综述：水电系统中储水边际机会成本与影子价格的系统性量化方法：优化框架、市场耦合及政策启示

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：Water value and market response functions in hydropower-dominated electricity systems: A systematic review and methodological comparison

　　

研究人员对水电系统中“水价值”这一概念进行了系统性界定，将其明确为储水的边际机会成本，即水库平衡约束对应的影子价格，并厘清其与边际生产成本及市场出清价格的区别。研究构建了一个统一的解析框架，涵盖线性规划(LP)、混合整数线性规划(MILP)、随机动态规划(SDP)及随机对偶动态规划(SDDP)等多种主流建模方法。分析表明，水文稀缺性、电力市场环境（含协同优化的备用服务）以及运行约束共同决定了水价值的形成机制。相较于确定性模型，随机规划方法（SDP/SDDP）能更有效地内化来水与市场的不确定性，进而更准确地反映风险对冲行为；而MILP则擅长刻画机组启停、禁止运行区等非凸运行细节。研究进一步指出，水价值并非单一数值，而是随水库蓄能水平、时间尺度及区域水文条件动态变化的参数。量化结果显示，考虑不确定性后，水价值中心估计值往往更低但分布区间更宽；多用途及城市供水水库的水价值显著高于单一发电水库。研究人员建议在水电运营与竞价中摒弃单一的确定性点估计，转而采用基于置信区间的风险感知策略，并在市场机制设计中明确纳入跨时空的机会成本，以应对日益复杂的能源转型挑战。

4.1. 通用水库动力学与符号定义

所有研究方法均建立在基本的水库质量平衡方程之上，该方程描述了时段初蓄水S_t、上游入库流量I_t、抽水流量Q_t^pow、发电放水流量Q_t^pump、非发电放水（如弃水、生态流量）Q_t^npr、蒸发损失E_t以及时段步长Δt之间的关系。蓄水变量受上下限S^min≤ S_t≤ S^max的约束。水电发电量G_t由涡轮效率η_t、水体密度ρ、重力加速度g以及有效水头H_t^ˉ共同决定。水价值λ_t即为与该水库平衡约束相关联的对偶变量（影子价格）。随着蓄水接近上限，弃水概率增加导致预期未来收益下降，水价值随之降低；反之，在无弃水风险且水头效应显著时，较高的蓄水可提升发电效率从而增加水价值。

4.2. 确定性线性规划 (LP)

在确定性LP框架下，所有输入参数（来水、电价）均假设为已知。其目标函数通常为最大化利润或最小化系统成本，包含发电收益与机组运行成本，并严格遵循水库平衡、功率转换及各类运行限制。由于物理能量方程G_t= η_tρgH_t^ˉQ_t^pow中包含水头H_t^ˉ（蓄水S_t的函数）与发电流量Q_t^pow的乘积，属于非线性项，无法直接用于纯LP。标准处理方法包括常数水头近似（将H_t^ˉ固定为参考值）或采用McCormick包络法引入辅助变量进行分段线性化处理。水价值λ_t通过对偶变量获得，代表期初增加一单位蓄水所带来的边际收益。LP计算效率高且透明，适用于大规模确定性场景，但其存在短视性，无法处理不确定性，且线性化过程可能扭曲能量估算结果，同时可能出现对偶退化导致水价值不唯一。

4.3. 混合整数线性规划 (MILP)

MILP在确定性LP的基础上引入了整数决策变量，除机组组合逻辑外，常用于表征非线性的水电技术约束，如禁止运行区（振动或气蚀区）、蓄量与水位关系以及分段线性的水头依赖发电特性。通过引入二进制变量与SOS2（二类特殊有序集）约束，可将非线性的蓄量-水头函数和双线性发电项转化为分段线性形式。然而，由于整数变量的存在破坏了可行域的凸性，经典的对偶乘子（影子价格）不再唯一。工程实践中通常通过对MILP模型的线性松弛或对初始蓄水进行参数摄动来获取近似的水价值。MILP能够精确模拟机组启停、启动成本及非凸运行区，灵活性极强，但代价是水价值的不连续性增加，且计算负担随整数变量数量呈指数级增长。

4.4. 随机动态规划 (SDP)

区别于仅优化单一确定性场景的LP和MILP，SDP承认未来入库流量及电价具有随机性。它通过贝尔曼递归方程求解各阶段的优化问题，其中价值函数V_t(S_t)表示当前状态在未来最优策略下的期望收益。实际应用中，SDP需要将连续的蓄水量离散化为有限网格，并根据历史数据预先计算状态转移概率。水价值λ_t(S_t)定义为价值函数对蓄水量的偏导数，通常通过有限差分法近似计算。SDP的优势在于能直接捕捉不确定性，产生风险规避且具有时间一致性的放水策略，并可嵌入非线性的水头和效率曲线而无须线性化。其主要局限在于“维度灾难”，即状态空间随水库数量和离散化程度的增加而指数级膨胀，限制了其在大型多水库系统的应用。此外，离散化过程会引入聚合误差，需要在计算精度与效率之间进行权衡。

4.5. 随机对偶动态规划 (SDDP)

SDDP填补了单场景LP/MILP与全规模SDP之间的空白。它保持子问题为线性（通常采用与MILP相同的分段线性近似），并通过迭代添加Benders割平面来构建多阶段策略。前向过程通过采样测试策略，后向过程生成新的割平面以逼近未来价值函数。水价值由当前活跃割平面的斜率β_t^k*给出。SDDP能够扩展到长周期和多互联水库系统，继承了LP的所有线性与凸性特征，并可通过修改以支持条件风险价值（CVaR）等风险度量。标准SDDP要求子问题为凸，因此无法直接处理机组启停等整数决策，需借助随机对偶动态整数规划（SDDiP）等扩展方法，通过生成整数割平面来解决此类非凸问题。

4.6. 经济-工程 (Econ–Engi) 模型

此类模型广泛应用于跨界供水、联合用水调度及农业生产成本评估等领域。它们将工程约束与经济目标相结合，通常在福利优化框架下运作。目标函数包含经济稀缺成本（源于用水需求曲线与交付量之间的差异）和运行成本。水价值在此处体现为水库平衡约束的乘数，融合了物理稀缺性与经济租金。该方法的优势在于能够捕捉跨部门的水资源分配机制，在同一框架下评估发电、灌溉、城市供水及生态流量的竞争性需求。然而，该方法高度依赖于需求曲线和稀缺函数的准确校准，在数据稀疏地区面临巨大挑战，且模型的强情境依赖性限制了其在不同流域间的直接移植。

4.7. 其他方法论分支

除了上述主流方法，文献中还包含多种替代途径。强化学习与近似动态规划直接从数据中学习调度策略，虽能处理高维非线性物理过程，但水价值信号不透明且噪声大。元启发式优化算法（如遗传算法）将调度视为黑箱问题，虽易实现且能处理非凸性，但缺乏最优性保证且无法提取对偶信息。实物期权模型将储水视为电价的看涨期权组合，能提供关于时间与波动性溢价的解析见解，但需对价格过程做出强假设。机器学习代理模型虽能瞬时估算水价值，却存在训练数据外推风险。基于主体的模型和博弈论模型侧重于多水电所有者间的策略性竞价，水价值从纳什均衡中内生涌现，但计算负担和行为假设限制了其实用性。最后，基于固定规则曲线的蒙特卡洛模拟虽在工业界常见且稳健，但在最优性上不及真正的优化策略。

4.8. 方法论总结

不同模型产生的水价值在解释上存在本质差异。确定性模型（LP、MILP）提供仅依赖于时段t的状态无关水价值；SDP和SDDP则生成依赖于蓄水水平的时变水价值；Econ–Engi模型通常也将水量视为输入而非动态状态。在不确定性处理能力上，SDP、SDDP和Econ–Engi模型优于LP和MILP，但这高度依赖于研究者对来水和电价概率分布的假设合理性。因此，在选用模型时必须充分考虑研究目的与数据基础。

4.9. 关键分析考量与扩展

研究人员详细探讨了单位换算问题，明确了体积单位（/m³）与能量单位（/MWh）之间的转换公式及其常数来源。在市场价格映射方面，水价值可作为日前市场报价的基准，但需区分向上/向下备用的不对称机会成本：向下备用可能迫使机组增加必须运行的发电量，从而提高水价值；向上备用则预留了调节空间，降低了平均发电流量和水价值。对于抽水蓄能（PSH），需考虑循环效率因子，并建立无套利区间以指导充放电决策。此外，网络与机组组合耦合通过节点电价（LMP）重塑边际水价值，而风险偏好（均值-风险、CVaR）和鲁棒优化通常会提高稀缺条件下的水价值估计。

4.10. 网络与机组组合耦合

将机组组合与水力调度同电网约束（如直流/交流最优潮流）耦合，会通过位置价格和承诺驱动的收入重塑边际水价值。在实际实施中，通常采用主从结构分解时间尺度（短期、中期、长期），并将较小的资产聚合以控制维度灾难。然而，涡轮机异质性和水头相关的非凸性可能导致价值信号失真。在梯级河流中，水流传播时间是重要的耦合源，忽略水流团在河道演进中的分布滞后效应会影响下游水头和弃水估算的准确性。

4.11. 风险、鲁棒性与模糊性

水库运行中“最优”的定义与决策者风险态度紧密相关。风险厌恶型目标和鲁棒优化方法通常在稀缺时期产生更高的水价值。情景树的设计（生成与削减方法）对水价值结果具有一阶影响。最佳实践要求详细报告情景生成过程并进行鲁棒性检验，包括对比关键驱动因素的统计拟合优度。非参数重采样技术因能更忠实地捕捉高阶矩而受到推荐。

4.12. 常见陷阱

研究人员指出了若干常见误区：误用MILP的整数规划对偶作为水价值会导致非经济性信号；忽视时间尺度一致性，将月度水价值直接应用于小时级市场而未考虑日内水头和价格模式会导致报价失准；内生价格预测与外生市场模型混用会造成市场反应的重复计算；终端价值函数设定不当（如简单设为零）会过早压低末期水价值并导致过度泄水；情景分散度不足会产生过于自信的水价值估计；资产或水库的过度聚合会平滑局部约束，从而低估真实水价值。

5. 系统性综述的结果与讨论

回归分析显示，水价值估计在不同模型间存在显著差异。相对于基准LP模型，SDP、SDDP和Econ–Engi模型的估计值显著较低，而MILP和其他模型的估计值则持续偏高。地理差异明显，欧洲的水价值远高于非洲基准，而亚太、北美和南美与非洲无显著差异。在不确定性方面，MILP和SDP产生的水价值分布区间较宽。Wald检验结果正式拒绝了所有模型产生相等水价值的零假设，证实了建模选择对结果的统计学显著影响。研究还发现，多用途和城市供水水库的水价值最高，反映了竞争性用水带来的稀缺租金。这些发现强调，水价值具有高度的情境依赖性，受市场设计、资源禀赋和经济结构的共同驱动。

6. 未来研究方向

未来的研究应致力于整合不确定性与环境目标，开发在不确定性下协同优化能源与生态目标的模型，纳入生态系统服务估值。同时，探索物理水价值与金融产品的耦合，如水价值衍生品和金融输电权，以增强风险管理工具。鉴于水文模式的长期转变，亟需评估水文非平稳性对水价值的影响。最后，应加强跨学科融合，结合法学、生态学和政治学，将水价值从狭隘的经济概念拓展为可持续流域管理的综合工具，特别是深入探究水-能源-食物纽带关系下的价值权衡。

7. 结论

本综述将水价值明确定义为储水的边际机会成本及水库平衡约束的影子价格。研究证实，随机规划方法（SDP/SDDP）能更好地内化不确定性，而MILP能精确刻画非凸运行细节。量化分析表明，建模方法、区域背景和水库用途对水价值水平及离散度具有决定性影响。研究人员呼吁摒弃静态点估计，转向透明、风险感知的政策制定，并在市场机制设计中明确纳入跨时空的机会成本与备用服务的不对称性。