Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2025 , Vol. 42 >Issue 6: 194 - 202

DOI: https://doi.org/10.11988/ckyyb.20240596

Multi-Objective Optimization Scheduling for Reservoir Groups

Multi-objective Optimal Scheduling of Water-Carbon in Cascade Reservoirs during Impoundment for Carbon Emission Reduction

  • ZHOU Yan-lai ,
  • NING Zhi-hao ,
  • HE Jun-tao
Expand
  • State Key Laboratory of Water Resources Engineering and Management, Wuhan University, Wuhan 430072, China

Received date: 2024-06-06

  Revised date: 2024-08-01

  Online published: 2025-01-02

Fold

Abstract

[Objectives] This study aims to optimize water-carbon coordinated scheduling during reservoir impoundment to improve power generation and storage rate, and to reduce greenhouse gas emissions in reservoir operation. [Methods] Given that current studies on cascade reservoir impoundment scheduling have not yet incorporated carbon reduction objectives, this study proposed a multi-objective water-carbon scheduling model for cascade reservoirs during impoundment period based on the carbon emission factor method.An early storage strategy for cascade reservoirs was developed,and three objectives—minimizing flood control risk,maximizing power generation,and minimizing greenhouse gas emissions—were established.The Non-dominated Sorting Genetic Algorithm Ⅱ (NSGA-Ⅱ) was employed to derive optimal scheduling schemes for the impoundment period.[Results] A case study was conducted on a cascade system comprising six reservoirs in the middle and lower reaches of the Jinsha River and the Three Gorges Reservoir.The results showed that the three scheduling objectives on the Pareto frontier formed a spatial surface distribution,reflecting nonlinear competitive relationships among the objectives.Compared to the current scheduling scheme,the optimal scheduling scheme—while occupying 0-4.92% of the flood control storage capacity—achieved a 0.65%-3.60% increase in multi-year average power generation (by 0.723-4.026 billion kW·h/a), a 6.45%-22.43% reduction in multi-year average spilled water volume (by 1.582-5.503 billion m3/a), an 8.33%-9.85% decrease in multi-year average greenhouse gas emissions (by 38.55-45.63 Gg CO2 e/a), and a 9.49%-11.44% reduction in carbon emission intensity (by 0.39-0.47 kg CO2 e/MW·h). Typical year scheduling analyses were conducted for a wet year (2020) and a dry year (2022). In the wet year, the selected scheme with the minimum flood risk increased power generation by 3.341 billion kW·h/a and reduced direct GHG emissions by 39.53 Gg CO2 e/a without increasing flood risk compared to the current scheme. In the dry year, the scheme with the maximum power generation raised the final storage level of the Three Gorges Reservoir by nearly 2 meters, increased available water by 1.794 billion m3, and reduced direct greenhouse gas emissions by 15.32 Gg CO2 e/a, while meeting the minimum ecological flow constraints during the impoundment period. [Conclusions] This study develops a multi-objective scheduling model for cascade reservoirs during the impoundment period and analyzes the nonlinear synergy and competitive relationships between carbon emissions and traditional water resource utilization benefits. The NSGA-Ⅱ optimization solutions significantly improv the long-term average power generation and storage rate while reducing greenhouse gas emissions without compromising flood control standards. Scheduling analyses for both wet (2020) and dry (2022) years demonstrate that the proposed model is well-suited to different hydrological scenarios, achieving a balance between carbon reduction goals and traditional reservoir functions such as flood control, storage, power generation, and drought resistance. This research provides technical support for implementing coordinated water-carbon scheduling of cascade reservoirs during the impoundment period.

Key words： water-carbon scheduling; impoundment scheduling; carbon emissions; non-dominated sorting genetic algorithm; cascade reservoirs

Cite this article

ZHOU Yan-lai , NING Zhi-hao , HE Jun-tao . Multi-objective Optimal Scheduling of Water-Carbon in Cascade Reservoirs during Impoundment for Carbon Emission Reduction[J]. Journal of Changjiang River Scientific Research Institute, 2025 , 42(6) : 194 -202 . DOI: 10.11988/ckyyb.20240596

0 引言

水力发电当前被公认为是一种技术成熟、高可靠性、高容量且具有成本竞争力的可再生能源技术。筑坝蓄水所形成的水库(群)具备调蓄能力,可提供多种社会效益,是目前解决我国水资源供需矛盾、科学优化水资源配置的有效工具[1]。筑坝蓄水已成为减缓气候变化不利影响、推动“碳达峰、碳中和”目标的重要工程措施。但是,水库的建造与投运一定程度上改变了流域碳(C)、氮(N)、磷(P)等要素的迁移转化过程,筑坝蓄水淹没大量陆地有机物,会引起二氧化碳(CO2)、甲烷(CH4)、氧化亚氮(N2O)等温室气体排放量增加[2]。水库温室气体排放研究逐渐发展为多学科交叉融合研究前沿[3]。
针对梯级水库蓄水调度问题,目前已有众多学者开展了大量研究[4-6]。如周研来等[7]推求了可权衡防洪与兴利之间矛盾的梯级水库联合蓄水方案。张为等[8]对梯级水库蓄水后三峡水库洪峰沙峰异步特性变化进行了分析。欧阳硕等[9]针对干旱条件下水库群蓄水问题,揭示了如2022年来水情况下梯级水库群的蓄水态势。徐长江等[10]构建了一套面向水资源及水生态的并联水库联合调控方法体系,刻画并联水库运行状态,确定并联水库联合调控目标,最终实现并联水库实时下泄流量优化推求。当前梯级水库蓄水调度主要考虑了防洪安全、水资源利用效益、泥沙淤积以及下游的生态环境等问题,但尚未开展考虑碳减排的梯级水库蓄水调度研究。针对水库温室气体排放,St. Louis等[11]经估算表明发电型水库温室气体排放对全球温室气体预算贡献很大,引起了广泛关注。Deemer等[12]对全球水库温室气体排放进行了估算,并分区域确定了这些排放的最佳预测因子。Keller等[2]考虑水库消落带的高碳排放,重新估算了全球碳收支。李哲等[13]回顾了近10 a来在三峡水库开展的CO2、CH4等监测与分析工作,指出该水库温室气体排放的主要途径为水-气界面扩散释放。当前的水库碳排放模拟研究主要基于碳排放物理过程和碳排放因子法2种方式展开,其中前者需要温室气体物理排放过程的监测资料作支撑,而后者可采用物理特性相近的水库碳排放因子对温室气体排放量进行估算。受限于监测资料的可利用性,本文将采用碳排放因子法开展研究。
考虑到当前梯级水库的蓄水调度研究尚未开展碳减排调度,本研究基于碳排放因子法提出梯级水库蓄水期水碳多目标调度模型,制定梯级水库提前蓄水策略,并以防洪风险最小化、发电量最大化和温室气体排放量最小化为调度目标,采用智能优化算法推求梯级水库汛末蓄水优化调度方案,选取多项评价指标进行分析,解析水库碳排放与传统水资源利用效益间协同、竞争关系,为实现梯级水库蓄水期水碳协同调度提供技术支撑。

1 梯级水库蓄水期水碳多目标调度模型

基于提前蓄水策略,构建以防洪风险最小化、发电量最大化和温室气体排放量最小化为调度目标的梯级水库蓄水期水碳多目标调度模型,考虑调度运行物理约束条件,以水库蓄水位为决策变量,采用带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ, NSGA-Ⅱ)求解调度模型,选取多个评价指标评估梯级水库提前蓄水调度方案的风险与效益。

1.1 提前蓄水调度策略

提前蓄水调度需首先确定水库起蓄时机与蓄水调度运行区。对分期设计洪水调洪演算,通过迭代增加起调水位计算设计频率下的分期汛限水位,组合得到坝前安全水位,它与现行调度方案(Standard Operation Procedure,SOP)蓄水调度线将库容分为3部分(图1):Ⅰ区为水库用于调蓄设计洪水所预留的防洪库容;Ⅱ区是调蓄实测洪水的正常运行区;Ⅲ区是枯水年份水库无法完成正常蓄水时的蓄水调度破坏区。如图1所示,坝前安全水位随蓄水日期的推迟逐渐抬升,因此于Ⅱ区开展水库提前蓄水优化调度,可保证水库在不增加防洪风险的前提下蓄至正常蓄水位。
图1 提前蓄水调度示意图

Fig.1 Schematic diagram of advanced reservoir impoundment scheduling

1.2 目标函数与约束条件

模型目标函数有3种形式,分别为防洪风险最小、发电量最大和温室气体排放量最小,相应计算表达式如下。

1.2.1 防洪风险最小

以调度期内梯级多年平均的防洪库容占用率定义防洪风险。如图1所示,当水库于I区运行时,会占用部分预留防洪库容,此时若发生设计频率洪水,可能对下游防洪控制站点造成损失[14]。对于梯级水库,运用聚合分解法,确定逐时段聚合水库防洪库容占用率,求得梯级水库防洪风险[15]。对应公式为
m i n   F R = m i n m a x F R t 　 ; F R t = ∑ i = 1 M S i t - S S i ∑ i = 1 M S N i - S S i 　 ; F R i t = S i t - S S i S N i - S S i 　 ; 0 t ≤ T N 。
式中:FR为梯级水库最大防洪库容占用率(%),用于量化防洪风险;FR t和FRi t分别为梯级水库和第i个水库t时刻的防洪库容占用率(%); S i t为第i个水库t时刻运行水位对应的库容(m3); S N i和 S S i分别为第i个水库的正常蓄水位和分期汛限水位对应的库容(m3);T为蓄水期时段数;N为年份数目;M为梯级水库个数。

1.2.2 梯级水库发电量最大

对应公式为
m a x   H O = m a x ∑ i = 1 M H O i 　 ; H O i = 1 N ∑ t = 1 T · N P i t Δ t   　 ; 　 0 t ≤ T N 　 。
式中:HO和HOi分别为梯级水库和第i个水库的多年平均调度期发电量(kW·h); P i t为第i个水库t时刻发电机组出力(kW);Δt为计算时段步长(d)。

1.2.3 梯级水库温室气体排放量最小

对应公式为
m i n   G H G e m i = m i n ∑ i = 1 M G H G e m i , i 　 ; G H G e m i , i = 1 N ∑ t = 1 T · N G H G e m i , i t Δ t 　 ; G H G e m i , i t = M C O 2 , i ( t ) + λ M M C H 4 , i ( t ) + 　 λ N M N 2 O , i ( t ) 　 ; 　 0 t ≤ T N 　 。
C C O 2 , i ( t ) = A s u r f , i ( t ) r s C O 2 + A d r a w , i ( t ) r d C O 2   ; C C H 4 , i ( t ) = A s u r f , i ( t ) r s C H 4 　 ; N N 2 O , i ( t ) = A m a x r N 2 O , i ( t ) 　 。
M C O 2 , i ( t ) = C C O 2 , i ( t ) / m C · m C O 2 　 ; M C H 4 , i ( t ) = C C H 4 , i ( t ) / m C · m C H 4 　 ; M N 2 O , i ( t ) = N N 2 O , i ( t ) / m N · m N 2 O 。
式中:GHGemi和GHGemi,i分别为梯级水库和第i个水库的多年平均调度期温室气体排放量(Gg CO2e);GHGemi,i t为第i个水库t时刻的温室气体排放CO2当量(Gg CO2e); M C O 2 , i(t)、 M C H 4 , i(t)及 M N 2 O , i(t)分别为第i个水库t时刻的CO2、CH4及N2O排放量(Gg);λM和λN分别为CH4和N2O在100 a尺度上的全球增温潜势[16]; C C O 2 , i ( t )、 C C H 4 , i ( t )及 N N 2 O , i ( t )分别为水库排放CO2、CH4及N2O中所含C、N元素(Gg); r s C O 2、 r d C O 2分别为水库水体表面和消落带CO2碳排放因子[17] (mg C/(m2/d)); r s C H 4为水体表面CH4碳排放因子[18] (mg C/(m2/d)); r N 2 O , i ( t )为水库氮元素排放因子(mg N/(m2/d)),该因子大小随时间有所变动[19]; A s u r f , i ( t )和 A d r a w , i ( t )分别为第i座水库调度过程中t时刻的水体表面积和消落带面积(m2); A m a x为正常蓄水位对应水体表面积(m2);mC、mN、 m C O 2、 m C H 4和 m N 2 O分别为C、N原子质量和CO2、CH4、N2O的分子质量(mg); M C O 2 , i(t)、 M C H 4 , i(t)及 M N 2 O , i(t)分别为水库排放CO2、CH4、N2O的质量。

1.2.4 主要约束条件

水量平衡约束方程为
V i t + 1 = V i t + Q i , i n t + 1 + Q i , i n t 2 - Q i , o u t t + 1 + Q i , o u t t 2 Δ t   。
式中: V i t和 V i t + 1分别为第i个水库t和t+1时刻库容(m3); Q i , i n t和 Q i , i n t + 1分别为第i个水库t和t+1时刻入库流量(m3/s); Q i , o u t t和 Q i , o u t t + 1分别为第i个水库t和t+1时刻出库流量(m3/s)。
水力联系约束方程为
Q i , i n t = Q i - 1 , o u t t + I F i t 　 。
式中: Q i - 1 , o u t t为第i-1个水库t时刻出库流量(m3/s); I F i t为第i个水库t时刻区间入流(m3/s),本模型研究对象针对干流梯级水库,将河段区间洪水和支流水库汇流统一概化为区间入流定值。
下泄流量约束方程为
Q i , m i n ( t ) ≤ Q i , o u t t ≤ Q i , m a x ( t ) 　 ; Q i , o u t t = Q T i , o u t t + Q S i , o u t t 　 。
式中:QTi,out t和QSi,out t分别为第i个水库t时刻水轮发电机组流量和弃水流量(m3/s);Qi,max(t)、Qi,min(t)分别为第i个水库t时刻放水量上、下限(m3/s)。
机组出力限制方程为
P i , m i n ≤ P i t ≤ P i , m a x 　 。
式中Pi,max、Pi,min分别为序号为i的水库水电站最大出力限制和保证出力(kW)。
水库水位约束方程为
Z i , m i n t ≤ Z i t ≤ Z i , m a x ( t ) 　 。
式中: Z i , m a x ( t ) 、 Z i , m i n t分别为第i个水库t时段允许最高、最低水位(m); Z i t为第i个水库t时段的允许水位。

1.3 求解方法

选取NSGA-Ⅱ[20]求解模型,计算步骤如下:
(1)根据梯级各水库的库水位约束域逐库生成初始种群,计算梯级水库的目标函数,按照非劣排序方法对种群的目标函数进行排序,分组后得到亲代种群。
(2)采用选择、交叉、变异算子,先后对亲代种群进行遗传操作,产生的新种群为子代种群,接着将子代种群与亲代种群进行混合并排序,生成非劣解集。
(3)对混合排序的非劣前端进行拥挤距离排序,保证不陷入局部最优。
(4)按步骤(3)的排序,进一步选择非劣前端,相继执行交叉、变异遗传操作以生成新种群。
(5)重复步骤(2)—步骤(4)直至达到最大迭代次数,终止计算并输出以防洪、发电、碳减排为目标的Pareto解集。
经试算,种群个数为600,最大进化代数为300,交叉和变异概率分别取0.9和0.1时,可满足模型求解的计算效率和快速收敛需求。

1.4 评价指标

选取防洪风险(式(1))、发电量(式(2))、温室气体排放量(式(3)—式(5))、蓄水率、弃水量、碳排放强度和碳收支为评价指标,对梯级水库多目标联合蓄水调度的综合效益进行评价。后4个评价指标计算公式如下。
蓄水率计算公式为
I E = 1 N ∑ j = 1 N ∑ i = 1 M S F i j - S I i ∑ i = 1 M S N i - S I i × 100 % 　 ; I E i = 1 N ∑ j = 1 N S F i j - S I i S N i - S I i × 100 % 　 。 　
式中:IE和IEi分别为梯级水库和第i个水库的蓄水率(%),表示多年平均蓄水期末水库蓄满程度; S I i为第i个水库死水位对应的库容(m3);SFi j为第i个水库第j年调度期末库容(m3)。
弃水量计算公式为
S W = ∑ i = 1 M S W i 　 ; S W i = 1 N ∑ t = 1 N · T Q S i , o u t · Δ t 　 。
式中SW和SWi分别为梯级水库和第i个水库的多年平均弃水量(m3)。
碳排放强度计算公式为
C I = G H G e m i H O 　 。
式中CI为碳排放强度(kg CO2e/(MW·h)),由温室气体排放量与发电量相除求得,该指标通常用于对比不同量级和不同种类发电工程碳排放表现[21]。
碳收支计算公式为
C B = C e m i C b u r i a l 　 。
式中CB为梯级水库碳收支,通过碳排放量与有机碳埋藏量相除求得,通常用于水库碳源汇评估[2]。

2 研究实例

2.1 区域概况

本研究案例所涉及的7座水库均位于长江上游干流,具有防洪、发电、供水、改善航道等综合任务。本研究温室气体排放量计算所用数据集如表1所示,其中CO2为主要碳源,由表可见其消落带排放因子远大于水体表面,可知库水位抬升可减少消落带面积以促进碳减排。图2为所研究区域梯级水库示意图,表2为各水库参数。本文依据金沙江中游的鲁地拉水库入库和各区间支流1965—2020年8月1日—11月30日径流资料进行计算分析,数据来源于水利部长江水利委员会水文局所整编资料。
表1 温室气体排放量计算数据集

Table 1 Dataset for calculation of greenhouse gas emissions

温室
气体		 监测
时段		 碳排放因子(mg
C(N)/(m2·d-1)		 有机碳埋藏因子
(mg C/(m2·d-1)		 全球增
温潜势
系数
水体表面 消落带 水体表面 消落带
CO2 8—12月份 327 1 821 395 97 1
CH4 8—12月份 4.140 0.000 34
N2O 8—9月份 0.336 0.336 298
10月份 0.084 0.084
11—12月份 0.023 0.023

注:碳排放因子的单位中C指碳元素,N指氮元素。

图2 研究区域示意图

Fig.2 Schematic diagram of the study area

表2 梯级水库参数

Table 2 Parameters of cascade reservoirs

水库 正常高
水位/
m		 死水位/
m		 汛限
水位/
m		 总库容/
(亿m3)		 防洪
库容/
(亿m3)		 装机
容量/
MW		 保证
出力/
MW
鲁地拉 1 223.0 1 216.0 1 212.0 17.2 5.6 2160 437
观音岩 1 134.0 1 122.3 1 122.0 22.5 2.5 3000 577
乌东德 975.0 945.0 952.0 74.1 24.4 10 200 3 150
白鹤滩 825.0 765.0 785.0 206.3 75.0 16 000 5 500
溪洛渡 600.0 540.0 560.0 126.7 46.5 13 860 3 350
向家坝 380.0 370.0 370.0 51.6 9.0 6 400 2 009
三峡 175.0 145.0 145.0 450.7 221.5 22 500 4 990

2.2 梯级水库提前蓄水策略

为充分发挥梯级水库对长江流域的防洪作用,提高梯级水库蓄水率,参考水利部《关于2022年长江流域水工程联合调度运用计划的批复》(以下简称批复)[22]与相关研究成果[15,23],结合长江上中游汛期分期制定了7座水库提前蓄水时机和蓄水次序(见表3),以三峡水库为例,《批复》给出的现行调度方案蓄水时间不早于9月10日,三峡主后汛期分期节点为8月29日,8月下旬雨量整体偏小[24],综合考虑上游梯级水库防洪作用,拟定于8月25日开始提前蓄水以利用秋汛洪水资源。
表3 梯级水库提前蓄水策略

Table 3 Advanced impoundment strategies for cascade reservoirs

分区 水库 起蓄日期 蓄满日期
现行调度方案
(SOP)		 优化方案
(NSGA-Ⅱ)
金沙江
中下游		 鲁地拉 8月1日 8月1日 9月30日
观音岩 10月1日 9月10日 10月31日
乌东德 8月1日 8月1日 9月30日
白鹤滩 8月1日 8月1日 9月30日
溪洛渡 9月1日 8月25日 9月30日
向家坝 9月10日 8月25日 9月30日
长江干流 三峡 9月10日 8月25日 10月31日

3 结果分析

3.1 坝前安全水位

考虑到1952年后汛期长江流域发生大洪水,以1952年作为典型年,对各水库分期设计洪水进行调洪演算得到坝前安全水位作为调度模型的水位约束上限。以三峡水库8月25日起蓄、1 000 a一遇分期设计洪水的提前蓄水方案为例,从8月25日到9月20日的6种分期设计洪水经调洪所求得的各分期汛限水位分别为:154.7、166.6 、168.1、170.1、172.2、174.6 m,合并交集部分,所得水平阶梯线即为此方案坝前安全水位。

3.2 多目标优化结果

为解析水库碳排放与水资源利用效益间的竞争、协同关系,以推求梯级水库调度方案。图3给出了梯级水库NSGA-Ⅱ求解调度模型联合优化调度解集的三维前沿分布(图3(a))和优化调度解集与现行调度方案模拟调度结果的二维对比图(图3(b)—图3(d))。由图3(a)分析可得,三个目标值(温室气体排放量、发电量 、防洪风险)在空间上呈现曲面分布,在各二维平面投影中均存在Pareto散点集,这表明防洪风险控制、发电和碳减排效目标之间均存在竞争关系。库水位的抬升在占用部分库容、降低水库蓄洪能力的同时,提高了发电水头,并减少了消落带面积以促进碳减排,使得防洪风险与发电、碳减排效益均呈现竞争关系(如图3(b)和图3(d))。水电站发电量主要受水头、发电流量影响,而水库蓄水位、出库流量间有明显竞争关系,因此从水资源利用角度来看,提高发电量和碳减排目标也存在竞争关系(如图3(c))。
图3 梯级水库联合优化调度解集与现行调度方案对比

Fig.3 Comparison between multi-objective optimal scheduling solutions and current operation scheme of cascade reservoirs

图3将优化调度方案解集分为4个具有不同调度优势的粒子群体,分别为低防洪风险粒子群(a区域)、高发电量粒子群(b区域)、低碳排放粒子群(c区域)及各指标适中粒子群,优化调度解集各粒子群可结合水文预报,以应对不同洪水事件。图3(a)中A点代表最低防洪风险方案;B点代表最高发电量方案;C点代表最低碳排放方案;D点代表折衷方案;E点代表SOP。针对大洪水事件,可运用最低防洪风险方案A指导水库运行。

3.3 综合效益评价

由图3中Pareto散点集中选取了防洪、发电、碳减排目标最优解,分别为最低防洪风险方案A、最高发电量方案B、最低碳排放方案C,并运用基于熵权重的逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)[25]选取了得分最高的折衷方案D,表4汇总了以上4个方案及现行调度方案(SOP)的库容占用率、发电量、蓄水率、弃水量、温室气体排放量、碳排放强度和碳收支7项评价指标结果。
表4 选定调度方案综合效益评价指标计算值

Table 4 Calculated values of comprehensive evaluation indicators for selected scheduling schemes

方案 库容占用率
增量/%		 发电量/
(亿kW·h·a-1)		 蓄水
率/%		 弃水量/
(亿m3·a-1)		 温室气体排放量/
(Gg CO2e·a-1)		 碳排放强度/
(kg CO2e·(MW·h)-1)		 碳收支
SOP 0 1 118.43 87.67 245.36 463.04 4.11 1.79
A 0 1142.77
(2.18%)		 93.68
(6.01%)		 208.16
(-15.16%)		 424.49
(-8.33%)		 3.72
(-9.49%)		 1.46
(-18.43%)
B 4.92 1158.69
(3.60%)		 94.29
(6.62%)		 190.33
(-22.43%)		 421.67
(-8.93%)		 3.64
(-11.44%)		 1.44
(-19.55%)
C 2.45 1125.66
(0.65%)		 94.36
(6.69%)		 229.54
(-6.45%)		 417.41
(-9.85%)		 3.71
(-9.73%)		 1.41
(21.23%)
D 2.06 1142.06
(2.11%)		 94.15
(6.48%)		 209.01
(-14.81%)		 418.82
(-9.55%)		 3.67
(-10.71%)		 1.43
(20.11%)

注:括号内数字表示变幅,变幅=(优化调度方案计算值-现行调度方案计算值)/现行调度方案计算值×100%,变幅为正值代表增加、负值代表减少。

选定调度方案综合效益评价指标计算值如表4所示,相比现行调度方案,方案A可在不增加防洪风险的前提下,使梯级水库发电量由1 118.43亿kW·h/a增长至1 142.77亿kW·h/a(增量24.34亿kW·h/a),温室气体排放量由463.04 Gg CO2e/a降至424.49 Gg CO2e/a(减量38.55 Gg CO2e/a);针对中小洪水事件,可根据实际需求选择最低碳排放或最高发电量优化调度方案,其中最高发电量方案B在防洪库容占用率为4.92%时,可使梯级水库发电量增长至1 158.69亿kW·h/a(增量40.26亿kW·h/a),温室气体排放量降至421.67 GgCO2e/a(减量41.37 GgCO2e/a),最低碳排放方案C在防洪库容占用率仅为2.45%时,可使梯级水库发电量增长至1 125.66亿kW·h/a(增量7.23亿kW·h/a),温室气体排放量降至417.37 GgCO2e/a(减量45.63 GgCO2e/a)。总体上看,优化调度方案集在防洪库容占用率为0~4.92%的情况下,可提升发电量24.34~40.26亿kW·h/a,降低温室气体排放量38.55~45.63 Gg CO2e/a,发电与碳减排效益均得到了显著提升。
以折衷方案D为例,相较于现行调度方案(SOP),折衷方案D的防洪库容占用率增加了2.06%,发电量提升了23.63亿kW·h/a(增幅2.11%),蓄水率提升了6个点,弃水量减少了36.35亿m3(降幅14.81%),温室气体排放量减少了44.22 Gg CO2e/a(降幅9.55%),碳排放强度减少了0.44 kgCO2e/(MW·h)(降幅10.71%),碳收支减少了0.36(降幅20.11%)。本文采用防洪库容占用率指标定义防洪风险,若防洪库容占用率为0则表示不降低下游防洪标准。表4中最低防洪风险方案A进一步佐证,优化调度方案可在不降低防洪标准的前提下,显著提升防洪、水资源利用、碳减排综合效益。

3.4 调度实例分析

分别选取丰水年(2020年)和特枯水年(2022年)作为典型年,进行调度实例分析。对丰水年选取最低防洪风险方案A,对特枯现状年选取最高发电量方案B进行调度模拟分析,以三峡水库为例展示调度过程(图4)。
图4 三峡水库不同蓄水调度过程比较

Fig.4 Comparison of impoundment scheduling processes of Three Gorges Reservoir

由图4(a)分析可知,对于丰水年(2020年),三峡水库采用最低防洪风险方案A和现行调度方案(SOP)均可在10月底蓄至正常蓄水位(175 m),但优化调度方案的蓄水期水位始终高于现行调度方案,蓄满时间更靠前。最低防洪风险方案A,相比现行调度方案,在不增加防洪风险的情况下,梯级水库发电量为1 354.62亿kW·h/a(增发33.41亿kW·h/a, 改善率2.53%);弃水量为432.69亿m3/a(减少34.13亿m3/a);温室气体排放量为414.23 Gg CO2e/a(减少39.53 Gg CO2e/a, 改善率8.71%)。其中,三峡水库发电量为329.80亿kW·h/a(增发15.42亿kW·h/a);弃水量为113.63亿m3/a(减少10.21亿m3/a);温室气体排放量为292.90 Gg CO2e/a(减少32.56 Gg CO2e/a)。水资源利用率和碳减排效益得到了大幅提升。
2022年长江流域发生历史性大干旱,对长江经济带的社会经济发展造成负面影响。为应对特枯水年,应加强梯级水库联合调度,充分利用洪水资源,尽可能降低旱灾灾情[26]。由图4(b)分析可知,由于旱情严重,梯级各水库入库流量远低于正常年份,三峡水库现行调度方案蓄水时机较晚,于10月21日达到最高水位,仅蓄至162.1 m,无法达到正常蓄水位(175 m)。而最高发电量方案B将三峡水库蓄水时间提前至8月25日,于10月21日达到最高水位164.07 m,且出库流量始终保持在三峡最小下泄流量之上。相比现行调度方案,最高发电量方案B的梯级水库发电量为814.54亿kW·h/a(增发11.33亿kW·h/a);温室气体排放量为496.31 Gg CO2e/a(减少17.46 Gg CO2e/a)。其中,三峡水库发电量为169.86亿kW·h/a,(增发8.21亿kW·h/a);最高蓄水位抬升近2 m,提高可供水量17.94亿m3(改善率16.91%);温室气体排放量为364.55 Gg CO2e/a(减少15.32 Gg CO2e/a)。有效缓解了旱灾,提升了水资源利用率,并显著减少了温室气体排放。

4 结论

针对梯级水库水碳协同蓄水调度难点,本研究构建了梯级水库蓄水期水碳多目标调度模型,采用NSGA-Ⅱ高效求解,得出了多目标优化调度方案集,选取多个评价指标分析了调度综合效益,以金沙江中下游六库(鲁地拉、观音岩、乌东德、白鹤滩、溪洛渡、向家坝)与三峡水库组成的梯级水库为研究对象,并以丰水年(2020年)和特枯现状年(2022年)为典型年开展了调度实例分析,结论如下:
(1)相较于现行调度方案(SOP),NSGA-Ⅱ优化调度方案集最高可使梯级水库增发电量40.26亿kW·h/a(改善率3.60%)、减少弃水量55.03亿m3/a(改善率22.43%),最多减少温室气体排放量45.63 Gg CO2e/a(改善率9.85%)、碳收支0.38(改善率21.23%)。研究论证了提前蓄水策略和智能优化算法的结合,能在不增加防洪风险的前提下,有效提高梯级水库蓄水调度水碳综合效益。
(2)选定的优化调度方案可于丰水年(2020年),在不降低原防洪标准的前提下,提升蓄水期梯级水库发电量33.41亿kW·h/a(改善率2.53%),减少温室气体排放量39.53 Gg CO2e/a(改善率8.71%);于特枯现状年(2022年)提升三峡汛末水库蓄水位近2 m,增加供水量17.94亿m3(改善率16.91%)。
本文构建了梯级水库蓄水期多目标调度模型,可为实现梯级水库水碳协同优化调度提供技术支撑。考虑实际运行调度需求,下一步将结合洪水预报开展基于预报预泄的梯级水库蓄水优化调度研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈进. 长江梯级水库群联合调度成效、挑战及对策[J]. 长江科学院院报, 2024, 41(5): 1-7.

DOI

(CHEN Jin. Achievements, Challenges and Measures of Joint Operation of Cascade Reservoirs on the Yangtze River[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(5): 1-7. (in Chinese))

[2]
KELLER P S, CATALÁN N, VON SCHILLER D, et al. Global CO2 Emissions from Dry Inland Waters Share Common Drivers across Ecosystems[J]. Nature Communication, 2020, 11(1): 2126.

[3]
孙志禹, 陈永柏, 李翀, 等. 中国水库温室气体研究(2009—2019):回顾与展望[J]. 水利学报, 2020, 51(3):253-267.

(SUN Zhi-yu, CHEN Yong-bo, LI Chong, et al. Research of Reservoir Greenhouse Gas Emissions in China(2009—2019): Review and Outlook[J]. Journal of Hydraulic Engineering, 2020, 51(3):253-267. (in Chinese))

[4]
郭生练, 陈柯兵, 刘攀, 等. 长江上游水库群提前蓄水联合优化调度研究[J]. 水资源研究, 2017, 6(5):415-425.

(GUO Sheng-lian, CHEN Ke-bing, LIU Pan, et al. Optimal Joint Early Refill Operation of Multi-reservoir System in Upper Yangtze River[J]. Journal of Water Resources Research, 2017, 6(5): 415-425. (in Chinese))

[5]
王浩, 王旭, 雷晓辉, 等. 梯级水库群联合调度关键技术发展历程与展望[J]. 水利学报, 2019, 50(1): 25-37.

(WANG Hao, WANG Xu, LEI Xiao-hui, et al. The Development and Prospect of Key Techniques in the Cascade Reservoir Operation[J]. Journal of Hydraulic Engineering, 2019, 50(1): 25-37. (in Chinese))

[6]
张海荣, 姚华明, 汤正阳, 等. 雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅱ: 联合优化调度规则分析[J]. 长江科学院院报, 2022, 39(9): 38-42, 55.

DOI

(ZHANG Hai-rong, YAO Hua-ming, TANG Zheng-yang, et al. Modeling and Application of Joint Optimal Scheduling of Cascade Reservoirs on Yalong River and the Middle and Downstream of Jinsha River Ⅱ: Joint Optimal Dispatch Rules[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(9): 38-42, 55. (in Chinese))

DOI

[7]
周研来, 郭生练, 陈进. 溪洛渡—向家坝-三峡梯级水库联合蓄水方案与多目标决策研究[J]. 水利学报, 2015, 46(10): 1135-1144.

(ZHOU Yan-lai, GUO Sheng-lian, CHEN Jin. Multi-objective Decision and Joint Refill Schemes of Xiluodu-Xiangjiaba-Three Gorges Cascade Reservoirs[J]. Journal of Hydraulic Engineering, 2015, 46(10): 1135-1144. (in Chinese))

[8]
张为, 李昕, 任金秋, 等. 梯级水库蓄水对三峡水库洪峰沙峰异步特性的影响[J]. 水科学进展, 2020, 31(4):481-490.

(ZHANG Wei, LI Xin, REN Jin-qiu, et al. Influence of the Impoundment of Cascade Reservoirs on the Asynchronies of Flood Peak and Sediment Peak in the Three Gorges Reservoir[J]. Advances in Water Science, 2020, 31(4): 481-490. (in Chinese))

[9]
欧阳硕, 徐长江, 邵骏, 等. 干旱条件下长江上游梯级水库群蓄水形势初探[J]. 长江科学院院报, 2023, 40(12): 15-22.

DOI

(OUYANG Shuo, XU Chang-jiang, SHAO Jun, et al. Preliminary Study on Water Storage Situation of Cascade Reservoirs in the Upstream of Yangtze River under Drought Conditions[J]. Journal of Yangtze River Scientific Research Institute, 2023, 40(12): 15-22. (in Chinese))

DOI

[10]
徐长江, 熊明, 杜涛, 等. 面向水资源及水生态的并联水库联合调控研究[J]. 人民长江, 2023, 54(6): 73-79.

(XU Chang-jiang, XIONG Ming, DU Tao, et al. Study on Joint Operation of Parallel Reservoirs Considering both Water Resources and Water Ecology[J]. Yangtze River, 2023, 54(6): 73-79. (in Chinese))

[11]
ST LOUIS V L, KELLY C A, DUCHEMIN É, et al. Reservoir Surfaces as Sources of Greenhouse Gases to the Atmosphere: a Global Estimate: Reservoirs Are Sources of Greenhouse Gases to the Atmosphere, and Their Surface Areas Have Increased to the Point where they should Be Included in Global Inventories of Anthropogenic Emissions of Greenhouse Gases[J]. BioScience, 2000, 50(9): 766-775.

[12]
DEEMER B R, HARRISON J A, LI S, et al. Greenhouse Gas Emissions from Reservoir Water Surfaces:A New Global Synthesis[J]. BioScience, 2016, 66(11): 949-964.

[13]
李哲, 杨柳, 吴兴华, 等. 三峡水库CO2、CH4通量监测分析研究[J]. 湖泊科学, 2023, 35(2): 423-434.

(LI Zhe, YANG Liu, WU Xing-hua, et al. Monitoring and Analysis of CO2 and CH4 Fluxes in the Three Gorges Reservoir[J]. Journal of Lake Sciences, 2023, 35(2): 423-434. (in Chinese))

[14]
李雨, 郭生练, 郭海晋, 等. 三峡水库提前蓄水的防洪风险与效益分析[J]. 长江科学院院报, 2013, 30(1):8-14.

DOI

(LI Yu, GUO Sheng-lian, GUO Hai-jin, et al. Flood Control Risk and Benefit of Impounding Water in Advance for the Three Gorges Reservoir[J]. Journal of Yangtze River Scientific Research Institute, 2013, 30(1): 8-14. (in Chinese))

DOI

[15]
郭生练, 何绍坤, 陈柯兵, 等. 长江上游巨型水库群联合蓄水调度研究[J]. 人民长江, 2020, 51(1):6-10,35.

(GUO Sheng-lian, HE Shao-kun, CHEN Ke-bing, et al. Joint Impoundment Operation of Mega Reservoir Groups Imposed of 30 Reservoirs in Upper Yangtze River[J]. Yangtze River, 2020, 51(1): 6-10, 35. (in Chinese))

[16]
STOCKER T F, QIN D, PLATTNER G K, et al. Climate Change 2013: The Physical Science Basis, Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge: Cambridge University Press,2014: 659-740.

[17]
ZHOU S, HE Y, YUAN X, et al. Greenhouse Gas Emissions from Different Land-use Areas in the Littoral Zone of the Three Gorges Reservoir, China[J]. Ecological Engineering, 2017, 100: 316-324.

[18]
CHEN H, YUAN X, CHEN Z, et al. Methane Emissions from the Surface of the Three Gorges Reservoir[J]. Journal of Geophysical Research: Atmospheres, 2011, doi: 10.1029/2011JD016244.

[19]
ZHU D, CHEN H, YUAN X, et al. Nitrous Oxide Emissions from the Surface of the Three Gorges Reservoir[J]. Ecological Engineering, 2013, 60: 150-154.

[20]
DEB K, PRATAP A, AGARWAL S, et al. A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.

[21]
ALMEIDA R M, SHI Q, GOMES-SELMAN J M, et al. Reducing Greenhouse Gas Emissions of Amazon Hydropower with Strategic Dam Planning[J]. Nat Commun, 2019, 10(1): 4281.

DOI PMID

[22]
中华人民共和国水利部. 关于2022年长江流域水工程联合调度运用计划的批复[R]. 北京: 中华人民共和国水利部, 2022.

(Ministry of Water Resources. Approval on the Joint Dispatching Plan for the Water Conservancy Projects in Yangtze River Basin in 2022[R]. Beijing: Ministry of Water Resources, 2022. (in Chinese))

[23]
王俊, 郭生练. 三峡水库汛期控制水位及运用条件[J]. 水科学进展, 2020, 31(4):473-480.

(WANG Jun, GUO Sheng-lian. On Three Gorges Reservoir Control Water Level and Operating Conditions in Flood Season[J]. Advances in Water Science, 2020, 31(4): 473-480. ( in Chinese))

[24]
郭生练, 李娜, 王俊, 等. 华西秋雨与梅雨对三峡水库蓄水调度影响分析[J]. 人民长江, 2023, 54(7): 69-74.

(GUO Sheng-lian, LI Na, WANG Jun, et al. Influence of Autumn Rain of West China and Meiyu on Impoundment Operation of Three Gorges Reservoir[J]. Yangtze River, 2023, 54(7): 69-74. (in Chinese))

[25]
宁志昊, 周研来, 林凡奇, 等. 考虑碳减排的水库多目标提前蓄水调度研究[J]. 湖泊科学, 2024, 36(1): 298-307.

(NING Zhi-hao, ZHOU Yan-lai, LIN Fan-qi, et al. A Multi-objective Reservoir Impoundment Scheme Considering Carbon Flux Management[J]. Journal of Lake Sciences, 2024, 36(1): 298-307. (in Chinese))

[26]
许继军, 袁喆. 2022年长江流域干旱特征分析与新时期抗旱减灾应对模式探讨[J]. 长江科学院院报, 2023, 40(4): 1-8.

DOI

(XU Ji-jun, YUAN Zhe. Drought Character Istics of Changjiang River Basin in 2022 and Drought Mitigation Response Pattern under New Circumstances[J]. 2023, 40(4): 1-8. (in Chinese))

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.