水电是现阶段规模最大、技术最可靠的清洁可再生能源，是我国实现碳中和碳达峰战略的灵活性支撑能源。河海大学水文院冯仲恺教授长期服务水资源安全和能源安全国家需求，经过系统深入研究，近期在水库群发电生态调度方向完成系列研究成果。

　　作为水库群调度领域最经典、应用最广泛的方法之一，动态规划通过变量离散实现最优决策的递推求解，但其计算复杂度随系统规模增大呈指数增长、维数灾问题凸显。为此，构建了水库群发电调度近似动态规划方法(Approximate dynamic programming, ADP)，利用长短记忆神经网络等人工智能方法对水电站复杂非线性动力关系进行动态建模，而后将其嵌入动态规划多阶段递推方程实现降维求解，可以在保证发电效益的前提下显著降低计算开销，有效缓解了动态规划维数灾难题，为水库群发电调度高效优化提供了一种新框架。

　　传统水库发电调度规则多基于历史数据和设计资料，在一定程度上难以充分考虑水库群径流随机性、需求多变性等因素影响。为此，首先运用模糊聚类技术从关联因子中识别出典型调度模态，而后对各模态调度方案集合分别构建适用的孪生支持向量机模型，同时利用智能优化方法寻求满意的参数组合，切实保障训练速度与泛化能力。应用结果表明：所提方法具有良好的稳健性和可靠性，在不同场景性能指标均优于对比模型，为发电调度规则智能提取提供了一种可行的新方法。

　　在变化条件下，水库群调度模型需要充分考虑发电效益、生态环保等复杂用水需求，切实满足流域综合调度需求。为此，首先构建了水库群发电-生态多目标协同优化调度模型，而后将其原创的合作搜索算法(Cooperation search algorithm, CSA)进一步拓展至多目标合作搜索算法(Multi-objective cooperation search algorithm, MOCSA)，通过团队沟通、反思学习、精英选择等算子和水库群调度复杂约束处理方法实现快速寻优。经典基准函数和工程优化问题、水库群实际调度结果均表明：所提方法评价指标和统计结果均优于多种经典优化方法，能够快速获得分布均匀的水库群非劣调度方案集合，揭示了水库群发电、生态等多维调度目标的竞争与合作关系，为大规模复杂多目标优化问题求解提供了新方法。

　　上述成果由冯仲恺教授通过科教融合，联合长江水利委员会水文局、长江科学院，华中科技大学，华电电力科学研究院有限公司等知名单位和团队长期共同完成，部分成果成功应用于长江、珠江、乌江等特大流域及巨型水电站，发表在《Journal of Hydrology》《Applied Soft Computing》等水文水资源和人工智能领域Top期刊，为我国大规模水库群调度运行提供了科学参考和技术支撑。（通讯员：张春平）