Page 45 - 2023年第54卷第2期

该图采用软件 Ｏｒｉｇｉｎ径向条形图功能绘制：将圆环 ６等分，分别表示该梯级的 ６座水电站；外圈表
示方法在各指标下所能达到的满分 １００分；４种不同颜色花瓣分别代表期末水位偏差（红）、弃水量（蓝）、
发电量（黄）、出力变幅次数（绿）这 ４个指标；彩色花瓣的长度和宽度表示各方法在不同指标下的得分和
权重，本文对各指标取等权重，故花瓣宽度一致；内圈数字代表方法在该场景下的综合得分。以下分别
从各方法单项指标优劣和整体优劣两方面进行评价分析。
从各方法的单项指标优劣情况来看：
①计算耗时方面，枯水期关联搜索方法和本文方法耗时分别是 １５３ｓ和 ４８ｓ，平水期分别是 １９５ｓ和
４７ｓ，关联搜索方法是本文方法的 ３倍和 ４倍，而汛期分别是 ３９ｓ和 ７３ｓ，可以看出本文方法在来水较少
时计算效率非常高，而来水较多时耗时比较长，主要原因是需要花大量时间反复处理弃水和水量平衡，
而本文采用精度较高但耗时较长的 ＮＱＨ曲线计算电站出力，需要进行大量的插值计算。
②电站出力方面，从图 ５—７的出力过程可以看出，无论是枯水期、平水期还是汛期，本文方法获得
的出力过程都更加规则和平稳，特别是汛期，来水大幅增加，调度难度增大，但本文方法的优势得到进
一步发挥，不仅有效增加了发电量，而且输出的发电计划过程平稳，虽然计算耗时增加，但 ６座电站的
平均变化次数仅为 ０．７次，远少于实际值和关联搜索方法的 ７次与 ７．３次，大幅减轻了电厂工作人员的工
作负担；同时，以枯水期和平水期为例，从图 ５—６可以看出，关联搜索方法得到的调峰幅度大于本文方
法，但从表 ２可以看出，由关联搜索方法得到的梯级总发电量小于本文方法。本文方法通过抬高电站的
平均出力以限制调峰幅度，从而增加梯级发电量并提高全天水资源利用率的策略是有效的。此外，值得
注意的是枯水期典型日范厝站基于本文模型得到的发电量比采用关联搜索模型得到的发电量少，这是因
为本文方法不是一味地追求发电量最大化，而是期望在尽可能增加发电量、减少弃水量的同时，能够让
水库维持一个较高的水位，使得机组在高效率区运行。从图 ５可看出，本文方法范厝站出力的增减变化
与上游出库流量的变化基本保持一致，而关联搜索方法范厝站出力的增减变化与上游出库流量的变化趋
势有较大差别（范厝站有 ２个高峰，其上游孔头站只有 １个高峰），在第 ４１时刻点之后，本文方法范厝站
的水位值一直高于关联搜索方法，故此处范厝站基于本文模型得到的发电量比采用关联搜索模型得到的
发电量少。
③减少梯级弃水量方面，从表 ２可知，本文方法在枯水期和平水期梯级总弃水量均为 ０，且梯级总
发电量均高于实际值和关联搜索方法，本文方法实现了既多发电，又在避免弃水的前提下适当地响应了
电网调峰需求；汛期实际情况、关联搜索方法、本文方法的梯级总弃水量分别为 １７６１．０万、９０２．２万、
３
９８２．６万ｍ ，实际情况梯级总弃水量是本文方法的 １．７９倍。而本文方法弃水量多于关联搜索方法的原
因是第 ６９时刻点之后，本文方法池潭站的出力大于关联搜索方法，出库流量增加导致下游电站入库
流量增加，即使下游电站机组全部满发也不可避免地有弃水产生，尽可能地实现了水资源高效利用。
④期末水位达标方面，从表 ２可知，部分电站在本文方法下的期末水位偏差并不总是优于实际值
与关联搜索方法。以汛期为例，本文方法下良浅、孔头、范厝和高唐的最大水位偏差高于关联搜索方
法结果，分别为 ０．４１、０．０７、０．０５和 ０．１０ｍ，良浅站未达到精度范围，这是由于在第 ６９时刻点之后，
本文方法池潭站的出力大于关联搜索方法（参见图 ７），出库流量增加，相应地导致下游电站入库流量
增加，即使良浅站机组全部满发也不可避免地产生了弃水。为了尽可能减少弃水，期末水位未能降至
给定的期末水位目标值，孔头、范厝、高唐的水位偏差处于各电站的精度允许范围内。
从上面①—④单项指标优劣来看，本文方法并不是每项指标都优于实际值或关联搜索方法，而从
各方法的整体优劣情况来看（见表 ３和图 ８），各方法下电网剩余负荷最大值非常接近，但本文方法在
汛、平、枯三种不同来水场景下均能实现期末水位偏差、弃水量、发电量、出力变幅次数四个方面的
整体优化，枯水期方案综合得分高出实际值和关联搜索方法 ８分和 ９分；平水期方案分别高出 ８分和
１７分；汛期分别高出 １９分和 １５分，平均综合得分高出实际值、关联搜索方法 １１．３分和 １３．３分，解
集质量十分稳定。
综上所述，相比于传统方法，本文方法稳定性强，能在不同来水场景下高效地输出满足工程实际
需求的高质量解集，可较好地实现梯级水电站群兼顾调峰和水资源高效利用的调度需求。

— １ ６ ９ —