水风光打捆模式下新能源占比对水电机组效率的影响_齐帅.pdf

第 40 卷 第 1 期2023 年 1 月长江科学院院报Journal of Changjiang iver Scientific esearch InstituteVol 40No 1Jan 2023收稿日期:2021 09 08;修回日期:2021 11 10基金项目:国家自然科学基金联合基金重点支持项目(U1865201);国家自然科学基金面上项目(51979198)作者简介:齐帅(1996 )，男，山西大同人，硕士研究生，从事水库调度研究。E-mail:1157388216 qq com通信作者:姚华明(1963 )，男，湖北荆州人，教授，博士，从事水资源规划管理研究。E-mail:huaming yao qq comdoi:10 11988/ckyyb 202109472023，40(1):43 50水风光打捆模式下新能源占比对水电机组效率的影响齐帅1，2，王现勋1，2，曾坤1，2，汤正阳3，4，姚华明3，4(1 长江大学 油气地球化学与环境湖北省重点实验室，武汉430100;2 长江大学 油气资源与勘探技术教育部重点实验室，武汉430100;3 中国长江电力股份有限公司，湖北 宜昌443000;4 智慧长江与水电科学湖北省重点实验室，湖北 宜昌443000)摘要:水风光打捆可为新能源大规模高效、安全并网提供重要保障，有助于提高清洁能源利用效率，进而早日实现“双碳愿景目标”，但也将加剧对水电机组运行效率的影响。重点探讨了水风光打捆模式下不同新能源占比对水电机组效率的影响以及规律。首先，构建了水风光打捆送出模式下的日调度模型，然后以乌东德水电站及其附近的虚拟风、光电场为研究对象开展了算例研究。结果表明:随着新能源占比的增加，在枯期水电机组的运行效率会下降，而在汛期则呈现先升后降的规律;对比发现，在相同装机条件下，汛期水电机组效率的日内波动性较枯期小，汛期进行水风光打捆更有利于提高水电机组的运行效率。研究成果可为新能源大规模消纳背景下的装机容量优化配置和水电机组优化运行提供参考依据。关键词:清洁能源;水风光打捆;多能互补;水电机组;机组效率;乌东德水电站中图分类号:TV6791;TV741文献标志码:A文章编号:1001 5485(2023)01 0043 08开放科学(资源服务)标识码(OSID):Influence of New Energy atio on Hydropower Unit Efficiency underHydro Wind Solar Bundling ModeQI Shuai1，2，WANG Xian-xun1，2，ZENG Kun1，2，TANG Zheng-yang3，4，YAO Hua-ming3，4(1.Hubei Key Laboratory of Petroleum Geochemistry and Environment，Yangtze University，Wuhan430100，China;2.Key Laboratory of Exploration Technologies for Oil and Gas esources of Ministry of Education，YangtzeUniversity，Wuhan430100，China;3.China Yangtze Power Co，Ltd，Yichang443000，China;4.Hubei Key Laboratory of Intelligent Yangtze iver and Hydroelectric Science，Yichang443000，China)Abstract:The bundling of hydro-wind-solar energies serves as an important guarantee for the large-scale，efficientand safe grid-connection of new energy resources，and is conducive to improving the efficiency of clean energy uti-lization，thus realizing the“double carbon vision target”at an early date;on the other hand，it will also aggravatethe influence on the operation efficiency of hydropower units In this paper，the effect of different new energy rati-os on the efficiency of hydropower units under the hydro-wind-solar bundling mode is discussedFirst，a daily-bundling dispatching model is constructed under hydro-wind-solar mode，and then a numerical example is given tostudy the virtual wind and photoelectric fields around the Wudongde dam esults reveal that with the increase ofnew energy，the operating efficiency of hydropower units will decrease in dry season but increase first and then de-crease in flood season The fluctuation of the efficiency of hydropower units within a day in flood season is smallerthan that in dry season Consequently，hydro-wind-solar bundling in flood season is more favorable to improve theoperation efficiency of hydropower unitsKey words:clean energy;hydro-wind-solar bundling;multi-energy complementarity;hydropower units;powerunit efficiency;Wudongde hydropower station长江科学院院报2023 年1研究背景当前，能源安全、环境污染、气候变化等问题日益凸显，世界各国都在积极开展能源转型、实现能源的可持续发展以应对未来变化1。中国提出“二氧化碳排放力争于 2030 年前达到峰值，努力争取2060 年前实现碳中和”2。提高新能源占比是达成双碳目标的有效途径。新能源的出力具有显著的间歇性、随机性与波动性3，其大规模接入电网将会给电力系统运行带来极大风险4 5。与水电等具有良好调峰、调频特性的电源协同运行是促进新能源大规模消纳的重要途径，然而，因此也加重了水电机组运行的负担。所以，有必要研究水风光协同运行方式下水电机组运行效率的变化规律及其影响因素。现有关于水风光协同运行的研究主要集中在调度模型6 9、互补机理10 11、运行策略12 13、容量配置14 15 以及互补运行系统风险评估16 17 等方面。针对多能互补对水电的影响这一问题，刘娟楠等17 针对水光互补系统对龙羊峡水电站水量、电量以及电网运行方式的影响进行了分析。张蓓等18 对比了风光水互补运行前后的保证出力、电量结构以及对水库群泄水策略的影响。张歆蒴等19 建立了以弃风光量最小和梯级水电蓄能最大为目标的优化调度模型，分析了风光水互补运行对梯级电站水位和发电流量的影响。明波等20 21 先后研究了水光互补对系统调峰能力的影响，并使用中长期弃电函数定量表征长期水电出力与光伏弃电率之间的关系。Huang 等22 将水风光互补系统运行中出现的风、光出力误差和水电调节能力风险量化为优化模型中的目标函数，通过优化水电站在线机组组合以降低系统风险。朱燕梅等23 24 则先后研究了外送通道约束以及弃风光率约束下水电接入风光的最优配比以及光伏出力波动性对水电运行方式的影响，然而该研究仅限于梯级水电站之间，并未进一步细化至水电机组尺度开展新能源消纳对水电的影响。已有研究多侧重于新能源接入后的水库优化调度问题，较少涉及多能互补对水电运行的影响，尤其是从机组尺度上探究多能互补背景下水电参与调峰、备用任务对自身运行效率的影响，难以在水电站接入风光装机容量的配置方面提供相关技术支持。当前在保证水电机组高效的基础上制定合理的新能源容量配置方案，不仅有助于提高发电效益，更是推动电力系统资源优化配置的关键。鉴于此，本文以乌东德水电站及其附近虚拟的风、光电场为研究对象，尝试分析在水风光打捆送出方式下机组运行效率随风光装机容量的变化规律及其变化原因，为新能源大规模消纳背景下的装机容量优化配置和水电机组优化运行提供参考依据。2水风光打捆送出模式下的日调度模型21水风光打捆送出方式本文的水风光打捆送出方式特指将水、风、光电打捆，共同承担打捆前水电负荷的方式，即打捆前水电负荷减去风、光电出力即为打捆后的水电出力。22模型构建由于风光在日内具有较大的波动性，需要水电对其进行日内的补偿调节，因此，本文建立调度期为1 d、单位时段为 1 h 的短期水风光打捆调度模型。2 2 1目标函数发电用水量最小:Q*c(i)=minSj=1Qj(i)=minSj=1Qj(Nj(i)，Hj(i);(1)W*c=minNi=1Q*c(i)i。(2)式中:Q*c(i)表示在第 i 时段内最优的水电站总发电流量(m3/s);i 为时段数(i=1，2，N);Qj(i)表示在 i 时段内水电站第 j 台机组的平均发电流量(m3/s);j 为机组台数(j=1，2，S);Nj(i)表示在 i时段内水电站第 j 台机组的平均出力(MW);Hj(i)表示在 i 时段内水电站第 j 台机组的发电净水头(m);W*c表示整个调度周期内的水电站总耗水量(m3);i 表示在每个时段的时间(h);S 表示水电机组的总台数;N 表示调度周期的总时段数。2 2 2约束条件水量平衡约束:Vi Vi1=(Ii Qi)i。(3)式中:Vi、Vi 1分别为水库第 i、i 1 时段末库容;Ii为水库 i 时段的平均入库流量(m3/s);Qi为水库在 i时段的平均出库流量;i 为调度时长(h)。水电出力约束:PHy，min PHy，i PHy，max。(4)式中:PHy，min为水电出力下限;PHy，i为 i 时段的水电出力;PHy，max为水电出力上限。44第 1 期齐帅 等水风光打捆模式下新能源占比对水电机组效率的影响风电约束:PW，i=min(PcW，i，PeW，i);PeW，i=PeW，i=0，(Ui Uin或 Ui Uout);PeW，i=G(Ui)，(Uin Ui Uout)。(5)光电约束:PS，i=min(PcS，i，PeS，i);PS，i=Cssi/stc。(6)式中:PW，i为时段 i 的风电出力;PcW，i为时段 i 按照最大可发出力比例均衡分配的风电的并网出力上限;PeW，i为时段 i 当前风能资源条件下风电的最大可发出力;Ui为时段 i 的风速;Uin为风电机组的切入风速;Uout为风电机组的切出风速;PS，i为时段 i 的光电出力;PcS，i为时段 i 按照最大可发出力比例均衡分配的光电的并网出力上限;PeS，i为时段 i 的光辐射资源条件下光电的最大可发出力;Cs为光电装机容量;s为光电转换系数25;i为时段 i 的辐照度;stc为标准条件下的辐照度。并网约束:PW，i+PS，i+PHy，i=LP，i。(7)式中 LP，i为时段 i 的电网总负荷。旋转备用约束:Sj=1(PmaxHy，i PHy，i)L+Hy，i。(8)式中:PmaxHy，i为时段 i 水电机组 j 的出力上限值;L+Hy，i为时段 i 水电机组的上旋转备用容量。电力系统设计技术规范(DL/T 54292009)中规定系统的总备用容量可按系统最大发电负荷的 15%20%考虑，本文按照水风光总装机容量的 20%设置上旋转备用容量。库水位约束:Zi，min Zi Zi，max。(9)式中:Zi，min为水库在时段 i 所允许的水位下限，为死水位;Zi，max为水库在时段 i 所允许的水位上限，综合考虑防洪要求来确定。出库流量约束:Qi，min Qi Qi，max。(10)式中:Qi，min为水库在时段 i 所允许的下泄流量下限;Qi，max为水库在时段 i 所允许的下泄流量上限。23模型求解水风光打捆送出模型包括数据输入、负荷分配、机组状态输出等 3 部分，具体过程见图 1。为了得到水风光打捆送出的短期调度模型机组负荷分配结果，采用动态规划算法进行求解。图 1水风光打捆送出模型求解流程Fig1Flowchart of hydro-wind-solar bundling model3研究算例本文以乌东德水电站及其附近虚拟的风电场和光电场为研究对象，开展算例分析。31水电站金沙江下游河段水能资源丰富，乌东德水电站位于云南省禄劝县和四川省会东县交界的金沙江干流上，是金沙江下游河段 4 个水电梯级(乌东德、白鹤滩、溪洛渡、向家坝)的第一梯级26，同时也是长江上游的第三大水电站，流域内除了具有丰富的水能资源，还具有大规模的风能、光伏储备27。乌东德水电站装机容量为 10 200 MW，单台机组 850MW，与风、光电的协同运行方式采用打捆模式输送至电网，相关参数见表 1。表 1乌东德水电站基本参数Table 1Basic parameters of Wudongde hydropower station正常蓄水位/m死水位/m调节库容/(108m3)装机容量/MW电站最大引用流量/(m3s1)最大允许下泄流量/(m3s1)9759453010 20050 00042 40032风、光电场光伏电场单位兆瓦的出力过程由 PVGIS 系统生成28。风电场单位兆瓦的出力过程首先使用由PVGIS 系统提供的 10 m 风速经式(11)29 计算得到80 m 风速，然后再由风速功率曲线插值得到。vhub_h=vdata_hln(zhub/z0)ln(zdata/z0)。(11)式中:zhub为风机轮毂高度(m);zdata为风速计高度(m);z0为地表粗糙度(m);vhub_h为风机轮毂高度处54长江科学院院报2023 年的风速(m/s);vdata_h为风速计高度处的风速(m/s)。33研究方案为探求水风光打捆运行中不同新能源占比对水电机组效率的具体影响，采用多个新能源不同装机容量的场景开展具体研究，所选场景参数如表 2 所示。考虑到资源条件和电站工况有明显汛枯差异，在汛期和枯期分别开展了相关分析。表 212 种风光装机规模场景参数Table 2Parameters of wind-solar installed scales intwelve scenarios场景光电装机容量/MW风电装机容量/MW风光总装机容量/MW旋转备用容量/MW1000021 0007001 7002 38031 5001 0502 5502 55042 0001 4003 4002 72052 5001 7504 2502 89063 0002 1005 1003 06073 5002 4505 9503 23084 0002 8006 8003 40094 5003 1507 6503 570105 0003 5008 5003 740115 5003 8509 3503 910126 0004 20010 2004 080枯期以 2017 年 1 月 1 日为例，乌东德水库起调水位取 973 m，下游库水位取 820 m，日平均入库流量取 2 305 m3/s。汛期以 2017 年 9 月 7 日为例，乌东德水库起调水位取 945 m，下游库水位取 790 m，日平均入库流量取 12 500 m3/s。上述场景中，水电的装机容量均为 10 200 MW，风电的装机容量为光电的 70%，场景 2场景 12 之间的新能源装机容量差值为 850 MW。由于电力系统设计技术规范(DL/T 54292009)中规定系统的总备用容量不得低于系统最大发电负荷的20%，且考虑到风光出力不确定性对电网产生较大冲击，场景 2场景 12 的旋转备用容量按照水风光总装机容量的 20%设置。4结果与分析41枯期4 1 1枯期不同风光装机容量下的水电机组效率水电站综合耗水率是反映水电站经济运行情况的一个重要指标，它是指电站产生单位电量需消耗的发电水量30 31，记为，其单位为 m3/(kWh)，计算公式为=WE=QTNT=3 600QKH净Q=3 6009 81H净。(12)式中:Q 为发电流量(m3/s);W 为发电用水量(m3);E为发电量(kWh);N 为电站出力(kW);T 为计算时段长(h);K 为电站综合出力系数;H净为发电净水头(m);为水电机组效率。由式(12)可知 =K9 81=3 600/(9 81H净)，即水电站净水头与耗水率的乘积越小，对应的水电机组效率越高。图2 为枯期不同风光装机场景下的水电机组效率系数及随装机容量变化关系曲线。从图 2(a)可以看出，枯水期水电机组效率整体呈现出随风光装机容量增大而减小的趋势，并且随着风光装机容量的增加，水电机组效率在日内的变幅呈现递增趋势(场景 1 水电机组效率最值相差022%，场景 2 相差 123%，场景 3相差173%，场景4 相差272%，场景 5 相差 243%，场景6 相差 2 95%，场景 7 相差 3 73%，场景 8 相差481%，场景9 相差494%，场景10 相差545%，场景11 相差738%，场景12 相差853%)。而从图2(b)中的枯期水电机组日均效率系数随风光装机容量变化曲线可以看出，场景1 与场景12 的水电机组效率相差最为明显(时刻值平均相差 746%)，因此取场景 1 与场景12 的典型出力过程开展进一步分析。图 2枯期不同风光装机场景下的水电机组效率及随装机容量变化关系曲线Fig 2Efficiency coefficient of hydropower unit and itsvariation curve with installed capacity underdifferent wind-solar installation scenarios in dry season4 1 2枯期水电机组效率变化原因分析由图2(a)可知，在5 h 时段场景12 的水电机组效率下降最明显，较场景 1 下降了 13 30%。因此，以该时段下的场景1 与场景12 为研究对象，分析机组效率64第 1 期齐帅 等水风光打捆模式下新能源占比对水电机组效率的影响下降的原因。图3 为枯期场景1 与场景12 风光出力过程及单台水电机组出力过程对比。该时段场景 12 中风电出力为3 318 MW，光电出力为0 MW，旋转备用容量为4 618 MW，水电单台机组出力为388 MW，较场景1下降了412 MW，单台机组的发电流量约为306 m3/s，较场景1 减小了281 m3/s，机组的净水头约为15013 m，较场景1 增加了587 m;由此可知，风电、光电不仅挤占了水电的负荷，而且增加了旋转备用需求，使得水电的出力和发电流量减小，发电水头增加。图 3枯期场景 1 与场景 12 风光出力过程及单台水电机组出力过程对比Fig3Comparison of wind turbine output process andsingle hydropower unit output process between scenario1 and scenario 12 in dry season图 4 为场景 1 与场景 12 对应水头下的水电机组效率特性曲线。由图 4 可以看出，水电机组效率与发电水头和出力有关。场景 1 和场景 12 的发电水头在 140 155 m 内，出力在 100 710 MW 范围内，此时呈现出力越小、水电机组效率越低的趋势。在 5 h 时段，水电单台机组出力在场景 12 为 388MW，发电水头为 150 13 m，对应的效率约为 83%，水电单台机组出力在场景 1 为 800 MW，其效率约为 96%，较场景 12 高出了约 13%。由此可知，在枯期发电水头较高时，机组效率与出力的关系近似单调递增，水电出力减小使得水电机组远离了机组的高效运行区，进而导致水电机组效率出现下降。42汛期4 2 1汛期不同风光装机容量下的水电机组效率图 5 为汛期不同风光装机场景下的水电机组效率系数及随装机容量变化关系曲线。从图 5(a)可知，汛期水电机组效率并非与枯期一样呈现机组效图 4枯期场景 1 与场景 12 对应水头下的机组效率曲线Fig4Efficiency curves under water head correspondingto scenario 1 and scenario 12 in dry season率随风光装机容量增大而减小的趋势，相反在汛期接入一定规模风光进行打捆可以使水电机组的运行效率得到一定提升;从水电机组效率的日内变幅上看，汛期机组效率的日内变幅同样随着风光装机容量的增加而增大(场景 2 水电机组效率最值相差0 57%，场景 3 相差 0 90%，场景 4 相差 1 0%，场景 5 相差 1 03%，场景 6 相差 1 52%，场景 7 相差188%，场景 8 相差 2 21%，场景 9 相差 3 01%，场景 10 相差 4 45%，场景 11 相差 4 89%，场景 12 相差 6 33%)，但相较于枯期的日内变幅则有下降。图 5(b)为汛期水电机组日均效率系数随风光装机容量变化曲线，可以看出汛期存在机组效率随风光装机容量增加而升高的情况;其中，场景 2 下的机组效率比场景 1 高 0 84%，从场景 2 开始，机组效率又随着风光装机容量的增加而下降。图 5汛期不同风光装机场景下的水电机组效率及随装机容量变化关系曲线Fig5Efficiency coefficient of hydropower unit and itsvariation curve with installed capacity under differentwind-solar installation scenarios in flood season74长江科学院院报2023 年4 2 2汛期水电机组效率变化原因分析由图 5(b)可知，汛期打捆后水电机组效率的变化趋势与枯期不同，当风光装机容量在 0 1 700MW 范围内，水电机组打捆后的效率随着风光装机容量的增加而升高;当风光装机容量超过该范围后，水电机组的效率又随之降低。对此，以场景 1 与场景 2、场景 2 与场景 12 为研究对象，分别对水电机组效率出现增加以及后续下降的原因进行分析。首先，对场景 1 与场景 2 进行分析。由图 5(a)可知，两场景在 8 h 时段下的机组效率相差最大，因此选择该时段的水电机组效率及其发电参量进行对比分析。图 6 为汛期场景 1 与场景 2 风光出力过程及单台水电机组出力过程对比。该时段场景 2 的风电出力为 448 MW，光电出力为 370 MW，旋转备用容量为2 673 MW，水电单台机组出力为556 MW，较场景 1 下降了 194 MW，单台机组的发电流量约在500 m3/s，较场景 1 减小了 230 m3/s。图 6汛期场景 1 与场景 2 风光出力过程及单台水电机组出力过程对比Fig6Comparison of wind-solar output process and singlehydropower unit output process betweenscenario 1 and scenario 2 in flood season同样，由图 7 中场景 1 与场景 2 对应水头下的机组效率特性曲线可以看出，水电机组效率与发电水头和出力有关。场景 1 和场景 2 的发电水头在110 120 m 范围内，此时当机组出力在 556 750 MW之间，呈现水电机组效率随出力增大而下降的趋势。在 8 h 时段，水电单台机组出力在场景 2为 556 MW，净水头为 119 56 m，其效率为 94%;水电单台机组出力在场景 1 为 750 MW，净水头为112 93 m，其效率为 91%，较场景 1 降低了约 3%。风光打捆后出力减少使得发电流量减少，机组的净水头由11293 m 增加至 119 56 m，由此水库蓄水量的增加进一步抬升了库水位(抬升了03 m)，因此使得打捆后的机组段水头升高且更接近于额定水头(125m)，在该水头下水电机组运行的效率反而较高。图 7汛期场景 1 与场景 2 对应水头下的机组效率曲线Fig7Efficiency curves under water head correspondingto scenario 1 and scenario 2 in flood season由此可知，汛期发电流量较大，但发电水头较低，且汛期风电、光电挤占了水电的负荷，增加了旋转备用容量，机组在低水头下的运行效率降低明显;增加一定的风光装机容量能够使发电水头增加，机组的发电水头在抬升后能够在机组的高效率区运行，这是汛期打捆后水电机组效率反增的主要原因。其次，对场景 2 与场景 12 进行分析。从图 5(a)可知，当风光装机容量超过 1 700 MW 时，水电机组效率开始随着风光装机容量的增加而下降，并且场景 12 水电机组效率下降到最低;由图 5(a)可知场景 12 与场景 2 在 11 h 时段效率相差最大，较场景 2 下降了 9 09%。从图8(c)可知，该时刻下，场景 12 中风电出力为 378 MW，光电出力为 5 700 MW，旋转备用为4 533 MW，水电单台机组出力为 325 MW，较场景 2下降了236 MW，单台机组的发电流量约在300 m3/s，较场 景 2 减 小 了 203 m3/s，机 组 净 水 头 约 为12898 m，较场景2 增加了 8 58 m;由此可知，风电、光电挤占了水电的负荷，增加了旋转备用容量，使得水电的出力和发电流量减小，发电水头增加。图9 为场景2 和场景12 对应水头下的水电机组效率特性曲线。由图9 可以看出，水电机组效率与发电水头和出力有关。当发电水头在120 130 m，出力在90 560 MW 范围内，此时呈现出力越大、水电机组效率越高的趋势。在 11 h 时段，水电单台机组出力在场景12 为325 MW，净水头为 128 98 m，其对应的效率约为86%，水电单台机组出力在场景 3 为 561MW，净水头为1204 m，其效率约为 94%，较场景 12高出了8%。由此可知，水电出力减小同样是导致汛期水电机组效率下降的主要原因。84第 1 期齐帅 等水风光打捆模式下新能源占比对水电机组效率的影响图 8汛期场景 2 与场景 12 风光出力过程及单台水电机组出力过程对比Fig8Comparison of wind power output process andsingle hydropower unit output process betweenscenario 2 and scenario 12 in flood season图 9汛期场景 2 与场景 12 对应水头下的效率曲线Fig9Efficiency curves under water head correspondingto scenario 2 and scenario 12 in flood season由此可以看出，当大规模的风光接入后，水电为了调节风光产生的出力波动，使得水电机组偏离高效率运行区。由于机组运行效率与出力的关系在不同的水头下呈现单调和非单调关系，利用该关系可明确水风光打捆运行对机组效率影响的成因，有助于提升水风光打捆模式下的水资源开发利用效率。5结论本文建立水风光打捆送出方式下的短期优化调度模型，对乌东德水电站打捆前后的水电机组效率以及出力过程进行了分析，得到了以下主要结论:(1)水电对风光进行补偿调节时，机组运行效率会随着装机规模的增加而出现下降趋势，水电出力减小是导致水电机组效率下降的主要原因。(2)不同于枯期，受水头和机组特性的影响，汛期打捆后的水电机组效率先随风光装机容量的增加而上升，而后随之下降。其上升原因为汛期水头较低，打捆后水电出力减小，可运行在机组高效区;且汛期水电机组效率的日内波动性相较于枯期而言更小。因此，在汛期适当地增加风光装机容量有利于提升水电机组的运行效率。利用水电机组效率与风光占比之间的关系，可以为水风光打捆模式下风光装机规模的优化配置提供技术支持，有助于机组稳定运行和提高多能互补经济性。水电机组效率受水电站承担的负荷、运行机组台数及组合等多种因素影响，关系非常复杂。水风光打捆对于水电机组效率的影响，亟待开展更为深入的研究。参考文献:1 万灿，崔文康，宋永华 新能源电力系统概率预测:基本概念与数学原理J 中国电机工程学报，2021，41(19):6493 6509 2 中华人民共和国主席习近平 在第七十五届联合国大会一般性辩论上的讲话 N 人民日报，2020 09 23 3 WAN C，XU Z，PINSON P，et al Probabilistic Forecastingof Wind Power Generation Using Extreme Learning Ma-chine J IEEE Transactions on Power Systems，2014，29(3):1033 1044 4 姜惠兰，周照清，蔡继朝 风电接入比例对电力系统暂态功角稳定性影响的分析方法 J 电力自动化设备，2020，40(7):53 67 5 丁明，王伟胜，王秀丽，等 大规模光伏发电对电力系统影响综述 J 中国电机工程学报，2014，34(1):1 14 6 戚永志，黄越辉，王伟胜，等 高比例清洁能源下水风光消纳能力分析方法研究J 电网与清洁能源，2020，36(1):55 63 7 朱燕梅，陈仕军，马光文，等 计及发电量和出力波动的水光互补短期调度 J 电工技术学报，2020，35(13):2769 2779 8 LI H，LIU P，GUO S，et al Long-term Complementary Op-eration of a Large-scale Hydro-photovoltaic Hybrid PowerPlant Using Explicit Stochastic OptimizationJ AppliedEnergy，2019，238(15):863 875 9LIU B，LUND J，LIAO S，et al Optimal Power PeakShaving Using Hydropower to Complement Wind and SolarPower UncertaintyJ Energy Conversion Manage-ment，2020，209(4):112628 112629 10 张娉，杨婷 龙羊峡水光互补运行机制的研究 J 华北水利水电大学学报(自然科学版)，2015，36(3):76 81 11 么艳香，叶林，屈晓旭，等 风 光 水多能互补发电系统分析模型 J 电力自动化设备，2019，39(10):55 60 12 沈筱，方国华，谭乔凤，等 风光水发电系统联合调度规则提取 J 水力发电，2020，46(5):114 117 13 单鹏珠，阎应飞，王雁，等 梯级水光蓄协调优化控制技术研究 J 西华大学学报(自然科学版)，2021，94长江科学院院报2023 年40(1):63 68 14 刘树桦，王建学，李清涛，等 多能互补复合电站的优化配置及其在系统电源规划中的应用 J 电网技术，2021，45(8):3006 3015 15 齐晓光，姚福星，朱天曈，等 考虑大规模风电接入的电力系统混合储能容量优化配置J 电力自动化设备，2021，41(10):11 19 16 闻昕，孙圆亮，谭乔凤，等 考虑预测不确定性的风 光 水多能互补系统调度风险和效益分析 J 工程科学与技术，2020，52(3):32 41 17 刘娟楠，王守国，王敏 水光互补系统对龙羊峡水电站综合运用影响分析 J 电网与清洁能源，2015，31(9):83 87 18 张蓓，朱燕梅，马光文，等 考虑新能源的梯级水电中长期调度策略研究J 水电能源科学，2020，38(11):67 71 19 张歆蒴，黄炜斌，王峰，等 大型风光水混合能源互补发电系统的优化调度研究 J 中国农村水利水电，2019，446(12):181 185 20 明波，李研，刘攀，等 嵌套短期弃电风险的水光互补中长期优化调度研究 J 水利学报，2021，52(6):712 722 21 明波，黄强，王义民，等 水 光电联合运行短期调度可行性分析 J 太阳能学报，2015，36(5):2731 2737 22 HUANG K，LIU P，MING B，et al Economic Operation ofa Wind-Solar-Hydro Complementary System Consideringisks of Output Shortage，Power Curtailment and SpilledWater J Applied Energy，2021，290:116805 116806 23 朱燕梅，陈仕军，黄炜斌，等 一定弃风光率下的水光风互补发电系统容量优化配置研究J 水电能源科学，2018，36(7):215 218 24 朱燕梅，黄炜斌，陈仕军，等 水光互补日内优化运行策略 J 工程科学与技术，2021，53(3):142 149 25 李伟楠，王现勋，梅亚东，等 基于趋势场景缩减的水风光协同运行随机模型 J 华中科技大学学报(自然科学版)，2019，47(8):120 127 26 黄国兵，吴双 乌东德水电站主要水力学问题研究 J 长江科学院院报，2021，38(6):1 8 27 李良县，李宁 金沙江下游(四川侧)风光水互补开发研究初探 J 水电站设计，2019，35(3):74 79 28 HULD T，FIESEN G，SKOCZEK A，et al A Power-ratingModel for Crystalline Silicon PV Modules J Solar Ener-gy Materials Solar Cells，2011，95(12):3359 3369 29 DUFO-LOPEZ，BENAL-AGUSTIN J L Multi-objec-tive Design of PV-wind-diesel-hydrogen-battery Systems J enewable Energy，2008，33(12):2559 2572 30 鲁显奎，杨昌杰 影响乌江渡水电站节能降耗的主要因素及应对措施 J 贵州水力发电，2007，76(1):72 74 31 陈尧，马光文，杨道辉，等 水电站综合耗水率参数在水库优化调度中的应用 J 水力发电，2009，35(4):22 23(编辑:罗娟)(上接第 42 页)3 常俊超 基于法的黄河中游环境流量组分与水文情势变化研究 J 水电能源科学，2022，40(2):17 21 4曾金凤，刘祖文，刘友存，等 基于 IHA-AV 法的东江源区