张文文 ,徐军杨
(1. 温州市泽雅水库管理站,浙江 温州 325023;2. 杭州华辰电力控制工程有限公司,浙江 杭州 311100)
我国东南沿海山区受季风影响显著,年内降雨分配严重失衡,3—10 月降雨量约占全年降雨量的90%,导致洪涝漫溢成灾。浙江省温州市东临东海,汛期常遭受台风暴雨引起的洪水灾害,灾害类型包括水库超汛泄洪、山洪灾害、城市内涝[1]。水库的兴建能够有效缓解洪灾威胁,通过水库预报调度,预判洪水量级,腾出库容以达到均匀泄流目的。当前,大中型水库防汛防台主要面临库区管理不力、下游河道防洪能力不足、洪水预测调度能力薄弱等问题[2]。同时受厄尔尼诺现象影响,季风气候愈加多变,城市化进程加快导致洪灾损失不断增大,使得温州市防汛防台形势更加严峻,对水库防洪功能提出了更高要求。
由于单一模型的局限性,国内外学者已对水文、水动力模型耦合进行了大量研究与应用[3-8]。在实际应用场景中,可根据流域或水库防洪情景,选取合适的水文水动力耦合模型,为洪涝灾害模拟预报提供技术支持[9]1140。水库作为我国目前应用最广泛的防洪工程措施之一,利用水文、水动力模型对水库预报调度和下游洪水演进进行一体化模拟分析,是水库防汛调度业务数字化、智慧化转型升级的重要手段[10],对提升水库防洪能力、保障下游社会经济安全至关重要。
本研究以温州市泽雅水库及下游河道为研究对象,构建三水源新安江模型并利用马斯京根河道演算法进行水库和区间洪水预报,构建水库调度模型用于泄洪控制,构建一/二维水动力模型用于水库下游洪水淹没模拟,形成流域洪水预报-调度-演进一体化模型,并将一体化模型集成接入泽雅智慧水库平台,提高防汛决策部署能力。
泽雅水库位于戍浦江中游,水库集雨面积为102 km2,是一座集供水、防洪于一体的中型水库。戍浦江位于瓯江下游右岸,流域面积为 247 km2,地势整体呈西南高、东北低,山区面积占比达90%以上。流域内河道曲折迂回,泄洪能力差,河口往往受瓯江高潮位顶托影响,在遭遇台风暴雨后,流域极易漫溢成灾,暴雨量大且集中。目前,流域内已形成“上蓄下挡”的防洪体系,泽雅水库蓄泄上游洪水,戍浦江河口大闸枢纽外挡下游雍水。在台汛期间,水库下游为温州市泽雅镇和藤桥镇及时有效地拦蓄削峰,防洪减灾效益显著。研究区概况如图1 所示。
图1 研究区概况图
戍浦江流域上游属山溪性河流,源短流急,暴雨洪水形成时间短;中游河床狭窄,行洪能力不足;下游河道坡降小且受瓯江潮位顶托,极易形成洪涝。因此,基于水文模型的传统洪水预报方法难以预判和模拟全流域洪水过程和量级,有必要通过耦合水力学模型,开展水文水动力模型耦合的洪水预报调度及演进研究。
泽雅水库以上控制流域属北亚热带湿润气候区,产汇流过程模拟采用基于蓄满产流机制的三水源新安江模型,下游雅漾断面河道汇流采用马斯京根河道演算法。一维河道采用基于有限体积法的一维水流非恒定流数学模型;二维地表模型基于高精度地形图开展非结构网格剖分离散,适应下垫面复杂地形边界,采用 Godunov 算法[11]进行数值计算。
水文与水动力模型之间采用当前较为成熟的串联耦合[9]1140方式,即水文模型单独运行,结果作为一维水动力模型输入的上边界条件。一维水动力模型与二维地表模型之间以动态水量交换方式进行双向耦合。
洪水预报分为水库入库和下游区间 2 个洪水预报过程:
1) 水库入库洪水预报。泽雅水库洪水预报采用三水源新安江模型,以降雨、蒸发为输入,推求得到水库入库流量过程。水库上游设有泽雅、五风垟、北林垟 3 个雨量站,泽雅水库坝上和坝址 2 个水位站。模型雨量输入采用 3 个雨量站监测数据的加权平均值,各雨量站控制面积及权重如表1 所示。蒸发数据移用泽雅水库蒸发站的历史资料。
表1 泽雅水库库区雨量站布设表
本次共收集 1999—2021 年 50 场历史洪水资料。取 2017 年前 39 场洪水用于模型参数率定,后 11 场洪水用于验证。通过人机交互优选方法对模型参数寻优,泽雅水库洪水预报新安江模型参数如表2 所示。
表2 新安江模型参数
水库洪水预报主要关注洪峰、峰现时间、洪量等要素,因此本次模型参数率定和验证重点统计实测洪峰流量、计算洪峰流量、洪峰流量相对误差、峰现错时等指标,以相对误差 20% 和峰现错时3 h作为许可误差[12]。率定和验证模拟结果如表3 和 4 所示,不合格洪水预报原因分析如表5 所示。
表3 泽雅水库洪水预报新安江模型参数率定结果
表4 泽雅水库洪水预报新安江模型参数验证结果
表5 不合格洪水原因分析
经统计分析:参与参数率定的 39 场洪水中有 4 场不合格,合格率为 89.7%;参与参数验证的 11 场洪水中有 1 场不合格,合格率为 90.9%。根据 GB/T 22482—2008《水文情报预报规范》相关要求[13],历史洪水模拟均达到甲级精度,新安江模型参数满足水库洪水预报要求。
2) 下游区间洪水预报。泽雅水库坝址下游流域划分为 4 个子区,各子区降雨量算术平均值为降雨输入,各子区面积及雨量站如表6 所示。下游各子区产流采用新安江模型。由于缺少实测流量资料,故模型参数移用水库上游的率定成果。下游洪水汇流采用马斯京根连续演算法,参数如表7 所示。
表6 子区面积及雨量站
表7 马斯京根参数表
泽雅水库泄洪建筑物包括泄放洞和溢洪道,泄放洞为水库放空设施,溢洪道承担主要泄洪任务,通过调整闸门开度控制下泄流量。在闸门控制的情况下,泄流流态为孔流,单孔泄流量计算公式为
当闸门开度大到无法控制出流时,流态为堰流,溢流堰自由泄流计算公式为
式中:Qs为孔流泄流量;Q为堰流泄流量;μ0为孔流综合流量系数;m0为堰流综合流量系数;e为闸门开度;B为闸门宽度;g为重力加速度,g=9.8 m·s-2;H0为总水头。
泽雅水库防洪调度模型以洪水预报结果为输入,根据实际情况选择对应的调度模式,按照水量平衡原则计算得到出流过程。在水位控制和闸门调度模式下,根据闸门实时开度,按照泄流公式计算出当前时刻的下泄流量。
泽雅水库调度规则主要依据为《温州市泽雅水库2022 年度控制运用计划》,调度规则如表8 所示。
表8 泽雅水库调度规则
以泽雅水库坝下至雅漾断面为建模范围,依据戍浦江地形地貌特征及河流走势,构建泽雅水库下游一/二维耦合水动力模型,模拟河道洪水及发生漫堤时的洪水演进过程。
1) 一维河道模型。泽雅水库至雅漾断面河道长为 11.5 km,以此范围沿河设置测量断面,重点关注河道拐弯处和突变处,断面平均间距为 420 m。共收集26 个测量河道断面数据,对河道断面测量结果进行分析处理,并进行河网概化,河道断面如图2 所示。
图2 泽雅水库至雅漾断面的 26 个测量河道断面
2) 二维地表模型。二维地表模型以分辨率为 8 m的数字高程模型为依据,参照地形地貌、堤防、公路、铁路情况划分建模范围。模型采用无结构不规则网格对建模范围进行离散,平均网格边长为 15 m,共剖分网格 39 764 个,并通过地形图高程点数据线性插值获得网格高程,如图3 所示。
图3 网格高程插值
3) 模型边界。一/二维水动力模型的水文边界为:a. 干流上边界 1 个,泽雅水库坝址,为流量边界;b. 干流下边界 1 个,雅漾断面,建立水位边界或水位-流量关系;c. 主要支流边界 1 个,支流周岔溪,经源口村汇入戍浦江。
4) 参数选取。根据泽雅水库下游地形地势及下垫面情况,一维河道水动力模型糙率为 0.025~0.030。二维地表糙率值为 0.070。
5) 历史洪水模拟。选取 2018 年 7 月、2021 年 8 月和 10 月 3 场洪水进行一/二维洪水模拟,模拟结果如图4~6 所示。其中 2018 年 7 月洪水灾情较严重,洪量大,洪峰陡,雅漾断面洪峰流量为 235 m3/s,水位峰值为 4.33 m,造成下游雅漾村、南雅乡部分沿河地区淹没。
图4 2018 年 7 月洪水雅漾断面水位流量过程
图5 2021年8月洪水雅漾断面水位流量过程
图6 2021年10月洪水雅漾断面水位流量过程
将预报-调度-演进一体化模型集成接入泽雅智慧水库平台,结合实时雨水情、工情数据,能够实现流域洪水预报调度、淹没分析一体化管理。
根据实时雨水情或气象数据,对水库入库流量及过程、洪峰、峰现时间、流域断面洪峰及峰现时间、水位等数据进行预报,预见期可达 6 h。通过概化各站点及水库之间的关系,采用人机交互手段,实现自动及人工干预预报、实时校正、承洪分析、历史洪水模拟等功能。
根据现有泄洪设施进行多种组合测试模拟,通过灵活、快速的调度计算,优选防洪调度方案,保证防洪安全。用户可根据当前区域范围内各雨水情站点的实时监测数据及相关降雨预报信息,调用预报-调度-演进一体化模型进行分析计算,综合评估各方案的河道水位和洪水风险,进而制定科学合理的调度方案。
基于一/二维水动力模型,以上游水库泄洪和区间降雨为输入,计算下游雅漾河道控制断面的水位变化,以及洪水漫堤后在地表的演进过程。泽雅智慧水库平台可根据模型计算结果向用户展示断面水位、流量曲线图,以及河道纵剖面水位变化动画、洪水淹没水深、到达时间、淹没历时等实时洪水淹没分析图,并分析评判水库泄洪对下游防洪的影响。
本研究针对东南沿海地区大中型水库防洪预报调度能力不足且单一模型无法解决的问题,以温州市泽雅水库及下游河道为研究对象,通过构建并耦合串联水文预报、防洪调度及一/二维水动力等模型,对水库上下游进行全时空、大尺度的洪水预报和模拟。将模型集成接入泽雅智慧水库平台,能够与实时监测、水库管理等业务进行有效联动,根据实测雨水情数据自动生成防洪调度方案,为流域防洪形势提供精确、及时的判断。
本研究结论也可为其他大中型水库防汛和水库智慧化管控调度能力提升提供实施思路和技术参考。泽雅水库预报-调度-演进一体化模型具有较好的灵活性和扩展性,今后可进一步与气象预报信息融合,提高预见期,减小洪灾风险。随着历史洪水数据的不断累积,应进一步优化完善模型,提高预报精确度,减少弃水量。