氣候變化下新安江-富春江水電站徑流響應(yīng)模擬及適應(yīng)性調(diào)度研究

聞 昕，丁紫玉，方國(guó)華，雷曉輝，王 浩

(1.河海大學(xué)水利水電學(xué)院，江蘇 南京 210098;2.中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100038)

氣候變化下新安江-富春江水電站徑流響應(yīng)模擬及適應(yīng)性調(diào)度研究

聞 昕1,2，丁紫玉1，方國(guó)華1，雷曉輝2，王 浩2

(1.河海大學(xué)水利水電學(xué)院，江蘇 南京 210098;2.中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100038)

評(píng)估了氣候變化對(duì)新安江-富春江水電站控制流域徑流的影響，提出不同氣候變化情景下的適應(yīng)性調(diào)度方案，并對(duì)不確定性進(jìn)行了分析。結(jié)果表明，2016—2099年，新安江水庫(kù)流域徑流量預(yù)計(jì)降幅為5.4%～5.8%，金華江流域徑流量預(yù)計(jì)增幅為6.2%～7.5%，衢江流域徑流量的預(yù)計(jì)增幅在0.8%以內(nèi)。在適應(yīng)性調(diào)度模式下，新安江-富春江水電站未來(lái)總發(fā)電量比常規(guī)調(diào)度提高3.43%～3.85%，新安江和富春江水電站的最大下泄流量可分別下降22.74%～33.29%和16.57%～17.63%，兩電站總棄水量降幅可達(dá)81.61%～99.99%和52.98%～58.64%，綜合效益顯著，且該調(diào)度模式對(duì)于輻射強(qiáng)度以及不同模式間的不確定性具有良好的適應(yīng)性。

徑流；BCSD降尺度；水文模擬；自適應(yīng)遺傳算法；不確定性；新安江-富春江水電站

近百年來(lái)，全球氣候持續(xù)變暖，海陸熱力差異進(jìn)一步加劇大尺度環(huán)流結(jié)構(gòu)變化，流域原有產(chǎn)匯流過(guò)程與特性被改變，引起徑流在多個(gè)時(shí)空尺度上的重新分配。流域歷史水文序列平穩(wěn)性假定被打破，原有水利工程的調(diào)度規(guī)則和基于歷史經(jīng)驗(yàn)的調(diào)度方式將難以適應(yīng)新的變化環(huán)境。在此背景下，根據(jù)未來(lái)流域徑流的時(shí)空變化規(guī)律，挖掘水利工程體系的特點(diǎn)與優(yōu)勢(shì)，充分利用攔、蓄、泄、分等技術(shù)，建立不同變化情景下的調(diào)度策略與系統(tǒng)應(yīng)對(duì)機(jī)制，對(duì)于提高我國(guó)水利對(duì)氣候變化的適應(yīng)能力、充分發(fā)揮水利工程綜合效益具有重要的科學(xué)意義和實(shí)際應(yīng)用價(jià)值。

氣候變化的影響與適應(yīng)性研究是全球變化與水科學(xué)領(lǐng)域的交叉前沿科學(xué)問(wèn)題，涉及水文模擬、系統(tǒng)優(yōu)化、工程調(diào)度等諸多研究領(lǐng)域。王國(guó)慶[1]對(duì)參數(shù)進(jìn)行網(wǎng)格化，通過(guò)構(gòu)建YRWBM水文模型對(duì)黃河中游地區(qū)徑流量進(jìn)行了分布式計(jì)算。Acosta等[2]通過(guò)構(gòu)建REA模型，評(píng)估了Lerma-Chapala流域在21世紀(jì)A1B情景下的水資源脆弱性。徐宗學(xué)等[3]用GCM(general circulation model)數(shù)據(jù)驅(qū)動(dòng)分布式水文模型VIC和SWAT模型，對(duì)氣候變化對(duì)流域水循環(huán)的影響進(jìn)行定量研究。秦年秀等[4]同樣用GCM數(shù)據(jù)，采用基于ArcGIS的地理分析模塊建立的氣溫-降水-徑流關(guān)系及雙參數(shù)氣候徑流彈性指數(shù)方法，分析了氣候變化對(duì)烏江流域水文水資源的影響。在適應(yīng)性方面，夏軍等[5-6]系統(tǒng)闡述了氣候變化適應(yīng)性的概念與內(nèi)涵，指出適應(yīng)性調(diào)度是指根據(jù)未來(lái)氣候變化下流域水文響應(yīng)與變化情況，優(yōu)化水利工程調(diào)度規(guī)則，減輕氣候變化對(duì)于流域的不利影響。周研來(lái)等[7]以丹江口水庫(kù)為研究對(duì)象，構(gòu)建VIC分布式水文模型，預(yù)測(cè)氣候變化條件下漢江流域的徑流變化，發(fā)展多目標(biāo)調(diào)度圖優(yōu)化模型指導(dǎo)氣候變化情景下水庫(kù)調(diào)度運(yùn)行。Maran等[8]著重從適應(yīng)性管理策略的角度分析了氣候變化對(duì)于Alpine流域水能開發(fā)活動(dòng)的影響。Ashofteh等[9]利用HadCM3氣候模型的A2情景，預(yù)測(cè)氣候變化對(duì)Aidoghmoush流域的入庫(kù)徑流和灌溉用水的影響，并以提高供水可靠性為目標(biāo)進(jìn)行水庫(kù)適應(yīng)性調(diào)度。Yang等[10]制定適應(yīng)氣候變化條件下的水庫(kù)優(yōu)化調(diào)度規(guī)則，以兼顧發(fā)電和供水的要求。Zhou等[11-12]研究了單一水利工程的適應(yīng)性調(diào)度方法。

綜上，目前在氣候變化影響與適應(yīng)方面已有了一定的研究和探索，但在不確定性等方面成果仍不豐富，尚未形成“預(yù)估-檢測(cè)-適應(yīng)”的研究體系。為此，本文模擬并預(yù)估氣候變化下新安江-富春江水電站控制流域的徑流時(shí)空響應(yīng)，解析未來(lái)徑流時(shí)空演變特征，建立不同氣候變化情景下的適應(yīng)性調(diào)度方案，并對(duì)調(diào)度結(jié)果的不確定性進(jìn)行分析，以期為氣候變化影響評(píng)估與適應(yīng)性管理提供技術(shù)參考。

1 研究區(qū)域概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)域概況

新安江水電站和富春江水電站是錢塘江流域最大的兩座水電站。新安江水電站位于錢塘江支流新安江上，是華東電網(wǎng)中裝機(jī)容量最大、庫(kù)容最大的電站，它主要承擔(dān)電網(wǎng)調(diào)峰、調(diào)頻、事故備用的任務(wù)。富春江水電站位于浙江省桐廬富春江七里垅峽口，距上游新安江水電站約60 km，距下游杭州市約110 km。富春江水電站是一座低水頭大流量的河床式水電站，電站主要功能為發(fā)電，兼有航運(yùn)、養(yǎng)殖、灌溉、供水、旅游等任務(wù)。新安江和富春江水電站工程特征值見表1。研究區(qū)域包括新安江水庫(kù)流域、衢江流域和金華江流域3個(gè)子流域，新安江、富春江水電站的位置以及流域分區(qū)情況見圖1。

圖1 新安江-富春江水電站位置及流域分區(qū)

1.2 數(shù)據(jù)來(lái)源

所采用數(shù)據(jù)包括3類：歷史氣象觀測(cè)數(shù)據(jù)、歷史徑流觀測(cè)數(shù)據(jù)和氣候數(shù)值模擬數(shù)據(jù)。其中，歷史氣象觀測(cè)數(shù)據(jù)采用Climatic Research Unit (CRU) 3.24 版本高分辨率氣象再分析月數(shù)據(jù)，變量為溫度、降水和蒸散發(fā)，空間尺度為0.5°×0.5°網(wǎng)格，時(shí)間范圍為1901年1月—2015年12月。歷史徑流資料采用1989—2015年新安江水庫(kù)、金華江流域和衢江流域出口的實(shí)測(cè)日徑流資料。氣候模式輸出來(lái)自于CMIP5(coupled model intercomparison project phase 5)多模式數(shù)據(jù)。本文選用美國(guó)NASA、中國(guó)氣象局等九家研究機(jī)構(gòu)所研發(fā)的GCM模擬數(shù)據(jù)，詳見表2。歷史模擬時(shí)段為1901年1月—2015年12月，未來(lái)預(yù)估時(shí)段為2016年1月—2099年12月，基于RCP(representative concentration pathways)的未來(lái)氣候變化情景，選用RCP2.6、RCP4.5、RCP8.5分別代表低、中、高排放3種氣候變化情景。

表1 新安江和富春江水電站工程特征值

表2 CMIP5中GCM模型選用

2 研究方法

2.1 誤差訂正與空間分解降尺度

誤差訂正與空間分解(bias correction spatial disaggregation，BCSD)方法是Wood等[13]于2004年提出的統(tǒng)計(jì)降尺度方法，可有效克服GCM模擬偏差、分辨率低的缺陷，該方法主要包括2個(gè)步驟：誤差訂正和空間分解。

GCM的輸出結(jié)果與實(shí)際觀測(cè)值相比存在一定誤差，因此需要對(duì)GCM的輸出結(jié)果進(jìn)行誤差訂正。對(duì)高分辨率的觀測(cè)資料進(jìn)行升尺度處理，將其尺度升至GCM網(wǎng)格對(duì)應(yīng)的分辨率上；在每個(gè)網(wǎng)格點(diǎn)上，對(duì)模式資料的累積概率分布依據(jù)觀測(cè)資料進(jìn)行修正，使其具有相同的概率分布。

空間分解的目的是在空間上將誤差訂正后的GCM數(shù)據(jù)從粗尺度降解到所需的細(xì)尺度。首先，根據(jù)低分辨率網(wǎng)格的模式將高分辨率的觀測(cè)氣候態(tài)資料進(jìn)行升尺度。然后，將經(jīng)過(guò)誤差訂正的模式資料除以(或減去)經(jīng)過(guò)升尺度的觀測(cè)資料氣候值得到修正因子；將此修正因子用SYMAP(synteny mapping and analysis program)插值法插值到高分辨率的原始觀測(cè)資料網(wǎng)格上[14]。最后，將插值后的修正因子場(chǎng)乘以(或加上)高分辨率的觀測(cè)資料氣候值，得到模擬資料降尺度的結(jié)果。

2.2 新安江月水量平衡模型

根據(jù)氣候變化評(píng)估研究的特點(diǎn)，對(duì)三水源新安江水文模型進(jìn)行簡(jiǎn)化，構(gòu)建新安江月水量平衡模型，并運(yùn)用遺傳算法估計(jì)模型參數(shù)，模擬氣候變化條件下流域水文響應(yīng)過(guò)程。

新安江月水量平衡模型由蒸散發(fā)計(jì)算、產(chǎn)流計(jì)算、水源劃分計(jì)算和匯流計(jì)算4個(gè)層次共同構(gòu)成。其中，蒸散發(fā)計(jì)算采用3層蒸發(fā)模式，產(chǎn)流計(jì)算用蓄滿產(chǎn)流方法，水源劃分則采用自由水蓄水庫(kù)的方法將其劃分為地表徑流和地下徑流，匯流計(jì)算將坡地匯流過(guò)程分解為地表徑流匯流和地下徑流匯流2個(gè)部分。新安江月水量平衡模型的核心由張力水蓄水體和自由水蓄水體2個(gè)蓄水體構(gòu)成。其中，張力水蓄水體控制產(chǎn)流，即控制流域?qū)邓康姆峙?，決定其形成徑流還是消耗于蒸散發(fā)；自由水蓄水體控制匯流，即控制流域?qū)搅鞯臅r(shí)空分配，決定其形成快速還是慢速響應(yīng)。

在進(jìn)行新安江水文模型參數(shù)估計(jì)時(shí)，通常以模擬流量與實(shí)測(cè)流量之間平均相對(duì)誤差最小或確定性系數(shù)最大為適應(yīng)度函數(shù)[16]，計(jì)算公式為

(1)

(2)

2.3 氣候變化下水電站群適應(yīng)性調(diào)度模型

2.3.1 模型建立

新安江-富春江水電站適應(yīng)性調(diào)度的目標(biāo)涉及防洪、供水、發(fā)電和生態(tài)4個(gè)方面，屬多目標(biāo)決策問(wèn)題。根據(jù)研究區(qū)域水資源調(diào)度的要求與特點(diǎn)，本文以水電站發(fā)電經(jīng)濟(jì)效益為基本目標(biāo)，將防洪、供水、生態(tài)等目標(biāo)轉(zhuǎn)化為不等式約束，采用約束法將多目標(biāo)優(yōu)化調(diào)度問(wèn)題轉(zhuǎn)化成單目標(biāo)優(yōu)化調(diào)度問(wèn)題進(jìn)行求解，以該水電站群聯(lián)合發(fā)電量最大為目標(biāo)函數(shù)，公式為

(3)

式中：E為水電站總發(fā)電量，kW·h；n為水電站序號(hào)；An為第n個(gè)水電站出力系數(shù)；Hn,t為第n個(gè)水電站t時(shí)段上下游水頭差，m；Qn,t第n個(gè)水電站t時(shí)段發(fā)電流量，m3/s；Δt為計(jì)算時(shí)段區(qū)間，s。新安江電站出力系數(shù)為8.5，富春江電站出力系數(shù)為8.3。

新安江-富春江水庫(kù)適應(yīng)性調(diào)度模型的約束條件包括水量平衡約束、水位約束、下泄流量約束、水輪發(fā)電機(jī)組過(guò)流能力約束以及發(fā)電機(jī)組出力約束。

a. 水量平衡約束。

(4)式中：Sn,t為第n個(gè)水電站第t時(shí)段末的蓄水量，億m3；wn,t為第n個(gè)水電站Δt時(shí)段內(nèi)的入流量， m3/s；Q出n,t為第n個(gè)水電站Δt時(shí)段內(nèi)的出流量，m3/s；In,t為第n個(gè)水電站t時(shí)段末的損失水量，億m3。

b. 水位約束。

(5)

c. 下泄流量約束。

(6)

d. 水輪發(fā)電機(jī)組過(guò)流能力約束。

(7)

e. 發(fā)電機(jī)組出力約束。

(8)

2.3.2 模型求解

采用自適應(yīng)遺傳算法(adaptive genetic algorithm，AGA)對(duì)新安江-富春江水電站適應(yīng)性調(diào)度模型進(jìn)行求解，由于常規(guī)遺傳算法中交叉概率和變異概率是固定的，因此不容易找到適用于所有問(wèn)題的最佳值，AGA算法針對(duì)其不足，主要對(duì)交叉、變異概率的確定進(jìn)行改進(jìn)，將個(gè)體交叉概率和變異概率隨著其適應(yīng)度的大小進(jìn)行動(dòng)態(tài)調(diào)整。當(dāng)個(gè)體的適應(yīng)度與最大適應(yīng)度越接近時(shí)，其對(duì)應(yīng)的交叉概率和變異概率的取值越小；若個(gè)體的適應(yīng)度值接近或等于最大適應(yīng)度值，則其交叉概率和變異概率接近或等于0，從而更加快速地找到所求問(wèn)題的最佳值[17-18]。本文中初始種群規(guī)模為500，交叉概率取0.6，變異概率取0.01，最大迭代次數(shù)為300。

3 氣候變化對(duì)新安江-富春江水電站入庫(kù)徑流影響分析

3.1 未來(lái)氣溫與降雨要素降尺度分析

利用BCSD方法對(duì)CMIP5中RCP2.6、RCP4.5、RCP8.5 3種氣候變化情景下的新安江-富春江水電站控制流域氣溫、降水和蒸散發(fā)GCM預(yù)估結(jié)果進(jìn)行降尺度分析，目標(biāo)尺度為0.5°×0.5°。

以歷史觀測(cè)氣象資料為基準(zhǔn)，分別計(jì)算模式降尺度前與降尺度后數(shù)據(jù)的模擬偏差，繪制氣溫、降水與蒸散發(fā)降尺度改進(jìn)效果概率直方圖(圖2)，評(píng)估BCSD降尺度效果。GCM模式對(duì)流域氣溫的模擬偏差主要分布在-1.2～1.8 ℃，偏差離散度較大，而BCSD改進(jìn)后的模擬偏差則更加集中，主要在-0.6～1.2 ℃。BCSD對(duì)模式降水?dāng)?shù)據(jù)的改進(jìn)效果更加顯著，降尺度后偏差基本全部集中在±10 mm附近。BCSD對(duì)流域蒸散發(fā)模擬偏差也有較好的改進(jìn)，從0～20 mm降低至0～10 mm。綜上，BCSD降尺度方法對(duì)研究區(qū)域氣溫、降水和蒸散發(fā)模式輸出都有很好的改進(jìn)效果。

3.2 氣候變化下新安江-富春江水電站控制流域徑流響應(yīng)模擬

3.2.1 新安江月水量平衡模型參數(shù)率定與驗(yàn)證

對(duì)新安江水庫(kù)流域、衢江流域和金華江流域3個(gè)子流域分別建立新安江月水量平衡模型，并用遺傳算法進(jìn)行參數(shù)率定。其中，1989—2008年為率定期，2009—2015年為檢驗(yàn)期，新安江-富春江水電站水庫(kù)入庫(kù)月徑流模擬結(jié)果見圖3。

(a) 氣溫初始模擬 (b) 氣溫降尺度模擬

(c) 降水初始模擬 (d) 降水降尺度模擬

(a) 新安江流域

(b) 金華江流域

(c) 衢江流域

新安江水庫(kù)流域率定期和檢驗(yàn)期的平均確定性系數(shù)分別為0.903 1和0.926 7，年徑流模擬平均相對(duì)誤差分別為5.38%和4.85%；金華江流域率定期和檢驗(yàn)期的平均確定性系數(shù)分別為0.675 4和0.751 1，年徑流模擬平均相對(duì)誤差分別為9.25%和8.17%；衢江流域率定期和檢驗(yàn)期的平均確定性系數(shù)分別為0.809 6和0.767 7，年徑流模擬平均相對(duì)誤差分別為11.41%和6.19%。從整體來(lái)看，新安江月模型模擬徑流曲線形狀與實(shí)測(cè)徑流曲線形狀比較吻合，模擬徑流的總水量偏差總體表現(xiàn)也比較好，可見，模型參數(shù)合理，可較準(zhǔn)確地模擬流域月徑流量。

3.2.2 氣候變化下新安江-富春江水電站水庫(kù)入庫(kù)徑流響應(yīng)預(yù)估及演變特征分析

用2016—2099年降尺度后的氣象模式輸出驅(qū)動(dòng)率定好的新安江月水量平衡模型，生成不同氣候變化情景下的3個(gè)子流域月徑流分布情況，并對(duì)徑流的時(shí)空變化特征進(jìn)行分析。

2016—2099年，新安江-富春江水電站控制流域月徑流總量整體呈上升趨勢(shì)，新安江水庫(kù)、金華江、衢江流域每10年年徑流量的線性傾向速率依次為49.69～58.48 m3/s、19.37～22.89 m3/s和49.08～53.32 m3/s。流域徑流量的峰值預(yù)計(jì)將出現(xiàn)在2070年代與2080年代期間，此后略有下降。與1989—2015年流域歷史徑流情況相比，新安江水庫(kù)未來(lái)徑流量預(yù)計(jì)將低于歷史平均水平，平均降幅5.4%～5.8%；金華江流域徑流量則顯著高于歷史水平，增幅6.2%～7.5%；衢江流域總體持平，增幅在0.8%以內(nèi)，徑流變化情況見圖4。同時(shí)，研究區(qū)域徑流變化對(duì)于輻射強(qiáng)迫的變化并不敏感，3種情景下徑流變化的趨勢(shì)基本一致，變率差別并不顯著。RCP4.5情景下的新安江、金華江、衢江流域在2060年代時(shí)段徑流量較2050年代時(shí)段分別下降6.5%、5.5%、4.6%，之后徑流量開始繼續(xù)增加，而RCP2.6與RCP8.5下未體現(xiàn)出此波動(dòng)變化。

在未來(lái)氣候變化下，新安江-富春江水電站控制流域的徑流仍主要集中在春、夏2季，其中汛期(4—10月)總徑流量7 458.5～7 635.6 m3/s，非汛期(11月—次年3月)總徑流量2 760.8～2 889.1 m3/s。如圖5所示，未來(lái)主汛期6月的徑流量仍為年內(nèi)最大，新安江、金華江、衢江流域的平均月徑流量分別達(dá)761.6～782.2 m3/s、385.6～401.3 m3/s和872.2.6～896.4 m3/s，與歷史情況相比，新安江流域下降顯著，降幅達(dá)14.9%～17.1%，金華江流域增長(zhǎng)15.0%～19.7%，衢江流域略有降低，降幅3.0%～5.6%。此外，流域汛初3—4月的徑流量與歷史相比略有下降，平均降幅15.6%～17.1%，汛末8—10月的徑流量則顯著上升，平均增幅38.6%～40.1%。另外，流域徑流的年內(nèi)分布情況對(duì)于輻射強(qiáng)迫的變化并不敏感。

(a) 新1安江流域

(b) 金華江流域

(c) 衢江流域

氣候變化下新安江-富春江水電站水庫(kù)入庫(kù)徑流的演變主要受降水、蒸散發(fā)等因素的綜合影響。相對(duì)于基準(zhǔn)期1901—2015年，2016—2099年新安江-富春江水電站控制流域不同情景的多年平均降水量基本呈增加趨勢(shì)，增加幅度整體上由北向南遞增，衢江流域和金華江流域降水量增幅較大，新安江流域的降水增幅較小；流域在蒸散發(fā)方面的空間分布形式相對(duì)穩(wěn)定，蒸散發(fā)量整體上呈增加趨勢(shì)，增加幅度由北向南遞減，新安江流域的蒸散發(fā)增幅較大，

(a) 新安江流域

(b) 金華江流域

(c) 衢江流域

金華江和衢江的蒸散發(fā)增幅相對(duì)較小。由于新安江流域的蒸散發(fā)增加幅度較降水顯著，因此新安江流域未來(lái)的徑流呈下降趨勢(shì)，而金華江和衢江流域有一定程度的增加。此外，未來(lái)降水的豐枯季節(jié)的差距變小，使得徑流間的豐枯差異變小，因此流域豐水期與枯水期的界限變得相對(duì)模糊。

4 氣候變化下新安江-富春江水電站適應(yīng)性調(diào)度研究

選擇2006年3月—2099年2月為研究時(shí)段，共計(jì)93個(gè)水文年，以月為單位。新安江水庫(kù)起調(diào)水位為98.4 m(興利庫(kù)容一半所對(duì)應(yīng)的庫(kù)水位)，2099年2月時(shí)段末水位回到起調(diào)水位98.4 m。

4.1 發(fā)電效益分析

在適應(yīng)性調(diào)度模式下，2016—2099年新安江-富春江電站總發(fā)電量達(dá)2 726.99億～2 731.63億kW·h，比常規(guī)調(diào)度提高3.43%～3.85%，見表3。其中，新安江電站發(fā)電效益顯著提高，多年總發(fā)電量達(dá)1 793.83億～1 798.00億kW·h，比常規(guī)調(diào)度提高4.60%～4.88%，富春江電站多年總發(fā)電量達(dá)931.62億～933.63億kW·h，增幅1.21%～1.91%。同時(shí)，在3種氣候變化情景下，新安江-富春江水電站在適應(yīng)性調(diào)度模式下的發(fā)電量相對(duì)穩(wěn)定且無(wú)顯著差異，對(duì)于輻射強(qiáng)度的變化并不敏感。

GCM模式間差異對(duì)于新安江和富春江水電站的發(fā)電量存在較大影響，特別GISS-E2-R、IPSL-CM5A-LR及MIROC5 3個(gè)模式相對(duì)于其他6個(gè)模式的發(fā)電量明顯偏少，主要由于這3個(gè)GCM模式下的研究區(qū)域徑流量模擬結(jié)果總體偏小。此外，新安江-富春江流域適應(yīng)性調(diào)度下發(fā)電量相對(duì)于常規(guī)調(diào)度的增幅對(duì)于模型間的差異表現(xiàn)較穩(wěn)定，無(wú)顯著變化，且各模型中發(fā)電量的變化對(duì)于輻射強(qiáng)迫的變化也并不敏感，見圖6。

表3 新安江-富春江水電站適應(yīng)性調(diào)度發(fā)電效益分析

表4 新安江-富春江水庫(kù)不同調(diào)度模式下多年棄水總量分析

4.2 棄水分析

2016—2099年，新安江與富春江水庫(kù)在適應(yīng)性調(diào)度下的總棄水量較常規(guī)調(diào)度大幅下降，水資源利用效率顯著提高。其中，新安江水庫(kù)可充分發(fā)揮多年調(diào)節(jié)特性的優(yōu)勢(shì)，多年總棄水量下降27.44億～49.03億m3，降幅81.61%～99.99%，特別在RCP2.6和RCP4.5 2種氣候變化情景下無(wú)棄水產(chǎn)生；富春江水庫(kù)為日調(diào)節(jié)水庫(kù)，在適應(yīng)性調(diào)度下，通過(guò)對(duì)新安江水庫(kù)進(jìn)行錯(cuò)峰調(diào)度，富春江水庫(kù)多年總棄水量下降463.94億～531.74億m3，降幅52.98%～58.64%，見表4。適應(yīng)性調(diào)度下水庫(kù)棄水量與輻射強(qiáng)迫的變化呈現(xiàn)正相關(guān)關(guān)系，隨著氣候變化情景由RCP2.6變化至RCP8.5，新安江水庫(kù)的多年總棄水量由0增長(zhǎng)至11.04億m3，富春江流域的多年總棄水量由366.59億m3增長(zhǎng)至471.83億m3。

氣候變化條件下，水庫(kù)適應(yīng)性調(diào)度對(duì)于棄水量同樣展現(xiàn)出良好的適應(yīng)性。在不同GCM模擬的徑流時(shí)空分布情況下，新安江水庫(kù)的調(diào)節(jié)特性得以充分發(fā)揮，棄水始終維持在較低狀態(tài)。相比較而言，常規(guī)調(diào)度下不同GCM模擬新安江水庫(kù)的棄水情況則存在較大差異，其中CanESM2和NorESM1-M所模擬的棄水總量相對(duì)較高，見圖7。與之相比，GCM間的不確定性對(duì)富春江水庫(kù)的棄水量造成了相對(duì)較大的影響，各GCM在適應(yīng)性調(diào)度下的棄水量相較于常規(guī)調(diào)度均有顯著下降，但模型間適應(yīng)性調(diào)度與常規(guī)調(diào)度的總棄水量存在較大差異，見圖8。

4.3 最大下泄流量分析

在適應(yīng)性調(diào)度下，新安江與富春江水庫(kù)多年平均最大下泄流量均呈顯著下降趨勢(shì)，其中新安江水庫(kù)下降352.37～597.91 m3/s，降幅22.74%～33.29%，富春江水庫(kù)下降749.62～874.61 m3/s，降幅16.57%～

17.63%，見表5。適應(yīng)性調(diào)度充分發(fā)揮了新安江水庫(kù)的多年調(diào)節(jié)特性，遭遇洪水前提前騰出庫(kù)容以降低水庫(kù)的最大下泄流量，雖然富春江水庫(kù)無(wú)調(diào)節(jié)特性，但新安江水庫(kù)的錯(cuò)峰調(diào)度作用在適應(yīng)性調(diào)度中得以充分發(fā)揮，特別在蘭江流域遭遇洪水時(shí)，控制新安江水庫(kù)下泄流量，可以降低富春江水庫(kù)的最大下泄流量，減輕流域防洪壓力。同時(shí)，常規(guī)調(diào)度下兩水庫(kù)的最大下泄流量隨著輻射強(qiáng)迫的增加呈顯著增加趨勢(shì)，而錢塘江流域適應(yīng)性調(diào)度機(jī)制很好地適應(yīng)了輻射強(qiáng)迫的變化，在不同氣候情景下新安江水庫(kù)的最大下泄流量均較穩(wěn)定，無(wú)顯著區(qū)別，而富春江水庫(kù)由于不具備調(diào)節(jié)性能，最大下泄流量略有增加，但增幅仍小于常規(guī)調(diào)度。

氣候變化條件下，新安江水庫(kù)在適應(yīng)性調(diào)度下的最大下泄流量對(duì)于不同GCM未顯示顯著差異，均略低于其機(jī)組最大過(guò)流能力1 200 m3/s，但常規(guī)調(diào)度下的最大下泄流量則表現(xiàn)出較為顯著的差異。與之相比，富春江水庫(kù)的最大下泄流量則表現(xiàn)出較大的模型間不確定性，在適應(yīng)性調(diào)度和常規(guī)調(diào)度下不同GCM間的最大下泄流量情況存在較大差異，如圖9～10所示，不同GCM適應(yīng)性調(diào)度下的最大下泄流量仍小于常規(guī)調(diào)度，適應(yīng)性調(diào)度的防洪效益仍得到充分的發(fā)揮。

表5 2016—2099年新安江-富春江水庫(kù)多年平均最大下泄流量對(duì)比

5 結(jié) 論

a. 降尺度后，流域氣溫的偏差主要集中在-0.6～1.2 ℃，降水偏差主要在±10 mm左右，蒸散發(fā)偏差主要集中在0～10 mm以內(nèi)，BCSD降尺度對(duì)于GCM誤差修正的效果良好。

b. 2016—2099年，預(yù)計(jì)流域徑流整體上呈現(xiàn)上升趨勢(shì)。與歷史徑流情況相比，新安江水庫(kù)流域徑流量將下降5.4%～5.8%，金華江流域徑流量預(yù)計(jì)將增長(zhǎng)6.2%～7.5%，衢江流域徑流量的增幅在0.8%以內(nèi)。同時(shí)，流域徑流年內(nèi)差異減小，豐水期與枯水期的界限變得相對(duì)模糊。

c. 在適應(yīng)性調(diào)度模式下，新安江-富春江水電站未來(lái)總發(fā)電量比常規(guī)調(diào)度下提高3.43%～3.85%，新安江水庫(kù)和富春江水庫(kù)的最大下泄流量可分別下降22.74%～33.29%和16.57%～17.63%，兩水庫(kù)多年總棄水量降幅可達(dá)81.61%～99.99%和52.98%～58.64%，綜合效益顯著。

[1] 王國(guó)慶. 氣候變化對(duì)黃河中游水文水資源影響的關(guān)鍵問(wèn)題研究[D].南京： 河海大學(xué), 2006.

[2] ACOSTA I R, MARTNEZ M J M. Assessment of surface runoff vulnerability to climate change in the Lerma-Chapala Basin, Mexico[J]. Journal of Water Resources Planning and Management, 2014, 140(12):401-402.

[3] 徐宗學(xué),劉瀏. 氣候變化影響下的流域水循環(huán):以長(zhǎng)江和黃河典型流域?yàn)槔齕J]. 氣象科技進(jìn)展, 2016, 6(3): 123-133. (XU Zongxue, LIU Liu. Impact of climate change on hydrological cycle: case studies in the Yangtze River and Yellow River basins[J]. Advances in Meteorological Science and Technology, 2016, 6(3): 123-133. (in Chinese))

[4] 秦年秀，陳喜，薛顯武，等. 氣候變化對(duì)烏江流域水文水資源的影響[J]. 河海大學(xué)學(xué)報(bào)(自然科學(xué)版), 2011, 39(6): 623-628.(QIN Nianxiu, CHEN Xi, XUE Xianwu, et al. Effects of climate change on hydrology and water resources in Wujiang Basin[J]. Journal of Hohai University(Natural Sciences), 2011, 39(6): 623-628. (in Chinese))

[5] 夏軍,THOMAS Tanner,任國(guó)玉,等. 氣候變化對(duì)中國(guó)水資源影響的適應(yīng)性評(píng)估與管理框架[J]. 氣候變化研究進(jìn)展， 2008, 4(4): 215-219. (XIA Jun, THOMAS Tanner, REN Guoyu, et al. Potential impacts of climate change on water resources in China：screening for adaptation and management[J]. Advances in Climate Change Research, 2008, 4(4): 215-219. (in Chinese))

[6] 方一平,秦大河,丁永建. 氣候變化適應(yīng)性研究綜述：現(xiàn)狀與趨向[J]. 干旱區(qū)研究， 2009, 26(3): 299-305. (FANG Yiping, QIN Dahe, DING Yongjian. A review about the research on adaptability in climate change: present situation and tendency[J]. Arid Zone Research, 2009,26(3): 299-305. (in Chinese))

[7] 周研來(lái)，郭生練，李雨，等. 多目標(biāo)調(diào)度圖對(duì)氣候變化的自適應(yīng)研究[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 42(2): 6-10.(ZHOU Yanlai, GUO Shenglian, LI Yu, et al. Multipurpose reservoir operating rule curves adapt to climate change[J]. Journal of Huazhong University. of Science and Technology (Natural Science Edition),2014, 42(2): 6-10. (in Chinese))

[8] MARAN S, VOLONTERIO M, GAUDARD L. Climate change impacts on hydropower in an alpine catchment[J]. Envirnmental Science & Policy, 2014, 43(7): 15-25.

[9] ASHOFTEH P, BOZORG-HADDAD O, LOAICIGA H A. Development of adaptive strategies for irrigation water demand management under climate change[J]. Journal of Irrigation and Drainage Engineering, 2017, 143(2): 1-11.

[10] YANG G, GUO S, LI L, et al. Multi-objective operating rules for danjiangkou reservoir under climate change[J]. Water Resources Management, 2016, 30(3): 1183-1202.

[11] ZHOU Y, GUO S. Incorporating ecological requirement into multipurpose reservoir operating rule curves for adaptation to climate change[J]. Journal of Hydrology, 2013, 498(12): 153-164.

[12] AHMADI M, BOZORG-HADDAD O, LOAICIGA H A. Adaptive reservoir operation rules under climatic change[J]. Water Resources Managenent, 2015, 29(4): 1247-1266.

[13] 芮孝芳. 水文學(xué)原理[M]. 北京: 中國(guó)水利水電出版社, 2004.

[14] 方國(guó)華,戚核帥,聞昕,等. 氣候變化條件下21世紀(jì)中國(guó)九大流域極端月降水量時(shí)空演變分析[J]. 自然災(zāi)害學(xué)報(bào), 2016,25(2): 15-25. (FANG Guohua, QI Heshuai, WEN Xin, et al. Analysis of spatiotemporal evolution of extreme monthly precipitation in the nine major basins of China in 21st century under climate change[J]. Journal of Natural Disasters,2016,25(2): 15-25. (in Chinese))

[15] 郝振純,鞠琴,王璐,等. 氣候變化下淮河流域極端洪水情景預(yù)估[J]. 水科學(xué)進(jìn)展, 2011, 22(5): 605-614. (HAO Zhenchun, JU Qin, WANG Lu,et al. Prediction of extreme floods in Huaihe River basin under climate change[J].Advances in Water Science, 2011, 22(5): 605-614. (in Chinese))

[16] YUE S, PILON P, CAVADIAS G. Power of the Mann-Kendall and Spearman’s rho tests for detecting monotonic trends in hydrological series [J]. Journal of Hydrology, 2002, 259(1-4): 254-271.

[17] SRINIVAS M, PATNAIK L. Adaptive probabilities of crossover and mutation in genetic algorithms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1994(24): 656-667.

[18] 藍(lán)天鴻, 唐偉峰. 基于自適應(yīng)遺傳算法的去耦電容器自動(dòng)選擇[J]. 電子科技, 2012, 25(4): 21-24. (LAN Tianhong, TANG Weifeng. Automatic selection of the decoupling capacitors based on AGA[J].Electronic Science & Technology,2012, 25(4): 21-24. (in Chinese))

Study on runoff response simulation and adaptive scheduling of Xin’anjiang-Fuchunjiang hydropower station under climate change

WEN Xin1,2， DING Ziyu1， FANG Guohua1， LEI Xiaohui2， WANG Hao2

(1.CollegeofWaterConservancyandHydropowerEngineering,HohaiUniversity,Nanjing210098,China;2.StateKeyLaboratoryofSimulationandRegulationofWaterCycleinRiverBasin,ChinaInstituteofWaterResourcesandHydropowerResearch,Beijing100038,China)

We evaluated the impact of climate change on the runoff of the Xin’anjiang-Fuchunjiang hydropower station basin, put forward the adaptive scheduling scheme under different climate change scenarios, and analyzed the uncertainty. The results show that, during 2016—2099, the runoff of Xin’anjiang Reservoir Basin will decrease by 5.4%—5.8%, and the runoff of the Jinhua River Basin and Qujiang River Basin will increase by 6.2%—7.5% and less than 0.8%, respectively. Under the adaptive scheduling mode, the total generating capacity of the Xin’anjiang-Fuchunjiang hydropower station is expected to increase by 3.43%—3.85% compared with the conventional dispatching. The maximum discharge of the Xin’anjiang and Fuchunjiang hydropower stations will decrease by 22.74%—33.29% and 16.57%—17.63%, respectively. The total abandoned water of the two hydropower stations will decrease by 81.61%—99.99% and 52.98%—58.64%, respectively. In addition, the scheduling mode adapts well to the radiation intensity and the uncertainty among different GCMs.

runoff; BCSD downscaling； hydrological simulation； adaptive genetic algorithm； uncertainty； Xin’anjiang-Fuchunjiang hydropower station

10.3880/j.issn.1004-6933.2017.04.003

國(guó)家自然科學(xué)基金(51609061)；長(zhǎng)江科學(xué)院開放研究基金(CKWV2016370/KY)；水力學(xué)與山區(qū)河流開發(fā)保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放合作基金(SKHL1621)；江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目

聞昕(1987—)，男，講師，博士，主要從事資源規(guī)劃及利用、水利水電系統(tǒng)規(guī)劃與優(yōu)化調(diào)度等方面研究。E-mail：njwenxin@163.com

方國(guó)華，教授。E-mail：hhufgh@163.com

TV697.1

A

1004-6933(2017)04-0010-10

2017-03-30 編輯：王 芳)