馬芳平， 羅 瑋， 鐘青祥， 金 峰， 張明君

(1.國能大渡河流域水電開發(fā)有限公司， 四川 成都 610041； 2.清華大學(xué)水利水電工程系， 北京 100084； 3.清華大學(xué)電機(jī)工程及應(yīng)用電子技術(shù)系， 北京 100084)

1 引言

國內(nèi)外流域水電資源大多采用梯級開發(fā)的方式，目前歐美發(fā)達(dá)國家基本上已完成了主要河流的梯級開發(fā)，我國除雅魯藏布江和怒江以外的主要大江大河也接近完成干流河段的梯級開發(fā)，正全面由開發(fā)建設(shè)向運(yùn)行調(diào)度轉(zhuǎn)序。流域梯級電站群是重大公共基礎(chǔ)設(shè)施，其安全高效調(diào)度運(yùn)行事關(guān)國家防洪減災(zāi)、能源安全和綠色發(fā)展，是一個多目標(biāo)優(yōu)化決策的命題。

進(jìn)入21世紀(jì)后，我國逐步意識到長江、黃河等主要流域梯級電站群多目標(biāo)聯(lián)合調(diào)度的重要性，紛紛開展了梯級電站統(tǒng)一調(diào)度探索研究[1，2]，金沙江下游巨型梯級電站群和烏江梯級電站群開展了“調(diào)控一體化”實(shí)踐[3，4]，湖南湘江、資江和沅水實(shí)施了跨流域梯級電站群集中調(diào)控[5]。近年來，隨著云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和人工智能技術(shù)的飛速發(fā)展和加快應(yīng)用，三峽集團(tuán)、華能瀾滄江公司等更加聚焦梯級水電站群多目標(biāo)調(diào)度問題，開展多目標(biāo)智能優(yōu)化調(diào)度[6-8]，在提高防洪能力、減少棄水損失、提升整體發(fā)電效益等方面發(fā)揮了顯著的作用。

隨著現(xiàn)代運(yùn)籌學(xué)理論的發(fā)展，出現(xiàn)了大量的水電站群聯(lián)合調(diào)度的研究成果[9-13]，為水電群調(diào)度走向智能、高效、產(chǎn)業(yè)化奠定了良好的基礎(chǔ)。水電站群聯(lián)合調(diào)度是一類高維數(shù)、多約束、多目標(biāo)的復(fù)雜優(yōu)化問題?，F(xiàn)有的研究中，基本上都需要先建立多目標(biāo)模型，然后考慮不同的算法求解多目標(biāo)優(yōu)化問題。動態(tài)規(guī)劃(Dynamic Programming, DP)可解決多階段順序決策問題，被廣泛應(yīng)用于水電系統(tǒng)的協(xié)調(diào)運(yùn)行，但由于計算代價隨著水電站數(shù)量增加呈指數(shù)爆炸的趨勢，限制了其在大型水電站群運(yùn)行調(diào)度中的應(yīng)用。文獻(xiàn)[9]提出了一種統(tǒng)一動態(tài)規(guī)劃(Unified Dynamic Programming, UDP)的方法緩解DP的維數(shù)災(zāi)難問題。粒子群優(yōu)化(Particle Swarm Optimization, PSO)是常見的多目標(biāo)優(yōu)化算法，能夠很好地在大量解決方案中搜索到可行解。文獻(xiàn)[10]中采用粒子群優(yōu)化-遺傳混合算法以獲得可行的解決方案并加快收斂速度。文獻(xiàn)[11]提出了一種改進(jìn)的非支配排序的粒子群優(yōu)化算法(Improved Non-dominated Sorting Particle Swarm Optimization, INSPSO)，具有良好的找到帕累托最優(yōu)集的能力。盡管目前國內(nèi)外有關(guān)梯級水電站群聯(lián)合調(diào)度的理論與技術(shù)日趨成熟[14-19]，但均以理論研究和技術(shù)探索為主，實(shí)用化和生產(chǎn)化程度普遍較低。同時，風(fēng)電、光伏電源大規(guī)模接入電網(wǎng)的背景下，風(fēng)光電源的經(jīng)濟(jì)調(diào)度[20,21]需要作為電網(wǎng)調(diào)峰調(diào)頻重要支撐的梯級水電站群的快速靈活響應(yīng)。在日益復(fù)雜的精細(xì)化調(diào)度控制需求和運(yùn)行環(huán)境下，傳統(tǒng)的理論優(yōu)化成果已無法滿足生產(chǎn)實(shí)際需要，這對智能調(diào)控技術(shù)的研究提出了更高的要求。

大渡河流域在我國十三大水電基地中位居第五，地處青藏高原和四川盆地的過渡地帶，干流全長1 062 km，集中落差4 175 m，水文情勢復(fù)雜多變。流域水庫群調(diào)度存在降雨徑流時空關(guān)系復(fù)雜、防洪興利矛盾突出及多目標(biāo)協(xié)同難度大等世界性難題。為此，國家能源大渡河公司結(jié)合智慧企業(yè)建設(shè)，聯(lián)合四川大學(xué)、河海大學(xué)等單位，開展了梯級電站群智能調(diào)控平臺、中長期水文預(yù)報方法與技術(shù)、梯級負(fù)荷實(shí)時智能調(diào)控方法與電站群智能調(diào)度技術(shù)研究，并在大渡河流域梯級電站群全面推廣應(yīng)用，取得了顯著的經(jīng)濟(jì)和社會效益，并有力推動了水電行業(yè)智能化、智慧化的技術(shù)進(jìn)步。

2 大渡河流域梯級電站群智能調(diào)度實(shí)踐

2.1 總體技術(shù)架構(gòu)

大渡河流域是我國重要的水電能源基地之一，根據(jù)長江水利委員會組織編制的岷江流域綜合規(guī)劃，大渡河干流下爾呷以下河段規(guī)劃采用28級開發(fā)方案。大渡河公司通過現(xiàn)代信息技術(shù)和傳統(tǒng)優(yōu)化調(diào)度技術(shù)深度融合，形成流域梯級電站群智慧調(diào)控運(yùn)行成套技術(shù)，全面實(shí)時感知流域氣象、水情、發(fā)電、市場、設(shè)備、生產(chǎn)要素等信息。針對流域氣象水情預(yù)測難度大的問題，研發(fā)了多因子“量-型”混沌相似的中長期水文預(yù)測模型和大數(shù)據(jù)驅(qū)動的高精度水情氣象耦合洪水概率預(yù)報模型。針對流域防洪興利矛盾突出及多目標(biāo)協(xié)同難度大的問題，研發(fā)了適應(yīng)電網(wǎng)高強(qiáng)度調(diào)峰調(diào)頻需求的梯級負(fù)荷實(shí)時智能調(diào)控模型和自適應(yīng)復(fù)雜洪水情勢的流域泄洪閘門智能調(diào)控模型。同時，以云計算與大數(shù)據(jù)技術(shù)為基礎(chǔ)，構(gòu)建了流域梯級電站群智能調(diào)控平臺，實(shí)現(xiàn)了感知-預(yù)測-決策支持多功能多模型的全面集中集成(見圖1)。

圖1 流域梯級電站群智能調(diào)控平臺技術(shù)架構(gòu)Fig.1 Technical framework of intelligent regulation platform for cascade hydropower stations in river basin

2.2 多因子“量-型”混沌相似中長期水文預(yù)測模型

針對中長期水文預(yù)報不確定性大、預(yù)報精度不高的難題，大渡河公司組織創(chuàng)建了多因子“量-型”混沌相似的中長期水文預(yù)報技術(shù)與方法(見圖2)，有效提高徑流預(yù)報精度，豐富和發(fā)展了水文中長期預(yù)報理論。

圖2 基于“量-型”相似的中長期水文預(yù)報Fig.2 Medium and long-term hydrological forecast based on “quantity-shape” similarity

多因子“量-型”混沌相似預(yù)報模型的計算步驟如下[22]：

(1)“量”相似原則，即與預(yù)測中心點(diǎn)的歐氏距離較?。?/p>

F1=minY(t)-Yi(t′)|i∈I

(1)

式中，I為重構(gòu)相空間中所有相點(diǎn)個數(shù)；i為空間中的任一相點(diǎn)；F1為量、型相似度距離最小的最優(yōu)值；Yi(t′)為與預(yù)測中心點(diǎn)Y(t)相似的相點(diǎn)。

(2)“型”相似原則，即與預(yù)測中心點(diǎn)的內(nèi)部結(jié)構(gòu)相似：

F2=max∑Scorei(s)i∈I

(2)

(3)

式中，F(xiàn)2為量、型相似度單位階躍函數(shù)評分總和最大的最優(yōu)值；Score(s)為單位階躍函數(shù)，s為相空間中嵌入維數(shù)；Scorei(s)為空間中任一相點(diǎn)的函數(shù)值；con(s)為相點(diǎn)坐標(biāo)在某一維變化趨勢的一致性與否。

(3)“量”“型”耦合優(yōu)選為：

(4)

(5)

根據(jù)流域前期降雨、徑流、130項(xiàng)大氣環(huán)流指數(shù)及未來數(shù)值(氣候)預(yù)報產(chǎn)品等數(shù)據(jù)，大渡河公司采用物理歸因分析與數(shù)據(jù)挖掘相結(jié)合的方法，構(gòu)建了面向中長期徑流預(yù)報相似性分析的多因子集。在多維歐式距離度量的“量”相似指標(biāo)基礎(chǔ)上，創(chuàng)建了基于累積階躍函數(shù)和堆土機(jī)距離度量的“型”相似指標(biāo)，研發(fā)了“量-型”相似性預(yù)報指標(biāo)體系。采用混沌理論的相空間重構(gòu)技術(shù)，刻畫預(yù)報變量與預(yù)報因子之間的非線性關(guān)系；將各預(yù)報因子嵌入重構(gòu)的相空間，通過相似性指標(biāo)體系搜索當(dāng)前狀態(tài)下的相似相點(diǎn)，并根據(jù)相點(diǎn)間函數(shù)關(guān)系，構(gòu)建了“量-型”相似的多維混沌徑流預(yù)測模型，以提高中長期徑流預(yù)報精度。

自2015年以來，對大渡河流域梯級防洪調(diào)度、經(jīng)濟(jì)調(diào)度最為關(guān)鍵的月徑流預(yù)報，精度從傳統(tǒng)歷史的85%提升至89.2%，為流域梯級電站智能調(diào)度提供了基礎(chǔ)。

2.3 大數(shù)據(jù)驅(qū)動的高精度水情氣象耦合洪水概率預(yù)報模型

針對實(shí)時洪水預(yù)報中存在的降水時空多變、洪水預(yù)見期短的問題，大渡河公司通過組織相關(guān)課題研究，提出了相應(yīng)的多時間尺度徑流預(yù)測和概率預(yù)報方法(見圖3)，創(chuàng)建了氣象水文耦合及基于多層次-誤差異分布的實(shí)時洪水概率預(yù)報模型。

圖3 高精度水情氣象耦合概率預(yù)報Fig.3 High-precision hydrological and meteorological coupling probability forecasting technology

多層次-誤差異分布概率預(yù)報模型的計算步驟如下[23]：

(1)洪水的概率預(yù)報一般是在確定性預(yù)報的基礎(chǔ)上開展的，當(dāng)t時刻做出確定性的預(yù)報mt后，流量qt可以視為誤差隨機(jī)變量ε的函數(shù)B(ε)，且ε滿足ε=(mt-qt)/qt。因此可將對隨機(jī)變量概率密度函數(shù)的推求，轉(zhuǎn)換為對隨機(jī)變量函數(shù)的概率密度的推求，即：

fqtmt,Q,M=f[B(ε)Q,M]

(6)

式中，Q和M分別為流量的真實(shí)值及確定性預(yù)報值。

(2)洪水預(yù)報誤差的后驗(yàn)概率密度函數(shù)描述為：

(7)

式中，H(mt)和L(mt)為mt函數(shù)關(guān)系，具體形式不定。

(3)結(jié)合式(6)和式(7)，則可推得考慮誤差異分布下的流量概率密度函數(shù)為：

(8)

數(shù)據(jù)多源同化、氣象水文耦合是流域產(chǎn)匯流預(yù)報領(lǐng)域的難題，實(shí)時洪水預(yù)報中不可避免地存在著各種不確定性。大渡河公司組織研發(fā)了融合三維/四維變分、集合卡爾曼濾波的流域多源數(shù)據(jù)混合同化技術(shù)，創(chuàng)建了多時空尺度流域產(chǎn)匯流耦合預(yù)報模型，基于實(shí)時獲取的美國國家環(huán)境預(yù)報中心、歐洲中期天氣預(yù)報中心和本地數(shù)據(jù)進(jìn)行混合同化和耦合預(yù)報。為定量評估預(yù)報不確定性，提高實(shí)時洪水預(yù)報精度，研發(fā)了融合暴雨中心、洪水量級、漲水段、落水段等洪水物理過程的預(yù)報誤差分布智能識別方法，并在此基礎(chǔ)上創(chuàng)建了基于多層次-誤差異分布的實(shí)時洪水概率預(yù)報模型，不僅可以提供任意時刻的定值預(yù)報結(jié)果，還可提供豐富的不確定性信息，如任意時刻預(yù)報結(jié)果的離散度、變差系數(shù)和不同置信水平對應(yīng)的置信區(qū)間。

該技術(shù)為水庫調(diào)度提供概率形式的輸入條件，為風(fēng)險管理提供支撐。預(yù)報水平分辨率由3 km提高為1.5 km，防洪預(yù)見期延長72 h以上，有效支撐了2017年大渡河流域百年一遇大洪水等的防洪調(diào)度，近三年累計減災(zāi)效益達(dá)14億元。

2.4 適應(yīng)電網(wǎng)高強(qiáng)度調(diào)峰調(diào)頻需求的梯級水電站群負(fù)荷實(shí)時智能調(diào)控模型

傳統(tǒng)梯級水電站群優(yōu)化調(diào)度技術(shù)難以適應(yīng)電網(wǎng)調(diào)峰調(diào)頻負(fù)荷頻繁變化需求，導(dǎo)致絕大多數(shù)水電群優(yōu)化調(diào)度成果難以實(shí)際應(yīng)用，水電機(jī)組只能被動接受電網(wǎng)負(fù)荷固定指令，頻繁地人工申請電網(wǎng)負(fù)荷調(diào)節(jié)，易產(chǎn)生水庫水位大起大落、棄水、水庫非正常拉空等現(xiàn)象，嚴(yán)重影響梯級水電站安全、高效運(yùn)行。針對高強(qiáng)度調(diào)峰調(diào)頻需求下的大型梯級水電站群實(shí)時優(yōu)化調(diào)度問題，大渡河公司系統(tǒng)深入地開展大型梯級水電站群負(fù)荷實(shí)時智能調(diào)控技術(shù)研究，結(jié)合大渡河流域水電調(diào)度生產(chǎn)實(shí)際，研發(fā)了適應(yīng)電網(wǎng)高強(qiáng)度調(diào)峰調(diào)頻需求的梯級水電站群負(fù)荷實(shí)時智能調(diào)控方法[24](見圖4)。

圖4 梯級水電站群負(fù)荷實(shí)時智能調(diào)控方法Fig.4 A real-time intelligent control method for the load of cascade hydropower stations

以梯級電站群中徑流式電站水位安全控制為硬約束，融合出力平衡、水量平衡、流量平衡、水位、發(fā)電流量、出庫流量、有功可調(diào)區(qū)間、電站出力變幅、避開振動區(qū)、站間負(fù)荷轉(zhuǎn)移10類約束，引入非高效水位區(qū)間懲罰函數(shù)，提出了梯級水電站間負(fù)荷實(shí)時分配策略，構(gòu)建了涵蓋安全調(diào)度、經(jīng)濟(jì)調(diào)度全要素的蓄能最大、少調(diào)負(fù)荷、棄水總量最少、小負(fù)荷分配4種經(jīng)濟(jì)調(diào)度模型以及水位異?？刂啤⑺黄椒€(wěn)等安全調(diào)度模型，解決了電網(wǎng)實(shí)時負(fù)荷平衡與流域梯級電站經(jīng)濟(jì)運(yùn)行耦合的建模難題。首次引入無監(jiān)督學(xué)習(xí)方法對水電站群負(fù)荷分配的歷史場景進(jìn)行深度學(xué)習(xí)，自動選取最優(yōu)化的控制策略，并智能化匹配負(fù)荷分配模型，主動適應(yīng)電網(wǎng)高強(qiáng)度調(diào)峰調(diào)頻需求，實(shí)現(xiàn)了適應(yīng)電網(wǎng)高強(qiáng)度調(diào)峰調(diào)頻需求的負(fù)荷分配策略自主選取和模型智能匹配。

大渡河公司開發(fā)了大型梯級水電站群多場景自適應(yīng)負(fù)荷實(shí)時智能控制系統(tǒng)，取得大型流域調(diào)度模式由單機(jī)組“電網(wǎng)直調(diào)”向多電站“一鍵調(diào)度”的重大突破。一年減少3萬次人工負(fù)荷調(diào)節(jié)，近三年累計增加發(fā)電量11.8億kW·h，減排溫室氣體98萬t。

2.5 自適應(yīng)復(fù)雜洪水情勢的流域泄洪閘門智能調(diào)控模型

大渡河徑流式電站數(shù)量多，最大水庫調(diào)節(jié)性能僅為9.7%，受流域氣候多變和電力系統(tǒng)調(diào)峰調(diào)頻影響，閘門操作頻繁。為此，大渡河研發(fā)了不同場景調(diào)洪目標(biāo)模型簇，提出了一套遠(yuǎn)程泄洪閘門智能調(diào)控技術(shù)(見圖5)。

圖5 梯級電站泄洪閘門智能調(diào)控技術(shù)Fig.5 Intelligent control technology for flood discharge gate of cascade power station

大渡河公司依托實(shí)時感知、精準(zhǔn)預(yù)測分析技術(shù)，定量揭示了大渡河流域洪水遭遇規(guī)律，自動識別預(yù)測洪水類型，耦合不同來水和流域多重防洪需求，研發(fā)了不同場景調(diào)洪目標(biāo)模型簇，具備復(fù)雜大洪水、平穩(wěn)來水、中小洪水及水庫異常等多場景自適應(yīng)能力。通過汛期分期特性及水庫調(diào)蓄，提出分期分流量級映射水庫不同水位運(yùn)行區(qū)間的控制策略。構(gòu)建不同類型泄洪閘門綜合約束函數(shù)庫，開發(fā)分段步長突變算法在高安全邊界內(nèi)優(yōu)化水電站泄洪閘門開度分配策略，解決了防洪、發(fā)電、生態(tài)、設(shè)備多約束求解的難題。

研發(fā)了流域泄洪閘門智能控制支持系統(tǒng)，防洪調(diào)度響應(yīng)能力由小時級提升為分鐘級。以大渡河中下游相鄰六個梯級電站(大崗山、瀑布溝、深溪溝、枕頭壩、龔嘴、銅街子)為例，2017年閘門操作4 250次，在確保電站樞紐自身防洪安全的前提下，有效提高了下游成昆鐵路沙坪段、城鎮(zhèn)和重要河心洲的防洪標(biāo)準(zhǔn)。

3 應(yīng)用效果評價

在大渡河流域梯級水電站群全面應(yīng)用智能調(diào)度技術(shù)，優(yōu)化了大渡河流域洪水調(diào)節(jié)，大幅提高了大渡河及下游岷江，乃至長江中下游防洪能力，成功預(yù)報并治理了流域多次洪澇災(zāi)害，保障大渡河流域梯級電站群的安全優(yōu)質(zhì)高效建設(shè)與運(yùn)行超過5 000天。近三年累計減少洪災(zāi)損失14億元，增發(fā)清潔水電27.27億kW·h，節(jié)約標(biāo)煤77萬t，減少二氧化碳、二氧化硫、氮氧化物等溫室氣體排放205萬t。相關(guān)研究成果促進(jìn)了大型流域梯級電站群智慧調(diào)控技術(shù)的進(jìn)步，提升了我國水利水電行業(yè)的創(chuàng)新發(fā)展能力，為我國建設(shè)“數(shù)字中國、智慧社會”提供了良好的樣板，創(chuàng)造了顯著的經(jīng)濟(jì)效益、社會效益和創(chuàng)新示范效應(yīng)。

2020年8月，提前7天精準(zhǔn)預(yù)報大渡河下游超百年一遇特大洪水，瀑布溝水電站提前3天預(yù)泄錯峰，單次攔蓄洪量5億m3，削峰率高達(dá)80%，刷新歷史記錄，避免了下游金口河、峨邊、沙灣等區(qū)域近5萬人遭受洪災(zāi)，大大減輕川渝地區(qū)及長江中下游沿線的防洪壓力。為此，國家水利部發(fā)函通報表揚(yáng)大渡河公司為四川省及長江流域防洪減災(zāi)做出的巨大貢獻(xiàn)。

4 結(jié)論

(1)實(shí)行大型流域梯級電站群智能調(diào)度，可在優(yōu)化我國水能及水資源配置、防御洪澇旱等自然災(zāi)害、增強(qiáng)電力系統(tǒng)安全和穩(wěn)定性、改善生態(tài)環(huán)境、保障工農(nóng)業(yè)供水安全、支撐國民經(jīng)濟(jì)可持續(xù)發(fā)展等方面發(fā)揮巨大的作用，具有顯著的經(jīng)濟(jì)和社會效益。

(2)國家能源大渡河公司通過開發(fā)、集成先進(jìn)的云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)和人工智能技術(shù)，確定合理的技術(shù)路線，加強(qiáng)實(shí)踐應(yīng)用和成果凝練，形成了一批具有自主知識產(chǎn)權(quán)、行之有效的梯級電站群(水庫群)智能調(diào)度成套技術(shù)成果，對于國內(nèi)外其他流域梯級電站群的智能化、智慧化改造和升級具有較好的借鑒意義。

(3)大型流域梯級電站群智能調(diào)控需要耦合多維因素，日趨復(fù)雜的水力、電力聯(lián)系進(jìn)一步加劇了系統(tǒng)模型計算的復(fù)雜性，水利、電力、環(huán)境、生態(tài)、供水等調(diào)度部門的精細(xì)化調(diào)控目標(biāo)也對優(yōu)化方法提出了更高的要求，增大了優(yōu)化難度，還需進(jìn)一步研究多因子博弈理論下的智能調(diào)控優(yōu)化方案。