞紐通航建筑物引航道口區(qū)水流條件數(shù)值模擬研究[D].重慶:重慶交通大學(xué),2011.

[2]趙元弘.小南海水庫(kù)地震堰塞壩體防滲處理[J].水利水電科技進(jìn)展,2008,28(5):39-44.(ZHAO Yuanhong.Seepage control of the earthquake-induced barrier bar of Xiaonanhai Reservoir[J].Advances in Science and Technology of Water Resources,2008,28(5):39-44.(in Chinese))

[3]李霞,張緒進(jìn),杜宗偉,等.長(zhǎng)江小南海樞紐施工二期導(dǎo)流明渠通航條件研究[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2013, 32(2):306-309.(LI Xia,ZHANG Xujin,DU Zongwei,et al.Diversion channel navigation condition in construction phaseⅡof Xiaonanhai water control project on Yangtze River[J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(2): 306-309.(in Chinese))

[4]金光炎.水文頻率分布模型的異同性與參數(shù)估計(jì)問(wèn)題[J].水科學(xué)進(jìn)展,2010,21(4):466-470.(JIN Guangyan.Similarities and differences of hydrologic frequency distribution models and their parameter estimation problems[J].Advances of Water Science,2010,21(4):466-470.(in Chinese))

[5]楊濤,陳喜,楊紅衛(wèi),等.基于線性矩法的珠江三角洲區(qū)域洪水頻率分析[J].河海大學(xué)學(xué)報(bào):自然科學(xué)版,2009,37(6): 615-619.(YANG Tao,CHEN Xi,YANG Hongwei,et al.Regional flood frequency analysis in Pearl River Delta region based on L-moments approach[J].Journal of Hohai University:Natural Sciences,2009,37(6):615-619.(in Chinese))

[6]JIN Guangyan.Problems in statistical treatment of flood series[J].Journal of Hydrology,1987,96(1):173-184.

[7]SL 44—2006 水利水電工程設(shè)計(jì)洪水計(jì)算規(guī)范[S].

[8]謝蕾.同頻率地區(qū)組成法在區(qū)間洪水計(jì)算中的應(yīng)用[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào):2010,33(5):442-447.(XIE Lei.Application of method of same frequency area composition in calculating interzone flood water[J].Journal of Xinjiang Agricultural University, 2010,33(5):442-447.(in Chinese))

[9]LI Tianyuan,GUO Shenglian,LI Yanqing,et al.Review of design flood estimation methods for cascade reservoirs[J].Journal of Water Resources Research,2012(1):14-20.

[10]梁忠民,鐘平安,華家鵬.水文水利計(jì)算[M].2版.北京:中國(guó)水利水電出版社,2008:58-59.

[11]闞光遠(yuǎn),李致家,劉志雨,等.改進(jìn)神經(jīng)網(wǎng)絡(luò)模型在水文模擬中的應(yīng)用[J].河海大學(xué)學(xué)報(bào):自然科學(xué)版,2013,41(4):294-299.(KAN Guangyuan,LI Zhijia,LIU Zhiyu,et al.An improved neural network model and its application to hydrological simulation[J].Journal of Hohai University:Natural Sciences,2013,41(4):294-299.(in Chinese))

[12]黃國(guó)如,芮孝芳.河道洪水演算的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型[J].河海大學(xué)學(xué)報(bào):自然科學(xué)版,2003,31(6):621-625.(HUANG Guoru,RUI Xiaofang.Radial basis function neural network model for channel flood routing[J].Journal of Hohai University:Natural Sciences,2003,31(6):621-625.(in Chinese))

[13]王光生,蘇佳林,沈必成,等.神經(jīng)網(wǎng)絡(luò)理論在河道洪水預(yù)報(bào)中的應(yīng)用[J].水文,2009,29(5):55-58.(WANG Guangsheng,SU Jialin,SHEN Bicheng,et al.Application of neural network in channel flow forecasting[J].Journal of China Hydrology,2009,29(5):55-58.(in Chinese))

[14]李曉峰,劉光中.人工神經(jīng)網(wǎng)絡(luò)BP算法的改進(jìn)及其應(yīng)用[J].四川大學(xué)學(xué)報(bào):工程科學(xué)版,2000,32(2):105-109.(LI Xiaofeng,LIU Guangzhong.The improvement of BP algorithm and its application[J].Journal of Sichuan University:Engineering Science Edition,2000,32(2):105-109.(in Chinese))

[15]鄭重,馬富裕,李江全,等.基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)田蒸散量預(yù)報(bào)模型[J].水利學(xué)報(bào),2008,39(2):230-234.(ZHEN Zhong,MA Fuyu,LI Jiangquan,et al.Analysis on failure stress in concrete due to corrosion of rebar under bidirectional loading [J].Journal of Hydraulic Engineering,2008,39(2):230-234.(in Chinese))

[16]徐晨光,李春靜,趙麥換.串聯(lián)水庫(kù)洪水預(yù)報(bào)模型影響因素及精度分析[J].人民黃河,2008,30(7):34-35.(XU Chenguang,LI Chunjing,ZHAO Maihuan.Analysis of influencing factors and precision of flood forecasting model of connection reservoir[J].Yellow River,2008,30(7):34-35.(in Chinese))

[17]長(zhǎng)江流域綜合規(guī)劃報(bào)告[R].武漢:水利部長(zhǎng)江水利委員會(huì),2009.

Analysis of design flood of dam site of Xiaonanhai Hydropower Station considering flood control operation of upstream cascade reservoir group

CHEN Tian,DONG Zengchuan,JIA Benyou,HUANG Xingchun,ZHONG Dunyu
(College of Hydrology and Water Resources,Hohai University,Nanjing 210098,China)

The same-frequency area composition method was used to analyze the area composition of a design flood of the dam site of the Xiaonanhai Hydropower Station.The flood routing in the river reach of the dam site was simulated with the artificial neural network model,and the influence of the flood control operation of the upstream cascade reservoir group on the design flood of the Xiaonanhai Hydropower Station in different typical years was analyzed.The results show that the flood control operation of the upstream cascade reservoir group has a significant influence on the design flood of the Xiaonanhai Hydropower Station,especially on the reduction of rare floods.The floods that mainly come from the Jinshajiang River are greatly influenced by the flood control operation,while the floods that mainly come from the Minjiang River are not significantly influenced by the flood control operation.

Xiaonanhai Hydropower Station;flood control standards;design flood;same-frequency area composition;artificial neural network

TV122+.3

:A

:1000-1980(2014)06-0476-05

10.3876/j.issn.1000-1980.2014.06.002

2013-12 16

教育部科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目(104197)

陳甜(1989—),女,江蘇鎮(zhèn)江人,碩士研究生,主要從事水資源規(guī)劃與管理研究。E-mail:chtian0214@163.com

董增川,教授。E-mail:dongzengchuan@163.com