基于模擬-優化調度框架的開都河梯級水電站發電潛力分析

摘 要：開都河梯級水電站電力市場年度交易的申報依賴于水電站發電能力的合理評估。為充分挖掘水電站發電調度潛力，合理申報年度發電計劃，保障水電站的經濟效益，開展開都河梯級水電站發電調度潛力研究勢在必行。

本文以開都河梯級水電站為研究對象，以缺水率最小和發電量最大為目標，構建了多目標優化調度模型，采用改進的NSGA-II算法求解模型；與模擬調度對比分析挖掘了優化調度的發電潛力。研究表明：①優化調度較模擬調度不僅提高了出力的保證率，更增加了發電量，模擬調度下開都河梯級水電站多年平均發電量16. 78億kW·h，優化調度增發1. 33億kW·h，漲幅8%；②不同典型年，優化調度對于開都河梯級水電站發電調度潛力挖掘效果不同，特枯水年的效果尤為顯著，特枯水年的增幅為平水年增幅的1. 95倍，為特豐水年增幅的6. 68倍。研究成果可為梯級水電站申報年度交易計劃、保障水電站經濟效益提供決策依據。

關鍵詞：梯級水電站；發電調度潛力；調度模型；改進NSGA-II算法；典型年

中圖分類號：TV1 文獻標識碼：A 文章編號：1001-9235（2025）02-0100-09

Analysis of Power Generation Potential of Kaidu River Cascade Hydropower Stations Basedon Simulation-Optimization Dispatching Framework

CHEN Hongbo 1 ， BAI Tao 2* ， HUA Xin 2 ， LIU Rui 1 ， KANG Yu 2

（1. CHN Energy Xinjiang Kaidu River Valley Hydropower Development Co.， Ltd， Korla 841000， China; 2. State Key Laboratory of Eco-Hydraulics in Northwest Arid Region of China， Xi′an University of Technology， Xi′an 710048， China）

Abstract： The annual trading declaration of the electricity market for Kaidu River Cascade Hydropower Station depends on an accurateassessment of their power generation capacity. In order to fully tap the power generation dispatching potential of the hydropowerstation， rationally declare the annual power generation plan， and guarantee the economic benefits of the hydropower station， it isimperative to carry out research on the power generation dispatching potential of Kaidu River Cascade Hydropower Station. This studyfocused on Kaidu River Cascade Hydropower Station， aiming to minimize water shortage rates and maximize power generation. A multi-objective optimization dispatching model was created， and it was solved by using an improved NSGA-II algorithm. The model resultswere compared with simulated dispatching to tap the power generation of optimization dispatching. The results show that： ① Comparedwith simulation dispatching， optimization dispatching improves output reliability and increases power generation. Under simulationdispatching， the annual average power generation of Kaidu River Cascade Hydropower Station is 1. 678 billion kW·h. Optimizationdispatching obtains an additional 133 million kW·h （8% increase） in the annual average power generation; ② in different typical years， optimization dispatching has different effects on power generation dispatching potential exploitation of Kaidu River CascadeHydropower Station， especially in extreme dry years， where the increase is 1. 95 times that of normal years and 6. 68 times that ofextreme wet years. These results provide a decision-making basis for annual trading plan declarations of cascade hydropower stationsand ensure the economic benefits of cascade hydropower stations.

Keywords： cascade hydropower station; power generation dispatching potential; dispatching model; improved NSGA-II algorithm;typical year

隨著電力體制改革持續深入與能源轉型發展要求， “雙碳”戰略目標助推新能源快速發展，經營性發用電計劃有序放開，市場交易規模持續擴大。

隨著新疆電力市場的建設實施，梯級水電站勢必逐步參與電力市場化交易，并和其余類型的電源同臺競價，共同出清，以期實現自身效益的最大化。在中長期電力市場交易中，水電站的交易計劃主要根據年度發電計劃的制定，申報發電計劃的合理性直接決定了水電站的盈利，而水電站發電計劃的制定大都依靠運行調度人員自身經驗，缺乏對水電站自身發電能力系統性的評估，導致水電站未能充分利用自身調節能力以兌現發電調度潛力，影響水電站收益。

以往的發電調度計劃主要在水情預報的基礎上采用經驗調度方式制定發電計劃，該方式過于依賴調度運行人員的經驗和素質，缺乏科學性，計劃常過于保守，以至于未能完全發揮預測水情下的發電調度潛力。基于此，針對在水情預報的基礎上充分發揮水庫自身調節能力，充分挖掘水電站發電調度潛力，以制定合理的發電計劃進而保障水電站的經濟效益這一問題，國內外學者對水電站發電潛力分析進行了大量研究。文獻［1-4］通過建立模擬調度，采用情景分析等方法分析評估了長江上、下游水電站以及四川電網水電站的發電潛力，證明模擬調度的方式可以挖掘發電潛力，且具有一定的效果。但隨著水電站優化調度概念的提出［5］ ，國內外學者將水電站優化調度研究應用到水電站發電潛力挖掘領域，并取得了豐碩的研究成果［6-12］ ，其中水電站模擬調度和以出力最大［13］ 或發電效益最大 ［14］的優化調度方式是該研究的熱點。水電站調度運行方式也從單一水電站拓展到水電站串聯型，即梯級水電站。針對梯級水電站優化調度研究仍存在許多問題，主要體現在：非線性、高維數、多約束、時空耦合緊密、徑流隨機性等［15-21］ 。在單目標優化調度方面，文獻［22-25］分別提出了離散梯度逐步優化 算 法（Discrete Gradient Progressive OptimalityAlgorithm，DGPOA）、改進螢火蟲算法、混合粒子群算法（Hybrid Particle Swarm Optimization，HPSO）以及飛蛾火焰優化（Moth-Flame Optimization，MFO）算法，以解決非線性、高維數、多約束等問題，挖掘了水電站發電調度潛力。隨著社會經濟發展與人口增長，人類社會對水和能源的需求日益增加，水資源供需矛盾在逐步加劇，單一目標的優化調度已不能滿足實際需求，研究聚焦于多目標的優化調度研究。在多目標優化調度方面，許多研究采用約束法和權重法將多個目標轉換成單目標［26-31］ 。但隨著計算機技術的發展，大量仿生式算法被提出，其優秀的計算性能使之逐步成為求解多目標問題的趨勢。

其典型代表是非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm，NSGA）［32］ 、多目標 粒 子 群 算 法（Multiple Objectives with ParticleSwarm Optimization，MOPSO）［33］ 。針對非劣最優解的分布NSGA與其他多目標算法相比更為均勻，但仍存在計算復雜度較高、耗時長的問題，故帶精英策略的非支配排序遺傳算法（NSGA-II）被提出［34］ ，通過采用快速非支配排序法、擁擠度和擁擠度比較算子以及精英策略，降低算法的計算復雜度，使非劣最優解分布更為均勻，大大提高了算法的運算速度和魯棒性。考慮水電站發電潛力分析中，采用NSGA-Ⅱ求解調度模型會生成大量違反約束條件的不可行解，導致優化效率較低，為提高多目標優化模型求解的尋優效率，王學斌等［35］ 提出了一種基于個體約束和群體約束技術的改進快速非劣排序遺傳算法（ICGC-NSGA-Ⅱ）。

鑒于此，在新疆電力市場建設的大背景下，為合理評估水電站發電能力，挖掘梯級水電站的發電調度潛力，開展開都河梯級水電站發電調度潛力研究。在考慮水電站綜合利用目標的基礎上，旨在保證下游供水，進一步挖掘自身發電潛力，選擇以缺水率最小和發電量最大為目標，以開都河流域已建成的梯級水電站為研究對象，構建多目標優化調度模型，采用改進的 NSGA-II算法求解模型；與模擬調度對比分析挖掘了優化調度的發電潛力。

1 研究方法

為探究梯級水電站的發電調度潛力，構建以缺水率最小和發電量最大為目標的梯級水電站模擬-優化調度模型框架，并分別采用人機對話模擬優化算法［36］ 和ICGC-NSGA-Ⅱ ［35］ 算法求解。

1. 1 調度模型的建立

梯級水電站發電調度，主要依賴于梯級水庫的調節能力。在考慮流域年水文系列的基礎上，綜合考慮了梯級電站間復雜的水力和電力聯系。通過重新分配的天然入庫徑流，并進行適當的蓄水和放水操作，確定了梯級水電站的最佳運行方案，以最大限度地充分利用水資源，以實現調度期內（日、旬、年以及多年）的綜合效益最大化。本文在滿足下游防洪和灌溉及生態供水任務等綜合用水的前提下，以調度期總發電量最大和缺水率最小為目標，建立梯級水電站中期（年度）模擬和優化調度模型。

1. 1. 1 模擬模型

考慮梯級水電站的綜合用水任務，建立兼顧自身發電、下游防洪、農業灌溉和生態供水等綜合利用目標的中期模擬調度模型，旨在獲得各綜合利用目標合理下的發電流量、發電量及其下游缺水量。

模擬模型是以梯級水電站水量平衡方程為基礎：

1. 1. 2 優化模型

以梯級水電站總發電量最大和缺水率最小為目標函數，建立兼顧下游防洪、農業灌溉、生態供水等綜合利用目標的中期多目標優化調度模型。優化模型的約束條件與模擬模型一致，不再列出。

出力最大目標函數：

式中： N（n，t） 為梯級水電站第 n 水庫第 t時段的出力，萬kW； k （ n ） 為發電耗水率及每千瓦的電量對應消耗的水量，m 3 /kW； W g （t） 、 W need （t） 分別為第t時段的水電站下泄水量和水電站的下游需水量，億m 3 ，Δt為時段長；T為時段數目。

1. 2 模型求解

以設計典型年系列為輸入條件，將開都河梯級水電站作為調度主體，以旬為調度時段，以水量平衡為基礎，選擇采用人機對話模擬優化算法［36］ 求解梯級水電站模擬模型，并采用改進的快速非劣排序遺傳算法（ICGC-NSGA-Ⅱ）［35］ 求解梯級水電站多目標優化調度模型。

a） ）人機對話模擬優化算法求解模型思路如下。

步驟一 輸入設計典型年系列、水庫特征參數、下游需水資料、生態需水要求等。

步驟二 根據水庫運行規則和下游需水要求進行模擬計算。

步驟三 計算得出水電站保證出力、下游需水要求等破壞時段，然后在計算過程中，對任意時段可由決策者決定是否需破壞，并對破壞時段進行修正以滿足系統可靠性。

步驟四 統計長系列計算結果，判別調度目標及其保證率，若不滿足，重新回到水庫群模擬調度計算步驟進行計算，直到滿足所有目標、約束為止。

步驟五 輸出最終統計值，計算結束。

b） ）ICGC-NSGA-Ⅱ算法求解模型思路如下。

步驟一 根據調度期的入庫徑流量及其邊界約束條件，計算末時段水庫水位的上下限，基于末時段的水位上下限逆序推算水位種群的群體約束和個體約束的可行范圍，然后確定算法的可行搜索空間。

步驟二 考慮梯級水電站的調度運行規則，以水位為決策變量，在所得出的可行搜索空間中，生成初始父代種群。

步驟三 采用錦標賽選擇法，從父代種群中挑選出一半相對不利的個體進行考慮個體與群體約束下的交叉與變異操作，生成子代種群。

步驟四 利用精英保留策略，合并生成的子代與父代種群，重新生成一個聯合種群。

步驟五 計算聯合種群各個體的適應度，以此為基礎優選優勢種群中一般的不利個體，重新變為新父代種群。

步驟六 當迭代次數小于最大進化代數，那么重復步驟二至五；否則輸出最終種群，作為優化調度結果。

在優化調度模型的求解中，算法設置參數如下：種群大小設置為 100個，最大進化代數設置為800次，種群的變異概率設置為0. 3，種群的交叉概率設置為0. 7。

2 應用案例

本文主要以開都河流域為研究區域，以已建成的察汗烏蘇水電站和柳樹溝水電站為研究對象。

2. 1 研究區域

2. 1. 1 流域概況

開都河處于新疆焉耆盆地的北緣以及天山山脈南坡之間，流域面積2. 2萬km 2 ，多年平均徑流量33. 62億m 3 。流域概況見圖1。

2. 1. 2 工程概況

開都河梯級水電站已建成電站2座：一是察汗烏蘇水電站，為不完全年調節水庫；二是柳樹溝水電站，為日調節水庫。察-柳兩級電站承擔了開都河下游防洪、灌溉及生態供水任務，特征參數見表1。

2. 2 基本資料

采用同倍比法對大山口水文站徑流數據進行插補延長，得到察汗烏蘇水庫1956—2022年的入庫徑流序列，其多年平均流量為105. 6 m 3 /s （圖2）。

根據2016年塔里木河流域管理局下達《關于開都-孔雀河流域各級電站執行需水過程線的通知》（塔巴函〔2016〕25號），得到了開都河梯級水庫群下游用水需求，見表2。

根據察汗烏蘇水電站環境影響復核報告批復要求，察汗烏蘇大壩后有4 km減水河段，需通過導流洞穩定下放 5. 2 m3/s 的生態流量，以滿足生態需求。

2. 3 典型年選取與方案設置

根據察汗烏蘇斷面 1956—2022年共 67 a徑流系列，選擇日歷年進行頻率計算，采用P-Ⅲ型頻率曲線適線。選取5%、50%、95%作為特豐、平、特枯水年的設計值。設計頻率結果見表3。

2. 4 結果分析

以特豐、平、特枯典型年入庫徑流資料為模型輸入，對梯級水電站模擬-優化調度模型進行計算。

由于柳樹溝水庫調節性能差，本文僅分析察汗烏蘇水電站出力及其棄水情況。各典型年計算結果見圖3—5。

由圖3—5可知：①特豐水年7月上旬至8月下旬產生較大棄水；與模擬調度相比，優化后7月上旬棄水由42. 03 m 3 /s降低至21. 26 m 3 /s，降幅49. 42%，且汛前出力明顯增加，均滿足下游需水要求；②平水年無棄水產生，2種調度模式的汛期出力變化不大；③特枯水年，模擬調度的年出力過程先增后減，4月上旬時段出力最大，優化調度的年出力過程波動明顯，汛后時期出力明顯增加，9月下旬時段出力最大，2種調度模式基本滿足下游需水要求。

基于梯級水電站各旬的下泄以及出力過程，統計年度計算結果，見表4。

由表4可知：①缺水率方面，采用模擬-優化調度方式，設計特枯水年的缺水率均為0，及均能滿足要求的下游需水過程；②棄水量方面，在設計特豐水年中，優化調度方式相較于模擬調度方式，棄水量減少了0. 34億m 3 ，減幅達3. 59%；③發電量方面，優化調度相較于模擬調度，設計特豐、平和特枯典型年的發電量分別提升 0. 51億、1. 33億以及 1. 98億kW·h，增幅分別為2. 32%、7. 93%以及15. 49%；④發電保證率方面，優化調度方式相較于模擬調度方式，設計特豐水年和設計平水年的發電保證率分別降低了0. 03%和0. 06%，但設計枯水年的發電保證率提高了0. 11%。

綜上所述，梯級水電站下游需水要求在各典型年情況下均能滿足，模擬調度下開都河梯級水電站多年平均發電量 16. 78 億 kW·h，優化調度下增發1. 33億 kW·h，漲幅為 7. 93%；不同典型年下，優化調度對于開都河梯級水電站發電調度潛力挖掘效果。①特豐水年，優化調度方式加大汛前時期出力，一定程度減少棄水量，增加梯級水電站綜合利用效率；②平水年，優化調度較模擬調度汛期出力基本不變，加大了非汛期出力，年總發電量明顯增加；③特枯水年，優化調度通過優化出力過程，合理分配出力，不僅提高了出力保證率，更大幅增加了發電量，特枯水年發電量增幅為平水年增幅的1. 95倍，為特豐水年增幅的6. 68倍。

3 結論與建議

為合理評估開都河梯級水電站發電能力，充分挖掘梯級水電站發電調度潛力，本文以開都河梯級水電站為研究對象，構建以缺水率最小和發電量最大為目標的梯級水電站模擬-優化調度模型框架，并分別采用人機對話模擬優化算法和ICGC-NSGA-II算法求解，研究結果如下。

a） ）梯級水電站下游需水要求在各典型年情況下均能滿足，優化調度通過優化出力過程，合理分配出力，不僅提高了出力保證率，更大幅增加了發電量，模擬調度下開都河梯級水電站多年平均發電量 16. 78 億 kW·h，優化調度增發 1. 33 億 kW·h，漲幅為8%。

b） ）不同典型年，優化調度對于開都河梯級水電站發電調度潛力挖掘效果不同，優化調度相較于模擬調度，設計特豐、平和特枯典型年的發電量分別提升 0. 51 億、1. 33 億、1. 98 億 kW·h，增幅分別為2. 32%、7. 93%、15. 49%，其特枯水年的效果尤為顯著，特枯水年的增幅為平水年增幅的1. 95倍，為特豐水年增幅的6. 68倍。

優化調度方式能優化梯級水電站出力過程，挖掘梯級水電站發電調度潛力，提高梯級水電站發電效益，用水矛盾越大，優化調度方式越能提高梯級水電站發電效益。研究成果為梯級水電站申報年度交易計劃，保障水電站經濟效益提供決策依據。

參考文獻：

［1］ 許鳳雯，狄靖月，李艷，等. 長江上游流域面雨量與主要水電站發電能力關系分析［J］. 水電能源科學，2021，39（10）：22-26.

［2］ 劉佳豪，馬光文，陳仕軍. 以四川電網為例的水電生態流量發電潛力研究［J］. 云南水力發電，2022，38（2）：18-23.

［3］ 曾德晶，戴領. 長江上游水庫群調蓄對下游電站發電能力影響分析［J］. 人民長江，2023，54（2）：214-219.

［4］ 譚政宇，胡挺，周曼，等. 正常運行期條件下三峽電站發電能力分析［J］. 水電能源科學，2023，41（3）：211-215.

［5］ 徐占興. 梯級水電站中長期發電調度及多時間尺度耦合嵌套模型研究［D］. 武漢：華中科技大學，2019.

［6］ ARCE A， OHISHI T， SOARES S. Optimal dispatch ofgenerating units of the Itaipu hydroelectric plant［J］. IEEETransactions on Power Systems，2002，17（1）：154-158.

［7］ 紀昌明，劉源，王弋，等. 耦合整體預報不確定性的水電站短期優化調度模型［J］. 水利學報，2021，52（8）：907-916.

［8］ 曹瑞，程春田，申建建，等. 考慮蓄水期棄水風險的水庫長期發電調度方法［J］. 水利學報，2021，52（10）：1193-1203.

［9］ 聞昕，劉凡騫，譚喬鳳，等. 復雜水利-電力約束下梯級水電站短期多層級多目標優化調度研究［J］. 水利學報，2023，54（4）：392-404.

［10］彭煜民，劉德旭，王雪林，等. 計及水庫運行約束的極端氣象場景下抽蓄電站優化調度研究［J］. 水利學報，2023，54（11）：1298-1308.

［11］NAZARI H M， MOHAMMADI I B， GHAREHPETIAN B G.Short-term scheduling of hydro-based power plants consideringapplication of heuristic algorithms： A comprehensive review［J］.Renewable and Sustainable Energy Reviews，2017，74：116-129.

［12］MING B， LIU P， CHENG L， et al. Optimal daily generationscheduling of large hydro–photovoltaic hybrid power plants［J］.Energy Conversion and Management，2018，171：528-540.

［13］陳碧云，李絢絢. 梯級水電站發電能力評估的模型研究［J］.廣西電力，2011，34（1）：6-7，23.

［14］劉令軍. 氣候變化條件下金沙江梯級水電站發電能力變化研究［D］. 大連：大連理工大學，2021.

［15］PERERA M V F，PNTO L M V G. Stochastic Optimization of aMultireservoir Hydroelectr System： A Decomposition Approach

［J］. Water Resources Research， 1985， 21（6）：102-113.

［16］馬光文，王黎. 遺傳算法在水電站優化調度中的應用［J］. 水科學進展，1997（3）：71-76.

［17］PERE D I J， WILHELMI R J， SANCHEZ F A J. Short-termoperation scheduling of a hydropower plant in the day-ahead elec?tricity market［J］. Electric Power Systems Research ，2010 ，80（12）：1535-1542.

［18］馮仲愷，牛文靜，程春田，等. 大規模水電系統優化調度降維方法研究I： 理論分析［J］. 水利學報，2017，48（2）： 146-156.

［19］馮仲愷 ，牛文靜，程春田，等. 大規模水電系統優化調度降維方法研究II： 方法實例［J］. 水利學報，2017，48（3）： 270-278.

［20］PARVEZ I， SHEN J J， KHAN M， et al. Modeling and SolutionTechniques Used for Hydro Generation Scheduling［J］. Water，2019，11（7）. DOI：10. 3390/W11071392.

［21］申建建，張博，程春田，等. 耦合KL理論與調度特征的大規模水電站群優化調度降維方法［J］. 水利學報，2021，52（2）：169-181.

［22］趙志鵬，廖勝利，程春田，等. 梯級水電站群中長期優化調度的離散梯度逐步優化算法［J］. 水利學報，2018，49（10）：1243-1253.

［23］楊旺旺，白濤，趙夢龍，等. 基于改進螢火蟲算法的水電站群優化調度［J］. 水力發電學報，2018，37（6）：25-33.

［24］馬志鵬，周耀強，王森，等. 混合粒子群算法在水庫中長期發電優化調度中的應用［J］. 人民珠江，2018，39（9）：82-86.

［25］郭榮，崔東文. 飛蛾火焰優化算法及其在梯級水庫優化調度中的應用［J］. 人民珠江，2019，40（1）：92-96.

［26］YAVARI R H， ROBATI A. Developing Water Cycle Algorithmfor Optimal Operation in Multi-reservoirs Hydrologic System［J］.Water Resources Management，2021，35：2281-2303.

［27］HUI R， LUND J， ZHAO J S， et al. Optimal Pre-storm FloodHedging Releases for a Single Reservoir［J］. Water ResourcesManagement，2016，30（14）：5113-5129.

［28］李棟楠，趙建世. 梯級水庫調度的發電–生態效益均衡分析［J］. 水力發電學報，2016，35（2）：37-44.

［29］SHEN Q， MO L， LIU G J. Hybrid Optimize Method for Multi-Objective Scheduling of Hydropower Stations with Coupled PowerGeneration， Navigation Demand and Ecological Benefit［J］.Journal of Coastal Research，2020，104（S1）：379-384.

［30］朱磊，王占海，劉喜燕. 大藤峽水利樞紐主汛期發電優化調度研究［J］. 人民珠江，2023，44（S1）：53-57.

［31］楊溢，徐煒，謝在朝 ，等. 雙江口水庫對下游梯級水庫群發電-航運聯合調度影響研究［J］. 人民珠江，2024，45（9）：56-63.

［32］LI F F， QIU J. Multi-Objective Reservoir OptimizationBalancing Energy Generation and Firm Power ［J］. Energies，2015，8（7）：6962-6976.

［33］公茂果，焦李成，楊咚咚，等. 進化多目標優化算法研究［J］.軟件學報，2009，20（2）：271-289.

［34］DEB K， AGRAWAL S， PRATAP A， et al. A fast elitistnondominated sorting genetic algorithm for multi-objectiveoptimization： NSGA-II［C］//International Conference on ParallelProblem Solving from Nature，2000.

［35］王學斌，暢建霞，孟雪姣，等. 基于改進NSGA-Ⅱ的黃河下游水 庫 多 目 標 調 度 研 究［J］. 水 利 學 報 ，2017，48（2）：135-145，156.

［36］黃強，晏毅，范榮生，等. 黃河干流水庫聯合調度模擬優化模型及人機對話算法［J］. 水利學報，1997，28（4）：57-62.（責任編輯：李燕珊）