Page 44 - 《中国电力》2026年第4期

2026 年 第 59 卷

开始
S ∑
th,wp
β 1,t = P s P t,s /L t （27） 输入模型
s=1
是 i=1? 否
2）系统供需平衡指标 β 2,t ，量化系统总发电
计算系统
能力与负荷需求之间的期望差异程度，计算式为 状态指标 计算各目标
期望运行偏差

S ∑ N ∑
th,wp
h,max （28） 新能源渗 供需 库容状态
β 2,t = P s P t,s + P n,t − L t /L t 透率指标 平衡指标 指标

s=1 n=1 动态更新目标
构建非线性映射函数 权重系数 i=i+1
3）库容状态指标 β 3,t ，衡量水库蓄水量相对
有效库容的比例，计算式为 边界约束归一化处理
 
N 构建加权单目标函数
∑ V n,t −V min 
 n 
    （29）
β 3,t = min ,1.0
 max min 
 −V n )  计算目标函数值
θ(V n
n=1
否
式中： θ为库容饱和系数， 0＜θ＜1，本文取 0.7， 判断收敛?
是
表示当蓄水量达到有效库容的 70% 时库容状态趋 结束

近饱和。
图 3 自适应权重确定方法流程
首次迭代权重的确定采用 Logistic 饱和函数实
Fig. 3 Adaptive weight determination method flowchart
现上述指标到权重的非线性映射，其具体形式为
取该基地两个典型流域内已投产的、具备季调节
(1) A i
α = （30）
i,t −k i (β i,t −β i,0 )
1+e 能力及以上的省调水电站参与优化计算，总装机
(1)
式中： α 为时段 t 目标 i 首次迭代的初始权重； 容量 1 391.4 MW。在工程实际中，调度系统主要
i,t
A i 、 和 β i,0 分别为 Logistic 函数的饱和值、增益与 关注风电和光伏的各自总出力，为此，本文将流
k i
中心点参数，均通过敏感性分析与预实验结合的 域内 54 座风电场和光伏电站分别看作虚拟电厂纳
方式确定。 入调度模型，总装机容量 2 964 MW。负荷数据采
此外，本文设置了基于权重稳定性与目标函 用该基地具有代表性的典型年逐月负荷曲线，用
数值稳定性的双重收敛判据，即当相邻迭代间权 于表征系统的长期电力需求。参与优化计算的水
重矩阵的 Frobenius 范数变化小于预设阈值 δ α ，且 电站基础参数见表 1。
各 目 标 函 数 值 的 最 大 相 对 变 化 率 小 于 预 设 阈 值
δ f 时，判定为收敛。具体计算式为 表 1 水电站基础参数
Table 1 Basic parameters of hydropower stations
 (k) (k−1)
∥α −α ∥ ＜δ α

F

 装机容 正常蓄

  (k) (k−1)  流域 电站名称 死水位/m 调节性能

  f − f  （31） 量/MW 水位/m

  i i  
    

 max  ＜δ f
   年
  (k−1)  KJW 452.4 2 850 2 800
i∈{1,2,3} 
 f i
流域1 LZ 355.0 2 088 2 068 不完全年
式中： α 为第 k 次迭代的权重矩阵，其行向量
(k)
BX 20.0 3 300 3 240 多年
(k)
(k)
(k)
α (k) = [α ,α ,α ]表示时段 t 的权重分配； ||·|| F 表
t 1,t 2,t 3,t GW 208.0 3 398 3 320 年
示 矩 阵 的 Frobenius 范 数 ； f (k) 为 第 k 次 迭 代 目 标
i 流域2 QX 246.0 2 330 2 305 季
i 的函数值。 JT 110.0 2043 2 030 季
自适应权重确定方法的整体流程如图 所示。
3
场 景 生 成 模 型 基 于 PyTorch 深 度 学 习 框 架 搭
3 实例分析 建，调用 GPU 实现 CUDA 并行计算以加快训练进
程。优化调度模型利用 MATLAB 2020a 调用优化

3.1 工程背景 求解器 Gurobi 11.0.3 进行求解，最大迭代次数设置
本文以西南地区的跨流域水风光清洁能源基 为 50 次，实例运行 12 次迭代即可收敛。计算环境
地为研究对象，验证本文方法的有效性。研究选 为 Intel（R） Core（TM） i7-10510U CPU @ 1.80 GHz，
40