Page 28 - 2023年第54卷第12期

光 ［１１］ 最优调度规则。从规则形式角度，已有研究包括机器学习类规则 ［１９ － ２０］ 、线性规则 ［１２，２１］ 、分段线性
规则 ［９，２２］ 等。人工神经网络、支持向量机等机器学习方法属于黑箱模型，缺乏可解释性，难以直接应用
于工程实际 ［２２］ ；线性规则简单直观，但其参数较少、形式单一，难以准确表征复杂的调度决策 ［２３］ ；文
献［ ９，２２］结合对冲规则 ［２４］ 、满蓄规则 ［２５］ 、标准调度规则 ［２６］ 分别提出三段式、五段式分段线性调度规
则，提高了梯级水电发电量和电量供应可靠性，这类规则具有物理基础，可解释性强，其在梯级水风光
综合基地亦可有良好应用前景，但需要根据新能源消纳规则加以改进。从优化或模拟模型构建角度，已
有研究主要关注发电效益和供电可靠性，文献［ １９］考虑发电效益进行确定性优化并提取调度规则，有效
提高了系统发电效益；文献［ １２，２１］以发电量最大和保证出力保证率最大为目标构建优化模型，在保证
供电可靠性的同时提高发电量；文献［２７］在模型中进一步考虑了梯级互补储能系统对新能源的长期消纳
作用。然而，上述研究忽略了风光出力、径流的不确定性和季节性波动导致的弃电、缺电风险，需要分
析梯级水风光综合基地弃电与缺电产生原因，构建相应的指标或控制准则并将其纳入优化或模拟模型。
针对上述问题，依托贵州某梯级水风光综合基地实际调度需求，在分析缺电与弃电原因的基础
上，提出耦合出力破坏深度与弃电准则的梯级水风光互补调度规则制定方法。结合标准调度规则、对
冲规则、满蓄规则、新能源消纳规则并考虑输电通道容量限制，提出梯级水风光六段式互补调度规
则，以减少缺电、弃电；提出出力破坏深度指标度量缺电风险、提出弃电准则避免非必要弃电，并以
此为基础构建多目标参数模拟优化模型；考虑优化目标重要程度，采用基于目标优先级改进的非支配
排序遗传算法求解参数模拟优化模型优化规则参数。设置多种新能源装机容量场景、输电通道容量场
景和对比规则从多角度验证本文所提规则、出力破坏深度、弃电准则的有效性；并绘制梯级水风光互
补调度图，更加简明、直观，便于调度人员实际应用。

２ 梯级水风光互补调度规则与参数模拟优化模型

首先分析导致缺电、弃电的因素，然后针对性提出梯级水风光六段式互补调度规则和出力破坏深
度指标、弃电准则，并以规则参数为决策变量构建多目标参数模拟优化模型。
２．１ 缺电与弃电因素分析 枯水期叠加风电、光伏发电能力不足极易导致梯级水风光综合基地无法满
足电网电量需求，增加电力系统电量短缺风险。本文在标准调度规则的基础上，增加对冲规则，提前
预留梯级水电蓄能，避免未来极端缺电，并提出出力破坏深度指标度量缺电风险，以优化规则参数。
梯级水风光综合基地弃电一般发生在汛期，由 ４方面因素叠加导致：梯级水库调节能力不足、上
下游水库调节能力不匹配、输电通道容量限制以及风电光伏高出力。当梯级水库处于蓄满或接近蓄满
状态时，梯级水电满发运行，一方面与风电光伏挤占输电通道，另一方面上游龙头水电站满发导致下
游小水库弃水，从而导致弃电。针对该问题，本文从三个方面提出解决方案：（ １）在标准调度规则的
基础上，增加满蓄规则，提前增加梯级水电出力，预留梯级水库调节能力；（ ２）提出弃电准则，充分
利用控制型水库调节能力，避免梯级联动调度导致的非必要弃电；（ ３）输电通道需与风电、光伏同步
建设，本文在 ４．３．４节根据模拟调度结果分析合理的输电通道容量配置。
２．２ 梯级水风光互补调度规则 由于风电、光电不可调度属性，在输电通道容量范围内，按照发电能
力全额消纳，即新能源消纳规则为分段线性。根据文献［９，２２］，梯级水电调度规则同样具有分段线
性特征。基于上述分析，本文在标准调度规则的基础上，结合对冲规则、满蓄规则和输电通道容量限
制、新能源消纳规则提出梯级水风光六段式互补调度规则，如图 １所示，以可用能量 Ａ ＨＷＳ 统筹考虑梯
ｔ
级水电站水库状态和径流、风光出力等系统输入，决策梯级水风光综合基地时段发电量 Ｅ ＨＷＳ 。图中
ｔ
Ｐ ２
Ｐ １
Ｈ ２
Ｈ １
Ａ 、Ａ 、Ａ 、Ａ 为待优化规则参数，１２个月共计 ４８个待优化参数，其他均为已知参数。下面首先
ｍ
ｍ
ｍ
ｍ
介绍已知参数计算方式，然后解释本文所提规则的合理性和物理含义。
ｍ＝ （ｔ － １ ）ｍｏｄ１２ ＋ １ （１）
式中：ｍ为月份编号，ｍ＝ １ ，２，…，１２，每月规则参数不同；ｔ为模拟调度时段编号，ｔ ＝ １ ，２，…，Ｔ。
Ｈ
Ｗ
Ｓ
Ａ ＨＷＳ ＝ Ａ ＋ Ｐ × Δ ｔ ＋ Ｐ× Δ ｔ （２）
ｔ ｔ ｔ ｔ
— １ ４ ６ —
１