Page 141 - 2025年第56卷第11期

分配，本文采用 K 值判别法来决定梯级的供蓄水次序，具体方法参考文献［22］。
2.3 基于模糊不确定性和随机模拟的风险量化方法 基于枯水期消落方案和蓄水调整期调度规则，利
用蒙特卡洛模拟方法生成大量不确定风光出力、径流场景并进行随机模拟，运用模糊理论表示高维不
确定性，以量化系统面临的各类风险概率和风险损失。
2.3.1 模糊不确定表达
（1）模糊隶属函数。径流和新能源预测误差特性，通常符合中间高、两边低的特性。柯西分布具
有中心峰度较高、尾部衰减缓慢的特性，能够很好地描述径流和风光出力中小概率极端事件的分布特
征。因此选择柯西分布作为隶属度函数分布，具体表达式参考文献［23］。
（2）多维变量隶属度。在随机模拟过程中，包含了多种变量之间的高维联合不确定性，其中有：
1）同一时段不同电源或者资源之间的联合不确定性；2）同一不确定变量（径流或者风光出力）、不同时
段之间的联合不确定性。本研究采用模糊关系来表达高维不确定性的联合隶属度。
考虑多个条件同时发生的情况下，最不确定的部分对整体的影响最大，因此定义如下模糊关系，
表示多模糊变量隶属度之间的关系，假设 A 1 ，A 2 ，…，A k 是 k 个模糊变量，它们的隶属度函数分别是
f ( a 1) ，f ( a 2) ，…，f ( a k) ，则：
h( a 1 ，a 2 ，…，a k) = min[ f ( a 1) ，f ( a 2) ，…，f ( a k)] （7）

上 述 模 糊 关 系 可 以 理 解 为 ， 当 多 个 变 量 同 时 为 模 糊 变 量 时 ， 它 们 同 时 发 生 的 隶 属 度
h( a 1 ，a 2 ，…，a k) 被定义为 f ( a 1) ，f ( a 2) ，…，f ( a k) 中的较小值。
2.3.2 风险量化指标 风险的全面刻画不仅要包含发生的概率，同时还需涵盖其可能遭受的损失。因
此，本文采用风险概率和风险损失来刻画面临的系统风险。指标计算方法如下。
（1）风险概率指标

1）枯水期缺电风险 R s
shortage （8）
R s = ∑ P i /I
i ∈ I
ì1 ∃ P
shortage = í i，t < P f ，t ∈ T 1 （9）
P i 0 ∀P
î i，t ≥ P f ，t ∈ T 1
shortage 为场景 i 下的系统不足风险刻画值，存在风险为 1，不存在为 0；P 为场景 i 第 t 时段的系
式中：P i i，t
统出力值；I 为模拟的场景总数；T 为枯水期的时段总数；P f 为系统保证出力。
1
2）汛期弃水风险 R w
ì T 2 ü
R w = num í∑ spill i，t > Sd ý /I （10）
î t = 1 þ
式中：Sd 为弃水控制阈值；spill i，t 为场景 i 第 t 时段的弃水量；num{ } · 代表统计次数。

3）年末蓄能不足风险 R e
end }/I （11）
R e = num{E i < E min
式中：E i 为场景 i 下的年末蓄能；E min 为系统的年末最低蓄能要求，低于此蓄能视为蓄能不足。
end
4）风光弃电风险 R c 。依据文献［15］拟合了风光的弃电函数来量化水电月均出力可能面临的月内风
光弃电。风光弃电风险的刻画指标如下式所示：
ì T ü
R c = num í∑ curtail i，t > Cd ý /I （12）
î t = 1 þ
式中：Cd 为弃电控制阈值；curtail i，t 为场景 i 第 t 时段的风光弃电；T 为全年调度时段数。
（2）风险损失指标。为进一步量化风险带来的可能损失，本文根据场景的模糊不确定性表征及每
个场景下指标损失值，计算得到多个场景下的风险损失，并基于经济学的风险价值 VaR 来量化一定置
信度下的最大可能损失。各指标固定场景下的风险损失值计算方法如下：
(
L i = [ μ i，t × max P f - P ，0 ] ) （13）
s
t
i，
— 1532 —