《Water》：Comparative Assessment of Optimal Reservoir Rule Curves Under Future Hydrological Conditions in Thailand and Lao PDR
编辑推荐：
摘要专业翻译
水库调度规则曲线是指导蓄水与放水的重要工具，尤其是在水文条件不断变化的情形下。本研究基于两座水库不同的物理与运行特性，比较了其未来最优调度规则曲线及水电性能：一座为老挝人民民主共和国的南坎2号水库（Nam Khan 2 Reservoir），另一
摘要专业翻译
水库调度规则曲线是指导蓄水与放水的重要工具，尤其是在水文条件不断变化的情形下。本研究基于两座水库不同的物理与运行特性，比较了其未来最优调度规则曲线及水电性能：一座为老挝人民民主共和国的南坎2号水库（Nam Khan 2 Reservoir），另一座为泰国的乌博拉水库（Ubolrat Reservoir）。研究人员将水库模拟模型与遗传算法（Genetic Algorithm, GA）及蝙蝠算法（Bat Algorithm, BA）相耦合，在历史及未来入流条件下推求最优调度规则曲线。未来入流评估时段为2026—2055年共30年，优化目标为最大化水力发电量。结果表明，GA与BA为每座水库生成了相似的季节性规则曲线模式，尽管与现有曲线相比，在应对未来入流及水库特性方面存在差异。在未来情景下，南坎2号水库采用GA获得的单位入流平均发电量为284,082 ± 62,691 kWh/MCM，采用BA获得的为273,471 ± 61,790 kWh/MCM；而乌博拉水库对应值分别为36,476 ± 6064及35,999 ± 5466 kWh/MCM。结果还显示两座水库在单位蓄水量发电量方面存在显著差异。这些差异表明，水库规模、入流特征、放水量、蓄水位及水头均影响水电性能。总体而言，两种优化方法提供了可比的运行模式，而两座水库的不同响应则证明了根据水库特定的物理与水文条件制定调度规则曲线的重要性。所提出的比较框架可支持未来水文变化条件下更具适应性和高效性的水库运行。
论文解读
一、研究背景与问题
水库在水资源管理中发挥着关键作用，承担供水、灌溉、防洪及水力发电等多重功能。然而，水库运行面临的一个核心挑战是：水资源在季节间和年际间存在显著波动，而未来降雨、径流及河道流量的变化可能进一步影响水库的入流、蓄水、放水及发电过程。因此，水库运行策略需要具备足够的灵活性，以在不断变化的水文条件下维持可靠的水与能源生产。
水库调度规则曲线是指导全年蓄水和放水的常用工具，其为不同时期提供目标蓄水位，并支持在变化入流条件下的运行决策。规则曲线的有效性在很大程度上取决于水文特征、蓄水能力、用水需求及水库运行目标。因此，主要基于历史条件制定的规则曲线，在未来入流模式与过去存在显著差异时，可能不再适用。
尽管已有大量研究采用不同的模拟与元启发式优化方法优化水库规则曲线，但大多数应用聚焦于单一水库或特定水文与运行环境下的水库系统。对于物理特征、运行目的及入流情势存在显著差异的水库，在同一优化框架下对未来水文条件如何响应，相关比较研究相对不足。这种比较之所以重要，是因为水库蓄水量、入流、放水、水头、发电能力及运行目标均可能影响最优规则曲线的形态及由此产生的水电性能。开展比较分析有助于理解为何最优水库运行应依据水库特定条件制定，而非采用通用运行策略。
二、研究内容与主要结论
本研究比较了两座特征迥异的水库——老挝南坎2号水库与泰国乌博拉水库——的最优调度规则曲线及水电性能。研究人员将水库模拟模型与遗传算法（GA）和蝙蝠算法（BA）两种元启发式优化算法相耦合，在历史及未来入流条件下推求最优规则曲线，并比较规则曲线模式的变化，从入流、总放水量及蓄水量三个维度评估水电性能。研究的主要目的是确定物理与运行特征不同的水库如何响应未来水文条件，并识别影响其水电性能的关键因素。
研究得出以下主要结论：第一，GA和BA为每座水库生成了相似的季节性规则曲线模式，尽管各月数值存在差异，表明整体运行模式不依赖于单一搜索方法。第二，未来水文条件导致两座水库的最优规则曲线均发生变化，但响应具有水库特异性——南坎2号水库未来平均入流增幅约37.3%，且以发电为主要运行目标；乌博拉水库入流增幅约16.2%，蓄水容量更大且承担多目标运行任务。第三，优化后的规则曲线显著提高了两座水库的发电量，但南坎2号水库的单位入流、单位放水及单位蓄水发电量均远高于乌博拉水库，表明水库规模、入流特征、放水时机、蓄水位及水头等共同影响水电性能。
三、关键技术与方法
研究人员将水库模拟模型与遗传算法（GA）和蝙蝠算法（BA）两种元启发式优化算法耦合，以推求最优调度规则曲线。水库模拟模型基于水量平衡原理，采用标准运行策略（SOP）确定月放水量。每个候选解包含24个决策变量，即12个月的上下规则曲线值。GA采用选择、交叉和变异操作逐步改进候选解；BA模拟蝙蝠回声定位行为，通过频率、速度、响度和脉冲发射率控制搜索过程。两种算法均以模拟期内平均发电量作为适应度值，各重复运行10次取均值。未来入流数据方面，南坎2号水库采用QSWAT模型模拟并经INM-CM5-0在SSP2-4.5情景下驱动获得；乌博拉水库采用WEAP框架模拟并经MPI-ESM1-2-LR在SSP5-8.5情景下生成。水电性能采用三个归一化指标评估：单位入流发电量（Energy/Inflow）、单位放水发电量（Energy/Release）和单位蓄水发电量（Energy/Storage）。
四、研究结果
历史与未来入流特征。 南坎2号水库历史平均入流约2058 MCM/年，未来增至约2826 MCM/年，增幅约37.3%；乌博拉水库历史平均入流约3122 MCM/年，未来增至约3627 MCM/年，增幅约16.2%。两座水库未来平均入流均增加，但南坎2号的相对增幅更大。
历史与未来最优规则曲线。 在历史条件下，GA和BA为南坎2号生成了清晰的季节性运行模式，但与现有规则曲线存在差异。未来条件下，优化曲线保持季节性模式，但与历史及现有曲线不同，表明未来入流变化影响蓄水和放水的优选时机。乌博拉水库的优化曲线在历史及未来条件下均维持比现有曲线更高的蓄水目标，特别是下规则曲线，有利于保留水量以备后续使用。
最优规则曲线对发电量的影响。 南坎2号历史条件下实际运行年均发电约327 GWh/年，采用GA和BA优化后分别增至603和736 GWh/年；未来条件下分别约为780和746 GWh/年。乌博拉水库历史实际运行约66 GWh/年，GA和BA优化后分别增至108和107 GWh/年；未来条件下分别约为131和130 GWh/年。两座水库的优化结果均显著高于实际运行水平，但南坎2号的发电量远高于乌博拉水库，尽管其入流量更低。
单位水量水电性能比较。 历史条件下，南坎2号单位入流发电量GA为361,962 ± 272,507 kWh/MCM、BA为469,384 ± 204,859 kWh/MCM，乌博拉对应值分别为35,620 ± 14,223和36,572 ± 15,533 kWh/MCM。未来条件下，南坎2号对应值分别为284,082 ± 62,691和273,471 ± 61,790 kWh/MCM，乌博拉为36,476 ± 6064和35,999 ± 5466 kWh/MCM。单位放水发电量方面，历史条件下南坎2号GA约为282,225 ± 10,044 kWh/MCM、BA约为411,555 ± 171,148 kWh/MCM，乌博拉分别为35,082 ± 5212和34,872 ± 4609 kWh/MCM；未来条件下南坎2号分别为278,256 ± 5652和275,913 ± 3882 kWh/MCM，乌博拉为36,606 ± 2643和36,157 ± 2484 kWh/MCM。单位蓄水发电量方面，历史条件下南坎2号GA为262,654 ± 85,145 kWh/MCM、BA为339,946 ± 70,905 kWh/MCM，乌博拉分别为7076 ± 2682和7242 ± 2491 kWh/MCM；未来条件下南坎2号增至364,472 ± 46,553和358,542 ± 40,414 kWh/MCM，乌博拉增至8307 ± 2001和8720 ± 2242 kWh/MCM。三个归一化指标一致表明，南坎2号在单位入流、单位放水和单位蓄水方面的发电量均显著高于乌博拉水库。
五、讨论与结论
讨论部分指出，两座水库的响应差异表明最优规则曲线不仅取决于优化算法，还取决于各水库的水文条件、物理特征及运行角色。南坎2号入流相对增幅更大且以发电为主要目标，而乌博拉蓄水容量更大、入流增幅较小且承担多目标运行任务。研究强调，总入流量本身无法解释水电性能差异，水库水位、有效水头、发电能力、蓄水特征及放水时机同样重要。三个归一化指标作为比较性指标而非物理能量转换效率，用于消除水库间物理特征差异的影响。研究还指出，优化结果代表在指定模型假设和约束下的理论运行潜力，而非实际可实现的能源产量保证，实际运行可能受目标函数未明确表示的运行考量影响。
研究结论表明，GA和BA产生了可比较的运行模式，而两座水库的不同响应证明了根据水库特定的物理和水文条件制定规则曲线的重要性。所提出的比较框架可支持未来水文变化条件下更具适应性和高效性的水库运行，为泰国、老挝及其他面临水文变化地区的适应性水库运行策略制定提供了实用信息。
