蘇阿皮蒂水電站徑流模擬計算及下閘蓄水時機選擇

楊文聰，杜才明，居志剛，馬子萱

(1.清華大學，北京 100084；2.中國水利電力對外有限公司，北京 100120)

0 概 述

蘇阿皮蒂(Souapiti)水利樞紐位于幾內亞孔庫雷河中游，是流域梯級開發中的第2級水電站，集水面積10 800 km2，裝機容量450 MW，2016年4月開工建設，計劃2019年9月實現初期下閘蓄水，2020年9月首臺機投產發電。由于流域水雨情數據缺失嚴重，設計階段只有1948年～2002年下游凱樂塔水電站(Kaleta)壩址的月均流量，且大多數為插入計算值。1999年上游格拉菲里(Garafiri)水電站投產，流域面積和庫容均較大，對下游的調節影響作用明顯，需要根據流域Telimele氣象水文站、2015年Kaleta發電以后的部分實測水雨情數據，結合現代氣象衛星遙感技術等開源共享數據，采用合適的降雨徑流模型，導出本工程壩址的日均流量，為工程本次提前下閘蓄水以及后期投產發電蓄水和運維階段的水庫防洪發電調度，提供較可靠的水雨情數據支持。

1 方 法

1.1 方法流程

本方法的目標是通過對2019年8月～10月日尺度來流過程的模擬，制訂蓄水方案。方法包含以下3部分(見圖1)：

圖1 方法流程

(1)降雨徑流模型。使用歷史的日降雨、蒸發能力以及徑流數據，率定降雨徑流模型參數，并評估模型對每日徑流量的模擬效果。

(2)降雨情景模擬。使用歷史多年的降雨量計算不同保證率下的8月～10月總降雨，利用天氣發生器從月降雨生成每日降雨以及蒸發能力，作為2019年的降雨假設情景。

(3)蓄水模擬。將(2)的每日降雨和蒸發能力輸入到(1)中的降雨徑流模型，得到2019年8月～10月每日流量，即可結合工程條件確定下閘方案。由于每日降雨的模擬具有隨機性，此處應使用多次降雨模擬來進行蓄水模擬，統計蓄水成功的次數進行方案評估。

上述三部分的具體細節闡述如下。

1.2 降雨徑流模型

降雨徑流模型是模擬流域內降雨與徑流關系的數學模型。即，輸入降雨和蒸發能力、輸出流域出口流量值。由于Souapiti不屬于大型流域，可采用集總式模型。即，將流域看作一個單元整體，降雨與蒸發為都取全流域范圍的平均值，不考慮流域內的空間變異性。

本研究使用的是法國的GR4J模型[1]，相應的軟件為R語言的airGR包[2]。模型將降雨分解成蒸發、土壤蓄水以及地表產流三部分，并模擬地表產流的水匯流至流域出口的時間過程，從而得到流量值。模型有4個參數，需要通過實測的降雨、蒸發能力與流量數據進行參數率定。

1.3 降雨情景模擬

本研究使用了1981年～2018年長序列的流域歷史每日降雨數據(見2.2節)，可基于該數據統計每年8月～10月的總降雨量，通過這38個總降雨量的經驗概率分布計算不同保證率(5%，25%，50%，75%，95%)下的降雨。

由于蓄水過程的模擬需要精確到日尺度，故要將8月～10月的總降雨分解為每日降雨輸入到降雨徑流模型，分解方法為天氣發生器。天氣發生器通過在歷史數據中抽樣，隨機生成任意時間長度的日尺度氣象要素(降雨、蒸發能力等)，使得生成值與歷史值有相同的統計特征(如均值、方差、每天是否降雨的概率、暴雨概率等)。注意天氣發生器生成的氣象要素值是一系列假想值，而不是具體到每一天的真實值模擬，它能保證在未知的2019年8月～10月，每日降雨過程與歷史上這3個月的降雨過程統計特征相似。對于2019年每一個保證率下的8月～10月降雨量P0，在1981年～2018年中選出8月～10月降雨與P0的值最相近的5年，其8月～10月每日降雨與蒸發能力作為天氣發生器的抽樣來源，生成總降雨量為P0的2019年假想降雨過程。具體的抽樣生成方法見Steinschneider和Brown的論文[3]，該方法在R語言的weathergen包[4]中已得到實現。

1.4 蓄水模擬

將1.3節每個保證率下生成的日降雨輸入到1.2節率定的模型，可以得到2019年8月～10月每日流量過程的模擬。由于所生成的降雨總量由保證率給定、但分配到每日的降雨量具有隨機性，所以我們通過多次實驗的方法來進行降雨生成與相應的流量模擬。具體操作如下：

(1)對以上每個保證率下的8月～10月降雨量進行100次日降雨過程生成。

(2)對每個日降雨過程進行相應的流量模擬，得到100個8月～10月的日流量過程線。

(3)蓄水起點取8月16日至9月15日之間，每個起點都用100個日流量過程線模擬蓄水末期(10月31日)水位。

(4)對每個起點，若100次模擬中有至少95次滿足要求(95%的合格率)，則該起點為該降水量下的合理下閘日期。

其中，蓄水過程應滿足蓄水技術要求，包括以下約束條件：

(1)蓄水起點(4號導流底孔下閘完成)為水位130 m。

(2)泄洪能力小于400 m3/s時按泄洪能力下泄，大于400 m3/s時按400 m3/s下泄，以滿足下游Kaleta電站的發電需求。

(3)蒸發庫損為日均庫容0.1%。

(4)水位不大于147 m時每日水位上升不超過3.5 m，大于147 m時不超過2 m。

(5)蓄水終點取10月31日，從起點到終點水位再任意一天達到167 m都認為蓄水滿足要求。

(6)蓄滿(水位167 m)后不得有超過1 332.7 m3/s的日流量(167 m時的泄洪能力)，以避免溢流壩過流對混凝土產生影響。

2 研究區域與數據

2.1 流域概化

本方法研究流域為Souapiti水利樞紐上游集水區域，即Souapiti流域，流域面積10 800 km2，絕大部分為山區，受人類土地利用影響較小。流域上游有Garafiri水電站，該電站集水面積2 480 km2，于1999年開始蓄水發電至今。

在旱季，Garafiri水電站泄水發電，Souapiti壩址流量比天然流量大；而在雨季，Garafiri水電站蓄水攔截使得Souapiti壩址流量比天然流量小。為了準確估計Souapiti壩址流量，需要對流域進行概化，分為天然來流部分加上Garafiri泄水的側枝部分，如圖2所示。側枝來水量可通過Garafiri出庫流量進行估計，本研究搜集到Garafiri2014年全年的過機流量數據，如圖3所示，可分別將旱季(12月～5月)和雨季(6月～11月)的過機流量簡化為定值，即各自的平均值58 m3/s和75 m3/s。通過查詢1999年到2014年的Garafiri庫水位數據，發現只有273 d高于額定高程350 m，且歷史達到的最大高程僅為350.87 m，故可忽略溢流的水量，將過機流量近似認為出庫流量。于是對于Souapiti而言，Garafiri的側枝來水為穩定值，只需模擬天然部分流域的來水加上該側枝來水，即可得到模擬的實際來水量，故在本研究中降雨徑流模型實際是應用于天然部分這個“假想流域”。

表1 數據源

圖2 Souapiti流域概化

圖3 Garafiri 2014年過機流量(橫線代表12月～5月以及6月～8月的平均過機流量分別為58 m3/s和75 m3/s)

2.2 數據源

工程設計資料中，Souapiti流域及附近只有一個Telimele雨量站有實測的日尺度降水數據，一個雨量站的點降雨不足以代表流域面降雨，故采用衛星遙感降雨產品。本研究選擇Climate Hazards group Infrared Precipitation with Stations (CHIRPS) v2.0數據[5]。該數據由加州大學圣巴巴拉分校(UCSB)公開發布，融合了衛星測量的紅外冷云持續時間(infrared Cold Cloud Duration)和全球雨量站點的降雨測量，形成了1981年1月至2019年6月每日的空間分辨率0.25°×0.25°降雨。CHIRPS在非洲應用效果良好[5-7]。對于2019年7月以來的降雨，本研究采用GPM IMERG v06 Late Run[8]，該數據由美國宇航局(NASA)通過多衛星監測整合得到全球每日實時降雨，空間分辨率0.1°×0.1°。

每日蒸發能力使用Hamon公式[9]進行計算，該公式需要輸入每日氣溫，氣溫數據采用美國國家海洋和大氣管理局(NOAA)的Climate Prediction Center(CPC)全球數據，空間分辨率0.5°×0.5°。

實測徑流數據使用Telimele和Kaleta水文站進行換算。Telimele水文站在Souapiti上游，集水面積10 250 km2；Kaleta水文站在Souapiti下游，集水面積11 400 km2。由于這兩個水文站所測量的流域與Souapiti流域面積相近；故，直接使用面積比例將這兩個站的流量換算成Souapiti的流量。即Souapiti與Telimele每日流量之比固定為10 800/10 250；Souapiti與Kaleta每日流量之比固定為10 800/11 400。其中，根據兩個水文站的數據年限，1994年及以前的流量使用Telimele測量值換算，1995年及以后的流量使用Kaleta測量值換算。換算后的Souapiti歷史測量流量如圖 4所示。從圖4中可見，1987年以前的流量過程不符合經驗，可能是人為測量或儀器故障等造成的誤差；故不使用。另外，1990年流量也不自然，1996年與1995年完全一樣，故1990年與1996年的數據也不使用。

圖4 Souapiti歷史測量流量值

2.3 結果

2.3.1降雨徑流模型評估及歷史每日流量重現

降雨徑流模型的評估使用納什效率系數[10]

(1)

1998年及以前Souapiti來水不受Garafiri水電站的影響，壩址來水為天然來水，故直接在Souapiti流域的尺度構建GR4J降雨徑流模型，模擬效果見圖 5。其中，NSE=0.85。1999年及以后Souapiti來水受Garafiri電站的影響，按照2.1節的流域概化方法進行建模與流量模擬。雖然1999年到2003年有實測數據，但此處選用2015年～2019年的流量數據進行模型率定，因為近5年的數據又Kaleta電站實測，精確度較高。對2015年～2019年Souapiti流量的模擬效果如圖 6所示，其中NSE=0.84。總體而言，無論時天然來流時期還是受Garafiri影響的時期，模型對Souapiti壩址日尺度來流量的模擬都符合需求。

使用該模型輸入1981年～2019年的降雨及蒸發能力數據，可重現1981年～2019年以來的Souapiti壩址缺測的每日流量，結果如圖7所示。

2.3.2降雨保證率與相應的蓄水方案

根據1981年～2018年降雨數據計算，得到8月～10月總降雨保證率如表2所示。通過1.4節的蓄水過程模擬方法，得到不同降雨保證率下的下閘時間范圍(見表3)。其中，最早下閘時間保證溢流壩不產生過流，因為太早下閘會讓大壩在雨季中期蓄滿至167 m，造成雨季后期可能有來流量大于167 m時泄洪底孔泄流能力；最晚下閘時間保證大壩能夠蓄水至167 m，太晚則可能后續總來水量不夠。

圖5 1998年及以前(天然來流時期)Souapiti壩址模擬與實測的流量對比(沒有實測數據的年份在圖中不顯示)

圖6 2015年～2019年Souapiti壩址模擬與實測的流量對比(受Garafiri影響時期，Kaleta電站有實測流量時期)

由于蓄滿時間最早也是9月末，此時溢流壩混凝土強度已形成，故過流的影響較小，蓄水可以只考慮是否能蓄滿，即只關注最晚下閘時間。按保守的策略估計，使用95%保證率的降雨情景，故最終建議下閘時間為8月21日前。

圖7 1981年～2019年Souapiti壩址每日流量(有實測值時使用實測值，無實測值時用模擬值代替，形成連續完整的流量過程線)

表2 8月～10月總降雨保證率

表3為不同8月～10月降雨保證率下的最早、最晚下閘時間。95%和75%保證率時在模擬中沒有溢流壩過流的情況，故不存在最早下閘時間。

表3 下閘時間

3 結 語

Souapiti初期蓄水下閘時機選擇受到流域水雨情資料短缺的限制，本研究通過開源遙感衛星降水數據及有限的水文站實測徑流數據，使用降雨徑流模型對2019年8月～10月不同降雨保證率下的Souapiti每日入庫流量進行模擬，作為下閘時機決策的參考資料。同時，研究重現了1981年～2019年Souapiti壩址每日流量數據，形成連續完整的流量過程線，填補了工程設計數據空白。

結果表明，與實測徑流數據對比發現，降雨徑流模型的納什效率系數合格，即準確性較高。按95%降雨保證率進行下閘計算，建議8月21日前進行下閘，下閘后的水庫調節運用應根據實際來水進行實時調整。該方法建立了Souapiti流域的降雨徑流模型，可供未來水庫調蓄決策使用，但應在本期蓄水、發電蓄水和后期運維水庫進入正常運用階段進行校核檢驗，持續評估、完善模型，不斷提高其準確性和工程可用性。