Page 54 - 水利学报2021年第52卷第2期

表 4 云南水电系统总年发电量及计算耗时
典型年 方法 总发电量/（亿 kW·h） 耗时/ms

POA 2609.39 42765
枯水年
KL 方法 2610.96 10203
POA 2751.47 43581
平水年
KL 方法 2756.77 10195
POA 2893.97 43696
丰水年
KL 方法 2897.3 10197

表 5 各流域主要调节电站 KL 特征项个数统计
流域 电站名称 调节性能 装机/MW KL 特征项个数 流域 电站名称 调节性能 装机/MW KL 特征项个数
小湾 多年调节 4200 6 居甫渡 季调节 285 3
李仙江
大朝山 季调节 1350 4 戈兰滩 季调节 450 4
澜沧江
黄登 季调节 1900 4 弄另 季调节 180 2
龙川江
糯扎渡 多年调节 5850 5 龙江 年调节 260 3
观音岩 季调节 3000 3 柴石滩 年调节 60 2
南盘江
金沙江 溪洛渡 年调节 13860 5 云鹏 年调节 210 2
向家坝 年调节 7750 5 泗南江 年调节 201 4
龙马 季调节 285 2 红河 普西桥 年调节 190 4
李仙江
崖羊山 季调节 120 3 马堵山 不完全年调节 288 3

从表 3 和表 4 可以分析，KL 方法在澜沧江、金沙江等大型流域梯级的电量结果优于 POA 方法，
但在龙川江、南盘江、李仙江等无大型年调节以上电站的主要河流支流，部分来水场景下低于 POA
3
方法，主要原因如下。由于澜沧江小湾、糯扎渡水电站具有多年调节性能，调节库容分别达到 98.77亿 m
与 113.35 亿 m ，因而在不同来水场景下可能存在多种调节调度过程，说明基于调度过程特征的 KL 方
3
法可以提取到更多有效特征建立 KL 表达式。以糯扎渡水电站为例，可以提取 5 个 KL 特征项，每个特
征项对应一种典型调度过程，从而在优化搜索时更精准地给出符合实际来水过程的调度结果。相比
而言，龙川江、南盘江等流域电站调节性能较差，可参与优化计算的季调节电站调节库容较小，因
此调节调度过程相对偏少，使得 KL 表达式中包含的有效特征也相对较少（见表 4），KL 方法优化计算
结果的精度相对较低。部分流域历史资料较短，例如李仙江梯级水电站，龙马与居甫渡的资料长度
分别为 25 年与 30 年，较其余电站 50 年的历史资料系列偏短，导致调度特征识别的样本集相对偏小，
优化得到的电量略少于 POA 方法。
综上分析，在使用 KL 方法时，水电站应具有较好的历史调度样本序列和较强的调节性能，这种
类型电站进行历史调度特征提取得到的特征项数目通常较多且具有代表性，更易得到较好结果。
图 3 某水电站特征值曲线
4.4 KL 方法特征项敏感性分析 根据上文分析，KL 特征项的选择会直接影响优化计算的结果和效
率。为此，本节选择单一水电站和梯级水电站进行特

征项的敏感性分析。图 3 是澜沧江干流某水电站的 KL
特征值曲线。
根据 3.3 节中累计贡献率计算方法，该水电站选择
了累计贡献率前五的 5 个特征值及其对应的特征向量用
来描述水库调度时段末水位的 KL 展开式。为了分析特
征值选取对于计算结果的影响，分别采用贡献率排序
前二的特征值与前三的特征值构建该水电站的 KL 表达
式（简称为 KL 特征组合 1 与 KL 特征组合 2），进行水电 图 3 某水电站特征值曲线

— 178 —