張金良，魯 俊，高 興，趙夢龍

·農(nóng)業(yè)水土工程·

增強小浪底調水調沙后續(xù)動力的三門峽水庫水位方案優(yōu)選

張金良，魯 俊※，高 興，趙夢龍

（1. 黃河勘測規(guī)劃設計研究院有限公司，鄭州 450003；2. 水利部黃河流域水治理與水安全重點實驗室（籌），鄭州 450003）

小浪底水庫調水調沙后續(xù)動力不足，在不新建水利工程的前提下充分挖掘三門峽水庫等現(xiàn)有工程的潛力，可為小浪底水庫調水調沙提供后續(xù)動力，具有研究價值。該研究分析三門峽水庫通過改建底孔形成雙泥沙侵蝕基準面條件下的可能邊界條件，考慮三門峽水庫工程運用條件和入庫洪水分期特點，分析擬定了三門峽汛期、非汛期抬高水位的方案，利用構建的三門峽水庫泥沙沖淤數(shù)學模型和模糊優(yōu)選評價模型進行方案計算分析與評價，提出了三門峽水庫在降低侵蝕基準面的情況下最優(yōu)運用水位方案，即按照前汛期運用水位308 m、后汛期運用水位312 m、非汛期最高水位321 m運行的方案，該方案與現(xiàn)狀運用方案相比，2 600 m3/s以上增泄水量增加42%，電站發(fā)電量累計增加9%，濕地面積增加73%，評價的綜合效益最優(yōu)。研究成果對增強小浪底水庫調水調沙后續(xù)動力、三門峽水庫充分發(fā)揮綜合效益具有重要意義。

水庫管理；數(shù)學模型；水沙調控；三門峽水庫；小浪底水庫；雙泥沙侵蝕基準面；模糊優(yōu)選評價模型

0 引 言

黃河小浪底水庫是黃河水沙調控體系的重要組成部分，以小浪底水庫為核心的黃河調水調沙實踐取得了巨大成功。然而由于黃河水沙調控體系不完善，自2000年以來，黃河中游水沙條件變化，小浪底水庫入庫大流量過程減少，調水調沙在調水階段泄放大流量之后，水庫排沙、下游河道輸沙入海所需的后續(xù)水流動力不足[1]，水沙調控體系的整體合力無法充分發(fā)揮。現(xiàn)階段，完善水沙調控機制，充分挖掘現(xiàn)狀水庫工程潛力，為小浪底調水調沙提供后續(xù)動力非常迫切[2]，亟需開展相關研究。

小浪底水庫是黃河水沙調控體系的骨干工程之一[3]，是黃河中下游開展調水調沙[4]、保障黃河下游防洪安全的關鍵性工程[5]。目前已有圍繞小浪底水庫調水調沙開展的大量研究成果，包括調水調沙模式及指標[1-2]、排沙調度實踐及效益[6-8]等方面的研究。小浪底調水調沙后續(xù)動力不足的問題引起了廣泛關注，王煜等[9-10]研究了小浪底補充后續(xù)動力的可能途徑，張金良等[1,11]解析了后續(xù)動力不足的原因，明確提出了建設古賢水庫為小浪底水庫調水調沙補充后續(xù)動力，但古賢水庫目前尚未開工建設，如何利用三門峽水庫等現(xiàn)狀工程為小浪底調水調沙補充后續(xù)動力有待深入研究。模糊神經(jīng)網(wǎng)絡是模糊理論與神經(jīng)網(wǎng)絡結合的產(chǎn)物，因具有模糊系統(tǒng)對不確定信息的處理能力和神經(jīng)網(wǎng)絡較強的學習能力，被廣泛應用于智能決策、方案比選等領域。喻圣等[12]結合電力短期負荷的特點，將模糊神經(jīng)網(wǎng)絡應用于電力短期負荷預測。聶相田等[13]將模糊優(yōu)選理論與神經(jīng)網(wǎng)絡理論相結合，建立了模糊優(yōu)選誤差反向傳播（Back Propagation，BP）網(wǎng)絡權重調整模型，用于評價水利工程建設管理的績效。喬衛(wèi)亮等[14]提出了一種基于模糊神經(jīng)網(wǎng)絡的風險評估模型，應用于沿海航行船舶的沉船事故風險評估，模型在自我優(yōu)化、使用便捷性和動態(tài)適用性方面優(yōu)勢明顯。岳炯等[15]利用模糊系統(tǒng)和BP神經(jīng)網(wǎng)絡的組合模型來進行電子部件的性能評價，通過實例仿真試驗，改進后的模糊BP神經(jīng)網(wǎng)絡對導引頭的性能評價更精準、適用性更強?；谝陨蠎锰匦?，本文擬采用模糊神經(jīng)網(wǎng)絡優(yōu)選三門峽水庫運用方案。

研究三門峽水庫運用方案是為小浪底水庫調水調沙補充后續(xù)動力的重要課題，也是創(chuàng)新黃河水沙調控機制的重要途徑。本文擬開展增強小浪底調水調沙后續(xù)動力的三門峽水庫水位分析，構建水庫泥沙沖淤數(shù)學模型、基于人工神經(jīng)網(wǎng)絡法的模糊優(yōu)選評價模型，計算評價不同運用方案在控制水庫淤積（潼關高程）、補充小浪底水庫調水調沙后續(xù)動力和提高發(fā)電效益、改善生態(tài)等方面的作用，得出三門峽水庫運用優(yōu)選方案，以期為增強小浪底水庫調水調沙后續(xù)動力提供重要參考。

1 材料與方法

1.1 研究區(qū)概況

三門峽水庫位于河南省陜縣（右岸）和山西省平陸縣（左岸）交界處，水庫大壩與下游小浪底水庫大壩距離為130 km（圖1），是黃河中游干流上修建的第一座以防洪為主，兼顧防凌、灌溉、發(fā)電、供水等綜合利用的大型水利樞紐工程。水庫于1960年9月下閘蓄水，運用初期由于壩前水位高，庫區(qū)泥沙淤積嚴重，導致潼關高程急劇抬升，渭河下游防洪問題突顯[16]，工程經(jīng)過了兩次改建，運用方式先后經(jīng)歷了“蓄水攔沙”“滯洪排沙”“蓄清排渾”三個運用階段[17]。自水庫“蓄清排渾”運用以來，采取了一系列措施治理潼關河段，阻止了潼關高程繼續(xù)抬升，但仍居高不下，穩(wěn)定在328 m左右[18]。目前，三門峽水庫335 m高程以下庫容約58 億m3，但汛期控制水位305 m以下庫容僅0.5 億m3，該水位條件下庫區(qū)已形成了較為穩(wěn)定的侵蝕基準面，庫區(qū)很難再發(fā)生強烈的溯源沖刷，庫容太小導致水庫綜合運用效益未能充分發(fā)揮，也難以為小浪底水庫調水調沙提供充足的后續(xù)動力（下泄的大流量過程少）。通過工程改建降低排沙底孔高程，形成雙泥沙侵蝕基準面[19]，增大庫區(qū)排沙運用時的臨時縱比降，強化溯源沖刷效率，為多沙河流水庫恢復保持庫容提供了一種解決方案，已經(jīng)在陜西省東莊水利樞紐工程中應用，這種技術給三門峽水庫抬高水位增加蓄水量為小浪底水庫調水調沙提供后續(xù)動力以及控制水庫淤積提供了可能性，值得深入研究。

1.2 數(shù)據(jù)來源

進入三門峽水庫的水沙量主要來自黃河干流，潼關水文站為三門峽水庫的入庫站（圖1），三門峽站為水庫的出庫站。兩個站均觀測有流量、輸沙率、含沙量、水位、徑流量、輸沙量等資料，觀測資料經(jīng)黃河水利委員會水文局整編，每年刊印《中國人民共和國水文年鑒》，兩個站1919年以來的水文資料基本完整。同時三門峽庫區(qū)管理單位每年對庫區(qū)地形進行大斷面測量，整編了庫區(qū)沖淤、庫容變化等資料。本文收集了1973年以來潼關水文站、三門峽站以上資料作為研究數(shù)據(jù)。

1.3 研究方法

1.3.1 庫區(qū)泥沙沖淤數(shù)學模型

1）水流運動控制方程

一維非恒定流模型控制方程如下：

水流連續(xù)方程：

水流運動方程：

式中表示沿流向的坐標，m；表示時間，s；表示流量，m3/s；表示水位，m；表示斷面過水面積，m2；表示河寬，m；q為單位河長匯入（流出）的流量，m2/s；為糙率，無量綱；表示重力加速度，m/s2。

2）懸移質不平衡輸沙方程

將懸移質泥沙分為組，以S表示第組泥沙的含沙量（kg/m3），可得懸移質泥沙的不平衡輸沙方程為

式中表示恢復飽和系數(shù)，無量綱；ω表示第組泥沙顆粒的沉速，m/s；*k表示第組泥沙挾沙力，kg/m3；q表示單位時間單位河長匯入（流出）的沙量，kg/(m·s)。

水流挾沙力采用張紅武公式[20]，對高含沙洪水適應性好，在黃河上應用廣泛，計算公式如下：

式中*為水流挾沙力，kg/m3；λ、λ分別為泥沙和渾水的密度，kg/m3；為卡門常數(shù)，采用0.4；為斷面平均流速，m/s；為水深，m；S為體積含沙量，無量綱；ω為混合沙挾沙力的代表沉速，m/s；50為床沙的中值粒徑，m；、0分別為挾沙力系數(shù)和指數(shù)，無量綱，取值=2.5、0=0.62[20]。

3）河床變形方程

河床變形方程：

式中′為泥沙干容重，kg/m3。

1.3.2 發(fā)電量計算方程

水電站發(fā)電量計算方程如下：

=0凈（6）

電量=（7）

式中為電站出力，kW；0為出力系數(shù)，無量綱，結合三門峽水庫電站規(guī)模，取值8.5；凈為水頭損失的凈水頭，m；為發(fā)電時間，h；電量為發(fā)電量，kW·h。

1.3.3 庫區(qū)最大濕地面積、庫區(qū)淹沒人口

庫區(qū)最大濕地面積、庫區(qū)淹沒人口分別根據(jù)泥沙沖淤模型計算得到的水庫水位，按表1插值得到。

表1 庫區(qū)水位下濕地面積和淹沒人口

1.3.4 方案評價模型

采用庫區(qū)泥沙沖淤數(shù)學模型，可以得到水庫水位、流量、含沙量、沖淤等特征值，但需要選取有代表性的特征值，構建評價指標體系，并選擇一定的評價方法進行方案的優(yōu)選。本文采用基于人工神經(jīng)網(wǎng)絡法的模糊優(yōu)選評價模型進行方案評價。

1）模糊優(yōu)選理論

根據(jù)多目標優(yōu)選理論[21]，設有考慮個目標值的個方案組成的待優(yōu)選樣本集，其特征值矩陣為

因個目標值的量綱及數(shù)值范圍并不一致，因此將待優(yōu)選方案特征值矩陣進行歸一化處理，確定其相對隸屬度矩陣。對于期望值越大對較優(yōu)方案貢獻度越高的目標，稱之為效益型目標，采用如下方法進行歸一化處理：

對于期望值越小對較優(yōu)方案貢獻度越高的目標，稱之為成本型目標，采用如下方法進行歸一化處理：

2）基于誤差反饋的人工神經(jīng)網(wǎng)絡

基于誤差反饋的人工神經(jīng)網(wǎng)絡（Back Propagation Artificial Neural Network，BP-ANN）模型由輸入層、輸出層和隱含層組成，通過對一定容量樣本的學習與訓練，確定網(wǎng)絡有關參數(shù)，其工作過程包括信息正向傳播和誤差反向傳播兩個反復交替的過程。信息正向傳播的過程可以由第0層第個神經(jīng)元的輸入輸出關系[24]簡單表示為

BP算法通過計算誤差，沿輸出層向輸入層方向修改網(wǎng)絡參數(shù)。學習的目標是使網(wǎng)絡的誤差最小或小于一個允許值。權重通常采取下式[22]進行修正：

式中(tt)為第tt個神經(jīng)元的權重；為學習率。

3）基于模糊優(yōu)選及BP-ANN的多目標評價

基于模糊優(yōu)選及BP-ANN的多目標評價基本思路為，利用BP-ANN強大的非線性模擬能力，通過網(wǎng)絡訓練獲得相對隸屬度權重，進行多目標評價。根據(jù)模糊優(yōu)選理論[23]，設待選方案中各目標的最優(yōu)值組成的方案為最優(yōu)，其對最優(yōu)的相對隸屬度為1；設待選方案中各目標的最劣值組成的方案為最劣，其對最優(yōu)的相對隸屬度為0；線性插值最優(yōu)和最劣目標值得到介于最優(yōu)方案和最劣方案標的中間方案，其對最優(yōu)的相對隸屬度為0.5。由此，可在不同的目標體系與對最優(yōu)的相對隸屬度之間建立一種非線性映射關系。這種復雜的非線性關系可用BP-ANN進行模擬訓練，則最優(yōu)方案、最劣方案和中間方案與其對最優(yōu)的相對隸屬度為可組成訓練樣本進行模擬訓練，見圖2。在訓練過程中，以模擬精度和迭代計算次數(shù)進行控制，達到相應誤差或迭代次數(shù)要求后，即可確定相應的網(wǎng)絡結構。

BP-ANN網(wǎng)絡結構確定以后，將各方案的相對隸屬度向量代入，通過BP-ANN網(wǎng)絡計算后的輸出，即為各方案對最優(yōu)的相對隸屬度。利用此相對隸屬度進行排序，即可進行各方案的優(yōu)劣排序，進而確定相對較優(yōu)的方案。

注：xi為第i個輸入層節(jié)點；Zj為第j個隱層節(jié)點；y為輸出層節(jié)點；b為最劣方案的相對隸屬度向量；mm為中間方案的相對隸屬度向量；gg為最優(yōu)方案的相對隸屬度向量。

1.4 方案設置

1.4.1 水位方案

三門峽水庫大壩為混凝土重力壩，在泄流壩段高程280 m（大沽高程，下同）設12個施工導流底孔，在高程300 m設12個深水孔，在290 m的左岸增建2條隧洞[25]。水電站為壩后式，設有7臺機組和1條泄流鋼管。2002年11月原型試驗以來，三門峽水庫運用方式為：非汛期壩前最高水位不超過318 m，平均水位為315 m左右，汛期洪水時敞泄（入庫流量大于1 500 m3/s時敞泄）。一般情況下，汛期排沙運用的最低水位是295 m，相應泄流規(guī)模是2 265 m3/s（不含機組）。通過改建底孔設施，使進口高程由300 m降低至290 m，排沙運用時水位降低至290 m。

該工程運用條件下，考慮盡可能增強小浪底水庫調水調沙后續(xù)動力，需抬高水庫水位，在合適時機增泄更多的大流量過程。但水位抬高過多將影響水庫排沙，不利于有效庫容保持和潼關高程穩(wěn)定控制，同時帶來移民淹沒問題。方案1是水庫現(xiàn)狀運用方案，前汛期、后汛期水位305 m，非汛期最高水位不超318 m；根據(jù)分析三門峽水庫汛期水位在312 m以下時，水庫排沙效率較高，考慮采用了雙泥沙侵蝕基準面，水庫排沙效率有一定提高，方案設置時最高上浮到315 m控制，進一步考慮到三門峽水庫汛期洪水具有分期特點，分期點為9月1日，按照前汛期（7－8月）、后汛期（9－10月）設置了方案2～方案9的汛期水位方案；結合三門峽水庫非汛期回水淹沒特點，以及1973年以來的最高運用水位，非汛期最高水位的方案按不超326 m控制，設置了方案2～方案9的非汛期最高水位[16]。組合方案情況見表2。

表2 方案設置表

注：前汛期7－8月，后汛期9－10月。

Note: The pre flood season is from July to August, and the Post flood season is from September to October.

1.4.2 模型邊界

泥沙沖淤數(shù)學模型邊界條件采用三門峽庫區(qū)2020年4月實測地形，計算初始時刻是2020年，終止時刻根據(jù)計算系列的長度確定，本文設定的計算系列長度是10 a，模擬計算時按日為步長進行計算?？紤]潼關高程計算分析需要，邊界范圍向上游擴大，范圍包括渭河下游（咸陽～渭河口）、小北干流（黃淤68～潼關）、三門峽庫區(qū)（潼關～黃淤1），以四站（龍門、河津、華縣、狀頭）為進口，三門峽站為出口，潼關作為中間斷面。模型建模范圍見圖3。

1.4.3 水沙條件

考慮黃河水沙變化影響因素復雜，對于未來水沙變化趨勢的認識當前仍有爭議。研究采用的水沙系列在龍羊峽、劉家峽等大型水庫投入運用后的實測水沙系列中選取，暫不考慮上游古賢水庫運用（規(guī)劃2030年建成）影響，設計水沙系列長度采用10 a，選取1991－2000年系列。結合未來黃河徑流和泥沙的預估[1]，按照未來黃河來水量272.0億m3、來沙量8億t，對實測水沙過程進行同倍比縮放，得到計算采用的設計系列，水沙量特征值見表3。該設計系列中游干流龍門站和支流渭河華縣站、汾河河津站、北洛河狀頭站四站的年均水量272.05億m3，年均沙量8.00億t，多年平均含沙量29.4 kg/m3。潼關站的水沙過程根據(jù)上游干支流河道沖淤計算后得到。

表3 設計水沙系列水沙特征值

2 結果與分析

1）庫區(qū)泥沙沖淤數(shù)學模型驗證計算

采用1973年7月1日－2019年6月30日龍門、河津、華縣和狀頭站的逐日水沙資料對庫區(qū)泥沙沖淤數(shù)學模型進行驗證計算，邊界條件采用1973年汛前河道地形。懸移質級配按0.01、0.025、0.05、0.1、0.25和1.0 mm共6個分界值分為6組，按照上述四站實測懸移質級配進行插值。初始時刻床沙級配采用計算范圍內河道實測床沙級配資料。

表4給出了計算范圍內沖淤量計算值與實測值的對比，數(shù)學模型計算沖淤量和實測結果相對誤差基本在5%以下，黃淤～壩前河段多年累計沖淤較小，故相對誤差較大，總體吻合較好，可以開展方案計算。

表4 1973－2018年計算河段累計沖淤量驗證成果

注：黃淤41～壩前累計沖淤量實測值與計算值較小，絕對誤差很小，但實際數(shù)值波動范圍較大（-1 000～1 000），不宜用相對誤差來衡量，故未列出相對誤差。

Note: The measured and calculated value of cumulative erosion and deposition of Huangyu 41-Dam front are small, and the absolute error is very small, but the actual value fluctuates in a large range (-1 000-1 000), which is not suitable to be measured by relative error, so the relative error is not listed.

2）方案計算結果

利用泥沙沖淤數(shù)學模型計算不同方案的庫區(qū)累計沖淤量、潼關高程累計抬升值、電站累計發(fā)電量、水庫出庫水量過程。根據(jù)模型計算得到水庫出庫流量、水位，按照公式（6）和公式（7）計算得到發(fā)電量。

由于2 600 m3/s以上的流量過程對補充小浪底水庫排沙、下游河道輸沙入海的動力最為有效[7]，根據(jù)模型計算出庫流量過程，將統(tǒng)計水庫年均下泄2 600 m3/s以上的水量大小，作為衡量三門峽水庫為小浪底補充后續(xù)動力多少的標尺。不同水位方案計算結果見表5。

從計算結果來看，與現(xiàn)狀運用水位方案（方案1）相比，其他方案隨著水庫汛限水位和非汛期最高運用水位的抬升，電站發(fā)電量和庫區(qū)濕地面積呈增加趨勢，水庫下泄2 600 m3/s以上的水量也呈增加趨勢，小浪底水庫后續(xù)動力得到不同程度的增強，但是庫區(qū)淤積量也在不斷變化。與現(xiàn)狀運用方案相比，由于設置了雙泥沙侵蝕基準面，水庫運用水位抬升在一定范圍內，庫區(qū)淤積量比現(xiàn)狀運用水位方案略小，進一步抬升水位后庫區(qū)淤積量比現(xiàn)狀運用方案略大。從不同汛限水位抬升方案看，方案2、方案3、方案7庫區(qū)累計淤積量為0.89～1.02億t，小于現(xiàn)狀運用方案淤積量，潼關高程與現(xiàn)狀運用方案持平；方案8、方案9庫區(qū)累計淤積量分別為1.09、1.16億t，大于現(xiàn)狀運用方案淤積量，潼關高程抬升大于現(xiàn)狀運用方案，相比抬高了0.10、0.12 m。從不同非汛期最高運用水位方案看，方案3～方案6庫區(qū)累計淤積量為0.93～2.45億t，大于現(xiàn)狀運用方案淤積量，潼關高程抬升大于現(xiàn)狀運用方案，相比抬高了0.01～0.44 m。

表5 不同水位方案計算結果

3）方案評價

潼關高程是渭河下游和小北干流的侵蝕基準面，它的升降直接影響渭河下游防洪形勢，保持潼關高程穩(wěn)定十分重要?？紤]三門峽水庫庫區(qū)淹沒情況，以潼關高程抬升不超過0.5 m作為方案評價選取的限制條件。方案6潼關高程抬升0.62 m，淹沒人口1 963人，排除在評價范圍外。對方案1、2、3、4、5、7、8、9采用模糊優(yōu)選評價模型進行綜合評價。

水庫年均下泄大于2 600 m3/s的水量，代表了三門峽水庫為小浪底補充后續(xù)動力的能力，其值越大越好；發(fā)電量、濕地面積都是正向指標，其值越大越好；庫區(qū)淤積量和潼關高程是約束性指標，其值越小越好。根據(jù)模糊優(yōu)選評價模型，選取庫區(qū)淤積量最小、潼關高程最低、水庫年均下泄大于2 600 m3/s的水量最大、年發(fā)電量最大、濕地面積最大為水庫調度最優(yōu)評價目標。BP-ANN采用三層結構，其中輸入層節(jié)點數(shù)取為目標個數(shù)5，輸出節(jié)點數(shù)為1，隱層節(jié)點數(shù)根據(jù)試算比較確定。

根據(jù)公式（8）計算各方案的目標特征值矩陣如下：

由公式（9）-（11）求得其相對隸屬度矩陣為

根據(jù)模糊優(yōu)選理論，從待優(yōu)化方案的相對隸屬度矩陣中，抽取最優(yōu)方案的相對隸屬度向量，為=(1.00,1.00,1.00,1.00,1.00)，其對最優(yōu)的相對隸屬度值設定為1；最劣方案的相對隸屬度向量=(0.42,0.06,0.63,0.91,0.52)，其對最優(yōu)的相對隸屬度值設定為0；中間方案的相對隸屬度向量為=(0.71,0.53,0.82,0.95,0.76)，其對最優(yōu)的相對隸屬度值設定為0.5。由此得到BP-ANN訓練樣本（樣本的5個值分別為5個目標的相對隸屬度值；樣本輸出為模型參數(shù)訓練的期望輸出值，計算輸出為模型參數(shù)訓練的實際輸出值），通過網(wǎng)絡訓練獲得相對隸屬度權重，訓練結果見表6。由6表可以看出，訓練后的該BP-ANN網(wǎng)絡對不同方案與其對最優(yōu)的相對隸屬度值具有較好的模擬能力。

將研究方案的多目標相對隸屬度代入訓練后的ANN網(wǎng)絡，得到待優(yōu)化方案對最優(yōu)的相應隸屬度值，見表7。

由表7排序結果可知，方案4在各評價方案中最優(yōu)，即三門峽水庫按照前汛期運用水位308 m、后汛期運用水位312 m、非汛期最高水位321 m運行的調度方案最優(yōu)。與現(xiàn)狀運用方案相比，該方案潼關高程抬升值基本一致，但比現(xiàn)狀方案下泄2 600 m3/s以上的水量多了42%，有效地為小浪底水庫調水調沙增加了后續(xù)動力，電站發(fā)電量累計增加了9%，濕地面積增加了73%，綜合效益最優(yōu)。但由于水庫水位抬升，可能對潼關高程產(chǎn)生影響，增加庫區(qū)塌岸風險，在將來運用時要及時觀測，制定風險應對的預案。

表6 BP-ANN（基于反饋誤差的人工神經(jīng)網(wǎng)絡）訓練樣本列表

注：樣本輸入為5個評價目標的相對隸屬度值；樣本輸出為模型參數(shù)訓練的期望輸出值；計算輸出為模型參數(shù)訓練的實際輸出值。

Note: Sample input means relative membership value of 5 evaluation objectives; sample output means expected output value of model parameter training; calculation output means actual output value of model parameter training.

三門峽水庫位于上游古賢水庫與小浪底水庫的中間，處于承上啟下的關鍵位置，在古賢水庫投運前，通過工程改建形成雙泥沙侵蝕基準面，優(yōu)化調整三門峽水庫運用水位，適當抬高水位為增強小浪底水庫后續(xù)動力提供了可能。未來古賢水庫投運后，進入三門峽庫區(qū)的泥沙量將大幅減少，潼關高程下降，可為三門峽水庫進一步抬高水位增強小浪底水庫后續(xù)動力提供條件。

3 結 論

1）當前小浪底水庫調水調沙后續(xù)動力不足，三門峽水庫汛限水位以下庫容有限，現(xiàn)狀工程條件下難以為小浪底補充后續(xù)動力。通過改建底孔、降低泥沙侵蝕基準面，可提高水庫排沙效率，為提高三門峽水庫運用水位提供了可能性?？紤]三門峽水庫工程運用條件和入庫洪水分期特點，研究提出了三門峽汛期、非汛期抬高水位的方案。

2）構建三門峽水庫泥沙沖淤數(shù)學模型，可以對各種水位方案三門峽水庫庫區(qū)泥沙淤積、潼關高程變化、下泄大流量天數(shù)進行模擬。利用模糊優(yōu)選評價模型對三門峽水庫不同水位方案進行方案評價，提出了三門峽水庫在降低侵蝕基準面的情況下最優(yōu)運用水位方案，即按照前汛期運用水位308 m、后汛期運用水位312 m、非汛期最高水位321 m運行的方案，綜合效益最優(yōu)。但是具體實施時要考慮可能的風險，密切跟蹤監(jiān)測研究水位抬高對潼關高程的不利影響，觀測庫區(qū)崩岸風險，并采取必要措施。

[1] 張金良，魯俊，韋詩濤，等. 小浪底水庫調水調沙后續(xù)動力不足原因和對策[J]. 人民黃河，2021，43(1)：5-9.

Zhang Jinliang, Lu Jun, Wei Shitao, et al. Causes and countermeasures for insufficient follow-up power of water and sediment regulation in Xiaolangdi Reservoir[J]. Yellow River, 2021, 43(1): 5-9. (in Chinese with English abstract)

[2] 張金良. 黃河流域生態(tài)保護和高質量發(fā)展水戰(zhàn)略思考[J].人民黃河，2020，42(4)：1-6.

Zhang Jinliang. Water strategy for ecological protection and high quality development in the yellow river basin[J]. Yellow River, 2020, 42(4): 1-6. (in Chinese with English abstract)

[3] 水利部黃河水利委員會. 黃河流域綜合規(guī)劃（2012—2030年）[M]. 鄭州：黃河水利出版社，2013：49-58.

[4] 陳翠霞，安催花，羅秋實，等. 黃河水沙調控現(xiàn)狀與效果[J]. 泥沙研究，2019，44(2)：69-74.

Chen Cuixia, An Cuihua, Luo Qiushi, et al. Study on the effect of the water and sediment regulation in the Yellow River[J].Journal of Sediment Research, 2019, 44(2): 69-74. (in Chinese with English abstract)

[5] 胡春宏. 黃河水沙變化與治理方略研究[J]. 水力發(fā)電學報，2016，35(10)：1-11.

Hu Chunhong. Changes in runoff and sediment loads of the Yellow River and its management strategies[J]. Journal of Hydroelectric Engineering, 2016, 35(10): 1-11. (in Chinese with English abstract)

[6] 李國英，盛連喜. 黃河調水調沙的模式及其效果[J]. 中國科學：技術科學，2011，41(6)：826-832.

Li Guoying, Sheng Lianxi. Model of water-sediment regulation in Yellow River and its effect[J]. Science China Technology Science, 2011, 41(6): 826-832. (in Chinese with English abstract)

[7] 萬占偉，羅秋實，閆朝暉，等. 黃河調水調沙調控指標及運行模式研究[J]. 人民黃河，2013，35(5)：1-4.

Wan Zhanwei, Luo Qiushi, Yan Zhaohui, et al. Research on regulation index and operation mode of water and sediment regulation of the yellow river[J]. Yellow River, 2013, 35(5): 1-4. (in Chinese with English abstract)

[8] 劉樹君，董澤亮，張榮鳳. 小浪底水庫水沙聯(lián)合調度實踐及思考[J]. 中國防汛抗旱，2018，28(6)：51-53.

Liu Shujun, Dong Zeliang, Zhang Rongfeng. Practice and thinking of water and sediment joint operation in Xiaolangdi reservoir[J]. China Flood & Drought Managemant, 2018, 28(6): 51-53. (in Chinese with English abstract)

[9] 王煜，安催花，李海榮，等. 黃河水沙調控體系規(guī)劃關鍵問題研究[J]. 人民黃河，2013，35(10)：23-25，32.

Wang Yu, An Cuihua, Li Hairong, et al. Research on the key problems of the Yellow River Water and Sediment Regulation and Control System[J]. Yellow River, 2016, 35(10): 23-25, 32. (in Chinese with English abstract)

[10] 萬占偉，劉繼祥，李福生. 古賢水庫與小浪底水庫聯(lián)合運用研究[J]. 人民黃河，2013，35(10)：36-39.

Wan Zhanwei, Liu Jixiang, Li Fusheng. Research of joint operation method of Guxian and Xiaolangdi reserviors[J]. Yellow River, 2013, 35(10): 36-39. (in Chinese with English abstract)

[11] 張俊華，李濤，馬懷寶. 小浪底水庫調水調沙研究新進展[J]. 泥沙研究，2016(2)：68-75.

Zhang Junhua, Li Tao, Ma Huaibao. New progress in research on water and sediment regulation in Xiaolangdi reservoir[J]. Journal of Sediment Research, 2016(2): 68-75. (in Chinese with English abstract)

[12] 喻圣，鄒紅波，余凡，等. 模糊神經(jīng)網(wǎng)絡在電力系統(tǒng)短期負荷預測中的應用[J]. 電網(wǎng)分析與研究，2018，46(11)：88-91，97.

Yu Sheng, Zou Hongbo, Yu Fan, et al. Application of fuzzy neural network in power short-term load forecasting[J]. Power Grid Analysis & Study, 2018, 46(11): 88-91, 97. (in Chinese with English abstract)

[13] 聶相田，宋雅靜，段文鳳. 基于模糊優(yōu)選BP網(wǎng)絡的水利工程建設管理績效評價[J]. 水電能源科學，2013，31(4)：116，136-138.

Nie Xiangtian, Song Yajing, Duan Wenfeng. Water conservancy construction management performance evaluation based on fuzzy optimization BP network[J]. Water Resources and Power, 2013, 31(4): 116, 136-138. (in Chinese with English abstract)

[14] 喬衛(wèi)亮，劉陽，周群，等. 基于模糊人工神經(jīng)網(wǎng)絡的安全風險評估模型[J]. 安全與環(huán)境學報，2021，21(4)：1405-1411.

Qiao Weiliang, Liu Yang, Zhou Qun, et al. Safety risk assessment model based on fuzzy artificial neural network[J]. Journal of Safety and Environment, 2021, 21(4): 1405-1411. (in Chinese with English abstract)

[15] 岳炯，呂衛(wèi)民，胡文林. 基于模糊BP神經(jīng)網(wǎng)絡雷達導引頭的性能評價[J]. 計算機與數(shù)字工程，2021，49(7)：1296-1301.

Yue Jiong, Lv Weimin, Hu Wenlin. Performance evaluation of radar seeker based on fuzzy artificial neural network[J]. Computer and Digital Engineering, 2021, 49(7): 1296-1301. (in Chinese with English abstract)

[16] 王兆印，李昌志，王費新. 潼關高程對渭河河床演變的影響[J]. 水利學報，2004(9)：1-8.

Wang Zhaoyin, Li Changzhi, Wang Feixin. Effect of Tongguan’s elevation on the fluvial process of the Lower Weihe River[J]. Journal of Hydraulic Engineering, 2004(9): 1-8. (in Chinese with English abstract)

[17] 錢意穎，程秀文，華正本，等. 三門峽水庫蓄清排渾運行與泥沙問題的總結[J]. 水利水電技術，1988(8)：1-7.

Qian Yiying, Cheng Xiuwen, Hua Zhengben, et al. Summary of the operation and sedimentation problems of Sanmenxia Reservoir[J]. Water Resources and Hydropower Technology, 1988(8): 1-7. (in Chinese with English abstract)

[18] 周建軍，林秉南. 從三門峽水庫的運行看潼關高程的變化[J]. 水力發(fā)電學報，2003(3)：59-67.

Zhou Jianjun, Lin Bingnan. Stages at tongguan and operation of sanmenxia reservoir[J]. Journal of Hydroelectric Engineering, 2003(3): 59-67. (in Chinese with English abstract)

[19] 張金良. 多沙河流水利樞紐工程泥沙設計理論與關鍵技術[M]. 鄭州：黃河水利出版社，2019：272-282.

[20] 張紅武，張清. 黃河水流挾沙力的計算公式[J]. 人民黃河，1992(11)：7-9，61.

[21] 張金良. 黃河水庫水沙聯(lián)合調度問題研究[D]. 天津：天津大學，2004.

Zhang Jinliang. Research on the Yellow River Reservoir Water and Sediment Joint Operation[D]. Tianjin: Tianjin University, 2004. (in Chinese with English abstract)

[22] 王國利，周惠成，張文國. 含水層易污染性評價的模糊優(yōu)選方法[J]. 水利學報，2000(12)：72-76.

Wang Guoli, Zhou Huicheng, Zhang Wenguo. Multi-object ive fuzzy optimization method for aquifer vulnerability assessment[J]. Journal of Hydraulic Engineering, 2000(12): 72-76. (in Chinese with English abstract)

[23] 張保祥，萬力，余成，等. 基于熵權與GIS耦合的DRASTIC地下水脆弱性模糊優(yōu)選評價[J]. 現(xiàn)代地質，2009，23(1)：150-156.

Zhang Baoxiang, Wan Li, Yu Cheng, et al. Fuzzy optimization assessment of DRASTIC Groundwater vulnerability based on Entropy Weight and GIS[J]. Geoscience, 2009, 23(1): 150-156. (in Chinese with English abstract)

[24] 龐博，郭生練，熊立華，等. 丹江口庫周區(qū)人工神經(jīng)網(wǎng)絡洪水預報模型研究[J]. 人民長江，2004，35(4)：30-31.

[25] 王大勇，韓左雷，張中原. 三門峽水利樞紐泄流工程二期改建的效果與啟示[A].//中國水利學會地基與基礎工程專業(yè)委員會.黃河三門峽工程泥沙問題研討會論文集[C].中國水利學會地基與基礎工程專業(yè)委員會：中國水利學會，2006：3.

Optimal strategy for water level of Sanmenxia Reservoir to enhance follow-up power of water and sediment regulation of Xiaolangdi Reservoir

Zhang Jinliang, Lu Jun※, Gao Xing, Zhao Menglong

(1...,450003,; 2.,(),450003,)

The follow-up power is still lacking for the water and sediment regulation in the Xiaolangdi Reservoir. The follow-up power of flow is required for the reservoir to discharge the sediment and the lower river channel, finally to transport the sediment into the sea, as the large flow of water is released during the water regulation stage with the reduction of large flow into the reservoir. It is necessary to fully explore the potential of the Sanmenxia Reservoir, providing the follow-up power for water and sediment regulation in the Xiaolangdi Reservoir. In this study, the possible boundary conditions were analyzed with the formation of a double sediment erosion base level via rebuilding the bottom hole of the Sanmenxia reservoir. The restricted operation water level of 305-312 m was also set in several flood seasons, according to the early flood season during July to August, and the later flood season during September to October. Several operation water levels of 318-326 m were set in the non-flood season, and nine schemes were combined with different water levels in flood season and non-flood season, considering the scouring and silting characteristics of the Sanmenxia Reservoir area. A mathematical model was constructed for the sediment erosion and siltation in the Sanmenxia Reservoir. The measured data from July 1, 1973, to June 30, 2019, were utilized to calibrate the parameters of the model. The calculation error of reservoir siltation was controlled within 5%. After that, the schemes were calculated using the verified mathematical model. The boundary conditions were that: in the Xiaolangdi Reservoir area in April 2020, the future inflow of 27.205 billion m3 and the incoming sediment of 800 million tons of reservoir, from the accumulated erosion and siltation in the reservoir area, the accumulated increase in the elevation value of Tongguan (erosion base level of the lower Weihe River), the accumulated power generation of the power station, the average annual discharge over 2 600 m3/s in the reservoir, the largest wetland area in the reservoir area and the change of inundated population in the reservoir area. Nine schemes were evaluated using the fuzzy optimization model, and then the optimal water level scheme of the Sanmenxia Reservoir was proposed under the condition of reducing the erosion base level. The optimal water level was 308 m in the early flood period during July to August, 312 m in the later flood period during September to October, and the highest water level was 321 m in the non-flood period. The optimal scheme presented an increase of 42% in the discharge above 2 600 m3/s, a cumulative increase of 9% in power generation capacity, and a 73% increase in the wetland area. The possible impact was analyzed for the rising of water level, particularly on the elevation of Tongguan, the risk increase of eroding bank in the reservoir area, where the observation during specific implementation in time and formulating risk response plans. The findings can provide a promising application to enhance the follow-up power of water and sediment regulation in the Xiaolangdi Reservoir, thereby improving the comprehensive benefits of the Sanmenxia Reservoir.

reservoir management; mathematical models; water and sediment regulation; Sanmenxia Reservoir; Xiaolangdi Reservoir; double sediment erosion base level; fuzzy optimal evaluation model

張金良，魯俊，高興，等. 增強小浪底調水調沙后續(xù)動力的三門峽水庫水位方案優(yōu)選[J]. 農(nóng)業(yè)工程學報，2021，37(15)：60-67.doi：10.11975/j.issn.1002-6819.2021.15.008 http://www.tcsae.org

Zhang Jinliang, Lu Jun, Gao Xing, et al. Optimal strategy for water level of Sanmenxia Reservoir to enhance follow-up power of water and sediment regulation of Xiaolangdi Reservoir[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(15): 60-67. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.15.008 http://www.tcsae.org

2021-02-20

2021-06-28

國家重點研發(fā)計劃項目（2016YFC0402503，2018YFC1508404）

張金良，博士，高級工程師（教授級），博士生導師，研究方向為黃河流域重大水工程與水沙調控。Email：jlzhangyrec@126.com

魯俊，高級工程師，研究方向為水沙研究與規(guī)劃設計。Email：393956425@qq.com

10.11975/j.issn.1002-6819.2021.15.008

TV213.9; TV882.1

A

1002-6819(2021)-15-0060-08