基于多尺度天气预报技术的水库流量预报平台应用研究

毛镇南

(广州市黄龙带水库管理中心，广东 广州 510000)

1 工程概况

黄龙带水库位于广州市从化区东北部，坝址位于流溪河支流汾田水下游，坝址以上干流长度21 km，是一座集防洪、灌溉、发电为一体的中型水库，最大库容9097万m3，集雨面积92.3 km2。主要建筑物包括主坝一座(浆砌石重力坝，坝长183 m，最大坝高61.3 m)、溢洪道一处、电站两座(总装机容量为 8800 kW)、输水隧洞二条(其中大坝至一级电站为194 m有压隧洞，引水明渠冲沙闸至二级电站前池为566 m无压隧洞)、860 m引水明渠一条。水库大坝自建成以来运行正常。大坝于2017年进行安全鉴定，鉴定为一类坝。库区雨量分配很不均匀，10月—次年3月份量少，4—9月份量大。流域洪水一般发生在4—10月，4—6月以前汛期降水和梅雨降水为主，7—10月以台风暴雨为主。流域上游为山地，河道坡降较大，发生大暴雨时，常形成陡涨陡落的大洪水，洪水历时短，洪流大。

目前黄龙带水库虽然建有大坝安全数据监测系统，但水库调度、水资源调节依然靠人工经验进行，缺乏面向水库安全管理业务需求的数据与应用平台，分析滞后，不能及时给出决策支持。

2 入库流量实时预报平台

2.1 短临(0～3 h)降水预报模型

目前，气象上先进的定量降水预报主要依靠数值天气预报模式，而世界最先进的数值天气预报模式目前对未来0～3 h的降水预报效果都很差，关键原因是数值天气预报模式的“spin-up”问题没有得到有效解决，计算效率较低，不能满足0～3 h预报需求。

对0～3 h的客观降水预报方法主要是采用雷达图像外推方案。雷达图像外推方案具备较高的时效性，较小的计算量，较高的空间分辨率和时间分辨率。深圳市气象局建立的短时临近预报系统就是基于光流法的雷达外推方案，取得了不错的预报效果。但是传统的光流法面临的最大问题是无法估计无降水区域的流场，1 h以后的降水预报误差显著增大。这增加了水文模型对城市内涝的不确定性和误差。

为了给水文预报模型较好的预报降水驱动，本项目在传统光流方法短临降水预报方案的基础上，研发一种新的雷达外推短临外推方案。主要研究思路是利用数值天气模式预报的风场信息，结合传统光流法计算的风场(流场)，建立一种新的雷达外推短临预报方案。3 h内的预报目前已实现逐6 min更新。

2.2 多数值天气预报模式降水的集合预报

降水是天气预报中最难预报的变量，也是预报准确度最低的变量之一。各个数值模式对降水的预报存在很大的区别，特别是在精细化(分辨率<1 km)格点定量降水预报的难度会更大[1-3]。数值天气预报模式虽然能够较好地给出降水量的预报，但其精度远远没有达到经济社会发展的需要。每种数值天气模式对降水的预报均存在一定的不足，但都有自己的优点。为了减小高分辨率降水预报的不确定性，尽量提高降水预报的精度，为水库调度提供精确的降水量预报，采用中国气象局的多源降水预报产品，开发多模式集合降水预报产品，提高降水预报的精度。传统的集合方法采用简单的平均法，而本项目根据模式预报效果，研究各模式降水预报特点，根据各个模式将降水预报的误差确定集合权重[4-5]，获取最优的降水预报。目前，针对黄龙带库区实时运行，每小时更新一次未来7 d的预报。

2.3 入库流量预测方法

在实际运行调度时，根据历史的径流资料或随机径流资料建立的调度计划模型都不具有完全优先的指导意义，水库优化调度中最重要的问题在于如何增加对来水预报的准确度。采用先进的降水集合预报技术以及集合预报结果的后处理分析技术，并在此基础上，根据各个时间尺度的降水预测和水库的特性资料，利用机器学习的方案建立面雨量与入库流量之间的统计学联系[6-7]。

从分析结果看(图1)，降水的日增量与流量的日增量存在很好的相关关系，周降水的增量与流量的增量呈现更好的线性相关，相关系数达到0.83，月降水量与月入库流量的线性相关达到0.85。由此可见，不同时间尺度的入库流量和降水变化的关系有所不同，基于此，建立了不同时间尺度降水与流量的预测模型。目前，针对黄龙带库区实时运行，提供未来2 d逐小时(每小时更新)、未来10 d逐日(每小时更新)、未来5周逐周(每日更新一次)的入库流量预报。

图1 不同时间尺度降水量与入库流量的关系

2.4 实时预报平台

初步建立了入库流量的实时预报平台，依托平台进行统筹计算管理，平台承载的核心功能模块主要为以下3个部分：

(1)多源采集核心模块。主要适用于调度生产的原始计算数据接入处理场景，面向结构化、半结构化、非结构化数据提供统一配置化接入。

(2)融合清洗核心模块。主要适用于调度生产中逻辑处理场景，提供数据清洗、融合、归一化处理，最终通过计算模型输出多维度计算结果。

(3)数据产品核心模块。主要包含精细化无缝隙气象预报、入库流量预测、中长期优化运行建议和短期优化运行建议。旨在从降水预报到运行优化建议，为水库优化调度提供全方位数据依据。

本产品通过PC终端人机互动的方式，及时精准地反演水库/水电站在未来一段时间降水量、流量与水位之间的关系，以及提供全尺度的气象预报和对指定时间范围内的历史数据查询功能。产品特色在与集降水量-流量-水位多时间跨度可视化展示。

3 应用实例

对2021年1月1日—8月31日的预报进行了详细的评估。评估对象主要有降水、水位和入库水量，时间分辨率为日尺度，预报更新频率为24 h、12 h、3 h和1 h。评估方法主要采用概率统计、绝对误差、平均值、中位数等。

3.1 降水评估

图2给出了预报降水和实测降水对比。

图2 预报降水和实测降水对比

从图2可以看出，对大部分降水预报而言，12 h更新一次的未来24 h预报误差较小，12 h降水误差中位数为0.17 mm。对强降水预报而言，更新频率越高，预报技巧越好，3次60 mm以上的日降水，有2次预报与实况接近。总体而言，大部分日降水量均在40 mm以下，预报和观测接近，预报效果良好。

3.2 水位对比

图3给出了预报水位和实测水位对比。

图3 预报水位和实测水位对比

从图3可以看出，实测水位和预测水位基本在对角线上，表明预报水位和实测水位对应较好，对水位的预报总体偏差很小。通过对比不同更新频率的结果可以看出，预报更新频率越高，效果越好。更新频率为12 h、3 h和1 h预报的水位平均绝对偏差为0.01 m。

3.3 入库水量

图4给出了预报入库水量和实测入库水量对比。

图4 预报入库水量和实测入库水量对比

从图4可以看出，对入库水量总体预报较好，也呈现出更新越频繁效果越好，每小时更新的平均偏差为0.21万m3，偏差的中位数为0.13万m3。对异常量大的入库水量，每天更新一次的效果更好，这和24 h降水预报更为平滑有关，表示各个更新频率的预报均有意义，需要有针对性地使用，而且预见期越长针对性地调度可能性越大。

4 结 论

(1)本次研究结合多模式降水集合预报数据，研究和认识不同时间尺度降水的不确定性。利用机器学习算法建立降水和洪水之间的非线性联系，研发基于机器学习的洪水预报模型，并将降水预报的不确定性与洪水预报模型相结合，研究降水不确定性对洪水预报的影响。

(2)建立洪水预报和水库精细化调度管理平台，结合最新的天气预报数据能实时提供未来小时-日-周-月尺度的入库水量、坝前水位预报产品，并实现实时滚动更新。