2.1 水库优化调度研究进展

2.1.1 发展历程

1.国外研究历程

20世纪50年代初美国数学家Bellman等人研究了多阶段决策过程（multistep decision process）的优化问题时，提出了著名的最优化原理，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了动态规划法，并于1957年出版了名著《Dynamic Programming》。这是该领域的第一本专著，使动态规划法被众多领域采用，包括水资源系统分析和水库优化调度。该方法可以较好地求解非线性水库优化调度问题，可以把复杂的初始问题划分为若干个阶段的子问题，逐段求解；可以较好地反映径流实际情况，对目标函数和约束条件没有线性、凸性甚至连续性的要求。1955年，J.D.C.Little采用马尔科夫链原理建立了水库随机动态规划优化调度模型，并在美国大古力电站进行了实际应用。这标志着运用系统分析方法研究水库优化调度问题的开始，自此正式拉开了水库优化调度研究的序幕。20世纪60年代，计算机技术迅速发展为水库调度研究创造了良好的硬件设施条件，使大规模数据处理成为可能，对水库群进行更复杂、更丰富的描述也得以实现。从此水库群优化调度技术开始受到重视并得到了迅速发展。1960年，R.A.Howard提出了动态规划与马尔科夫过程理论，从理论上为水库优化调度带来了新思路。1962年Maass等合著的《水资源系统设计》一书系统地阐述了水库调度的基本思想和理论。1967年，Young采用线性回归方法从单库确定型长系列调度获得的最优调度轨迹中提取调度函数。该研究被视为最早的隐随机优化调度。同年，W.A.Hall和Shephard将线性规划和动态规划方法耦合，将水库群优化调度中的一个主问题拆解为一系列子问题，用线性规划求解。1970年，Mesarovic等研究提出了大系统优化的分解协调算法，此后成了水库优化调度的一个重要研究方向。同年，Arvanitidis和Rosing等提出了水库群调度的聚合分解法。聚合分解法及大系统分解协调法是优化水电站水库群运行策略的一种有效方法。1974年，Gagnon等对非线性规划问题进行了研究。同年，Becker等提出将线性规划方法与动态规划相结合的方法，即著名的LP-DP法，并应用于求解优化调度问题。1975年，Howson等提出了用于求解多状态动态规划问题的逐步优化算法（即POA）。1977年，L.A.Rossmen将拉格朗日乘子理论用于随机约束问题的动态规划。1981年，A.Turgeon采用随机动态规划法求解了并联水电站水库群系统的优化调度问题。1984年，David Schaffer提出向量评价遗传算法（VEGA）用于求解大规模水库优化调度模型。20世纪90年代，各种智能优化算法相继被应用于水库调度的研究中，如遗传算法（GA）、人工神经网络（ANN）、粒子群算法（PSO）、蚁群算法（ACO）、模拟退火算法（SA）等，这些智能算法的引入大大丰富了水库优化调度算法，提高了水库优化调度模型针对具体问题的求解效率。1993年，Wurbs指出基于模拟的优化模型能使得调度结果与实际情况更为接近，他在《水资源建模与分析》一书中分别深入阐述了水资源系统模拟和优化的理论与方法。2002年，Teegavarapiu建立了基于模拟退火算法的水库优化调度模型。2009年，M.A.Karamouz等建立了一种基于贝叶斯随机模型和支持向量机的水库概率调度模型，并采用copula函数评价了供水可靠性。2010年，F.Soltani等建立了一个基于模糊自适应系统的代理模型用于提取考虑水质约束的水库调度规则。S.P.Ncube等考虑多种气侯变化情景进行Rozva水库调度的研究。2015年，M.Motevalli等采用Monte-Carlo方法从定性和定量两个角度分析了水库入流不确定性对水库调度的影响。2016年，Y.Gebretsadik等建立了区域性风电和水电系统联合优化调度模型。在多目标优化问题方面，意大利经济学家V.Pareto最先（1896年）把若干实质上不可比的目标转化成一个目标求解，后人把多目标非劣解称为帕累托最优。1962年Maass率先引入了多目标优化。1972年召开了第一次国际性的多目标决策讨论会。之后越来越多的人研究多目标优化问题。这方面更多的介绍详见第2章2.1.3节。

2.国内研究历程

20世纪60年代谭维炎、黄守信等开始研究水库优化调度问题，“文革”期间一度中断，后来继续研究，于1982年建立了一个基于动态规划理论和马尔科夫过程的水电站水库优化调度模型，并率先应用于四川狮子滩水电站。70年代末，张勇传等人研究了柘溪水电站的优化调度问题，随后该团队将该电站的优化调度方法和经验推广应用于上犹江、柘林等水电站。70年代末80年代初，董子敖等人研究了黄河上游刘家峡、八盘峡、青铜峡梯级水电站优化调度问题。1985年，刘鑫卿等研究并开发了一个水库优化调度程序包。1986年，黄永皓等采用约束微分动态规划研究了确定来水条件下的水库群优化调度。为了找出一种易于实际应用于水库群优化调度的方案，他们采用最小二乘法回归分析求出了联调水库不同时段的运行公式。在三峡工程国家“七五”科技攻关期间，杨柄、黄守信、秦大庸等人根据最优蓄能原理，在考虑电力能量平衡和电力系统间电力潮流的基础上，研究了三峡水电站群优化补偿调节问题，回答了包括西北、华北、西南、华中、华东、华南六大电网电力负荷潮流及其水、火电运行关系，以及在三峡水电站设计投运水平年，三峡电站和水库与各电网、各流域的水电站群如何进行补偿调节、提高发电效益、优化电力潮流规模等一系列重大问题。同时还研究了三峡水库在考虑防洪、发电、航运、冲沙等需要的综合利用问题。1987年，张勇传指出线性规划、非线性规划和动态规划等方法虽然一定程度克服了维数灾障碍，也带来了新的问题，如目标函数的极值性质问题，局部极值与整体极值的关系问题，而这些对于实际问题是十分重要的。因此他倡导开发建立在问题本身所固有的特征和特性上的水库问题优化算法，基于该认识，提出了水位极值逐次优化求解算法（SEPOA），并证明该方法从某一可行的调度线开始，计算将收敛稳定于唯一的最优调度线，讨论了该算法的收敛性和最优解存在的唯一性。1988年，张勇传等研究了水库群优化调度函数及其参数识别方法，并应用T变换改进卡尔曼滤波算法提高径流预报准确度，在南昌电网中的水库群进行了优化调度示范应用。1988年，胡振鹏等提出了大系统多目标递阶分析的一种非劣解生成技术“分解-聚合”方法。该方法不仅可以生成非劣解集或子集，而且具有对主要决策变量进行敏感性分析等功能。1988年，姚华明等研究了双状态动态规划法（BSDP），解决了十个以下水库群优化调度问题，收敛速度快。1989年，董子敖等提出一种求解串并联混联水电站水库群补偿调节和调度的多目标多层次优化法。该方法同时考虑了随机径流的自相关关系和互相关关系。1989年，林峰等应用Chebyshev多项式的零点对随机动态规划的余留期效益函数进行逼近的途径来改进常规的动态规划格点法。该法可以大大节省计算内存和时间，是克服随机动态规划组合状态数过多的一种有效途径；1989年，沈金毛等采用递阶控制方法求解了考虑径流时空相关的梯级水电站水库群优化调度问题。1991年，刘肇祎等应用系统分析的理论及方法，建立了一个多目标梯级水库群优化调度的动态规划模型，为避免在系统方程不可逆的情形下寻优时的内插，在模型中引入了“平衡变量”，从而使一个比较复杂的多维状态、多维决策问题，通过仅离散“关联变量”而建立起来的具有“优先权”结构的动态规划模型，求解相对容易。1988年陈守煜提出并研究了模糊水文学。1993年，陈守煜等将模糊优选理论与随机动态规划原理、非线性优化技术有机地结合起来，提出了水资源系统多目标模糊优选随机动态规划（MOFOSDP）数学模型。同年，黄强等应用模糊动态规划建立了水电站水库优化模型。同年，解建仓等针对水库调度理论脱离实际的问题，着重研究了两梯级联合优化调度问题，采用随机模拟的长系列径流作为输入并建立确定型模型求解，以时段初库容和时段入流等作为状态因子，采用多变量因子分析法和逐步回归法得出水库优化调度规则，在汉江上游两梯级水库进行了示范应用。1995年，谢新民等利用大系统和模糊数学规划理论与方法，建立了水电站水库群优化调度目标协调-模糊规划（IB-FP）方法及模型。1995年，杨侃研究了水库优化调度增量动态规划（IDP）的收敛性，结果表明，在某些约束条件或目标函数下，优化均可能不收敛于全局最优解。在三峡工程国家“八五”科技攻关期间，尹明万、杨柄等人在考虑了三峡和葛洲坝梯级电站防洪发电及调峰、航运、冲沙等需要的基础上，研究了三峡和葛洲坝梯级水库和电站的日优化调度问题，给出了不同季节不同来水情况下两梯级电站的最大调峰作用、三峡电站的最终装机容量以及葛洲坝水库的反调节能力。其中考虑了优化调度与水库水面壅高曲面、水位变率等的动态相互影响，航运、冲沙对水位、水位变率和流量的要求，电力系统对两电站总的和分别的最低发电出力约束和发电出力变率约束等。1996年，万俊等建立了水电站群优化调度分解协调-聚合分析复合模型，其建模思路是：首先用分解协调法求解确定型优化问题，将得到各水电站水库的最优决策过程及有关的运行要素。再按水库系统发电量等效原则聚合形成电当量等效调度函数，将该调度函数用于指导水电站水库群实际调度运行。1998年，王本德和陈守煜等对水库调度模糊优化方法理论与实践进行了系统的总结，指出水库调度模糊优化方法主要针对三个方面：①输入信息描述模型，以往的确定型与随机型模型研究与分类，忽略了水文及气象信息的模糊性；②水库调度优选方案目标客观上具有冲突性与不可量化性，以往的多目标决策理论忽视了目标方面的模糊性，以普通集合为基础进行处理；③水库调度中的非劣解集生成后，需决策者依其偏好选定满意或权衡解，决策者的偏好来自经验积累的识别能力，而识别能力的模糊性往往也难以处理。模糊方法在这些方面有突出优势。2000年，梅亚东建立了梯级水库洪水期发电调度的一种优化模型，由于含有河道洪水演进方程，该模型成为一类有后效性的动态规划模型；并提出了两种新的解法——多维动态规划近似解法与有后效性动态规划逐次逼近算法。算例表明：这两种解法均可行、结果合理，后一种求解更快。2001年，杨侃等建立了串联水库群多目标优化调度的分解协调宏观决策模型。同年，罗强等采用非线性网络流规划法建立了水库群调度模型，用逐次线性化与逆境法相结合的方法求解。2003年，游进军等提出了一种基于目标序列的排序矩阵评价个体适应度的多目标遗传算法，改进了遗传算法的参数确定方法，有效控制了非劣解集的替换选取过程，可以一次交互求得非劣解集。同年，路志宏等提出了一种变状态空间动态规划法，应用于三峡梯级水电系统日优化调度。该方法有效地克服了常规动态规划法中存在的维数灾问题。2004年，李义等研究了POA-DPSA混合算法，建立了梯级水电站短期发电效益最大模型，在清江梯级进行应用示范。2005年，徐刚等采用蚁群算法求解了水库优化问题的最优解。2005年，鲍卫锋等引入罚函数将水库的优化调度的多目标转化为单目标，再求解。2006年，李崇浩等针对微粒群法易陷入局部最优的缺陷，引入遗传算法中的“杂交”因子以及采用自适应的惯性权重，提高获得全局最优解的能力，并应用改进了的微粒群算法求解了梯级水电厂短期优化调度问题。2008年，黄强等基于模拟差分演化算法进行了四级梯级水库优化调度图研究，利用差分演化算法收敛快、控制参数少并且易于实现的优点，采用模拟技术与差分演化算法相结合的途径，构建了制定梯级水库优化调度图的方法为多座梯级水库优化调度图的制定提供了一条新思路。2009年，吴杰康等采用连续线性规划的优化方法解决梯级水电站长期优化调度问题。其中采用一阶泰勒级数描述优化的目标函数和约束条件，并在迭代步长方面采用了动态比例缩减因子，以提高求解速度。2013年，李想等探索了动态规划的并行算法，以经典四水库优化调度问题为例验证了计算效果。结果表明：并行算法能够有效缩短动态规划求解时间，加速比将随核数增加进一步提升；并行效率随核数增加而减少，但减少趋势缓慢。他认为可借助分布式内存克服动态规划的内存过大问题。2015年，冯仲恺等研究提出了均匀动态规划法（uniform dynamic programming，UDP）。UDP以DP为基础框架，将各阶段不同维度离散状态的组合视为多因素多水平试验，利用均匀设计表从全部状态变量中优选少数极具代表性、在可行域内均匀散布的状态变量进行计算，将模型的空间复杂度和时间复杂度由DP指数增长分别降至UDP线性和平方增长，从而所需存储量和运算量显著减少。UDP应用于澜沧江梯级水电站群优化调度。值得注意的是，对于某些目标函数UDP可能漏掉全局最优解。2016年，张诚等提出了水电站优化调度的变阶段逐步优化的一种算法。在深入分析POA寻优机制的基础上，他们探求了影响POA全局收敛能力的关键因素，揭示了POA两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的“自上而下逐电站”寻优模式对算法收敛能力的影响规律，进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法，有效削弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性，在一定程度上保证算法收敛于全局最优解。

2.1.2 优化调度算法性能简析

水库优化调度的发展历程中有许多优化方法得到了探索和应用。下面就比较多见的几类优化算法做简单的分析。

1.线性规划（LP）

这是最为成熟的优化算法，可以求解规模很大的线性问题，并且收敛很快。只有当优化问题的标函数和约束方程都是线性的，才满足线性规划的条件，才可用该方法求解。与水库调度有关的问题，例如，没有水力发电的水库防洪调度、供水调度、综合利用调度、流域或区域水资源优化配置等问题都广泛应用线性规划法。但当优化问题中包含水力发电目标时，则属于非线性问题，直接采用线性规划方法则不一定能有效求解。

2.动态规划（DP）

这是目前水资源规划与管理领域应用最为广泛的一类优化算法。其基本原理是将复杂多阶段决策问题划分为多个单阶段的决策过程，通过求解各阶段相对较简单的子问题的优化得到整体最优解，对于线性问题和非线性问题都适合。求解顺序有顺序递推和逆序递推两种。R.E.Bellman提出的经典动态规划法，逻辑严谨，寻优工作既不重复也不遗漏，能够保证收敛到全局最优解。但有两个关键性问题比较大地制约着经典动态规划法应用于大型复杂问题。一是所选状态变量要能够完全描述状态，没有后效性，否则不能保障收敛到全局最优解，可能是局部最优解。20世纪80年代，我国曾经有个别梯级水电站群采用动态规划优化模型求最大保证出力，算出的最优解碰巧就不是全局最优解，而是局部最优解，因为所选状态变量具有后效性。在当时的全国动能经济学术会议上对此有过讨论。二是需要的计算量和存储空间随状态变量维数、每一变量的状态数的乘积增长，即对于大型复杂问题存在“维数灾”问题。因符合水库调度问题的基本特点且限制使用条件较少，动态规划被认为是最适用于求解水库调度问题的优化算法之一，但随着水库个数的增加，其“维数灾”问题难以克服。于是微分动态规划（DDP）、离散微分动态规划（DDDP）、逐次渐近优化（POA）和增量动态规划逐次逼近法（DPSA）等改进动态规划方法相继被提出和应用。这些改进动态规划方法有效地降低了“维数灾”问题，可以求解比较大或水库比较多的优化问题，但是在一定程度上损失了经典动态规划法的严谨性，不能保证收敛于全局最优解。

3.遗传算法（GA）

这是20世纪60年代由美国学者John Holland基于生物自然遗传进化思想而提出的一种优化算法。它给出了求解复杂系统优化问题的通用框架，不限于具体的问题及其领域，属于启发式、经验性寻优类方法。但它在有些情况下收敛效率不高，且不能够保证收敛于全局最优解。目前遗传算法在众多领域得到广泛应用，在确定型水库优化调度模型求解中也有不少应用。

4.人工神经网络（ANN）

这是模拟人脑神经元的一种非线性算法，它通过设置大量简单非线性的神经元组成一个具有复杂并行处理能力的系统，能够快速收敛于状态空间中任意的平衡点。它也属于启发式、经验性寻优类方法。目前在水文水资源领域特别是水文预报及水库优化调度函数的提取方面得到了不少的应用。

5.群智能算法

这是对基于种群元启发式寻优方法类的统称，包括粒子群算法（PSO）、蚁群算法（ACO）、鸟群算法、蜘蛛算法、人工鱼群算法、蛙跳算法、萤火虫算法、细菌算法、大爆炸算法等众多算法。它们大同小异，各有特点，都属于启发式、经验性寻优类方法。这类算法的优点是无论优化问题是线性的还是非线性的，对目标函数和约束函数的形式和特征均无限制，都可以用，但是寻优逻辑不严谨，收敛性没保障，是否能够得到全局最优解也没保障。群智能算法中，蚁群算法和粒子群算法用于水库优化调度的文献较多。蚁群算法（ACO），是一种以自然界蚂蚁觅食寻径方式为基本思想的仿生算法，其特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。有时它与别的算法组合应用寻优。粒子群算法（PSO），是一种以鸟群飞行觅食行为基本思想的仿生优化算法，在系统初始化随机解的基础上，通过迭代搜寻最优值，其优点在于简便易于实现，需调整参数个数较少，但也存在早熟、局部最优等方面的不足，对此有许多改进的粒子群算法取得了较好的效果。其他算法在此不一一分析。

2.1.3 多目标问题及其解决方法

水库调度多目标问题源自于水库的多用途。水库调度涉及防洪、发电、灌溉供水、航运及生态环境、旅游娱乐等多种用途，需要统筹考虑和权衡经济、社会和生态环境等方面的效益或效果，同时还要考虑决策者的偏好、调度风险以及实际现状等。解决这类多用途优化调度问题的数学方法就是多目标优化方法。

在国外，多目标优化问题的起源可以追溯到18世纪。1772年Franklin提出了多目标之间的协调问题。1836年，Cournot从经济学原理出发，提出了多目标问题模型。1896年意大利经济学家V.Pareto在经济平衡的研究中提出了多目标优化问题，从数学角度上把原本不可比的若干个目标转变成可相互比较的单一目标进行求解。1951年Kuhn和Tucker从数学规划角度提出了向量极值问题，给出了一些基本定理。同年，T.C.Koopmans引入Pareto最优的概念，并从生产与分配活动的角度研究了多目标优化问题。1961年，F.Charnes等将多目标规划方法引入多目标决策问题的研究中。在水利领域，1962年Maass引入了多目标优化。第一次国际性的多目标决策讨论会于1972年召开，之后越来越多的人研究多目标优化问题。20世纪70—80年代G.Tauxe等人较多地研究了多目标动态规划在水资源领域（包括水库调度）的应用。70年代末，A.L.Saaty提出了AHP（the Analytical Hierar-chy Process）法，并出版了有关AHP法的专著。如今多目标决策问题已广泛应用于经济、管理、水资源管理、运筹学等领域，越来越多地受到人们的重视。

在我国水利领域，叶秉如于20世纪60年代最早将多目标决策方法引入水资源利用研究中。1983年，董子敖等提出了适用于水电站水库优化调度的改变约束法，解决了水电站群设计保证率与发电量最大之间的协调问题，并应用于刘家峡、青铜峡等梯级水电站群的优化调度，且以国民经济效益最大为目标函数将两目标的优化问题转化为单目标优化问题，制定了水库优化调度方案。1987年，叶秉如分别运用改进权重法和非劣解生成法，针对性分析与研究了三峡水库的参数优选问题。同年，董子敖等提出了一种求解计入径流时空相关的梯级水库群长期优化调度问题的多目标优化方法。该方法经过多次分层，将复杂问题化为较简单的诸多子问题，然后利用多目标决策改变约束法和动态规划逐次渐进法等方法，逐一解决子问题，最终求解了该复杂问题。1988年，胡振鹏等采用分解聚合法将水库群多年运行的整体优化问题分解为若干按时间划分的子系统，在各子系统优化的基础上，将各水库的年内运行策略聚合成上一级系统，最后借助模型确定水库群多年运行策略，从而求解了水库群多目标优化调度。同年，林翔岳等利用多目标决策方法研究了具有供水和发电两个目标的水库群优化调度问题。1995年，王本德等构建了淮河某水库群的多目标防洪调度模型。1998年，杨侃等将多目标分层网络分析模型引入梯级水电站多目标优化的研究中，并将发电引水流量、泄洪损失水量、灌溉水量、水库蓄水量、供水量等作为目标，建立了梯级水电站优化调度的多目标模型，在一定程度上提高了算法效率。

与单目标优化问题比较，多目标优化问题的求解技术和应用难度都在于，如何对待多个目标，特别是当一个目标改善必须以适当牺牲其他目标为代价时如何权衡和决策。解决了该问题，多目标优化问题就转化成了单目标优化问题，单目标优化求解方法就可以用了。

将多目标转化为单目标的方法目前主要有以下几类。

1.线性加权法

线性加权法就是通过对不同的目标赋予不同的权重，对加权后的多目标进行加和，将多目标问题转化为单目标问题求解，从而使问题得到简化。该方法是目前水库群多目标优化调度研究最为成熟的方法以之一，关键在于对相互独立的不同目标权重的选取，怎样才合理。通常有客观权重法和主观权重法以及二者相结合的方法。常用于决定目标权重的层次分析法、主成分分析法和风险偏好系数法等都属于线性加权法。

2.非线性加权法

实际上，对某个目标的等量改善的投入可能并不是线性的，目标值对某事的重要性或影响也不是线性的（例如，边际效益递减、边际危害递增等规律），各个目标函数之间的相对重要性随着目标值的变化往往也是变化的。反映和求解这类多目标优化问题，就要用到非线性加权法。非线性加权法要求问题求解者或者决策者认真建立每两个目标之间交易曲线（一般非线性）。由于实际操作难度很大，目前见到的应用例子不多。有些重要事件涉及若干重要方面，决策者（或决策群）面对技术部门提供的各方面信息，一遍一遍地追求满意解的决策过程，就含有非线性加权法的实质，尽管没有严格的非线性计算。

3.约束法

此法基本思想是将某些目标转换成某种约束，只留下一个目标或较少几个目标，再将留下的几个目标采用一定的方法（如线性加权法）转换成单目标，从而使得多目标转换成单目标。例如，当生态目标与经济目标无法公度时，采用约束法将生态目标转化成一定的约束是一种比较可行的方法。可以根据实际情况，把约束法与线性加权法结合起来应用。

4.理想点法

此法原理是先分别对各目标进行单目标优化求解，然后由各单目标最优解值组成多目标优化问题的理想点，再在非劣解集中寻找与理想点最为接近（多维目标空间的距离最短）的可行解，该解视为多目标的最优解。描述和处理最优解与理想点之间偏差的方法常见的有p-模法、极大偏差法和几何平均法等。这类方法，不顾各个目标值的实际价值和相对价值（或重要性），遇到难题采取不作为的态度，把决策权交给了数字，逃避了经济、社会和生态环境等方面的现实需要，做纯理论方法研究无可厚非，作为解决实际问题是不可取的，盲目决策的后果可能是灾难性的。

2.1.4 来水量不确定性问题的处理方法

水资源系统存在许多不确定性因素，3.1节将有比较简略的介绍。对这些不确定性因素的科学描述是非常困难的，在水资源优化配置和水库优化调度领域中科学地考虑它们就更难。来水量对水库调度决策很重要，下面就简要讨论一下中长期水库调度领域中对来水量不确定问题的处理方法。

对于来水量预报期为几小时、一天、几天等时间尺度的情况，人们已经能够建立观测、预报和分析系统（即水情测报预报系统），比较准确地分析得到未来的来水量，并建立了实时预报调度方法，为提高水库短期优化调度决策准确性起到了很大作用。在没有水情测报预报系统之前，短期来水量是不确定的和难以预知的；有了该系统之后，就变成了绝大部分能够预报，小部分是预报误差。能够预报部分就变成确定的了，误差部分仍然是不确定的。在同一时代，某一预报手段或水平下，一般是预见期越短，预报精度越高；情形越简单、机理容易弄清楚的预报精度越高。例如，已经到河里的水量从上游流到下游的预报精度最高；既有河里水又有正在产汇流水的情形，预报精度比前者有所降低；既有河里水又有产汇流水、还有天上在降和待降水的情形，预报精度比第二种情形又降一个等级。在水库短期调度中，能够准确预报的部分就作为确定性的水量处理，对于不能准确预报的部分多作为随机变量处理。在预报精度很高，预报不准部分所占比例很小的情况下，随机部分就可能直接被忽略。不少水库就把短期预报视为已知，采用确定型方法解决。事实上，水库的调节库容等容错能力和所采用的实时修正等调度方式，基本上能够随时纠正由预报误差导致的调度误差，避免或大大减小误差累计效应。

对于来水量预报期为旬、月、年、多年等时间尺度的情况，几乎都是同时包括河流水、产汇流水、天上在降和待降水的情形，预报难度非常大，预报精度一般也非常低。仅预报期为旬的降水预报精度都很低，如何提高预报精度是目前国际上正在努力解决的难题，同时考虑河流水、产汇流水、天上在降和待降水预报期更长时期的来水则是难度更大的课题。

一方面，现阶段不能奢望有符合实用精度要求的月、年及其以上时间尺度的中长期来水量预报成果可用；另一方面，应用概率理论和模糊理论等数学方法描述中长期来水量的不确定性，并据此研究提出新的水库优化调度方法，近几十年来，研究的文献很多，不少还是做得很深、很细的，但多是在经过较大的抽象和简化的基础上进行的，成果经得起实践检验、实际决策部门敢用的方法几乎没有。例如，我国的一些大型水电集团公司，想利用中长期来水量预报成果和相应的水库优化调度方法，列了不少课题请了国内外专业人士进行专门研究，也拜访了国际上先进的水库调度管理单位。结果目前实际的中长期调度计划制定还是主要靠经验。中长期调度计划与实际的偏差，靠借助系统的容错性和短期实时调度随时纠正。

2.1.5 存在问题及发展趋势

目前水库调度研究领域存在的主要关键问题及其解决方向如下：

1.不确定性问题

一方面要继续研究不确定性因素变化规律和更加符合实际的描述方法以及考虑不确定性的水库优化调度方法；另一方面还要研究如何更好地利用系统的容错能力实时纠正错误、消除误差累积，进而降低调度决策风险、提高调度效益。

2.多用途或多目标问题

这是水库群调度不可回避的普遍问题。加权类、目标约束类及其相结合的方法是最有应用前景的。水库群调度人士需要花大力气研究具体情况下各用途或目标之间的对价关系，提炼出更加符合实际的权值、目标约束值等。这样才能够做出更好的多目标优化调度。

3.维数灾问题

克服此问题有赖于几方面的发展和进步：①合理地精简次要因素，突出主要因素，并研究降低维数的优化算法；②并行计算技术的发展和速度更快、内存更省的技术设施。