Page 85 - 水利学报2021年第52卷第6期

阶段模型求解进一步提升了系统性能。Zhang 等 ［17］ 考虑了风速、太阳辐射和负荷的不确定性，构建了
三种考虑多维不确定性的风光水互补日前调度模型，得到了系统次日运行过程的概率密度函数。Liu
等 ［18］ 采用非参数核密度估计方法描述新能源预测误差，构建了风光水日前调峰调度模型，将其改写
为连续线性规划问题进行求解。Zhu 等 ［19］ 采用情景树表征新能源出力以及负荷的不确定性，建立了风
光水系统随机优化调峰调度模型，有效降低了系统负荷的峰谷差。由于短期预报信息的短视性，短
期优化调度策略并不能保证系统的长期运行性能相对较优。此时，探索多能互补系统的中长期优化
调度策略十分必要。
针对多能互补中长期调度问题，学者们在传统水电调度框架的基础上，考虑互补运行新特性，
也作了诸多有益的探索。如 Li 等 ［20］ 构建了发电量最大和出力波动性最小的确定性多目标优化模型。
由于在实际运行过程中，光伏出力和入库径流并不能准确预测。因此，基于确定性优化结果指导互
补电站运行可能会偏离最优运行轨迹。为此，Yang 等 ［21］ 采用隐随机优化调度方法，制订了大型水光
互补电站的中长期优化调度规则，提高了互补系统的发电量和发电保证率。随后，Li 等 ［22］ 采用显随
机优化调度框架，对水光互补电站调度规则问题进行了拓展研究，发现同时考虑入流和光伏出力的
不确定性能够进一步提高互补调度效益。然而，传统中长期调度模型往往基于旬、月等尺度，未考
虑风、光电的短期随机波动性，忽略了短期弃电风险，所制订的调度规则可能难以有效协调新能源
消纳和流域水资源综合管理。
鉴于此，本文提出嵌套短期弃电风险的水光互补中长期优化调度方法。首先，分析水电与光电
联合运行过程中可能产生的弃电情形，并对弃电损失进行量化；其次，基于日调度模型的多情景分
析制订中长期弃电损失函数，以定量表征长期水电出力与光伏弃电率之间的关系；最后，将弃电损
失函数嵌套在中长期调度模型中，采用隐随机优化方法推导出能协调水资源综合利用与新能源并网
的互补调度规则。以龙羊峡水光互补工程为实例，论证本文所提出方法的合理性和有效性。

2 水光互补发电系统的弃电损失函数构造

受多种气象因素的影响，光电出力在短时间尺度上通常难以准确预测，导致水光电联合运行过
程往往伴随着一定的弃电风险。本文将弃电率（弃电量与理论发电量的比值）作为风险评价指标，采
用多情景分析方法构造弃电损失函数，用于定量评估一定水电出力下可能的弃电损失，最终实现弃
电风险可控。
2.1 弃电损失量化 弃电的本质是“供大于求”，即系统的发电量高于负荷需求。在利用水电补偿光电

过程中，水电站通常需要同时兼顾防洪、供水、生态等多个调度目标。由于部分水资源综合利用任务
（如防洪、生态）的优先级高于互补发电，迫使水电无法继续降低出力补偿光电，而多余的光电无法被
储存，从而导致弃电。因此，当给定负荷需求以及水电上网电量时，光伏弃电量便可确定。在实际运
行过程中，水电出力受水库来水、水资源综合利用要求以及水库调节性能等因素的影响，主要表现
为：水电站下泄流量不能低于其下限值（取决于生态、供水需求）；水库水位不能高于其上限值（汛期为
防洪限制水位、非汛期为正常蓄水位）。因此，可得到临界条件下的主要弃电情形，如图 1 所示：
（1）水电站出力（下泄流量）已达到其下限值，无法继续降低出力（下泄流量）补偿光伏发电。此时
水电出力（下泄流量）按照下限执行，光伏发电通过弃电的方式配合水电以满足负荷需求，高于电网
负荷需求的部分光电无法被电网接收，如图 1（a）所示。弃电量可采用出力形式描述，如下：
T
d å( P + P - P
E = t h t s t hs ) Dt （1）
c
t = 1
ìP hs - P ，P hs > P s
s
h
P = í t t t t （2）
t
î 0，P t hs ≤ P t s
式中：T 和 t 分别为日调度总时段数和时段编号； E 为光伏电站日总弃电量； P t h 、 P 和 P t hs 分别
s
c
t
d
为水电实际上网出力、光电实际上网出力和负荷需求。
— 713 —