结合调蓄湖泊水位耦合预报的调水工程调度研究.pdfVIP

摘要

南水北调东线工程是利用梯级泵站提水的大型跨流域调水工程，该工程穿过

洪泽湖、骆马湖、南四湖等大型湖泊，准确的湖泊水位预报对南水北调东线优化水

量调度计划以降低梯级泵站运行能耗至关重要。水位预报是水文预报研究中比较

重要的一个方向。传统机理水文预报模型需要大量的观测数据和专业知识，成本高

昂且对于复杂地区，模型参数不易确定导致预报精度低，也无法准确考虑非线性、

非均匀的水文过程。数据驱动预报通过大量监测数据和机器学习技术，克服了上述

问题，已成为当下水文预报的一种有效手段。湖泊水位受多种不确定因素(如气候、

人类活动和下垫面)影响，且在水量调配中发挥关键作用。因此本文结合水位序列

的特点，选用洪泽湖流域洪泽站、三河闸站、明光站、吴家渡站、双沟站、宿县闸、

泗洪站、金锁镇站、二河闸、高良涧闸等10个测站的月水位资料。首先，使用了

皮尔逊PCCS分析法和Copula函数法对数据进行相关性分析。然后，结合

CEEMDAN自适应噪声的完全集合经验模态分解法，形成了预报因子的优选方案。

接着，使用LSTM长短期记忆神经网络、Elman循环神经网络和GRU门控循环单

元这三种人工智能算法，建立了多种月水位预报组合模型。最后，在此基础上进行

预报驱动的调水工程水量调度研究，取得成果如下：

(1)将皮尔逊相关分析法(Pearson)、Copula函数结合CEEMDAN经验模态分解

提出PCCs、Copula、CEEMDAN-PCCs、CEEMDAN-Copula等4种预报因子优选

方案。根据4个模型评定指标的结果显示，有CEEMDAN分解的方案相比没有的

方案在预报精度上表现更好。经验模态分解技术对于提升水位预报模型的准确性

提供了一条可行的途径。

(2)结合提出的4种预报因子优选方案，构建了基于LSTM、Elman、GRU以

及耦合模型L-E-G等16种水位预报模型。通过评定指标对比可知，L-E-G模型的

预报效果优于这三种单一模型。其中在训练阶段，经过EEMDAN-PCCs-L-E-G模

型训练的水位预报模型，其均方根误差为0.28m，绝对误差小于0.1m、0.2m和0.3m

的样本占比分别为70.64%、83.46%和91.03%。在检验阶段，其均方根误差为0.29m，

绝对误差小于0.1m、0.2m和0.3m的样本占比分别为70.96%、83.73%和91.66%。

因此，EEMDAN-PCCs-L-E-G模型展现出最佳的预报效果。这说明耦合模型对水

位预报具有重要的改进作用，能够提高预报的准确性，为决策水利工程调水的水量

调度方案提供了一定理论参考。

(3)基于调蓄湖泊预报研究工作，进一步构建了梯级泵站群短期水量联合调度

优化调度模型。在综合考量短期调度任务及调水工程调度逻辑下，探索了南水北调

东线江苏段梯级泵站优化调度的方法。结合短期调度的任务特点，分析系统内湖泊、

河道、泵站的调度运行规则和规律，分别建立各工程调度模拟模型，模拟工程实际

调度运行过程。把水量优化调度模型计算得到的水量调度方案与实际抽调序列进

行比较，以南水北调东线江苏段2018-2019调度年中的1月及3月调水过程为例，

对优化调度过程和实际调度过程进行对比分析表明：在满足调度任务下，本模型在

合理利用调蓄湖泊进行水源切换后，减少了运行天数的同时又降低了抽江水量，从

而节省调度运行成本。在一定程度上可为决策者制定调水方案提供一定的参考价

值。

关键词：水位预报；预报因子优选；耦合预报模型；短期调度；南水北调东线

Abstract

TheEastLineoftheSouthtoNorthWaterDiversionProjectisalarge-scalecross

basinwatertransferprojectthatutilizescascadepumpingstationstoliftwater.The

projectpassesthroughlargelakessuchasHongzeLake,LuomaLake,andNansiLake.

Accuratelakewaterlevelpredictio