五強溪水庫近壩區(qū)洪水預(yù)報方法研究

沙永兵，黃迎春，石 彬，龔 定，鄺錄章，肖 楊，李巧玲

(1.五凌電力有限公司，湖南 長沙 410004； 2.湖南省水電智慧化工程技術(shù)研究中心，湖南 長沙 410004；3.福州大學(xué)土木工程學(xué)院，福州 福建 350108； 4.河海大學(xué)水文水資源學(xué)院，江蘇 南京 210098)

五強溪水庫作為沅水流域下游控制性水庫，對沅水流域的防洪調(diào)度有顯著的影響，是國家防洪重點水庫之一[1]?？拷畮靿沃返貐^(qū)有近7 000 km2的流域缺少水文控制站，水文資料相對匱乏。水庫入庫洪水原有預(yù)報方案流域分區(qū)少，降雨資料均化嚴重，難以把握暴雨中心發(fā)生的位置，且參數(shù)方案不夠合理，這些問題導(dǎo)致了洪水預(yù)報精度難以滿足水庫入庫流量實時作業(yè)預(yù)報與調(diào)度的需求[2-3]，而五強溪水庫入庫洪水的預(yù)報精度直接影響水庫調(diào)度決策及下游洞庭湖等地區(qū)的防汛安全。因此，亟須進一步開展歷史暴雨中心分布與流域產(chǎn)匯流特征分析，改進洪水預(yù)報方案，提高洪水預(yù)報精度及預(yù)見期，為沅水流域防洪決策提供有力依據(jù)[4-6]。

1 流域概況

五強溪流域?qū)賮啛釒Ъ撅L(fēng)氣候，多年平均降水量約為1 500 mm。降水量年內(nèi)分布不均衡，暴雨發(fā)生頻繁且多集中在4—9月，年最大洪水一般發(fā)生在5—7月。五強溪水庫壩址以上流域集水面積超過8萬km2，為季調(diào)節(jié)水庫，調(diào)節(jié)庫容較小。水庫年平均流量約為2 000 m3/s。如圖1所示，入庫流量可以分為河溪、浦市、高砌頭3個控制站以上流域來水和浦市至五強溪水庫壩址區(qū)間流域來水4個部分。其中，浦市至五強溪水庫壩址區(qū)間(以下統(tǒng)稱近壩區(qū))集水面積8 033 km2，區(qū)間洪水具有流程短、匯流快、突發(fā)性強的特性。近壩區(qū)暴雨洪水時常與3個上游控制站以上流域來水相疊加，使得庫區(qū)水位迅速抬升，導(dǎo)致水庫洪水預(yù)報與調(diào)度的時間短、難度大[7]。本文收集整理了2014—2020年4個控制站(高砌頭、河溪、浦市、五強溪壩上)的逐日與時段流量過程，以及近壩區(qū)28個觀測資料較為齊全雨量站的逐日與時段降雨資料，從中選取了20場包括大、中、小不同量級的洪水進行五強溪水庫近壩區(qū)洪水預(yù)報方法改進研究。

圖1 五強溪水庫近壩區(qū)水文、雨量站點分布Fig.1 Distribution of hydrological and precipitation stations for near-dam area of Wuqiangxi Reservoir

2 單元流域劃分

五強溪水庫近壩區(qū)原有洪水預(yù)報方案將流域劃分為浦市-沅陵、高徹頭-沅陵、沅陵-五強溪庫區(qū)、五強溪庫區(qū)4個分區(qū)，采用分塊新安江模型進行入庫洪水預(yù)報。由該方案得到的單元流域面積均較大，未能充分考慮流域內(nèi)降雨空間分布差異性大的特性，難以精準(zhǔn)把握暴雨中心的位置，導(dǎo)致降雨徑流模擬精度差，無法滿足實際預(yù)報調(diào)度要求。研究表明，模型分塊結(jié)構(gòu)會對流域洪水模擬精度產(chǎn)生較大影響[8]。因此，首先對五強溪流域暴雨的空間分布特征進行研究，針對所選場次洪水通過繪制暴雨中心分布圖的方式逐一進行分析。統(tǒng)計結(jié)果表明，暴雨分布情況因不同場次洪水而異，暴雨中心較常出現(xiàn)在五強溪庫區(qū)、官莊和浦市等地區(qū)。因此，按照自然子流域和暴雨中心分布對近壩區(qū)流域重新進行分區(qū)，保證每一個暴雨中心位于不同子流域內(nèi)。同時針對歷史暴雨事件較為集中的區(qū)域，通過適當(dāng)增加流域分塊數(shù)量的方式來精準(zhǔn)掌控暴雨區(qū)降水量。改進后的五強溪水庫近壩區(qū)流域分區(qū)結(jié)果如圖2所示，其中，浦市-沅陵區(qū)間共分為4個子流域(編號1～4)，沅陵-五強溪庫區(qū)共分為6個子流域(編號5～10)。各單元流域占近壩區(qū)總面積的比值以及各單元流域出口距離五強溪水庫壩上的河道長度如表1所示。

圖2 五強溪近壩區(qū)流域分區(qū)Fig.2 Subbasin division of near-dam area of Wuqiangxi Reservoir

表1 子流域面積比及河道長度

相比于原有預(yù)報方案的流域分區(qū)情況，本文所采用的流域分區(qū)方案綜合考慮了不同流域分區(qū)方法的優(yōu)點，保證了分塊數(shù)量的合理性，并且每一個子流域都有一定數(shù)量的雨量站來精確掌握降雨的空間分布情況，流域內(nèi)降雨資料的應(yīng)用更加精確，能夠在一定程度上降低降雨信息不確定性對洪水預(yù)報精度的影響[9-10]。

3 方案構(gòu)建與模型參數(shù)率定

3.1 模型與評價指標(biāo)

根據(jù)五強溪水庫洪水預(yù)報調(diào)度作業(yè)對洪水預(yù)報精度與預(yù)見期的實際要求，結(jié)合該流域產(chǎn)匯流特性以及入庫洪水由3個控制站以上流域來水和近壩區(qū)產(chǎn)流構(gòu)成的特點，采用三水源新安江模型構(gòu)建近壩區(qū)入流的降雨產(chǎn)流預(yù)報方案，對河溪、浦市、高砌頭以上流域來水，運用分段馬斯京根河道演算方法直接演算至水庫壩上。在各單元流域內(nèi)，根據(jù)雨量站資料采用算數(shù)平均法計算面平均雨量，分別進行蒸散發(fā)、產(chǎn)流分水源和坡地河網(wǎng)匯流計算，得到各單元流域出口斷面徑流過程。然后，采用分段馬斯京根法將各單元流域出口流量演算至壩址。作為分段馬斯京根法重要參數(shù)之一的河道分段數(shù)，通常是根據(jù)各斷面位置到水庫壩頭的距離進行確定。但是，考慮到水流進入庫區(qū)后運動速度變慢，單純按照距離進行該參數(shù)的確定可能與實際匯流情況不符。因此，采用文獻[11]中提出的方案，在考慮河道匯流距離的基礎(chǔ)上，通過歷史洪水的率定效果對河道分段數(shù)進行修正。

參考文獻[12-13]中三水源新安江模型參數(shù)的可能取值范圍，采用蒙特卡羅隨機采樣模型自動優(yōu)選和人工調(diào)試相結(jié)合的方案，對歷史資料進行模擬分析和模型參數(shù)率定。采用洪量相對誤差、洪峰流量相對誤差、峰現(xiàn)時差ΔT和確定性系數(shù)[14]R2共4個指標(biāo)評價模型模擬效果。

依據(jù)GB/T 22482—2008《水文情報預(yù)報規(guī)范》的規(guī)定，對模擬精度采用有效性檢驗法和允許誤差合格率法進行評定。

3.2 日模型率定結(jié)果

首先對2014—2020年的逐日降雨徑流過程進行模擬。根據(jù)河溪、浦市、高砌頭、五強溪壩上4個水文站點逐日流量過程、近壩區(qū)各雨量站點日降雨資料和代表性蒸發(fā)站五強溪的逐日蒸發(fā)數(shù)據(jù)，對五強溪流域日模型參數(shù)進行率定。通過多次調(diào)試，最終得到如表2所示的新安江日模型參數(shù)率定結(jié)果和表3所示的日模型模擬結(jié)果的特征值。

表2 新安江日模型與次洪模型參數(shù)率定值

由表3可以看出，五強溪流域模擬結(jié)果中，年徑流量相對誤差大都在規(guī)范允許的誤差范圍內(nèi)，洪量合格率為85.7%，達甲級標(biāo)準(zhǔn)。模擬的年徑流總量均存在偏大趨勢，分析可能是由于模型未能考慮引水、灌溉等水利工程的影響，導(dǎo)致流域長期水量平衡有一定偏差。日徑流過程模擬的確定性系數(shù)均值達0.83。

表3 新安江日模型模擬特征值

3.3 次洪模型率定結(jié)果

次洪模型設(shè)計以1 h為時段長，基于日模型參數(shù)率定結(jié)果以及模擬的土壤含水量情況，利用選取的20場洪水率定次洪模型參數(shù)。鑒于五強溪水庫入庫洪水來源較為復(fù)雜多變，多種來水相互交織，給單元流域產(chǎn)匯流和河道匯流演算參數(shù)的識別帶來較大難度。因此，對所選的20場洪水進行歸類，發(fā)現(xiàn)主要有以下4類：以浦市以上來水為主導(dǎo)、以高砌頭以上來水為主導(dǎo)、以近壩區(qū)降雨徑流匯入為主導(dǎo)、全流域大暴雨產(chǎn)流。河溪站以上來水量較少，對洪峰影響較小，未單獨考慮。模型率定時，首先采用以單一上游來水為主導(dǎo)的洪水場次，識別相對應(yīng)河段的馬斯京根匯流參數(shù)，然后利用以近壩區(qū)降雨徑流匯入為主的洪水場次，進行三水源新安江模型參數(shù)的率定，最后再根據(jù)全流域大暴雨洪水對所有率定的參數(shù)進行驗證和調(diào)整。五強溪水庫次洪模型參數(shù)率定值見表2，表4為次洪模擬結(jié)果統(tǒng)計特征值。

表4 次洪水模擬特征值

從表4可以看出，所選的20場不同類型洪水所模擬的洪量相對誤差和洪峰相對誤差均控制在±20%范圍內(nèi)，合格率達100%，模擬結(jié)果良好，達到了甲級精度標(biāo)準(zhǔn)。除2017081121號洪水模擬的洪量相對誤差為0.2較大外，其余場次的洪量相對誤差均小于10%。模擬的洪峰流量從總體上看，略微偏大于實測洪峰流量。在峰現(xiàn)時差的控制上，峰現(xiàn)時差小于3 h的洪水場次為85%，符合規(guī)范要求。2019070700號洪水模擬洪峰出現(xiàn)時間與實測誤差較大，主要是因為其為洪峰流量相近的復(fù)峰洪水，容易造成較大的峰現(xiàn)時間模擬誤差。所選20場洪水模擬的確定性系數(shù)均值達到0.89，其中有11場達到了0.9以上。

3.4 主要誤差原因分析

率定結(jié)果表明，本文構(gòu)建的五強溪水庫近壩區(qū)洪水預(yù)報方案能夠較好地模擬入庫洪水過程，為水庫防洪調(diào)度提供可靠依據(jù)。對比實測與模擬流量過程，對造成洪水模擬誤差的原因進行了分析。圖3～6分別為以浦市以上來水、高砌頭以上來水、近壩區(qū)降雨徑流匯入、全流域暴雨匯入等不同來水為主導(dǎo)的部分場次洪水模擬與實測流量過程。

圖3 以浦市以上來水為主導(dǎo)的入庫洪水模擬與實測過程Fig.3 Simulated and observed hydrographs for flood events mainly caused by upper water of Pushi

從模擬過程線可以看出，五強溪水庫洪峰主要是由浦市以上來水和近壩區(qū)降雨徑流導(dǎo)致。由浦市以上來水為主導(dǎo)的洪水場次，洪峰和流量過程線模擬結(jié)果均與實測較為一致(圖3)；由高砌頭上游來水為主導(dǎo)的洪水模擬精度普遍較差，模擬洪量與洪峰明顯小于實測洪水過程(圖4)；以近壩區(qū)降雨產(chǎn)流匯入為主導(dǎo)的洪水場次，在洪峰模擬上能夠取得較高精度，但在峰現(xiàn)時差的模擬上易出現(xiàn)延遲(圖5)；當(dāng)發(fā)生全流域大暴雨時，浦市、河溪、高砌頭上游來水和近壩區(qū)流域產(chǎn)流均對洪峰有一定的影響，該類型洪水模擬的精度也有待進一步提高(圖6)。

圖4 以高砌頭以上來水為主導(dǎo)的入庫洪水模擬與實測過程Fig.4 Simulated and observed hydrographs for flood events mainly caused by upper water of Gaoqitou

圖5 以近壩區(qū)降雨徑流匯入為主導(dǎo)的入庫洪水模擬與實測過程Fig.5 Simulated and observed hydrographs for flood events mainly caused by rainfall runoff inflow of near-dam area

圖6 全流域暴雨產(chǎn)流匯入導(dǎo)致的入庫洪水模擬與實測過程Fig.6 Simulated and observed hydrographs for flood events caused by runoff inflow of heavy rainfall across the entire basin

針對以高砌頭以上來水為主導(dǎo)的洪水場次在模擬時出現(xiàn)的洪量、洪峰均明顯偏小的現(xiàn)象，進一步分析應(yīng)是受靠近壩址位置的水利工程蓄泄影響。通過流域內(nèi)水利工程情況分布調(diào)查，發(fā)現(xiàn)在沅水左岸一級支流洞庭溪下游河段建有鳥兒巢中型水庫，其流域如圖1中綠色區(qū)域所示。該水庫控制流域面積381 km2，庫容3 000萬m3。鳥兒巢水庫與高砌頭以上流域地理位置臨近，均位于五強溪水庫西北方向。由圖4可見，2016062720號洪水高砌頭以上流域來水量較大，而鳥兒巢水庫所在的10號子流域面平均降水量達97.5 mm，因此判斷鳥兒巢水庫以上流域發(fā)生大洪水的概率較高，水庫管理方可能進行開閘泄洪，從而加大了五強溪水庫的入庫洪水量，因缺乏鳥兒巢水庫泄洪資料，導(dǎo)致預(yù)報洪量偏小8.0%，洪峰誤差也相對較大。

通過調(diào)查發(fā)現(xiàn)，鳥兒巢水庫曾在2020年7月7—11日進行開閘泄洪，由圖6所示的同時期2020070800號洪水模擬結(jié)果可以看出，受到鳥兒巢水庫泄洪影響，模擬洪量為230 508萬m3，實測洪量為249 929萬m3，洪量減少了約8%，充分證實了鳥兒巢水庫對五強溪水庫入庫洪水的影響。因缺乏鳥兒巢水庫泄洪數(shù)據(jù)，在預(yù)報方案中未能考慮該水庫蓄泄對五強溪水庫入庫洪水模擬的影響。鳥兒巢水庫壩址與五強溪水庫壩址靠近，蓄泄情況對模擬洪峰與洪量的影響較大，若能在實際預(yù)報調(diào)度中加入鳥兒巢水庫的泄洪信息，能夠有效改善該類型洪水的預(yù)報精度。在預(yù)報方案中增加水利工程蓄泄信息，進一步考慮上游水庫等工程泄洪對入庫洪水的影響，是提高洪水預(yù)報精度的關(guān)鍵。

本文所構(gòu)建的洪水預(yù)報方案中，因缺乏子流域的出口流量信息進行單個子流域模型參數(shù)的識別，10個不同子流域采用的是同一套模型參數(shù)進行產(chǎn)匯流演算。五強溪近壩區(qū)面積較大，子流域間水文氣象與下墊面條件存在一定的差異，模型參數(shù)肯定存在差別。若通過與流域下墊面特征構(gòu)建相關(guān)關(guān)系，進而分別推求子流域的模型參數(shù)，應(yīng)有可能進一步提高近壩區(qū)洪水的模擬精度[15-16]?？梢赃M一步通過構(gòu)建模型參數(shù)與流域下墊面特征相關(guān)關(guān)系等方法，推求不同單元流域模型參數(shù)的分布情況[17-19]。

在河道洪水演算中，采用的是較為簡便、實用的馬斯京根方法。然而，洪水進入水庫庫區(qū)后，水面加寬、水深增大，水庫的邊界條件和動力因素發(fā)生變化，導(dǎo)致水庫內(nèi)洪水波的傳播方式、速度和時間也會產(chǎn)生較大差異。因此，在下一步的研究中，應(yīng)進一步分析洪水波隨時間和沿程的變化規(guī)律，建立水文水力學(xué)洪水演進智能模型。

3.5 改進預(yù)報方案的驗證

2021年5—6月，五強溪流域陸續(xù)出現(xiàn)了3次較大的洪水過程，運用本文所構(gòu)建的五強溪水庫近壩區(qū)洪水預(yù)報改進方案，成功進行了實時洪水作業(yè)預(yù)報，取得了較好的預(yù)報效果，洪水預(yù)報特征值如表5所示，模擬洪水過程線如圖7所示。從圖7可以看出，2021050300號洪水洪量相對誤差較大，分析可能是由于前期較為干旱，流域內(nèi)水利工程蓄水導(dǎo)致實測入庫流量較小。在最為關(guān)鍵的洪峰模擬上，預(yù)報5月3日洪水過程，預(yù)報洪峰8 380 m3/s，實測洪峰8 020 m3/s；預(yù)報5月18日洪水過程，預(yù)報洪峰12 500 m3/s，實測洪峰13 300 m3/s；預(yù)報6月3日洪水過程，預(yù)報洪峰7 690 m3/s，實測洪峰8 390 m3/s，為水庫進行洪水預(yù)報與調(diào)度提供了可靠的決策依據(jù)。

表5 五強溪水庫2021年入庫洪水預(yù)報特征值

圖7 2021年五強溪水庫入庫洪水預(yù)報與實測過程Fig.7 Simulated and observed hydrographs of flood events in 2021 for Wuqiangxi Reservoir

5 結(jié) 語

本文針對五強溪近壩區(qū)洪水預(yù)報難度大，原有預(yù)報方案入庫流量預(yù)報精度不高、難以滿足實際需求的難題，基于歷史洪水暴雨中心與流域產(chǎn)匯流特征分析，采用三水源新安江模型構(gòu)建五強溪水庫近壩區(qū)流域入庫洪水預(yù)報方案，對典型歷史洪水進行了模擬與參數(shù)率定，并對主要誤差原因進行剖析，改進的預(yù)報方案在2021年實時洪水預(yù)報作業(yè)中取得了良好的應(yīng)用效果。研究結(jié)果表明，基于暴雨中心和自然子流域的流域分區(qū)方法能夠有效提高模型對暴雨中心的掌控，降低降雨不確定性對洪水模擬精度的影響。本文所構(gòu)建的五強溪近壩區(qū)洪水預(yù)報方案，能夠適用于不同類型的洪水預(yù)報，為水庫防洪調(diào)度提供可靠的科學(xué)依據(jù)。同時，研究發(fā)現(xiàn)，歷史洪水場次模擬效果差的主要原因是缺乏流域內(nèi)水利工程蓄泄的相關(guān)信息，尤其是對入庫洪峰與洪量的預(yù)報精度影響較大。