水库洪水调度方案的解析驱动方法研究与应用

唐海华，黄瓅瑶，冯快乐

(长江勘测规划设计研究有限责任公司，湖北 武汉 430010)

洪水调度是水库防洪度汛工作的核心要务。目前，围绕水库防洪调度已开展了大量的理论、技术与方法研究[1-5]，相关成果已广泛应用于我国各大流域、省市的防汛抗旱指挥系统[6]、智慧水利业务应用系统[7]，以及各级电网调度机构、梯级集控中心、水库电厂的水调自动化系统[8-14]，在流域防洪减灾领域发挥了重大作用。模型是支撑洪水调度决策的关键基础，主要以防汛管理机构颁发的洪水调度方案为依据，梳理出核心条款和执行逻辑，以程序代码开发实现后才能为洪水调度决策提供计算支撑。

由于不同水库的工程规模、防洪任务、调度目标和控制方式等各不相同，其洪水调度方案成果也各有差异；目前尚缺乏通用的洪水调度方案适配技术，主要依赖开发人员定制开发才能将方案成果转化为模型计算资源。若水库的洪水调度方案发生改变，则必须由开发人员调整对应的调度规程模型后再对软件进行更新升级。近年来，随着人类活动对流域产汇流及洪水演变规律的影响日益加剧，很多大中型水库的防洪任务、要求、目标频频改变，同一水库不同年份的洪水调度方案通常存在差异，甚至很多原设计不承担防洪任务的水库也开始逐步纳入防洪体系。因此，在防汛调度实际工作中，水库洪水调度方案的修编调整及新增扩展越来越频繁。现有的定制开发升级模式已遭遇了极大挑战，模型更新效率较低，升级维护困难。这在很大程度上削弱了水库洪水调度方案在实时调度场景下的支撑作用，严重影响了水库洪水调度的模拟计算时效性及决策响应效率。

针对以上问题，本文以国内50余座不同类型水库的洪水调度方案为基础，深入分析不同洪水调度方案的内在结构、逻辑联系及语义描述方式等共性规律，研究提出洪水调度方案的结构化解析存储方法，将不同水库洪水调度方案的文字描述全部转化为具有完整逻辑关联的量化条款库，并设计通用的驱动引擎，采用面向服务方式进行模型化封装后提供在线计算支持[15]。决策者只需梳理出洪水调度方案中的规程条款，通过界面录入系统数据库，即可支撑洪水调度计算。

1 总体思路

水库洪水调度方案解析驱动的总体思路为：首先，深入解析水库洪水调度方案中的来水形势、调度需求、调度目标、调度对象、启用条件、运行方式等各类调度要素，挖掘出各类调度要素的特征值及不同调度要素之间的语义逻辑关系和内在规律，创建一套通用的结构化条款描述框架，将洪水调度方案的所有条款和特征值进行量化、逻辑化和关联化，形成一套可适配不同水库洪水调度方案的通用性结构化解析体系；其次，设计相应的库表结构标识符，对水库洪水调度方案的结构化条款进行统一存储，并通过可视化界面实现所有水库洪水调度方案结构化解析成果的管理维护；然后，建立一套驱动引擎，根据水库的蓄水状态、入库洪水智能适配出满足当前水库状态的调度条款并完成调度计算，并模拟多种调度场景调用驱动引擎进行模拟计算，校核验证调度条款解析成果的准确性和闭环性；最后，将驱动引擎封装为通用计算服务集成到洪水调度系统软件中，在实时调度场景下，设置水库的起调水位和预报洪水过程后，就可快速完成调度计算。

2 技术方案

2.1 结构化逻辑解析

采用“九项三类”增量式结构化方法对水库的洪水调度方案进行条款化解析。九项指编码、判别因子、判别方式、判别值、决策类型、决策因子、决策值、关联条件、是否排序共9种调度要素。三类指判别依据、决策措施和组合条件共3种逻辑表达类别。其中，判别依据由判别因子、判别方式和判别值构成；决策措施由决策类型、决策因子和决策值构成；组合条件由关联条件和是否排序构成。

(1)编码，按水库洪水调度方案梳理形成的调度条款序号，取自然数，必须唯一；同时也作为调度条款在驱动引擎中的执行顺序，编码越小，优先级越高。

(2)判别因子，主要包括TINQ、INQ、ZB、MONTH、MONTH-DAY、OUTQ、PREHOUR、PREINQ、MAXZ、MAXQI、FCOID、FCOZ、FCOQ等，分别代表时段号、入库流量、时段初水库水位、月份、日期、出库流量、预泄小时数、预泄依据流量、最高水位、入库洪峰、防洪对象编码、防洪对象水位、防洪对象流量，可增量扩展。

(3)判别方式，指各判别因子的逻辑表达方式，包括≥、>、≤、<、=。

(4)判别值，对应判别因子和判别方式的特征值，包括数值、TMAXINQ(洪峰时段号)等，可增量扩展。

(5)决策类型，主要包括前提条件、辅助条件、数值计算、模式控制、边界约束、防洪对象、特征统计等类别，可增量扩展。其中，前提条件用于计算前判别，是判断当前条款是否有效的前提依据；辅助条件用于计算时匹配，是适配当前判别条件的辅助信息；数值计算用于按照给定的决策数值进行计算；模式控制用于按照给定的决策方式进行模拟控制；边界约束用于计算后处理，要求计算完成后必须满足该条件，如不满足，则按给定边界反算；防洪对象要求针对防洪对象的给定指标进行水库决策控制；特征统计用于全局后处理，统计满足给定条件的特征值。

(6)决策因子，主要包括ZE、OUTQ、RIGHT、FCOZ、FCOQ、MAXZ、MAXQO等。其中，ZE、RIGHT、MAXQO分别代表时段末水库水位、调度权限和最大泄洪流量，其余同判别因子，可增量定义。

(7)决策值，主要包括出入库平衡、敞泄、入库洪水演进、出库洪水演进、数值、字符串等，可增量扩展。其中，出入库平衡代表按来多少泄多少维持水库水位不变，敞泄代表按最大泄流能力泄洪，入库洪水演进、出库洪水演进则分别代表按入库流量、出库流量往下游防洪控制对象进行洪水演进计算，这几类与决策类型中的模式控制对应；数值与决策类型中的数值计算对应，代表按给定数值进行计算；字符串与决策类型中的特征统计对应，代表按给定的字符串返回结果。

(8)关联条件，指与当前条款同时生效的配套组合条件，仅提取判别因子、判别方和判别值作为关联依据。若有多个，则所有关联条款编码按英文逗号分隔。

(9)是否排序，用于确定当前条款是否需要按编码顺序执行，为0-1(0表示不排序，1表示排序)型变量。

2.2 条款化存储管理

所有水库的调度条款按表1结构在数据库中进行统一存储管理。针对该表开发配套的可视化管理工具，提供查询、修改、新增、删除、保存等功能，当某水库的洪水调度方案修编或新增后，决策者通过该界面即可实现对调度条款库的配套调整。

表1 水库洪水调度条款库存储结构

2.3 智能化驱动引擎

洪水调度条款库生成后，通过驱动引擎支撑在线计算，将水库洪水调度条款库与调度运行的时间序列及状态数据进行耦合，智能适配出不同水库对象在不同运行状态下的对应调度条款，为水库的全过程调度运行提供决策依据，并完成模拟调度计算，主要流程如图1所示。

图1 驱动引擎流程

(1)调度条款提取。根据水库编码从调度条款库中提取当前水库的所有调度条款，按I×9的二维表格rule[I][9]进行存储。I为当前水库条款总数，9为每个条款对应的九项调度要素。若按水库编码获取的调度条款库为空，为保证引擎顺利执行，采用出入库平衡方式作为缺省逻辑。

(2)决策分组与排序。将决策类型rule[I][4]为数值计算、模式控制、防洪对象、边界约束和特征统计的所有条款提取出来，依次存储为A、B、C、D、E等5类。数值计算A类，存放数值控制方式的所有条款；模式控制B类，存放按固定模式控制的所有条款；防洪对象C类，存放按照防洪对象给定条件控制调度决策的所有条款；边界约束D类，存放需要按照给定约束条件进行校核反算的所有条款；特征统计E类存放计算完成后需要统计分析的所有条款。同时，上述各类决策条款根据rule[I][8]判断是否存在执行顺序，对所有需要按顺序执行的条款按rule[I][0]的编码从小到大排序。

(3)时序循环。根据水库的起调水位和入库洪水过程，逐时段循环执行条件判断、决策执行和边界约束。条件判断用于确定与当前水库状态匹配的唯一调度条款，判断流程如图2所示，针对面临时段的水库状态，遍历所有调度条款，分别提取判别因子、判别条件和判别值与水库的状态数据进行对比，若水库状态与判别条件完全匹配，则返回当前条款，否则继续循环，若所有调度条款都无法匹配，则返回空条款；决策执行以条件判断的返回条款为依据执行模拟调度计算，若返回空条款，则按出入库平衡执行；约束边界以边界约束条款为依据，提取判别条件，按判别值控制判别因子进行约束控制。

图2 条件判断流程

(4)特征统计。当时序循环执行完成后，按照特征统计E类逐条执行特征统计，完成后返回水库各调度时段的入库流量、出库流量、库水位等所有详细过程结果及各类统计结果，驱动引擎执行结束。

2.4 校核封装与调用

水库的洪水调度方案往往只对一般性情况下的洪水应对方式进行了规定，不一定完整；同时，在结构化逻辑解析过程中，也可能出现解析错误或遗漏。因此，洪水调度条款库必须进行校核修正。结合水库在洪水调度方案中规定的水库水位及入库洪水覆盖范围，可模拟大洪水、中洪水、小洪水及破坏条件4类调度场景，分别调用驱动引擎进行模拟计算，然后逐时段人工校验调度条款的驱动结果与洪水调度方案文本中的运行方式描述是否相符。大洪水、中洪水和小洪水调度场景主要用于验证调度条款解析成果的驱动执行是否正确，破坏条件调度场景主要用于验证调度条款解析成果的驱动执行是否闭环，确保调度逻辑完善。若校核过程中发现问题，则针对性修正调度条款，确保调度条款库合理有效。最后，采用http服务方式对驱动引擎进行模型化封装即能为各类系统提供计算支持，包括计算服务、输入体和输出体三部分。其中，输入体主要包括水库的调度期、时段步长、起调水位、入库流量过程、库容曲线、泄流能力曲线、调度条款库等信息；输出体主要包括水库水位、入库流量、出库流量等详细过程数据及各类特征统计结果；计算服务则通过URL地址按POST方式进行调用，调用输入体和执行返回输出体中的所有数据信息统一采用JSON格式进行组织传递。

3 应用案例

以河北滦河潘家口水库为例，主汛期7月1日至8月15日，后汛期8月16日至9月30日，洪水调度方式主要为：主汛期，若预报入库洪峰达14 000 m3/s，则在涨水段提前12 h按700、2 200、3 400 m3/s和6 000 m3/s 4个流量级预泄，然后再根据入库洪水按6 000、14 000、28 000 m3/s 3个流量级控泄；后汛期同主汛期的三级流量控泄方式。按本文方法对该水库的洪水调度方案进行调度条款解析，经校核修正，共确定出48条调度条款，其中涨水段部分见表2。

表2 涨水段调度条款库

以第10条为例，其面临时段的解析规则可描述为：在7月1日至8月15日期间，若预报入库洪峰达到14 000 m3/s，处于涨水段，且12 h后的预报流量小于2 220 m3/s，则按12 h后的预报流量进行预泄控制，且时段末水位应介于216～218 m之间。

设调度开始时间为2020年7月14日8时，时段步长3 h，时段个数24(即调度期3 d)，起调水位217.5 m，模拟一场入库洪水过程，调用驱动引擎进行模拟调度计算，其入库流量及计算结果过程详见表3。

表3 计算结果

本例入库洪水发生在主汛期，洪峰25 314 m3/s，在涨水段中，14日11时和14时满足第10条规则，分别按12 h后对应的预报流量进行预泄；14日17时满足第14条规则，按3 400 m3/s流量下泄；14日20时至15日5时满足第16条规则，分别按6 000 m3/s流量下泄，其中14日20时因不满足216 m最低水位约束，出库流量调减至5 988 m3/s；15日8时至16日2时满足第21条规则，分别按14 000 m3/s流量下泄，但部分时段受泄流能力限制，实际出库流量小于控泄要求；16日5时和8时满足第24条规则，原则上应按28 000 m3/s流量下泄，实际受泄流能力限制，均按泄流能力下泄(退水段分析过程相同，略)。由此可见，按本文解析驱动方法进行入库洪水模拟计算，其调度结果与洪水调度方案文字描述完全吻合。

4 结 语

本文提出的水库洪水调度方案解析驱动方法具有较强的通用性，不限定任何流域水库对象、开发语言和架构模式，可直接以模型服务为各类系统软件和调度场景提供计算支持；同时，还实现了水库洪水调度方案关键要素的量化表达，调度方案修编后直接修改调度条款库即可生效，方便快捷。本文给出的判别因子、判别值、决策类型、决策因子、决策值等调度要素取值类型，全部来源于笔者对国内50多座水库洪水调度方案进行驱动解析的应用实践。实际应用中，水库洪水调度方案涉及各类的调度要素并不局限于本文给出的取值类型，需结合实际情况进行增量式扩展，并在驱动引擎中对新增取值类型进行同步扩展，但并不改变解析方法和存储结构。因此，本文成果只有推广应用到更多的水库工程，才能不断增强驱动引擎的通用化适配能力。此外，本文方法仅考虑了单一水库的洪水调度，对于发电、生态、灌溉、供水等其他调度目标以及水库群联合防洪调度方式等尚未考虑，其适应性还有待进一步开展研究和分析验证。