毛鎮(zhèn)南

(廣州市黃龍帶水庫(kù)管理中心，廣東 廣州 510000)

1 工程概況

黃龍帶水庫(kù)位于廣州市從化區(qū)東北部，壩址位于流溪河支流汾田水下游，壩址以上干流長(zhǎng)度21 km，是一座集防洪、灌溉、發(fā)電為一體的中型水庫(kù)，最大庫(kù)容9097萬(wàn)m3，集雨面積92.3 km2。主要建筑物包括主壩一座(漿砌石重力壩，壩長(zhǎng)183 m，最大壩高61.3 m)、溢洪道一處、電站兩座(總裝機(jī)容量為 8800 kW)、輸水隧洞二條(其中大壩至一級(jí)電站為194 m有壓隧洞，引水明渠沖沙閘至二級(jí)電站前池為566 m無(wú)壓隧洞)、860 m引水明渠一條。水庫(kù)大壩自建成以來(lái)運(yùn)行正常。大壩于2017年進(jìn)行安全鑒定，鑒定為一類(lèi)壩。庫(kù)區(qū)雨量分配很不均勻，10月—次年3月份量少，4—9月份量大。流域洪水一般發(fā)生在4—10月，4—6月以前汛期降水和梅雨降水為主，7—10月以臺(tái)風(fēng)暴雨為主。流域上游為山地，河道坡降較大，發(fā)生大暴雨時(shí)，常形成陡漲陡落的大洪水，洪水歷時(shí)短，洪流大。

目前黃龍帶水庫(kù)雖然建有大壩安全數(shù)據(jù)監(jiān)測(cè)系統(tǒng)，但水庫(kù)調(diào)度、水資源調(diào)節(jié)依然靠人工經(jīng)驗(yàn)進(jìn)行，缺乏面向水庫(kù)安全管理業(yè)務(wù)需求的數(shù)據(jù)與應(yīng)用平臺(tái)，分析滯后，不能及時(shí)給出決策支持。

2 入庫(kù)流量實(shí)時(shí)預(yù)報(bào)平臺(tái)

2.1 短臨(0～3 h)降水預(yù)報(bào)模型

目前，氣象上先進(jìn)的定量降水預(yù)報(bào)主要依靠數(shù)值天氣預(yù)報(bào)模式，而世界最先進(jìn)的數(shù)值天氣預(yù)報(bào)模式目前對(duì)未來(lái)0～3 h的降水預(yù)報(bào)效果都很差，關(guān)鍵原因是數(shù)值天氣預(yù)報(bào)模式的“spin-up”問(wèn)題沒(méi)有得到有效解決，計(jì)算效率較低，不能滿足0～3 h預(yù)報(bào)需求。

對(duì)0～3 h的客觀降水預(yù)報(bào)方法主要是采用雷達(dá)圖像外推方案。雷達(dá)圖像外推方案具備較高的時(shí)效性，較小的計(jì)算量，較高的空間分辨率和時(shí)間分辨率。深圳市氣象局建立的短時(shí)臨近預(yù)報(bào)系統(tǒng)就是基于光流法的雷達(dá)外推方案，取得了不錯(cuò)的預(yù)報(bào)效果。但是傳統(tǒng)的光流法面臨的最大問(wèn)題是無(wú)法估計(jì)無(wú)降水區(qū)域的流場(chǎng)，1 h以后的降水預(yù)報(bào)誤差顯著增大。這增加了水文模型對(duì)城市內(nèi)澇的不確定性和誤差。

為了給水文預(yù)報(bào)模型較好的預(yù)報(bào)降水驅(qū)動(dòng)，本項(xiàng)目在傳統(tǒng)光流方法短臨降水預(yù)報(bào)方案的基礎(chǔ)上，研發(fā)一種新的雷達(dá)外推短臨外推方案。主要研究思路是利用數(shù)值天氣模式預(yù)報(bào)的風(fēng)場(chǎng)信息，結(jié)合傳統(tǒng)光流法計(jì)算的風(fēng)場(chǎng)(流場(chǎng))，建立一種新的雷達(dá)外推短臨預(yù)報(bào)方案。3 h內(nèi)的預(yù)報(bào)目前已實(shí)現(xiàn)逐6 min更新。

2.2 多數(shù)值天氣預(yù)報(bào)模式降水的集合預(yù)報(bào)

降水是天氣預(yù)報(bào)中最難預(yù)報(bào)的變量，也是預(yù)報(bào)準(zhǔn)確度最低的變量之一。各個(gè)數(shù)值模式對(duì)降水的預(yù)報(bào)存在很大的區(qū)別，特別是在精細(xì)化(分辨率<1 km)格點(diǎn)定量降水預(yù)報(bào)的難度會(huì)更大[1-3]。數(shù)值天氣預(yù)報(bào)模式雖然能夠較好地給出降水量的預(yù)報(bào)，但其精度遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到經(jīng)濟(jì)社會(huì)發(fā)展的需要。每種數(shù)值天氣模式對(duì)降水的預(yù)報(bào)均存在一定的不足，但都有自己的優(yōu)點(diǎn)。為了減小高分辨率降水預(yù)報(bào)的不確定性，盡量提高降水預(yù)報(bào)的精度，為水庫(kù)調(diào)度提供精確的降水量預(yù)報(bào)，采用中國(guó)氣象局的多源降水預(yù)報(bào)產(chǎn)品，開(kāi)發(fā)多模式集合降水預(yù)報(bào)產(chǎn)品，提高降水預(yù)報(bào)的精度。傳統(tǒng)的集合方法采用簡(jiǎn)單的平均法，而本項(xiàng)目根據(jù)模式預(yù)報(bào)效果，研究各模式降水預(yù)報(bào)特點(diǎn)，根據(jù)各個(gè)模式將降水預(yù)報(bào)的誤差確定集合權(quán)重[4-5]，獲取最優(yōu)的降水預(yù)報(bào)。目前，針對(duì)黃龍帶庫(kù)區(qū)實(shí)時(shí)運(yùn)行，每小時(shí)更新一次未來(lái)7 d的預(yù)報(bào)。

2.3 入庫(kù)流量預(yù)測(cè)方法

在實(shí)際運(yùn)行調(diào)度時(shí)，根據(jù)歷史的徑流資料或隨機(jī)徑流資料建立的調(diào)度計(jì)劃模型都不具有完全優(yōu)先的指導(dǎo)意義，水庫(kù)優(yōu)化調(diào)度中最重要的問(wèn)題在于如何增加對(duì)來(lái)水預(yù)報(bào)的準(zhǔn)確度。采用先進(jìn)的降水集合預(yù)報(bào)技術(shù)以及集合預(yù)報(bào)結(jié)果的后處理分析技術(shù)，并在此基礎(chǔ)上，根據(jù)各個(gè)時(shí)間尺度的降水預(yù)測(cè)和水庫(kù)的特性資料，利用機(jī)器學(xué)習(xí)的方案建立面雨量與入庫(kù)流量之間的統(tǒng)計(jì)學(xué)聯(lián)系[6-7]。

從分析結(jié)果看(圖1)，降水的日增量與流量的日增量存在很好的相關(guān)關(guān)系，周降水的增量與流量的增量呈現(xiàn)更好的線性相關(guān)，相關(guān)系數(shù)達(dá)到0.83，月降水量與月入庫(kù)流量的線性相關(guān)達(dá)到0.85。由此可見(jiàn)，不同時(shí)間尺度的入庫(kù)流量和降水變化的關(guān)系有所不同，基于此，建立了不同時(shí)間尺度降水與流量的預(yù)測(cè)模型。目前，針對(duì)黃龍帶庫(kù)區(qū)實(shí)時(shí)運(yùn)行，提供未來(lái)2 d逐小時(shí)(每小時(shí)更新)、未來(lái)10 d逐日(每小時(shí)更新)、未來(lái)5周逐周(每日更新一次)的入庫(kù)流量預(yù)報(bào)。

圖1 不同時(shí)間尺度降水量與入庫(kù)流量的關(guān)系

2.4 實(shí)時(shí)預(yù)報(bào)平臺(tái)

初步建立了入庫(kù)流量的實(shí)時(shí)預(yù)報(bào)平臺(tái)，依托平臺(tái)進(jìn)行統(tǒng)籌計(jì)算管理，平臺(tái)承載的核心功能模塊主要為以下3個(gè)部分：

(1)多源采集核心模塊。主要適用于調(diào)度生產(chǎn)的原始計(jì)算數(shù)據(jù)接入處理場(chǎng)景，面向結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)提供統(tǒng)一配置化接入。

(2)融合清洗核心模塊。主要適用于調(diào)度生產(chǎn)中邏輯處理場(chǎng)景，提供數(shù)據(jù)清洗、融合、歸一化處理，最終通過(guò)計(jì)算模型輸出多維度計(jì)算結(jié)果。

(3)數(shù)據(jù)產(chǎn)品核心模塊。主要包含精細(xì)化無(wú)縫隙氣象預(yù)報(bào)、入庫(kù)流量預(yù)測(cè)、中長(zhǎng)期優(yōu)化運(yùn)行建議和短期優(yōu)化運(yùn)行建議。旨在從降水預(yù)報(bào)到運(yùn)行優(yōu)化建議，為水庫(kù)優(yōu)化調(diào)度提供全方位數(shù)據(jù)依據(jù)。

本產(chǎn)品通過(guò)PC終端人機(jī)互動(dòng)的方式，及時(shí)精準(zhǔn)地反演水庫(kù)/水電站在未來(lái)一段時(shí)間降水量、流量與水位之間的關(guān)系，以及提供全尺度的氣象預(yù)報(bào)和對(duì)指定時(shí)間范圍內(nèi)的歷史數(shù)據(jù)查詢(xún)功能。產(chǎn)品特色在與集降水量-流量-水位多時(shí)間跨度可視化展示。

3 應(yīng)用實(shí)例

對(duì)2021年1月1日—8月31日的預(yù)報(bào)進(jìn)行了詳細(xì)的評(píng)估。評(píng)估對(duì)象主要有降水、水位和入庫(kù)水量，時(shí)間分辨率為日尺度，預(yù)報(bào)更新頻率為24 h、12 h、3 h和1 h。評(píng)估方法主要采用概率統(tǒng)計(jì)、絕對(duì)誤差、平均值、中位數(shù)等。

3.1 降水評(píng)估

圖2給出了預(yù)報(bào)降水和實(shí)測(cè)降水對(duì)比。

圖2 預(yù)報(bào)降水和實(shí)測(cè)降水對(duì)比

從圖2可以看出，對(duì)大部分降水預(yù)報(bào)而言，12 h更新一次的未來(lái)24 h預(yù)報(bào)誤差較小，12 h降水誤差中位數(shù)為0.17 mm。對(duì)強(qiáng)降水預(yù)報(bào)而言，更新頻率越高，預(yù)報(bào)技巧越好，3次60 mm以上的日降水，有2次預(yù)報(bào)與實(shí)況接近?？傮w而言，大部分日降水量均在40 mm以下，預(yù)報(bào)和觀測(cè)接近，預(yù)報(bào)效果良好。

3.2 水位對(duì)比

圖3給出了預(yù)報(bào)水位和實(shí)測(cè)水位對(duì)比。

圖3 預(yù)報(bào)水位和實(shí)測(cè)水位對(duì)比

從圖3可以看出，實(shí)測(cè)水位和預(yù)測(cè)水位基本在對(duì)角線上，表明預(yù)報(bào)水位和實(shí)測(cè)水位對(duì)應(yīng)較好，對(duì)水位的預(yù)報(bào)總體偏差很小。通過(guò)對(duì)比不同更新頻率的結(jié)果可以看出，預(yù)報(bào)更新頻率越高，效果越好。更新頻率為12 h、3 h和1 h預(yù)報(bào)的水位平均絕對(duì)偏差為0.01 m。

3.3 入庫(kù)水量

圖4給出了預(yù)報(bào)入庫(kù)水量和實(shí)測(cè)入庫(kù)水量對(duì)比。

圖4 預(yù)報(bào)入庫(kù)水量和實(shí)測(cè)入庫(kù)水量對(duì)比

從圖4可以看出，對(duì)入庫(kù)水量總體預(yù)報(bào)較好，也呈現(xiàn)出更新越頻繁效果越好，每小時(shí)更新的平均偏差為0.21萬(wàn)m3，偏差的中位數(shù)為0.13萬(wàn)m3。對(duì)異常量大的入庫(kù)水量，每天更新一次的效果更好，這和24 h降水預(yù)報(bào)更為平滑有關(guān)，表示各個(gè)更新頻率的預(yù)報(bào)均有意義，需要有針對(duì)性地使用，而且預(yù)見(jiàn)期越長(zhǎng)針對(duì)性地調(diào)度可能性越大。

4 結(jié) 論

(1)本次研究結(jié)合多模式降水集合預(yù)報(bào)數(shù)據(jù)，研究和認(rèn)識(shí)不同時(shí)間尺度降水的不確定性。利用機(jī)器學(xué)習(xí)算法建立降水和洪水之間的非線性聯(lián)系，研發(fā)基于機(jī)器學(xué)習(xí)的洪水預(yù)報(bào)模型，并將降水預(yù)報(bào)的不確定性與洪水預(yù)報(bào)模型相結(jié)合，研究降水不確定性對(duì)洪水預(yù)報(bào)的影響。

(2)建立洪水預(yù)報(bào)和水庫(kù)精細(xì)化調(diào)度管理平臺(tái)，結(jié)合最新的天氣預(yù)報(bào)數(shù)據(jù)能實(shí)時(shí)提供未來(lái)小時(shí)-日-周-月尺度的入庫(kù)水量、壩前水位預(yù)報(bào)產(chǎn)品，并實(shí)現(xiàn)實(shí)時(shí)滾動(dòng)更新。