下载掌阅APP，畅读海量书库
立即打开
水资源联合调度理论与方法在传统的单目标（防洪、供水、水生态环境等）与单对象调度基础上，结合运筹学、协同学以及人工智能学等理论而逐步发展。目前，有关水资源联合调度的研究主要关注联合调度方法的改进，集中体现在优化调度方法与调度决策方法等方面。本节分类综述了防洪、供水、水生态环境调度研究技术与方法进展，归纳了以调度目标优化与决策优选为核心的水资源联合调度理论及方法；结合太湖流域水资源调度现状，指出了复杂江河湖水资源联合调度亟须突破的技术瓶颈，为复杂江河湖水资源联合调度关键技术研究指明了方向。
1.防洪调度
数值模拟技术是防洪调度常用的方法。平原河网地区水系、工程调度复杂，其洪水演进过程常需通过数学建模进行研究，河网水动力数学模型可分为节点-河道模型、单元划分模型、混合模型、人工神经网络模型和蒙特卡罗随机游动模型 [5-8] 。杨洪林 [9] 将数值模拟技术运用于太湖流域骨干河道调度方案研究，通过设定太湖流域骨干河道太浦河、望虞河若干不同调度方案，并经数值模拟提出了相应调度方案，认为太浦河、望虞河采用分级调度，可以克服以前根据单个水位调度的缺陷，充分发挥两河分泄流域洪水的功能。石林等 [10] 从洪灾风险出发，通过运用ERDAS、Damage Calculator等模型相关模块，在GIS环境下对复杂河网平原地区进行洪水灾害的时间和空间动态模拟，预测和分析区域内各种条件下的洪灾风险时空分布，计算洪水优化调度分洪序列，制定针对性的防洪调度决策。
2.供水调度
水资源优化配置的概念首次提出于20世纪80年代初。随着人口增长和社会经济快速发展，水资源供需矛盾日益突出，为了有效解决日益增长的水资源供需矛盾，流域的供水调度研究成为水资源优化配置的重点。
基于解决水资源短缺、保障城市生产生活供水等单目标或多目标，国内外进行了诸多流域供水调度研究。流域供水调度的研究首先根据供水调度的目标，确立相关的供水指标，在此基础上进行供水调度模型构建，通过算法对模型求解，进行流域的供水调度研究，实现水资源的优化配置。针对平原河网地区，许多学者分别围绕水资源调度方案与措施、闸泵联合调度引水等方面对水资源调度问题开展了大量研究。梁庆华等 [11] 结合区域引排控制水位、防洪限制水位等因素，确定了太湖流域阳澄区汛期、非汛期的最低目标水位，并通过数值模拟技术分析最低目标水位可达性，提出了水资源优化调度建议。贺新春等 [12] 基于珠江三角洲河网区水资源问题，针对受咸潮影响河网区水资源调度需求，提出了保障供水安全的调度策略，探讨提出了由感潮河网区一维水动力模型、河网一维水质模型、闸泵调控模拟模型、水库（河涌）调度模型等多个模块构成的水资源调度模型技术。
3.水生态环境调度
水利工程的生态效应，既包括工程建成之后对自然界的生态破坏，也包括对自然界的生态修复两种生态后果。水生态调度是伴随水利工程对河流生态系统健康如何补偿而出现的一个新概念，是为促进河流生态系统自我修复能力提高而实施的各项河流和水利工程调度措施的统称，其实质就是将生态因素纳入到区域水资源配置方案、水库调度中。
生态调度的理念最早源于美国、澳大利亚等国，很早就在水库调度运行中考虑生态因素，并进行恢复流域生态系统的相关研究和实践。国外针对河湖（库）生态（环境）水位、流量的定义和计算分析方法，以及相应的水利工程调度等进行了大量的研究，但仍尚未形成统一、规范和公认的成果 [13] 。
我国对生态调度的研究早期主要集中在水库调度领域。随着经济社会发展及人类对生态系统认识的深入，生态调度逐渐受到重视，目前，生态调度的研究与实践已从前期的水库生态调度拓展到流域生态调度的新阶段，并逐步融入到流域综合管理范畴，以满足流域水资源优化调度和河流生态健康为目标的流域生态调度日益成为社会共识。相较于水库生态调度，近年来，有学者提出更为广义的水利工程生态环境调度的概念，认为水生态环境调度是指科学合理调度运用各类水利工程，在时间、空间上优化江河湖库的水位、水量、流动性和水质等调度指标，使其充分发挥生态（环境）效益，满足河湖（库）水体自然景观、旅游、交通、水产养殖、水质达标考核以及水生生物可持续发展等多功能需求。
近年来，水生态环境调度研究方法多集中在方案研究、数值模拟以及多目标优化等方面，以经济、社会、环境和生态效益的最大化为目标设计了不同的生态调度优化模型和方案。其中，河网地区水生态环境调度方面，针对太湖流域存在的主要水问题，吴浩云 [14] 采用数值模拟和引江济太调水试验工程相结合的方法，探索适合提高中国河流湖泊的水生态系统承载能力的方法途径。郝文彬等 [15] 采用环境流体动力学模型（Environmental Fluid Dynamics Code，EFDC）对引江济太工程的水动力调控效果、水体交换过程及经济调水量通过湖体水龄（描述湖泊水体交换速率的参数）的时空分布来进行分析。蔡梅等 [16] 以杭嘉湖区作为典型研究区，采用太湖流域河网水量水质数学模型，研究区域水利工程不同调度方案对于水体流动性及河网水环境的改善作用。
随着调度研究的深入以及计算机技术的发展，一些新的分析技术，如基于地理信息系统的网络分析技术等逐渐被应用于水生态环境调度研究。石林 [17] 以西洞庭湖典型区域为例，针对该地区河网的复杂性和河流关系的不确定性，引入基于GIS的网络分析技术，对区域河网进行网络模型化，并在GIS网络分析模块下完成河流追踪和突发事件应急响应模拟研究。
1.水资源优化调度概念
水资源调度涉及防洪、供水、水生态环境等多方面效益，决定了流域水资源调度的多目标特点，因而多目标优化方法在水资源联合调度中起着不可或缺的作用。
水资源优化调度的概念最早起源于国外。在20世纪40年代，国外就已经将优化调度的常规方法应用到实际的水资源优化调度系统中。1946年美国学者Masse通过大量研究后，在水资源优化配置中引入了优化的概念，这是优化概念与水资源系统的最早结合，成为水资源优化研究的先例。1960年R.A.Howard提出了利用动态规划与马尔可夫理论过程（MDP），在理论上进一步完善了水资源调度的概念，解决了以往模型所得调度策略的短暂性，也在一定程度上克服了效益与安全相矛盾的理论性缺陷 [18] 。
我国对水资源调度的深入研究始于20世纪80年代初。流域水资源优化调度可分为单目标调度与多目标调度。单目标调度分为防洪调度、供水调度、水生态调度以及发电调度等，多目标优化调度则为集合多个单目标的联合调度。目前，国内的水资源优化调度研究主要是着眼于优化算法。
2.水资源优化调度求解方法
20世纪50年代以来，随着系统工程的迅速发展与广泛应用，系统分析方法被引入到水资源优化调度研究中来。系统分析方法一般可分为数学规划及概率模型两大类。数学规划在系统分析中占显要地位，其中包括线性规划、非线性规划、动态规划、多目标优化技术等；概率模型考虑事态发生的不确定性，包括排队论、马尔可夫决策过程、系统可靠性分析。另外还有模拟算法、大系统分解协调法及现代启发式智能算法等 [19-21] 。
（1）线性规划方法。线性规划（Linear Programming，LP）作为运筹学的重要分支，是水资源调度领域应用最早且最广泛的规划技术之一，有成熟的算法和应用程序。1939年法国数学家傅立叶提出线性规划的想法，但未引起注意；1947年美国数学家Dantzig提出线性规划的通用解法，为这门学科奠定了基础。LP具有计算简单、模型方法成熟、处理大规模优化问题时不存在维数灾问题等优势，被广泛应用于单目标优化调度研究领域 [22，23] 。然而，其不足之处在于无法处理实际调度问题中的大量复杂非线性因素。因此，应用LP求解流域单目标优化调度问题时需要将其目标、约束函数表达式进行线性化处理。
（2）非线性规划方法。与LP相比，非线性规划（Nonlinear Programming，NLP）可以准确地描述调度问题中的非线性目标函数和约束条件，所构建的模型具有更强的普适性。一些典型的非线性规划方法，如逐次线性规划、逐次二次规划、增量拉格朗日方法、梯度下降法等，因其可有效处理单目标调度问题中耦合目标函数和复杂非线性约束条件表达式，在大量实际工程问题的建模与求解中得到了广泛应用 [24，25] 。但由于非线性规划模型中的目标函数或约束条件是非线性的，其计算过程比较复杂，目前没有可行的解法和程序，通常将非线性问题转化为线性问题求解，或与其他方法结合。
（3）动态规划方法。动态规划（Dynamic Programming，DP）作为运筹学的另一重要分支，是处理多阶段决策问题的有效方法，是水库群优化调度中应用最广泛的数学规划法。最早将动态规划法应用于水库优化调度的是美国的Little [26] ，他提出了基于随机径流的水库优化调度数学模型。DP的主要思路是将复杂多阶段最优决策问题分解为一系列单阶段问题，并利用各阶段之间的联系逐阶段进行问题求解。DP对于任何形式的多阶段最优决策问题均具有适用性，是一种求解复杂非线性多阶段优化问题的有效手段，因此成为优化调度问题研究中理论最为成熟、应用最为广泛的方法之一 [27，28] 。
（4）大系统分解协调方法。大系统具有高维性、不确定性、规模庞大、结构复杂、功能综合因素众多等特征，分解协调法几乎贯穿于大系统理论的所有方面。大系统分解协调方法以强对偶定理为理论基础，其主要思路是将复杂的“大系统”分解为相互独立的若干个“子系统”，然后通过独立优化决策变量与约束条件相对简单的“子系统”，并设置协调器综合考虑各“子系统”之间的相互联系，以达到降低复杂系统求解难度和实现系统全局优化的目的 [29] 。目前，大系统分解协调法在水电站水库群系统调度领域渐受重视。大系统分解协调法较LP而言可以更精确地描述水库调度模型，较NLP而言求解效率较高，可有效避免调度模型求解的“维数灾”难题。谢新民等 [30] 研究和提出一种基于大系统理论和传统动态规划技术的水电站水库群优化调度模型与改进目标协调法，有效地克服了动态规划的“维数灾”问题。
（5）现代启发式智能优化方法。随着系统工程理论、人工智能理论的发展以及计算机技术的进步，水资源优化调度发展到1990年左右取得了很大进展，研究方向从单一的实际配置转向到对水资源调度的求解算法和系统开发上，现代智能优化理论研究逐渐受到国内外学者的广泛关注，特别是现代启发式智能优化算法的兴起，在常规优化算法求解困难时，现代启发式智能优化算法便开始体现优势。一系列仿生智能优化算法，诸如遗传算法（Genetic Algorithm，GA）、粒子群优化算法（Particle Swarm Optimization，PSO）、蚁群算法（Ant Colony Algorithm，ACA）、混沌优化算法（Chaos Optimization Algorithm，COA）、模糊退火算法（Simulated Annealing，SA）以及差分进化算法（Differential Evolution Algorithm，DE）等不断涌现。这些智能优化方法多基于生物物种演变过程中的进化机制，具有内在的并行搜索能力，可以避免大部分数学规划方法所面临的“维数灾”难题，求解效率较高。
1）遗传算法。遗传算法（GA） [31] 求解问题的思路源于自然界生物的进化过程，是模仿自然界生物进化过程中自然选择机制而发展起来的一种全局优化方法，由Holland在20世纪70年代初期提出，是演算算法的重要分支。遗传算法在处理大规模复杂多维非线性优化问题时具有良好的性能，此外，遗传算法还具有占用计算资源少、计算效率高等优点，因此成为梯级水电群优化调度研究领域最常用的优化方法之一。遗传算法相比传统数学规划方法而言具有并行优化、求解效率高以及实现简单等优势，但其在实际应用中仍存在“早熟收敛”的问题。
2）粒子群优化算法。粒子群优化算法（PSO） [32] 是Kennedy和Eberhart于1995年提出一种具有仿生物理机制的启发式优化方法，它通过模拟鸟类在迁徙过程中觅食行为实现问题求解。近年来，粒子群优化算法因其具有简单易实现、收敛速度快等优点在水电站（群）联合优化调度研究领域获得了较为广泛的应用。与遗传算法类似，粒子群优化受其进化机制和实现方式所限，仍然面临着“早熟收敛”难题。
3）蚁群算法。蚁群算法（ACA） [33] 是一种通过模拟蚂蚁群觅食过程的新型仿生智能进化算法，其借用了蚁群觅食过程中的信息共享机制以及蚂蚁个体间的协作互助机制实现问题的求解。蚁群算法具有内在的分布式并行寻优能力，且算法框架中包含的随机算子使得其不容易过早陷入局部最优，因而被广泛地应用于求解复杂组合优化问题。其不足之处在于初始信息素这一参数难以率定，往往需要通过多次迭代试算以确定合理的参数取值，从而导致算法计算时间偏长。高海东等 [34] 进行了冶峪河流域供水水库优化调度及用水补偿研究，建立流域可供水量之和最大的多水源联合调度数学模型，采用蚁群算法对多水源联合调度数学模型进行求解。
4）混沌优化算法。混沌优化算法（COA） [35] 是一种基于混沌理论的新型智能进化算法，其通过模拟混沌现象所具有的随机性、遍历性在问题的解空间中进行全局无重复搜索来求解问题。混沌优化算法具有全局遍历搜索特性，故而不存在早熟收敛问题，但其计算耗时随着问题规模的扩大呈指数级增长，因此多和其他进化算法结合进行优势互补以提升求解问题的效率 [36] 。
5）差分进化算法。差分进化算法（DE） [37] 是Storn和Price于1995年提出的一种基于群体差异信息的智能优化算法，在第一届IEEE进化算法大赛上，DE表现出鲁棒性强、计算速度快以及寻优能力强等特点，成为进化算法中的一个重要分支。差分进化算法在水资源联合优化调度领域的应用研究起步较晚。
6）人工神经网络。人工神经网络 [38] 以生物神经网络为模拟模型，具有自学习、自适应、自组织、高度非线性和并行处理等优点，是目前国内外比较流行和具有发展前途的系统之一。胡铁松等 [39] 基于Hopfield连续模型，建立了一般意义上的混联水库群优化调度的神经网络模型，通过BP网络对样本的学习得到水库群优化调度函数，并应用于3个并联水库的调度。
7）其他优化算法。其他应用于求解流域水资源优化调度问题的现代启发式智能优化算法还有人工免疫算法 [40] 、人工鱼群算法 [41] 、克隆选择算法等。这些方法计算效率较高，但它们的共性缺陷是均缺乏处理问题复杂约束的能力，且搜索能力随着问题解空间规模的增大逐步减弱，当应用于求解流域湖库群优化调度此类复杂的大规模非线性组合优化问题时，需要依据实际问题特点思考相应的改进方案，缺乏工程实用性和普适性。
3.多目标优化调度方法
对单目标调度问题而言，可根据目标函数采用特定的优化调度求解方法直接进行优化求解，决策过程比较简单。进入20世纪80年代后，仅仅面向单一任务的优化调度研究已经无法满足实际需求。水资源调度逐渐向多目标优化调度发展，综合考虑防洪、发电、供水、航运以及生态等多个目标效益的调度要求。多目标调度优化要对多个目标同时进行处理。目前，多目标调度优化求解方法有两种：一是将多目标问题转化为单目标问题进行求解；二是利用启发式多目标算法对多个目标直接优化，得到多目标前沿解集（Pareto解集）。
（1）多目标转化为单目标问题求解。将多目标转化为单目标常用的方法包括：权重法、约束法、隶属度函数法、网络分析法等。Nagesh Kumar等 [42] 围绕大型水利枢纽的综合利用需求，综合考虑防洪风险、灌溉供水保证率和发电效益等调度目标，通过联立效益函数的方式构建了水库群优化调度模型，并提出一种基于约束转化策略的模型求解方法。Kumar等和Reddy等 [43] 同样采用约束法，将灌溉目标、发电目标和防洪目标相结合，转化成单一目标进行求解。高仕春等 [44] 根据黄柏河流域水库群供水、发电以及灌溉等综合利用的工程需求，分析了三个用水目标的优先权，并通过将次优先级的目标转化为约束的方式构建了水库综合利用多目标优化调度模型。叶云鹏等 [45] 根据汾河灌区各类水资源不同的水质水量，将灌区内水资源系统分为三个子系统，建立了灌区水资源系统调度模型，以多年平均缺水量最小为主要目标、年发电量最大为次要目标进行水资源系统优化，采用分层序列法将多目标转化为单目标求解最优解。
这种多目标处理方式具有实现简单的优点，但其不足之处在于人工设定的权重向量或模糊隶属度难以反映各调度目标间的制约与竞争关系，当问题多目标前沿非凸非连续时，这些方法求解出的非劣调度方案集无法反映真实目标前沿的特性，给予决策者的调度信息十分有限。
（2）多目标直接优化调度方法。随着多目标进化算法（Multi-Objective Evolutionary Algorithm，MOEA）的提出和发展，多目标优化问题可以将多个目标放在同一的标准上对种群进行进化，生成一系列非劣调度方案集，为决策者提供可靠的决策参考。MOEA从本质上说依然是基于群体智能的优化算法，其以Pareto优化为同时处理多个目标的理论基础和必要机制，理论上单次计算即可并行优化多个目标，获得关于不同目标的、相互之间互为非劣的一组解集，计算效率较高。同时，MOEA对非劣前沿不规则的多目标优化问题仍具有适用性，因此，多目标进化算法得到流域湖库群多目标优化调度研究领域国内外学者的广泛关注，成为了该领域的发展趋势之一。
目前，最为常用的多目标进化算法为非支配排序遗传算法（NSGA、NSGA-Ⅱ）。Tabari [46] 使用序贯遗传算法（Sequential Genetic Algorithm，SGA）和非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm，NSGA）Ⅱ型号的多目标优化模型对地表水和地下水的联合使用进行规划和管理。除了非支配排序遗传算法之外，在水库多目标调度领域应用较多的算法还包括：非支配排序微粒群算法（NSPSO）、多目标粒子群优化算法（MOPSO）、差分进化算法（DE）等。2007年，杨俊杰等提出了自适应网格多目标粒子群优化（AGA-MOPSO）算法，其中包括非劣解密度，在三峡梯级水电系统的多目标发电系统中进行了应用，很好地解决了优化调度中遇到的问题。
目前采用多目标进化算法对多目标直接优化获得Pareto前沿解，是解决多目标调度问题的发展趋势，与转化为单目标相比，其优势体现在：可获得更加全面的Pareto解集，以便从多个角度来分析目标间的竞争、协同关系，有助于决策者更好地理解各目标间的关系；每个目标都具有明确的物理意义，便于决策者进行多目标分析和决策；不需要设定权重系数，受到人为因素的干扰小 [47] 。
1.多目标决策概念
决策是人们为达到某一种目的而进行的有意识的、有选择的行动，是在一定的条件制约下，为实现特定的目标，而从多种可供选择的策略中做出决断，以求得满意效果的过程 [48] 。决策随着人类社会活动的发展而产生，并在日常生活中起着十分重要的作用。尽管人类活动离不开决策，但决策作为一门科学，是最近50多年来才发展起来的一门交叉学科分支。多目标决策研究中最早的研究可追溯到1896年提出的帕累托最优概念，这一概念是由Pareto从经济学角度把本质上不可比较的多个目标转化成单个目标进行求解，并提出了向量优化的概念。1944年，对策论创始人Neumann和Morgenstern从对策论角度提出了彼此矛盾情况下的多准则决策问题，近代意义上多目标决策由此诞生。1952年，美国经济学家提出了多目标决策问题，首次使用了有效向量的概念，这是现代多目标决策非劣解的概念。
2.多目标决策方法
将多目标问题转化为单目标问题进行求解、多目标直接优化求解方法均集中在如何对多目标问题进行求解，在得到最优解集（方案集）后还需要制定合理的多目标决策，即方案优选与决策制定。但是这一过程需要综合考虑实时信息、决策偏好等多方面因素，且多个因素之间还存在着相互影响和制约的关系，决策难度大。多目标决策方法的发展经历了三个阶段 [49] 。
第一阶段：决策的规范化、程序化阶段。将一些常规性问题，根据已有经验，选择并确定一个有效的求解过程和算法，作为通用的求解模式。
第二阶段：决策的数学化、模型化、计算机化阶段。把工程数学大量引入到决策，提倡模型化、定量化，以解决单变量到多变量、确定性到非确定性的多准则决策问题。
第三阶段：决策的硬技术与软技术相结合、定量与定性相结合、技术与艺术相结合的阶段。较为传统的多目标决策方法主要包括基于二元对比排序和分层逐级评判的层次分析法 [50] 、主成分分析法 [51] 、因子分析法 [52] 等。近年来，模糊集理论、灰色理论、可拓物元理论、证据理论、熵权迭代理论等数学方法在多目标领域不断发展，形成了一些智能的决策方法。
（1）层次分析法。层次分析法（Analytic Hierarchy Process，AHP）是由美国运筹学家Saaty教授提出的定性与定量相结合的多准则决策分析方法。AHP将人的判断用数量形式表示出来，其基本思想是将组成复杂问题的多个元素权重的整体判断转变为对这些元素进行“两两比较”，并将比较结果转化为定量的判断数据，形成判断矩阵。AHP方法改变了长期以来人们对复杂问题靠主观判断，缺乏逻辑思维方法进行决策的状况。
（2）模糊优选理论决策方法。基于模糊理论的多目标决策方法应用最广，模糊决策是指目标含有模糊性的决策，模糊数学是其理论基础。1970年，Bellman等 [53] 首次将模糊集理论引入到多目标决策的领域，并提出了相关基础理论。1990年，陈守煜 [54] 提出了一个多阶段、多目标决策系统模糊优选理论，将其与动态规划原理相结合，用来解决水库调度中的方案优选问题。在此之后，模糊优选理论得到不断发展，其在洪水调度决策乃至整个水资源领域得到了广泛应用。邹强等 [55] 针对多目标、多属性、多层次、多阶段的水库防洪调度方案决策优选问题，以累积前景理论为基础，综合考虑决策专家的心理行为和风险态度，建立了正负前景价值矩阵；并引入最大熵理论以降低评价过程的不确定性，构建了基于累积前景理论和最大熵理论的水库多目标防洪调度决策优选模型（CPT-MET）。
（3）可拓物元理论决策方法。可拓学理论是由我国学者蔡文于1983年提出的，目前广泛应用于人工智能、预测、控制、系统、信息、评价等诸多领域的研究。物元则是可拓学的逻辑细胞之一，是形式化描述物的基本元，用一个有序三元组 R =（物 N 、特征的名称 c 、量值 v ）表示。它把物的质与量有机地结合起来，反映了物的质和量的辩证关系。太湖流域太浦河取水安全调度优化研究采用可拓物元优选模型与蚁群算法模型进行调度策略决策优选，避免了复杂河湖与水利工程体系下优化调度求解计算效率低的问题，取得了较好效果 [56] 。
流域水资源联合调度是一个复杂的多目标问题，其需要权衡防洪、供水、水环境等多个目标间的竞争协同关系。传统的模糊优选可从众多可行方案中优选出最优决策，但是其权重设置至关重要，如何生成具有代表性的权重组合，既能保证决策偏好的多样性，又能避免偏好组合数目过多，是多目标决策中的关键问题，也是多目标优化调度的热点问题。
在国外，最早的跨流域调水工程可追溯到公元前2400年的古埃及，为满足埃塞俄比亚境内南部灌溉和航运要求，埃及兴建了世界第一条跨流域调水工程 [57] ，在一定程度上促进了埃及文明的发展与繁荣。20世纪40—80年代是世界范围内调水工程建设的高峰期，国外绝大多数调水工程是在这个时期完成的，为了实施跨流域或区域水资源的时空平衡，兴建了包括美国加州调水工程、澳大利亚“雪山调水工程”在内的诸多跨流域调水工程。
注重生态环境保护及恢复是国外水资源调度的突出特点之一，相关工程建设和调度运行过程中注重将库区、河道保持在天然状态，维护生态环境完整性和良好性，同时将生态调度列入日常管理工作，制定明确管理和补偿制度 [58] 。1990年，美国田纳西河流域编写了环境评估报告，提出了改进流域内20座大坝的调度方式建议，并于1996年完成了历时5年的田纳西河流域20座大坝生态调度项目。1995年，日本河川审议会的《未来日本河川应有的环境状态》报告指出推进“保护生物的多样生息和生育环境”“确保水循环系统健全”“重构河川和地域关系”的必要性。1997年，日本对其河川法做出修改，不仅治水、疏水，而且“保养、保全河川环境”也被写进了新河川法。
综合国外水资源调度实践，具有以下基本特点：
（1）水资源调度实践具有鲜明的阶段性特征。西方发达国家最初也仅针对水量开展调度，从20世纪80—90年代前后开始实施水生态环境调度，其中美国开展最早。从社会经济发展阶段看，生态调度是在具备必要的社会经济可承受能力条件下才得以开展。
（2）水资源联合调度已经融入流域综合管理。20世纪80年代末，西方发达国家从整体性管理角度提出流域综合管理理念，在生态调度逐渐受到重视后，近年来又提出了动态管理，即通过在某种程度上恢复河流的自然变化动态来维持或恢复河流的生态活力。
（3）强调适应性管理。通过加强实验、监测、研究和及时反馈来不断减少水资源调度实践中存在的不确定性。西方发达国家正视河流生态系统自身的复杂性和河流生态响应的不确定性，强调利用最新的科学知识来提出指导水资源调度的可供验证的基本假设，再利用长期的系统监测研究计划以及效果评价计划来积极地对已有的假设进行验证，并不断地反馈改进。
中国自古以来就是一个水利大国，为减除水害而修筑了不可胜数的水利工程，其中数量最多的当属调水工程，如公元前486年修建的引长江水入淮河的邗沟工程、公元前256年修建的引岷江水入成都平原的都江堰引水工程等。
自1949年新中国成立以来，我国水资源调度工作经历了两个阶段：从新中国成立初期至20世纪90年代，水资源调度以水利工程的兴利调度和跨流域调水为主，较少从流域水资源综合利用考虑；2000年以来，水资源调度逐步重视河流自身的生态用水，统筹兼顾，综合协调，依据可持续发展的要求，逐步开展了黄河流域的全河水量调度、南四湖生态调度补水、引江济太等跨流域、远距离的多项水量调度工作，逐渐形成了短期抗旱应急、中期供需平衡、长期生态维系的综合调度体系，水资源调度工作取得了长足进展，在水旱灾害防御、缓解水资源短缺、修复水生态等方面发挥了显著作用。于2002年正式开工的南水北调工程是目前世界上正在实施的最大规模调水工程，也是我国跨流域调水的标志性工程，该工程把长江流域水资源自其上游、中游、下游，结合中国疆土地域特点，分东、中、西三线抽调部分送至华北与淮海平原和西北地区水资源短缺地区。针对珠江三角洲河网区的水系特征和水动力特点，为改善内河（涌）水环境和保障供水安全，珠江三角洲各地开展了一系列水资源调度实践。太湖流域自2002年以来组织开展了引江济太水资源调度，在确保流域防洪安全前提下，增加流域水资源总量。据统计，自2002年至2017年年底，引江济太累计通过常熟水利枢纽调引长江水 291.26 亿m 3 ，累计引水入湖120.40亿m 3 ，累计向下游地区增供水207.22亿m 3 。引江济太的实施成功缓解了2003年、2004年和2011年流域严重旱情，并在应对2003年黄浦江上游特大燃油污染事故、2007年太湖蓝藻暴发引发的无锡市供水危机、2013年上海金山船舶水污染事件，以及保障上海世博会供水安全等方面发挥了重要作用。此外，江苏秦淮河流域、里下河地区均开展了一系列水资源调度或水生态环境调度实践。
从目前国内的情况来看，基于多目标的工程调度实践取得了较为显著的效果，但仍处于尝试和摸索阶段，其特点及主要存在问题如下：
（1）满足多目标要求的水资源调度实践较少。随着工程管理技术水平及管理要求不断提高，大多数的工程调度目标不再单一，但各项工程的调度侧重点不同，能够同时满足多目标要求的水资源联合调度实践还较少。
（2）水资源联合调度的长效机制尚未建立。从近年来开展的诸多水资源调度试验来看，多目标联合调度有助于工程综合效益的发挥，但目前水利工程多目标联合调度的能力与地方需求相比仍存在不足，需要进一步加强地区水利工程多目标联合调度需求分析，总结流域及区域水资源联合调度实践的宝贵经验，逐渐推动水资源多目标联合调度由应急调度向常态化运行转变。
纵观国内外水资源联合调度研究及相关实践，水资源联合调度领域研究趋势主要体现在以下方面：①研究目标由传统的单目标优化调度发展成兼顾防洪、兴利、生态等多项指标的多目标优化调度；②研究范围从单一水库调度发展到梯级水库、闸坝群甚至是流域水利工程体系、跨流域水库群的联合调度；③研究时段从汛期防汛调度为主转变为全年保障水安全、利用水资源、改善水环境、保护水生态相协调的水资源联合调度；④研究的方法由传统的优化决策方法发展到人工智能方法，同时各种优化理论和调度模型的联合运用在生产实践中也得到不断的发展和应用，但相关调度方法与技术主要在水库及水库群调度领域运用较为成熟。
根据我国水资源时空分配不均的现状，在未来一段时期内，利用水利工程进行水资源联合调度仍然是实现水资源优化配置、保障水资源安全的重要途径，城市集中、人口聚集的复杂平原河网地区的水资源联合调度、优化调度问题将是近期的研究重点。然而，国内外对于复杂江河湖地区的水资源联合调度研究相对较少，且尚未形成较为成熟的理论与方法体系。就太湖流域而言，一是目前多数调度研究仍停留在利用各类数学模型进行调度方案的模拟优选上，调度研究的层次性和多样性还有待进一步拓展；二是优化调度及多目标决策领域的研究相对薄弱，尚未形成基于多目标协同的水资源联合调度理论体系。目前，太湖流域水资源多目标联合调度处在探索阶段，有必要深入探讨太湖流域江河湖水资源联合调度理论，进一步提升流域调度的科学化、精细化、智能化水平。
本书针对长三角典型复杂江河湖地区太湖流域，围绕基于多目标协同的水资源联合调度技术、保障太湖流域水安全的水利工程体系联合调度技术方案两项关键技术，研究流域水资源多目标协同准则和优化调度方法，构建保障水安全的太湖流域水资源多目标协同联合调度模型与水资源联合调度决策系统，并优选提出相应技术方案。国内外水资源联合调度相关研究与实践为本书研究提供了启示与建议。
1.太湖流域水资源保障应统筹考虑防洪、供水、水生态环境需求
太湖流域经济发达，人口密集，地势低洼，水网交错。太湖流域自古至今因水而兴、因水而富、因水而美，水资源作为基础性自然资源、战略性经济资源，在支撑太湖流域经济社会快速发展中发挥了重要作用。随着社会经济发展，对水资源安全保障的需求越来越高，越来越多元化。现状流域水环境承载能力不堪重负，流域整体供水安全受到严重威胁，尤其是饮用水水源地安全问题突出，突发性水污染事件频发，太湖蓝藻引发的无锡供水危机曾被全国关注。从水质角度看，太湖流域是严重的“水质型缺水”地区。水资源优化配置是可持续开发利用水资源的有效调控举措。面对太湖流域经济持续稳定增长、城市人口持续聚集、居民生活水平不断提高，优化配置太湖流域水资源、保障供水安全、改善水生态环境势在必行。因此，太湖流域的水资源联合调度需要在保障流域防洪安全的前提下，以保障流域水资源配置安全为目标，兼顾水生态环境改善，从全流域角度对水资源进行统一规划、统一调配，通过优化调整流域水资源配置格局，加强优质水资源配置，改善水生态环境质量，为流域经济社会发展提供更加可靠的水安全保障。
2.基于多目标协同的水资源联合调度技术研究可借鉴层次分析法及相关多目标优化与决策方法
在不同阶段，流域经济社会发展对防洪、供水和水生态环境安全有不同的需求和侧重；同时，流域与区域、区域与区域之间往往需求不同，同一时期不同对象调度目标间存在差异。因此，太湖流域水资源联合调度包含多目标、多尺度协同的思想，包含了保障流域防洪安全、供水安全、水生态环境安全等多目标协同，以及流域与区域多层次、多尺度的协同。层次分析法是一种定性与定量分析相结合的多准则决策方法，把人的思维过程层次化、数量化，并用数学方法为分析、决策或控制提供定量的依据。本书基于太湖流域及区域防洪、供水以及水生态环境改善调度问题与需求分析，考虑采用层次分析法的思路，分防洪目标、供水目标、水生态环境目标三个目标领域，构建太湖流域水资源多目标联合调度模型和决策指标体系。结合太湖流域平原河网地区特点，从防洪目标领域、供水目标领域、水生态环境目标领域三个方面选取评价指标。防洪目标领域可以考虑从水利工程的排水状况、地区代表站的水位状况、地区排水量状况等方面构建评价指标；供水目标领域可以考虑从地区代表站的水位状况、引供水工程的运行状况、饮用水源地的水质状况等方面构建评价指标；水生态环境目标领域可以考虑从湖泊的生态水位满足状况、地区河网的水质状况、水体流动状况等方面构建评价指标。在进行具体决策优选计算时，可以考虑采用可拓物元理论决策方法等方法。