Page 42 - 《中国电力》2026年第4期

2026 年 第 59 卷

两层全连接网络。 力，以互补系统消纳电量期望 f 最大化、弃电与
1
判别器网络包含卷积网络层和全连接层。卷 缺电量期望 f 最小化为目标，构建中长期随机调
2
积层结构与生成器网络设计类似，在卷积操作后 度模型，具体目标函数为

引入了实例归一化和 LeakyReLU 激活函数。判别 S ∑  ∑∑      
T
N


h
wp
Max f 1 = P s        P + P ∆T t    （7）

n,t
器网络第 t 月第 m 层的输出 Q (m ∈ {1,2})为    t,s   
ˆ m
t s=1 t=1 n=1
ˆ m
m
ˆ
Q = LeakyReLU[N IN (Q ˆ m−1 ∗ f )] （4）  
t t t T
S ∑
∑( ) 
   loss aban    （8）
ˆ m
式中： f 表示第 m 层的卷积核； N IN (·)为实例归 Minf 2 = P s    P t,s + P t,s ∆T t  
t
s=1 t=1
一化函数。经过两层卷积操作获得的特征经全连
P wp = P th,wp − P aban （9）
t,s
接层映射为场景真实性评分。 t,s t,s

1.2.2 网络训练 式中：S 为风光典型出力场景总数；T 为调度时
h
在网络训练过程中，传统 GAN 常面临训练不 段 数 目 ； N 为 梯 级 电 站 数 目 ； P 为 水 电 站 n 在
n,t
稳定、模式崩溃等问题 [20-21] ，为此，本文采用改进 t 时段出力，MW； P th,wp 、 P wp 分别为场景 s 下 t 时
t,s
t,s
的 GAN 训练策略，引入 Wasserstein 距离替代 JS 散度 段风光理论出力与实际出力，MW； P loss 、 P aban 分
t,s
t,s
作为样本分布间差异的度量指标。根据 Kantorovich- 别为场景 s 下 t 时段的缺电与弃电，MW； ∆T t 为
Rubinstein 对偶理论 [22] ，Wasserstein 距离定义为 t 时段的小时数，h； P s 为风光典型场景 s 的概率。
另 一 方 面 ， 目 标 涵 盖 最 小 化 弃 水 损 失 期 望
[D(G(z))]
W(P data (x),P z ) = sup E P data (x) [D(x)]− E P z
|| f D || L ≤1 f ，旨在通过优化梯级水库运行方式，充分发挥
（5） 3
水电调节能力，提升流域水能资源利用效率，具
式中： W(P data (x),P z )为真实数据与生成数据分布间
体目标函数为
的 Wasserstein 距离；sup 表示最小上界； ||f D || L ≤1
)]
avg
表示判别器函数必须满足 1-Lipschitz 连续性条件。 Min f 3 = S ∑ T ∑ N ∑[ f nhq ( H n ,Q Ln,t P s ∆T t （10）
h
为进一步提高训练稳定性，采用梯度惩罚项（grad- s=1 t=1 n=1
avg
ient penalty，GP）替代权重裁剪，通过约束判别 式中： H n 为水电站 n 的平均水头，m； Q Ln,t 为水
器在真实数据与生成数据之间插值点处的梯度范 电站 n 在 t 时段的弃水流量，m /s； f nhq (·)为水电
3
h
数，增强模型的 Lipschitz 连续性 [23] 。最终，改进 站出力函数。

后的模型训练目标函数从式（1）转化为 2.2 约束条件

[D(G(z))]− 2.2.1 电力平衡约束
minmaxV(D,G) =E x∼P data (x) [D(x)]− E z∼P z
G D
[ ]
( ) 2 N ∑
∥∇ ˆx D(ˆx)∥ −1 （6） th,wp
2 (P + P t,s + P ) = L t （11）
λE ˆx∼P ˆx h re
t,s
n,t
n=1
式 中 ： λ为 梯 度 惩 罚 系 数 ； E ˆx∼P ˆx [(∥∇ ˆx D(ˆx)∥ −1) ]
2
2
 re re
P
为梯度惩罚项，其中 ˆ x = εx+(1−ε)G(z),ε ∼ U[0,1] 。  loss = P , P ≥0 （12）
t,s
t,s
 t,s

 aban
 re re
 P t,s = −P , P ＜0
t,s
t,s
2 水风光互补中长期优化调度模型 式 中 ： P 为 场 景 s 下 t 时 段 的 系 统 剩 余 出 力 ，
re
t,s
MW； L t 为系统在 t 时段的负荷需求，MW。

2.1 目标函数 2.2.2 输电通道容量约束
梯级水电主导的跨流域水风光清洁能源基地 N ∑
h wp （13）
中长期调度是典型的多目标优化问题，需兼顾新 (P + P )≤P max
t,s
n,t
n=1
能源消纳能力、电网安全稳定运行及流域水资源
式中： P max 为输电通道容量最大值，MW。
利用等多重需求，实现各类目标的协调与平衡。
2.2.3 梯级水电站约束
一 方 面 ， 为 促 进 新 能 源 消 纳 、 保 障 电 网 供 应 安
1）水量平衡方程为
全，在面向电网的长期大规模电力电量平衡调节
(
)
需 求 时 ， 应 充 分 发 挥 水 风 光 资 源 的 协 同 互 补 潜 V n,t+1 = V n,t + Q n,t − Q Pn,t − Q Ln,t ∆T t ×3 600 （14）
38