水庫調(diào)度是國家水安全、防洪安全和能源安全的關鍵抓手。我校水文水資源學院馮仲愷教授團隊面向國家需求和國際學術前沿，近期在水庫調(diào)度領域取得系列研究成果。

高效降維方法是水庫調(diào)度的理論支撐。為此，針對單目標調(diào)度問題，團隊提出了梯級水庫群調(diào)度響應面逐步優(yōu)化方法，運用人工智能方法構建表征水庫非線性動力特性的響應面模型，快速推求不同水位-流量組合方案對應的水庫出力，避免了高頻冗余計算，極大緩解了維數(shù)災；針對多目標調(diào)度問題，以團隊前期原創(chuàng)的合作搜索算法為基礎，提出了基于分解框架的水庫群調(diào)度多目標合作搜索方法(MOCSA/D)，提升全局尋優(yōu)及鄰域探索能力，增強優(yōu)質方案的引導力和競爭力，快速獲得分布均勻的調(diào)度方案解集合，保障了綜合效益和水資源利用率。

(a) RSPOA響應面模型

(b) MOCSA/D方法

圖1 水庫調(diào)度高效降維方法示意圖

調(diào)峰調(diào)度是水庫調(diào)度的核心任務之一。然而，光伏等新能源出力具有強隨機性、波動性和反調(diào)峰等特性，極大加劇了電網(wǎng)調(diào)峰困難。為此，團隊研究了光伏出力預測誤差時空分布特征，構建了基于主成分降維和動態(tài)聚類的典型場景生成模型，實現(xiàn)對光伏預測出力的精細表征，進而提出了考慮光伏出力不確定性的水光互補調(diào)峰調(diào)度方法法，增強了水庫靈活調(diào)節(jié)能力，有效降低了電網(wǎng)負荷峰谷差，為水光互補調(diào)度方案科學制定提供了技術支撐。

圖2 水光互補調(diào)峰調(diào)度典型場景生成示意圖

多維需求協(xié)同優(yōu)化是保障水庫調(diào)度方案實用性的關鍵。然而，傳統(tǒng)方法多基于靜態(tài)運行環(huán)境，未能充分考慮徑流預測偏差及運行工況時變性，難以滿足變化條件下水庫適應性調(diào)度需求。為此，團隊統(tǒng)籌發(fā)電、防洪、供水等綜合需求，提出了考慮環(huán)境變化的水庫汛期水位動態(tài)控制多維協(xié)同調(diào)度方法，通過集成預報徑流模擬、風險動態(tài)評估、決策響應等策略，有效應對復雜多變環(huán)境，提高了綜合運行效益，為水庫均衡調(diào)度決策提供了新型有效方法。

圖3 水庫汛期水位動態(tài)控制多維協(xié)同調(diào)度示意圖

人工智能方法是水庫調(diào)度領域的前沿熱點。作為經(jīng)典的人工智能方法，長短時記憶神經(jīng)網(wǎng)絡(LSTM)應用廣泛，但鮮有文獻全面綜述LSTM在水文水資源領域的應用。為此，團隊梳理了1500余篇水文水資源領域LSTM相關文獻，辨識了LSTM關聯(lián)模型發(fā)展歷程，從預報模擬、水資源管理、水庫調(diào)度、多能互補等視角出發(fā)，討論了LSTM在水文水資源領域的研究成果，給出了LSTM模型泛化能力、可解釋性等前沿挑戰(zhàn)以及時空動態(tài)建模、多模型集成等前沿方向，以期為水庫調(diào)度、水文預報等相關研究提供支撐。

圖4 LSTM模型及其水文水資源領域應用示意

上述成果由馮仲愷教授團隊與長江水利委員會水文局等多家單位歷時近2年合作完成，研究工作得到了國家重點研發(fā)計劃項目（2023YFC3210500）、國家自然科學基金項目（52379009）、江蘇省自然科學基金（BK20240189）等資助，發(fā)表在《Journal of Hydrology》《Energy》《Applied Energy》《Applied Soft Computing》等水文水資源、能源電力、人工智能領域國際著名期刊，助力長江、珠江、烏江等特大流域及巨型水電站科學調(diào)度管理。