雙江口水庫對下游梯級水庫群發電-航運聯合調度影響研究

摘 要：選取岷江流域為研究對象，按雙江口水電站投產前后劃分2種情景，構建SWAT水文模型和水庫群聯合調度模型，對比分析雙江口水電站對下游梯級水庫群發電與航運的影響。研究結果顯示，在雙江口水電站運行后，下游梯級電站入庫流量顯著提升，有效增加了水庫興利庫容。目標水庫群在每年枯水期平均發電量增加了50. 59億kW·h，其中雙江口水庫枯水期平均發電20. 36億kW·h，經濟效益增幅超過16億元；目標水庫群年平均發電量提高了139. 58億kW·h，其中雙江口水庫年均發電108. 69億kW·h，經濟效益增幅超40億元。此外，岷江高場站的航運流量在不同保證率下也有所提升：90%保證率下提升了15. 48%，95%保證率下提升了13. 11%，98%保證率下提升了7. 74%。研究結果為大型水庫群枯水期聯合調度及航運優化提供了重要的決策支持和理論指導。

關鍵詞：枯水期；發電量；航運流量；大渡河梯級；雙江口水電站

中圖分類號：TV697 文獻標識碼：A 文章編號：1001-9235（2024）09-0056-08

隨著經濟社會發展，流域水庫群規模不斷擴增，大型水電站不斷建設投產：金沙江流域新增了烏東德和白鶴灘水電站；雅礱江流域新增了二灘和錦屏梯級水電站；岷江流域新增了雙江口水電站。面對三峽上游樞紐群枯水可調節庫容大幅增加的新情況，在遵循現有《長江流域水工程聯合調度規程》［1］基本原則的前提下，開展三峽及上游大型水庫群中枯水期的聯合調度航運優化研究有著重大意義。

近年來，SWAT（Soil and Water Assessment Tool）模型廣泛應用于流域徑流模擬中。楊春［2］提出SWAT模型可以很好地應用于水資源分析，有效解決下墊面變化及人類活動對水文循環的影響。陳佳蕾等［3］基于SWAT模型對大汶河流域進行徑流還原，并通過SUFI-2算法率定模型參數，證明SWAT模型還原天然徑流是可行的。賈何佳等［4］采用SWAT模型對黃河源區進行徑流模擬，其主要水文站模擬值接近于實測值。

流域內大型水電站的建設投產對下游梯級電站運行以及航道航運流量將產生一系列的影響。李家世等［5］基于岷江梯級電站的建設周期，指出梯級電站的建設對下游航道的通航流量有顯著增效；張明等［6］以大藤峽水利樞紐為例，提出其對下游航道設計最小通航流量具備顯著提高02wzijoeGkjoIm3BECdrJg==的效果；舒衛民等［7］通過對烏東德和白鶴灘水電站的運行分析，強調了對下游梯級電站補水效果顯著以及發電補償效益的提升；湛洋等［8］則通過雙江口水電站投產前后的比較，闡釋了其對大渡河梯級電站的發電補償效益。

在枯水期，受來水量減少的制約，滿足航運的補水需求意味著需要調整水庫的運行方式，可能會對電站的效益產生負面影響［9］。因此，如何協調調度發電與航運目標顯得尤為關鍵。王學敏［10］建立了汛期航運-防洪和蓄水期航運-生態-發電的多目標優化模型；周建中等［11］提出了汛期水庫多目標優化調度模型，增加了汛期通航保證率以及發電量；張先平等［12］對三峽-葛洲壩梯級水庫群兼顧航運需求的調度研究，提出應開展長江上游梯級水庫聯合調度對枯水期補水能力的研究；田銳［13］提出目標為發電量最大，通航以及生態破壞最小的流域水庫群多目標優化調度模型，以此提升水庫群的綜合效益。Fu［14］構建一種目標函數以用水和發電為目標的梯級水電站調度模型。Zoumas等［15］以防洪風險、供水保證率和發電效益等聯立效益函數，構建了水庫站群調度模型。

基于前人研究基礎，本文以岷江流域為研究對象，按雙江口水電站投產前后劃分2種情景，提出建立枯水期水庫群聯合調度模型，并以日尺度作為時間基礎，從逐日調度過程中分析評價大型水電站建設投產對下游梯級電站及航道航運流量的影響。首先基于SWAT模型獲取水庫群區間徑流，在此基礎上，以總發電量最大為主控目標，航運及生態缺水量最小為副控目標，構建水庫群聯合調度模型，并對模型進行優化求解，從逐日調度過程中進行結果比較分析。研究結果為大型梯級水庫群枯水期聯合調度以及航運優化提供了重要的決策支持和理論指導。

1 研究方法

由于流域內的水文資料主要來源于水文站點的實測數據，而這些數據并不適合直接用于調度計算，需要以區間徑流信息作為水庫群調度計算的輸入。本文采用徑流還原方法［3］，利用SWAT模型對水庫群的區間徑流進行模擬計算，進而構建了水庫群多目標聯合調度模型。通過逐次最優算法（Progressive Optimality Algorithm，POA）的求解，得出了長系列日尺度的調度結果，并從中剖析了雙江口水電站并網投產后，在發電與航運多目標協調調度下對下游梯級電站發電效益及最低航流量的正面影響。方法過程見圖1。

1. 1 SWAT模型建立

構建SWAT模型主要過程如下：①輸入地理高程數據（Digital Elevation Model，DEM），劃分子流域；②輸入土地利用與土壤分類數據；③輸入氣象數據；④運行模型進行匯流演算；⑤通過SUFI-2算法對模型進行參數率定；⑥用納什系數（CNS）和徑流總量相對誤差（δ）進行精度評價。

由于1960—1990年水文站實測徑流資料受人類活動影響較小，可以作為天然徑流進行參數驗證和精度評價［16］，選擇納什系數和徑流總量相對誤差作為模型率定期和驗證期精度變化的評價指標，其中CNS越接近1，表明模型精度越高，δ 越接近0，表明徑流總量相對誤差越小，模型精度越高。

式中：Qobs 為實測徑流值；Qsim 為模擬徑流值；- Q obs 為實測徑流平均值；Wobs 為實測徑流總量；Wsim 為模擬徑流總量；n 為時間長度。

1. 2 水庫群調度模型構建

水電站在發電的同時，需兼顧航運、生態保護及城市供水等多領域用水需求，特別是航運和生態流量與發電流量存在較高的同步性和復用性［17］。基于此，本研究以優化發電量為核心目標，同時將保障生態流量和航運流量的需求作為約束條件，對水庫群進行綜合調度模擬。在多目標調度模型的構建過程中，主要將發電效益最大化作為主導目標，同時考慮將航運和生態環境的缺水風險最小化作為次要目標，具體的目標函數見式（3）：

式中：N 為水庫數量；T 為時間長度；α、β 為懲罰系數；Qhypow，i，t 為水庫i 在t 時段的發電流量。

發電量計算見式（4）。

Ni，t = 9.81ηQhypow，i，t Hhypow，i，t （4）

式中：η 為出力系數；Qhypow，i，t 為水庫i 在t 時段的發電流量；Hhypow，i，t 為水庫i 在t 時段的發電水頭。

在滿足發電量最優并同時提升航運和生態流量目標的情況下，在目標函數求解過程中對航運、生態的約束條件見式（5）、（6）。

航運缺水量懲罰：

P （Qnag，i ） = {（Qe，nag，i，t - Qnag，i，t ），0}max（5）

式中：Qe，nag，i，t 為水庫i 在t 時段的航運流量；Qnag，i，t 為水庫i 在t 時段的實際下泄流量。

生態缺水量懲罰：

P （Qeco，i ） = {（Qe，eco，i，t - Qeco，i，t ），0}max（6）

式中：Qe，eco，i，t 為水庫i 在t 時段的生態流量；Qeco，i，t 為水庫i 在t 時段的實際下泄流量。

其他約束條件包括水庫水量平衡約束、水庫庫容約束、電站出力約束、水庫出流約束。

本文結合POA 求解模型，逐步得到全局最優解，通過對水庫群調度過程的不斷優化，保證總發電量最大和航運及生態缺水量最小。POA算法在優化路徑選擇上具有顯著優勢，能夠保證針對每一個決策集合，在其初始和終止值間實現最優狀態。此外，得益于POA算法無需對狀態變量進行離散化處理，從而能夠得到更高精度的解決方案［18-22］。

2 研究實例

在岷江流域內，已建有多座供水水庫和水電站。本研究選取大渡河流域的雙江口、猴子巖、長河壩、大崗山、龍頭石、瀑布溝、龔嘴、銅街子等水電站，以及岷江干流上的紫坪鋪水電站作為研究對象。其中雙江口水電站作為腳木足河和綽斯甲河匯合后的首站，位于河流匯合點下游約2 km處，它不僅是大渡河上游的控制性水庫，而且也是大渡河流域梯級電站開發中的一個關鍵項目。雙江口水電站的主要任務是發電，同時參與長江中下游地區的防洪工作，并推動當地經濟社會的發展。電站采用壩式建設，正常蓄水位為2 500 m，總庫容達到31. 15億m3，具備年調節能力。

研究區域使用的氣象數據來源于中國氣象數據網，站點數為57個，包含降雨數據以及氣溫數據，時間段為1960年1月至2021年9月，區間徑流時段以及調度時段同上。目標水文站包括福祿鎮、紫坪鋪以及高場站，見圖2、表1。

3 結果分析

3. 1 水文模型

率定期設置為1960—1980年中連續的徑流資料；驗證期的設置為1980—1990年中連續的徑流資料；還原期為1990—2021 年，迭代次數為500 次。各個控制水文站點的精度指標見表2，其中：①福祿鎮站驗證期δ 小于率定期δ，表明驗證期徑流總量相對誤差更小，驗證期CNS大于率定期CNS，表明驗證期徑流還原度更高；②紫坪鋪站驗證期δ 大于率定期δ，表明率定期徑流總量相對誤差更小，驗證期CNS小于率定期CNS，表明率定期徑流還原度更高；③高場站驗證期δ 小于率定期δ，表明驗證期徑流總量相對誤差更小，驗證期CNS大于率定期CNS，表明驗證期徑流還原度更高。據表所示各個站點CNS為0. 7～0. 8，δ 均小于5%，表明模型可信度高，其模擬結果可以參與聯合調度分析。

3. 2 調度結果

按雙江口水電站投產前后劃分為情景一（雙江口未投產）和情景二（雙江口投產）。調度結果節選代表水庫：雙江口、猴子巖、瀑布溝、紫坪鋪水電站，時段為2018年1月1日至2020年12月31日，調度過程見圖3，其中由于雙江口水電站位于大渡河上游，紫坪鋪水電站位于岷江干流，且雙江口水電站作為不同情景劃分基準，故雙江口水電站和紫坪鋪水電站只有一種情景調度過程。

從圖3來看，各水庫在汛后均能蓄水至正常蓄水位，枯水期能正常消落水位，對庫容利用較為充分，模型調度結果合理。①猴子巖水庫受雙江口水庫直接影響，枯水期1—4月內，水位消落更充分及平穩；汛期內，受雙江口水庫調洪作用，水庫防洪預留庫容減少，可保障水庫安全運行。②瀑布溝水庫同樣受上游雙江口水庫調蓄影響，水庫水位消落更充分也更平穩。③汛后9—12月內，情景二中猴子巖與瀑布溝水庫均反映出蓄水時間延后的情況，原因在于上游雙江口水庫蓄水導致部分水資源積蓄于上游，影響下游梯級電站蓄水時間。

節選猴子巖水電站以及瀑布溝水電站2020年枯水期1月1日至4月30日調度過程示例，見圖4。從圖4可以看出：①情景二中，猴子巖水庫入庫流量顯著增加，且水庫水位消落更平穩，3、4月水庫維持高水頭運行，發電效益更高；②情景二中，瀑布溝水庫入庫流量顯著增加，且水庫水位消落更充分，發電效益更高。

大渡河梯級電站枯水期（1—4月）內發電量的情況見表3，情景二中，大渡河梯級電站發電效益顯著提升，其中猴子巖水電站提升程度最為顯著，提升比例為8. 10%，長河壩水電站發電量提升最多，為9. 55億kW·h。梯級電站發電量合計提升30. 23億kW·h。以2022 年上網電價均價0. 308 元/kW·h為例，包括雙江口水電站枯水期20. 36億kW·h的發電量在內，枯水期大渡河梯級水庫群將新增效益超16億元。

大渡河梯級電站年均發電量見表4，情景二中年均發電量比情景一提升了30. 89億kW·h，以2022年上網電價均價0. 308元/kW·h為例，在雙江口水電站全面投產以后，包括雙江口水電站年平均108. 69億kW·h發電量在內，大渡河梯級水庫群新增年均效益將超43億元。

大渡河梯級電站在枯水期的年均增加發電量與全年年均增加發電量的對照情況見圖5。從圖中可以看出，各水電站枯水期增加發電量在全年總增量中占據了相當大的比重。其中瀑布溝水電站枯水期發電量提升了14. 46%，全年發電量提升了0. 98%，原因在于受上游雙江口電站蓄水的影響，蓄水期內有部分水量在上游雙江口電站積蓄，導致瀑布溝電站蓄水時間延后，蓄水期內發電量略有減少，但瀑布溝電站在枯水期乃至全年的發電量整體仍呈現出增長趨勢。

3. 3 航運流量

高場站作為岷江流域出口的控制水文站，高場站斷面流量為岷江干流和大渡河水庫群按規程調度后匯流之后的流量。航運流量的提升主要體現在枯水期（1—4月）內，本文節選典型年高場站流量過程為例，典型年劃分依據枯水期（1—4月）平均流量，最終選定典型年：豐水年（P=10%）為2001年，平均流量為1 073. 29 m3/s；平水年（P=50%）為1974年，平均流量為952. 16 m3/s；枯水年（P=85%）為1967年，平均流量為879. 52 m3/s。2種情景下典型年流量過程見圖6。

從圖6可以看出：①由于高場站流量主要以大渡河流量為主導，銅街子電站是大渡河梯級電站末級，其為日調節電站，對日徑流過程影響較大，隨著枯水期來水量逐漸豐富，高場站流量過程波動逐漸加深，其中最大日變幅為623. 71 m3/s，超95%時段的流量日變幅小于500 m3/s，并未超過安全范圍［23］；②情景二中，3種典型年下航道航運流量都呈現顯著提升，表明雙江口電站的投產運行對下游航道航運流量的補水效果顯著。

航運流量保證率以90%、95%、98%為例，經過1965—2021年長系列聯合調度，雙江口水電站投產前后高場站不同保證率流量對比見表5。高場站90%保證率、95%保證率、98%保證率航運流量分別提升了15. 48%、13. 11%，7. 74%，岷江出口流量提升顯著，對岷江航運以及下游航道維護建設有重要參考意義。

4 結語

為分析雙江口水電站對下游梯級電站發電效益以及航運流量的影響，通過建立SWAT水文模型對水庫群區間徑流進行模擬計算，構建水庫群聯合調度模型對2種工況進行模擬調度，結果表明：①雙江口水電站建設投產能顯著提高下游梯級電站枯水期來水量，緩解枯水期用水壓力；②雙江口水電站能顯著提高下游梯級電站的發電效益，其中每年枯水期年均增發電量在全年年均增發電量中占比頗重；③航運流量的提升，表明雙江口水電站對下游航道的補水效果顯著。

綜上可知，在枯水期雙江口水電站對下游梯級電站以及下游航道都有顯著提升效果，突出了大型水電站的投產將提高梯級電站發電與航運的協調能力，使綜合收益得到最大提升。研究方法及成果為長江上游水庫群枯水期多目標聯合調度和補水調度研究提供了參考。

參考文獻：

［1］ 徐穎，劉濤. 關于長江流域水庫群聯合調度的總結與思考［J］.吉林水利，2023（11）：49-52.

［2］ 楊春. 基于SWAT模型的城市水資源評價方法研究［J］. 黑龍江科學，2023，14（4）：80-83.

［3］ 陳佳蕾，鐘平安，劉暢，等. 基于SWAT模型的徑流還原方法研究：以大汶河流域為例［J］. 水文，2016，36（6）：28-34.

［4］ 賈何佳，李謝輝，文軍，等. 黃河源區徑流變化模擬及未來趨勢預估［J］. 資源科學，2022，44（6）：1292-1304.

［5］ 李家世，劉曉帆. 梯級水庫建設對岷江下游航道通航流量的影響［J］. 水運工程，2021（6）：164-167.

［6］ 張明，馮小香，覃昌佩，等. 受梯級樞紐運行影響的航道設計流量［J］. 長江科學院院報，2023，40（12）：1-6，22.

［7］ 舒衛民，李秋平，曹光榮，等. 烏東德白鶴灘梯級水庫補償效益分析［J］. 水力發電，2018，44（12）：74-77.

［8］ 湛洋，黃煒斌，陳仕軍，等. 基于POA優化的雙江口水電站對下游梯級發電補償效益研究［J］. 水電能源科學，2015，33（9）：65-68，64.

［9］ 楊悅，張緒進，馬光文，等. 岷江梯級水庫群航運-發電多目標協調調度研究［J］. 人民長江，2022，53（12）：219-227.

［10］ 王學敏. 面向生態和航運的梯級水電站多目標發電優化調度研究［D］. 武漢：華中科技大學，2016.

［11］ 周建中，李純龍，陳芳，等. 面向航運和發電的三峽梯級汛期綜合運用［J］. 水利學報，2017，48（1）：31-40.

［12］ 張先平，魯軍，邢龍，等. 三峽-葛洲壩梯級水庫兼顧航運需求的調度方式［J］. 人民長江，2018，49（13）：31-37.

［13］ 田銳. 基于NSGA-Ⅲ的水庫群發電-生態-航運優化調度研究［D］. 武漢：華中科技大學，2022.

［14］ FU G T. A fuzzy optimization method for multicriteria decisionmaking： An application to reservoir flood control operation ［J］.Expert Systems with Applications，2008，34（1）：145-149.

［15］ ZOUMAS C E，BAKIRTZIS A G ，THEOCHARIS J B ，et al. A genetic algorithm solution approach to the hydrothermalcoordination problem ［J］. IEEE Transactions on Power Systems，2004，19（3）： 1356-1364.

［16］ 梁桂星，崔亞莉，黃奇波，等. SWAT模型在無水庫出流量資料流域的研究與應用［J］. 人民珠江，2021，42（8）：33-40.

［17］ 吳文鳳，李家世，劉曉帆. 樞紐下游航道整治設計最小通航流量研究［J］. 水運工程，2020（10）：133-137.

［18］ 侯家其，陳聰，田遠洋，等. 基于梯級POA優化調度模型的水庫調節能力分析［J］. 人民珠江，2021，42（3）：94-99.

［19］ 李崇浩，李樹山，唐紅兵，等. 基于分段負荷構建策略的梯級水電短期優化調度方法［J］. 人民珠江，2023，44（6）：53-62，69.

［20］ 趙思琪，徐煒，陳思，等. 基于改進調度圖的跨流域水庫群供水調度研究［J］. 人民珠江，2023，44（10）：62-70.

［21］ 羅紅兵. POA算法在水庫優化調度中的應用［J］. 陜西水利，2018（6）：127-129.

［22］ 陳思，徐煒，趙思琪，等. 考慮農業需水的龍溪河流域水庫群聯合調度研究［J］. 人民珠江，2023，44（8）：50-57.

［23］ 李忠勇. 電站日調節對河流匯口通航水流條件影響研究［D］.重慶：重慶交通大學，2023.

（責任編輯：向飛）

基金項目：重慶市技術創新與應用發展重點項目（CSTB2022TIAD-KPX0198）;重慶市水利科技項目（CQSLK-2022001、CQSLK-2022006）;水利部重大科技項目（SKS-2022076）;三峽后續工作項目（CQS23C00399、CQS23C00400）