双江口水库对下游梯级水库群发电-航运联合调度影响研究

摘 要：选取岷江流域为研究对象，按双江口水电站投产前后划分2种情景，构建SWAT水文模型和水库群联合调度模型，对比分析双江口水电站对下游梯级水库群发电与航运的影响。研究结果显示，在双江口水电站运行后，下游梯级电站入库流量显著提升，有效增加了水库兴利库容。目标水库群在每年枯水期平均发电量增加了50. 59亿kW·h，其中双江口水库枯水期平均发电20. 36亿kW·h，经济效益增幅超过16亿元；目标水库群年平均发电量提高了139. 58亿kW·h，其中双江口水库年均发电108. 69亿kW·h，经济效益增幅超40亿元。此外，岷江高场站的航运流量在不同保证率下也有所提升：90%保证率下提升了15. 48%，95%保证率下提升了13. 11%，98%保证率下提升了7. 74%。研究结果为大型水库群枯水期联合调度及航运优化提供了重要的决策支持和理论指导。

关键词：枯水期；发电量；航运流量；大渡河梯级；双江口水电站

中图分类号：TV697 文献标识码：A 文章编号：1001-9235（2024）09-0056-08

随着经济社会发展，流域水库群规模不断扩增，大型水电站不断建设投产：金沙江流域新增了乌东德和白鹤滩水电站；雅砻江流域新增了二滩和锦屏梯级水电站；岷江流域新增了双江口水电站。面对三峡上游枢纽群枯水可调节库容大幅增加的新情况，在遵循现有《长江流域水工程联合调度规程》［1］基本原则的前提下，开展三峡及上游大型水库群中枯水期的联合调度航运优化研究有着重大意义。

近年来，SWAT（Soil and Water Assessment Tool）模型广泛应用于流域径流模拟中。杨春［2］提出SWAT模型可以很好地应用于水资源分析，有效解决下垫面变化及人类活动对水文循环的影响。陈佳蕾等［3］基于SWAT模型对大汶河流域进行径流还原，并通过SUFI-2算法率定模型参数，证明SWAT模型还原天然径流是可行的。贾何佳等［4］采用SWAT模型对黄河源区进行径流模拟，其主要水文站模拟值接近于实测值。

流域内大型水电站的建设投产对下游梯级电站运行以及航道航运流量将产生一系列的影响。李家世等［5］基于岷江梯级电站的建设周期，指出梯级电站的建设对下游航道的通航流量有显著增效；张明等［6］以大藤峡水利枢纽为例，提出其对下游航道设计最小通航流量具备显著提高02wzijoeGkjoIm3BECdrJg==的效果；舒卫民等［7］通过对乌东德和白鹤滩水电站的运行分析，强调了对下游梯级电站补水效果显著以及发电补偿效益的提升；湛洋等［8］则通过双江口水电站投产前后的比较，阐释了其对大渡河梯级电站的发电补偿效益。

在枯水期，受来水量减少的制约，满足航运的补水需求意味着需要调整水库的运行方式，可能会对电站的效益产生负面影响［9］。因此，如何协调调度发电与航运目标显得尤为关键。王学敏［10］建立了汛期航运-防洪和蓄水期航运-生态-发电的多目标优化模型；周建中等［11］提出了汛期水库多目标优化调度模型，增加了汛期通航保证率以及发电量；张先平等［12］对三峡-葛洲坝梯级水库群兼顾航运需求的调度研究，提出应开展长江上游梯级水库联合调度对枯水期补水能力的研究；田锐［13］提出目标为发电量最大，通航以及生态破坏最小的流域水库群多目标优化调度模型，以此提升水库群的综合效益。Fu［14］构建一种目标函数以用水和发电为目标的梯级水电站调度模型。Zoumas等［15］以防洪风险、供水保证率和发电效益等联立效益函数，构建了水库站群调度模型。

基于前人研究基础，本文以岷江流域为研究对象，按双江口水电站投产前后划分2种情景，提出建立枯水期水库群联合调度模型，并以日尺度作为时间基础，从逐日调度过程中分析评价大型水电站建设投产对下游梯级电站及航道航运流量的影响。首先基于SWAT模型获取水库群区间径流，在此基础上，以总发电量最大为主控目标，航运及生态缺水量最小为副控目标，构建水库群联合调度模型，并对模型进行优化求解，从逐日调度过程中进行结果比较分析。研究结果为大型梯级水库群枯水期联合调度以及航运优化提供了重要的决策支持和理论指导。

1 研究方法

由于流域内的水文资料主要来源于水文站点的实测数据，而这些数据并不适合直接用于调度计算，需要以区间径流信息作为水库群调度计算的输入。本文采用径流还原方法［3］，利用SWAT模型对水库群的区间径流进行模拟计算，进而构建了水库群多目标联合调度模型。通过逐次最优算法（Progressive Optimality Algorithm，POA）的求解，得出了长系列日尺度的调度结果，并从中剖析了双江口水电站并网投产后，在发电与航运多目标协调调度下对下游梯级电站发电效益及最低航流量的正面影响。方法过程见图1。

1. 1 SWAT模型建立

构建SWAT模型主要过程如下：①输入地理高程数据（Digital Elevation Model，DEM），划分子流域；②输入土地利用与土壤分类数据；③输入气象数据；④运行模型进行汇流演算；⑤通过SUFI-2算法对模型进行参数率定；⑥用纳什系数（CNS）和径流总量相对误差（δ）进行精度评价。

由于1960—1990年水文站实测径流资料受人类活动影响较小，可以作为天然径流进行参数验证和精度评价［16］，选择纳什系数和径流总量相对误差作为模型率定期和验证期精度变化的评价指标，其中CNS越接近1，表明模型精度越高，δ 越接近0，表明径流总量相对误差越小，模型精度越高。

式中：Qobs 为实测径流值；Qsim 为模拟径流值；- Q obs 为实测径流平均值；Wobs 为实测径流总量；Wsim 为模拟径流总量；n 为时间长度。

1. 2 水库群调度模型构建

水电站在发电的同时，需兼顾航运、生态保护及城市供水等多领域用水需求，特别是航运和生态流量与发电流量存在较高的同步性和复用性［17］。基于此，本研究以优化发电量为核心目标，同时将保障生态流量和航运流量的需求作为约束条件，对水库群进行综合调度模拟。在多目标调度模型的构建过程中，主要将发电效益最大化作为主导目标，同时考虑将航运和生态环境的缺水风险最小化作为次要目标，具体的目标函数见式（3）：

式中：N 为水库数量；T 为时间长度；α、β 为惩罚系数；Qhypow，i，t 为水库i 在t 时段的发电流量。

发电量计算见式（4）。

Ni，t = 9.81ηQhypow，i，t Hhypow，i，t （4）

式中：η 为出力系数；Qhypow，i，t 为水库i 在t 时段的发电流量；Hhypow，i，t 为水库i 在t 时段的发电水头。

在满足发电量最优并同时提升航运和生态流量目标的情况下，在目标函数求解过程中对航运、生态的约束条件见式（5）、（6）。

航运缺水量惩罚：

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

式中：Qe，nag，i，t 为水库i 在t 时段的航运流量；Qnag，i，t 为水库i 在t 时段的实际下泄流量。

生态缺水量惩罚：

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

式中：Qe，eco，i，t 为水库i 在t 时段的生态流量；Qeco，i，t 为水库i 在t 时段的实际下泄流量。

其他约束条件包括水库水量平衡约束、水库库容约束、电站出力约束、水库出流约束。

本文结合POA 求解模型，逐步得到全局最优解，通过对水库群调度过程的不断优化，保证总发电量最大和航运及生态缺水量最小。POA算法在优化路径选择上具有显著优势，能够保证针对每一个决策集合，在其初始和终止值间实现最优状态。此外，得益于POA算法无需对状态变量进行离散化处理，从而能够得到更高精度的解决方案［18-22］。

2 研究实例

在岷江流域内，已建有多座供水水库和水电站。本研究选取大渡河流域的双江口、猴子岩、长河坝、大岗山、龙头石、瀑布沟、龚嘴、铜街子等水电站，以及岷江干流上的紫坪铺水电站作为研究对象。其中双江口水电站作为脚木足河和绰斯甲河汇合后的首站，位于河流汇合点下游约2 km处，它不仅是大渡河上游的控制性水库，而且也是大渡河流域梯级电站开发中的一个关键项目。双江口水电站的主要任务是发电，同时参与长江中下游地区的防洪工作，并推动当地经济社会的发展。电站采用坝式建设，正常蓄水位为2 500 m，总库容达到31. 15亿m3，具备年调节能力。

研究区域使用的气象数据来源于中国气象数据网，站点数为57个，包含降雨数据以及气温数据，时间段为1960年1月至2021年9月，区间径流时段以及调度时段同上。目标水文站包括福禄镇、紫坪铺以及高场站，见图2、表1。

3 结果分析

3. 1 水文模型

率定期设置为1960—1980年中连续的径流资料；验证期的设置为1980—1990年中连续的径流资料；还原期为1990—2021 年，迭代次数为500 次。各个控制水文站点的精度指标见表2，其中：①福禄镇站验证期δ 小于率定期δ，表明验证期径流总量相对误差更小，验证期CNS大于率定期CNS，表明验证期径流还原度更高；②紫坪铺站验证期δ 大于率定期δ，表明率定期径流总量相对误差更小，验证期CNS小于率定期CNS，表明率定期径流还原度更高；③高场站验证期δ 小于率定期δ，表明验证期径流总量相对误差更小，验证期CNS大于率定期CNS，表明验证期径流还原度更高。据表所示各个站点CNS为0. 7～0. 8，δ 均小于5%，表明模型可信度高，其模拟结果可以参与联合调度分析。

3. 2 调度结果

按双江口水电站投产前后划分为情景一（双江口未投产）和情景二（双江口投产）。调度结果节选代表水库：双江口、猴子岩、瀑布沟、紫坪铺水电站，时段为2018年1月1日至2020年12月31日，调度过程见图3，其中由于双江口水电站位于大渡河上游，紫坪铺水电站位于岷江干流，且双江口水电站作为不同情景划分基准，故双江口水电站和紫坪铺水电站只有一种情景调度过程。

从图3来看，各水库在汛后均能蓄水至正常蓄水位，枯水期能正常消落水位，对库容利用较为充分，模型调度结果合理。①猴子岩水库受双江口水库直接影响，枯水期1—4月内，水位消落更充分及平稳；汛期内，受双江口水库调洪作用，水库防洪预留库容减少，可保障水库安全运行。②瀑布沟水库同样受上游双江口水库调蓄影响，水库水位消落更充分也更平稳。③汛后9—12月内，情景二中猴子岩与瀑布沟水库均反映出蓄水时间延后的情况，原因在于上游双江口水库蓄水导致部分水资源积蓄于上游，影响下游梯级电站蓄水时间。

节选猴子岩水电站以及瀑布沟水电站2020年枯水期1月1日至4月30日调度过程示例，见图4。从图4可以看出：①情景二中，猴子岩水库入库流量显著增加，且水库水位消落更平稳，3、4月水库维持高水头运行，发电效益更高；②情景二中，瀑布沟水库入库流量显著增加，且水库水位消落更充分，发电效益更高。

大渡河梯级电站枯水期（1—4月）内发电量的情况见表3，情景二中，大渡河梯级电站发电效益显著提升，其中猴子岩水电站提升程度最为显著，提升比例为8. 10%，长河坝水电站发电量提升最多，为9. 55亿kW·h。梯级电站发电量合计提升30. 23亿kW·h。以2022 年上网电价均价0. 308 元/kW·h为例，包括双江口水电站枯水期20. 36亿kW·h的发电量在内，枯水期大渡河梯级水库群将新增效益超16亿元。

大渡河梯级电站年均发电量见表4，情景二中年均发电量比情景一提升了30. 89亿kW·h，以2022年上网电价均价0. 308元/kW·h为例，在双江口水电站全面投产以后，包括双江口水电站年平均108. 69亿kW·h发电量在内，大渡河梯级水库群新增年均效益将超43亿元。

大渡河梯级电站在枯水期的年均增加发电量与全年年均增加发电量的对照情况见图5。从图中可以看出，各水电站枯水期增加发电量在全年总增量中占据了相当大的比重。其中瀑布沟水电站枯水期发电量提升了14. 46%，全年发电量提升了0. 98%，原因在于受上游双江口电站蓄水的影响，蓄水期内有部分水量在上游双江口电站积蓄，导致瀑布沟电站蓄水时间延后，蓄水期内发电量略有减少，但瀑布沟电站在枯水期乃至全年的发电量整体仍呈现出增长趋势。

3. 3 航运流量

高场站作为岷江流域出口的控制水文站，高场站断面流量为岷江干流和大渡河水库群按规程调度后汇流之后的流量。航运流量的提升主要体现在枯水期（1—4月）内，本文节选典型年高场站流量过程为例，典型年划分依据枯水期（1—4月）平均流量，最终选定典型年：丰水年（P=10%）为2001年，平均流量为1 073. 29 m³/s；平水年（P=50%）为1974年，平均流量为952. 16 m³/s；枯水年（P=85%）为1967年，平均流量为879. 52 m³/s。2种情景下典型年流量过程见图6。

从图6可以看出：①由于高场站流量主要以大渡河流量为主导，铜街子电站是大渡河梯级电站末级，其为日调节电站，对日径流过程影响较大，随着枯水期来水量逐渐丰富，高场站流量过程波动逐渐加深，其中最大日变幅为623. 71 m³/s，超95%时段的流量日变幅小于500 m³/s，并未超过安全范围［23］；②情景二中，3种典型年下航道航运流量都呈现显著提升，表明双江口电站的投产运行对下游航道航运流量的补水效果显著。

航运流量保证率以90%、95%、98%为例，经过1965—2021年长系列联合调度，双江口水电站投产前后高场站不同保证率流量对比见表5。高场站90%保证率、95%保证率、98%保证率航运流量分别提升了15. 48%、13. 11%，7. 74%，岷江出口流量提升显著，对岷江航运以及下游航道维护建设有重要参考意义。

4 结语

为分析双江口水电站对下游梯级电站发电效益以及航运流量的影响，通过建立SWAT水文模型对水库群区间径流进行模拟计算，构建水库群联合调度模型对2种工况进行模拟调度，结果表明：①双江口水电站建设投产能显著提高下游梯级电站枯水期来水量，缓解枯水期用水压力；②双江口水电站能显著提高下游梯级电站的发电效益，其中每年枯水期年均增发电量在全年年均增发电量中占比颇重；③航运流量的提升，表明双江口水电站对下游航道的补水效果显著。

综上可知，在枯水期双江口水电站对下游梯级电站以及下游航道都有显著提升效果，突出了大型水电站的投产将提高梯级电站发电与航运的协调能力，使综合收益得到最大提升。研究方法及成果为长江上游水库群枯水期多目标联合调度和补水调度研究提供了参考。

参考文献：

［1］ 徐颖，刘涛. 关于长江流域水库群联合调度的总结与思考［J］.吉林水利，2023（11）：49-52.

［2］ 杨春. 基于SWAT模型的城市水资源评价方法研究［J］. 黑龙江科学，2023，14（4）：80-83.

［3］ 陈佳蕾，钟平安，刘畅，等. 基于SWAT模型的径流还原方法研究：以大汶河流域为例［J］. 水文，2016，36（6）：28-34.

［4］ 贾何佳，李谢辉，文军，等. 黄河源区径流变化模拟及未来趋势预估［J］. 资源科学，2022，44（6）：1292-1304.

［5］ 李家世，刘晓帆. 梯级水库建设对岷江下游航道通航流量的影响［J］. 水运工程，2021（6）：164-167.

［6］ 张明，冯小香，覃昌佩，等. 受梯级枢纽运行影响的航道设计流量［J］. 长江科学院院报，2023，40（12）：1-6，22.

［7］ 舒卫民，李秋平，曹光荣，等. 乌东德白鹤滩梯级水库补偿效益分析［J］. 水力发电，2018，44（12）：74-77.

［8］ 湛洋，黄炜斌，陈仕军，等. 基于POA优化的双江口水电站对下游梯级发电补偿效益研究［J］. 水电能源科学，2015，33（9）：65-68，64.

［9］ 杨悦，张绪进，马光文，等. 岷江梯级水库群航运-发电多目标协调调度研究［J］. 人民长江，2022，53（12）：219-227.

［10］ 王学敏. 面向生态和航运的梯级水电站多目标发电优化调度研究［D］. 武汉：华中科技大学，2016.

［11］ 周建中，李纯龙，陈芳，等. 面向航运和发电的三峡梯级汛期综合运用［J］. 水利学报，2017，48（1）：31-40.

［12］ 张先平，鲁军，邢龙，等. 三峡-葛洲坝梯级水库兼顾航运需求的调度方式［J］. 人民长江，2018，49（13）：31-37.

［13］ 田锐. 基于NSGA-Ⅲ的水库群发电-生态-航运优化调度研究［D］. 武汉：华中科技大学，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，崔亚莉，黄奇波，等. SWAT模型在无水库出流量资料流域的研究与应用［J］. 人民珠江，2021，42（8）：33-40.

［17］ 吴文凤，李家世，刘晓帆. 枢纽下游航道整治设计最小通航流量研究［J］. 水运工程，2020（10）：133-137.

［18］ 侯家其，陈聪，田远洋，等. 基于梯级POA优化调度模型的水库调节能力分析［J］. 人民珠江，2021，42（3）：94-99.

［19］ 李崇浩，李树山，唐红兵，等. 基于分段负荷构建策略的梯级水电短期优化调度方法［J］. 人民珠江，2023，44（6）：53-62，69.

［20］ 赵思琪，徐炜，陈思，等. 基于改进调度图的跨流域水库群供水调度研究［J］. 人民珠江，2023，44（10）：62-70.

［21］ 罗红兵. POA算法在水库优化调度中的应用［J］. 陕西水利，2018（6）：127-129.

［22］ 陈思，徐炜，赵思琪，等. 考虑农业需水的龙溪河流域水库群联合调度研究［J］. 人民珠江，2023，44（8）：50-57.

［23］ 李忠勇. 电站日调节对河流汇口通航水流条件影响研究［D］.重庆：重庆交通大学，2023.

（责任编辑：向飞）

基金项目：重庆市技术创新与应用发展重点项目（CSTB2022TIAD-KPX0198）;重庆市水利科技项目（CQSLK-2022001、CQSLK-2022006）;水利部重大科技项目（SKS-2022076）;三峡后续工作项目（CQS23C00399、CQS23C00400）