为量化梯级水电站水库调度过程中的风险形势,提出了预报信息驱动的梯级水电站水库风险调度模型。基于长短期记忆(LSTM)神经网络建立风险形势预测模型,通过构造预报入库径流、水库运行工况、调度决策与出力破坏程度和弃水量之间的映射关系,动态推演复杂工况下梯级水电站水库调度风险；建立基于风险形势的梯级水电站水库调度模型,提出发电不足风险预控模式和弃水风险预控模式。选取雅砻江流域下游锦屏一级和二滩水库组成的梯级水电站水库作为实例研究,结果表明:与常规发电量最大模型相比,风险调度模型通过提前降低出力来补偿未来出力破坏时段的发电量,锦屏一级和二滩水电站分别减小出力破坏程度46%、63%,通过提前增加发电流量预留库容来缓解蓄水期后续时段的弃水量,锦屏一级和二滩水电站分别降低弃水流量4.8%、5.4%；风险形势预测模型能够将径流不确定性嵌入风险调度模型中,通过风险预控决策动态响应水电站水库调度运行状态和径流形势变化,在保证梯级发电量的同时有效降低调度风险。