Page 40 - 《中国电力》2026年第4期

2026 年 第 59 卷

为目标，提出基于反馈调节的自适应权重确定方法以动 件生成对抗网络，所生成的多区域出力场景集更
态调整不同时段下各目标优先级，构建了跨流域水风光 符合风电出力特征。上述人工智能方法虽具备更
互补中长期多目标随机优化模型。以西南地区跨流域清
强的分布拟合能力，但其应用目前多面向短期、
洁能源基地为例进行仿真分析，结果表明，与常规方法
单一的风光电源对象，针对中长期尺度下考虑风
相比，所提方法在兼顾流域水资源利用的同时提升了新
光时空相关性的联合场景生成研究仍显不足。
能源消纳水平与系统供电可靠性，综合弃电率与缺电风
目前关于中长期优化调度方法的研究中，文
险分别降低 1.53 个百分点和 24.5%，实现了多目标间的协
同优化与有效平衡。 献 [15] 采用多维随机动态规划方法制定水光互补
关键词：场景生成；不确定性；生成对抗网络；水风光 系统的长期运行规则。文献 [16] 以期望总收益最
互补；中长期优化调度；动态权重 大化为目标，综合考虑发电收入、期末储能价值
DOI：10.11930/j.issn.1004-9649.202510031
及 弃 缺 电 惩 罚 ， 构 建 了 长 期 随 机 调 度 模 型 。 文
献 [17] 提出的多尺度耦合嵌套框架将短期调峰需
0 引言 求纳入长期调度，建立了兼顾发电效益与电网平
稳性的多目标优化模型。文献 [18] 在最大化发电
在“双碳”目标背景下，优先发展水能、风 量的基础上考虑发电偏差，构建两阶段长期优化
能、太阳能等可再生能源是推动能源结构转型、 模型以提高多能互补的综合效益。然而，上述研
实现可持续发展的关键途径，也是国际社会共同 究多采用单一目标或预设的固定权重偏好处理多
倡导的战略方向 [1-2] 。中国水电规模庞大，已投产 目标问题，在应对复杂的实际运行场景时灵活性
水电装机超 100 GW，开展流域水风光一体化建设 不足，难以实现多重目标间的有效协同与动态权衡。
已成为推动能源绿色低碳转型和高质量发展的重 针对上述研究现状，本文首先提出一种改进
要举措 [3-4] 。然而，风光发电能力在中长期尺度上 的 Wasserstein 生成对抗网络（generative adversarial
呈现出显著的季节波动性特征 [5-6] ，导致水电调节 networks，GAN）结构以增强模型对风光出力时空
能力与风光消纳需求难以高效匹配。因此，如何 耦合特征的提取能力，生成高质量风光联合场景
准确表征风光出力不确定性，生成具有代表性的联 并利用 K-means 算法进行场景削减；其次，构建
合出力场景，并制定合理高效的中长期调度策略， 兼顾清洁能源消纳、系统供电可靠性与流域水资
对保障互补系统的安全经济运行具有重要意义 。 源 利 用 的 中 长 期 随 机 调 度 模 型 ， 并 针 对 跨 流 域
[7]
目前关于新能源出力场景生成方法的研究， 水风光互补系统的季节性运行特点与多目标间的
主要包括基于数学建模的传统生成方法 [8] 和基于 动态竞争关系，提出一种基于反馈调节的自适应
数据驱动的机器学习方法 [9] 两类。文献 [10] 通过 权重确定方法，以实现目标优先级的动态调整与
混合 Copula 函数构建联合模型，生成了能够反映 协同优化；最后，以西南地区跨流域水风光清洁
机组间复杂相关性结构的风光联合出力场景。文 能源基地为例进行仿真分析，验证所提方法的有
献 [11] 结合非参数核密度估计与多元正态分布， 效性。

提出了考虑风光出力时变特性的动态场景生成方
法。然而，传统生成方法多依赖统计学的先验假 1 风光联合出力场景生成
设，对于新能源机组出力所呈现的高维非线性特
征难以精准捕捉。相比之下深度生成模型凭借其 1.1 生成对抗网络的结构
强大的数据表征与特征提取能力，在场景生成领 生成对抗网络是一种无监督深度学习框架，
域展现出了显著优势。文献 [12] 提出基于条件生 该 方 法 基 于 真 实 样 本 集 的 对 抗 训 练 实 现 模 型 拟
成 对 抗 网 络 的 可 再 生 能 源 日 前 出 力 场 景 生 成 方 合，隐式地学习数据潜在的分布规律。GAN 由生
法 ， 所 生 成 场 景 集 能 够 准 确 刻 画 其 出 力 不 确 定 成器（generator，G）和判别器（discriminator，D）
性。文献 [13] 构建基于 Wasserstein 生成对抗网络 两部分组成，其基本结构如图 1 所示。
的多节点联合场景生成模型，实现了多节点源-荷 以风光联合出力场景生成为例，本文将风光
场景的生成。文献 [14] 采用三维卷积设计改进条 历史出力数据记作 x，其真实分布用 P data (x)表示。

36