气候变化对龙刘梯级水库群发电量的影响

韩世亮 陈锐

摘 要：氣候变化和人类活动共同导致流域或区域水资源供需矛盾加剧。面对日益加剧的气候变化，厘清气候变化对梯级水库群发电调度规则的影响十分重要。以黄河上游龙刘梯级水库群为研究对象，首先，采用Mann-Kendall突变检验方法对梯级水库控制断面唐乃亥和小川水文站径流序列进行突变检验，在此基础上构建黄河上游融雪径流模型（HBV），并对其进行模型参数校准和验证;其次，采用统计降尺度方法（SDSM）对2种气候模式（CanESM2和GFDL_ESM2G）下的3种气候变化情景（RCP2.6、RCP4.5和RCP8.5）进行降尺度处理，并模拟未来黄河上游径流量;最后，构建黄河上游梯级水库群发电量最大模型，揭示气候变化对梯级水库群发电量的影响。结果表明，黄河上游唐乃亥和小川水文站的径流突变年份分别为1989年和1985年。不同气候模式下未来枯水期径流量均显著减少，丰水期显著增加。气候变化将导致未来近期梯级水库群发电量增加，远期增加不显著。

关键词：气候变化;水文模型;梯级水库群;黄河上游

中图分类号：TV212.3;TV882.1

文献标志码：A

doi：10.3969/j.issn.1000-1379.2021.09.008

引用格式：韩世亮，陈锐.气候变化对龙刘梯级水库群发电量的影响[J].人民黄河，2021，43（9）：42-47.

Impact of Climate Change on Power Generation of Longyangxia and Liujiaxia Cascade Reservoirs

HAN Shiliang1， CHEN Rui2

（1.Operation and Maintenance Center of Xiazhuwu Reservoir in Anqiu City， Anqiu 262125， China;

2.State Key Laboratory of Water Resources and Hydropower Engineering Science， Wuhan University， Wuhan 430072， China）

Abstract： Climate change and high-intensity human activities together lead to the aggravation of the contradiction between supply and demand of water resources in the basin or region. In the face of increasing climate change， it is very important and necessary to clarify the impact of climate change on the power generation operation rules of cascade reservoirs in the future. Therefore， firstly， Mann-Kendall method was used to test the abrupt change of runoff series of Tangnaihai and Xiaochuan hydrological stations in the upper reaches of the Yellow River. On this basis， considering that the upper reaches of the Yellow River is an alpine climate region， a snowmelt runoff model （HBV） was constructed and its parameters were calibrated and verified. Secondly， the statistical downscaling method （SDSM） was used to analyze two climate models （CanESM2 and GFDL_ESM2G）. Three climate change scenarios （RCP2.6， RCP4.5 and RCP8.5） were downscaled to simulate the water resources of the upper Yellow River in the future. Finally， the maximum power generation model of cascade reservoirs in the upper Yellow River was constructed to reveal the impact of climate change on the power generation and operation of cascade reservoirs. The results show that the abrupt change years of Tangnaihai and Xiaochuan hydrological stations in the upper Yellow River are 1989 and 1985 respectively. Under different climate models， the runoff in the future will be decreased significantly in the dry season and increased significantly in the wet season. Climate change will lead to a significant increase in the power generation of cascade reservoirs in the near future and a nonsignificant increase in the long term.

Key words：  climate change; hydrological model; cascade reservoirs; Upper Yellow River

受气候变化和人类活动影响，流域或区域的水资源供需矛盾日益突出[1-2]。我国水资源时空分配不均，而水库调度是水库正常运行、水资源重新分配的关键管理手段[3-4]。变化环境下（气候变化、下垫面变化、上游多库多梯级径流调节等）水资源的时空分布格局将如何改变，以及其对梯级水库群联合调度的影响是国内外研究的热点，亦是难点。因此，开展变化环境下梯级水库群的适应性调度具有重大实践意义。

近年来，国内外学者针对气候变化和人类活动对流域水资源的影响开展了大量研究，并取得了丰硕的研究成果。吴安琪等[5]以淮河流域为例，基于构建的分布式SWAT模型，通过任意设定25种气候变化场景，揭示了气温和降水变化对径流的影响。王迪等[6]基于山美水库流域历史实测资料，利用降尺度方法对2种CMIP5气候模式下的2种典型浓度路径（RCP4.5和RCP8.5）的降水和气温要素进行降尺度处理，并将预测降水和气温要素代入SWAT模型，预测未来3个时期（2031—2050年、2051—2070年和2071—2100年）蓝水、绿水资源的时空分布特征，发现蓝水资源显著减少，而绿水资源显著增加。Zhao等[7]以渭河流域为研究对象，基于SWAT模型揭示气候变化和土地利用方式对蓝水、绿水资源的影响，结果发现二者均导致水资源量显著减少。

笔者以黄河上游为例，首先采用Mann-Kendall

突变检验方法对重要水文断面（唐乃亥和小川）进行变异诊断，在此基础上分别构建黄河上游2个子流域（龙羊峡以上、龙刘区间）的融雪径流模型（HBV），并进行参数校准和验证;其次利用再分析数据（NCEP）和实测气象数据，采用统计降尺度方法（SDSM）对2种气候模式（CanESM2和GFDL_ESM2G）下的3种气候变化情景（RCP2.6、RCP4.5和RCP8.5）进行降尺度处理，得到未来降水、气温等气象要素，并分别驱动HBV水文模型模拟未来水资源量;最后构建以龙刘（龙羊峡和刘家峡）

梯級水库群发电量最大为目标的优化调度模型，以此探究气候变化对未来梯级水库群适应性调度的影响。

1 研究区概况及数据

黄河是中华民族的“母亲河”，承担了约1.4亿人口、50座大中型城市的供水任务，农业灌溉任务繁重，流域面积为79.5万km2，约占全国陆地面积的8.3%，其横跨青藏高原、黄土高原和华北平原，最后汇入渤海，干流全长5 464 km[2，8]。黄河上游年平均产流量约为248.72亿m3，占黄河多年平均径流量的40%以上，是黄河流域的重要产流区。源头至龙羊峡段地形复杂，两岸地貌类型齐全;龙羊峡至兰州段河流比降大，分布有7个大型水库，其中龙羊峡和刘家峡水库分别具有多年调节和年调节能力，龙羊峡水库建成后与刘家峡水库联合运行，满足西北地区发电、灌溉等用水需求，但气候变化加剧将对梯级水库群的运行方式产生一定的影响[9]。黄河上游气象和水文站点空间分布如图1所示。

本研究需要3类数据：实测气象和水文站点数据、NCEP再分析数据以及2种全球气候变化模式GCM（CanESM2和GFDL_ESM2G）历史和未来气候数据。第一类数据选取流域（龙羊峡以上和龙刘区间）周边及内部26个国家基准站1970—2010年逐日气象数据（降水、气温、相对湿度等）以及唐乃亥和小川水文站1956—2010年逐日实测径流数据。气象数据来源于国家气象共享网，水文资料来源于黄河流域水文年鉴。NCEP数据来源于美国环境预报中心和国家大气研究中心，其历史时段和实测数据一致。GCM数据来源于网址https：//esgf-node.llnl.gov/projects/cmip5/。基于径流序列突变年份，龙羊峡以上、龙刘区间的融雪径流模型率定期和验证期分别为1981—1985年和1986—1988年、1977—1981年和1982—1984年。

2 研究方法

2.1 非参数Mann-Kendall突变检验方法

Mann-Kendall突变检验方法广泛应用于气象、水文序列的突变性检验[10-11]。其具体计算过程为：将统计量UF和UB曲线绘制在同一坐标系下，当UF>0时意味着该时间序列呈上升趋势，反之下降。当两条曲线超过临界值Uα/2时，则认为其显著上升或者下降。两条曲线在临界值区间内存在交叉，则交叉处即为该序列的突变年份。需要说明的是，气象和水文序列大多先将日尺度数据转化为年尺度数据，然后用此方法进行突变性检验。

2.2 统计降尺度方法（SDSM）

SDSM模型主要包含两个方面：一是构建站点气象要素与NCEP大气环流因子之间的统计关系，即多元回归模型;二是利用GCM数据驱动SDSM模型建立黄河流域大气环流因子与各气象站点降水、日最低气温、日最高气温、风速等数据系列之间的统计关系，将GCM输出的未来气候情景降尺度到流域各个气象站点，生成各个站点的降水、日最低气温、日最高气温、风速等数据序列，其计算过程见文献[12]。需要说明的是，黄河上游地处我国西北地区高寒气候区，降水、气温等资料较为缺乏，而已有研究表明全球CanESM2和GFDL_ESM2G模式在资料缺乏的我国西北地区有良好的适应性[13-14]，因此本研究选择这两种气候模式进行降尺度模型构建。

2.3 融雪径流模型（HBV）

HBV模型是一个概念性、半分布式融雪径流模型，模型综合考虑了降水、气温、产流、土壤、汇流等因素[15]。图2给出了HBV模型结构，它由5个概念库（积雪、融水、土壤水分、快速径流和缓慢径流）和降雨—径流转化的产汇流过程组成。所需的输入数据为降水量、气温和潜在蒸散量，输出数据为径流、融雪量。该模型共有14个参数，其中5个参数（TT、CFMAX、SFCF、CWH和CFR）参与融雪过程模拟，3个参数（FC、LP和β）参与蓄水量的变化过程模拟，参数K0和K1参与快速流过程模拟，参数PERC和K2参与下渗和慢速流过程模拟，而参数SUZ和UZL分别代表上层和下层水箱深度。

2.4 梯级水库群发电调度模型

黄河上游梯级水库群起调节作用的主要是龙羊峡水库和刘家峡水库。龙羊峡水库是多年调节水库，有效库容为193.5亿m3，死水位为2 530 m，正常高水位为2 600 m，汛限水位为2 594 m，多年平均发电量设计值为59.24亿kW·h。刘家峡水库是年调节水库，有效库容为20.3亿m3，死水位为1 696 m，正常高水位为1 735 m，汛限水位为1 726 m，多年平均发电量设计值为57.6亿kW·h。

以龙刘两水库为研究对象建立梯级发电量最大模型：

maxE=∑ni=1∑Tt=1[N（i，t）×ΔT]

式中：

N（i，t）为第i个水库在t时段的平均出力，MW;ΔT为调度时段时长，h;E为梯级发电量，亿kW·h;T为总时段数，基准期为240个月;n为水库个数，为2个。

梯级发电量最大模型应满足的约束条件如下。

水量平衡约束：Vi，t+1=Vi，t+（QIi，t+Qbi，t-qi，t）ΔT

水库水位约束：Hmin（i，t）≤Hi，t≤Hmax（i，t）

水库泄流约束：qmin（i，t）≤qi，t≤qmax（i，t）

电站出力约束：Nmin（i，t）≤Ni，t≤Nmax（i，t）

式中：Vi， t、Vi， t+1分别为第i个水库t时段始、末蓄水量，亿m3;QIi，t、Qbi，t和qi，t分别为第i个水库第t时段内入库流量、区间流量和出库流量，m3/s;

Hmax（i，t）、Hmin（i，t）分别为第i个水库第t时段的水位上、下限，m;Hi，t为第i个水库第t时段的水位，m;qmax（i，t）和qmin（i，t）分别为第i个水库第t时段的出库流量上、下限，m3/s;Nmax（i，t）和Nmin（i，t）分别为第i个水库第t时段的装机容量和最小出力，MW;Ni，t为第i个水库第t时段的出力，MW。

2.5 粒子群优化算法

粒子群优化算法（Particle Swarm Optimization， PSO）由Eberhart和Kennedy于1995年提出，其源于鳥群觅食行为过程[16-17]。算法流程为：用粒子代替自然界中鸟类个体，各粒子认定为N维搜索空间中的一个个体，当前位置的粒子对应为优化问题的一个候选解，粒子飞行过程即为该个体的搜索过程。粒子的飞行速度由粒子历史最优位置、种群历史最优位置共同决定。每个粒子的解称为个体极值，粒子群中所有粒子最优的个体极值为当前全局最优解。通过不断迭代更新其速度和位置，最终得到满足终止条件的最优解。粒子群优化算法流程见图3。

3 结果与分析

3.1 黄河上游重要水文断面径流序列突变检验

图4为黄河上游唐乃亥和小川水文站径流序列突变检验结果。由图4可以看出，唐乃亥和小川水文站在1985年之前，UF曲线呈锯齿状波动变化，大多数年份统计量UF大于0，即径流量减小趋势不明显;1985年之后，UF曲线呈显著的下降趋势，即径流量逐年显著减少。由图4（a）可以看出，唐乃亥水文站的UF和UB曲线于1989年发生交叉，即径流序列的突变年份为1989年，该研究结果与周帅等[10]研究结果一致。由图4（b）可以看出，小川水文站的突变年份为1985年。综上可知，黄河上游龙羊峡和刘家峡水库来水量逐年减少，20世纪90年代之后尤为突出。

3.2 SDSM和HBV模型精度评价及水文模拟过程

3.2.1 SDSM模型精度评价结果

采用SDSM模型对两个子流域（龙羊峡以上和龙

刘区间）面降水量、平均气温的实测数据和模拟数据进行精度评价，结果发现两种气候模式（CanESM2和GFDL_ESM2G）均能得到较满意的模拟精度，两个子流域实测平均气温与模拟平均气温之间的相关系数明显高于实测面降水量与模拟面降水量的;小雨到中雨事件的模拟值与实测值相关性较好，极端降水事件相关性较差，即气候模式不确定性可能会导致极端径流量计算存在较大偏差，应予以重视。

为了进一步揭示年内尺度径流的变化情况，以历史时段（1956—2010年）为基准期，将未来时期（2021—2060年）各子流域径流数据与其对比分析，并计算出月尺度径流的改变幅度及其变差系数CV，如图5所示。结果表明：①较基准期，未来时期龙羊峡以上和龙刘区间6—12月径流量呈增加趋势，而1—5月径流量呈减少趋势，其中8—9月显著增加，3—4月显著减少;②通过对比两个子流域的CV变化可知，未来时段5月份变化较大，其他月份径流起伏变化较小，即未来来水过程在年内变化更加平稳，但不同GCM下差异显著;③通过对比两种GCM结果发现，二者在汛期差异较大，在非汛期差异较小;④总的来说，未来汛期来水增加，非汛期来水减少，即丰水期更加湿润，枯水期更加干旱，水资源供需矛盾加剧。

3.2.2 HBV模型精度评价结果

表1和图6为两个子流域HBV水文模型模拟精度评价结果。需要指出的是，HBV模型的目标函数选择Kling-Gupta efficiency（KGE）指标[18]，优化算法为粒子群（PSO）优化算法，使用均方根误差（RMSE）和相关系数（R2）对模型精度进行评价，其中KGE计算过程见文献[19]。

由表1可知，龙羊峡以上率定期和验证期的KGE分别为0.88和0.81，相关系数分别为0.92和0.88，而龙刘区间率定期和验证期的KGE分别为0.74和0.72，相关系数分别为0.76和0.74。龙刘区间HBV模型模拟精度较差的主要原因是龙羊峡水库为多年调节水库，从建设到正常运行，水文过程发生了明显改变，导致龙刘区间来水过程较差。

由图6可以看出，唐乃亥水文站的HBV模拟流量过程与实测流量过程拟合精度更优，尤其是在汛期。同时，分析小川水文站的模拟过程发现，其模拟流量过程和实测流量过程变化趋势基本一致，但在枯水时段低估了来水过程，而主汛期前高估了来水过程，这归因于HBV模型为融雪径流模型，非汛期气温较低，导致积雪不能很好地转化为有效径流，从而使得径流量较小。总的来说，唐乃亥水文站的径流模拟精度优于小川水文站的，且汛期更加明显。

3.3 梯级水库群联合调度结果

由于黄河上游龙刘水库群调度水文年为7月至次年6月，因此以日历年7月为水库调度起调月份，调度时段为月，历史径流数据系列选择1990年7月—2010年6月，近期预报径流数据系列选择2021年7月—2040年6月，远期预报径流数据系列选择2041年7月—2060年6月。梯级水库调度方案见表2。

采用粒子群算法（PSO）进行模型优化计算，计算结果见表3。

由表3可知：

（1）与历史径流发电调度结果（方案1）相比，未来近期径流发电调度方案下（方案2～方案7），龙羊峡水库多年平均发电量为43.07亿～53.29亿kW·h，增幅为4.0%～28.7%，刘家峡水库多年平均发电量为59.80亿～64.42亿kW·h，增幅为5.8%～14.0%，龙刘多年平均发电量为102.87亿～117.71亿kW·h，增幅为5.1%～20.2%。

（2）与历史径流发电调度结果（方案1）相比，未来远期径流发电调度方案下（方案8～方案13），龙羊峡水库多年平均发电量为38.44亿～55.31亿kW·h，增幅为-7.2%～33.6%，刘家峡水库多年平均发电量为58.51亿～65.66亿kW·h，增幅为3.5%～16.2%，龙刘多年平均发电量为96.95亿～120.97亿kW·h，增幅为-1.0%～23.5%。其中方案13相比于方案1总来水量增加，但龙羊峡水库来水量减少，导致龙羊峡水库和龙刘梯级水库的发电量下降。

图7为龙羊峡和刘家峡水库多年平均发电量与其多年平均来水量的拟合关系曲线。由图7可知，龙羊峡、刘家峡水库多年平均发电量与对应来水量线性正相关，龙羊峡水库的拟合公式一次项系数大于刘家峡水库的拟合公式一次项系数，表明龙羊峡水库对上游来水总量变化更加敏感，未来龙羊峡水库来水量减少将对整个梯级水库群发电量影响较大。

4 结 论

以黄河上游为例，采用Mann-Kendall突变检验方法对径流序列进行突变检验，在此基础上选取径流突变前时段（天然期）构建考虑高寒融雪模块的HBV模型，并采用粒子群优化算法（PSO）进行参数率定和验证。用两种GCM气候模式不同情景下的气象要素驱动HBV模型，模拟历史和未来两个子流域的径流量。构建梯级水库群（龙羊峡和刘家峡）发电量最大优化调度模型，以此探究气候变化对梯级水库群适应性调度的影响。

（1）黄河上游唐乃亥和小川水文站的径流突变年份分别为1989年和1985年，龙羊峡以上和龙刘区间两个子流域构建的HBV模型率定期和验证期的拟合精度较优，且前者优于后者。

（2）气候模式及气候变化情景不确定对年内径流过程的影响较大，但预测的未来年内枯水期径流均减少，丰水期均增加，且GFDL_ESM2G模式下的径流量大于CanESM2模式下的。

（3）气候变化将导致未来近期发电量显著增加，远期发电量增加不显著，近期龙刘水库多年平均发电量为102.87亿～117.71亿kW·h，增幅为5.1%～20.2%，远期龙刘水库多年平均发电量为96.95亿～120.97亿kW·h，增幅为-1.0%～23.5%。

参考文献：

[1] 甘晓静，王义民，张泽中.环境变化对径流的影响研究综述[J].水资源与水工程学报，2011，22（5）：74-77.

[2] 周帅，王义民，郭爱军，等.黄河流域未来水资源时空变化[J].水力发电学报，2018，37（3）：28-39.

[3] 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）：1-5，12.

[4] 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.

[5] 吴安琪，石朋，陆美霞，等.气候变化对淮河径流及洪峰流量的影响[J].三峡大学学报（自然科学版）2021，43（1）：13-17.

[6] 王迪，刘梅冰，陈兴伟，等.基于CMIP5和SWAT的山美水库流域未来蓝绿水时空变化特征[J].南水北调与水利科技（中英文），2021，19（3）：446-458.

[7] ZHAO A Z， ZHU X F， LIU X F， et al. Impacts of Land Use Change and Climate Variability on Green and Blue Water Resources in the Weihe River Basin of Northwest China[J].Catena，2016，137（2）：318-327.

[8] 路瑞，赵琰鑫.基于水资源生态足迹的黄河流域水资源利用评价[J].人民黄河，2020，42（11）：48-52，134.

[9] 彭少明，王煜，尚文繡，等.应对干旱的黄河干流梯级水库群协同调度[J].水科学进展，2020，31（2）：172-183.

[10] 周帅，王义民，郭爱军，等.气候变化和人类活动对黄河源区径流影响的评估[J].西安理工大学学报，2018，34（2）：205-210.

[11] 郭世兴，刘斌，王光社，等.基于Mann-Kendall法的汉江上游水沙趋势分析[J].水电能源科学，2015，33（11）：140-142.

[12] 娄伟，李致家，刘玉环.多模式下泾河上游流域未来降水变化预估[J].南水北调与水利科技（中英文），2020，18（6）：1-16.

[13] 夏依拉·居尔艾提，杨涛.资料匮乏地区径流降尺度模型构建及预测[J].中国农村水利水电，2016（1）：12-15，20.

[14] 张霞.中国地区降水变化的模拟评估及其未来情景预估[D].南京：南京信息工程大学，2008：36-42.

[15] 王有恒，谭丹，景元书.HBV水文预报模型在白龙江流域的应用研究[J].水土保持通报，2015，35（3）：218-221.

[16] 刘苏宁，甘泓，魏国孝.粒子群算法在新安江模型参数率定中的应用[J].水利学报，2010，41（5）：537-544.

[17] 宋万祯，雷晓辉，黄晓敏，等.考虑拥挤度的多目标粒子群优化算法在马斯京根参数估计中的应用[J].水电能源科学，2013，31（1）：38-41.

[18] 尹家波，郭生练，王俊，等.基于贝叶斯模式平均方法融合多源数据的水文模拟研究[J].水利学报，2020，51（11）：1335-1346.

[19] 叶磊.流域水文分析与水文预报方法研究[D].武汉：华中科技大学，2016：21-25.

【责任编辑 张 帅】