在预测不确定性下用于防洪和发电的水库滚动预测最优调度

为什么更智能的大坝关系到日常生活

当强降雨袭击流域时，水库既是屏障也是发电厂：它在保护下游人民免受洪水侵害的同时还能发电。然而，这两项任务有时会发生冲突。如果为了安全而将水位保持较低，发电量就会减少；如果为了发电而将水位保持较高，则会增加洪水风险。本研究以中国的夏江水库为例，展示了更好的短期预报与逐步规划如何帮助管理者在防洪与能源生产之间找到更安全、更平衡的中间路径。

河流与大坝如何协同工作

夏江水库位于赣江上，是长江的重要支流之一。它蓄水近120亿立方米，保护下游城镇和农田，并为一座水电站提供水源，支持发电和灌溉。汛期期间，运行人员必须实时决定泄流量和蓄水量。这些决策在很大程度上取决于对未来几天可能入库水量的预期。传统调度通常依赖历史记录，在罕见的大洪水发生或气候与土地利用变化时，指导能力有限。

预测河流水量的新方法

研究人员构建了一个现代化的入流预测系统，该系统结合了若干数据驱动模型，而不是依赖单一方法。这些模型包括不同风格的统计方法和机器学习方法，各有优劣。在并行框架中，研究通过优化权重对各自的预报进行混合，就像汇总各个看到问题不同侧面的专家意见一样。对近九年数据的测试表明，这种并行混合产生了最准确的短期预报，优于最佳单一模型以及那些试图按序校正误差的更复杂链式方案。

随着新数据到来而调整的滚动计划

预报只有在能推动更好决策时才有用。研究团队将入流预报与一个每六小时修订一次泄流计划的滚动调度模型相连接。该模型不是一次性规划整个汛期，而是在有限的预报窗口内反复向前查看，并在接收到新的降雨和河情数据时更新计划。在每个时间窗口内，它在两项目标之间权衡：尽可能降低峰值出库以减少洪水风险，以及最大化发电产出。优先规则确保安全优先，在寻求更多发电之前先最小化规则违规和峰值排放。

在时间与水位上找到最佳点

研究人员以16个不同规模的典型设计洪水为例，探索了运行者应向前预测多远以及在风暴来临前可以安全让水库升高到何种高度。他们发现，对于大洪水，将预测视野延长到约24小时可以显著提高减峰能力，但继续大幅延长预测时间却收效甚微。同时，在汛期适度提高允许的水位可以将发电量提高30%以上，而几乎不影响削峰能力。研究还显示，预测在普通低流期更为可靠，而在罕见的极端洪水期间可靠性较差，因为历史记录中用于学习的极端事件样本更少。

这对河流、能源与安全意味着什么

简而言之，研究表明，如果像夏江这样的水库采用调优良好的混合预报工具并持续更新计划，就能在防洪与发电之间做得更好。并行预测模型提供了更可信的短期入流估计，滚动调度方法则将这些估计转化为行动，在控制洪峰的同时从相同水量中榨取更多有用能量。尽管该方法在应对极罕见、强烈的洪水时仍有困难，并可通过加入更多极端事件数据和气候因子来改进，但它为其他水库提供了一条可行的路线图，帮助实现更安全、更高效的水资源管理。

引用: He, Z., Guo, J., Cao, Z. et al. Rolling predictive optimal scheduling of reservoirs for flood control and power generation under prediction uncertainty. Sci Rep 16, 14851 (2026). https://doi.org/10.1038/s41598-026-43532-6

关键词: 水库运行, 防洪, 水电, 径流预报, 水资源管理