干旱地区水-能源多目标协同优化及基于风险的水力-风能-太阳能系统决策方法

《Journal of Cleaner Production》：Multi-objective water–energy Co-optimization and risk-informed decision-making for hydro–wind–solar systems in arid regions

　　•针对水力、风能和太阳能系统，构建了一种不确定性到决策的工作流程。•利用基于鞅的演化模型来模拟径流预报误差。•随机调度将径流情景与水力、风能及太阳能系统的运行相关联。•SMAA-GTDM方法可在不确定的准则和偏好权重下对各种方案进行排序。•预报误差的分布会影响调度决策的权衡以及决策的可靠性。

引言
随着全球能源需求的不断上升以及环境问题的日益严峻，整合可再生能源已成为实现可持续电力供应的关键策略。由于可再生能源技术成本的下降以及减少温室气体排放的压力不断增加，可再生能源越来越被视为替代化石燃料发电的可行方案（Hassan等人，2024年；Wang等人，2023年）。有预测表明，在未来几十年里，风能、太阳能和水力发电将在全球能源结构中占据主导地位，有研究认为到2050年，这些能源可能满足全球80%的电力需求（Adelekan等人，2024年；Holechek等人，2022年）。然而，太阳能和风能具有间歇性且受天气影响较大的特点，这导致其发电量存在波动，往往需要限制发电量，进而威胁电网的稳定性（Zhu等人，2020年）。这些挑战凸显出需要创新解决方案来稳定能源系统。混合型可再生能源系统——尤其是将水力发电与风能和太阳能相结合的系统——被视为减轻间歇性问题、提升成本效益和可持续性的有效途径（Wang等人，2024年）。水力发电具备独特的储能能力，能够快速调整发电量，从而弥补风能和太阳能发电量的不稳定，提高电网的稳定性（Han等人，2024年；Jin等人，2024年）。通过利用这些能源在时间和运行上的协同优势，此类集成系统能够优化能源生产，减少环境影响，增强电力网络的韧性。

在当前的能源研究中，集成型水力、风能和太阳能可再生能源系统成为了研究焦点，学者们的工作主要集中在三个核心领域：(1)量化不同能源之间的互补性，(2)优化系统配置，(3)提升运行协调性。Jurasz等人（2020年）建立了评估时空互补性的基础框架，而Guo等人（2023年）提出了基于变异性的指标来描述风能和太阳能之间的相互依赖关系，重点关注波动模式和空间相关性。Xu等人（2024年）进一步发展了这些方法，引入了一种新的指标，该指标结合了藤蔓copula结构和秩相关分析，能够考虑多维度数据趋势、变化速率以及波动幅度，从而更准确地把握混合系统中的互补性。

优化研究也带来了实用的见解：Lv等人（2024年）发现，1.25:1的风能与太阳能比例是平衡装机容量与电网稳定性的最佳比例；Shi等人（2024年）则证明了随机优化在配置带有电池存储的混合系统以应对可再生能源的间歇性和需求变化方面的有效性。在运营策略方面也有了新发展，Li等人（2022年）制定了长期系统管理指南，而Liu等人（2023年）则运用机会约束模型来减少中国境内的可再生能源限电现象。在实时协调方面，Jiang等人（2023年）提出了基于深度强化学习的框架，用于在预报存在不确定性的情况下进行短期调度，而Li等人（2024年）则提出了风险管理方法，用于处理部分负荷下的风力发电机组运行问题。

不过，现有研究大多侧重于小型或孤立系统中的短期运营，因为在这些系统中，精确的发电量协调并非那么关键。虽然短期预报有助于优化运营，但其有限的预测范围会削弱人们对系统长期性能的信心。这一差距凸显出有必要将重点转向长期互补性运营，这对于在不同季节和多年时间尺度上协调多种能源至关重要。这样的进步对于实现水力、风能和太阳能系统在全球能源网格中的规模化、高效整合具有重要意义。

水力、风能和太阳能混合型可再生能源系统的优化与管理面临着复杂的多维度挑战，需要在经济可行性、运营可靠性和环境可持续性等相互竞争的目标之间找到平衡点（Zhou等人，2023年）。在水资源匮乏且可再生能源具有间歇性的干旱地区，如中国西北部，这些挑战更为突出，水资源短缺和可再生能源的间歇性进一步增加了能源供应稳定的风险。在这样的环境下，系统优化不仅要考虑发电问题，还要考虑水资源分配、生态流量维护以及运营安全等问题（Liu等人，2019年；Wang等人，2025年）。这些目标往往存在冲突，例如，如果优先满足家庭、工业或农业用水需求，可能会降低水力发电能力，进而影响整体能源效率（Rasool等人，2023年）。传统的单一目标优化框架无法解决这些复杂的权衡问题，这就凸显出需要先进的多元目标优化方法，以便在确保系统韧性的同时平衡各种相互竞争的优先事项。

在多元目标优化方法方面已经取得了显著进展，这些方法根据偏好整合的时间顺序大致可分为三种类型：先验法、交互法和后验法（Rahimi等人，2023年）。先验法在优化之前就确定决策者的偏好，通常采用加权求和法为各目标分配优先权重——当偏好可以量化时，这是一种可行的解决方案。交互法则在优化过程中让决策者不断参与，通过实时反馈不断优化解决方案，但这需要决策者持续参与。相比之下，后验法首先生成一组帕累托最优解，然后再纳入决策者的偏好，这样决策者就可以在事后评估各种方案的权衡情况。近年来，进化算法的发展提高了后验法框架中识别高质量帕累托前沿的效率（Ma等人，2023年；Li等人，2021年；Paul等人，2024年）。

水力、风能和太阳能系统的整合还因水资源可用性和可再生能源发电量的不确定性而变得更加复杂（Li等人，2019年、2020年；Davoudkhani等人，2023年）。水文条件的变化会直接影响水库的泄洪量、水力发电量、灌溉供水、生态流量维持以及防洪安全，因此径流预报的不确定性成为水资源紧张流域运营风险的主要来源（Tyralis等人，2023年；Gupta和Govindaraju，2023年）。风能和太阳能的发电量也存在波动且受天气影响，这也会影响混合系统的协同运行。在本研究中，由于在水力发电是连接水资源分配与可再生能源补偿的可控因素，因此不确定性分析的重点是径流预报的不确定性。风能和太阳能的发电量则作为随时间变化的功率序列被纳入调度模型中。

在多元目标优化中，各目标之间存在内在的冲突，这使得“最优”解决方案的概念不再适用，因此需要沿着帕累托前沿寻找折中方案。混合能源系统处于政策、战略和多学科运筹学交叉的领域，决策过程必须将各种不确定性转化为可操作的成果（Hajkowicz和Collins，2007年；Das等人，2023年）。多准则决策分析为从帕累托集中评估和选择非支配解提供了重要框架，从而实现实时运营决策。虽然多元目标进化算法能够有效地呈现各准则之间的权衡关系（Roy等人，2024年），但最终的实施仍需要选择一个方案——这一过程传统上依赖于确定的决策矩阵和预定义的准则权重。然而，这些方法在决策初期就主观地确定了权重，而且往往是在信息有限的情况下，这会造成心理压力和效率低下。此外，具有不同优先事项的利益相关者很难就权重分配达成共识，这进一步增加了策略选择的难度（Ridha等人，2023年）。传统的决策方法依赖于确定的决策矩阵和预先确定的准则权重，难以应对涉及随机变量的问题。这就需要开发基于风险的决策模型，能够有效考虑决策信息和决策偏好中存在的双重不确定性。

在混合型可再生能源系统的运行中考虑不确定性是一项复杂且多方面的任务，从根本上来说，它属于一个多阶段、多目标、多维度的基于风险的决策过程（Dong等人，2023年）。不确定性贯穿整个运营周期，从径流预报开始，经过多元目标优化，最终影响到决策环节。以往的研究主要关注单一的风险源，这种视角既不全面，也不利于对混合能源系统进行科学的管理。在这些系统中，包括水文变化、水利复杂性、工程不确定性、主观判断以及管理问题在内的众多不确定性因素同时影响着系统的运行。运营决策所面临的风险是各种不确定性因素相互作用的结果，如果仅关注某一类型的风险，很可能会导致有偏差的结论。

目前的研究大多集中在小型系统中的短期运营，因为在这类系统中，精确的电力协调并非那么关键。虽然短期预报有助于进行战术性调整，但其有限的预测范围会削弱人们对系统长期性能的信心。为了实现混合系统的规模化整合，有必要转变思路，注重长期互补性运营。这需要一个综合框架，能够在不同的时间和空间尺度上整合多阶段优化、基于风险的决策制定以及不确定性量化。这样的框架必须能够协调相互冲突的目标、利益相关者的偏好以及层层递进的不确定性，从而实现可持续的能源与水资源管理。

尽管随机多元目标优化能够反映不确定的输入条件，并生成一组非支配的调度方案，但它本身并不能决定在实践中应该采用哪个方案。在水力、风能和太阳能系统的运行中，最终的选择不仅取决于各个方案的随机性能，还受到多种准则以及不确定的利益相关者偏好的影响。传统的确定性优化后的决策方法可能会根据预期目标值或固定的准则权重来对方案进行排序，但这种排序方式可能会忽视在不同径流情景或偏好结构下方案排名可能发生变化的概率。因此，一个在平均条件下看似最优的方案，一旦考虑到准则值和权重的不确定性，就可能变得不可靠。

所以，需要一个完整的决策流程来回答三个问题：径流预报的不确定性如何演变？它如何影响可行的和非支配的调度方案？当方案性能和利益相关者偏好都存在不确定性时，最终排序的可靠性如何？为了解决这个问题，本研究为干旱地区的水力、风能和太阳能互补运行开发了一个综合的不确定性到决策框架。该框架并没有为每个阶段提出新的独立算法，而是将现有的互补方法整合成一个有序的决策支持工作流程，将径流预报误差的演变、多元目标随机调度以及基于风险的调度方案选择联系在一起。

在这个工作流程中，首先使用基于鞅的预报演化模型来描述径流预报的不确定性，然后将其转化为不同的输入情景树。接着，这些情景被纳入多元目标随机调度模型中，从而在存在水文不确定性的情况下得到一组非支配方案。最后，这些方案的不确定性能以及利益相关者不确定的偏好会被纳入决策层，该决策层将随机多准则可接受性分析与灰色目标决策法相结合，即SMAA-GTDM方法，用于评估排序的可接受性、置信度以及决策风险。这个流程是必要的，因为每个阶段都在回答不同的运营问题；如果遗漏任何一个阶段，就会在不确定性描述、优化结果以及可实施的调度决策之间留下缺口。与确定性调度或传统的优化后排序方法相比，所提出的工作流程能够在整个决策过程中保留不确定性信息。这对于中国西北部干旱地区的水力、风能和太阳能系统尤为重要，因为在这些地区，水力发电不仅要支持可再生能源的整合，还要满足农业灌溉、生态流量维护以及防洪安全的需求。本研究以喀什河流域为案例，展示了径流预报的不确定性及其分布特征如何影响调度决策的权衡以及最终方案选择的可靠性。

本研究的贡献可总结如下。首先，它为水力、风能和太阳能系统的运行提供了一种综合的不确定性到决策工作流程，将径流预报误差的模拟、随机调度以及基于风险的方案选择联系在一起。其次，它为随机非支配解集提供了一种运营层面的表述方式，即用概率分布而非确定的客观值来描述典型调度方案的性能。第三，它将SMAA与GTDM相结合，以便在准则值和准则权重都不确定的情况下对方案进行排序，同时还引入了决策风险度这一概念，用于解释排序结果的可靠性。第四，它将该框架应用到中国西北部一个水资源紧张的流域，研究了径流预报误差的分布特征如何影响调度决策的权衡以及决策的可靠性。

研究区域与数据
本文以中国西北部干旱地区的新疆喀什河流域作为研究对象。该研究旨在通过综合考虑可再生能源发电、农业灌溉、生态环境保护以及防洪安全等多个目标，来验证所提出的框架。新疆清洁能源基地是中国“十四五”规划中确定的九个重点清洁能源发展基地之一。该地区水资源丰富……

方法论
所提出的工作流程是根据水力、风能和太阳能系统在不确定性条件下的运行逻辑设计的。在实际运行中，不确定性首先体现在径流预报中，随后影响水库的泄洪量和水力发电量，最后影响调度方案的评价和排序。因此，本研究提出了一种集成方法流程，将三个分析要素相结合：水文预报不确定性分析、数值实验的设置。该研究聚焦于中国西北部干旱地区喀什河流域的水-风-光系统。为便于进行全面案例分析，研究人员精心设计了三个数值实验，详细的参数设置见表2。第一个实验基于正态分布的预报误差，旨在展示所提出的流程从径流情景生成到随机调度以及基于风险的决策制定的全过程。

讨论与结论：水-风-光混合系统为干旱地区的清洁能源生产和水资源协调提供了重要途径。本研究构建了一个集成框架，将水文预报误差模拟、多目标随机调度以及基于风险的群体决策相结合。该框架的核心价值在于确保整个运营决策链的连贯性：首先将径流预报的不确定性转化为入流情景树，进而……

CRediT作者贡献说明：朱飞林：概念设计、资金获取、方法论、初稿撰写、审稿与编辑。王雅琴：数据收集、方法论、初稿撰写。刘伟峰：软件支持。侯天田：可视化处理。薛乃西：数据整理。郭勋宁：验证工作。王新毅：形式化分析。钟平安：项目管理、监督工作。

利益冲突声明：作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢：本研究得到了中央高校基本科研业务费（项目编号B240201123）以及国家自然科学基金（项目编号52009029）的支持。

朱飞林|王雅琴|刘伟峰|侯天田|薛乃西|郭勋宁|王新毅|钟平安