综述：采矿中的微纳米气泡技术：科学原理、纳米结构及其潜在应用

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：Micro-nano bubble technology in mining: Science, nanoarchitectonics, and potential applications

　　M. Pavi?evi? | A. Huallpara | A. Yu | S. Balderrama | Q. Ploussard
阿贡国家实验室，9600 S. Cass Ave, Lemont, IL 60439, 美国

**摘要**
水电运营越来越依赖于水的价值，即储存水的边际机会成本，也就是水库余额的影子价格，作为调度、投标、规划和多用途管理的核心信号。这项系统综述（1931-2026年；277项研究）比较了确定性线性规划混合整数线性规划（LPMILP）、随机随机动态规划（SDPSDDP）和经济工程方法来估算水的价值，统一了术语，并区分了水的价值与边际生产成本和市场价格。本文综合了关键决定因素（流入量、储存和溢流风险、价格、储备承诺、水头效应和运营约束），并分析了不确定性处理、物理逼真度和可扩展性方面的方法论权衡。元分析结合Wald检验表明，随机模型产生的中心估计值较低且分布范围更广，这反映了在不确定性下的对冲行为。当考虑非凸性运营细节时，MILP通常会产生更高的价值。水的价值具有情境依赖性：多用途水库和城市供水水库的价值显著更高。区域差异与水文状况和市场设计相关。本文讨论了对运营和政策的影响，包括风险意识强的滚动时域调度；假设的透明报告（如抢救价值、情景设计、水头建模）；以及考虑储备不对称性的能源和辅助服务的协同优化；以及对抽水蓄能套利的统一处理。本文强调了在不确定性下整合环境目标、解决非平稳水文问题、将物理水价值与金融风险管理相结合以及标准化报告以提高可重复性和可比性的研究需求。

**1. 引言**
水电被广泛认为是许多电力系统的关键组成部分，它既提供电力生成，又具有平衡供需的灵活性[1] [2]。大型水库和抽水蓄能设施（PSH）使得能源生产能够跨时间进行转移，将当前的运营决策与未来的机会和风险联系起来[3]。随着水电作用的扩大，理解储存水的经济价值（通常称为水的价值）对于有效的系统运营和规划至关重要[4] [5]。准确估算水的价值对于电力市场运营[6] [7]、长期规划以及多用途水库管理都至关重要，所有这些都对调度、投标策略和投资评估具有指导作用[8] [9]。有效的水资源管理必须平衡能源生产与其他重要的非能源用途，反映多种目标，如防洪、生态系统保护和水上娱乐[10] [11]。这些关键约束包括满足环境和生态要求[12] [13]，例如维持下游生态系统（如环境流量或支持森林生态系统）、满足农业灌溉和人类消费的需求、管理防洪以及支持其他用途（如水上娱乐）[14] [15]。由于这些相互竞争的需求限制了可用于发电的水量和时间，它们直接提高了储存水的边际机会成本，即水的价值，而这又决定了水电生产商在电力市场中的投标和供应函数[8] [9]。因此，在水的价值估算中准确捕捉这些多用途约束不仅对高效的水库运营至关重要，也对设计将内部稀缺信号转化为可信价格报价的市场响应函数至关重要[6] [7]。尽管人们认识到平衡这些多种用水方式的重要性，但现有文献仍然包含多种不同的建模方法，且缺乏系统的比较[16]。
即使这些方法在数量和方法论上有所丰富，现有研究在概念严谨性、计算可行性和物理逼真度方面往往存在差异。这些差异可能导致水的价值估算结果不同，对市场设计、政策评估和资源分配产生重大影响[17] [18]。因此，需要进行系统综述以澄清定义、比较方法，并综合不同情境下的定量证据。本综述旨在：
(1) 调查水电主导系统中计算水价值的方法论方法。
(2) 根据它们对不确定性的处理、物理表示、可扩展性和为市场响应函数提供信息的能力来比较这些方法。
(3) 综合文献中的定量证据，突出方法论权衡，并确定推进水价值估算的研究空白。

一些先前的工作已经回顾了水价值估算和水经济建模的各个方面。现有的水经济建模应用系统综述主要集中在流域规模的经济模型上，而不是电力市场调度[16]。同样，关于水电生产商最优投标策略的调查集中在投标问题的战略和随机维度上，而不是水价值概念本身[9]。西班牙系统的水价值在电力市场和热电协调中的作用已经得到了研究[17]；这项工作通过我们的扩展搜索被纳入了综述范围（类别A）。虽然这些贡献都涉及问题的重要方面，但没有一个提供涵盖所有建模传统的统一跨方法比较。本综述在五个具体方面超越了这些工作：(i) 它应用基于PRISMA的系统协议对1931年至2026年1月期间发表的277项研究进行了分析，确保透明度和可重复性；(ii) 它在运筹学、水经济学和电力市场设计中统一了术语，明确了相关术语（影子价格、稀缺租金、机会成本、双重价值）如何映射到相同的概念上；(iii) 它提出了一个统一的数学框架，涵盖了线性规划（LP）、混合整数线性规划（MILP）、随机动态规划（SDP）、随机双重动态规划（SDDP）和经济工程模型（Econ–Engi）；(iv) 它进行了定量元分析，并结合Wald检验，比较了不同方法、地区和用途的水价值估算；(v) 它确定了导致水价值估算差异的方法论驱动因素，并表明优化技术的选择对报告值的水平和分散性具有统计上的重要性。

本文的其余部分组织如下：第2节定义了与水价值相关的关键概念和术语。第3节详细介绍了系统综述的方法论。第4节介绍了分析框架和方法论比较。第5节报告了定量结果和元分析，并讨论了应用和政策影响。第6节概述了未来的研究方向。

**2. 概念框架和关键定义**
本节为水电系统中的水价值建立了概念基础，明确了其数学定义，将其与相关概念区分开来，确定了关键决定因素和驱动因素，并统一了文献中使用的术语。

**2.1. 术语澄清**
“水价值”一词指的是当水相对于当前和未来的需求稀缺时，在水电运营中获得的经济价值。在文献中，它也被称为边际水价值[4] [19]、水的机会成本[20] [21] [22]、稀缺租金[23] [24] [25]、影子租金[26] [27] [28]或双重价值/双重价格[17] [29] [30]。尽管这些术语具有共同的概念核心，但在不同的研究社区中含义略有不同：在运筹学中，首选术语是影子价格或双重价值，它们代表储存平衡约束的拉格朗日乘数；在水经济学中，文献更倾向于使用稀缺租金或稀缺价值，强调整个流域或多部门的分配；在电力市场设计中，主导术语是水价值或机会成本，它们指的是与投标相关的水电生产的边际成本。尽管存在这些学科差异，所有术语都描述了相同的潜在概念：一种从优化或均衡模型中内生产生的动态稀缺度量。为了保持一致性，本文始终使用“水价值”这一术语。附录A中的表A.7提供了这些术语的详细映射、定义、典型学科用法和代表性参考文献。

**2.2. 水价值的定义**
水价值的概念为水电系统的决策提供了分析基础。它主要反映了水在水电能源生产方面的价值，尽管在多用途系统中，其价值还包括竞争性的非能源用途[31] [32] [33]。虽然储存在水库中的水有多种非能源用途，如农业灌溉或人类消费，但其对能源生产的价值必须通过机会成本间接推断，因为水资源的短期直接运营成本通常可以忽略不计[34]。我们将水价值定义为储存水的边际机会成本，这代表了从可产生的水电能源中预期的未来收入[6] [35]。这种边际机会成本是与水库储存量减少以用于能源生产相关的目标函数（通常是系统成本最小化或社会福利最大化）的增加[34] [36]。在优化术语中，水价值对应于水库平衡约束的拉格朗日乘数（或影子价格）[30] [37]，并用作调度模型中水电厂的边际生产成本：
(1) λt = ?V??St，
其中V?是最优价值函数，St是时间t的水库储存量。水价值表示储存水的边际价值。在优化术语中，它可以解释为与水库质量平衡（储存平衡）约束相关的影子价格。也就是说，水价值代表了由于水库中水可用量边际增加而导致的最优目标值的变化[4] [17]。水价值可以用体积单位（$/m3）表示，或者在使用水头和涡轮效率转换后，用能量等效单位（$/MWh）表示。由于它是一个边际量，正的水价值表明额外的储存水在边际上是有益的，而接近零的值则表示边际效益很小。水价值通常取决于状态和时间，因水库、时间段和水文条件而异[4]。

水价值在水电主导的电力系统中起着重要作用。在短期调度中，它指导电力市场的最优水电调度和投标策略[12] [38] [39]。在投资和规划背景下，水价值支持水电盈利能力的长期评估[35] [40]、容量充足性[41] [42]，以及与其他资源和储存的结合[43]。在多用途水库系统中，水价值影响平衡能源生产和灌溉[23] [44] [45]、防洪[14] [46] [47]、环境流量[15] [48] [49]以及通航[50]的决策。由于水电资源通常集中在流量高度季节性或不确定的地区，因此在不确定性下对水进行估值对于确保系统的高效、可靠和可持续性尤为重要[4]。

**2.3. 与相关概念的区分（影子价格、边际成本、市场价格）**
重要的是要区分水价值与相关但不同的概念：
(a) 影子价格。水价值最准确地定义为水库平衡约束上的影子价格（拉格朗日乘数）[51] [52]，在优化术语中也称为由公司的Karush–Kuhn–Tucker条件（KKT）[53]产生的乘数。它衡量了为未来使用而保留额外单位水的边际效益。然而，模型通常会同时生成多个影子价格（例如，在涡轮容量[54]、溢流约束[55]、环境流量要求[56]或传输限制[57]上）。因此，必须小心识别与时间跨期储存平衡方程（2）具体相关的乘数，因为这是与水价值相对应的表达式[58] [59]。其他约束上的会计或影子价格对于水资源分配和投资决策很重要，但不应与水价值本身混淆。
(b) 边际生产成本。任何给定时间的水电生产的边际成本通常接近于零[33] [39] [60]，因为水是一种无燃料的资源（除了少量的可变运营和维护成本）[61] [62]。相比之下，水价值反映了现在使用水而不是将来使用的机会成本。因此，它是稀缺性的度量，而不是生产成本[22]。在流量丰富的时期，水价值可能降至零，而在稀缺时期，它可能会大幅上升，这与其他稀缺资源的经济学特征一致[24]。
(c) 电力市场价格。在竞争性电力市场中，现货价格pt等于最后一批发出的单位的短期边际成本[63]。在水电主导的系统中，这种边际成本本身可以是储存在水库中的水的机会成本。然而，水价值λt和市场清算价格在分析上是不同的。具体来说，pt反映了满足需求的整体系统成本，而λt衡量了为未来使用而保留水的内部机会成本[64]。在竞争性的、价格接受的环境中，最优水电投标策略因此将报价价格设定在水价值附近（bt≈λt）[65] [66]，将内部稀缺性转化为外部价格信号。水价值也可以从观察到的市场价格和电力系统的可变生产成本中事后推断出来[67] [68]。然而，尽管存在这种操作上的联系，pt和λt捕捉的是不同的经济概念，不应将它们混淆。(d) 价格反应、价格响应或供给函数。在均衡和基于代理的公式中，水价值定义了生产者的边际成本曲线，这是构建电力市场供给函数或报价曲线的基础[15]，[61]。水价值曲线相对于水库储存量或释放量绘制，代表了水电生产者的供给曲线：它通过与市场需求曲线的交点来确定最佳生产水平[18]，[38]，[69]。剩余需求曲线的斜率也可以表明生产者储备报价对利润变化的影响[70]，[71]，这与生产者的价格-数量响应有关。虽然对不同数量的水的边际支付意愿可以解释为需求曲线[45]，但这里讨论的水价值曲线代表的是供给方面：它反映了生产者释放储存水的机会成本。这种供给方面的使用超出了基于优化的定义，并捕捉了水电公司在寡头市场中的战略行为[29]，[72]。虽然相关，但应将其视为一种行为解释，而不仅仅是纯粹的技术或经济解释。2.4. 决定因素和驱动因素（水文学、市场、运营、建模）水电系统中的水价值受到一系列物理、市场、运营和建模因素的影响。在本节中，水价值λt被理解为经济优化中增量储存单位的（影子）边际价值，其主要目标是最大化与水电相关的收入；竞争性或非能源用途要么作为目标的额外条款出现，要么更常见的是作为运营约束出现。关键决定因素包括：(a) [物理] 水文条件：水价值对流量变化和水库储存水平非常敏感[73]，[74]。通常，随着储存量或流量的增加，由于溢出的风险增加和稀缺性的降低，水价值λt会下降[4]，[25]，[55]。然而，在某些情况下，当没有溢出风险且头部效应主导发电效率时，较高的水库水平可以增加水价值[12]，[35]，[75]。因为流量条件直接决定了水价值中嵌入的稀缺性租金，它们通过水电生产者提交的投标价格传递到市场结果中：在干旱时期，较高的水价值转化为较高的报价价格，使供给曲线向上移动并提高市场清算价格[61]，[68]。(b) [物理] 溢出风险：随着水库接近最大水位，溢出的概率增加，从而降低了储存水的预期边际价值。因此，λt通常随着溢出风险的增加而下降[46]，[47]，[76]。从市场角度来看，较高的溢出风险激励生产者以较低的价格提供发电，以避免浪费水，有效地使供给曲线向下移动并压低现货价格[18]。(c) [市场] 市场动态：预期的电价和共同优化的市场产品（例如，能源、储备[44]，[73]）直接影响水价值[77]，[78]。值得注意的是，下调容量的承诺通常要求维持较高的基础发电量，增加了水的消耗并相对于仅能源的调度提高了λt[50]，[58]，[75]。这些市场驱动的水价值组成部分直接影响到投标策略：生产者调整他们的报价曲线，以反映不仅能源收入，还有储备提供的机会成本[21]，[70]。(d) [运营] 运营约束：最低环境流量（?）通过减少可用的头部和体积（特别是在雨季）来增加水价值[48]，[56]。相反，更严格的爬坡限制减少了运营灵活性，通常对水价值有负面影响，在低流量期间效果最为明显[64]。这些约束通过改变水电供给曲线的形状和位置传递到市场价格：强制性的环境流量要求提高了发电的有效边际成本，而爬坡限制减少了生产者捕捉短暂价格飙升的能力[65]，[79]。(e) [物理/建模] 时间和空间范围：水价值随季节性和地理位置的变化而变化，这反映了水文丰富度和市场设计的差异[4]。更细的时间粒度（更短的时间步长）和更少的聚合（更详细的资产建模）通常通过暴露局部约束和灵活性来产生更高的水价值[80]，[81]，[82]。因此，时间和空间分辨率的选择影响了结果投标曲线的粒度：小时级模型捕捉到了日度或周度模型平滑掉的日内套利机会，从而导致系统上不同的市场结果[81]，[83]。(f) [建模] 建模选择：确定性模型倾向于通过忽略不确定性而高估水价值，而随机公式产生一个预期水价值，该价值是在多个流量情景下平均得出的，通常更低且更不稳定[61]，[84]，[85]。终端（抢救）价值的指定和非线性头部效应的处理也显著影响λt[40]，[59]，[86]。由于水价值作为水电的隐含投标价格，这些建模选择直接影响提交给市场的供给函数，从而影响最终的市场清算价格[61]，[69]。(g) [多用途] 多用途和新兴用途：竞争性用水（灌溉、娱乐等）在稀缺或高替代价值情景下可以显著增加水价值[23]，[87]，[88]。当这些用途被建模为硬性约束（例如，灌溉释放要求）时，它们减少了可用于发电的有效储存量，从而提高了λt。相反，如果它们的好处在同一目标函数中被货币化，它们改变了而不是仅仅限制了潜在的机会成本[57]，[89]。在电力市场中，与多用途水库相关的高水价值转化为更高的报价价格，这可以在这些水库构成供应重要份额的地区提高系统范围内的清算价格[17]，[18]。在过去五十年中，出现了不同的方法论家族来计算水价值。最常见的是区分线性或非线性、静态或动态以及确定性或随机模型[16]。早期的工作集中在确定性优化模型上，如LP和MILP，其中水价值可以直接作为储存平衡的对偶变量获得[81]，[90]，[91]。然而，确定性公式难以捕捉水文变化和未来的不确定性。随后开发了随机方法，如SDP和SDDP[44]，[92]，[93]，[93]，以在不确定性下提供动态一致的估值，尽管有不同的计算权衡。同时，经济均衡模型将水价值嵌入到市场清算公式中[18]，[23]，[94]，而Econ–Engi和综合框架扩展了范围，包括环境和生态维度[15]，[24]，[95]。最近，近似动态规划（ADP）、强化学习（RL）和数据驱动的统计方法被应用于从实证数据中近似或推断水价值及相关价格响应函数。3. 系统评价的方法论本节描述了用于识别、选择和综合水电和电力市场研究中水价值估计文献的系统方法。该方法旨在确保透明度、可重复性和与系统评价的既定最佳实践保持一致[96]，[97]，[98]。3.1. 评价协议和搜索策略评价遵循了一个在文献搜索之前建立的结构性协议，以保持严谨性和一致性。该协议定义了研究问题、范围、资格标准以及数据提取和综合的程序。研究问题：水价值的概念是如何在水电规划、市场建模和水库管理中定义、操作化和应用的？范围：评价关注的是解决水电系统、电力市场和多用途水库管理背景下水价值的同行评审研究。搜索策略：在主要的学术数据库中进行了全面搜索，包括Scopus、Web of Science、ASCE Library和IEEE Xplore。还在ScienceDirect、SpringerLink和Google Scholar中进行了额外的针对性搜索，以确保广泛的覆盖范围。搜索字符串结合了关键术语，如：“hydro” OR “hydropower” AND “market” AND (“water value” OR “value of water” OR “shadow price” OR “shadow value” OR “scarcity value” OR “scarcity rent” OR “shadow rent” OR “dual value” OR “dual price” OR “opportunity cost” OR “marginal cost”)搜索范围限制在1931年至2026年的出版物，这反映了现代水电经济和市场优化框架发展的时期。为了最大化覆盖范围，使用了多种查询变体进行搜索。除了上述主要查询外，还用更广泛的术语“hydro”替换了“hydropower”，并使用了诸如“water value AND electricity markets”等针对性字符串。这些变体应用于所有数据库，以捕捉使用相同基本概念的不同术语的研究。结合搜索和筛选过程产生了最终包含277项研究的结果集，分为A-H和R类别（见表1和图1）。表1. 筛选过程中使用的类别分类。类别标准参考文献AH水电生产，水价值直接与水电占电力供应较大份额时对市场的影响相关。[7]，[16]，[17]，[18]，[19]，[20]，[32]，[33]，[37]，[38]，[39]，[40]，[41]，[42]，[45]，[46]，[54]，[55]，[56]，[57]，[62]，[63]，[66]，[67]，[70]，[71]，[72]，[73]，[78]，[81]，[84]，[86]，[89]，[91]，[94]，[101]，[102]，[103]，[104]，[105]，[106]，[107]，[108]，[109]，[110]，[111]，[112]，[113]，[114]，[115]，[116]，[117]，[118]，[119]，[120]，[121]，[122]，[123]，[124]，[125]，[126]，[127]，[128]，[129]，[130]，[131]B水电生产，水价值，但不直接与市场影响相关。[4]，[12]，[15]，[23]，[30]，[35]，[43]，[44]，[48]，[50]，[64]，[65]，[74]，[75]，[79]，[82]，[85]，[88]，[132]，[133]，[134]，[135]，[136]CH水电生产和市场，但不涉及水价值。[13]，[21]，[22]，[52]，[59]，[61]，[69]，[77]，[83]，[86]，[87]，[137]，[138]，[139]，[140]，[141]，[142]，[143]，[144]，[145]，[146]，[147]，[148]，[149]，[150]，[151]，[152]，[153]，[154]，[155]，[156]，[157]，[158]，[159]，[160]，[161]，[162]，[163]，[164]，[165]，[166]，[167]，[168]，[169]，[170]，[171]，[172]，[173]DM市场，但不涉及影子价格和水电，且供应份额较大。[51]，[58]，[158]，[174]，[175]，[176]，[177]，[178]，[179]，[180]，[181]，[182]，[183]，[184]，[185]，[186]，[187]，[188]，[189]EM市场和影子价格，但不涉及水电，且供应份额较大。[26]，[27]，[28]，[29]，[49]，[95]，[190]，[191]，[192]，[193]，[194]，[195]，[196]，[197]，[198]，[199]，[200]F相关，但提供了分析而不是估计水电发电对市场或水价值影响的方法论。[68]，[201]，[202]，[203]，[204]，[205]，[206]，[207]，[208]，[209]，[210]，[211]，[212]G相关，但重点不在于市场、水价值或较大的水电份额。[11]，[36]，[60]，[90]，[123]，[213]，[214]，[215]，[216]，[217]，[218]，[219]，[220]，[221]，[222]，[223]，[224]，[225]，[226]，[227]，[228]，[229]，[230]，[231]，[232]，[233]，[234]，[235]，[236]，[237]，[238]，[239]，[240]，[241]，[242]，[243]H水价值，但不关注市场影响。[14]，[24]，[244]，[245]，[246]，[247]，[248]，[249]，[250]，[251]，[252]，[253]，[254]，[255]，[256]R*叙述性参考文献用于背景介绍。[6]，[9]，[10]，[34]，[257]，[258]，[259]，[260]，[261]，[262]，[263]，[264]，[265]，[266]，[267]，[268]，[269]，[270]，[271]，[272]，[273]，[274]，[275]，[276]，[277]，[278]，[279]，[280]，[281]，[282]，[283]，[284]，[285]，[286]，[287]? R类别的参考文献提供了叙述性背景和上下文框架；它们不是用于定量数据提取和元分析的系统筛选结果集的一部分。下载：下载高分辨率图片（480KB）下载：下载全尺寸图片图1. 系统评价的流程图。3.2. 筛选、资格和数据提取筛选过程：初始搜索结果被导入到参考管理工具中，并移除了重复条目。筛选分为两个阶段：阶段1 - 标题和摘要筛选：评估文章与水电和电力市场背景下的水价值的相关性。阶段2 - 全文筛选：详细审查剩余文章，根据预定义的标准确定资格。评价团队：所有筛选、资格评估和数据提取均由作者完成。在每个阶段，两名作者独立筛选每条记录，如有分歧通过讨论解决；如果无法达成共识，则由第三名作者裁决。没有聘请外部评审员。虽然我们的双屏幕审查协议旨在最小化错误，但缺乏外部审稿人仍然是一个限制，因为独立验证本可以提供进一步的检查，以对抗潜在的确认偏差。

**纳入标准：** 如果研究满足以下条件，则被纳入：
(i) 明确定义或应用了水价值（影子价格、机会成本或等价物）的概念；
(ii) 专注于水力发电系统、水库运营或与电力市场的互动；
(iii) 提供了关于优化、建模或估值框架的方法学细节。

**排除标准：** 如果研究不满足以下条件，则被排除：
(i) 与水力发电或电力市场无关（例如，仅涉及灌溉的情境）；
(ii) 仅是缺乏分析或优化成分的描述性研究；
(iii) 非英文出版物（由于实际限制）。

**背景参考：** 除了系统筛选的研究（A-H类别）外，该综述还参考了一组叙述性参考文献（R类别），这些文献提供了方法学或背景框架。R类别的参考文献支持定义、历史背景和整个手稿中的跨学科联系，但它们本身不符合直接水价值估算或方法学比较的纳入标准。因此，它们被排除在定量数据提取和元分析之外。R类别与系统筛选类别之间的区别在表1中说明。

**数据提取：** 开发了一种标准的数据提取表，以捕获每项符合标准的研究的关键信息，包括：
(i) 文献细节（作者、年份、来源）；
(ii) 地理和系统背景（地区、水力发电系统类型、市场环境）；
(iii) 水价值的概念框架（定义、解释）；
(iv) 方法学方法（优化技术、时间和空间范围）；
(v) 关键变量和参数（流入量、储存量、释放量、市场价格）；
(vi) 报告的结果（估值指标、不确定性、政策影响）。完整的筛选过程、分类元数据和提取的水价值数据点在配套的数据集文章[99]、[100]中公开存档和记录。

**3.3 分类和综合方法**
**分类：** 使用结构化框架对筛选出的文献进行分类（见表1），该框架根据研究对水力发电生产、市场影响、水价值估算和方法学取向的关注程度进行区分。这种分类使得可以在不同的建模传统之间进行系统比较。
**综合：** 使用定性和定量方法对提取的数据进行综合：
- **定性综合：** 按照水价值的概念化、方法学方法和应用领域对研究进行分组。主题分析识别了文献中的共同趋势、差异和空白。
- **定量映射：** 在可能的情况下，按模型类型（例如LP、SDP、SDDP、均衡模型）、地区和用途对研究进行汇总。报告的水价值和不确定性指标被汇编用于元分析。

**PRISMA风格的流程图（图1）** 总结了筛选和选择过程，显示了识别出的记录数量、被筛选出的记录以及被纳入综合的记录数量。

**局限性：** 该综述存在一些局限性，包括数据库覆盖范围、语言限制，以及报告积极结果的研究可能被过度代表。尽管如此，严格的协议和透明的综合为后续的水价值方法学和结果分析提供了坚实的基础。

**3.4 水价值研究中的归纳和演绎方法**
对水力发电系统中水价值估算的科学探究可以广泛采用归纳或演绎方法[4]。归纳方法涉及从具体观察中推导出一般原则，例如从实证案例研究[101]、[124]、[144]、历史市场数据[66]、[68]、[102]或观察到的运营结果[69]、[83]、[151]中推断水价值关系。这通常涉及对历史电力价格和水库产量的计量经济分析，以识别关键影响因素并实证估计供应曲线[69]、[83]、[164]。相比之下，演绎方法从已建立的理论框架（如优化理论、经济原理或物理定律）出发，应用这些框架来推导出关于不同情景下水价值的具体、可测试的预测[244]。

在这篇系统综述中，我们主要关注演绎方法。这样做的理由有两个。首先，演绎模型（如LP[29]、[67]、[108]、SDP[56]、[61]和经济均衡框架[77]、[95]）为水价值估算提供了透明且可复制的基础[90]。它们允许明确表示系统约束（如排放限制[12]、[75]、[79]、水库水位[88]、[120]、生产限制[30]、[39]、[91]、水平衡[4]、[37]、[55]和功率流容量[57]、[59]、[94]）、目标函数（如最小化运营成本或最大化利润/用户利益[59]、[214]）以及不确定性（特别是关于未来水流入情景[16]、[61]），从而允许在不同研究之间进行严格比较[252]。其次，演绎方法更适合泛化。通过从基本原理出发，它们能够综合出不仅限于单一实证背景的结果，可以应用于不同的水力发电系统和市场设计[12]、[244]。

归纳研究提供了宝贵的见解，特别是在揭示新兴现象和特定情境下的行为[7]方面，例如识别水库供应曲线的关键影响因素[61]。然而，由于依赖于当地条件和数据可用性，它们的发现往往不太具有转移性。例如，某些方法可能不适用于每个拥有水库的国家，一个区域市场的发现可能无法直接应用于另一个区域[83]、[124]。案例研究通常关注特定地区或双边协议[55]、[59]。此外，关于水力发电中水价值的文献主要由演绎建模传统主导[68]、[84]，这反映了该行业在运营和规划决策中对优化和经济理论的依赖[44]、[89]、[106]。这种主导地位体现在随机和确定性优化方法（包括SDDP）在水热调度问题中的广泛应用上。该行业的运营和规划决策严重依赖于优化工具，如短期水力发电优化[6]、[38]、[39]、[166]、多市场优化[86]、[115]、[116]、长期规划的双层优化[105]、[150]以及收入最大化的优化模型[30]、[52]、[101]。这些决策还结合了经济概念，如边际成本[29]、[69]、[77]、福利最大化[45]、[104]、[194]和电价策略[54]、[136]、[188]。因此，我们的综述优先考虑演绎方法，并承认归纳研究在模型校准和验证中的补充作用[244]。

**4. 水力发电系统中水价值的分析框架**
本节提供了用于估算水力发电系统中水价值的主要方法学家族的统一概述。水力发电系统中水价值估算的概念框架如图2所示。每种方法都从其数学表述、不确定性处理、物理保真度和水价值解释方面进行了描述。为了清晰和可比性，符号在整个过程中进行了统一。文末提供了一个比较总结表。

**下载：** 下载高分辨率图像（462KB）
**下载：** 下载全尺寸图像

**图2. 以水力发电为主导的电力系统中水价值估算的概念框架。** 该图展示了水文输入、系统约束、方法学方法以及水价值（影子价格）的计算之间的关系，以及其在市场响应、规划和政策中的应用。

为了便于系统比较，对方法学的综述围绕四个一致维度进行了结构化：
- **不确定性处理**，从完全确定性到明确的随机性表述；
- **物理保真度**，捕捉每种方法如何忠实地表示水头、涡轮效率、禁止的运行区域和其他非线性水技术约束；
- **市场设计和市场响应的表示**，包括建模投标、联合优化产品和价格形成的能力；
- **计算可扩展性**，反映系统规模、时间分辨率和解决时间的实际限制。表2总结了所有模型家族的这四个维度。随后，第4.11节和第4.12节提供了关于风险处理、常见陷阱和方法学选择对水价值估算的实际影响的跨领域综合讨论。

**表2. 水力发电水价值估算的方法学方法比较**
| 方法 | 不确定性处理 | 物理保真度 | 可扩展性 | 水价值解释 | 局限性 | 参考文献 |
|------------|----------------|----------------|--------------|------------------|--------------|----------------|除了单元承诺逻辑外，整数层还便于表示各种非线性的水力技术约束，例如禁止的（粗糙的）运行区域、储水量与水位的关系以及分段线性依赖水头的发电量。设T为调度范围，U为热力单元集合，R为粗糙区域（禁止排放带）集合，K为水头-排放量乘积分段线性近似中的断点集合。短期成本最小化问题可以表示为：
(5) min∑t∈T(∑g∈GcgGtg+∑g∈GSUgytg)
(6) s.t. Gtg≤G―gutg, ?g,t
(7) ytg≥utg?ut?1g, ?g,t
(8) 水库平衡(2)
(9) Qtpow, Qtpump, St的操作限制
(10) 水力技术约束（如下）
utg, ytg∈{0,1}, ?g,t
粗糙（禁止的）运行区域。通过二进制变量ztr∈{0,1} [30], [149]排除可能导致振动或空化的排放带：
(11) Qtpow?[Q―r,Q―r]?{Qtpow≤Q―r?M(1?ztr) ∨ Qtpow≥Q―r+Mztr}
其中M是一个足够大的常数。该公式强制排放量要么低于Q―r，要么高于Q―r。
储水量与水位（水头）函数。非线性映射Hˉt=f(St)被分段线性SOS2近似替代。SOS2，或“特殊有序集类型2”，是一组连续变量，具有特殊规则，即集合中最多只有两个变量可以是非零的，如果两个变量是非零的，它们必须按照预定义的顺序相邻 [289]：
(12) St=∑k∈Kskαt,k, Hˉt=∑k∈Khkαt,k, ∑k∈Kαt,k=1, αt,k∈[0,1]
(13) 其中(sk,hk)是储水量与水位函数f的断点。
分段线性水电转换。双线性项Gt=ηtρgHˉtQtpow通过lambda公式或McCormick包络线性化：
(14) Qtpow=∑k∈Kqkzt,k, Gt=∑k∈Kκkzt,k, ∑k∈Kzt,k=1, zt,k∈[0,1]
(15) 其中κk=ηtρghk。如果需要更高的精度，可以使用额外的二进制变量来强制选择断点，从而得到真正的MILP；否则，SOS2版本仍然是一个纯LP松弛。
水价值：由于整数变量的存在破坏了可行区域的凸性，传统的对偶乘数（影子价格）无法唯一确定。通常通过(5)、(6)、(7)的线性松弛或通过扰动初始储水量的后最优敏感性分析来获得近似水价值。
优点：MILP能够捕捉非凸现实，如单元承诺 [115], [129]、启动成本 [30], [91], [149]、最小发电水平 [39], [54] 和粗糙区域 [12], [280]。它提供了一个灵活的框架，用于嵌入储水量-水位和水头-排放量关系的分段线性近似，同时保持模型在断点之间的线性 [37], [120], [290]。MILP公式也已扩展到风能-水力联合优化 [228], [273]。
缺点：相对于LP对偶 [54], [156]，水价值变得不连续且更难以解释。随着时间周期、断点和二进制变量数量的增加，计算负担迅速增加。分段近似引入了建模误差，必须与可行性进行权衡。

4.4. 随机动态规划（SDP）
LP（第4.2节）和MILP（第4.3节）公式针对单一确定性情景进行优化，而SDP认识到未来的流量（可能还包括价格）是随机的。决策问题通过Bellman递归分阶段解决：
(12) Vt(St)=maxut{πt(St,ut)+E[Vt+1(St+1)∣St,ut]}
其中St是储水状态，ut=(Qtpow,Qtpump,…)是控制向量，πt是单期利润，St+1遵循质量平衡（2）和随机流量It。实际实现包括：(i)将储水量离散化为有限网格 [64], [85], [88]；(ii)从历史流量预先计算转移概率 [36], [74], [172]；(iii)使用分段线性奖励，以便在MILP中引入的水头效应和粗糙区域约束 [12], [37], [280]可以在不增加额外二进制变量的情况下得到保留。
水价值：λt(St)=?Vt(St)?St≈Vt(St+ΔS)?Vt(St)ΔS，通过有限差分计算得出。
优点：直接捕捉不确定性，因此产生风险意识强的、时间一致的水释放策略 [93], [214]。可以嵌入非线性水头或涡轮效率曲线而无需线性化误差 [120]。
缺点：“维度灾难” [167]，即状态和动作空间随着水库数量和离散化级别的增加而呈指数级增长，限制了SDP在大型系统或粗网格上的应用 [88]。储水量离散化引入了聚合误差；更细的网格可以提高精度，但会增加计算成本 [235]。实际的水电调度实现通常将每个水库的储水量离散化为数十到数百个级别，但对于具有三个以上状态变量的多水库系统，如果没有聚合或近似技术，计算上将变得不可行 [85], [167]。因此，网格分辨率的选择代表了精度与可行性之间的基本权衡：较粗的离散化加快了计算速度，但增加了价值函数中的插值误差，从而影响了派生的水价值 [88], [235]。

4.5. 随机对偶动态规划（SDDP）
SDDP在单一情景LP/MILP模型（4.2 确定性线性规划（LP），4.3 混合整数线性规划（MILP）和完全成熟的SDP（第4.4节）之间架起了桥梁。它保持底层的水热子问题的线性（通常使用与MILP相同的分段线性水头和粗糙区域近似），并通过添加Benders割来迭代构建多阶段策略：
(13) Vt(St)≈maxk∈Kt{αtk+βtkSt}
其中每个仿射割（αtk,βtk）是在线性子问题的对偶中反向传递生成的；然后通过前向采样测试新流量情景并细化近似。
水价值：在执行时，储水量的边际价值由在St时刻激活的割k?的斜率βtk?给出。
优点：可以扩展到长范围和许多相互连接的水库，不受维度灾难的影响 [55], [141], [260]。继承了LP公式的所有线性/凸特性 [89], [92]，并且可以通过少量修改来适应风险度量（例如条件风险价值（CVaR）[93], [105], [214]。已经探索了用于大型系统的分布式SDDP规划 [103], [263]。
缺点：标准SDDP算法需要凸子问题；这是一个核心限制，阻止了直接包含整数决策变量，如单元承诺二进制变量、启动指标或非凸水力约束。因此，整数决策必须通过LP松弛（例如）或通过专门扩展（如随机对偶动态整数规划（SDDiP）[129], [291]来处理。这种扩展在下面的备注中进一步讨论。物理精度受到采用的线性近似（水头、效率、粗糙区域）的限制。收敛速度和策略质量取决于生成的割的数量和种类。

4.6. 经济-工程（Econ–Engi）模型
Econ–Engi模型已应用于跨界供水 [191], [192]、联合使用 [292], [293]、农业水价值 [246]、生产成本评估 [220]、水价 [193], [251] 和随机水经济优化 [196]。这些模型将工程约束与经济目标结合起来，通常在福利优化框架内：
(14) minx,q[∑t,pCt,pscarcity(qt,p)?经济稀缺成本 + ∑t,l,oCt,l,oop(xt,l,o)?运营成本]
其中qt,p是在时间t交付给使用p的水量，xt,l,o是在位置l和时间t的水操作（释放、抽水等）。
稀缺成本定义为：
(15) Cpscarcity(qp)=Up(dp)?Up(qp)=∫qpdpPp(s)ds
其中Up(qp)是交付的总收益，Pp(q)是边际收益函数。
水价值：水库平衡约束上的乘数代表了物理稀缺性和经济租金。
优点：捕捉多部门分配和稀缺成本 [41], [42]。通过将工程约束嵌入经济福利框架，这些模型可以同时评估水在竞争用途（能源、灌溉、城市供应、环境流量）中的价值，并识别高效分配模式 [14], [15]。
缺点：需要需求曲线和稀缺函数；校准可能具有挑战性，特别是当支付意愿数据稀少或在流域之间转移参数时 [28], [117]。这些模型的数据密集性和特定于上下文的特性可能限制了它们在缺乏详细经济数据的地区或部门的适用性 [16]。

4.7. 其他方法论流派
除了详细回顾的LP/MILP/SDP/SDDP和Econ–Engi系列外，文献还报告了几种替代方法 [37]。
强化学习和近似动态规划算法直接从数据中学习释放策略，处理高维、非线性物理问题，但代价是水价值信号不透明且噪声较大 [9], [186]。然而，学习到的策略对奖励函数形状敏感，导致的水价值信号可能不透明且噪声较大，使得与基准解决方案的验证变得必要。
元启发式优化器，如遗传算法、粒子群优化或模拟退火，将调度问题视为黑箱 [91], [281]。虽然易于实现并且能够处理非凸性，但元启发式缺乏形式上的最优性保证，并且不产生对偶信息，这阻碍了水价值的直接提取。
实物期权模型将储存的水视为电力价格的一系列看涨期权，提供了对时间和波动性溢价的分析洞察，同时抽象了详细的水力约束 [8], [9], [46]。然而，它们需要对价格过程（例如几何布朗运动或均值回归动态）做出强假设，并且抽象了详细的水力约束，限制了它们在操作调度中的适用性。
机器学习替代方法（回归树、高斯过程或神经网络）在大型预计算最优解库上进行训练，并提供近乎即时的水价值估计 [138]。然而，它们在训练范围之外存在外推风险，并且需要大量的预计算最优解库进行校准，这限制了它们在新操作条件或非稳态水文条件下的可靠性。
基于代理和博弈论的模型关注多个水电所有者之间的战略投标。已经为水市场开发了基于代理的模型 [176], [215], [258], [259]。市场模拟方法包括特定于存储的模型 [216], [222]。水价值从纳什均衡中内生地出现，但计算负担和行为假设限制了它们的实际应用 [9], [51], [281]。
最后，蒙特卡洛模拟固定规则曲线在行业实践中仍然很常见。数千个随机流量-价格轨迹通过详细的水力模拟器进行路由，之后通过敏感性测试事后推断水价值。这些方法透明且稳健，但相对于真正优化的策略来说本质上是不完美的 [128], [294], [295]。

4.8. 方法论总结
尽管从4.2 确定性线性规划（LP），4.3 混合整数线性规划（MILP），4.4 随机动态规划（SDP），4.5 随机对偶动态规划（SDDP），4.6 经济-工程（Econ–Engi）模型回顾的方法论可以估计水价值，但在不同模型之间解释水价值时存在一些细微差别。这些解释的根本差异源于不同模型的概念框架。例如，LP和MILP等确定性模型提供仅与时间t相关的状态独立的水价值 [67], [73]。相比之下，SDP和SDDP可能生成的水价值依赖于未来和过去的储水量。Econ–Engi模型通常也产生状态独立的水价值，因为研究人员通常将水资源量视为模型的输入，而不是模拟储水量的动态 [14], [15]。
关于将不确定性纳入水价值估计的能力，SDP、SDDP和Econ–Engi模型优于LP和MILP模型。然而，值得注意的是，能够处理不确定性的模型依赖于研究人员对不确定性的假设，例如流量和能源价格的概率分布 [36], [172]。为了获得可靠和有效的结果，SDP、SDDP和Econ–Engi模型对不确定性的假设需要合理化和校准。我们在表2中提供了文献中常用的方法的总结比较。有关在不同操作条件下选择方法的实用指导，请参见附录B中的决策指南B.8。

4.9. 关键分析考虑和扩展
4.9.1. 单位和转换
水价值可以以体积单位（$/m3）或能量单位（$/MWh）报告。转换取决于水头、效率和时间步长：
(16) λtE=λtV×3.6×109κt
其中κt=ηtρgHˉt是体积到能量的转换因子。常数3.6×109是一个单位转换因子，来源于3600s/hr×106W/MW=3.6×109 W?s/MWh，将焦耳（W?s）转换为兆瓦时（MWh）。因子κt的单位是W/(m3/s)，或等效地J/m3，表示在给定水头和效率下每单位体积流量的瞬时功率。维度一致性可以通过以下方式验证：λtV（以$/m3为单位）乘以J/MWh的转换因子，然后除以κt（以J/m3为单位），得到λtE（以$/MWh为单位）。透明报告单位和转换假设对于可重复性至关重要。
4.9.2. 价格和产品映射
水价值λt是通知水电单元市场报价和投标策略的关键输入 [51], [73], [86]。对于接受价格的投标，一种常见的方法是将投标与预期能量值bt≈λtE近似关联。水电厂通常作为价格接受者在日前电力市场中参与 [12], [157]。在这种情况下，目标函数通常包括来自日前市场的收入（每小时能源价格乘以每小时发电量）[64], [83]。投标策略已扩展到轮廓块投标 [160]、多区域市场 [168]、无功功率定价 [170]、顺序市场清算 [232]、协调投标 [189], [199]、需求响应 [264], [270] 和报价曲线构建 [132], [148]。类似地，抽水蓄能单元的单元价格是基于日前市场价格计算的，任何为系统平衡而增加或吸收的兆瓦时（MWh）都会通过影子价格[80]、[175]产生惩罚。对于协同优化产品（例如，储备），机会成本必须考虑激活概率和产品特定约束。在水电水库的短期最优运行模型中，总体目标函数可以包括最大化提供能源和旋转储备的经济效益[50]、[58]。旋转储备的可用性受到母线最小储备约束的影响，并可能受到能源需求或电网安全性的影响。研究还鼓励将替代市场（如日前自动频率恢复储备市场）纳入水价值研究[21]、[114]、[187]。在日前单元承诺（UC）模型中对PSH配置的建模可以包括单元启动和关闭成本，以及维护旋转储备单元的损失[43]、[78]。这些公式涉及对最小和最大功率输出、抽水功率、涡轮功率和单元状态变量的约束。

4.9.3. 储备产品的不对称性
提供下调能力通常会在水电单元的水使用和机会成本方面引入不对称性。当对下调能力的需求具有约束性时，必须运行额外的发电量，这会提高存储平衡的影子价格（水价值λt）[40]、[211]。对于PSH电站来说，这意味着在通常价格较低的时段运行泵；否则这些能源可以出售，因此有效的水消耗和机会成本会增加[206]、[299]。相反，具有约束性的上调需求会创造余地，减少平均排放量，从而降低λt[40]。虽然一些研究假设储备需求是对称的，但可以通过引入单独的上调（Rt↑）和下调（Rt↓）储备变量来放宽这一假设。

对于由储备强制的发电计划，设Gtbase为计划的（调度前）涡轮输出，G~t为该输出的纯能量部分，Gˉt为涡轮的物理限制。储备承诺施加：
(17a) Gtbase = Rt↓ + G~t（下调储备的必须运行）
(17b) Gtbase + Rt↑ ≤ Gˉt（上调储备的余地）
相应的双重变量为μt↓ = λ(17a) 和 μt↑ = λ(17b)。这些乘数被纳入水库平衡中，使得有效水价值为：
(18) λt = λtenergy + μt↓ ? μt↑。
因此，μt↓ > 0（具有约束性的下调储备）会提高λt，而μt↑ > 0（具有约束性的上调储备）会降低它。

对于PSH套利条件，设Ptpump为时间步长t内的电输入，Qtpump为相关的抽水量：
(19) Qtpump = ηtpumpPtpumpρgHˉtpump。
定义往返效率因子：
(20) ηtcycle := ηtpumpηtgenHˉtpumpHˉtgen。
将体积影子价格λt[$/m3]转换为其能量等价值：
(21) λtE = λtρgHˉtgenηtgen[$/MWh]，
无套利区间为：
(22a) λt + 1E ≥ ptηtcycle（如果有利可图则购买并抽水）
(22b) λtE ≤ ptηtcycle（如果有利可图则发电）
其中pt是以$/MWh为单位的现货价格。不等式(22)强调，只有在预期未来存储水的能量价值λt+1E超过抽水的折现成本(22a)时，运营商才会抽水；只有在当前能量价值低于考虑效率损失后的现货价格时，才会发电(22b)。储备提供研究包括风力发电储备[152]、[239]、PSH灵活性[282]和储备交换收益[202]。

4.10. 网络和单元承诺的耦合
将单元承诺与水电调度与网络约束（如直流（DC）/交流（AC）-最优功率流（OPF）相结合，通过位置价格和承诺驱动的收入重塑边际水价值，使得跨时间尺度和资产聚合的一致性对于可比性和内部一致性至关重要[89]、[112]。网络耦合研究包括LMP分析[155]、[219]、隧道网络建模[236]、流量混合[249]、分解方法[296]和多省调度[279]。实际实施将时间范围（短期、中期、长期）分解，并经常使用主从结构，将每周的流入量和水价值分解为每小时信号以进行竞价，同时聚合较小的资产（包括“联合发电机”）以控制维度；这些选择需要仔细的参数化，因为涡轮机的异质性、水电生产函数的离散化和依赖于水头的非凸性可能会扭曲价值信号[62]。功率转换通常使用分段线性Q-H包络进行线性化，但当求解器能够处理凸（或混合整数凸）约束时，二次或双线性公式仍然是一个选择，并且可以在不增加断裂点数量的情况下提供更高的保真度。在串联河流中，旅行时间是另一个耦合来源：使用多日时间步长或延迟方程，但假设单一的确定性延迟忽略了由于路由和前池动态导致个别水团体的旅行时间分布。例如，使用延迟分布或存储延迟罐来表示这种分散性，可以改善下游水头和溢流的估计。为了减轻维数的诅咒并确保从区域或聚合模型到电站级决策的结果准确转换，最好使用系统范围的或经验衍生的伪涡轮供应曲线，而不是在串联中的单一电站竞价[82]、[167]，并将风险范围与长期义务对齐。最后，确定性的LP公式和短期与中期模型之间的不一致性可能会由于非预期性而导致误导性的建议；因此，严格的跨尺度一致性对于准确估计水价值和财务风险至关重要[61]、[83]。

4.11. 风险、鲁棒性和不确定性
水库运营中的最优定义本质上与决策者对风险的态度有关[252]。风险规避目标（例如，均值风险、CVaR）和鲁棒优化方法通常在稀缺情况下产生更高的水价值[81]、[105]、[113]。建议报告置信区间并进行样本外验证[89]，并对风险参数敏感[33]。水库的聚合可能会低估局部水资源短缺，可能导致干旱流域的水价值被错误地高估[260]。对于水电运营，特别是在对冲能源短缺时，明智的决策需要在积极效应（由于短缺而降低的能源购买成本）和负面效应（由于对冲而减少的直接能源销售收入）之间取得谨慎的平衡[214]。对冲的影子价格量化了对冲的平均边际负面影响，并且随着能源短缺百分比或水库初始储量的减少而显著增加。因此，关于能源短缺百分比的最优决策是对冲的影子价格和能源短缺的惩罚价格的联合函数。水电系统可能具有复杂的拓扑结构，包括串联的水库和发电厂。
随机公式通过情景树或蒙特卡洛样本来表示未来的流入量和市场价格。这些情景的生成方式以及后续的简化（例如，前向选择、矩匹配、Kantorovich距离）对最终的水价值和政策建议有一阶影响。不确定性的主要来源通常包括水库流入量、现货价格轨迹、燃料成本和需求水平[74]、[85]。因此，忽略这种随机结构的确定性模型仅限于预测误差有限的短期范围[51]、[74]。最佳实践是详细报告情景生成过程并进行鲁棒性检查[209]。常见的压力测试比较了关键驱动因素的不同统计拟合。例如，边际成本曲线可以用线性、多项式、样条或分段线性函数来近似，并评估水价值对每种规格的敏感性[52]、[58]。模型还与历史数据进行基准测试，以确保它们能够再现真实的价格波动性和序列相关性。非参数重采样技术进一步放宽了分布假设，并能更忠实地捕捉高阶矩[177]。情景设计的透明度和敏感性分析的广度在很大程度上决定了随机水价值研究的可信度[85]、[144]。

4.12. 常见错误
MILP对偶的误用：在没有参数检查的情况下将整数程序对偶引用为水价值会导致非经济信号[54]、[156]。
时间尺度不一致：将月度λt直接传递到小时市场而不重新调整日内水头和价格模式会导致不具代表性的出价[81]、[83]。
内生性不匹配：将外生价格预测与内生市场模型结合会重复计算市场反应。增加价格粒度可能会影响模型结果[180]。
终端值指定不当：Φ(ST+1) = 0会夸大季节末的释放量并过早降低λt[51]、[62]、[154]。
情景分散不足：狭窄的流入/价格情景会产生过于自信且低估的λt范围；披露范围诊断[74]。
聚合效应：粗略地聚合资产或水库可能会通过平滑局部约束和灵活性来低估水价值。更精细的空间和资产分辨率倾向于通过揭示瓶颈和运营机会来提高λt[33]、[90]、[112]。
时间粒度：较短的时间步长（例如，每小时对比每天）通常通过捕捉日内套利和灵活性来增加水价值。在跨时间尺度转换水价值时应小心，以确保日内水头和价格模式的一致表示[81]、[83]。

5. 系统评价的结果和讨论
系统评价强调了量化水价值的方法范围，涵盖了经典优化模型、随机编程和基于均衡的公式。尽管这些方法在将水价值作为存储机会成本这一核心原则上达成一致，但它们的实证估计根据建模假设、时间范围以及政策和监管背景而有显著差异。回归分析结果（表3、表4、表5、表6）提供了一个定量视角，可以通过这个视角系统地比较这些差异。在本节中，我们解释了发现结果，比较了方法论的优势和劣势，并批判性地评估了文献的局限性。我们还考虑了其对政策和运营实践的更广泛影响。

表3. 水价值的定量分析，N=462。
空单元
(A)(B)(C)
虚拟变量
记录的水价值
记录的水价值
记录的水价值
Econ-Engi模型 ?2.02** ?0.80 ?2.62** (1.03)(1.16)(1.29)
MILP模型 14.06*** 11.73** 11.85** (1.49)(1.52)(1.49)
SDP模型 ?4.00*** ?6.33*** ?6.21** (1.32)(1.37)(1.34)
SDDP模型 ?4.33** ?4.46** ?4.61* (1.27)(1.24)(1.34)
其他模型 1.19 1.42 2.34* (1.27)(1.29)(1.35)
亚太地区 2.50 0.40 (2.57)(2.59)
欧洲 5.98** 4.45* (2.53)(2.63)
北美 1.60 1.53 (2.69)(2.69)
南美 1.03 ?0.23 (2.77)(2.73)
环境 8.95*** (1.95)
水电 2.34* (1.26)
多功能 3.45*** (1.15)
城市使用 4.57*** (1.47)
常数 0.11 ?3.54 ?4.47* (0.09)(2.64)(2.62)
调整后的R平方 0.30 0.34 0.38
括号中的标准误差。*、**、*** 分别表示10%、5%、1%的显著性。每个水价值观测值都按原始论文中提取的水价值数量的倒数进行加权。参考水平：模型 = LP模型；地区 = 非洲；主要用途 = 农业。

表4. 基于表3列(C)的系数相等性的Wald检验。
零假设 F统计量 P值
检验结果
LP = Econ-Engi = MILP = SDP = SDDP = 其他
F(5, 419) = 38.07 0.00 拒绝
LP = Econ-Engi = MILP = SDP = SDDP = 其他
F(4, 419) = 44.65 0.00 拒绝
LP = MILP = SDP = SDDP = 其他
F(3, 419) = 58.94 0.00 拒绝
LP = Econ-Engi = 其他
F(2, 419) = 6.32 0.02 拒绝
SDP = SDDP = 其他
F(1, 419) = 1.34 0.25 不拒绝

表5. 水价值不确定性的定量分析，N=160。
空单元
(A)(B)(C)
虚拟变量
记录的水价值范围
记录的水价值范围
记录的水价值范围
Econ-Engi模型 ?0.24 0.08 0.13 (0.68)(0.72)(0.83)
MILP模型 0.79 2.09** 2.17** (0.97)(0.93)(0.90)
SDP模型 ?0.19 1.11 1.20* (0.76)(0.75)(0.73)
SDDP模型 ?0.58 1.22 ?2.57** (0.79)(0.76)(0.85)
其他模型 0.35 ?0.18 ?0.09 (0.85)(0.88)(0.89)
亚太地区 ?0.60 0.00 (1.58)(1.72)
欧洲 ?3.62** ?3.17** (1.42)(1.58)
北美 ?2.52 ?3.52***** (1.58)(1.64)
南美 0.08 0.08 (1.50)(1.52)
环境 0.49 (1.73)
水电 ?0.44 (0.99)
多功能 1.99** (0.99)
城市使用 3.53 (2.21)
常数 ?0.80 1.52 1.43 (0.54)(1.49)(1.46)
R平方 0.02 0.14 0.20
括号中的标准误差。*、**、*** 分别表示10%、5%、1%的显著性。每个水价值观测值都按原始论文中提取的水价值数量的倒数进行加权。参考水平：模型 = LP模型；地区 = 非洲；主要用途 = 农业。

表6. 基于表5列(C)的系数相等性的Wald检验。
零假设 F统计量 P值
检验结果
LP = Econ-Engi = MILP = SDP = SDDP = 其他
F(5, 146) = 4.81 0.00 拒绝
LP = Econ-Engi = MILP = SDP = SDDP = 其他
F(4, 146) = 5.97 0.00 拒绝
LP = MILP = SDP = SDDP = 其他
F(3, 146) = 7.95 0.01 拒绝
LP = Econ-Engi = 其他
F(2, 146) = 0.02 0.98 不拒绝
SDP = SDDP = 其他
F(1, 146) = 17.60 0.00 拒绝

5.1. 文献的描述性统计
我们确定了1931年至2026年1月期间发表的277篇相关研究。图3的子图a)和c)展示了随时间增长的出版物数量，过去二十年增长明显加快。大多数文献是会议论文，其次是来自IEEE Xplore和Scopus的期刊文章。地理覆盖范围集中在欧洲、北美和南美，亚洲和其他地区的贡献相对较少。
下载：下载高分辨率图像（672KB）
下载：下载全尺寸图像
图3. 水价值评估研究趋势的总结。
方法上，LP和SDDP在文献中占主导地位，这反映了它们对多水库系统和长期范围的可扩展性。图3的子图b)显示了所审查文献中方法论方法的分布。

5.2. 水价值的定量元分析
如前几节所讨论的，水价值为水电大坝运营提供了关键指导，包括多用途释放计划、市场竞价策略和政策设计。未来水文条件和市场过程的不确定性自然会传播到水价值估计中，将这些不确定性纳入考虑对于科学合理的规划过程至关重要。出于这些考虑，我们对文献中调查的水价值进行了定量分析，以揭示不同因素与水价值点估计和不确定性之间的关联。我们估计了以下对数线性回归模型：
(23) Ln(yi) = β0 + β11{yi∈M} + β21{yi∈P} + β31{yi∈F} + ?i
其中因变量yi代表水价值本身或给定研究中报告的水价值范围。每个观测值都按相应论文中报告的观测数量倒数进行加权。我们选择使用对数线性函数形式，如方程(23)所示，因为现有文献中报告的水价值范围从1931年持续到2026年，涵盖了整个全球和多种不同的用途。这些估计的内在特性导致了水价值分布的广泛性。作为替代方案，线性-线性函数形式对异常值敏感，并且隐含地赋予了发达经济体中城市用水价值过高的权重。对结果变量进行对数转换可以压缩水价值分布，使得每个单独的估计值保持在相似的数量级。表3报告了对数化水价值的回归估计（N=462）。表5展示了水价值相对范围的回归估计，该范围是通过将范围除以调查论文中报告的每种用途的中心估计值计算得出的（N=160）。例如，如果一篇论文考察了三种不同的用途，它将为分析贡献三个独立的相对范围观测值。我们选择这个指标来评估嵌入在水价值中的异质不确定性，这些不确定性可能与模型的精确度、用水量和位置有关。这个指标可以作为正式统计量——变异系数的代理。由于大多数研究没有为每种用水目的提供足够的水价值数量，因此无法可靠地计算变异系数。在两个表中，列（A）到（C）依次引入了区域指标和用水目的指标。出现了三个显著的模式：（1）水价值差异：与基线LP模型相比，SDP、SDDP和Econ–Engi模型的估计值显著较低。相比之下，无论是否考虑了区域和用水目的指标，MILP和其他模型的估计值始终较高。在不确定性方面，MILP和SDP模型产生的水价值估计范围比LP模型更广。Econ–Engi和其他模型产生的水价值估计范围与LP模型的估计值相似。（2）地理差异：点估计表明，欧洲的水价值显著高于非洲。我们没有发现其他大陆的水价值估计在统计上与非洲的不同。水价值估计之间的差异可能反映了水文丰度或政策和市场因素（例如，市场设计）。对于水价值不确定性，现有估计显示出区域差异：欧洲和北美的水价值相对集中且估计更为精确。这种差异可能反映了不同的气候水文条件，如热带和安第斯流域的不稳定流入，以及不同的市场框架，特别是在巴西基于水库的电力市场中水电的主导作用。我们统计发现的另一个潜在原因是，欧洲和北美国家往往拥有质量更好的公开数据，从而能够进行更精确的估计。（3）用水目的：具有多种用途或面向城市和混合供应的水库表现出更高的水价值，并且统计精度更高，这突显了多功能基础设施和关键供应系统的溢价。解释能力从模型（A）（R2=0.30）显著提高到模型（C）（R2=0.38）。这突显了考虑区域背景和水库用途的重要性。即使应用相同的估计方法，不同地理区域和用途的水价值估计也可能存在显著差异。这些差异可能是由市场设计、资源禀赋和更广泛的经济结构的变化所驱动的，表明水价值本质上是依赖于上下文和时间的。观察到多功能和城市供应水库的水价值较高，反映了几个相互加强的机制：竞争性的非能源用途（灌溉、市政供应）减少了可用于发电的有效储存量，从而增加了稀缺租金；调水要求可能降低有效水头；季节性供应安全约束设定了最低储存目标，进一步限制了运营灵活性；供应短缺的监管处罚创造了额外的机会成本，这些成本被内化在水价值中[23]、[87]、[88]。所有462个水价值观测值、单位转换和分析元数据都记录在配套数据集中[100]，并存档在[99]。

5.3. 通过Wald测试进行模型比较
我们在定量分析中正式测试了系数差异。表4和表6报告了方法学指标相等性的Wald测试。具体来说，我们使用Wald测试及其相应的F统计量来测试方程（23）中β3的所有元素或部分元素是否相等。我们发现证据支持方法选择显著影响水价值估计的观点。如表4所示，所有模型产生相等水价值的零假设以高统计置信度被拒绝。同样，不同优化模型（包括LP、MILP、SDP和SDDP模型）之间的差异也是统计上显著的。对于LP、Econ–Engi和其他确定性模型，我们仍然拒绝它们产生统计上相似水价值估计的假设。来自随机模型（如SDP和SDDP）的结果在统计上是相同的，并且低于确定性模型的结果，这表明在确定性公式中忽略随机流入和价格不确定性可能导致水价值的系统性高估。这一发现与随机模型能够内化流入不确定性并对抗低流入事件的能力一致，这降低了相对于确定性公式的预期稀缺租金。表6报告了在相同地理区域和用途条件下水价值范围的类似测试。我们以高统计置信度拒绝了所有模型产生相似水价值范围的零假设。对β3的子集测试进一步表明，SDDP模型产生的水价值范围与其他所有模型（包括SDP）相比统计上显著较小。相比之下，确定性模型（如LP和Econ–Engi）产生的水价值范围相似。这一发现有些反直觉，因为随机方法提供了更现实的不确定性表示；人们可能会预期它们会引入更大的波动性，从而导致水价值范围更广。

5.4. 在运营、规划和政策分析中的应用
我们的元分析显示，水价值范围很大，这反映了市场设计、自然水资源禀赋和方法学方法的差异。这些发现综合了文献中的内容，对实践有几个重要意义。首先，大坝运营和投标策略不应仅依赖点估计，而应结合预期的水价值范围，并进行针对不确定性的稳健性检查[9]、[138]、[300]。在长期调度中，水价值指导季节性分配，随机模型更好地捕捉了干旱年份的不确定性[11]、[36]、[301]。在短期规划中，由于简单性，确定性LP模型仍然被广泛使用，尽管它们可能在不确定性下误表示稀缺性[6]、[39]、[91]。水价值可以作为隐含的投标价格，使内部稀缺性与外部价格信号对齐[164]、[208]。为了实现经济最优的市场结果，大坝运营商必须在给定固定价格形成过程的情况下平衡不同时期的水价值边际[8]、[9]。然而，这种平衡受到水价值内在不确定性的影响，这些不确定性源于不确定的流入条件和未来的市场过程。一种实际的方法是根据预期的水价值来规划大坝运营和市场投标决策，同时使用围绕估计水价值的统计置信区间进行稳健性检查[37]、[301]。在允许战略性投标和生产行为的情境下，市场价格和水价值之间出现了额外的互动。特别是，大坝运营商可以通过考虑水电生产对市场价格和水价值跨时期的联合影响来进行联合优化[281]。这种互动在寡头市场中尤为重要，因为个别运营商的战略影响力更为明显[229]、[230]。其次，市场设计和政策框架必须认识到水电系统的异质性：例如，多功能和面向城市的水库[11]、[34]的水价值更高[36]、[164]，而区域水文丰度可能会降低它们[302]。市场设计研究包括单位承诺转换[201]、市场力量缓解[153]、竞争问题[183]、监管框架[161]、[213]、可再生能源整合挑战[207]、发电机盈利能力[210]、环境约束成本[240]、可交易证书[233]、远期合同[190]以及以水力为主的运营[212]。因此，运营规则和市场机制应根据当地条件进行校准，而不是从其他地区或时期推广[303]、[304]。只有通过整合用途并逐个案例考虑建模选择，才能制定出科学合理且具有上下文敏感性的运营政策[272]、[283]。特别是，较少的一组研究整合了生态或政策约束。在这里，水价值获得了多维的解释：既是发电的稀缺租金，也是环境流量要求的影子价格[294]。尽管实证覆盖范围有限，这一分支强调了这一概念在可持续性导向的水资源治理中的多功能性[10]。第三，监管约束以可预测的方式修改水价值信号，因此在运营实践和市场设计中值得特别关注。实证研究表明，强制性的最低环境流量要求提高了储存水的边际价值，尤其是在湿润时期，因为规定的释放降低了有效水头并缩短了盈利发电的时间窗口[10]。相比之下，严格的爬坡率限制通常通过限制电厂利用短期价格飙升的能力来降低水价值[229]。补偿快速灵活性或允许跨时期交易环境义务的市场机制可以部分抵消这些效应，并使私人调度激励与更广泛系统和生态目标保持一致[305]。

5.5. 水价值的演变角色
元分析确认，方法论的进步显著重塑了水价值的量化。早期的成本最小化、确定性公式，以LP和Econ–Engi模型为代表，由于它们针对单一轨迹进行优化并采用狭窄的经济框架，因此产生的估计值较低且更稳定[62]。相比之下，最先进的随机方法（如SDP和SDDP）明确嵌入了流入和价格不确定性，产生了更高的中心估计值和更宽的范围，更好地反映了风险和跨时期的权衡[64]、[81]。表4中报告的Wald测试拒绝了模型家族间系数相等的零假设，表明优化技术的选择在统计上是重要的。在[287]中调查了清洁能源转型的电力市场模型，而在[178]中探讨了市场耦合的后果。文献现在将水价值视为一个动态的、依赖于上下文的参数，它将电厂运营与市场互动联系起来。多市场研究表明，当考虑辅助服务收入时，系统地水价值更高，特别是在灵活性限制严格和储备价格波动的情况下[70]。同样，当生产者行使市场力量时，最佳投标需要探索合理的水价值分布；假设接受价格行为可能会高估储存的机会成本并扭曲溢流决策。SDP和SDDP模型的正扩散系数（表5）与此战略用途一致，表明水价值已从静态影子价格演变为风险管理和竞争定位的行为信号。

5.6. 价格反应函数和水作为价格影响因素
水价值概念的一个重要扩展在于其在价格反应函数中的作用。价格反应研究包括市场分割[223]、可再生能源渗透效应[174]、[182]、可再生能源的市场价值[181]、批发市场力量[111]、[243]、随机网络中的定价[238]以及替代清算机制[140]。大型水电系统和PSH单元通常是各自市场中的价格影响因素：它们的释放和储存决策直接改变了供应，影响了位置边际价格（LMPs）和辅助服务价格。尽管存在这种内在的市场影响，许多传统的运营和水文模型仍将价格视为外生变量，忽略了水电调度决策和市场结果之间的反馈循环[78]。这种简化的建模可能会产生系统性的扭曲和次优的分配政策，特别是在水电渗透率高和辅助服务深度有限的市场中[107]。我们的回归和元分析支持这一批评：明确纳入战略价格响应（通过均衡或供应函数公式）的模型倾向于产生更高的水价值估计，这与观察到的历史市场行为一致。相比之下，纯粹基于优化的模型（LP、SDP、SDDP）往往未能充分反映这种相互作用，并压缩了估计的稀缺租金。从方法论上讲，价格响应行为可以通过几种互补的方式来建模：(i) 计量经济学或简化形式的价格模型可以估计市场价格对外生需求变化和燃料成本的反应，为战略水电生产商提供一个既定的经验供应曲线 [67]；(ii) 完全均衡或市场清算公式将战略报价与明确的供需平衡结合起来，使用博弈论或双层优化技术来捕捉出价与清算价格之间的反馈 [33]；(iii) 一种计算上较为轻量级的变体固定所有非战略单位的总报价，让战略水电生产商面对由此产生的剩余需求曲线；实际上，生产商将其自身的调度决策视为对静态剩余供应的需求变化，从而避免了明确建模其他代理的战略反应的需要。这种剩余需求方法在保留核心激励结构的同时，规避了完全均衡的维度问题；(iv) 机器学习代理直接从历史数据中学习非线性价格反应，但可能会牺牲可解释性，并需要大量的训练数据 [40]。在大型综合能源系统中，上述任何一种表示方法都可能变得计算负担沉重。因此，通常会采用聚合水电厂或时间分辨率的方法来保持可行性，同时将近似误差控制在可接受的范围内 [90]。未来的进展可能会依赖于将结构优化与基于观察到的价格反应函数的实证校准相结合的混合方法。例如，在水热电力系统中，长期价格预测可以利用一个由随机长期战略模型组成的框架，为更详细的短期运营模型提供水价值 [206]。计量经济学模型能够验证关于水电供应驱动因素的现有观点，并评估各种因素的相对重要性，同时具备预测能力，这使得它们对市场参与者和能源市场建模者都非常有价值 [68]。

5.7. 文献中的局限性
尽管有这些见解，回归分析也揭示了持续的局限性。基础模型中相对较低的R2值（表3，A列）表明，仅方法论虚拟变量并不能解释水价值的大部分变化。这指出了未报告的假设（如水头-效率曲线、情景设计或终端价值）在塑造结果方面的重要性。此外，研究中缺乏标准化报告，使得元分析和可比性变得复杂，因为许多系数可能反映了遗漏变量的影响。因此，元分析结果应进行描述性解释。散布回归进一步表明了缺乏稳健性：λt估计值的较大分散不仅表明对方法的敏感性，还表明对建模选择的敏感性，而这些选择很少被公开。此外，环境目标被低估了，因为很少有研究明确地共同优化生态释放。鉴于当代水电治理中环境权衡的重要性，这种遗漏尤为显著。

5.8. 对时间和计算性能的建议
另一个主要挑战在于在模型准确性和可解时间之间取得平衡。我们的回顾和回归证据表明，基于SDDP的方法在处理不确定性方面表现强劲，但计算成本较高，而当扩展到多水库或多代理系统时，均衡公式存在可扩展性瓶颈。提高时间性能和计算效率需要采取几个步骤：(i) 时间粒度：采用滚动时域公式和多分辨率时间步长（例如，将每小时短期运营嵌套在季节性规划中）；(ii) 计算效率：使用并行化、分解和预热技术来减少解决时间，特别是对于大型SDDP实例；(iii) 准确性和可靠性评估：系统地报告样本外验证水价值政策，包括针对水文极端情况和价格冲击的压力测试；(iv) 权衡量化：明确量化运行时间和解决质量之间的平衡（例如，SDDP中的界限差距、均衡模型中的收敛速度）。嵌入这些实践将提高研究之间的可比性，并确保市场和政策应用结果的稳健性。

5.9. 政策和运营影响
我们的综合研究表明，水价值对水电决策至关重要，并且高度依赖于具体情境。定量证据表明，估计的水价值及其分散程度随着建模方法和地区的不同而系统性地变化，随机公式（SDP/SDDP）产生的分散范围比纯经济-工程模型更广，在南美洲、北美洲和欧洲之间存在显著差异 [106]、[112]、[144]、[306]。这些模式对政策和运营有直接影响：它们提醒不要在原始情境之外使用点估计值，明确考虑不确定性，并要求更清楚地记录影响储能影子价格的建模假设（例如，流入情景设计、水头-效率表示以及共同优化产品的处理）[70]、[74]、[75]、[84]。对于监管机构来说，当务之急是提高水价值在市场参与中的产生和使用的透明度和可比性。我们建议水电参与者记录投标中嵌入的水价值的方法论来源，包括目标函数（利润与福利）、残值函数及其校准、水文和价格的随机结构及覆盖范围，以及水头效应和非凸性的处理 [61]、[106]。鉴于与不确定性相关的模型具有更高的波动性，市场规则应明确承认并适应风险，例如，通过允许或鼓励基于一致风险度量（如CVaR [307]）的平均风险投标策略，并通过对水文极端情况的压力测试 [54]、[214]。由于水电可以在多个市场中影响价格，监控协议和市场力量筛查应针对以水电为主导的系统进行调整，在这些系统中，跨时间的机会成本和水库约束对战略行为的影响与热力舰队不同 [18]、[51]。最后，鉴于不同流域和市场结构及规则中稀缺租金的记录差异，区域校准至关重要；统一的规定可能效率低下。监管机构应要求定期对运营商的水价值政策进行基准测试和样本外验证，以适应当地的水文和市场条件 [55]、[75]、[122]。对于市场设计者而言，证据支持将跨所有相关产品的跨时间机会成本内部化的机制。能源和辅助服务的共同优化应反映储备提供的不对称水影响，例如维持下调容量所需增加的水量消耗。结算规则和产品定义需要与物理意义上的激活概率和爬坡约束保持一致，以便储备的边际收入与引起的水价值变化成正比。PSH套利条件应在日前和实时时域内一致建模和结算，以避免隐含水价值评估的扭曲 [43]、[78]、[81]。鉴于水文和价格的不确定性持续存在，开发与潜在物理稀缺租金有透明联系的水相关对冲工具和远期产品可以改善风险分担和投资信号 [107]。足够的市场数据访问权限，以便事后重建和验证水价值轨迹，将显著提高学习和监督能力 [18]、[61]。对于大坝运营商来说，运营实践应超越确定性点估计，转向明确考虑相关时域内水价值分布的政策。实际上，这意味着采用具有滚动时域和多分辨率时间步长的随机调度框架；使用水价值估计值的置信区间来指导投标和释放决策；并在干旱、中位数和湿润序列下对政策进行系统的样本外测试 [74]、[85]、[253]。特别需要注意那些可能系统性地改变短期水价值的建模选择，包括终端价值函数的指定、跨级联的聚合以及在不同水头下的体积和能量单位转换 [12]、[35]。与辅助服务的共同优化应考虑特定于电厂的约束，以避免因储备承诺而无意中过度消耗水资源。在预测、遥测和灵活涡轮机运营方面的投资将增加信息的价值，并提高日内和季节性套利的货币化能力，而不损害长期储存目标 [13]、[144]。

6. 未来研究方向
虽然当前的研究提供了重要的见解，但仍有一些前沿领域尚未探索。我们强调了四个方向，如果加以追求，可以显著推进学术理解和实际应用：(i) 整合不确定性和环境目标；(ii) 将物理水价值与金融水价值相结合；(iii) 水文变异性在其中的角色；(iv) 跨学科扩展。未来的工作应开发在不确定性下共同优化能源和生态目标的模型，并考虑生态系统估值 [195]、[226]、[256]、水-太阳能互补性 [225]、集成风-PV-水电系统 [159]、环境需求重新分配 [245] 以及水-能源-食物纽带模型 [131]。随机规划框架，特别是SDDP，为结合这些目标提供了自然的基础，但需要扩展以捕捉生态状态变量（例如，栖息地连通性、温度动态）。这样的模型将允许水价值反映不仅仅是当前和未来能源收入之间的权衡，还有经济和环境目标之间的权衡。

6.1. 整合不确定性和环境目标
未来的工作应开发在不确定性下共同优化能源和生态目标的模型，并考虑生态系统估值 [195]、[226]、[256]、水-太阳能互补性 [225]、集成风-PV-水电系统 [159]、环境需求重新分配 [245] 以及水-能源-食物纽带模型 [131]。随机规划框架，特别是SDDP，为结合这些目标提供了自然的基础，但需要扩展以捕捉生态状态变量（例如，栖息地连通性、温度动态）。这样的模型将允许水价值反映不仅仅是当前和未来能源收入之间的权衡，还有经济和环境目标之间的权衡。

6.2. 将物理水价值与金融水价值相结合
随着电力市场的成熟，将物理水价值转化为金融产品（例如，远期合约、衍生品 [266]、[267] 和金融传输权 [268]）变得越来越重要。需要研究探索水库影子价格如何与日前和实时市场结算规则相互作用，特别是在存在储备、辅助服务和传输约束的情况下。这种结合可以为水电生产商提供对冲工具，并提高市场透明度 [200]。

6.3. 水文变异性的作用
长期的水文模式变化正在重塑流入制度并改变随机优化模型所依赖的统计特性 [109]、[173]。很少有研究明确测试在水文基线变化、波动性增加或非平稳流入情况下水价值的稳健性 [16]、[55]、[73]。未来的研究应评估环境引起的水文变化如何传播到水价值、运营策略和投资信号中。这将有助于适应性水库管理和市场设计。

6.4. 跨学科扩展
最后，推进水价值概念需要更深入的跨学科合作。跨学科扩展包括水区组织 [257]、水资源共享框架 [204]、[262]、水资源私有化限制 [205]、可持续水资源 [261]、城市水资源管理 [221]、[227]、代理-水文模型 [248]、地下水经济学 [237]、[241]、[255]、[269]、水市场清算所 [234]、经济-生态转换 [250]、水电重新许可 [254]、水库可持续性 [275]、传输的社会成本 [242] 以及边际成本定价历史 [276]。法律研究可以阐明水权和财产制度如何影响水价值的分配。生态研究可以提供评估非市场服务的指标。政治科学可以阐明制度和治理结构如何调节利益相关者之间的权衡。只有通过跨越这些学科，水价值才能从一个狭义的经济概念发展成为可持续河流流域管理的详细工具。这种综合方法必须进一步纳入关键的水-能源-食物纽带，认识到运营决策和由此产生的水价值与农业灌溉、人类消费和储存水的多用途约束等竞争需求密切相关。

7. 结论
本综述明确了水价值作为储存水的边际机会成本、水库平衡的影子价格，并将其与边际生产成本和市场清算价格区分开来。我们构建了一个统一的分析框架，涵盖了LP/MILP、SDP/SDDP和经济-工程模型，并展示了水文稀缺性、市场条件（包括共同优化的储备）和运营约束如何共同塑造水价值。随机公式（SDP/SDDP）更好地内部化了不确定性和对冲行为，而MILP捕捉了非凸运营细节；每种方法在物理保真度、可解释性和可扩展性方面都有其特征性权衡。定量综合表明，方法论选择显著影响估计水价值的水平和分散程度：随机模型倾向于产生较低的中间值和较宽的分布范围，而MILP在表示运营细节后通常会产生较高的中间值。Wald检验证实了这些差异。水价值高度依赖于具体情境，随地区和水库用途而变化（例如，多用途和城市供应系统表现出更高的价值）。这些发现支持从点估计转向风险意识政策，这些政策报告假设（残值、情景设计、水头效应）并考虑储备不对称性和PSH套利。对于实践和政策而言，我们建议：采用具有滚动时域的随机调度和一致的跨尺度建模；共同优化能源和辅助服务，并具有物理意义上的激活和爬坡；提高投标中使用的水价值的来源透明度。优先研究领域包括在不确定性下整合环境目标、解决非平稳水文问题、将物理水价值与金融风险管理相结合以及标准化报告以提高可重复性和可比性。

关于写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了Argonne国家实验室（ANL）的官方AI助手Argo来协助语法和语言改进。作者随后根据需要审查和编辑了内容，并对最终版本的出版物承担全部责任。

资金
这项工作由Argonne国家实验室撰写，根据合同编号DE-AC02-06CH11357与美国能源部（DOE）的水电和水动力办公室（H2O）合作完成。资金通过H2O Seedling计划提供，该计划支持水力技术的早期、高风险、高回报研究。