王新，王超，马芳平，孙嘉辉，苑瑞芳，雷晓辉，王浩

(1. 江苏大学国家水泵及系统工程技术研究中心，江苏 镇江 212013； 2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038; 3. 国能大渡河流域水电开发有限公司，四川 成都 610041； 4. 山东大学土建与水利学院，山东 济南 250061； 5. 中国地质大学水资源与环境学院，北京 100083)

RiverWare是一种流域水资源规划与决策工具，被广泛应用于水库群模拟和优化调度、洪水预报、洪水模拟和管理、水质模拟、水权分配、流域生态环境评价等多个领域[1]，其最大特点是用户可以根据需求，利用RPL策略语言将复杂调度运行方式灵活地表达成各种逻辑策略(集)，进而解决不同水问题.该工具在国外的发电、生态、水权管理、防洪、水资源核算、环境评价及修复等领域应用广泛，但在国内应用较少.在国外的应用, 如ESCHENBACH等[2]首次在田纳西流域应用RiverWare，对该流域的水资源进行优化配置；WHEELER等[3]利用RiverWare对尼罗河的埃塞俄比亚复兴水库进行蓄水策略研究，进而实现最大化收益；HYUN等[4]利用RiverWare对圣胡安河流域进行建模，研究了不同降水条件下农业灌溉对流域水资源配置的影响.在国内的应用，新疆维吾尔自治区水利水电科学研究院[5]在与美国得克萨斯州农工大学申请国际合作项目“基于RIVERWARE模型的抗旱减灾水资源管理决策支持系统研究”的同时，引进了RiverWare流域建模工具，并在乌鲁木齐河上游段开展研究工作；文献[1]对乌鲁木齐河流域建立RiverWare模型进行模拟，结果表明模型对上游河段模拟效果良好，但下游由于缺乏地下水资料以及用水情况比较复杂等原因未能充分反映实际情况.

水库作为人类开发和利用水资源的重要载体，在供水发电、防洪减灾、减淤防凌、航运生态等诸多方面发挥着关键作用[6-8].在全球气候变化背景下，水库入库径流的水文特征发生了一定程度的变化[9-11]，使得水文预报面临巨大挑战，进而增加了水库预报调度风险.针对因入库径流不确定性导致的水库调度风险决策，国内外学者进行了大量研究，HADDAD等[12]利用数学统计模型得到入库径流序列，然后将其与实测入库径流输入水库调度模型，进而研究径流不确定性对水库调度结果的影响；GHIMIRE等[13]提出可利用超概率模型应对入库径流不确定性对水库调度结果的影响；汪芸等[14]利用随机方法生成人工径流序列，研究分析了水文预报精度、库水位、水库下泄能力等因素对水库优化调度结果的影响；李克飞等[15]采用组合模型对月径流进行预报，同时基于优化调度模型，构建了水电站水库预报发电调度的模糊风险分析模型框架；张飞[16]在利用径流概率预报模型得到入库径流后，建立基于报童模型的水库优化调度耦合模型，进而指导径流不确定性下的水库调度决策.综上所述，一方面，RiverWare软件在国内应用较少；另一方面，现有水文预报不确定性研究成果丰硕，但是预报结果大多与优化调度模型结合，其调度结果难以指导水库实际生产运行.

文中介绍RiverWare软件的组成和功能，并提出一种考虑来水预报信息的调度规则，基于该规则构建RiverWare模型，研究分析三峡水库在蓄水关键期不同预报精度下的发电效益，对三峡水库的预报调度以及RiverWare建模工具推广应用具有重要的参考价值和指导意义.

1 RiverWare软件简介

RiverWare软件主要包括可扩展的对象库、RPL策略语言和求解器.

1.1 对象库

对象库主要提供建模对象.RiverWare模型由多个对象组成，将每个对象链接形成流域系统的拓扑结构，链接允许模型运行时对象信息从一个对象传递到另一个对象.RiverWare的对象类型包括蓄水库(Storage Reservoir)、水平式发电站(Level Power Reservoir)、倾斜式发电站(Slope Power Reservoir)、抽水蓄能水库(Pumped Storage Reservoir)、河段(Reach)等多种对象，如表1所示.每个建模对象主要包含表达其属性的插槽以及不同的调度方法，模型求解前需要对所有对象进行必要的数据配置.

表1 RiverWare建模对象

1.2 RPL策略语言

用户可利用RiverWare提供的RPL语言将复杂水库调度运行方式(如调度图运行、目标水位、下泄模式控制以及优化调度运行等)表达成各种策略(集)，策略(集)主要包括函数、调度规则、优化目标3种类型.

3种策略都是通过利用多种逻辑语句来解构调度运行方式，函数是利用运算关系及逻辑语句得到目标变量，同时RiverWare也内置了一些常见函数，如绝对值函数、插值函数、水位库容关系查找；调度规则是利用运算关系、逻辑语句及函数实现运行方式，如消落期水位均匀消落、汛期库水位约束；优化目标是利用逻辑语句(常用for循环语句)实现指定目标的最大化或者最小化，如调度期发电量最大.在创建策略(集)时，用户可在RiverWare提供的RPL Palette面板中选择运算法则、逻辑语句、关联对象、预定义函数等功能，如图1所示.

图1 RPL Palette面板

1.3 求解器

RiverWare中提供了模拟(Simulation)、基于规则的模拟(Rule-based simulation)和优化 (Optimization)3种求解器用于模型求解.模拟和基于规则的模拟2个求解器主要应用引进收益项和损失项的水量平衡方程作为理论基础，计算公式为

Storaget+1=Storaget+(∑Inflowst-∑Outflowst)×

Δt+Gainst-Lossest，

(1)

式中：Storaget,Storaget+1分别为t时段初、末的蓄水量；Inflowt,Outflowt为t时段的平均入库流量、出库流量；Gainst,Lossest分别为t时段的收益项和损失项，如蒸发、降水、河岸蓄水、抽水蓄水、渗流、引水、回流等.

模拟求解器是在已知式(1)的6个变量中任意5个后进行求解.对于基于规则的模拟求解器，由于式(1)中已知变量少于5个(即欠定模型)，无法直接应用模拟求解器，需要通过策略语言RPL指定的规则(集)对欠定模型提供未知变量的信息，进而满足求解要求.优化求解器是在指定目标和约束条件下，基于优先线性目标规划法，得到满足约束条件的最大化或最小化目标值.

2 水库调度模型构建

文中重点围绕考虑来水预报信息调度规则开展研究，在构建考虑来水预报信息的规则调度模型时，为验证规则的可靠性，同时构建以发电量最大为目标的优化调度模型，将其调度计算结果作为参照.

2.1 考虑来水预报信息规则调度模型

在实际调度过程中，一方面，当前时刻到调度期末的预报来水总量具有不确定性，对于不确定性可以采用预报系数进行表征；另一方面，当前时刻到调度期末的库容变化量是确定的，这两部分水量和即当前时刻到调度期末水库总转移水量，用水库总转移水量除以当前时刻到调度期末的时段长度，就能得到逐时段平均出库流量，计算公式为

(2)

∂=1+[1-2Rand()]×c,

(3)

式中：c为偏差系数；Rand()为随机数，介于0～1.

模型约束条件主要包括水量平衡约束、水库水位约束、水库下泄流量约束、发电出力约束等.

通过对比该平均出库流量与水库出库流量约束的大小关系来确定水库下泄流量，可保证水库在满足相关流量约束的前提下在调度期末达到目标水位，且出库流量也较平稳，有利于水电站的安全运行.

2.2 优化调度模型

以电站发电量最大为目标函数,计算公式为

(4)

Ni=KQiHi，

(5)

式中：T为调度期时段数；Ni为时段i的出力；Δt为时段长度；K为水电站的综合出力系数；Qi为时段i的发电引用流量；Hi为时段i的水头.

模型约束条件同2.1节.差分进化算法是1种基于群体导向的随机搜索技术，具有优化效率高、参数设置简单、鲁棒性好等优点.文中采用差分进化算法对优化调度模型进行求解.

3 实例应用

3.1 三峡水库调度运用指标

以三峡水库作为研究对象，根据《三峡(正常运行期)—葛洲坝水利枢纽梯级调度规程(2019 年修订版)》(下称《规程》)中相关要求：三峡蓄水期为9月至10月；9月10日需将水位控制在150～155 m；9月底控制水位162 m；10月底蓄至175 m；11月和12月尽量维持高水位运行.2种调度模型均引入以上约束，拟定2种调度模型以9月10日至12月31日为蓄水调度关键期，初水位为150 m，采用日时间尺度.对三峡水库1965—2008年共44 a蓄水调度关键期平均入库径流进行排频后，选取丰、平、枯(对应频率分别为25%，50%，75%)3种典型来水情景进行调度计算和分析.

3.2 RiverWare模型构建与求解

针对预报的不确定性和随机性，设定多组偏差系数，基于蒙特·卡罗方法，在每个偏差系数下生成100个随机数，根据式(3)得到100个预报系数，即可能出现的100个预报入库径流场景.另外，将调度期实际逐日径流数据作为完美预报径流，即偏差系数为0.研究使用RiverWare软件进行流域建模，基于考虑来水预报信息调度规则对不同偏差系数下各典型来水情景进行调度计算，下述内容只阐述平水年.使用Rule-based simulation求解器.

3.2.1 拓扑结构构建

建模对象选择水文站(Stream Gage)、水平式发电站(Level Power Reservoir)、数据对象(Data)，分别代表三峡入库水文测站、三峡电站以及为满足建模需求数据，将水文站与水平式发电站进行链接形成拓扑结构.三峡电站对象的方法栏中，Power(出力)方法选择Plant Power Equation(电站出力公式)，即根据式(5)求解出力；Spill(弃水)方法选择Regulated(规定)，即当下泄流量超过水轮机最大发电引用流量产生弃水；Tailwater(坝下水位)方法选择Base Value Plus Lookup Table(由出库流量值查表)，即选择根据下游水位流量曲线得到坝下水位.三峡电站数据对象里存入预报入库径流.构建拓扑结构后对各方法下的插槽配置数据信息，如图2所示.

图2 三峡水库调度拓扑结构及相关信息Fig.2 Topological structure and related information of Three Gorges Reservoir Operation

3.2.2 RPL规则配置

根据《三峡(正常运行期)—葛洲坝水利枢纽梯级调度规程(2019 年修订版)》确定蓄水规则，蓄水规则逻辑结构相似，文中只给出9月份对应的RPL代码块，构建RPL规则集如下.

1) 9 月份蓄水期间.

① 当水库来水流量大于等于10 000 m3/s 时，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 当来水流量大于等于8 000 m3/s 但小于10 000 m3/s 时，按来水流量下泄，水库暂停蓄水；

③ 当来水流量小于8 000 m3/s 时，若水库已蓄水，可根据来水情况适当补水至8 000 m3/s下泄.

2)10 月份蓄水期间.

① 一般情况下，水库下泄流量按不小于8 000 m3/s控制；

② 当水库来水流量小于8 000 m3/s 时，可按来水流量下泄.

3)11 月份和12 月份.

水库最小下泄流量按葛洲坝下游庙嘴水位不低于39.0 m 且三峡电站发电出力不小于保证出力对应的流量控制.

4) 其他约束.

水电站运行过程中还需要满足水库大坝自身安全、上游防洪任务、下游航运需求以及水电站水轮机出力限制等相关约束条件，具体约束条件包括：

① 水位应控制在145～175 m.

Sanxia.PoolElevation[@″t″]=

THEN145″m″

ENDIF

Sanxia.PoolElevation[@″t″]=

THEN175″m″

ENDIF

② 出库流量应控制在4 500～98 800 m3/s.

Sanxia.Outflow[@″t″]=

THEN4 500″cms″

ENDIF

Sanxia.Outflow[@″t″]=

THEN98 800″cms″

ENDIF

③ 最大出力应控制在22 400 MW.

Sanxia.Power[@″t″]=

THEN22 400″MW″

ENDIF

3.3 结果分析

为验证规则可靠性，基于完美预报分别用优化和考虑来水预报信息调度规则进行调度计算.不同调度方式发电量E计算结果见表2，在完美预报来水下，3种典型年利用规则得到的发电量较优化调度分别损失4.6%，3.7%，3.2%；图3为2种调度方式的调度过程，相较优化调度过程，规则调度水位和流量Q变化过程均相对较缓，虽然流量过程仍有突变，但流量突变情况有所缓和.综上所述，文中提出的考虑来水预报信息的调度规则具有较好的调度效果.

图3 不同调度方式调度过程

表2 不同调度方式发电量

基于考虑来水预报信息的调度规则，利用RiverWare软件对3 600种入库径流情景序列(3种来水频率，每种来水频率下设置12个偏差系数，每个偏差系数下取随机100次)进行调度计算；最后利用上四分位数、中位数、平均数、下四分位数4个统计量对发电量进行统计，各典型年不同偏差系数Cv发电量统计值见表3.分析3种典型来水情景下不同偏差系数规则调度结果，将发电量各个统计值与完美预报发电量的相对偏差控制在0.20%时，得到3种典型来水情景偏差系数的边界阈值分别为0.05，0.20，0.05.

表3 各典型年不同偏差系数发电量统计值

图4为各来水频率不同偏差系数的发电量箱型图. 可以发现：随着偏差系数的增大，来水越枯，发电量基本呈递减趋势，充分说明预报精度明显影响水电站经济效益；上、下四分位数差值也随着偏差系数增加而增大，充分说明预报精度较差时水库调度效益风险会明显增加.另一方面，若以发电量的均值和中位数作为主要参考基准，随着来水变枯，发电量对预报精度的敏感性呈现递增趋势.除此之外，平水年得到的发电量中位数、平均数未明显下降而是呈一定波动趋势，说明考虑来水预报信息的调度规则在来水较平时有助于提高水资源的有效利用率.

图4 各典型年不同偏差系数发电量

不同水平预报与完美预报发电量的相对偏差在0.20%时，3种典型来水情景偏差系数的边界阈值分别为0.05,0.20,0.05.因此将选取3种典型来水情景偏差系数均为0.05的调度过程，对调度结果进一步分析，图5,6分别为各典型年水位过程、出库流量过程.

图5 各典型年水位过程

根据水位变化过程，3种典型来水情景在蓄水期均能达到《规程》中蓄水期2个阶段的目标水位；在枯水年，第二阶段的蓄水过程由于要满足下泄量最低8 000 m3/s的要求，在11月3日才蓄至175 m目标水位，并且蓄水过程相对较缓，难以保持高水位运行；其余来水情景，考虑来水预报信息的调度模型在蓄水2个阶段中均能实现短时间蓄至高水位，使得水电站尽可能在高水位运行，保证发电效益.根据水库出库流量过程，当蓄水2个时期来水水量相差较大时(丰水年)，会导致在过渡时间点下泄量突变，对水库水电站的安全运行造成隐患，而在蓄水2个时期来水水量相差较小时(平水年)，考虑来水预报信息的调度模型可以很好地满足《规程》中蓄水期下泄流量应平稳变化的要求.

图6 各典型年出库流量过程

4 结 论

1) RiverWare软件凭借其强大的交互性和适应性，有效提高了调度水平和效率，是支撑工程设计人员、调度运行人员开展调度规则拟定及相关研究的有效工具.但由于在国内应用较少，缺乏相关资料，对RiverWare的使用依赖于未来更广泛的应用研究.

2) 在水库蓄水时期2个阶段的来水总水量差别不大时，考虑来水预报信息的调度规则可以有效满足水库在蓄水期下泄流量应平稳变化的要求且较优化调度发电量损失不大.

3) 针对三峡水库预报的不确定性，基于考虑来水预报信息调度规则进行调度计算，确定出了3种典型来水情景下预报偏差系数分别在0.05,0.20,0.05内时，多组预报径流序列发电量的上四分位数、中位数、平均数、下四分位数4个统计值与完美预报下发电量的偏差均不大于0.2%.

文中确定的偏差系数系列中最大间距为0.05，减小间距可能会有精度更高的偏差系数边界阈值，后续将展开更深入的研究.