在深度气候不确定性下的电力系统韧性规划

《Energy Economics》：Resilience planning for power systems under deep climate uncertainty

　　

• •
  GNN-cGAN能够捕捉时空相关性，从而生成高精度的气候场景。
• •
  极小极大遗憾法在规划中可平衡经济效率与系统韧性。
• •
  Benders分解法可将气候不确定性纳入SWITCH模型，实现可扩展的规划。
• •
  该框架可避免投资锁定问题，防止在极端情况下系统韧性崩溃。

引言

在全球应对气候变化及加速能源转型的背景下，风能和太阳能等可变可再生能源正逐渐成为未来电力系统的核心组成部分（Zheng等人，2025年）。然而，这类能源具有较强的间歇性且受天气条件影响极大，给系统的可靠性与经济性带来了严峻挑战。传统基于确定性假设的容量扩展规划方法，在气候条件不断变化的情况下已越来越不够适用（He等人，2016年；Alqurashi等人，2016年）。由于历史数据无法准确反映未来的极端情况（Perera等人，2020年），大规模引入可变可再生能源后带来的更高气象敏感性，使得实时供需平衡变得更加复杂（Lund等人，2015年；Impram等人，2020年），同时也改变了原有的规划模式（Hirth和Ziegenhagen，2015年；Shair等人，2021年）。尤其是日益频繁且强度更高的复合型极端气候事件（Fang等人，2025年），可能导致电力输出突然下降甚至大规模停电（Xu等人，2025年），严重威胁能源系统的韧性（Panteli等人，2017年；Stürmer等人，2024年）。因此，将未来气候不确定性，尤其是那些影响巨大但发生概率较低的极端天气风险，纳入规划模型，已成为电力系统建模领域的关键研究方向（Bennett等人，2021年；Yang和Wen，2005年；Khodaei等人，2015年；Sinsel等人，2020年）。

在极端气候事件发生时，高度依赖可再生能源的电力系统脆弱性会进一步加剧，这类事件往往会导致风能和太阳能发电同时出现中断，同时还会引发能源需求激增。这种复合型冲击在城市层面造成的破坏最为严重，因为城市的电网是医疗、通信、供水等众多相互关联的关键基础设施的支撑基础（Kj?lle等人，2012年；Nik等人，2021年）。因此，由气候因素引发的供需失衡很容易导致系统故障，进而造成严重的社会经济损失（Zhuang等人，2026年；Paredes-Vergara等人，2025年；Jasiūnas等人，2021年）。为提升城市的韧性，规划理念正在向协调式源网荷架构转变，通过利用需求侧的灵活性来抵御各类气象冲击（Impram等人，2020年；Denholm和Hand，2011年）。仅依赖确定性模型会使城市电网容易受到高影响极端事件的威胁（Ghodeswar等人，2025年），而盲目采取最坏情况防范措施则会导致过高的投资成本，进而可能阻碍地区的低碳化发展进程（Chen等人，2022年）。因此，迫切需要一种能够有效应对深度气候不确定性的稳健规划框架，从而在经济效率与极端天气事件的抵御能力之间找到最佳平衡点。

为克服确定性规划的局限性，随机规划与鲁棒优化方法被广泛应用。例如，Gu等人（2026年）提出了多阶段随机框架以最小化预期成本。然而，面对深度不确定性下的极端情况，随机规划往往难以应对（Dupa?ová，2002年）；而传统的鲁棒优化方法由于只考虑最坏情况，可能会过于保守（Yazdani等人，2023年）。本文提出了一种基于数据驱动的方法，通过定义物理意义上的极端状态来识别具有韧性的城市能源组合。我们的贡献主要有两点：首先，为解决传统模型忽视空间相关性的问题，我们开发了GNN-cGAN框架，该框架能够根据特定的天气模式和负荷水平生成符合物理规律的气象场景。将这些生成的场景纳入长期电力系统规划，对于提升系统在面对气候变化及日益频繁的极端事件时的韧性至关重要。其次，为避免确定性规划的决策僵化以及传统鲁棒优化的过度保守，我们将两阶段极小极大遗憾模型整合到高分辨率的SWITCH规划框架中。该模型通过Benders分解法进行求解，该方法能够将投资决策与运营决策分开处理，从而找到能够在避免过高投资成本的同时最小化最大机会损失的韧性能源组合。

本文的其余结构如下：第2节回顾相关研究；第3节详细介绍评估框架，包括场景生成、负荷预测以及双层优化模型；第4节将该框架应用于吕梁市的电力规划；第5节为结论部分。

各章节要点

文献综述

由于传统容量扩展规划模型建立在确定性假设之上，因此在气候不确定性不断增加的背景下，其适用性越来越差（He等人，2016年；Alqurashi等人，2016年）。随着可变可再生能源的大规模应用，气象敏感性显著提升，这不仅使得实时供需平衡变得更加复杂（Lund等人，2015年；Impram等人，2020年），也改变了原有的规划模式（Hirth和Ziegenhagen，2015年；Shair等人，2021年）。更为严重的是，气候变化还加剧了那些影响巨大的极端气候事件的发生频率

方法框架

所提出的框架将高精度场景生成与双层鲁棒优化结构相结合（见图1）。通过分解机制，该框架将SWITCH电力系统规划模型从传统的确定性模拟工具转变为具备随机弹性决策功能的工具，该框架由两个核心模块组成：

• (1)
  高精度气候场景生成（输入层）：该模块结合图神经网络与条件生成对抗网络，用于生成符合物理规律的气象场景

吕梁市数据说明

我们通过山西省吕梁市的案例研究来验证所提出的框架。2025年的初始小时负荷数据是通过降尺度处理国家发展和改革委员会发布的省级宏观经济预测数据得到的（国家发展和改革委员会，2019年）。对于后续时段的负荷数据，则通过双长短期记忆网络模型动态预测不同气候状态下的负荷情况，这样可以确保负荷数据与气象场景严格同步

结论

我们提出了一种集成框架，该框架结合GNN-cGAN场景生成技术与极小极大遗憾优化方法，用于降低城市电力系统规划中的非平稳气候风险。将GNN-cGAN融入27路径场景树中，可以实现长尾气候风险及复合型极端事件的系统性内生化处理。该框架确保最终的规划决策既具备物理可行性，又具有经济上的稳健性。

吕梁市的案例研究表明，传统的确定性规划方法

CRediT作者贡献说明

王佳瑞：负责原文撰写——初稿编写、方法设计、正式分析、数据整理工作。刘俊奇：负责原文撰写——审阅与编辑、模型验证、资源收集、方法研究、相关调查工作。朱磊：负责原文撰写——审阅与编辑、项目指导、项目管理、资金筹措、正式分析、概念构思工作。何刚：负责原文撰写——审阅与编辑、结果可视化、项目指导、项目管理工作。

Jiarui Wang|Junqi Liu|Lei Zhu|Gang He