Page 61 - 2024年第55卷第12期

涉及。
受端省份负荷的复杂性，主要体现在 ４个方面：（１）季节特性，不同季节的负荷需求存在较大差
异 ［１８］ ；（２）日变、时变特性 ［１９］ ，负荷需求在日内和一小时内是动态变化的；（３）负荷的随机性和不确
定性 ［２０ － ２２］ ，导致难以准确预测和管理；（４）负荷空间分布的不均匀性，不同地区和用户的负荷需求通
常差异较大。这些复杂特性使负荷需求的变化规律和响应需求变得非常复杂，在水电调度交易中快速
响应负荷变化情况下，如何确定多电网、多时间尺度、多品种电量曲线分解方案成为新的难点问题。
一般而言，中长期调度通常有两种思路考虑负荷需求：（ １）将长时间尺度的平均出力分解为响应
送电网络调峰需求典型出力曲线；（２）将梯级水电出力过程与全网历史平均负荷变化保持一致。为得
到更加精细化的分解曲线，本文选择上述第一种方法进行水电中长期尺度的电量分配，重点关注负荷
的复杂性给水电带来的负荷峰值管理、跨区域负荷协调、负荷与水电之间的差异性问题。其中如何准
确抽取、描述多电网负荷特征是本问题的基础，根据历史负荷提取负荷特征是常用解决思路，如利用
Ｋ － ｍｅａｎｓ聚类优选长系列负荷曲线的典型过程 ［２２ － ２４］ ，进一步可以基于迁移学习分析负载特征，以挖掘
隐藏在负荷数据中的有价值信息，当数据量过大时，通过降维技术可有效减小负荷曲线的维数。在具
体应用时，由于负荷样本数量、负荷特性等差异，可能无法准确假定负荷数据的分布类型，从而影响
聚类方法的准确性。因此如何应对及描述差异化的负荷需求是跨区域水电交易的一个重要难题。
面对差异化受端省份负荷需求及多受端市场履约的复杂耦合问题，本文提出基于非参数估计的典
型负荷特征抽取方法，无需假定确定分布，且可自定义负荷特征参数实现数据降维，同时针对长期径
流预测误差，构建了基于拉丁超立方抽样 ［２５］ 及 Ｋ － ｍｅａｎｓ聚类的径流场景生成方法；为避免负荷量级
对电量分配及曲线分解造成不合理平衡影响，采用峰谷差率及送电比例确定目标权重重构负荷曲线，
进而构建了以受端电网省份负荷峰谷差最小调峰、考虑梯级水电站计划电量履约的期望收益最大多目
标模型。提出的模型方法以西南某特大流域干流四座梯级水电站送电多个受端电网为例进行了验证分析，
能够有效适应现阶段全计划电量、以及将来计划电量与市场电量并存不同模式下的调度运行需求。

２ 梯级水电站年度电量曲线分解问题的提出

目前水电站交易电量主要有计划电量和市场化电量。前者是为保证水电优先消纳，电站直接与电
网签订的计划合约；而后者为目前中长期电力市场涉及的双边、集中交易、挂牌交易等多品种电量。
根据实际生产需求，曲线分解模式主要有两种，一是电站未参与电力市场全计划电量模式，另一是在
市场化改革阶段所面临的计划电量和市场化电量并存模式。在全计划电量模式下，巨型流域梯级需要
确定各电站逐月的计划电量总量以及送不同省份的典型出力曲线，有效响应各电网复杂调峰需求，这
一任务与电站来水及受端电网的短期负荷特性密切相关；在计划电量与市场化电量并存模式下，巨型
流域梯级电站在年前需要确定各省逐月计划和市场化电量，以及与计划电量的各省逐月典型出力曲
线，其中计划电量在各月间分配比例以及分时曲线形状均会影响市场化电量的决策空间，这种情况下
月度电量需求、日内负荷变化、径流特性都会影响计划电量和市场化电量的优化配置。总之，水电站
的年度电量曲线分解（图 １）需要精准掌控不同受端电网 ［５］ 、不同尺度的负荷特性，以及水电站的不确
定径流特性，以确实有效响应差异化多尺度的复杂电网电力电量需求 ［４］ ，下文将在梯级水电站年度电
量曲线分解模型基础上，从径流描述、负荷抽取、模型求解多方面分别阐述。

３ 梯级水电年度曲线分解模型

３．１ 模型目标
（１）复杂受端省份各月各电站综合调峰目标
Ｋ Ｍ Ｄ
（
ｍｉｎ ∑∑ ∑ Ｃ ｄ，ｋ，ｍ ）·（ｌｓｘ － ｌｓｍ ） （１）
ｋ，ｍ
ｋ，ｍ
ｋ ＝１ｍ＝１ ｄ ＝１
４
— １ ７ ３ —