漳泽水库兴利调度研究

王文浩 申 瑜 张 蔷

（1.长治市水文水资源勘测站 山西长治 046000；2.山西省水文水资源勘测总站 山西太原 030000）

随着社会经济的不断发展，用水量不断地增加，水资源供需矛盾日益突显。为了有效发挥水库效益，有必要开展水库兴利调度研究。在大数据的时代，从海量数据中发现事物演变过程，寻找其变化规律，水库兴利调度系统基于大数据理念，通过收集大量数据，建立模型预测水库来水量，以满足水库兴利需求，提高水资源利用率。

1 概况

漳泽水库位于山西省长治市潞州区，属于海河流域南运河水系。水库自投入运用以来，在保障工农业用水方面发挥了重要作用，主要承担了长治钢铁厂、漳泽发电厂、王曲发电厂等主要工业企业的供水任务。建库近五十年来，向长治地区工业供水总量达15 亿m3，农业灌溉供水2.0 亿m3。水库共拦蓄了6 次较大洪水，减免损失共计1.45 亿元。水库下游防洪保护范围为11.5 km2，2018 年以来，漳泽水库平均蓄水量不足1亿m3，水库改建后设计总库容为4.27 亿m3，蓄水库容不到总库容的1/4。漳泽水库兴利调度系统的开发目标就是建立具有数据处理、中长期预报和水库兴利调度等功能、完整而实用的预报调度系统，为水库的兴利服务。

图1 漳泽水库控制流域河流水系图

2 中长期预报方法

传统的中长期预报方法主要有成因分析和水文统计方法[1]。近年来，计算机技术的发展和新的数学方法的不断涌现，为中长期水文预报拓展了新的途径。随着计算机的快速发展，神经网络也逐渐被引进到水文预报中，提高了预报精度。

2.1 BP 神经网络

人工神经网络，可用于处理复杂非线性系统，实现非线性关系的识别和映射。神经网络具有强大的非线性信息并行处理能力，可以避免其他人工智能方法依赖于直觉的缺陷[2]。随着神经网络理论本身的不断发展，以及对相关理论和技术的不断探索，神经网络已经广泛应用于水文行业。本文采用三层BP 神经网络模型，主要包括输入层、隐含层和输出层，层与层之间的神经元通过全互连型方式连接。神经元模型见图2。

图2 神经元模型

可以认为神经元模型包括6 个部分：1）一组输入，即x1，x2，……，共R 个，作为神经元的输入信号，输入的影响因子；2）一组连接，即w1，……，神经元对应每个输入信号的连接权值；3）一个神经元阈值即b，b 值的变化可以相应地增加或者降低激活函数的模型输入，使神经元更加敏感而去影响下一神经元；4）一个加法器即∑=∑WiXi，用于计算输入信号对神经元的加权之和，具有反映神经元时空整合功能的作用，是神经元的净输入；5）一个激活函数也称之为传递函数、响应函数，即f，用于限制神经元的输出到有限范围内，它决定了神经元的输出方式，本文选用正切S 型函数；6）一个输出即a，作为神经元的目标输出，输出的径流量预报值。

2.2 秩相关秩相似模型[3]

秩相关秩相似模型是物理统计方法，利用求秩相关系数的方法去查找出相似因子，并且对秩相关系数进行显著性检验，最终选取相似预报因子，建立预报方程。

3 枯季径流预报

枯季径流量主要受气候、土壤、植被、地质等自然因素，以及水利工程调蓄等人为因素影响。枯季径流量主要来源于河网退水，降雨量影响较小。枯季径流预报方法主要包括退水曲线法、前后期径流相关法、河网蓄水量法及神经网络等。本文漳泽水库枯季径流预报（1-5 月）模型主要采用秩相关秩相似法与BP 神经网络进行对比分析。

3.1 BP 神经网络模型

采用BP 模型预测1-5 月份径流量，由于枯季径流主要是地下蓄水，和降雨相关性较小，本文选择上年6-11 月径流量作为影响因子，预报本年1-5 月径流量，详见图3。

图3 BP 神经网络模型模拟图

3.2 秩相关秩相似模型

首先利用秩相关系数筛选出显著因子，然后将筛选出的相似预报因子建立预报方程。影响因子为上年6-11 月径流量，预报1-5 月径流量。6 月份秩相关系数为4.511 2，7 月份秩相关系数为4.724 5，8 月份秩相关系数为7.431 4，9 月份秩相关系数为6.966 9，10 月份秩相关系数为10.409 2，11 月份秩相关系数为11.665 1。选取秩相关系数较大的10 月、11 月作为预报因子，预报2021 年1-5 月份径流量为3 438 万m3。

采用BP 模型预测1-5 月份径流量，漳泽水库2021 年1-5 月份径流量为3 257 万m3。2017 年开始二贤庄水文站受施工影响停测，因此入库径流资料缺少部分径流量，同时整编资料目前缺少2020 年12 月径流资料，上述因素均可能对模型精度造成一定的影响。

3 水库兴利调度

兴利调度为水库工业、农业、生活水使用策略提供最大的供水保障，不同用水对象供水保证率不相同，兴利调度调节尺度为月，除对工业农业与生活提供用水，还考虑了水库蒸发、生态基流。在保障各方用水的情况下，提供最佳用水量调度。漳泽水库的供水对象为工业、生态用水。

水量平衡方程：S（t+1）=S（t）+IWQ（t）-TWV（t）-EWV（t）-RLC（t）-SU（t）

其中：S（t）、S（t+1）分别为t 时段初、末水库蓄水量；IWQ（t）为t 时段的入库径流量；TWV（t）、IWV（t）分别为t 时段的城市生活供水量（此项为零）、工业需水量；EWV（t）、RLC（t）分别为t 时段的环境生态用水量、水库损失；SU（t）为t 时段的弃水量。

采用POA 算法[3]，在满足各个用水需求的条件下，尽量使水库水位保持在较高，即弃水量最小。逐步优化法是将调度过程划分为若干个时段，对各个时段进行滑动寻优，从而达到全局最优。这样的过程使每一次的寻优对于它的初值和终止值来说都是最优的，且算法本身收敛，能得到整体最优解，但这种算法对于初始调度线的要求较高。在采用POA 算法求解漳泽水库优化调度模型时，目标函数为效益函数（其中目标函数主要为蓄水量最大），约束条件为水量平衡方程、泄流能力和水位约束，然后将调度期设为24 h，且调度期初始时刻的水库水位为实时水位，经过一个调度周期后，得到终止时刻的水库水位。

漳泽水库供水对象为工业供水和生态用水，供水保证率为95%。统计得到2014-2018 年漳泽水库供水情况，预计2021 年供水量为3 257～3 438 万m3，按照每月工业供水量为258 万m3，10 月至次年5 月份非汛期最小生态基流10%为0.50 m3/s。供水对象确定后，设置水位控制约束条件，优化调节参数，从而找到最优供水方案，详见图4 及表1。

表1 漳泽水库预测调度结果

图4 水库出入流流量与水位变化图

4 结论

采用漳泽水库兴利调度模型，预测2021 年1-5月份水库入库径流量，通过监测1-5 月份漳泽水库实际入库径流量为3 766 万m3，相对误差为9%，为水库兴利调度提供理论依据，能够保证在不超过汛限水位下多蓄水的目标要求。重大水旱灾害一直是制约我国流域用水安全、沿岸人民安康的重要因素，科学高效地实现水库兴利调度意义重大。漳泽水库兴利调度系统的建设，实现了水库径流量趋势性预测，预测水库是处于丰水年还是枯水年，提前规划水库调度方案，在不超过汛限水位前提下，达到水库多蓄水的目的。该系统的建设将水文预报与水库调度深度耦合，并实现了以兴利为主的工程调度。