基于分层优化与模型预测控制的水库实时优化调度研究——以峡江水库为例

本研究针对水库调度中闸门-机组联合优化维度高、末期水位控制难、来水不确定性下实时调度响应不足等瓶颈问题，开展了闸门与机组分层优化调度(HOSM)、流量分级水位控制规则(FWCR)与模型预测控制(MPC)相结合的研究。结果表明，所构建的分层优化调度模型(HOSM)较传统模型(OSM)显著提升了削峰率（20年一遇洪水从7.09%增至9.62%），结合FWCR后削峰率进一步达到9.88%，并减少了闸门操作次数、增加了发电量。建立的MPC实时调度框架在36–48 h预测时域、2–3 h决策步长下实现了10.81%的削峰率，反馈校正模块将最高水位降低了0.08–0.15 m。该研究为不确定来水条件下的水库实时优化调度提供了有效解决方案和科学参考。

　　

随着全球气候变化的加剧，水库作为高效水资源利用与水安全的核心措施，其调度面临着水文过程复杂、决策变量维度高、实时响应要求严苛等严峻挑战。特别是在洪水调度与发电效益协同优化方面，传统方法往往难以兼顾高维决策变量的求解效率、调度末期水位的精准控制以及来水不确定性下的实时动态响应。这些问题已成为制约水库智能化调度水平提升的关键瓶颈。

为了系统解决上述难题，南昌大学基础设施工程学院的何忠正、卢嘉浩等研究人员在《Journal of Hydro-environment Research》上发表了题为“Application of hierarchical optimization of gates and units, and flow-classification water level control rules, and model predictive control in reservoir real-time optimal scheduling”的研究论文。该研究以中国峡江水库为案例，构建了一个融合分层优化策略(Hierarchical Optimization Strategy, HOS)、流量分级水位控制规则(Flow-classification Water Level Control Rules, FWCR)和模型预测控制(Model Predictive Control, MPC)的实时优化调度(Real-time Optimal Scheduling, ROS)模型体系，旨在实现水库在复杂水文条件下的安全、高效运行。

本研究主要采用了以下几项关键技术方法：首先，基于高斯过程回归(Gaussian Process Regression, GPR)构建了短期径流预测模型，通过逐步回归筛选预报因子并优化核函数，提高了预报精度；其次，提出了闸门与机组的分层优化调度模型(Hierarchical Optimization Scheduling Model, HOSM)，将高维联合优化问题分解为上层的机组-虚拟聚合闸门联合优化和下层的多闸门泄流优化，实现了维度解耦；接着，将HOSM与FWCR耦合，确保调度末期水位的安全控制；最后，构建了基于MPC的实时调度框架，分析了预测时域、决策步长等关键参数的影响机制，并引入了反馈校正模块以应对来水预测的不确定性。研究使用的数据包括峡江水文站2016年至2021年的逐时流量序列数据，以及峡江水利枢纽的工程特性参数。

研究结果

1. 短期径流预测模型结果分析

通过比较平方指数、二次有理和Marton三种核函数的GPR模型预测性能，发现平方指数核函数在训练期和测试期的各项评价指标（如合格率QR在测试期达81.61%）均表现稳定且最优，其预测结果与实测值最为接近，尤其在高峰流量区域预测偏差较小。这表明基于平方指数核的GPR模型更适合用于峡江水库的短期入流预报，为后续实时调度提供了可靠的输入。

2. 考虑闸控的闸门机组HOSM结果分析

针对20年一遇（洪水a）和50年一遇（洪水b）两种设计洪水进行案例调度。结果表明，与传统优化调度模型(OSM)相比，HOSM在削峰效益上表现更优。对于洪水a，HOSM将其洪峰流量从19712.80 m³/s削减至17815.46 m³/s，削峰率从OSM的7.09%提升至9.62%；对于洪水b，削峰率从6.71%提升至8.03%。同时，HOSM的泄流过程更为平稳，闸门操作次数也有所减少（洪水a从31次降至29次）。这表明HOSM通过分层策略有效降低了求解复杂度，并提升了调度效果。

3. 考虑闸控及耦合FWCR的闸门机组HOSM结果分析

将FWCR引入HOSM后，调度效果得到进一步改善。以洪水a为例，当设定入库流量分界阈值为14000 m³/s时，耦合FWCR的HOSM将削峰率提升至9.88%，发电量增加至0.0255 × 10⁸ kW·h，闸门操作次数减少至22次。更重要的是，调度末期水库水位得以下降（例如从约46 m降至44.98 m），为应对后续可能发生的洪水预留了宝贵的库容，显著提升了防洪安全裕度。

4. 基于MPC的ROS模型结果分析

通过设置不同的预测时域（6-72 h）和决策步长（1-6 h）组合，对两场历史洪水（洪水1和洪水2）进行72小时实时调度仿真。结果表明，预测时域的延长能显著提升削峰能力（例如洪水1在18-48 h时域下削峰率稳定在10.81%），但会牺牲部分发电效益并大幅增加计算时间。决策步长的增大则降低了计算成本，但削弱了短时域下的削峰效果。综合权衡下，预测时域36–48 h、决策步长2–3 h的参数组合能在削峰率、水位控制和计算效率之间取得较好平衡。此外，反馈校正模块的应用有效修正了预测偏差，将洪水1在6 h预测时域下的最高水位从46.081 m降至46.001 m，避免了水库水位超限的风险，证明了其在应对不确定性方面的价值。

研究结论与意义

本研究成功构建并验证了一套集成HOS、FWCR和MPC的水库实时优化调度方法论和技术框架。其主要结论在于：HOSM通过分层降维有效解决了高维决策变量带来的“维数灾”问题，提高了求解效率和调度效果；FWCR的引入巧妙地将防洪优化调度与末期水位安全控制相结合，增强了调度方案的工程实用性和安全性；基于MPC的ROS框架则通过滚动优化和反馈校正，显著提升了水库在不确定来水条件下的实时决策能力和适应性。

该研究的重要意义在于为高维、复杂约束下的水库实时优化调度提供了创新的解决方案，推动了水库调度从静态、离线向动态、在线决策的转变。所提出的HOS-FWCR-MPC系统不仅适用于峡江水库，其核心思想和方法论也可为其他类似水利枢纽的智能化调度提供重要参考，对提升流域水资源综合效益和防洪安全具有积极的实践价值。未来研究可进一步探索自适应FWCR阈值、多水库联合调度以及更高效的预测与优化算法，以持续提升水库调度系统的智能化水平。