王新,王超,馬芳平,孫嘉輝,苑瑞芳,雷曉輝,王浩
(1. 江蘇大學國家水泵及系統(tǒng)工程技術研究中心,江蘇 鎮(zhèn)江 212013; 2. 中國水利水電科學研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室,北京 100038; 3. 國能大渡河流域水電開發(fā)有限公司,四川 成都 610041; 4. 山東大學土建與水利學院,山東 濟南 250061; 5. 中國地質(zhì)大學水資源與環(huán)境學院,北京 100083)
RiverWare是一種流域水資源規(guī)劃與決策工具,被廣泛應用于水庫群模擬和優(yōu)化調(diào)度、洪水預報、洪水模擬和管理、水質(zhì)模擬、水權分配、流域生態(tài)環(huán)境評價等多個領域[1],其最大特點是用戶可以根據(jù)需求,利用RPL策略語言將復雜調(diào)度運行方式靈活地表達成各種邏輯策略(集),進而解決不同水問題.該工具在國外的發(fā)電、生態(tài)、水權管理、防洪、水資源核算、環(huán)境評價及修復等領域應用廣泛,但在國內(nèi)應用較少.在國外的應用, 如ESCHENBACH等[2]首次在田納西流域應用RiverWare,對該流域的水資源進行優(yōu)化配置;WHEELER等[3]利用RiverWare對尼羅河的埃塞俄比亞復興水庫進行蓄水策略研究,進而實現(xiàn)最大化收益;HYUN等[4]利用RiverWare對圣胡安河流域進行建模,研究了不同降水條件下農(nóng)業(yè)灌溉對流域水資源配置的影響.在國內(nèi)的應用,新疆維吾爾自治區(qū)水利水電科學研究院[5]在與美國得克薩斯州農(nóng)工大學申請國際合作項目“基于RIVERWARE模型的抗旱減災水資源管理決策支持系統(tǒng)研究”的同時,引進了RiverWare流域建模工具,并在烏魯木齊河上游段開展研究工作;文獻[1]對烏魯木齊河流域建立RiverWare模型進行模擬,結果表明模型對上游河段模擬效果良好,但下游由于缺乏地下水資料以及用水情況比較復雜等原因未能充分反映實際情況.
水庫作為人類開發(fā)和利用水資源的重要載體,在供水發(fā)電、防洪減災、減淤防凌、航運生態(tài)等諸多方面發(fā)揮著關鍵作用[6-8].在全球氣候變化背景下,水庫入庫徑流的水文特征發(fā)生了一定程度的變化[9-11],使得水文預報面臨巨大挑戰(zhàn),進而增加了水庫預報調(diào)度風險.針對因入庫徑流不確定性導致的水庫調(diào)度風險決策,國內(nèi)外學者進行了大量研究,HADDAD等[12]利用數(shù)學統(tǒng)計模型得到入庫徑流序列,然后將其與實測入庫徑流輸入水庫調(diào)度模型,進而研究徑流不確定性對水庫調(diào)度結果的影響;GHIMIRE等[13]提出可利用超概率模型應對入庫徑流不確定性對水庫調(diào)度結果的影響;汪蕓等[14]利用隨機方法生成人工徑流序列,研究分析了水文預報精度、庫水位、水庫下泄能力等因素對水庫優(yōu)化調(diào)度結果的影響;李克飛等[15]采用組合模型對月徑流進行預報,同時基于優(yōu)化調(diào)度模型,構建了水電站水庫預報發(fā)電調(diào)度的模糊風險分析模型框架;張飛[16]在利用徑流概率預報模型得到入庫徑流后,建立基于報童模型的水庫優(yōu)化調(diào)度耦合模型,進而指導徑流不確定性下的水庫調(diào)度決策.綜上所述,一方面,RiverWare軟件在國內(nèi)應用較少;另一方面,現(xiàn)有水文預報不確定性研究成果豐碩,但是預報結果大多與優(yōu)化調(diào)度模型結合,其調(diào)度結果難以指導水庫實際生產(chǎn)運行.
文中介紹RiverWare軟件的組成和功能,并提出一種考慮來水預報信息的調(diào)度規(guī)則,基于該規(guī)則構建RiverWare模型,研究分析三峽水庫在蓄水關鍵期不同預報精度下的發(fā)電效益,對三峽水庫的預報調(diào)度以及RiverWare建模工具推廣應用具有重要的參考價值和指導意義.
RiverWare軟件主要包括可擴展的對象庫、RPL策略語言和求解器.
對象庫主要提供建模對象.RiverWare模型由多個對象組成,將每個對象鏈接形成流域系統(tǒng)的拓撲結構,鏈接允許模型運行時對象信息從一個對象傳遞到另一個對象.RiverWare的對象類型包括蓄水庫(Storage Reservoir)、水平式發(fā)電站(Level Power Reservoir)、傾斜式發(fā)電站(Slope Power Reservoir)、抽水蓄能水庫(Pumped Storage Reservoir)、河段(Reach)等多種對象,如表1所示.每個建模對象主要包含表達其屬性的插槽以及不同的調(diào)度方法,模型求解前需要對所有對象進行必要的數(shù)據(jù)配置.
表1 RiverWare建模對象
用戶可利用RiverWare提供的RPL語言將復雜水庫調(diào)度運行方式(如調(diào)度圖運行、目標水位、下泄模式控制以及優(yōu)化調(diào)度運行等)表達成各種策略(集),策略(集)主要包括函數(shù)、調(diào)度規(guī)則、優(yōu)化目標3種類型.
3種策略都是通過利用多種邏輯語句來解構調(diào)度運行方式,函數(shù)是利用運算關系及邏輯語句得到目標變量,同時RiverWare也內(nèi)置了一些常見函數(shù),如絕對值函數(shù)、插值函數(shù)、水位庫容關系查找;調(diào)度規(guī)則是利用運算關系、邏輯語句及函數(shù)實現(xiàn)運行方式,如消落期水位均勻消落、汛期庫水位約束;優(yōu)化目標是利用邏輯語句(常用for循環(huán)語句)實現(xiàn)指定目標的最大化或者最小化,如調(diào)度期發(fā)電量最大.在創(chuàng)建策略(集)時,用戶可在RiverWare提供的RPL Palette面板中選擇運算法則、邏輯語句、關聯(lián)對象、預定義函數(shù)等功能,如圖1所示.
圖1 RPL Palette面板
RiverWare中提供了模擬(Simulation)、基于規(guī)則的模擬(Rule-based simulation)和優(yōu)化 (Optimization)3種求解器用于模型求解.模擬和基于規(guī)則的模擬2個求解器主要應用引進收益項和損失項的水量平衡方程作為理論基礎,計算公式為
Storaget+1=Storaget+(∑Inflowst-∑Outflowst)×
Δt+Gainst-Lossest,
(1)
式中:Storaget,Storaget+1分別為t時段初、末的蓄水量;Inflowt,Outflowt為t時段的平均入庫流量、出庫流量;Gainst,Lossest分別為t時段的收益項和損失項,如蒸發(fā)、降水、河岸蓄水、抽水蓄水、滲流、引水、回流等.
模擬求解器是在已知式(1)的6個變量中任意5個后進行求解.對于基于規(guī)則的模擬求解器,由于式(1)中已知變量少于5個(即欠定模型),無法直接應用模擬求解器,需要通過策略語言RPL指定的規(guī)則(集)對欠定模型提供未知變量的信息,進而滿足求解要求.優(yōu)化求解器是在指定目標和約束條件下,基于優(yōu)先線性目標規(guī)劃法,得到滿足約束條件的最大化或最小化目標值.
文中重點圍繞考慮來水預報信息調(diào)度規(guī)則開展研究,在構建考慮來水預報信息的規(guī)則調(diào)度模型時,為驗證規(guī)則的可靠性,同時構建以發(fā)電量最大為目標的優(yōu)化調(diào)度模型,將其調(diào)度計算結果作為參照.
在實際調(diào)度過程中,一方面,當前時刻到調(diào)度期末的預報來水總量具有不確定性,對于不確定性可以采用預報系數(shù)進行表征;另一方面,當前時刻到調(diào)度期末的庫容變化量是確定的,這兩部分水量和即當前時刻到調(diào)度期末水庫總轉移水量,用水庫總轉移水量除以當前時刻到調(diào)度期末的時段長度,就能得到逐時段平均出庫流量,計算公式為
(2)
?=1+[1-2Rand()]×c,
(3)
式中:c為偏差系數(shù);Rand()為隨機數(shù),介于0~1.
模型約束條件主要包括水量平衡約束、水庫水位約束、水庫下泄流量約束、發(fā)電出力約束等.
通過對比該平均出庫流量與水庫出庫流量約束的大小關系來確定水庫下泄流量,可保證水庫在滿足相關流量約束的前提下在調(diào)度期末達到目標水位,且出庫流量也較平穩(wěn),有利于水電站的安全運行.
以電站發(fā)電量最大為目標函數(shù),計算公式為
(4)
Ni=KQiHi,
(5)
式中:T為調(diào)度期時段數(shù);Ni為時段i的出力;Δt為時段長度;K為水電站的綜合出力系數(shù);Qi為時段i的發(fā)電引用流量;Hi為時段i的水頭.
模型約束條件同2.1節(jié).差分進化算法是1種基于群體導向的隨機搜索技術,具有優(yōu)化效率高、參數(shù)設置簡單、魯棒性好等優(yōu)點.文中采用差分進化算法對優(yōu)化調(diào)度模型進行求解.
以三峽水庫作為研究對象,根據(jù)《三峽(正常運行期)—葛洲壩水利樞紐梯級調(diào)度規(guī)程(2019 年修訂版)》(下稱《規(guī)程》)中相關要求:三峽蓄水期為9月至10月;9月10日需將水位控制在150~155 m;9月底控制水位162 m;10月底蓄至175 m;11月和12月盡量維持高水位運行.2種調(diào)度模型均引入以上約束,擬定2種調(diào)度模型以9月10日至12月31日為蓄水調(diào)度關鍵期,初水位為150 m,采用日時間尺度.對三峽水庫1965—2008年共44 a蓄水調(diào)度關鍵期平均入庫徑流進行排頻后,選取豐、平、枯(對應頻率分別為25%,50%,75%)3種典型來水情景進行調(diào)度計算和分析.
針對預報的不確定性和隨機性,設定多組偏差系數(shù),基于蒙特·卡羅方法,在每個偏差系數(shù)下生成100個隨機數(shù),根據(jù)式(3)得到100個預報系數(shù),即可能出現(xiàn)的100個預報入庫徑流場景.另外,將調(diào)度期實際逐日徑流數(shù)據(jù)作為完美預報徑流,即偏差系數(shù)為0.研究使用RiverWare軟件進行流域建模,基于考慮來水預報信息調(diào)度規(guī)則對不同偏差系數(shù)下各典型來水情景進行調(diào)度計算,下述內(nèi)容只闡述平水年.使用Rule-based simulation求解器.
3.2.1 拓撲結構構建
建模對象選擇水文站(Stream Gage)、水平式發(fā)電站(Level Power Reservoir)、數(shù)據(jù)對象(Data),分別代表三峽入庫水文測站、三峽電站以及為滿足建模需求數(shù)據(jù),將水文站與水平式發(fā)電站進行鏈接形成拓撲結構.三峽電站對象的方法欄中,Power(出力)方法選擇Plant Power Equation(電站出力公式),即根據(jù)式(5)求解出力;Spill(棄水)方法選擇Regulated(規(guī)定),即當下泄流量超過水輪機最大發(fā)電引用流量產(chǎn)生棄水;Tailwater(壩下水位)方法選擇Base Value Plus Lookup Table(由出庫流量值查表),即選擇根據(jù)下游水位流量曲線得到壩下水位.三峽電站數(shù)據(jù)對象里存入預報入庫徑流.構建拓撲結構后對各方法下的插槽配置數(shù)據(jù)信息,如圖2所示.
圖2 三峽水庫調(diào)度拓撲結構及相關信息Fig.2 Topological structure and related information of Three Gorges Reservoir Operation
3.2.2 RPL規(guī)則配置
根據(jù)《三峽(正常運行期)—葛洲壩水利樞紐梯級調(diào)度規(guī)程(2019 年修訂版)》確定蓄水規(guī)則,蓄水規(guī)則邏輯結構相似,文中只給出9月份對應的RPL代碼塊,構建RPL規(guī)則集如下.
1) 9 月份蓄水期間.
① 當水庫來水流量大于等于10 000 m3/s 時,按不小于10 000 m3/s下泄;
Sanxia.Outflow[@″t″]=
THENIF(Y1≥10 000″cms″)
THENY1
ELSE10 000″cms″
ENDIF
ENDIF
Y1=
② 當來水流量大于等于8 000 m3/s 但小于10 000 m3/s 時,按來水流量下泄,水庫暫停蓄水;
③ 當來水流量小于8 000 m3/s 時,若水庫已蓄水,可根據(jù)來水情況適當補水至8 000 m3/s下泄.
2)10 月份蓄水期間.
① 一般情況下,水庫下泄流量按不小于8 000 m3/s控制;
② 當水庫來水流量小于8 000 m3/s 時,可按來水流量下泄.
3)11 月份和12 月份.
水庫最小下泄流量按葛洲壩下游廟嘴水位不低于39.0 m 且三峽電站發(fā)電出力不小于保證出力對應的流量控制.
4) 其他約束.
水電站運行過程中還需要滿足水庫大壩自身安全、上游防洪任務、下游航運需求以及水電站水輪機出力限制等相關約束條件,具體約束條件包括:
① 水位應控制在145~175 m.
Sanxia.PoolElevation[@″t″]=
THEN145″m″
ENDIF
Sanxia.PoolElevation[@″t″]=
THEN175″m″
ENDIF
② 出庫流量應控制在4 500~98 800 m3/s.
Sanxia.Outflow[@″t″]=
THEN4 500″cms″
ENDIF
Sanxia.Outflow[@″t″]=
THEN98 800″cms″
ENDIF
③ 最大出力應控制在22 400 MW.
Sanxia.Power[@″t″]=
THEN22 400″MW″
ENDIF
為驗證規(guī)則可靠性,基于完美預報分別用優(yōu)化和考慮來水預報信息調(diào)度規(guī)則進行調(diào)度計算.不同調(diào)度方式發(fā)電量E計算結果見表2,在完美預報來水下,3種典型年利用規(guī)則得到的發(fā)電量較優(yōu)化調(diào)度分別損失4.6%,3.7%,3.2%;圖3為2種調(diào)度方式的調(diào)度過程,相較優(yōu)化調(diào)度過程,規(guī)則調(diào)度水位和流量Q變化過程均相對較緩,雖然流量過程仍有突變,但流量突變情況有所緩和.綜上所述,文中提出的考慮來水預報信息的調(diào)度規(guī)則具有較好的調(diào)度效果.
圖3 不同調(diào)度方式調(diào)度過程
表2 不同調(diào)度方式發(fā)電量
基于考慮來水預報信息的調(diào)度規(guī)則,利用RiverWare軟件對3 600種入庫徑流情景序列(3種來水頻率,每種來水頻率下設置12個偏差系數(shù),每個偏差系數(shù)下取隨機100次)進行調(diào)度計算;最后利用上四分位數(shù)、中位數(shù)、平均數(shù)、下四分位數(shù)4個統(tǒng)計量對發(fā)電量進行統(tǒng)計,各典型年不同偏差系數(shù)Cv發(fā)電量統(tǒng)計值見表3.分析3種典型來水情景下不同偏差系數(shù)規(guī)則調(diào)度結果,將發(fā)電量各個統(tǒng)計值與完美預報發(fā)電量的相對偏差控制在0.20%時,得到3種典型來水情景偏差系數(shù)的邊界閾值分別為0.05,0.20,0.05.
表3 各典型年不同偏差系數(shù)發(fā)電量統(tǒng)計值
圖4為各來水頻率不同偏差系數(shù)的發(fā)電量箱型圖. 可以發(fā)現(xiàn):隨著偏差系數(shù)的增大,來水越枯,發(fā)電量基本呈遞減趨勢,充分說明預報精度明顯影響水電站經(jīng)濟效益;上、下四分位數(shù)差值也隨著偏差系數(shù)增加而增大,充分說明預報精度較差時水庫調(diào)度效益風險會明顯增加.另一方面,若以發(fā)電量的均值和中位數(shù)作為主要參考基準,隨著來水變枯,發(fā)電量對預報精度的敏感性呈現(xiàn)遞增趨勢.除此之外,平水年得到的發(fā)電量中位數(shù)、平均數(shù)未明顯下降而是呈一定波動趨勢,說明考慮來水預報信息的調(diào)度規(guī)則在來水較平時有助于提高水資源的有效利用率.
圖4 各典型年不同偏差系數(shù)發(fā)電量
不同水平預報與完美預報發(fā)電量的相對偏差在0.20%時,3種典型來水情景偏差系數(shù)的邊界閾值分別為0.05,0.20,0.05.因此將選取3種典型來水情景偏差系數(shù)均為0.05的調(diào)度過程,對調(diào)度結果進一步分析,圖5,6分別為各典型年水位過程、出庫流量過程.
圖5 各典型年水位過程
根據(jù)水位變化過程,3種典型來水情景在蓄水期均能達到《規(guī)程》中蓄水期2個階段的目標水位;在枯水年,第二階段的蓄水過程由于要滿足下泄量最低8 000 m3/s的要求,在11月3日才蓄至175 m目標水位,并且蓄水過程相對較緩,難以保持高水位運行;其余來水情景,考慮來水預報信息的調(diào)度模型在蓄水2個階段中均能實現(xiàn)短時間蓄至高水位,使得水電站盡可能在高水位運行,保證發(fā)電效益.根據(jù)水庫出庫流量過程,當蓄水2個時期來水水量相差較大時(豐水年),會導致在過渡時間點下泄量突變,對水庫水電站的安全運行造成隱患,而在蓄水2個時期來水水量相差較小時(平水年),考慮來水預報信息的調(diào)度模型可以很好地滿足《規(guī)程》中蓄水期下泄流量應平穩(wěn)變化的要求.
圖6 各典型年出庫流量過程
1) RiverWare軟件憑借其強大的交互性和適應性,有效提高了調(diào)度水平和效率,是支撐工程設計人員、調(diào)度運行人員開展調(diào)度規(guī)則擬定及相關研究的有效工具.但由于在國內(nèi)應用較少,缺乏相關資料,對RiverWare的使用依賴于未來更廣泛的應用研究.
2) 在水庫蓄水時期2個階段的來水總水量差別不大時,考慮來水預報信息的調(diào)度規(guī)則可以有效滿足水庫在蓄水期下泄流量應平穩(wěn)變化的要求且較優(yōu)化調(diào)度發(fā)電量損失不大.
3) 針對三峽水庫預報的不確定性,基于考慮來水預報信息調(diào)度規(guī)則進行調(diào)度計算,確定出了3種典型來水情景下預報偏差系數(shù)分別在0.05,0.20,0.05內(nèi)時,多組預報徑流序列發(fā)電量的上四分位數(shù)、中位數(shù)、平均數(shù)、下四分位數(shù)4個統(tǒng)計值與完美預報下發(fā)電量的偏差均不大于0.2%.
文中確定的偏差系數(shù)系列中最大間距為0.05,減小間距可能會有精度更高的偏差系數(shù)邊界閾值,后續(xù)將展開更深入的研究.