碩多崗河流域水電站入庫流量預報初探

和麗云，周興榮

(1.云南省迪慶州氣象局，云南 迪慶 674400；2.國電迪慶香格里拉發電有限責任公司，云南 迪慶 674400)

0 引言

降水和徑流是水文氣象學中兩個重要組成部分，徑流又直接影響水庫入庫流量。有關徑流影響因子及其預測方法已有較深入研究[1-2]，大多研究主要依據前期降雨和徑流信息，對逐日流量預報有很大局限性。實際工作中，基于短時間內氣象因子如降水、溫度及蒸發量預報水庫日流量建立預報方程，對合理安排水庫調度、開發利用水電資源具有重要應用價值。

碩多崗河是迪慶藏族自治州香格里拉市南部金沙江左岸一級支流，發源于香格里拉市楚力措，全長153.32 km，流域面積1966.2 km2，河口多年平均流量32 m3/s，天然落差2140 m。吉沙水電站壩址位于碩多崗流域小中甸鎮紅旗橋下游約3 km處，壩址以上流域面積1123 km2，沖江河電站壩址距香格里拉市85 km，壩址以上流域面積1655 km2，螺絲灣電站壩址位于碩多崗河流域螺絲灣村上游0.5 km處，壩址以上流域面積1758 km2。

吉沙水電站水庫壩址以上有嚇浪雨量站、列山谷河上游雨量站、學呢農場雨量站、列山谷水文站、此鎮農場雨量站、金水河水文站、湯安水文站、吳谷雨量站、小中甸雨量站、壩上水位雨量站、象卡雨量站、江給雨量站、吉沙水位雨量站。沖江河水電站壩址以上有溫浪雨量站、松林坪雨量站、花椒坡水位雨量站、俄迪雨量站、沖江河水位雨量站。而螺絲灣水電站水庫因與沖江河水電廠水庫距離較近，沒有相應雨量站及水文站，其水庫入庫流量僅為沖江河水電站水庫泄洪。

1 資料與方法

(1)資料來源

吉沙水電站水庫、沖江河水電站水庫及螺絲灣水電站水庫逐日入庫流量、入庫水量及對應雨量站數據來自國電迪慶香格里拉發電有限責任公司，降水和蒸發數據來自香格里拉氣象站，課題研究資料為2012年1月1日至2019年10月31日，將該流域13個雨量觀測站(圖1)測得的同期降雨量相加后除以總站數得出面雨量。

圖1 碩多崗河流域水庫電站以及雨量站分布圖

(2)預報因子篩選與分析

降水是流域水量收支平衡的重要部分，選擇降水量作為入庫流量主要預報因子，考慮香格里拉地區地形復雜及各段流域地表匯流緩慢差異，對降水量細分：近三日降水量X1，前一天降水量X2，當日降水量X3。分析過程中，因特殊地形和水文條件，三個水庫當日入庫流量和前一天入庫流量有顯著正相關，將前一日入庫流量X4也納入預報因子中。考慮到螺絲灣水電站水庫與沖江河水電站水庫距離較近，其水庫入庫流量受沖江河水電站水庫泄洪影響較大，因此針對該水庫入庫流量預報方程，引入沖江河水庫前一日入庫流量X5作為額外預報因子。

采用逐步回歸篩選并剔除引起多重共線性變量：先用被解釋變量對每一個所考慮的解釋變量做簡單回歸，然后以對被解釋變量貢獻最大的解釋變量所對應回歸方程為基礎，逐步引入其余解釋變量。經過逐步回歸，使最后保留在模型中的解釋變量既重要，又無嚴重多重共線性。建立多元線性回歸模型過程，采用F檢驗和t檢驗分析方程和預報因子顯著性。多元線性回歸方程公式為：

y=β0+β1x1+β2x2+…+βkxk

式中：y表示被解釋變量；β0表示回歸常數，β1、β2、…βk代表回歸系數；x表示解釋變量，x1、x2、…、xk表示k個能精確控制的一般變量，k≥2，就形成了多元回歸方程模型。

2 三大水庫入庫流量和面雨量變化特征

2.1 庫流量年分布特征

吉沙水庫2012年～2018年平均年入庫流量4891.01 m3/s，年平均面雨量823.21 mm，年入庫流量從2012年～2015年呈下降趨勢，2016年逐步回升(圖2)；面雨量在2015年前也相對偏少，2016年降水顯著增多，入庫流量和面雨量基本相對一致。沖江河水庫2012年～2018年平均年入庫總流量8105.73 m3/s，比吉沙水庫高近3200 m3/s，年平均面雨量815.56 mm，年變化趨勢與吉沙水電站一致，2015年為近7年中入庫流量最少年份，2012年～2015年降水偏少。螺絲灣水庫與沖江河水庫距離較近，年變化情況類似，兩者入庫流量也較相近，比沖江河入庫流量略偏多。

圖2 2012年～2018年各水庫入庫流量和面雨量年變化

從圖3三大水庫入庫流量年距平變化看，2012年～2013年、2016年～2018年入庫流量為正距平，其中2012年、2017年、2018年顯著偏多，2014年、2015年入庫流量為負距平，相對偏少。沖江河水庫和吉沙水庫基本一致，2012年、2017年與2018年偏多明顯，2015年偏少較突出。面雨量年距平顯示，吉沙水電庫上游流域2012年、2014年降水偏少顯著，16年轉變為顯著正距平；而沖江河、吉沙水庫2012年～2014年降水都偏少，2012年負距平率最高，對應2012年云南極端干旱。2015年后向降水正距平過渡，2016年～2018年面雨量偏多1.5成以上。綜合面雨量和入庫流量結果，兩者基本變化一致，但入庫流量變化更緩慢，面雨量變化迅速，兩者相關性可能有滯后性，也可能是春季融雪等其他變量因子對入庫流量有很大影響。

圖3 2012年～2018年各水庫入庫流量和面雨量年距平百分率

2.2 庫流量月變化

水庫入庫流量與面雨量均有明顯月變化趨勢，但有差異。兩者都是單峰變化曲線，三個水庫上游流域面雨量最大值在7月，而入庫流量峰值均在8月，再次體現出時間滯后性(圖4)。1月～3月入庫流量處于降低趨勢，4月～8月轉為上升態勢，8月后入庫流量再次減少，吉沙水庫入庫流量11月～12月有一定程度上升，而沖江水庫和螺絲灣水庫10月后流量保持平穩。另一方面，面雨量1月～7月呈上升趨勢，8月～12月呈下降趨勢。綜合分析表明：3月～10月面雨量和入庫流量有較高正相關性，變化基本一致，但11月到第二年2月兩者相關程度較低，可能與水庫自身調控有關。

圖4 三大水庫入庫流量和面雨量月變化

1月～12月平均月入庫流量，吉沙水庫397.98 m3/s，沖江水庫664.61 m3/s，螺絲灣水庫為705.77 m3/s。1月～6月三大水庫入庫流量為負距平，7月～12月基本為正距平，其中3月負距平百分率最高，偏少近6成，5月～6月負距平逐漸縮小；7月～9月正距平比率較高，平均達7成，個別超過8成以上，10月起正距平百分率維持較低水平，11月～12月吉沙水庫入庫流量有小幅提升，其中12月超過月平均4成。

3 日均入庫流量預報方程

以2012年1月1日至2019年10月31日逐日資料為歷史樣本，采用多元回歸分析法分月建立4個(螺絲灣5個)因子的三個水庫入庫流量預報方程，并對方程和各個因子檢驗(見表1～表3)。表中所有參數作具體說明：R是復相關系數，用來衡量模型擬合程度，越接近1越好；R2表示決定系數，反映模型能解釋的方差占因變量方差百分比，越接近1越好；R2a即調整R2，是考慮自變量之間相互影響后，對決定系數R2的校正較R2更嚴謹，同樣是越接近1越好。另外所有方程均通過F檢驗、t檢驗每個自變量是否有顯著作用，若ρ值(pval)<0.05，說明該自變量影響顯著。

表1 吉沙水庫所有因子逐月日均入庫流量預報方程

表2 吉沙水庫逐月日均入庫流量預報優化方程

續表2

表3 沖江河水庫所有因子逐月日均入庫流量預報方程

吉沙水庫所有月份相關系數R均達到0.8以上，說明方程整體擬合效果較好，其中6月～12月R在0.9以上，入庫流量預報方程效果更理想。對于每個月預報方程而言，部分因子pval遠>0.05，表示該因子對于方程不顯著，或與預報因子相關性較低。引入逐步回歸方法對預報因子篩選，找到最優組合預報因子，據此建立預報方程(表2)。表2中擇優進入方程的所有預報因子pval均<0.05，通過顯著性檢驗，R基本保持不變，但大部分方程調整R2略有提高，說明方程得到優化X2。

表4 沖江河水庫逐月均入庫流量預報優化方程

沖江河水庫所有月份相關系數R均達0.85以上，方程整體擬合效果較好，除1和3月外所有月份R穩定在0.9以上，入庫流量預報方程效果理想。同樣對于每個月預報方程，部分因子pval遠>0.05，采用逐步回歸方法對預報因子篩選，建立預報方程(表3)。表3中擇優進入方程所有預報因子pval均<0.05，通過顯著性檢驗。進入方程預報因子經篩選后，相關系數基本不變，仍保持較高水平，但R2有所增加，達到方程優化效果。

螺絲灣水庫與沖江水庫情況相似，所有月份相關系數R均達到0.85以上(見表5)，1和3月外所有月份R穩定在0.9以上，入庫流量預報方程效果較理想。同樣每個月預報方程，部分因子pval遠>0.05，引入逐步回歸方法篩選預報因子，優化預報方程(見表6)。表6中擇優進入方程所有預報因子pval均<0.05，通過t檢驗。優化后方程相關系數基本維持在0.9上下，調整R2略有增加，總體達到優化效果。

表5 螺絲灣水庫所有因子逐月日均入庫流量預報方程

表6 螺絲灣水庫逐月日均入庫流量預報優化方程

綜合以上預報方程，每個月最優預報因子存在不同組合方式，但前一日入庫流量X5是最顯著預報因子，參與所有月份預報方程。吉沙、沖江河及螺絲灣水庫1月入庫流量和降水相關性較低，僅與前一日入庫流量X4有顯著正相關，相關系數在0.8以上。2月沖江河與螺絲灣水庫，除X5外，前一日降水X2也作為預報因子進入預報方程。7月，沖江河與螺絲灣水庫，前三日降水、前一日降水及前一日入庫流量構成最優組合，而吉沙預報方程中前一日降水、當日降水及前一日入庫流量三個因子更顯著。10月三個水庫預報方程均選擇前三日降水和前一日入庫流量作為預報因子。總之，碩多崗河流域地形復雜，氣候差異較大，加上春季融雪等未知因子影響，每個水庫不同月份預報方程所選預報因子差異很大，需區別考慮。

4 總結與討論

①碩多崗河流域吉沙、沖江河及螺絲灣電站年入庫流量2012年～2015年趨于下降，2016年回升。面雨量2015年前相對偏少，2016年降水顯著增多，入庫流量和面雨量基本一致。2015年入庫流量為顯著負距平；面雨量2012年負距平百分率最高，可能春季融雪等對入庫流量影響較大。

②水庫入庫流量與面雨量月變化都呈單峰曲線，但有差異。7月面雨量最大，入庫流量峰值均在8月。3月～10月面雨量和入庫流量均呈較高正相關，11月到次年2月相關性較低。1月～6月三大水庫入庫流量為負距平，其中3月偏少近6成，7月～12月為正距平，7月～9月正距平比率較高，達7成以上。

③三個水庫1月～12月日均入庫流量預報方程中復相關系數均在0.8以上，80%方程達0.9以上，整體擬合效果較好。所有預報因子中，前一日入庫流量最顯著，與當日入庫流量相關性較高。與其他地區水庫相比，三大水庫入庫流量與當日降水量相關度較低，可能是香格里拉地形復雜，流域較廣，地表匯流速度較慢，加上流域內水庫較多，存在相互影響及宏觀調控作用，使入庫流量和降水量相關系數遠低于其他地區。