径流变化下的溪洛渡梯级-三峡梯级水库群适应性调控

Adaptive Regulation of the Xiluodu Cascade and Three Gorges Cascade Reservoirs System under Runoff Change

摘要

受气候变化与人类活动影响，我国主要江河径流发生了显著变化，开展应对径流变化的水库群适应性调控策略研究具有重要意义。构建了面向适应性调控模拟的溪洛渡梯级-三峡梯级水库群多目标联合调度模型，设计了基于调度方式优化、洪水资源利用、用水行为调整等适应性调控措施的组合方案集，通过仿真模拟分析了调控机理，评估了不同方案的适应性调控效果。结果表明：1） 由于径流减少，常规调度模式下溪洛渡梯级-三峡梯级水库群发电总量减少35.78亿kW·h，而采用水库群联合调度，梯级水电站群能够增发6.25亿kW·h；2） 三峡汛期限制水位提高至153 m时，可有效缓解河川径流减少对梯级水库群总体效益带来的负面作用；3） 将三峡水库汛期限制水位提高至150 m，同时上游将节水20%，梯级水库群发电总量能够超过基准时期常规调度。利用上述非工程措施能有效消减河川径流变化对水电系统影响。

Abstract

Due to the impacts of climate change and human activities, the runoff of major rivers in China has undergone significant changes. Study on adaptive regulation strategies for reservoir groups in response to these variations in runoff is of great importance. A multi-objective joint scheduling model for the Xiluodu cascade and Three Gorges cascade reservoirs system was developed to facilitate adaptive regulation simulations. Additionally, a set of combined schemes was designed based on optimization of scheduling modes, utilization of flood resources, and adjustment of water-use behaviors. Through simulation analysis, the regulation mechanisms were examined, and the adaptive regulation effects of different schemes were assessed. The results indicate that: 1) due to reduced runoff, the total power generation of the Xiluodu cascade and Three Gorges cascade reservoirs under conventional scheduling decreased by 3.578 billion kW·h. By adopting joint scheduling of the reservoir groups, the cascade hydropower stations were able to increase generation by 625 million kW·h. 2) When the restricted water level during flood period of the Three Gorges Reservoir was raised to 153 m, the negative impacts of decreased river runoff on the overall benefits of the cascade reservoir groups were effectively mitigated. 3) Additionally, raising the restricted water level during flood period of the Three Gorges Reservoir to 150 m, along with upstream water conservation of 20%, allowed the total power generation of the cascade reservoirs to exceed that of the conventional scheduling during the baseline period. Utilizing non-engineering measures to increase the utilization of flood resources, adjusting upstream water-use behaviors, and optimizing the scheduling operation of the hydropower system are effective regulatory measures to mitigate the impacts of river runoff changes on the hydropower system.

Graphical abstract

关键词

水库群 / 适应性调控 / 径流变化 / 多目标优化

Key words

reservoir group / adaptive regulation / runoff change / multi-objective optimization

0　 引 言

全球气候变化、人口数量持续增长且社会活动不断增强，导致流域降水、蒸发、土地利用/覆被、河道外用水等发生改变^[1]。受此影响，流域河川径流时空分布规律发生不同程度的变异，加大了水资源及其开发利用的不确定性^[2]。水资源的安全、高效和适应性利用是我国新时期水利工作的重要目标，对我国的可持续发展具有重要意义^[3]。长江是世界水能第一大河、第三长河、亚洲第一长河，水能、水量资源丰富，在我国资源战略储备中具有不可替代的作用和价值。其上游区域是水能资源的储备区，富集了全流域近90%的水能资源，可开发量约2亿kW，是我国“西电东送”的重要组成部分；同时又是全流域水量资源的形成区，受降水、融雪、地下水等多源补给，河川径流量达4 200亿m³，约占全流域45%^[4]。

近年来，由于长江源区冻土环境已发生显著变化，长江源区径流显著增加^[5]，源区以外的大多数区域实测河川径流量显著减少，极端径流事件频度和强度有所上升^[6-8]。目前，长江上游已经建成世界规模最大的水库群，包括白鹤滩、溪洛渡、向家坝、三峡等大型水库。这些水库相继投运，在防洪减灾、水资源开发利用、区域环境改善等方面拥有巨大的潜力。变化环境下水文要素一致性遭到破坏以及社会经济高速发展导致用水的非平稳性，都给水库群工程体系运行带来高度的不确定性。对于上述问题，有两种应对思路：一是提高水文预报精准度以降低来水不确定性；二是发展适应性调控理论与方法。在第一种思路下，已实现基于水文序列非一致性的中长期水文预报^[9]，预见期不断延长，预报水平持续提升，调度效益显著增加。第二种思路要求基于径流变化的影响提出调控措施，指导水库群的运行和管理，以克服传统工程的局限性^[10-11]。近年来，水资源系统适应性调控在宏观的研究框架、结构体系^[12-13]和微观的具体适应性调控策略均开展了一系列研究^[14-17]。在动态学习与决策支持下，采取调整调度方式、修订调度规则等措施是应对径流变化影响和高效利用径流资源的有效手段^[18-22]。目前，径流变化条件下的水库群适应性调控理论与方法研究还缺乏成熟的理论、模型和方法支撑，无法给出具有针对性、便于操作的适应性调控决策，使适应性调控难以真正落实。

本文以溪洛渡梯级-三峡梯级为研究对象，通过建立耦合适应性调控措施并模拟调控效果的水电站群多目标联合调度模型，开展水库群应对径流变化适应性调控研究，探索应对径流变化对水库群影响的调控措施。

1　 研究区域与数据

以长江上游溪洛渡梯级（溪洛渡、向家坝）和三峡梯级（三峡、葛洲坝）4座水库组成的巨型梯级水库群作为研究对象。溪洛渡-向家坝-三峡-葛洲坝梯级四库是长江上游水库群工程体系的重要组成部分，对上游水能资源利用和中下游防洪、供水安全保障有关键作用。各水库主要控制参数见表1。

根据前期研究结果^[4]，长江上游径流时程突变大约发生在1993年，研究期内长江上游控制站点宜昌站实测径流呈显著减少趋势，除源区控制站直门达站实测径流有增加趋势外，其他主要干支流控制站均不同程度减少，其中，高场、富顺、北碚站减少趋势显著，水文站信息参见文献[8]。

2　 多目标联合调度模型

水资源的开发利用包含防洪、供水、发电、航运、生态、泥沙及环境等多个目标。本文以发电量恢复为适应性调控的目标，因此将发电量作为基本目标，将防洪、供水、航运等目标转化为约束条件。

2.1　目标函数

采用梯级水库群发电量最大作为目标函数，计算如下：

\mathrm{M}\mathrm{a}\mathrm{x}E={\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{t=\mathrm{1}}^T}{N}_{i,t}\mathrm{\Delta }t(1)

式中：E（kW·h）为梯级水库群的发电总量；i为水库序号；t为计算时段；n为水库个数；T为调度期时段数或调度期末时序；N_{i,t}（kW）为第i个水库在t时段的发电出力；\mathrm{\Delta }t（h）为计算时段小时数。

2.2　约束条件

1） 水量平衡约束

采用时段初的水库蓄水量与本时段的入库水量之和，扣除本时段的发电水量、弃水量、损失水量，计算时段末的水库蓄水量，从而控制水量平衡，计算如下：

V_{i,t}=V_{i,t-\mathrm{1}}+(Q_{i,t}-q_{i,t}-J_{i,t}-S_{i,t})\mathrm{\Delta }t(2)

式中：V_{i,t}（m³）为第i个水库t时段末的蓄水量；V_{i,t-\mathrm{1}}（m³）为时段初蓄量；Q_{i,t}（m³/s）为入库流量；q_{i,t}（m³/s）为发电流量；J_{i,t}（m³/s）为弃水流量；S_{i,t}（m³/s）为损失流量（包括水面蒸发、水库渗漏等）。

2） 水位约束

采用第i个水库t时刻允许的下限水位、上限水位约束第i个水库t时刻的计算水位：

{\underline{Z}}_{i,t}\le Z_{i,t}\le {\overline{Z}}_{i,t}(3)

式中：Z_{i,t}（m）为第i个水库t时刻的计算水位；{\underline{Z}}_{i,t}（m）为允许的下限水位；{\overline{Z}}_{i,t}（m）为允许的上限水位。

3） 流量约束

采用第i个水库满足各项任务的最小下泄流量、水轮机组最大的过水能力约束第i个水库t时刻的下泄流量：

q_{i,\mathrm{m}\mathrm{i}\mathrm{n}}\le q_{i,t}\le q_{i,\mathrm{m}\mathrm{a}\mathrm{x}}(4)

式中： q_{i,\mathrm{m}\mathrm{i}\mathrm{n}}（m³/s）为第i个水库满足各项任务的最小下泄流量；q_{i,\mathrm{m}\mathrm{a}\mathrm{x}}（m³/s）为水轮机组最大的过水能力。

4） 发电出力约束

采用第i个水库t时刻的最小负荷要求、预想出力、装机容量约束第i个水库t时刻的发电出力：

{\underline{N}}_{i,t}\le N_{i,t}\le \mathrm{m}\mathrm{i}\mathrm{n}\left\{N_{i,t}^H,N_i^Y\right\}(5)

式中：{\underline{N}}_{i,t}（kW）为第i个水库t时刻的最小负荷要求；N_{i,t}^H（kW）为第i个水库t时刻的预想出力；N_i^Y（kW）为第i个水库的装机容量。

5） 调度期末水位控制

要求第i个水库调度期末水位等于给定第i个水库调度期末控制水位：

Z_{i,T+\mathrm{1}}=Z_i^E(6)

式中：Z_{i,T+\mathrm{1}}（m）为第i个水库调度期末水位；Z_i^E（m）为第i个水库调度期末控制水位。

6） 水位变幅约束

采用第i个水库允许的最大水位变幅约束第i个水库相邻时刻水位变幅：

\left|Z_{i,t+\mathrm{1}}-Z_{i,t}\right|\le \mathrm{\Delta }{Z}_i(7)

式中：Z_{i,t+\mathrm{1}}（m）为第i个水库t+1时刻的计算水位；\mathrm{\Delta }{Z}_i（m）为第i个水库允许的最大水位变幅。

2.3　模型求解

采用自适应混合粒子群优化（adaptive hybrid particle swarm optimization，AHPSO）算法求解。该算法在基本粒子群算法的基础上引入了粒子能量与粒子相似性的自适应进化策略(CMA-ES)、贪婪随机自适应搜索算法(GRASP)、初始化种群Logistic混沌映射进行改进，已被用于澜沧江下游的小湾-漫湾-大朝山-景洪梯级四库系统、红水河干流的天生桥一级-光照-龙滩-岩滩梯级四库系统的优化调度研究^[23]，结果、耗时均具有优越性。

3　 应对径流变化的适应性调控

影响水电站群发电量的主要因素是水头和水量，鉴于此，筛选洪水资源利用、用水行为调整作为水量调控措施，选择水库群调度方式优化作为水量、水头综合调控措施，利用所建立的四库多目标联合调度模型，构建调控方案。以系统发电量为考察指标，分析调控措施的效益，提出可行的调控建议。

3.1　水库群调度方式优化

水库群调度方式优化的调控措施是通过对溪洛渡梯级-三峡梯级水库群进行联合调度，变无序蓄放水量为协同蓄放水量，以达到综合调控水电系统水量和水头，恢复水电系统发电量的目的。通过设定多目标联合调度模型的计算条件，模拟梯级水库群联合调度方案（方案①），对比常规调度（四库各自单库优化调度）分析水库群联合优化调度这一适应性调控措施的效益。为了细化不同目标间的矛盾，采用变时段长进行水库群联合调度计算，每年1—4月底采用月为时段长，5月1日—6月10日采用5日为时段长，6月11日—9月15日采用日为时段长，9月16日—10月31日采用5日为时段长，11月至12月底采用月为时段长。其他水库运行约束参数见表1。

3.2　洪水资源利用

洪水资源利用的调控思路是，在不增加系统风险的前提下通过动态控制水库汛期限制水位，提高洪水资源利用，增加水库群有效径流补给，以达到调控水电系统水量、恢复水电系统发电量的目的。通过设定联合调度模型的计算条件，模拟洪水资源利用方案。现行的计算条件中，三峡水库汛期限制水位为145 m，实时调度时汛期限制水位可浮动至146.5 m，设置三峡水库汛期限制水位150 m和153 m两种方案，构成不同的洪水资源利用方案。

3.3　用水行为调整

用水行为调整的调控思路是，通过调整社会经济结构、推进节水型社会建设，从而减少河道外用水，间接增加水利水电系统的有效径流补给，以达到调控水库群水量，恢复系统发电量的目的。通过设定联合调度模型的计算条件，模拟用水行为调整方案。设置上游节水10%（占多年平均径流变化量）和节水20%两种方案，构成不同的用水行为调整方案。

3.4　综合调控

综合采用水库群调度方式优化、洪水资源利用、用水行为调整的调控措施，构成水电系统应对径流变化的综合调控措施。将上述方案进行排列组合，获得如下综合调控方案：三峡水库汛期限制水位150 m且上游节水10%；三峡水库汛期限制水位150 m且上游节水20%；三峡水库汛期限制水位153 m且上游节水10%；三峡水库汛期限制水位153 m且上游节水20%。

4　 结果与讨论

4.1　径流变化及其对水库群发电量影响

三峡水库初步设计时采用的径流资料截止到1990年，而长江上游径流时程突变大约发生在1993年^[4]，径流变化必然对三峡等大型水电工程的运行方式和综合效益产生影响。因此，本文以1993年为界，将研究期划分为1951—1993年基准时期和1994—2019年变化时期，基准时期年均径流量为4 381.8亿m³，变化时期年均径流量为 4 029.7亿m³，径流量减少了352.1亿m³，变化率为-8.04%。对梯级水电站群按照以每电站自身发电量最大为目标进行常规调度，分别统计基准时期和变化时期梯级水电站群年均发电量，结果如表2所示。对比可知，变化时期由于径流减少，梯级水电站群年均发电量减少了35.78亿kW·h，变化率为-1.84%。可见，径流变化并不完全等效于水电站群发电量的变化。梯级水电站群中，溪洛渡和向家坝电站的年均发电量分别增加了14.90、3.43 亿kW·h，而三峡和葛洲坝电站分别减少了52.43、1.47亿kW·h。屏山站的径流量变化反映了溪洛渡和向家坝两水库的来水变化，以1993年划分，变化时期的多年平均径流量较基准时期增加，导致两电站发电量相应增加。

4.2　调控机制与调控效果

4.2.1　水库群调度方式优化

重点分析调度能力较强的溪洛渡水库和三峡水库的调控机制，绘制典型年2013年库群联合调度与常规调度下的水位过程线，如图1所示。

1） 消落期。溪洛渡在联合调度时，集中消落时间较常规调度提前，两种调度模式下水位过程线形态相似；三峡在联合调度时，集中消落时间较常规调度变化很小；但由于联合调度时溪洛渡的泄放水量加大，三峡库水位过程线比常规调度下的库水位过程线略高。

2） 汛期。由于汛期来水量大，为了减少后期的无效弃水，溪洛渡在确保汛后期回蓄到汛期限制水位560 m的前提下，加大泄流量，使整个汛期水位维持在540~560 m；三峡汛期水位基本维持在汛期水位上限值146.5 m运行，水位过程线在两种调度模式下无明显差异。

3） 蓄水期。溪洛渡与三峡同步蓄水时，两种调度模式下水位过程线几乎重合。

上述结果表明，与常规调度相比，联合调度主要体现在消落期提前降低库水位，加大下泄流量，以增加下游梯级电站的发电量，从而达到整体发电量最大的目标。

适应性调控的效果主要体现在调控前后发电量的恢复，变化时期梯级水库群联合调度与常规调度年均发电量结果如表3所示。相对于常规调度，采用联合调度，梯级水电站群能够增加发电量6.25亿kW·h（0.33%）。联合调度下，溪洛渡通过提前消落放水（见图1a），牺牲一部分发电量（比常规调度发电量降低了3.91 亿kW·h），换取了下游二级、三级、四级电站不同程度的增发，从而达到梯级水电站群的整体增发。采用联合调度恢复了部分发电量，一定程度上缓解了因河川径流减少导致的发电量缩减。可见，联合调度是水库群适应性调控的有效手段。

4.2.2　洪水资源利用

不同汛期限制水位方案下三峡水库水位过程线如图2所示。分析可知：

1） 消落期。与汛期限制水位146.5 m相比，6月1日前，汛期限制水位150 m和153 m两种条件下三峡水库水位过程重叠，并从6月1日—6月10日分别消落至设定的汛期限制水位。

2） 汛期。3种汛期限制水位下，三峡水库汛期水位均维持在汛期水位上限值运行。

3） 蓄水期。3种汛期限制水位下，三峡水库水位分别从设定的汛期限制水位逐步向9月底165 m的控制水位回蓄。较汛期限制水位146.5 m方案，汛期限制水位150 m和153 m两种方案下，三峡水位更早达到165 m的限制。

三峡未采取洪水资源利用措施（汛期限制水位146.5 m）和采用洪水资源利用措施（汛期限制水位150、153 m）3种调控工况下，变化时期梯级水电站群年均发电量如表4所示。分析可知，随着三峡水库汛期限制水位由146.5 m提高至150 m和153 m，梯级水电站群变化时期年均发电量由1 924.22亿kW·h提高至1 947.98亿kW·h和1 962.41亿kW·h，分别增发了23.76、38.20亿kW·h，增发率为1.24%和1.96%，随着三峡水库汛期限制水位的提高，梯级水电站群增发较为明显，边际效益减小。

三峡采用汛期限制水位150 m的调控措施，可以将梯级电站群的发电总量增加23.76%，因径流减少而减发的电量由35.78亿kW·h缩减至5.76亿kW·h；采用汛期限制水位153 m的调控措施，梯级水电站群的发电总量超过了基准时期来水条件下常规调度的发电总量（1 953.74亿kW·h），消除了径流减少对梯级水电站群总发电量带来的不利影响，对应对径流变化有着显著的调控作用。就梯级水电站群中各级电站的发电量而言，三峡水库汛期限制水位提高对梯级水电站群增发主要来自三峡水电站本身发电量的增加，对溪洛渡、向家坝、葛洲坝水电站影响不大。因此，在可靠的径流信息支撑下，通过洪水资源利用，增加水库群的有效径流补给，调控水库群水量，能够有效提高系统发电量。

4.2.3　上游用水行为调整

长期优化调度中重点分析调节能力较强的溪洛渡水库和三峡水库的调控过程。未采取用水行为与节水10%、节水20%方案调控措施下，溪洛渡、三峡水位过程线如图3所示。分析可知：

1） 消落期。溪洛渡在上游采取节水调控措施后，因来水增加，水位过程线略高，表现为节水越多，水位过程线越高；三峡的调控过程具有相似的特征，直至5月25日达到控制水位155 m后不同方案的水库运行水位重叠。

2） 汛期。不同节水方案下，溪洛渡、三峡水库汛期水位过程相近，三峡水库汛期水位均维持在汛期水位上限值运行。

3） 蓄水期。上游采取节水调控措施后来水更多，回蓄速度更快，节水20%时快于节水10%和未节水方案；不同节水方案下，溪洛渡10月1日达到正常蓄水位后，水库水位过程线重合；三峡在节水后水库水位回蓄速度有所加快，并且在12月1日达到正常高水位。

未采取用水行为调整措施、采取用水行为调整措施（节水10%、节水20%）时，变化时期梯级水电站群年均发电量如表5所示。

对比不同方案下梯级水电站群及各级水电站的发电量可知，随着用水行为调整从上游不节水至节水10%、节水20%，梯级水电站群变化时期多年平均发电总量由1924.22亿kW·h提高至1930.66亿kW·h和1937.21亿kW·h，分别增发了6.45亿kW·h和12.99亿kW·h，增发率为0.34%和0.67%。3种方案下，梯级水电站群发电总量变化和各电站发电量变化比较均匀。结合图3可知，通过发展上游用水方式调整的调控措施，增加水电系统的有效径流补给，调控水电系统水量，能有效提高水电系统发电量，通过减少河道外用水等人类直接用水，也是消减上游河川径流减少对水电系统影响的有效调控措施之一。

4.2.4　综合调控

采取综合调控措施后，变化时期梯级水电站群年均发电量如表6所示。

对比不同方案各个水电站及梯级水电站群的发电量可知，将三峡汛期限制水位提高至150 m时，上游节水10%和20%，经水库群联合调度，梯级水电站群发电总量分别为1 952.27亿kW·h和1 957.20亿kW·h。进一步将三峡汛期限制水位控制在153 m，上游节水10%和20%，此时梯级水电站群发电总量分别为1 966.49亿kW·h和1 972.66亿kW·h。可见，将三峡水库汛期限制水位提高至150 m，同时采用上游节水20%，即可实现发电量恢复的调控目标。因此，采用综合调控措施能有效消减河川径流变化对水电系统影响。

5　 结 语

受气候变化与人类活动影响，河川径流时空分布规律发生变异。水库群工程能否在新的径流条件下依然发挥设计效益存在不确定性。寻找可行的调控措施，消减径流变化对水库群工程的负面影响，是我国现阶段水资源规划与可持续开发利用的战略需求。本文以溪洛渡梯级-三峡梯级为研究对象，构建了面向适应性调控模拟的水库群多目标联合调度模型，设计了基于调度方式优化、洪水资源利用、用水行为调整等策略的调控措施组合方案集，并评估了不同方案的适应性调控效果。研究结果表明，利用上述非工程措施是消减河川径流变化对水电系统影响的有效调控措施。与已有长江上游水电系统径流适应性调控方向性、定性建议的研究成果相比，本文采用量化方式论证并提出长江上游水电系统应对径流变化的适应性调控措施，更具有实际应用价值。未来可进一步完善多维适应性调控的策略体系，引入更多的调控措施，提出组合情景方案，以定量评估各方案的调控效果及对调控目标的贡献率，同时评估适应性综合调控策略产生的社会、经济和环境效益，核算调控策略的成本，建立适应性调控的成本-效益关系。

参考文献

[1] 王浩， 贾仰文. 变化中的流域“自然-社会”二元水循环理论与研究方法［J］. 水利学报， 2016， 47（10）： 1219-1226. DOI： 10.13243/j.cnki.slxb.20151297 .

[2] WANG H， JIA Y W. Theory and study methodology of dualistic water cycle in river basins under changing conditions［J］. Journal of Hydraulic Engineering， 2016， 47（10）： 1219-1226. DOI： 10.13243/j.cnki.slxb.20151297（Ch ）.

[3] 王国庆， 张建云， 管晓祥， 等. 中国主要江河径流变化成因定量分析［J］. 水科学进展， 2020， 31（3）： 313-323. DOI： 10.14042/j.cnki.32.1309.2020.03.001 .

[4] WANG G Q， ZHANG J Y， GUAN X X， et al. Quantifying attribution of runoff change for major rivers in China［J］. Advances in Water Science， 2020， 31（3）： 313-323. DOI： 10.14042/j.cnki.32.1309.2020.03.001（Ch ）.

[5] 严登华， 任立良， 王国庆， 等. 关于陆地水循环演变及其在全球变化中的作用研究设想［J］. 水科学进展， 2016， 27（6）： 935-942. DOI： 10.14042/j.cnki.32.1309.2016.06.017 .

[6] YAN D H， REN L L， WANG G Q， et al. Initiatives on evolution of terrestrial water cycle and its role in global change［J］. Advances in Water Science， 2016， 27（6）： 935-942. DOI： 10.14042/j.cnki.32.1309.2016.06.017（Ch ）.

[7] WANG M L， ZHANG Y， LU Y， et al. Attribution analysis of streamflow changes based on large-scale hydrological modeling with uncertainties［J］. Water Resources Management， 2023， 37（2）： 713-730. DOI： 10.1007/s11269-022-03396-7 .

[8] 张建云， 刘九夫， 金君良， 等. 青藏高原水资源演变与趋势分析［J］. 中国科学院院刊， 2019， 34（11）： 1264-1273. DOI： 10.16418/j.issn.1000-3045.2019.11.009 .

[9] ZHANG J Y， LIU J F， JIN J L， et al. Evolution and trend of water resources in Qinghai-Tibet Plateau［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1264-1273. DOI： 10.16418/j.issn.1000-3045.2019.11.009（Ch ）.

[10] 唐见， 陈进， 周建中. 长江上游保护区径流变化特征及其对气候因子响应的区域差异性研究［J］. 长江科学院院报， 2015， 32（6）： 110-115. DOI： 10.3969/j.issn.1001-5485.2015.06.019 .

[11] TANG J， CHEN J， ZHOU J Z. Runoff changes and its regional differences in response to climate factors in reserve zone of the Yangtze River upstream area［J］. Journal of Yangtze River Scientific Research Institute， 2015， 32（6）： 110-115. DOI： 10.3969/j.issn.1001-5485.2015.06.019（Ch ）.

[12] 周倩. 长江上游干流区陆气耦合降雨径流预报研究［D］. 武汉： 华中科技大学， 2019. DOI： 10.27157/d.cnki.ghzku.2019.001124 .

[13] ZHOU Q. Study on rainfall runoff forecast based on land-atmosphere coupling in the upper reaches of the Yangtze River［D］.Wuhan： Huazhong University of Science and Technology， 2019. DOI： 10.27157/d.cnki.ghzku.2019.001124（Ch ）.

[14] ZHANG Y， ZHONG P G， WANG M L， et al. Changes identification of the Three Gorges Reservoir inflow and the driving factors quantification［J］. Quaternary International， 2018， 475： 28-41. DOI： 10.1016/j.quaint.2016.02.064 .

[15] 万文华. 变化环境下的干旱演变与水库适应性调度策略［D］. 北京： 清华大学， 2018. DOI： 10.27266/d.cnki.gqhau.2018.000149 .

[16] WAN W H. Study on drought evolution and adaptive reservoir operation in a changing environment［D］.Beijing： Tsinghua University， 2018. DOI： 10.27266/d.cnki.gqhau.2018.000149（Ch ）.

[17] XIA J， QIU B， LI Y Y. Water resources vulnerability and adaptive management in the Huang， Huai and Hai River Basins of China［J］. Water International， 2012， 37（5）： 523-536. DOI： 10.1080/02508060.2012.724649 .

[18] 夏军， 石卫， 雒新萍， 等. 气候变化下水资源脆弱性的适应性管理新认识［J］. 水科学进展， 2015， 26（2）： 279-286. DOI： 10.14042/j.cnki.32.1309.2015.02.019 .

[19] XIA J， SHI W， LUO X P， et al. Revisions on water resources vulnerability and adaption measures under climate change［J］. Advances in Water Science， 2015， 26（2）： 279-286. DOI： 10.14042/j.cnki.32.1309.2015.02.019（Ch ）.

[20] 左其亭， 韩淑颖， 韩春辉， 等. 基于遥感的新疆水资源适应性利用配置-调控模型研究框架［J］. 水利水电技术， 2019， 50（8）： 52-57. DOI： 10.13928/j.cnki.wrahe.2019.08.007 .

[21] ZUO Q T， HAN S Y， HAN C H， et al. Research frame of adaptive utilization allocation-regulation model of water resources in Xinjiang region based on RS［J］. Water Resources and Hydropower Engineering， 2019， 50（8）： 52-57. DOI： 10.13928/j.cnki.wrahe.2019.08.007（Ch ）.

[22] 曹建廷. 国际上水资源管理的变化历程及趋势［J］. 中国水利， 2020（5）： 44-46. DOI： 10.3969/j.issn.1000-1123.2020.05.019 .

[23] CAO J T. The history and trends of water resources management abroad［J］. China Water Resources， 2020（5）： 44-46. DOI： 10.3969/j.issn.1000-1123.2020.05.019（Ch ）.

[24] SCHOEMAN J， ALLAN C， FINLAYSON C M. Exploring the multiple meanings of adaptive management： A case study of the Lachlan Catchment in the Murray-Darling Basin［J］. Environmental Management， 2019， 64（4）： 470-482. DOI： 10.1007/s00267-019-01203-5 .

[25] 夏军， 彭少明， 王超， 等. 气候变化对黄河水资源的影响及其适应性管理［J］. 人民黄河， 2014， 36（10）： 1-4. DOI： 10.3969/j.issn.1000-1379.2014.10.001 .

[26] XIA J， PENG S M， WANG C， et al. Impact of climate change on water resources and adaptive management in the Yellow River Basin［J］. Yellow River， 2014， 36（10）： 1-4. DOI： 10.3969/j.issn.1000-1379.2014.10.001（Ch ）.

[27] MCLOUGHLIN C A， THOMS M C， PARSONS M. Reflexive learning in adaptive management： A case study of environmental water management in the Murray-Darling Basin， Australia［J］. River Research and Applications， 2020， 36（4）： 681-694. DOI： 10.1002/rra.3607 .

[28] CHENG K， WEI S， FU Q， et al. Adaptive management of water resources based on an advanced entropy method to quantify agent information［J］. Journal of Hydroinformatics， 2019， 21（3）： 381-396. DOI： 10.2166/hydro.2019.007 .

[29] 张玮， 王旭， 雷晓辉， 等. 一种基于DS理论的水库适应性调度规则［J］. 水科学进展， 2018， 29（5）： 685-695. DOI： 10.14042/j.cnki.32.1309.2018.05.009 .

[30] ZHANG W， WANG X， LEI X H， et al. Adaptive reservoir operating rules based on the Dempster-Shafer evidence theory［J］. Advances in Water Science， 2018， 29（5）： 685-695. DOI： 10.14042/j.cnki.32.1309.2018.05.009（Ch ）.

[31] 刘攀， 张晓琦， 邓超， 等. 水库适应性调度初探［J］. 人民长江， 2019， 50（2）： 1-5. DOI： 10.16232/j.cnki.1001-4179.2019.02.001 .

[32] LIU P， ZHANG X Q， DENG C， et al. Study on key technology for adaptive operation of reservoir［J］. Yangtze River， 2019， 50（2）： 1-5. DOI： 10.16232/j.cnki.1001-4179.2019.02.001（Ch ）.

[33] ZHANG W， LIU P， WANG H， et al. Reservoir adaptive operating rules based on both of historical streamflow and future projections［J］. Journal of Hydrology， 2017， 553： 691-707. DOI： 10.1016/j.jhydrol.2017.08.031 .

[34] FENG M Y， LIU P， GUO S L， et al. Deriving adaptive operating rules of hydropower reservoirs using time-varying parameters generated by the EnKF［J］. Water Resources Research， 2017， 53（8）： 6885-6907. DOI： 10.1002/2016WR020180 .

[35] ZHANG X Q， LIU P， XU C Y， et al. Conditional value-at-risk for nonstationary streamflow and its application for derivation of the adaptive reservoir flood limited water level［J］. Journal of Water Resources Planning and Management， 2018， 144（3）： 04018005. DOI： 10.1061/（asce）wr.1943-5452.0000906 .

[36] 王森， 武新宇， 程春田， 等. 自适应混合粒子群算法在梯级水电站群优化调度中的应用［J］. 水力发电学报， 2012， 31（1）： 38-44.

[37] WANG S， WU X Y， CHENG C T， et al. Application of self-adaptive hybrid particle swarm optimization algorithm to optimal operation of cascade reservoirs［J］. Journal of Hydroelectric Engineering， 2012， 31（1）： 38-44 （Ch）.

基金资助

国家自然科学基金(52209032)

中国长江电力股份有限公司科研项目(Z24302034)

中国长江电力股份有限公司科研项目(Z242302027)