Page 117 - 2025年第56卷第9期

模型模拟计算时段为 1980—2020 年，收集了长系列入库流量资料、取用水资料及相关规划资料。
图 6 对比了 WAS 模型模拟滇中引水受水区现状基准年的供水量与实际供水量，现状年各地市（州）供水
量模拟相对误差均小于 3.2%。其中供水量模拟误差最大的是大理市，相对误差为 3.15%；供水量模拟
误差最小的是楚雄市，相对误差为 1.04%。按照各用水行业供水量来看，现状基准年各用水行业供水
量模拟相对误差均小于 3.5%。其中供水量模拟误差最大的是农业灌溉，相对误差为 3.48%；供水量模
拟误差最小的是农村生活，相对误差为 0.09%。

图 6 滇中引水受水区现状基准年供水量模拟情况
图 7 为滇中引水受水区现状基准年各计算单元内不同用水行业缺水情况，现状基准年城市生活、
农村生活和工业供水保证率为 95%；农业灌溉供水保证率为 75%；城市生态供水保证率为 80%。由
图 7 可以看出，现状基准年各计算单元内不同用水行业供水保证率均小于设定值，滇中引水受水区计
算单元平均误差率为 8.25%。总体上，滇中引水受水区水资源配置模型模拟结果相对误差较小，基本

符合实际供水规律。

4 旱限水位运用效果分析

4.1 旱限水位优化计算结果 根据大型水库和湖泊与计算单元供水关系，在大理、楚雄、昆明、玉溪
和红河等 5 个地市（州）选取需要确定旱限水位的水库（表 1），其中重点考虑青山嘴、清水海、松华坝
和云龙等 4 座大型水库，以及洱海、滇池、异龙湖、杞麓湖和星云湖 5 个高原湖泊。
以各优化水库对应计算单元各行业的缺水率均值之和最小、均衡率和生态流量保证率最大为目标
函数，通过 NSGA-Ⅱ算法优化各地区水库的旱限水位和分行业可供水量的限制系数，迭代次数设置为
500 次，种群数设置为 100，采用 CRITIC （Criteria Importance Though Intercriteria Correlation） 方法确定
各优化目标的权重，得到满足 Pareto 最优的各地区水库旱限水位优化方案。最优解对应的各水库旱限
水量与各行业可供水量的限制系数见表 2 和表 3。
4.2 水库调度效果分析
（1）总缺水量变化分析。为验证上述所提旱限水位优化计算方法的合理性，本文设置 3 个情景进行
对比分析，分别是：情景Ⅰ，不设旱限水位水库规则供水；情景Ⅱ，基于水库调度规则设计参数为边
界，根据防汛抗旱应急预案确定需水调整参数，得到逆序递推 ［13，29］ 的旱限水位水库供水；情景Ⅲ，采
用文本所提优化算法确定旱限水位水库供水。根据计算时段内水库长系列来水过程和历史干旱资料，
分析各地区多年平均、一般枯水年和特枯水年的总缺水情况，统计结果如图 8 所示。在实施不同水库
运行规则下，各地区总缺水量有所变化。与情景Ⅰ相比，情景Ⅱ在不同典型年的缺水量都有所减
少，但是改善效果不明显。然而，情景Ⅲ在不同典型年的缺水量显著减少，缺水情况得到明显改
善。从不同年份来看，情景Ⅲ与情景Ⅰ相比，情景Ⅲ在特枯水年的总缺水量减少幅度比多年平均和
一般枯水年的大，表明随着干旱严重程度的增加，优化算法确定的旱限水位在水库抗旱调度中效果
更加显著。
（2）严重缺水月数变化分析。基于滇中地区 WAS 模型，将情景Ⅰ、情景Ⅱ和情景Ⅲ计算得到的旱

— 1221 —