极端干旱条件下金沙江下游梯级水库蓄水期调度策略优化与多目标协同效益研究

在全球气候变暖背景下，长江流域极端干旱事件频发，严重威胁水电系统运行效率。针对2022年金沙江下游遭遇的1961年以来最严重干旱，中国研究人员构建了考虑蓄水期(IP)、高水位运行期(HP)和消落期(DP)的多目标优化模型(NSGA-II)，引入储能(ES)作为中介变量协调跨期效益。研究发现最优蓄水顺序为乌东德-白鹤滩-溪洛渡-向家坝，实现蓄水效率(IE)0.784和总发电量1338.09亿千瓦时，并通过电价机制量化了效益损失补偿关系，为极端干旱下水资源优化提供了新范式。

　　

随着全球气候变暖加剧，长江流域正面临"频率增加、强度增大、时空复杂性增强"的极端干旱威胁。2022年夏季，长江上游遭遇了自1961年以来最严重的流域性高温干旱事件，导致径流锐减、水电出力骤降，仅四川省水电发电量就同比下降超50%，对区域能源安全构成严峻挑战。在这一背景下，如何通过优化调度策略充分发挥梯级水库的综合效益，成为水资源管理领域的重大科学问题。

针对这一挑战，国内研究人员以金沙江下游乌东德、白鹤滩、溪洛渡、向家坝四座巨型水电站组成的梯级系统为研究对象，基于2022年极端干旱场景，创新性地构建了蓄水期多目标优化调度模型。该研究首次将储能(Energy Storage, ES)概念引入水库调度领域，作为连接蓄水期(Impoundment Period, IP)、高水位运行期(High-water-level Operation Period, HP)和消落期(Drawdown Period, DP)发电效益的桥梁，解决了传统单阶段优化导致的全局效益损失难题。

研究团队采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)进行模型求解，设置种群规模2500、最大迭代次数500，交叉概率和变异概率分别为0.8和0.05。通过建立ES与HP+DP发电量的线性关系(y=1000.0+169.5x，R²
=0.97)，实现了跨期效益的协同优化。研究还采集了金沙江流域三坪子水文站的日流量数据作为模型输入，并考虑了1200 m³
/s的生态流量约束。

在"4.1蓄水期末ES与HP+DP总发电量关系计算"部分，研究团队基于440组水库水位情景分析发现，当蓄水效率(Impoundment Efficiency, IE)从0.1提升至0.784时，HP+DP总发电量可从1014.93亿千瓦时增至1226.40亿千瓦时，验证了高IE对长期效益的保障作用。"4.2蓄水期梯级水库最优发电策略"揭示了"上游优先"的蓄水顺序：乌东德水库(IE=1.00)和白鹤滩水库(IE=1.00)应优先蓄满，溪洛渡水库(IE=0.47)同步缓蓄，向家坝水库(IE=0.00)最后蓄水，该策略使三阶段总发电量达到1338.09亿千瓦时。

"5.3IE与发电效率的定量关系"部分通过电价补偿模型量化显示，IE每降低0.1将导致约10亿千瓦时的效益缺口，需将蓄水期电价提高0.001元/千瓦时进行补偿。这一发现为极端干旱条件下"保供电"与"蓄水"的权衡决策提供了量化工具。

这项发表在《Journal of Hydrology: Regional Studies》的研究，创新性地提出了基于ES中介的跨期协同优化框架，解决了高维水库调度中的"维度灾难"问题。研究确立的"上游优先"蓄水策略和电价补偿机制，不仅适用于金沙江梯级系统，也为全球大型调节河流的可持续管理提供了范式。特别是在气候变化导致极端水文事件频发的背景下，该成果对保障水资源-能源-粮食纽带安全具有重要战略意义。