-
气候变化已对全球水文循环过程造成重大影响[1-3], 为当地水资源及水能资源开发利用、洪涝灾害防治和水生态环境保护带来了更大的风险和挑战[4-6]。水电能源与河川径流息息相关, 因而水电能源是对气候变化最为敏感的能源之一[7]。此外, 除水电站自身的发电效益外, 如何减轻其对下游的河道生态、供水、航运等多方面的影响也是水电调度需要考虑的问题。在气候变化影响下, 这一问题或将变得更为复杂和突出[8-9], 因而针对气候变化对水电调度影响的相关研究, 尤其是气候变化对发电效益及河道生态效益间协调关系影响的研究将有重要的科学和现实意义。
目前国内外已有较多学者针对水库水电调度对气候变化的响应进行了研究。van Vliet等[7]基于多个全球气候模式(Global Climate Model, GCM)输出的未来气候预测, 评估了气候变化对全球水能资源的影响;Tarroja等[10-11]模拟了不同气候变化情景下美国加州水电的并网运行情况, 发现气候变化增强的水文变率不但不利于水力发电, 还间接增大火电的温室气体排量;Zhong等[12]基于多模式径流预估模拟了澜沧江梯级电站未来的发电过程, 发现其发电量将有所增加;Chang等[13]和吴书悦等[14]分别基于已发生变异的汉江实测径流和新安江径流未来预估资料, 提出了针对气候变化改进的水库调度图;杨光等[15]基于丹江口水库入流预估探究了气候变化下丹江口水库发电及供水目标的多目标优化。以上研究均加深了人们对气候变化下水电调度响应的理解;然而, 已有研究大多关注于气候变化影响下的水电发电量及其经济效益, 关于气候变化对电站下游河道生态需水、航运、供水等方面的影响仍关注较少;关于水电站发电效益以及下游生态需水等多目标的协调关系对气候变化的响应研究同样少见报道。已有研究发现未来气候变化下澜沧江水文变率将进一步增强, 来水将更加不均[12], 发电、生态等用水部门的冲突或将进一步加剧。
本文以正在运行的澜沧江下游梯级电站为例, 结合多气候模式输出模拟的多情景澜沧江径流预估结果、水库发电调度模型及不同目标优化算法, 探究未来情景下气候变化对梯级电站实现发电效益和维持河道生态等调度目标的影响以及各目标间的协调关系对气候变化的响应, 以期为澜沧江水电基地在气候变化背景下实施生态调度、兼顾发电和生态效益提供参考依据。
-
澜沧江(图 1)为国际河流澜沧江-湄公河的上游, 在中国境内长度约为2 100 km, 允景洪水文站断面多年平均年径流量约600亿m3, 集水面积约14万km2, 澜沧江上下游落差达4 500 m, 水能资源集中。由于澜沧江水电基地上游电站尚未全部完工, 因而选取了其下游已投入运行的“两库七级”电站中的小湾、漫湾、大朝山、糯扎渡及景洪五座梯级串联电站(表 1)作为研究对象, 总装机容量为14 820 MW。澜沧江也有着较高的淡水生物多样性[16], 允景洪站至国界处段为天然的鱼类栖息和繁殖场所, 除有生态基流需求以外, 在鱼类产卵期也有特定的流量范围需求[9, 17]。此外, 澜沧江下游河段航运流量需求800 m3/s, 澜沧江出中国国境流量需求504 m3/s。
图 1 澜沧江流域概况与下游梯级电站位置
Figure 1. Profile of Lancang River basin and location of cascade hydropower plants
表 1 研究梯级电站基本参数
Table 1. Parameters of cascade hydropower plants for case study
水电站 调节能力 兴利库容/
亿m3死水位/m 正常蓄水
位/m汛限水位
/m装机容量
/MW保证出力
/MW库容调节
系数/%小湾 多年调节 98.95 1 166 1 240 1 236 4 200 1 854 25.5 漫湾 季调节 2.580 982 994 988 1 670 796 0.7 大朝山 季调节 3.760 882 899 882 1 350 709 0.6 糯扎渡 多年调节 113.3 765 812 804 5 850 2 467 22.5 景洪 季调节 3.090 591 602 591 1 750 847 0.4 合计 — 221.7 — — — 14 820 6 673 — -
采用了由中国气象局数据网站(http://data.cma.cn)发布的0.5°×0.5°空间分辨率的中国大陆格网化逐日降水和日最高、最低和平均气温数据, 用于水文模型的率定和气候模式预估数据的统计降尺度处理。该数据集由全国2 400多个气象站点的实测数据插值获得, 经过了严格的质量控制并且在插值中考虑了高程因素, 在研究区内具有一定的可靠性。收集了澜沧江干流上的昌都、溜筒江、旧州、戛旧、允景洪和中国境外的清盛6个水文站的径流实测资料用于水文模型率定和验证。
选择了来自耦合模式比较计划第5阶段(Couple Model Intercomparison Project phase 5, CMIP5)的5个气候模式输出的未来气候预估数据: CanESM2、CNRM-CM5、IPSL-CM5A-LR、MIROC-ESM及MPI-ESM-LR, 分别简称为Can、CNRM、IPSL、MIROC及MPI。各模式均包含了基于3种代表浓度路径(Representative Concentration Pathwa, RCP)排放情景的未来气候模拟结果, 分别为RCP2.6, RCP4.5及RCP8.5情景, 代表由低到高的温室气体排放水平。气候预估数据类型包括降水和日平均、日最高及最低气温, 用于通过水文模型模拟澜沧江流域未来情景下的径流预估。各模式历史时期及RCP情景下的气候模拟输出均已基于实测数据通过分位图偏差校正法降尺度到了澜沧江流域各子流域尺度上。考虑到水文年的划分要求, 本文以1975—2004年为历史基准时期, 2031—2060年作为未来气候变化时期。
-
本文采用了Perrin等[18]研发的GR4J(Génie Rural 4 paramètres Journalier)4参数日尺度概念性水文模型, 用于澜沧江流域未来情景径流预估模拟, 进而模拟水力发电调度。该模型具有结构简单和适应性强等特点, 已在国内外多个地区得到了检验及应用。鉴于澜沧江流域上游积融雪过程对径流过程的影响较大, 因而还耦合了Valéry等[19]为GR4J模型配套开发的CemaNeige积融雪模型进行溜筒江站以上地区的径流模拟。GR4J模型所需的蒸发能力输入, 由日最高/最低气温通过胡庆芳等[20]修正的Hargreaves公式计算。本文将溜筒江站、戛旧站及清盛站作为率定站, 其余水文站则作为验证站, 自上而下分子流域进行模型率定:多数站点验证期的月径流纳西系数均在0.9左右, 月径流模拟相对误差均不超过1%, GR4J模型对澜沧江流域的适用性较好。
-
根据水量平衡建立了基于GR4J模拟径流的澜沧江流域水库水力发电调度模型。该模型可概化如下:
$$ {V_{t + 1}} = {V_t} + {Q_{{\rm{in}}}} - {Q_{{\rm{out}}}} $$ (1) $$ N = {\rm{min}}({N_{{\rm{inst}}}}, {\rm{ }}\eta {Q_{{\rm{out}}}}\bar h) $$ (2) $$ \bar h = \frac{{H({V_t}) + H({V_{t + 1}})}}{2} - {H_{\rm{d}}} $$ (3) $$ {H_{{\rm{min}}}} \le {H_{\rm{t}}} \le {H_{{\rm{max}}}} $$ (4) 式中: Vt和Vt+1分别为时段初和时段末水库水量;Qin和Qout分别为水库入流和出流;N为发电出力;Ninst为装机容量;η为出力系数;h为时段平均水头;H(V)为水位—库容函数;Hd为下游水头;Hmin和Ht分别为死水位和实际水位;Hmax为正常高水位, 若处于汛期则为汛限水位。水库入流Qin为上游水库出流与上下游水库间子流域的区间入流叠加获得。
本文中的水库调度图形式及其优化与Chang等[13]的研究一致, 采用定出力调节方法, 为基于特定的调度目标通过最优化算法获得。为简化发电模拟, 仅对小湾及糯扎渡两座多年调节电站使用调度图调度, 其余电站由于库容较小视为径流式电站, 设置单一加权平均水头计算出力。本文中水库发电调度模拟在月尺度上进行。
-
澜沧江研究河段的生态流量, 参考Zhou和Guo[8]的研究, 基于Tennant法, 以历史时期多年平均径流量的50%和30%分别作为丰水期和枯水期的生态流量下限;参考Jiang等[21]的研究, 以历史时期发生频率为75%的月均流量作为基于变异范围法(Range of Variability Approach, RVA)的各月份生态流量下限;根据Zhang等[9]和高超[17]的基于物理栖息地法针对不同鱼类产卵期的研究成果, 在维持90%以上的栖息地加权可用面积的情况下, 允景洪站周边河道6月份的生态流量范围为1 320~1 600 m3/s, 7到9月份则为2 500~ 4 100 m3/s。最终获得的允景洪河段的综合生态流量范围为以上3种方法获得的范围与航运及出境要求流量范围的交集。
-
为探究气候变化对澜沧江发电与生态效益的影响以及对这两个目标间协调关系的影响, 设置了不同的调度目标如下:
调度目标一:发电效益最大目标。为更接近水电并网运行的实际情况, 本文以最大程度将实际出力保持于设计保证出力水平作为发电效益目标。为此, 定义了发电缺额GD, 即实际出力低于保证出力时少发的总发电量用以量化实际出力与保证出力的相差程度:
$$ N_{{\rm{D}}t}^m = \left\{ \begin{array}{l} N_{{\rm{firm}}}^m - N_t^m\;\;\;\;\;\;\;\;N_t^m < N_{{\rm{firm}}}^m\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;N_t^m \ge N_{{\rm{firm}}}^m \end{array} \right. $$ (5) $$ {G_{\rm{D}}} = \sum\limits_{m = 1}^M {\sum\limits_{t = 1}^T {N_{{\rm{D}}t}^m\Delta t} } $$ (6) 式中: Ntm及NDtm分别为电站m于时段t的实际发电出力、出力相对保证出力的缺额;Nfirmm为电站m的保证出力;Δt为时段长度;M为电站总数;T为时段总数。
调度目标二:生态流量破坏率最小目标。当调度后流量偏离生态流量范围时, 生态流量破坏率CE由兰氏距离量化如下[9] :
$$ {D_t} = \left\{ \begin{array}{l} \frac{{{\rm{ }}{Q_t} - {Q_{\rm{U}}}}}{{{Q_t} + {Q_{\rm{U}}}}}\;\;\;\;\;\;\;{Q_t} > {Q_{\rm{U}}}\\ \;\;\;\;0\;\;\;\;\;\;\;\;\;\;\;{Q_{\rm{U}}} \ge {Q_t} \ge {Q_{\rm{L}}}\\ \frac{{{Q_{\rm{L}}} - {Q_t}}}{{{Q_t} + {Q_{\rm{L}}}}}\;\;\;\;\;\;\;\;{Q_t} < {Q_{\rm{L}}} \end{array} \right. $$ (7) $$ {C_{\rm{E}}} = \sum\limits_{t = 1}^N {{D_t}/T \times 100\% } $$ (8) 式中: Qt为允景洪断面实际流量;QU和QL分别为生态流量范围上下限;Dt为时段t的生态流量破坏程度。
设置最优化方案如下:
方案一:仅考虑发电效益目标。以各水库调度图中各调度曲线作为优化变量, 仅针对发电保证程度最大化进行单目标最优化。显然, 该方案应以最小化发电缺额GD为目标函数:
$$ f = {\rm{min}}\;{G_{\rm{D}}} $$ (9) 方案二:仅考虑生态效益目标。仅针对生态流量破坏率进行单目标最优化, 以最小化生态流量破坏率CE为目标函数:
$$ f = {\rm{min}}\;{C_{\rm{E}}} $$ (10) 方案三:兼顾发电和生态效益目标。以水库调度图曲线为优化变量, 同时以最小化发电缺额GD和最小化生态流量破坏率CE为目标函数进行多目标最优化, 获得一系列Pareto非劣解从而分析各目标协调情况:
$$ f = \left\{ \begin{array}{l} {\rm{min}}\;{G_{\rm{D}}}\\ {\rm{min}}\;{C_{\rm{E}}} \end{array} \right. $$ (11) 本文分别采用遗传算法(Genetic algorithm, GA)和改进的非支配排序遗传算法(Nondominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ)[22]进行单目标和多目标最优化。目前GA和NSGA-Ⅱ算法均已广泛应用于单/多目标的水库调度问题中[9, 13, 15, 17, 23]。为保证收敛和结果多样性, 两种优化算法均设置种群数量为100, 迭代代数为5 000代。
本文还选择了总发电量和发电保证率(实际出力不低于保证出力的频率)指标以评估发电调度效益。梯级电站的总发电量E计算如下:
$$ E = \sum\limits_{m = 1}^M {\sum\limits_{t = 1}^T {N_t^m\Delta t} } $$ (12) 为更合理地考虑梯级电站整体的发电保证率, 以各电站保证率基于其保证出力加权平均作为梯级整体的发电保证率R :
$$ {R_m} = \sum\limits_{t = 1}^T {\left\langle {N_t^m \ge N_{{\rm{firm}}}^m} \right\rangle /T \times 100\% } $$ (13) $$ R = (\sum\limits_{m = 1}^M {{R_m}N_{{\rm{firm}}}^m} )/(\sum\limits_{m = 1}^M {N_{{\rm{firm}}}^m} ) $$ (14) 式中: Rm为电站m的发电保证率;〈·〉为指示函数, 条件成立时取1, 否则取0。
-
首先以允景洪站断面为例, 分析自然状态下(无水库调度)由气候模式输出模拟的澜沧江径流过程及其生态流量破坏率在未来情景下的变化情况。参考相关研究[4], 以多年平均径流量Q及年径流量标准差σ分别作为衡量径流总量及水文变率的指标, 并计算了未来情景Q与σ分别相对其历史时期的变化量(Δσ与ΔQ)的比值以比较径流总量和水文变率变化的影响程度。历史时期及未来情景下各径流统计指标及生态流量破坏率CE如图 2所示。
图 2 历史时期及各RCP情景下澜沧江各项径流量统计指标与生态流量破坏率
Figure 2. Statistical metrics and ecological flow destruction rate of Lancang River for historical period and RCP scenarios
结果表明, 所有模式和情景下澜沧江径流量均有不同程度的增加, 与Immerzeel等[11]和Zhong等[12]的发现一致;澜沧江年径流标准差的增加更为显著, 其中Can、IPSL及MIROC模式部分情景下σ值甚至达到了历史时期的两倍, 表明未来澜沧江水文变率增强显著, 年际来水将更加不均;IPSL、MIROC及MPI模式的部分情景下Δσ与ΔQ的比值超过了1, 说明这些情景下水文变率增强带来的影响可大于径流总量增加的影响。即便无水库调度, 未来情景下允景洪河段生态受到的影响也同样会增大, 部分模式下生态流量破坏率甚至从历史时期的2% ~3%增加到4%以上。
-
各模式历史时期和未来情景下分别按照方案一及方案二的调度目标进行单目标最优化的调度结果如图 3所示。如图可知, 除年均发电量外, 两种方案下发电缺额、发电保证率及生态流量破坏率均有较大区别, 如方案一下历史时期及未来情景下年均发电缺额均不超过1.5×109 kW·h, 发电保证率均为80%以上, 而方案二下则分别达到了(2.5~7.5)×109 kW·h和50%~70%的水平;方案一下生态流量破坏率普遍为4%~5%的水平, 而方案二下则均在2%以内, 甚至低于自然状态下的生态流量破坏率。未来情景下这几项指标虽较历史时期有一定差别, 但这些差距相比各方案间的总体差距相对较不明显。梯级电站的总发电量则相反, 在总径流量普遍增加的影响下, 两种方案的年均发电量均有明显增加, 气候变化对其影响大于调度方案不同的影响。以上结果表明, 除总发电量外, 调度方案不同对电站发电调度的影响大于气候变化的影响, 未来情景下仍将存在发电及生态效益间的冲突。
-
图 4为历史时期及未来情景下, 通过NSGA-Ⅱ进行多目标最优化后获得的Pareto前沿上各结果对应的发电效益指标与生态流量破坏率关系图, 用于反映气候变化下发电与生态效益的协调情况。由图可知, 除年发电量与生态流量破坏率关系较不明显以外, 发电缺额及发电保证率与生态流量破坏率有着明显的相互制约关系, 负相关性显著, 降低发电缺额和增大发电保证率的同时将增大生态流量破坏率。
图 4 基于历史时期及各RCP情景下由NSGA-Ⅱ获得的Pareto前沿上的调度结果
Figure 4. Hydropower operation results on the Pareto front derived by NSGA-Ⅱ for historical period and RCP scenarios
对比不同模式和情景下的发电效益指标与生态流量破坏率的关系可知, 多数情况下未来情景的发电与生态效益的冲突状况较历史时期无明显变化, 甚至有所缓解, 如CNRM及MIROC模式的RCP4.5及RCP8.5情景下的发电缺额与生态流量破坏率的Pareto前沿明显低于历史时期, 表明发电与生态效益的冲突有明显改善, 在相同的生态影响下可获得更低的发电缺额。而IPSL模式的RCP2.6和RCP8.5情景则相反, 未来情景的Pareto前沿明显高于历史时期, 表明发电与生态效益的冲突有所加剧, 维持相同生态流量破坏率将更不利于发电效益。
图 5为从图 4中各Pareto非劣解集中选择的保持与天然径流相同的生态流量破坏率(如图 2所示)情况下的发电调度结果。图 5表明, 在保持历史原有生态流量破坏率的情况下, 多数模式在未来时期均有不差于历史时期的发电调度结果, 发电缺额更低, 发电保证率更高, 进一步说明发电与生态目标冲突的缓解情况;然而在IPSL模式下, 保持历史原有生态流量破坏率时发电效益有明显降低, 发电缺额有明显增加, 进一步说明了发电与生态目标的冲突加剧状况。
图 5 保持与天然径流相同生态流量破坏率情况下的梯级电站发电调度结果
Figure 5. Operation results of the cascade hydropower plants under the same ecological flow destruction level of natural streamflow
结合图 2可发现, 未来情景下发电与生态效益冲突情况变化或与该情景下水文变率变化有关。发电和生态冲突缓和的情景, 如CNRM模式的RCP4.5和RCP8.5情景, 年径流量标准差σ值或Δσ/Q值通常更低;而发电和生态冲突加剧的情景, 如IPSL模式的RCP2.6和RCP8.5情景, σ值和Δσ/ΔQ值则明显更高, 说明气候变化下水文变率的增强程度可影响电站发电与生态目标的协调情况。当水文变率的增强程度影响程度大于径流总量的增加程度时, 不但可影响发电效益和发电保证程度, 还可加剧发电效益目标与生态目标的冲突程度。
-
本文以澜沧江下游梯级电站为例, 结合多模式多情景未来径流预估结果、水库发电调度模型以及单/多目标最优化算法, 探究了气候变化对梯级电站发电效益和生态效益的影响以及各目标间的协调关系对气候变化的响应, 结论如下:
(1) 气候变化影响下, 未来情景下澜沧江径流总量将有所增加, 水文变率有显著增强;即使无发电调度, 澜沧江下游河道生态流量破坏率也将增大。
(2) 除总发电量受气候变化的影响程度更高外, 澜沧江梯级电站的发电缺额、发电保证率及生态流量破坏率指标受不同调度方案的影响程度明显高于气候变化, 表明未来情景下发电及生态效益间仍将存在冲突关系。
(3) 多数情况下未来情景发电与生态目标间的协调程度将不变甚至有所改善, 而在部分模式下这两个目标间的冲突却有所加剧;发电与生态目标间的协调程度或与水文变率有关, 当水文变率增强程度大于径流总量的增加程度时, 其冲突关系将可能加剧。
Hydropower generation and ecological operation under climate change: a case study of the downstream cascade of Lancang River hydropower plants
-
摘要: 近年来伴随气候变化地表径流呈极端化分布,为水电生态调度带来了挑战。为探究气候变化对电站发电和生态调度的影响、发电和生态目标间协调关系对气候变化的响应,以澜沧江下游梯级电站为例,结合多模式多情景未来径流预估结果及水库发电调度模型,针对发电及生态效益目标实施了单/多目标最优化。结果表明:在气候变化影响下,未来澜沧江径流总量将有所增加,水文变率将显著增强,河道生态所受影响也将增大;电站发电保证率及生态流量破坏率指标受不同调度方案的影响程度较气候变化影响更高,未来发电和生态效益的冲突依然存在;气候变化导致的水文变率增强可加剧发电与生态效益间的冲突,导致保持现有发电效益的同时增大对河道生态的影响。Abstract: Climate change has intensified the conflict between economic and ecological water demands, and brought challenges to the ecological operation of hydropower plants. This study examined the effect of climate change on hydropower generation and ecological operation of hydropower plants, and investigated the response of the interactions between power generation and ecological water demand to climate change. The hydropower operation model and the future streamflow projections modeled by climate projections of several global climate models are used. The downstream cascade of Lancang River hydropower plants was used as a case study. Results show that the overall streamflow and hydrological variability were predicted to increase under climate change, and the ecological flow destruction rate was also predicted to increase. The benefit of hydropower generation and its ecological effects varied more among different operational schemes than among different climate change scenarios, indicating that future conflicts between hydropower generation and ecological water demand are largely inevitable. The increase in hydrological variability caused by climate change can exacerbate the conflict between hydropower generation and ecological water demand, causing larger costs of ecological degradation when retaining the current hydropower benefits.
-
表 1 研究梯级电站基本参数
Table 1. Parameters of cascade hydropower plants for case study
水电站 调节能力 兴利库容/
亿m3死水位/m 正常蓄水
位/m汛限水位
/m装机容量
/MW保证出力
/MW库容调节
系数/%小湾 多年调节 98.95 1 166 1 240 1 236 4 200 1 854 25.5 漫湾 季调节 2.580 982 994 988 1 670 796 0.7 大朝山 季调节 3.760 882 899 882 1 350 709 0.6 糯扎渡 多年调节 113.3 765 812 804 5 850 2 467 22.5 景洪 季调节 3.090 591 602 591 1 750 847 0.4 合计 — 221.7 — — — 14 820 6 673 — -
[1] IMMERZEEL W W, LUTZ A F, ANDRADE M, et al. Importance and vulnerability of the world's water towers[J]. Nature, 2020, 577(7790):364-369. doi: 10.1038/s41586-019-1822-y [2] 张建云, 王国庆, 金君良, 等. 1956-2018年中国江河径流演变及其变化特征[J].水科学进展, 2020, 31(2):153-161. doi: 10.14042/j.cnki.32.1309.2020.02.001 ZHANG J Y, WANG G Q, JIN J L, et al. Evolution and variation characteristics of the recorded runoff for the major rivers in China during 1956-2018[J]. Advances in Water Science, 2020, 31(2):153-161. (in Chinese) doi: 10.14042/j.cnki.32.1309.2020.02.001 [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 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. (in Chinese) doi: 10.14042/j.cnki.32.1309.2020.03.001 [4] SIAM M S, ELTAHIR E A B. Climate change enhances interannual variability of the Nile river flow[J]. Nature Climate Change, 2017(7):350-354. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=e5bdf39bcf1e08e8b3f23ee468462e22 [5] 平凡, 刘强, 于海阁, 等. BNU-ESM-RCP4.5情景下2018-2060年拒马河河道内生态需水量和麦穗鱼栖息地面积模拟研究[J].湿地科学, 2017, 15(2):276-280. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=shidkx201702017 PING F, LIU Q, YU H G, et al. Simulation of instream ecological flow requirement and suitable physical habitat area for Pseudorasbora parva in Juma River during 2018 to 2060 under the BNU-ESM-RCPNU-ESM-RCP4.5 scenario[J]. Wetland Science, 2017, 15(2):276-280. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=shidkx201702017 [6] 张建云, 王银堂, 贺瑞敏, 等.中国城市洪涝问题及成因分析[J].水科学进展, 2016, 27(4):485-491. doi: 10.14042/j.cnki.32.1309.2016.04.001 ZHANG J Y, WANG Y T, HE R M, et al. Discussion on the urban flood and waterlogging and causes analysis in China[J]. Advances in Water Science, 2016, 27(4):485-491. (in Chinese) doi: 10.14042/j.cnki.32.1309.2016.04.001 [7] van VLIET M T H, WIBERG D, LEDUC S, et al. Power-generation system vulnerability and adaptation to changes in climate and water resources[J]. Nature Climate Change, 2016, 6(4):375-380. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a3f940072b9a3f0caa4268c21a38434d [8] ZHOU Y L, GUO S L. Incorporating ecological requirement into multipurpose reservoir operating rule curves for adaptation to climate change[J]. Journal of Hydrology, 2013, 498:153-164. doi: 10.1016/j.jhydrol.2013.06.028 [9] ZHANG H X, CHANG J X, GAO C, et al. Cascade hydropower plants operation considering comprehensive ecological water demands[J]. Energy Conversion and Management, 2019, 180:119-133. doi: 10.1016/j.enconman.2018.10.072 [10] TARROJA B, AGHAKOUCHAK A, SAMUELSEN S. Quantifying climate change impacts on hydropower generation and implications on electric grid greenhouse gas emissions and operation[J]. Energy, 2016, 111:295-305. doi: 10.1016/j.energy.2016.05.131 [11] TARROJA B, FORREST K, CHIANG F, et al. Implications of hydropower variability from climate change for a future, highly-renewable electric grid in California[J]. Applied Energy, 2019, 237:353-366. doi: 10.1016/j.apenergy.2018.12.079 [12] ZHONG R D, ZHAO T H, HE Y H, et al. Hydropower change of the water tower of Asia in 21st century:a case of the Lancang River hydropower base, upper Mekong[J]. Energy, 2019, 179:685-696. doi: 10.1016/j.energy.2019.05.059 [13] CHANG J X, WANG X Y, LI Y Y, et al. Hydropower plant operation rules optimization response to climate change[J]. Energy, 2018, 160:886-897. doi: 10.1016/j.energy.2018.07.066 [14] 吴书悦, 赵建世, 雷晓辉, 等.气候变化对新安江水库调度影响与适应性对策[J].水力发电学报, 2017, 36(1):50-58. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slfdxb201701007 WU S Y, ZHAO J S, LEI X H, et al. Impacts of climate change on operation of Xin'an River reservoir and adaption strategies[J]. Journal of Hydroelectric Engineering, 2017, 36(1):50-58. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slfdxb201701007 [15] 杨光, 郭生练, 李立平, 等.考虑未来径流变化的丹江口水库多目标调度规则研究[J].水力发电学报, 2015, 34(12):54-63. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slfdxb201512006 YANG G, GUO S L, LI L P, et al. Multi-objective operation rules for Danjiangkou Reservoir under future runoff changes[J]. Journal of Hydroelectric Engineering, 2015, 34(12):54-63. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slfdxb201512006 [16] 李雪晴, 孙赫英, 何德奎, 等.澜沧江-湄公河中上游淡水鱼类多样性[J].生物多样性, 2019, 27(10):1090-1100. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=swdyx201910005 LI X Q, SUN H Y, HE D K, et al. Freshwater fish diversity in the upper and middle reaches of the Lancang-Mekong River[J]. Biodiversity Science, 2019, 27(10):1090-1100. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=swdyx201910005 [17] 高超.澜沧江下游水库生态调度研究[D].西安: 西安理工大学, 2018. http://cdmd.cnki.com.cn/Article/CDMD-10700-1018835295.htm GAO C. Study on reservoir ecological regulation of the downstream of Lancang River[D]. Xi'an: Xi'an University of Technology, 2018. (in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10700-1018835295.htm [18] PERRIN C, MICHEL C, ANDRÉASSIAN V. Improvement of a parsimonious model for streamflow simulation[J]. Journal of Hydrology, 2003, 279:275-289. doi: 10.1016/S0022-1694(03)00225-7 [19] VALÉRY A, ANDRÉASSIAN V, PERRIN C. 'As simple as possible but not simpler':what is useful in a temperature-based snow-accounting routine? Part 2:sensitivity analysis of the Cemaneige snow accounting routine on 380 catchments[J]. Journal of Hydrology, 2014, 517:1176-1187. doi: 10.1016/j.jhydrol.2014.04.058 [20] 胡庆芳, 杨大文, 王银堂, 等. Hargreaves公式的全局校正及适用性评价[J].水科学进展, 2011, 22(2):160-167. http://skxjz.nhri.cn/article/id/1753 HU Q F, YANG D W, WANG Y T, et al. Global calibration of Hargreaves equation and its applicability in China[J]. Advances in Water Science, 2011, 22(2):160-167. (in Chinese) http://skxjz.nhri.cn/article/id/1753 [21] JIANG Z Q, LIU P M, JI C M, et al. Ecological flow considered multi-objective storage energy operation chart optimization of large-scale mixed reservoirs[J]. Journal of Hydrology, 2019, 577:123949. doi: 10.1016/j.jhydrol.2019.123949 [22] DEB K, PRATAP A, AGARWAL S, et al. A fast and elitist multiobjective genetic algorithm:NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2):182-197. doi: 10.1109/4235.996017 [23] 王学斌, 畅建霞, 孟雪姣, 等.基于改进NSGA-Ⅱ的黄河下游水库多目标调度研究[J].水利学报, 2017, 48(2):135-145. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slxb201702002 WANG X B, CHANG J X, MENG X J, et al. Research on multi-objective operation based on improved NSGA-Ⅱ for the lower Yellow River[J]. Journal of Hydraulic Engineering, 2017, 48(2):135-145. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=slxb201702002 -