梯級水庫中長期仿天然水文情勢的生態(tài)流量多目標調(diào)度

崔福寧 朱迪 卜慧 郭衛(wèi) 汪琳

摘要：針對現(xiàn)有研究較少從水文情勢角度開展梯級水庫中長期生態(tài)流量調(diào)度的現(xiàn)狀，基于場景縮減（SBR）技術(shù)推求的仿天然水文情勢生態(tài)流量過程，以梯級水庫下泄流量與生態(tài)流量的動態(tài)時間規(guī)整（DTW）距離最小為生態(tài)目標，以梯級水庫發(fā)電量最大為發(fā)電目標，構(gòu)建梯級水庫多目標生態(tài)流量調(diào)度模型，并采用“參數(shù)模擬?優(yōu)化”思路求解，選擇金沙江中游梨園、阿海、金安橋、龍開口、魯?shù)乩陀^音巖6座梯級水庫，對1953-2015年的旬徑流資料開展分析研究，為梯級水庫中長期生態(tài)流量調(diào)度提供參考。結(jié)果表明，推求的仿天然水文情勢生態(tài)流量具有明顯的季節(jié)性波動和上下游斷面量級差異特征；相較梯級水庫原調(diào)度方案，優(yōu)化調(diào)度方案可通過徑流調(diào)節(jié)，改善梯級水庫中長期生態(tài)和發(fā)電效益，在不影響生態(tài)目標的狀態(tài)下，可增加511億kW·h的發(fā)電量，相應(yīng)增幅為1.35%；在不影響發(fā)電目標的情況下，可減少134 253的DTW距離，相應(yīng)降幅為3.85%。

關(guān)鍵詞：生態(tài)流量調(diào)度；動態(tài)時間規(guī)整；場景縮減；梯級水庫；金沙江中游

中圖分類號：TV697? ? ? ?文獻標志碼：A? ? ? ? 文章編號：1674-3075（2024）01-0001-09

隨著水庫的建成與投運，現(xiàn)階段我國各大流域基本形成了梯級水庫的開發(fā)格局（周研來等，2015）。梯級水庫通過徑流調(diào)節(jié)，一方面可以有效緩解水資源需求壓力，保障水資源安全，另一方面對河流天然情勢造成影響，對下游河流生態(tài)系統(tǒng)造成一定的脅迫（胡和平等，2008；龍凡和梅亞東，2017）。因此，加強流域梯級水庫生態(tài)調(diào)度與管理，對協(xié)調(diào)流域水生態(tài)保護與水資源開發(fā)具有重要意義。

近年來，國內(nèi)外學(xué)者圍繞梯級水庫生態(tài)流量計算和調(diào)度開展了相關(guān)研究工作。在生態(tài)流量計算方面，截至目前共計有200多種計算方法，可大致分為水文學(xué)法、水力學(xué)法、生境模擬法和整體分析法共4類（費啟航等，2023）。不同生態(tài)流量計算方法所需的資料、適用范圍和特點不盡相同，其中以流量歷時曲線法和Tennant法為代表的水文學(xué)方法應(yīng)用最為廣泛（Tennant，1976;Tharme，2003）。在生態(tài)流量調(diào)度研究方面，大體可分為2類（Zhu et al， 2023）。第一類是將生態(tài)流量作為約束，陳立華等（2016）考慮生態(tài)基流和洪水脈沖等方面，設(shè)置4種生態(tài)流量約束方案，探究了龍灘?巖灘梯級水庫生態(tài)調(diào)度對發(fā)電的影響；龍凡和梅亞東（2017）分別采用年內(nèi)展布法和改進FDC法計算了溪洛渡?向家壩梯級最小生態(tài)流量和適宜生態(tài)流量約束，分析了不同生態(tài)流量約束方案下梯級水庫發(fā)電量和下泄流量特征；徐淑琴等（2017）以最小生態(tài)流量約束作為基礎(chǔ)，設(shè)置了6種生態(tài)流量約束條件，分析了生態(tài)保證度與發(fā)電量損失之間的相關(guān)關(guān)系；Sichilalu等（2019）構(gòu)建了考慮生態(tài)流量約束的風(fēng)?水聯(lián)合調(diào)度模型，分析了不同運行工況下生態(tài)流量約束對水力發(fā)電的影響。第二類是將生態(tài)流量作為優(yōu)化目標，董國強等（2020）構(gòu)建了洪澤湖水量調(diào)控模型，從生態(tài)水位保證率、生態(tài)水位偏離差、減供水量和增調(diào)水量共4個角度分析評價了洪澤湖生態(tài)需水調(diào)控方案；Yan等（2021）基于IHA指標，構(gòu)建了考慮水量型和波動型的多目標生態(tài)調(diào)度模型，分析并提煉了兼顧生態(tài)和水庫發(fā)電目標的調(diào)度策略；Ai等（2022）以生態(tài)流量保證率最大和區(qū)域供水缺水率最小為優(yōu)化目標，構(gòu)建了生態(tài)?供水多目標調(diào)度模型，優(yōu)化了水庫運行調(diào)度圖，改善了水庫生態(tài)和供水效益；王貝等（2023）構(gòu)建山區(qū)性中小流域生態(tài)多目標調(diào)度模型，采用NSGA-Ⅱ算法求解，探究了山區(qū)中小流域生態(tài)流量保障與水資源利用之間的相關(guān)關(guān)系。

現(xiàn)有研究成果為梯級水庫生態(tài)流量計算和調(diào)度提供了多種思路，但較少從水文情勢方面開展生態(tài)流量的調(diào)度研究。Poff等（1997）認為天然水文情勢下的河流生物多樣性和生態(tài)結(jié)構(gòu)最好，但天然流量資料的時間跨度大、數(shù)據(jù)繁雜，且具有相似性，如何提取接近天然水文情勢的流量過程，并指導(dǎo)水庫開展生態(tài)流量調(diào)度十分重要。本文基于場景縮減技術(shù)，提出了仿天然水文情勢的生態(tài)流量推求方法，并以水庫下泄流量與仿天然水文情勢的生態(tài)流量動態(tài)時間規(guī)整距離最小、梯級水庫發(fā)電量最大作為優(yōu)化目標，構(gòu)建梯級水庫多目標生態(tài)流量調(diào)度模型，采用“參數(shù)模擬?優(yōu)化”思路進行求解；以金沙江中游梨園、阿海、金安橋、龍開口、魯?shù)乩陀^音巖梯級水庫為研究對象，基于經(jīng)還原計算后的歷史長系列旬徑流資料，開展多目標水庫生態(tài)流量調(diào)度研究，為優(yōu)化面向長系列徑流的梯級水庫中長期調(diào)度方案提供參考。

1? ?材料與方法

1.1? ?區(qū)域概況

金沙江流域（90°23′～104°37′E，24°28′～35°46′N）位于長江上游，橫跨我國青海、西藏、四川、云南、貴州5省區(qū)；河流全長約3 500 km，流域面積45.5萬km2。其中，直門達至石鼓為金沙江上游，石鼓至攀枝花為金沙江中游，攀枝花至宜賓為金沙江下游，本文研究區(qū)域主要集中于金沙江中游。

金沙江中游區(qū)間流域面積4.5萬km2，河段長約563.6 km，落差約836.0 m，現(xiàn)建有梨園、阿海、金安橋、龍開口、魯?shù)乩约坝^音巖共6座大型梯級水庫，其系統(tǒng)概化如圖1所示。根據(jù)《2023年長江流域水工程聯(lián)合調(diào)度運用計劃》（水利部長江水利委員會，2023），各水庫的工程特性值統(tǒng)計見表1。金沙江中游梯級水庫的投運在防洪、發(fā)電、供水等方面發(fā)揮了重要作用，對我國進一步優(yōu)化能源結(jié)構(gòu)，發(fā)展低碳經(jīng)濟具有重要意義。

1.2? ?基于場景縮減技術(shù)的仿天然水文情勢生態(tài)流量

采用場景縮減技術(shù)，通過對原始水文時間序列進行縮減，構(gòu)建仿天然水文情勢的生態(tài)流量過程。常見的場景縮減技術(shù)包括同步回代縮減（Simultaneous Backward Reduction，SBR）和快速前代縮減（Fast Forward Reduction，F(xiàn)FR）2種方法，已被廣泛應(yīng)用于風(fēng)電資源規(guī)劃、水風(fēng)光協(xié)同調(diào)度等領(lǐng)域（Li et al，2016；李偉楠等，2019）。本文結(jié)合SBR技術(shù)（張步涵等，2013），提出基于SBR的仿天然水文情勢生態(tài)流量推求方法，具體流程如下：

（1）初始條件設(shè)置。記天然徑流初始場景樣本X = [X1， X2，…， Xs，…， XS]，第s個場景Xs = [x（1）s， x（2）s， …， x（t）s，…， x（T）s]，采樣時間節(jié)點為t（t = 1， 2，…，T），對應(yīng)的初始概率為P = [p1， p2，…，pS]，記刪除的場景數(shù)目和場景集分別為L和J，則最終保留的場景為（X-J），設(shè)縮減次數(shù)k=1。

（2）計算第k次場景縮減的概率距離，具體如下：

[d（k）i，j=minXJ?J（K-1）∪（Xki）d（Xi，Xj）d（k）i，j=p（k）i×d（k）i，j] ①

式中：pi（k）為第k次被縮減場景Xi對應(yīng)的概率，Di， j（k）為第k次被縮減場景Xi和初始場景Xj的概率距離；di， j（k）為第k次被縮減場景Xi和初始場景Xj的Kantorovich距離，按下式計算：

d（Xi，Xj） = [t=1Tx（t）i-x（t）j]? ②

（3）場景縮減。將最小Di， j（k）對應(yīng)的場景Xi（k）從保留場景集合[X-J（k-1）]中刪除，并入J（k-1），則J（k） = J（k-1）∪{Xi（k）}，并將Xi（k）對應(yīng)概率與[X-J（k-1）]中距離最近的場景對應(yīng)概率pj（k-1）進行疊加，具體計算如下，

pjk = pj（k-1）+pi（k-1） ③

（4）k = k +1，重復(fù)步驟②、③，獲得（S- L）個流量場景X* = [X1*， X2*，…， Xs*，…， X（S-L）*]及其對應(yīng)的概率P* = [p1*， p2*，…，p（S-L）*]。

（5）通過概率加權(quán)，計算仿天然水文情勢生態(tài)流量，具體如下：

Qeco（t）=[s=1s=（S-L）x（t）S*×p*s] ④

式中：Qeco（t）為下游生態(tài)控制斷面第t時段的仿天然水文情勢生態(tài)流量。

1.3? ?梯級水庫多目標生態(tài)流量調(diào)度模型

1.3.1? ?動態(tài)時間規(guī)整算法? ?動態(tài)時間規(guī)整算法（Dynamic Time Warping，DTW）是由Berndt & Clifford（1994）提出的一種用于分析時間序列相似度的方法；該方法與傳統(tǒng)的歐氏距離相比，不要求對比的時間序列嚴格對齊，可錯位匹配。其基本思想是將時間序列某時刻的點與另一時間序列的多個連續(xù)時刻點對應(yīng)，通過動態(tài)規(guī)劃算法找到最短距離路徑，即規(guī)整路徑距離作為2個時間序列相似性度量結(jié)果（沈柯言，2022）。其示意如圖2所示。

求解思路如下：

（1）對于給定的2個時間序列，A = [a1， a2，…， ai，…， am]和B = [b1， b2，…， bj，…， bn]，計算序列中2點之間的距離矩陣：

W（i，j） = [ai-bj] ⑤

（2）計算距離矩陣從W（1， 1）到W（m， n）的最短距離，具體如下：

θ（i， j） = W（i，j）+min[θ（i-1， j），θ（i， j-1），θ（i-1， j-1）]? ⑥

式中：θ（i， j）為到點（i， j）處的累計最小距離，可采用動態(tài)規(guī)劃算法進行遞推計算。計算時，該最小距離路徑需滿足單調(diào)性、連續(xù)性和邊界性等約束條件（沈柯言，2022）。

1.3.2? ?目標函數(shù)? ?本文基于SBR技術(shù)提取的仿天然徑流模式作為生態(tài)流量，分別以梯級水庫下泄流量與其DTW距離最小為生態(tài)目標，以梯級水庫發(fā)電量最大為發(fā)電目標，具體表達式如下：

（1）生態(tài)目標：

f1 = min[y=1Yi=1Iθi，y（r，s）] ⑦

式中：I和Y分別為水庫個數(shù)和調(diào)度計算年數(shù)；θi，y（r， s）為第i個水庫第y年下泄流量與生態(tài)流量之間的DTW距離，按下式計算，

[θi，y（r， s）=Wi，y（r， s）+minθi，y（r-1， s），θi，y（r， s-1），θi，y（r-1， s-1）Wi，y（r， s）=Qouti，y（r）-Qecoi，y（s）] ⑧

式中：[Qouti，y（r）]和[Qecoi，y（s）]分別為第i水庫第y年第r時段下泄流量和第s時段生態(tài)流量。

（2）發(fā)電目標：

[ f2=maxy=1Yi=1It=1TNi，y（t）ΔtNi，y（t）=kiQfdi，y（t）hi，y（t）] ⑨

式中：Ni，y（t）為第i水庫第y年第t時段出力；Δt為計算時段長；T為計算總時段數(shù)；ki為第i水庫出力系數(shù)；Qi，yfd（t）為第i水庫第y年第t時段發(fā)電流量；hi，y（t）為第i水庫第y年第t時段水頭。

1.3.3? ?約束條件? ?為滿足梯級水庫調(diào)度運行，本文需要考慮以下約束條件。

（1）水庫水量平衡約束：

[Qini，y（t）-Qouti，y（t）-Li，y（t）]Δt = Vi，y（t+1）-Vi，y（t） ⑩

式中：[Qini，y（t）]為第i水庫第y年第t時段入庫流量；[Li，y（t）]為第i水庫第y年第t時段蒸發(fā)、滲漏等水量損失；Vi，y（t）為第i水庫第y年第t時段庫容。

（2）水位限制約束：

Z[mini，y]（t） [≤] Zi，y（t） [≤] Z[maxi，y]（t） 11

式中：Zi，y（t）為第i水庫第y年第t時段的水位；Zi，ymin（t）和Zi，ymax（t）分別為第i水庫第y年第t時段的水位下限和上限。

（3）水庫出力限制約束：

N[mini，y]（t） [≤] Ni，y（t） [≤] N[maxi，y]（t） 12

式中：N[mini，y]（t）和N[maxi，y]（t）分別為第i水庫第y年第t時段出力的下限和上限。

（4）水庫下泄流量限制約束：

Q[mini，y]（t） [≤] Q[outi，y]（t）? [≤] Q[maxi，y]（t） 13

式中：Q[mini，y]（t）和Q[maxi，y]（t）分別為第i水庫第y年第t時段下泄流量的下限和上限。

（5）水庫水位邊界約束：

Zi，y（1） = Z[starti，y]； Zi，y（T+1） = Z[endi，y]? ? ?14

式中：Z[starti，y]和Z[endi，y]分別為第i水庫第y年的起調(diào)水位和期末水位。

（6）水力聯(lián)系約束：

Q[ini+1，y]（t） = Q[outi，y]（t）+Δqi+1，y（t）? ?15

式中：Δqi+1，y（t）為第（i+1）水庫第y年第t時段區(qū)間入流。

（7）非負約束：所有變量均為非負值。

1.4? ?求解方法

對于梯級水庫多目標調(diào)度模型，一般以其逐時段出庫流量或水位作為決策變量，采用多目標優(yōu)化算法進行求解。然而，對于長系列調(diào)度，隨著調(diào)度時段數(shù)和梯級水庫數(shù)量的增加，決策變量個數(shù)也隨之顯著增長，例如：對于Y年逐旬徑流資料，假定梯級水庫的數(shù)目為M個，則共計有（36×Y×M）個決策變量，求解規(guī)模顯著增大。針對長系列徑流，本文采用“參數(shù)模擬-優(yōu)化”思路，通過結(jié)合梯級水庫中長期常規(guī)調(diào)度規(guī)則和多目標優(yōu)化算法，以更好地實現(xiàn)模型求解。

所謂“參數(shù)模擬-優(yōu)化”，即將水庫中長期常規(guī)調(diào)度圖參數(shù)化，通過優(yōu)化算法進行尋優(yōu)，以改善水庫中長期調(diào)度（圖3）。水庫中長期調(diào)度依據(jù)時段t1～t4劃分為興利調(diào)度期（t1前和t4后）、汛前消落期（t1～t2）、汛期防洪調(diào)度期（t2～t3）和汛后蓄水期（t3～t4）?；凇皡?shù)模擬-優(yōu)化”思路，可將水庫中長期常規(guī)調(diào)度圖中的各時段水位參數(shù)化，作為決策變量，通過模擬計算優(yōu)化目標的適應(yīng)度值。在多目標優(yōu)化算法方面，本文參考Deb等（2002）提出的NSGA-Ⅱ算法進行求解；該算法求解高效、迅速，被廣泛應(yīng)用于水庫多目標調(diào)度領(lǐng)域。設(shè)置NSGA-Ⅱ算法相關(guān)參數(shù)為：最大迭代次數(shù)K = 500，交叉概率p1 = 0.8，變異概率p1 = 0.2，種群規(guī)模NP = 400，計算流程參考朱迪等（2023）。

2? ?結(jié)果與分析

本文以金沙江中游梨園-觀音巖6座梯級水庫為研究對象，選擇1953-2015年實測的旬徑流資料，并結(jié)合梯級水庫運行數(shù)據(jù)對徑流進行還原計算，從而得到水庫斷面天然長系列旬流量過程。根據(jù)《2023年長江流域水工程聯(lián)合調(diào)度運用計劃》（水利部長江水利委員會，2023），設(shè)置梯級水庫各旬不同時期水庫水位上下限；其中，汛期水庫水位按不超過汛限水位控制，非汛期水庫水位按不超過正常蓄水位控制。

2.1? ?仿天然水文情勢生態(tài)流量計算

采用基于SBR的仿天然水文情勢生態(tài)流量推求方法，本文提取了梨園-觀音巖梯級水庫各下游斷面的仿天然水文情勢生態(tài)流量過程。以梨園水庫為例，其歷史旬徑流場景縮減結(jié)果如圖4所示，各水庫仿天然水文情勢生態(tài)流量過程如圖5所示。統(tǒng)計天然長系列徑流的多年平均流量、年最大和最小旬流量均值以及多年徑流標準差均值，并與本文所推求的生態(tài)流量過程進行對比，結(jié)果如表2所示。

由圖4可見，梨園水庫天然長系列旬徑流過程可被縮減為3個場景。其中，場景二的概率最小，為19.0%，流量峰值集中于6月中旬到8月中旬；場景三的概率最大，為50.8%，流量峰值偏后，集中于7月下旬到9月中下旬；場景一的概率為30.2%，在8月上旬和9月中旬出現(xiàn)2個峰值，但流量過程整體偏小，低于場景二和場景三。

從圖5可知，本文推求的仿天然水文情勢生態(tài)流量過程具有較為明顯的季節(jié)性變化特征和空間變化特點。從季節(jié)性變化上看，生態(tài)流量徑流主要集中于汛期（6月下旬至11月上旬），且在6月中旬至7月上旬存在連續(xù)漲水過程，與近年來開展的金沙江中游試驗性生態(tài)調(diào)度相接近（熊明和郭衛(wèi)，2023）。從空間變化特點上看，上游梨園水庫與下游觀音巖水庫非汛期的生態(tài)流量相差102～330 m3/s，差異較??；而汛期2座水庫的生態(tài)流量相差503～2 095 m3/s，差別較大。

從表2可知，本文推求的仿天然水文情勢生態(tài)流量過程的流量均值、年最小旬流量和標準差與天然長系列的相應(yīng)特征值較為接近，偏差在7～196 m3/s；而天然長系列徑流的年最大旬流量均值與本文推求的生態(tài)流量過程的年最大旬流量有一定偏差，最大流量偏差為1 356 m3/s?？傮w而言，本文推求的仿天然水文情勢生態(tài)流量過程與天然長系列徑流的特征較為接近，一定程度上反映了天然徑流的水文情勢特點。

2.2? ?多目標優(yōu)化調(diào)度計算

本文構(gòu)建的基于DTW的梯級水庫多目標生態(tài)流量調(diào)度模型，采用“參數(shù)模擬?優(yōu)化”思路，通過將金沙江中游梯級水庫原中長期調(diào)度方案（汛期按汛限水位控制，非汛期按正常蓄水位控制，如圖3所示）的各旬時段水位參數(shù)化，結(jié)合NSGA-Ⅱ算法進行求解，并與梯級水庫原方案調(diào)度的計算結(jié)果進行對比，結(jié)果如圖6所示，并選擇帕累托解集中4種調(diào)度方案與原方案進行對比，結(jié)果如表3所示。

從圖6可知，DTW距離和梯級水庫發(fā)電量之間呈現(xiàn)競爭關(guān)系，隨著DTW距離的減少，梯級水庫發(fā)電量也隨之減少，表明生態(tài)目標效益的改善會減少梯級水庫發(fā)電目標效益。對比圖6中原方案調(diào)度結(jié)果與帕累托解集的位置關(guān)系，可以篩選出方案A、B、C、D共4種調(diào)度方案。其中，方案A和D位于帕累托前沿的端點，分別表示發(fā)電量最大和DTW距離最小的方案，方案B表示DTW距離與原方案接近的帕累托解集方案，方案C表示發(fā)電量與原方案接近的帕累托解集方案。

由表3可見，相較原方案，方案A是傾向發(fā)電目標效益的調(diào)度方案，多年合計可增加梯級水庫1 228億kW·h發(fā)電量（增幅為3.24%），但也會增加梯級水庫出庫流量與仿天然水文情勢生態(tài)流量過程的DTW距離（增幅為8.80%），影響生態(tài)目標效益；方案D是傾向生態(tài)目標效益的調(diào)度方案，多年合計可減少梯級水庫出庫流量與仿天然水文情勢生態(tài)流量過程167 506的DTW距離（降幅為4.81%），使得梯級水庫出庫流量更加貼近仿天然水文情勢的生態(tài)流量過程，但也減少了0.45%的梯級水庫發(fā)電量，影響了發(fā)電目標效益；方案B和C是與原方案形成支配關(guān)系的調(diào)度方案，其中方案B在保障梯級水庫生態(tài)目標效益與原方案接近的情況下，多年合計增加梯級水庫發(fā)電量511億kW·h（增幅為1.35%），而方案C在保證梯級水庫多年合計發(fā)電量與原方案相當?shù)那闆r下，合計可減少梯級水庫出庫流量與仿天然水文情勢生態(tài)流量過程134 253的DTW距離（降幅為3.85%），增加了梯級水庫出庫流量與仿天然水文情勢的生態(tài)流量過程貼近度，有利于生態(tài)效益目標。

總體而言，相較梯級水庫原中長期調(diào)度方案，本文求解的帕累托前沿解集可協(xié)同優(yōu)化生態(tài)和發(fā)電效益，尤其是方案B和C，相較原方案，在不降低其中一個優(yōu)化目標效益下，可改善另一個優(yōu)化目標，并為梯級水庫生態(tài)和發(fā)電協(xié)同調(diào)度提供了參考依據(jù)。

2.3? ?典型調(diào)度過程

本文分別選擇典型方案A、B、C、D及其對應(yīng)的金中梯級調(diào)度過程進行對比分析，結(jié)果如圖7所示。

由圖7可見，對于相同的調(diào)度時期，方案B和C的水庫水位居于方案A和D之間，在防洪調(diào)度時期（7月），各水庫調(diào)度期內(nèi)水位控制在汛限水位，以保障防洪安全；在非防洪調(diào)度時期，方案A～D的水庫水位呈波動變化。對于阿海、魯?shù)乩陀^音巖水庫（圖7-b，e，f），方案A、B、C的水庫水位在1-4月呈上下波動，并在8月中下旬（觀音巖水庫為10月上旬）后維持在正常蓄水位，方案D的水庫水位在1-4月和10-12月維持在正常蓄水位運行；對于梨園和金安橋水庫（圖7-a，c），方案A～D的水庫水位在6月前呈上下波動，且方案A的波幅最大；對于龍開口水庫（圖7-d），在1-6月，方案D的水庫水位先降后升，但水位整體低于方案A～C，且4種調(diào)度方案的水庫水位均在9月下旬回到正常蓄水位。

3? ?結(jié)論

針對1953-2015年經(jīng)還原計算后的長系列旬徑流資料，通過SBR技術(shù)推求了6座梯級水庫仿天然水文情勢的生態(tài)流量過程，以梯級水庫下泄流量與仿天然水文情勢的生態(tài)流量DTW距離最小和發(fā)電量最大作為優(yōu)化目標，構(gòu)建了梯級水庫多目標生態(tài)流量調(diào)度模型，并基于“參數(shù)模擬?優(yōu)化”思路，開展了梯級水庫中長期多目標生態(tài)流量調(diào)度研究，優(yōu)化了梯級水庫中長期調(diào)度規(guī)則，結(jié)論如下：

（1）基于SBR技術(shù)推求的生態(tài)流量過程具有隨季節(jié)性波動和上下游斷面量級差異變化特征，與天然徑流較為貼近。

（2）通過多目標優(yōu)化計算得到的帕累托解集相較中長期調(diào)度，可優(yōu)化生態(tài)和發(fā)電目標，對于長系列徑流，在不影響生態(tài)目標下，可增發(fā)511億kW?h電量（增幅為1.35%），在不影響發(fā)電目標下，可降低134 253的DTW距離（降幅為3.85%）。

（3）未來需結(jié)合河流魚類產(chǎn)卵、繁殖、遷徙等敏感時期的流量需求，開展梯級水庫生態(tài)水文協(xié)調(diào)研究，探究河流水資源開發(fā)與水生態(tài)保護之間的關(guān)系。

參考文獻

陳立華，葉明，葉江，等，2016. 紅水河龍灘?巖灘生態(tài)調(diào)度發(fā)電影響研究[J]. 水力發(fā)電學(xué)報， 35（2）：45-53.

董國強，王振龍，劉猛，等，2020. 基于生態(tài)需水優(yōu)先的洪澤湖水量調(diào)控研究[J]. 水生態(tài)學(xué)雜志， 41（5）：39-48.

費啟航，彭濤，由星瑩，等，2023. 基于四大家魚棲息地模擬的漢江下游生態(tài)流量研究[J]. 人民長江， 54（10）：35-43.

胡和平，劉登峰，田富強，等，2008. 基于生態(tài)流量過程線的水庫生態(tài)調(diào)度方法研究[J]. 水科學(xué)進展， 19（3）：325-332.

李偉楠，王現(xiàn)勛，梅亞東，等，2019. 基于趨勢場景縮減的水風(fēng)光協(xié)同運行隨機模型[J]. 華中科技大學(xué)學(xué)報（自然科學(xué)版）， 47（8）：120-127.

龍凡，梅亞東，2017. 金沙江下游溪洛渡?向家壩梯級生態(tài)調(diào)度研究[J]. 中國農(nóng)村水利水電， （3）：81-84.

沈柯言，2022. 考慮徑流不確定性的梯級水庫中長期優(yōu)化調(diào)度及評價決策研究[D]. 武漢：華中科技大學(xué).

水利部長江水利委員會，2023 年長江流域水工程聯(lián)合調(diào)度運用計劃[R]. 武漢：水利部長江水利委員會.

王貝，朱迪，何錫君，等，2023. 基于NSGA-Ⅱ算法的山區(qū)性中小流域水庫群多目標生態(tài)調(diào)度研究[J]. 中國農(nóng)村水利水電， （7）：48-54.

熊明，郭衛(wèi)，2023. 面向產(chǎn)漂流性卵魚類繁殖的水電站生態(tài)水文過程調(diào)控[J]. 長江科學(xué)院院報， 40（10）：1-5.

徐淑琴，蘇鑫，邢貞相，等，2017. 非充分生態(tài)約束條件下水庫生態(tài)調(diào)度模型研究[J]. 農(nóng)業(yè)機械學(xué)報， 48（4）：190-197.

張步涵，邵劍，吳小珊，等，2013. 基于場景樹和機會約束規(guī)劃的含風(fēng)電場電力系統(tǒng)機組組合[J]. 電力系統(tǒng)保護與控制， 41（1）：127-135.

周研來，郭生練，陳進，2015. 溪洛渡?向家壩?三峽梯級水庫聯(lián)合蓄水方案與多目標決策研究[J]. 水利學(xué)報， 46（10）：1135-1144.

朱迪，周研來，陳華，等，2023. 考慮分級防洪目標的梯級水庫汛控水位調(diào)度模型及應(yīng)用[J]. 水利學(xué)報， 54（4）：414-425.

Ai Y， Ma Z， Xie X， et al， 2022. Optimization of ecological reservoir operation rules for a northern river in China： Balancing ecological and socio-economic water use[J]. Ecological Indicators， 138：108822.

Berndt D J， Clifford J， 1994. Using dynamic time warping to find patterns in time series[C]//Proceedings of the 3rd international conference on knowledge discovery and data mining.

Deb K， Pratap A， Agarwal S， et al， 2002. A fast and elitist multiobjective genetic algorithm： NSGA-II[J]. IEEE Transactions on Evolutionary Computation， 6（2）：182-197.

Li J， Lan F， Wei H， 2016. A scenario optimal reduction method for wind power time series[J]. IEEE Transactions on Power Systems， 31（2）：1657-1658.

Poff N L， Allan J D， Bain M B， 1997. The natural flow regime： A paradigm for river conservation and restoration[J]. BioScience， 47（11）：769-784.

Sichilalu S， Wamalwa F， Akinlabi E T， 2019. Optimal control of wind-hydrokinetic pumpback hydropower plant constrained with ecological water flows[J]. Renewable Energy， 138：54-69.

Tennant D L， 1976. Instream flow regimens for fish， wildlife， recreation and related environmental resources[J]. Fisheries， 1（4）：6-10.

Tharme R E， 2003. A global perspective on environmental flow assessment： emerging trends in the development and application of environmental flow methodologies for rivers[J]. River Research and Applications， 19（5/6）：397-441.

Yan M， Fang G H， Dai L H， et al， 2021. Optimizing reservoir operation considering downstream ecological demands of water quantity and fluctuation based on IHA parameters[J]. Journal of Hydrology， 600：126647.

Zhu D， Zhou Y， Guo S， et al， 2023. Exploring a multi-objective optimization operation model of water projects for boosting synergies and water quality improvement in big river systems[J]. Journal of Environmental Management， 345：118673.

（責任編輯? ?萬月華）

Medium and Long-term Multi-Objective Operation of Cascaded Reservoirs to

Maintain Ecological Flow and Simulate the Natural Hydrological Regime

CUI Fu‐ning1， ZHU Di2， BU Hui2， GUO Wei2， WANG Lin2

（1. Yunnan Huadian Jinsha River Middle Reaches Hydropower Development Co.， Ltd，

Kunming? ?650000， P. R. China;

2. Bureau of Hydrology， Changjiang Water Resources Commission， Wuhan? ?430010， P. R. China）

Abstract：At present， little research has been conducted on the medium and long-term ecological flow operation of cascaded reservoirs from the perspective of the hydrological regime. In this study， six cascaded reservoirs （Liyuan， Ahai， Jinanqiao， Longkaikou， Ludila and Guanyinyan reservoirs） on the middle reaches of Jinsha River were selected for a case study， and we studied medium and Long-term multi-objective ecological flow operation of these cascaded reservoirs. Based on 10-day runoff series for the six reservoirs from 1953 to 2015， we derived an ecological flow mimicking the natural hydrological regime using simultaneous backward reduction （SBR）. The multi-objective ecological flow operation model of the cascaded reservoirs was then established with two aims： minimizing the dynamic time warping （DTW） distance of reservoir discharge and maintaining ecological flow and maximizing hydropower generation of the cascaded reservoirs. The “parameter-optimization” method was used to develop the model and optimize ecological flow. Results show that the ecological flow derived by SBR showed seasonal fluctuations and differences between upstream and downstream， similar to the natural hydrological regime. Compared with the original ecological operation of the cascaded reservoirs， the optimal operation scheme improved ecological and hydroelectric benefits through runoff regulation while increasing hydroelectrical generation capacity by 511 × 108 kW·h （1.35%） and reducing DTW distance to 134 253 （3.85%） without influencing the ecological and hydroelectric objectives. This research provides a reference for medium and long term ecological flow operation of cascaded reservoirs.

Key words：ecological flow; dynamic time warping; scenario reduction; cascaded reservoirs; middle reach of the Jinsha River

收稿日期：2023-10-24

基金項目：水利部重大科技項目（SKS-2022038）；國家重點研發(fā)計劃（2021YFC3200304）。

作者簡介：崔福寧，1991年生，男，工程師，主要從事梯級水庫預(yù)報調(diào)度技術(shù)及電力市場相關(guān)研究。E-mail： 553841999@qq.com

通信作者：朱迪，1995年生，男，博士，工程師，主要從事水庫調(diào)度研究。E-mail： zhud@cjh.com.cn