考慮農業需水的龍溪河流域水庫群聯合調度研究

陳 思,徐 煒,趙思琪,殷仕明,楊 溢

(重慶交通大學河海學院水利水運工程教育部重點實驗室,重慶 400074)

隨著經濟社會的快速發展,優化水資源結構和水庫調度迫在眉睫[1],科學合理的水庫優化調度能夠發揮水庫更大的效益。中小流域進行水庫群聯合調度時,水庫農業供水目標往往只能通過灌溉定額進行分配,水庫區間徑流預報信息不準確,使得水庫供水效益不理想。

近年來,SWAT模型在徑流模擬獲取區間入流方面得到了廣泛的應用。賈何佳等[2]基于SWAT對黃河源區主要水文站的徑流進行了模擬,模擬值接近于實測值。武力等[3]基于SWAT對永州境內湘江流域開展水環境控制單元劃分。蔣夢瑤等[4]提出參數率定對評估參數敏感性、遴選關鍵參數對模型優化具有重要意義。Abbaspour等[5]利用SUFI-2篩選出敏感參數后,確定納什效率NSE的最優值對應參數組合的模擬結果選為最佳模擬。

作物需水量和灌溉需水量的時空分布是科學地制定不同地區灌溉用水定額的依據。羅萬琦等[6]采用Mann-Kendall檢驗分析水量平衡各要素趨勢變化,得到不同水稻生育期需水量。雒新萍等[7]基于CROPWAT模型探討了中國典型農作物需水的區域差異規律。劉鈺等[8]基于全國200多個水文站,利用Penman-Monteith公式和作物系數計算出了30多種農作物在生育期內的需水量以及凈灌溉需水量。Parmar等[9]基于衛星遙感的植被指數在不同尺度上估算主要玉米作物的種植面積和作物需水量,效果顯著。

目前,基于多目標的水庫群聯合調度模型已被廣泛研究和應用,但在調度計算中,農業用水大多以定額或者固定用水過程為依據,并未通過氣象信息評估農業需水的年內和年際變化。張永永等[10]針對農田灌溉缺水問題突出,構建了以流域綜合缺水量最小為目標的黃河干流骨干水庫群聯合調度模型,實現了黃河上中下游地區缺水均衡,提高了流域抗旱能力。蘭回歸等[11]改進多目標螢火蟲算法對以水庫發電-生態多目標優化調度模型進行優化求解。郭榮等[12]針探究飛蛾火焰優化算法并在梯級水庫優化調度中的應用。王渤權等[13]構建了考慮西霞院黃委調令的水庫群優化調度模型,提出了POA-GA嵌套搜索的求解方法。XU等[14]基于改進的多目標遺傳算法(NSGA-Ⅱ),最大限度地利用跨流域引水系統(IEWD)進行策略優化。

上述已有研究中,考慮農業需水的年內和年際變化的水庫群聯合調度研究成果還很少,因此本文以龍溪河流域為研究對象,提出一種考慮農業需水動態變化的水庫群聯合調度方法。首先以氣象資料為基礎,構建農作物灌溉需水量模型,并評估各水庫灌溉需水量;然后基于SWAT水文模型,獲得各水庫的區間入庫流量過程;在此基礎上,以綜合供水量和發電量最大化為目標,構建水庫群聯合和單庫調度模型,并運用POA算法對模型進行求解和結果比較。研究結果表明考慮農業需水的水庫群供水聯合調度模型對龍溪河流域水資源配置提供指導作用。

1 研究方法

本文建立基于農業需水的水庫群調度模型具體流程見圖1。

圖1 水庫群聯合調度示意

1.1 水文模型構建與精度驗證

在構建流域SWAT水文模型時,以DEM、土地利用、土壤分類和降雨數據作為輸入,然后劃分子流域,進行匯流演算。再利用水文站實測徑流資料,通過SWAT-CUP對模型參數進行參數率定和精度驗證[15-16],選擇納什系數(NSE)、確定性系數(R2)和徑流總量相對誤差(RE)作為模型率定期和驗證期模擬精度變化的評價指標。

(1)

(2)

(3)

1.2 農作物灌溉需水量模型構建

農作物灌溉需水量是作物需水量扣除有效降水補給后剩下的水量,作物需水量是作物為了生長發育需要消耗的水量。首先運用FAO推薦Penman-Monteith公式[17-18]計算作物騰發量ET0,見式(4),再運用作物系數法對需水量進行修正,得到作物正常生長需水量ETc,見式(5);降水并非完全由作物吸收,旱地作物的有效降水量是指作物的騰發量,水稻的有效降水是指滿足作物騰發量與有效深滲總量的總和,本研究基于USDA-SCS方法[19-20],耦合作物需水量和實際降水,提出適用于本研究的旬尺度有效降水計算方法來獲得有效降水量Pe,見式(6)。最后由點及面,對水庫農業灌溉范圍內農作物總的需水量進行求和,得到農作物灌溉需水量,見式(8)。

(4)

ETc=Kc×ET0

(5)

式中Kc——作物系數;ET0——參考作物騰發量;ETc——作物需水量;Rn——冠層表面凈輻射;G——土壤熱通量;T——日平均溫度;u2——風速;es——飽和水汽壓;ea——實際水汽壓;es-ea——飽和水汽壓差;Δ——水氣壓曲線斜率;γ——濕度計常數。

(6)

SF=0.53+1.16×10-2D-8.94×10-5D2+2.32×10-7D3

(7)

式中Pt——旬降水量;SF——土壤水分貯存因子;D——可使用的土壤貯水量,本文中研究區位于重慶,D取65 mm。

IR=(ETc-Pe)×A,IR≥0

(8)

式中 IR——農作物灌溉需水量,萬m3;Pe——有效降水量,mm;A——農作物種植面積,km2。

1.3 水庫群聯合優化調度模型構建與優化求解

1.3.1目標函數

水庫群的聯合調度能夠有效地實現各水庫之間的相互補充,使得各流域的水能和水資源利用效率達到最大。本文主要以綜合供水量和發電量為目標,構建目標函數如下。

a)綜合供水量目標最大。

(9)

式中N——水庫個數;i——水庫編號;T——調度時段總長;t——時段編號;M——用水戶總數,主要為城鎮用水、農業用水、生態用水;m——用水戶編號;εi,m——各水庫用水戶在目標函數中的權重;W——供水量。

b)發電量目標最大。

(10)

式中ξi——發電量在目標函數中的權重;E——發電量;其余符號同上。

本研究采用POA算法求解水庫群聯合供水調度模型,逐步得到全過程或各階段的最優解[21]。通過對水庫群的調度方式進行了優化,以最大限度地增加綜合供水量和發電量,并將供水保證率、深度破壞、棄水量等作為懲罰納入到綜合指標的計算中,最終目標函數如下:

(11)

式中αi、βi、γi——懲罰系數;Vdam——深度破壞時的庫容;Wspill——棄水量;PD——設計保證率;P——供水保證率。

1.3.2約束條件

主要考慮以下約束條件:①水庫水量平衡約束;②水庫庫容約束;③發電型水庫出力約束;④用水目標供水約束。

2 研究實例

2.1 研究區域概況

龍溪河流域干、支流上共修建有100余座水庫,本研究為探究考慮農業需水的水庫群聯合調度模型在龍溪河流域的運用,體現構建農作物需水模型的意義,故選取干、支流上庫容大、調節能力強,供水目標多,農業需水量較大,但水資源分配不均的獅子灘、鹽井口、雙河、鹽井溪和迎風水庫作為研究對象,見圖2。獅子灘水庫主要以發電為主,兼顧城鎮、農業和生態供水,多年平均流量為47 m3/s;鹽井口和雙河水庫,供水優先于發電;鹽井溪和迎風水庫,主要供水對象是農業。本文獲得1984—2014年共31 a長系列徑流和氣象資料,故調度時間為1984年1月上旬至2014年12月下旬,共1 116旬。各水庫特征參數及供水任務見表1。

表1 水庫特征參數及供水任務

圖2 龍溪河流域水庫分布

2.2 數據資料及參數設置

a)地理信息數據。流域10 m×10 m數字高程DEM、土壤數據與土地利用數據。

b)氣象水文數據。獲得1984—2014年7個氣象站的氣象資料。六劍灘水文站控制面積2 337 km2,2003—2014年實測徑流過程,多年平均徑流為32.8 m3/s,來水量偏豐。

c)作物系數。選取川渝地區主要經濟作物玉米、水稻、小麥,并確定其作物系數[18]。各水庫的生態用水主要體現在下游河道的生態需水,逐旬生態需水基流主要通過Tennant法計算得到。

2.3 水庫群目標函數權重與懲罰系數設置

為使得目標函數中不同量級和單位的指標能夠進行比較和加權,則需要對各水庫用水指標進行標準化處理。首先基于獅子灘水電站各用水戶需水量,對其余水庫的城鎮、農業、生態用水設置權重εi,m,對發電量設置權重ξi,見表2。在優化過程中,設置懲罰項淘汰劣解,其系數首先根據供水量和發電量總和的量級進行設置,且不斷調整,直到形成最優解。

表2 水庫用水目標權重矩陣

3 研究結果及分析

3.1 水文模型徑流模擬結果分析

龍溪河流域SWAT水文模型共生成包含5座水庫在內的24個子流域,以六劍灘水文站2003—2014年實測逐旬徑流對龍溪河流域SWAT水文模型進行參數率定,迭代500次后結果顯示NSE系數可達0.89,R2為0.87,徑流總量相對誤差(RE)為5.4%,模擬多年平均徑流量為110 426.56萬m3,實測多年平均徑流量為103 398.34萬m3。水庫區間入庫流量過程可通過查詢水庫對應的子流域獲得,見圖3。

a)雙河

3.2 農作物灌溉需水量結果分析

根據農作物灌溉需水模型計算出玉米、水稻和紅薯在生育期內的需水總量分別為374、624、344 mm。從圖4可看出,作物需水量總體呈現前期需水少、中期需水大、后期需水減少的趨勢。玉米在抽穗后期及灌漿期需水量大,占需水總量的51.2%;水稻是水生作物,需水總量較大,在孕穗期間占比可達需水總量29%;紅薯生育期比較長,需水最大在分枝結薯期。

a)玉米

結合各水庫灌區農作物種植面積,得到農作物灌溉需水量,見表3。

表3 農作物種植面積與農作物灌溉需水量

3.3 調度結果分析

3.3.1方案優選

設置發電和供水最大為2個目標,以發電最大和供水最大為主要目標,其余轉化為約束條件,生成方案1和2,將多目標優化模型轉化為2個單目標問題,再運用逐步尋優算法(POA)對模型進行求解,生成非劣解集,見表4,再運用模糊層次分析法[22-23],計算目標值相對隸屬度向量,對各水庫都進行方案優選。如獅子灘水庫,2個方案的相對隸屬度向量為u=[0.23,0.86],以相對隸屬度向量最大為優原則,選擇方案2為最優方案。由此可見,多目標優化不可能使得每個目標都達到最優,發電和供水之間存在競爭關系。

表4 獅子灘多目標調度非劣解集

3.3.2最優方案下調度結果分析

在鹽井口、鹽井溪、迎風、雙河水庫來水充足,水資源分配不均,棄水量大現狀下,設置了2種情景探究龍溪河水庫群聯合和單庫調度模型的優劣:情景1,構建龍溪河流域單庫調度模型;情景2,構建龍溪河流域水庫群聯合調度模型。

在對比分析2種情景調度結果的調度圖時,引入變異系數[24],即同限制線不同時段的庫容標準差與平均值的比值,對每條限制線進行分析,變異系數越小,限制線波動程度越小,調度規則生成越可靠。反之變異系數越大,限制線波動程度越大,調度規則生成越可靠,結果見表5。

表5 獅子灘水電站2種情景下調度限制線變異系數

情景1在汛期(18—27旬)供水線過高,限制供水區域增大,呈現出來水充足反而對供水進行限制現象的不合理性,見圖5。情景2,調度圖總體呈現兩端高,中間低的趨勢,與水庫非汛期(28—17旬)蓄水、汛期供水的規則較為一致,線型平緩,見圖6。比較2種情景的調度圖的線型波動情況,情景2的3條限制線變異系數均大于情景1,說明情景1的限制線波動比情景2大,那么情景1調度規則生成更加可靠。

圖6 獅子灘水電站聯合調度

從調度結果來看,情景1各水庫供水保證率較低,棄水量較大,發電量小;情景2供水保證率基本達到要求,發電量增加,棄水量較小,見表6。綜合分析情景1、2,情景2較情景1各水電站發電量均增加,年均棄水量減少,供水保證率有所提高,水資源分配較合理;其中鹽井口和雙河水庫單庫調度時,供水量大,棄水量也大,但發電量減少,聯合調度則減小了棄水量,增大和平衡了發電和供水需求;鹽井溪水庫與迎風水庫總的來說由于供水目標較少,能夠滿足自身供水任務,單庫與聯合調度結果相差不大。獅子灘水庫聯合調度與單庫調度結果相比,供水量及相應的保證率增加,年均棄水量減少了603萬m3,年平均發電量增加1 298萬kW·h。由此可得,水庫群聯合調度較單庫調度更能有效提升上下游水庫群水資源分配能力,減少水庫棄水量,增大城鎮和農業用水量,提升水資源利用率和發電效益。

表6 情景1、2調度模型的結果

4 結論

為解決龍溪河水庫群水資源分配不均、發電和供水競爭嚴重的問題,在農業需水和區間入庫流量不確定的情況下,通過建立龍溪河流域SWAT水文模型和水庫灌溉需水模型、解決水庫調度運行必要參數,最終建立了考慮農業需水的龍溪河流域水庫群聯合調度模型,得到以下結論:①SWAT水文模型能夠有效模擬還原天然徑流,計算水庫區間入庫流量,便于水庫根據徑流信息建立有預報的調度模型;②水庫灌溉需水模型對于水庫群農業目標需水量計算很有意義,可為構建調度模型提供目標數據來源;③基于POA算法的水庫群聯合調度較單庫調度更能提升上下游水庫群水資源分配能力,減少水庫棄水量,增大城鎮和農業用水量,提升水資源利用率和發電效益,對龍溪河流域水庫群運行有指導作用。