水電是現階段規模最大、最可靠的清潔可再生能源，是我國碳中和和碳達峰戰略的靈活支撐能源。 河海大學水文學院馮仲楷教授長期服務於國家水資源安全和能源安全需求，經過系統深入的研究，近期完成了水電生態排程方向的一系列研究成果。
動態規劃作為儲層群排程領域最經典、應用最廣泛的方法之一，通過變數離散化實現最優決策的遞迴解，但其計算複雜度隨著系統規模的增加呈指數級增長，維度災害問題突出。 為此，構建了一種用於水庫電力排程的近似動態規劃（ADP）方法，利用長短記憶神經網路等人工智慧方法對水電站複雜的非線性動態關係進行動態建模，然後將其嵌入到動態規劃多階段遞迴方程中，實現降維，在保證水庫電力排程的前提下，可以顯著降低計算開銷。發電效率高，有效緩解了動態規劃維度的災害問題，為油藏提供了解決方案。電力排程的高效優化提供了乙個新的框架。
傳統的水庫發電排程規則多以歷史資料和設計資料為依據，難以在一定程度上充分考慮徑流隨機性、儲層群需求變化等因素的影響。 為此，首先利用模糊聚類技術從相關因子中識別出典型的排程模式，然後針對各模態排程方案集構建適用的孿生支援向量機模型，並利用智慧型優化方法尋求滿意的引數組合，有效保證訓練速度和泛化能力。 應用結果表明，所提方法具有較好的魯棒性和可靠性，在不同場景下的效能指標均優於對比模型，為發電排程規則的智慧型提取提供了可行的新方法。
在不斷變化的條件下，庫群排程模型需要充分考慮發電效率、生態環境保護等複雜的用水需求，才能有效滿足流域綜合治理需求。 為此，首先構建了儲層電力與生態的多目標協同優化排程模型，並將其原有的合作搜尋演算法（CSA）進一步推廣到多目標合作搜尋演算法（MOCSA）。精英選擇等運算元和複雜的約束處理方法進行儲層群排程，實現快速優化。經典基準函式、工程優化問題和油藏群實際排程結果表明，所提方法的評價指標和統計結果均優於許多經典優化方法，可以快速獲得分布均勻的油藏群非劣質排程方案集， 揭示了油藏多維排程目標與生態之間的競爭與合作關係，為解決大規模複雜多目標優化問題提供了新的方法。
以上成果是馮仲愷教授通過科教融合，與長江水利委員會水文局、長江研究院、華中科技大學、華電電力科學研究院等知名單位和團隊長期共同完成的， 部分成果已成功應用於長江、珠江、吳江等特大河流域和巨型水電站，並發表在《水文學報》、《應用軟計算》等水文、水資源和人工智慧領域的頂級期刊上。為我國大型油藏群執行提供科學參考和技術支撐。（通訊員：張春平）。