金傳鑫，李紅剛，艾顯仁，陳 超，劉楊洋

（1. 南瑞集團(tuán)有限公司（國(guó)網(wǎng)電力科學(xué)研究院），江蘇 南京 211100； 2. 華能瀾滄江水電股份有限公司，云南 昆明 650000）

1 研究背景

我國(guó)是世界上水電能資源最豐富的國(guó)家之一，近年來(lái)，隨著我國(guó)流域水電建設(shè)的大力推進(jìn)，水電裝機(jī)容量越來(lái)越大，清潔、高效的水電能源已成為我國(guó)“雙碳”目標(biāo)實(shí)現(xiàn)的主力軍。伴隨著水電建設(shè)的推進(jìn)，各大流域梯級(jí)水庫(kù)群也逐步形成，相對(duì)于單庫(kù)而言，梯級(jí)水庫(kù)間的水量、水力聯(lián)系更加復(fù)雜，其優(yōu)化調(diào)度目標(biāo)、約束條件眾多，建模與求解的難度越來(lái)越大。

近些年來(lái)，隨著計(jì)算機(jī)技術(shù)與智能優(yōu)化算法的不斷發(fā)展，針對(duì)梯級(jí)水庫(kù)優(yōu)化調(diào)度的模型建模與求解研究取得了不錯(cuò)的成果。WANG等［1］建立了包含求解期末水庫(kù)庫(kù)容循環(huán)模塊和求解發(fā)電計(jì)劃過(guò)渡模塊的梯級(jí)水庫(kù)群非線性優(yōu)化模型，并將其應(yīng)用于福建省電網(wǎng)大規(guī)模水電系統(tǒng)的短期優(yōu)化調(diào)度問(wèn)題的求解，取得較好的優(yōu)化效果。李亮等［2］對(duì)大分解協(xié)方法和逐次優(yōu)化法（DPSA）進(jìn)行了對(duì)比研究，結(jié)果表明DPSA 法求解精度較高而大系統(tǒng)分解協(xié)調(diào)法求解速度較快。王金文等［3］構(gòu)建了以發(fā)電量最小為目標(biāo)的三峽梯級(jí)水庫(kù)隨機(jī)動(dòng)態(tài)規(guī)劃調(diào)度模型。2011 年唐國(guó)磊等［4］以二灘水庫(kù)為例，構(gòu)建了考慮徑流預(yù)報(bào)隨機(jī)性的水庫(kù)隨機(jī)動(dòng)態(tài)優(yōu)化調(diào)度模型。徐煒等［5］提高了隨機(jī)動(dòng)態(tài)規(guī)劃算法的計(jì)算效率。王昱倩等［6］考慮發(fā)電保證率和最大破壞深度約束，構(gòu)建了水電站隨機(jī)動(dòng)態(tài)規(guī)劃調(diào)度模型。紀(jì)昌明等［7］通過(guò)二重嵌套動(dòng)態(tài)規(guī)劃計(jì)算給定模擬精度下的高質(zhì)量解，并針對(duì)算法固有的“維數(shù)災(zāi)”問(wèn)題，從內(nèi)存占用量和計(jì)算時(shí)間兩方面進(jìn)行了降維。趙曉鳳［8］等采用含縮放因子的運(yùn)移策略和自適應(yīng)調(diào)參策略對(duì)其改進(jìn)，提出了改進(jìn)的腎臟算法，提高的梯級(jí)水庫(kù)發(fā)電量。劉喜峰［9］提出一種動(dòng)態(tài)水流滯時(shí)的梯級(jí)水電系統(tǒng)日優(yōu)化調(diào)度模型，研究了水流滯時(shí)對(duì)梯級(jí)水庫(kù)群發(fā)電效益的影響。王渤權(quán)［10］等構(gòu)建了動(dòng)態(tài)可行域?qū)?yōu)空間，有效的提高了算法尋優(yōu)效率，為算法求解提供了新的解決思路。

對(duì)于梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度問(wèn)題［11-13］，其包含的變量多、約束復(fù)雜，雖然傳統(tǒng)或智能優(yōu)化方法能夠得到滿足相關(guān)目標(biāo)與約束的解，但優(yōu)化結(jié)果太過(guò)于偏重目標(biāo)值，往往出力過(guò)程波動(dòng)性大，難以滿足實(shí)際水庫(kù)調(diào)度要求。此外，隨著梯級(jí)水庫(kù)數(shù)量的增加，實(shí)時(shí)優(yōu)化調(diào)度模型的求解時(shí)間也大大增加，不能滿足調(diào)度時(shí)效性要求。因此，在實(shí)際梯級(jí)水庫(kù)短期調(diào)度中，優(yōu)化調(diào)度效果有限，調(diào)度人員還需要根據(jù)個(gè)人經(jīng)驗(yàn)來(lái)進(jìn)行調(diào)度決策，存在著較大的盲目性和隨機(jī)性。為解決上述過(guò)程，可以從歷史已發(fā)生的調(diào)度結(jié)果出發(fā)，尋求合適的解決方案。若是能夠?qū)㈤L(zhǎng)系列歷史調(diào)度決策過(guò)程或結(jié)果分類、分場(chǎng)景總結(jié)成可見(jiàn)的調(diào)度規(guī)則，調(diào)度人員在實(shí)時(shí)調(diào)度時(shí)就可以依賴歷史過(guò)程總結(jié)形成的調(diào)度知識(shí)決策，不僅更加快捷，決策結(jié)果也將更加科學(xué)、合理。

鑒此，本文擬基于歷史的調(diào)度數(shù)據(jù)，基于聚類分析等數(shù)據(jù)挖掘方法，考慮調(diào)度時(shí)期、業(yè)務(wù)類型、調(diào)度期長(zhǎng)度等場(chǎng)景要素，提出電站出力場(chǎng)景構(gòu)建技術(shù)，挖掘基于長(zhǎng)系列歷史運(yùn)行數(shù)據(jù)的典型出力場(chǎng)景，形成出力場(chǎng)景庫(kù)，在此基礎(chǔ)上，開展基于出力場(chǎng)景庫(kù)的梯級(jí)水電站短期優(yōu)化調(diào)度研究，并通過(guò)實(shí)例分析驗(yàn)證方法的可行性與實(shí)用性。

2 出力場(chǎng)景模型構(gòu)建

根據(jù)實(shí)際情況，篩選合適的場(chǎng)景要素，通過(guò)不同場(chǎng)景要素的組裝，形成場(chǎng)景庫(kù)。主要包括場(chǎng)景要素的選擇與聚類分析、場(chǎng)景要素的相關(guān)性分析與權(quán)重設(shè)置及場(chǎng)景要素的數(shù)字化與場(chǎng)景匹配等內(nèi)容。

2.1 場(chǎng)景要素的選擇與聚類分析

場(chǎng)景要素通常分為確定性要素、輸入要素、輸出要素等。確定性要素包括調(diào)度時(shí)期、業(yè)務(wù)類型、調(diào)度期長(zhǎng)度、調(diào)度對(duì)象、水庫(kù)水位限制、出庫(kù)流量限制、出力限制、調(diào)峰時(shí)間等。輸入要素主要是入流過(guò)程、出力過(guò)程、入庫(kù)水量、初始水位邊界等。輸出要素主要包括下泄流量過(guò)程、下泄總量、水庫(kù)水位過(guò)程、調(diào)度期末水位等。

在場(chǎng)景要素確定之后，基于聚類分析和人工經(jīng)驗(yàn)法相結(jié)合方法，對(duì)海量歷史數(shù)據(jù)按不同類型、來(lái)源、年限、時(shí)間段等條件劃分，以構(gòu)建不同調(diào)度要素級(jí)別下的組合場(chǎng)景，為場(chǎng)景庫(kù)搭建提供支撐。本文以預(yù)報(bào)流量序列為例，劃分步驟如下：

步驟1：獲取研究流域的電站歷史運(yùn)行數(shù)據(jù)、歷史水情監(jiān)測(cè)數(shù)據(jù)等場(chǎng)景構(gòu)建所需要的數(shù)據(jù)。

步驟2：通過(guò)人為經(jīng)驗(yàn)分析研究流域特性，確定徑流預(yù)報(bào)系列(Q0，Q1，…，Qn)的凝聚點(diǎn)(D0，D1，…，Dn)；

步驟3：計(jì)算每個(gè)徑流預(yù)報(bào)系列與凝聚點(diǎn)的距離，并尋找出與之最近的凝聚點(diǎn)，將其歸為該級(jí)別中，公式如下，式中Qi代表第i個(gè)徑流系列值，m3/s；Dj代表第j個(gè)凝聚點(diǎn)，m3/s。

步驟4：計(jì)算每個(gè)徑流級(jí)別下的徑流平均值，并將該系列平均值作為新的凝聚點(diǎn)（Dk0，Dk2，…，Dkn），k表示迭代k次形成的凝聚點(diǎn)系列；

步驟5：計(jì)算新的凝聚點(diǎn)與原始凝聚點(diǎn)的距離，判斷是否達(dá)到終止條件，若否則返回步驟（3）；若是，則計(jì)算結(jié)束，輸出分類結(jié)果。

2.2 場(chǎng)景要素的相關(guān)性分析與權(quán)重設(shè)置

本文基于采用最大信息系數(shù)法（The Maximal Information Coefficient， MIC）確定景要素的相關(guān)性，其具體步驟如下：

步驟1：計(jì)算每一個(gè)有序?qū)?shù)據(jù)集劃分后對(duì)應(yīng)的最大互信息。對(duì)于給定有序?qū)?shù)據(jù)集D?R2，將其劃分為x×y個(gè)網(wǎng)格G（其中x和y是正整數(shù)），網(wǎng)格對(duì)應(yīng)的概率分布為D|G。最大互信息定義為：

式中：max 是將D上XY軸劃分后，所有可能網(wǎng)格劃分G上互信息的最大值；I（D|G）表示在概率分布D|G情況下的互信息。

步驟2：由標(biāo)準(zhǔn)化后的互信息獲得分組成特征矩陣。有序?qū)?shù)據(jù)集D上特征矩陣M（D）的第x行y列的元素如下式所示，其中的元素分別對(duì)應(yīng)A中各x×y劃分下劃分位置最好時(shí)得到的互信息值。

步驟3：將特征矩陣M（D）表示為可視化的一個(gè)表面，此時(shí)MIC對(duì)應(yīng)于在特征矩陣中M（D）數(shù)據(jù)規(guī)模為n的有序?qū)?shù)據(jù)集D中網(wǎng)格劃分后的最大值點(diǎn)，且劃分的網(wǎng)格數(shù)量小于等于B（n）。

式中：ω（1）＜B（n）≤O（n1-ε），0＜ε＜1；B（n）一般取值為n0.6。

為保證各場(chǎng)景要素的差異性，采用主客觀權(quán)重法對(duì)各個(gè)場(chǎng)景要素賦予權(quán)重，以分別考慮不同情形下的決策側(cè)重。主要步驟如下：

步驟1：采用P種主觀賦權(quán)法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重確定，定義Wp=（wpk| 1≤p≤P， 1≤k≤Num）為主觀權(quán)重集合，且?p∈［1，P］，。采用的主觀賦權(quán)法主要有層次分析法［14，15］和G1法［16］。

步驟2：采用Q種客觀賦權(quán)法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重確定，定義Wq=（wqk| 1≤q≤Q， 1≤k≤Num）為客觀權(quán)重集合，且?q∈［1，Q］，。采用的客觀賦權(quán)法主要有熵權(quán)法［17］和離差最大化法。

步驟3：令W=（wk|1≤k≤Num）為場(chǎng)景要素組合權(quán)重向量。設(shè)P和Q分別為從主觀權(quán)重總體和客觀權(quán)重總體中抽取的樣本數(shù)，則指標(biāo)xk（1≤k≤Num）會(huì)有P+Q個(gè)權(quán)重樣本值。為獲取最優(yōu)組合權(quán)重，令各指標(biāo)權(quán)重wk滿足與P+Q個(gè)主客觀權(quán)重的偏差最小。同時(shí)，設(shè)α和β分別為主觀權(quán)重和客觀權(quán)重的相對(duì)重要系數(shù)，構(gòu)造組合權(quán)重優(yōu)化集成模型如下：

步驟4：基于矩估計(jì)的基本思想，可計(jì)算指標(biāo)xk的wpk和wqk的期望值：

步驟5：進(jìn)一步求得指標(biāo)xk的相對(duì)重要系數(shù)αk和βk：

步驟6：針對(duì)決策矩陣中的指標(biāo)，可視為從2 個(gè)總體中分別取Num個(gè)樣本，基于矩估計(jì)原理可得：

步驟7：針對(duì)每一個(gè)評(píng)價(jià)指標(biāo)xk，以De（k）最小化為目標(biāo)，可構(gòu)建組合權(quán)重優(yōu)化集成模型：

步驟8：對(duì)上述模型作線性加權(quán)處理后，采用Lagrange 乘子法［18］求解，獲取指標(biāo)xk的最優(yōu)組合權(quán)重：

2.3 場(chǎng)景要素的數(shù)字化與場(chǎng)景匹配

出力場(chǎng)景的構(gòu)建，其目的在于指導(dǎo)后期基于場(chǎng)景的短期調(diào)度，即后期調(diào)度過(guò)程中需要根據(jù)當(dāng)前實(shí)際情形選擇最佳的匹配場(chǎng)景。在此過(guò)程中，需要有一個(gè)場(chǎng)景匹配環(huán)節(jié)，要實(shí)現(xiàn)場(chǎng)景匹配的自動(dòng)化，需要首先對(duì)場(chǎng)景進(jìn)行數(shù)值化描述，例如，對(duì)于場(chǎng)景要素調(diào)度時(shí)期：枯期、汛期、過(guò)渡期，可以將枯期賦值為0、汛期賦值為1、過(guò)渡期賦值為2。對(duì)其他的場(chǎng)景要素進(jìn)行同樣的賦值，就可以將定性的要素描述為定量的要素，實(shí)現(xiàn)多維度的場(chǎng)景要素空間構(gòu)建。

在多維場(chǎng)景要素空間構(gòu)建完成后，便可采用空間距離公式等方法，根據(jù)當(dāng)前的要素情景，匹配最佳的出力場(chǎng)景，再進(jìn)行適當(dāng)修正后便可用于指導(dǎo)實(shí)際梯級(jí)水庫(kù)調(diào)度運(yùn)行。

出力場(chǎng)景模型構(gòu)建的總體技術(shù)路線如圖1所示。

圖1 出力場(chǎng)景模型構(gòu)建的總體技術(shù)路線圖Fig.1 Overall technical roadmap for the construction of output scenario model

3 基于出力場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度

根據(jù)前述所得的場(chǎng)景庫(kù)，根據(jù)當(dāng)前發(fā)電計(jì)劃編制需求，獲取計(jì)劃編制邊界條件、調(diào)度工況以及調(diào)度目標(biāo)，提出基于場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法，步驟如下：

步驟1：根據(jù)預(yù)測(cè)徑流數(shù)據(jù)，實(shí)時(shí)水位數(shù)據(jù)，約束限制數(shù)據(jù)，調(diào)峰出力目標(biāo)數(shù)據(jù)等，初步確定場(chǎng)景要素集合；

步驟2：基于前述指標(biāo)相關(guān)性分析方法，進(jìn)行場(chǎng)景要素相關(guān)性分析，確定當(dāng)前場(chǎng)景的主要判定要素；

步驟3：基于前述主客觀賦權(quán)法，對(duì)各個(gè)要素賦權(quán)值；

步驟4：采用如下空間距離公式，從場(chǎng)景庫(kù)中搜索計(jì)算得到距離D最小的N個(gè)出力場(chǎng)景（本文取N=5）。

步驟5：根據(jù)選中的N個(gè)出力場(chǎng)景，提取該場(chǎng)景下調(diào)度期的典型負(fù)荷過(guò)程，并結(jié)合實(shí)際情況，優(yōu)選最佳的出力場(chǎng)景，獲得對(duì)應(yīng)的調(diào)度方案，若滿足要求，則結(jié)束。否則進(jìn)入步驟6；

步驟6：根據(jù)當(dāng)前實(shí)際情形，對(duì)所得調(diào)度方案進(jìn)行“以電定水”調(diào)度計(jì)算，并進(jìn)行適當(dāng)修正，得出更新后的方案；

步驟7：修正后的方案若滿足要求，則用于指導(dǎo)實(shí)際調(diào)度運(yùn)行。若不滿足要求，則進(jìn)入步驟2，修正當(dāng)前場(chǎng)景的主要判定要素，再次進(jìn)行計(jì)算，直到滿足要求。

總體流程如圖2所示。

圖2 基于場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度總體流程Fig.2 Overall process of short-term optimal operation of cascade reservoirs based on scenario set

4 實(shí)例分析

4.1 流域概況

沙溪是閩江的主流，發(fā)源于武夷山脈杉嶺南麓的九縣山，沙溪全長(zhǎng)328 km，集水面積11 793 km2，占閩江流域總面積19.33%，全年不發(fā)生河干、斷流和冰封現(xiàn)象。沙溪干流河段共有十一個(gè)梯級(jí)，分別是：安砂、豐海、鴨姆潭、西門、貢川、竹洲、臺(tái)江、班竹、城關(guān)、高砂、官蟹。這些電站中，除安砂為不完全年調(diào)節(jié)性能外，其余電站均為徑流式電站，無(wú)調(diào)節(jié)能力，汛期時(shí)由于庫(kù)容較小，閘門開啟較頻繁。

針對(duì)沙溪流域的這一特點(diǎn)，梯級(jí)優(yōu)化調(diào)度主要是對(duì)龍頭有調(diào)節(jié)性能的水庫(kù)進(jìn)行優(yōu)化調(diào)度，但在實(shí)際調(diào)度中，安砂水庫(kù)的調(diào)度還需要考慮下游電站的調(diào)度運(yùn)行過(guò)程，因此需要考慮的約束、邊界眾多，是一復(fù)雜、多維數(shù)的規(guī)劃問(wèn)題。鑒于此，開展基于場(chǎng)景庫(kù)的梯級(jí)水電站短期優(yōu)化調(diào)度研究，對(duì)于指導(dǎo)沙溪流域梯級(jí)水電站實(shí)際調(diào)度運(yùn)行具有重要意義。本次選取沙溪上的安砂、豐海、西門、貢川、城關(guān)、高砂六座梯級(jí)電站做算例分析使用。電站基本參數(shù)如表1所示。

表1 沙溪流域梯級(jí)水庫(kù)基本參數(shù)表Tab.1 Basic parameters of Shaxi Cascade Reservoirs

4.2 場(chǎng)景劃分

根據(jù)本流域調(diào)度運(yùn)行特征，提取得到的場(chǎng)景要素如表2所示。

表2 場(chǎng)景要素表Tab.2 Scenario element

基于上述場(chǎng)景要素劃分，可構(gòu)建梯級(jí)計(jì)算場(chǎng)景、多日?qǐng)鼍?、峰型匹配?chǎng)景、總電量匹配場(chǎng)景等多種場(chǎng)景，限于篇幅，實(shí)例研究中主要以固定頂峰時(shí)間的梯級(jí)單峰3天計(jì)劃編制場(chǎng)景為例進(jìn)行分析。

4.3 典型場(chǎng)景計(jì)算結(jié)果

本場(chǎng)景是梯級(jí)6庫(kù)單峰場(chǎng)景下的3 d的計(jì)劃編制，確定性要素包含汛期、單峰、3天、梯級(jí)水庫(kù)；同時(shí)在本場(chǎng)景非確定性要素中新加入調(diào)峰峰型、頂峰時(shí)間指標(biāo)，同時(shí)調(diào)整頂峰時(shí)間、調(diào)峰峰型權(quán)重，強(qiáng)化指標(biāo)的重要性。采用本文提出的基于場(chǎng)景的優(yōu)化調(diào)度方法進(jìn)行計(jì)算的相關(guān)計(jì)算參數(shù)如表3所示。

表3 場(chǎng)景計(jì)算參數(shù)表Tab.3 Calculation parameter of scenario

根據(jù)確定性要素、計(jì)算參數(shù)，采用前述聚類分析方法，選擇頂峰時(shí)間、調(diào)峰量、調(diào)峰峰型等9個(gè)非確定型指標(biāo)作為本場(chǎng)景的判定要素，同時(shí)生成了10個(gè)典型場(chǎng)景方案。采用前述基于MIC的評(píng)價(jià)指標(biāo)相關(guān)性分析方法及主客觀權(quán)重賦權(quán)法，場(chǎng)景3中，10個(gè)典型方案與各個(gè)要素指標(biāo)的相關(guān)關(guān)系圖（見(jiàn)圖3）及各個(gè)特征要素的權(quán)重值分配如表4所示。

表4 場(chǎng)景各個(gè)特征要素權(quán)重Tab.4 Weight of each feature element in scenario

圖3 場(chǎng)景各典型方案特征要素相關(guān)關(guān)系圖Fig.3 Correlation diagram of characteristic elements of each typical scheme in scenario

進(jìn)一步根據(jù)場(chǎng)景要素匹配方法，2022 年6 月26 日-28 日方案在調(diào)峰峰型、調(diào)峰量、頂峰時(shí)間等特征要素與計(jì)算參數(shù)關(guān)聯(lián)性最密切，故將此方案選定為典型場(chǎng)景。

為對(duì)比本文所提方法的先進(jìn)性，采用常規(guī)優(yōu)化調(diào)度方法進(jìn)行對(duì)比計(jì)算，控制末水位通過(guò)以水定電優(yōu)化模型計(jì)算。本文方法和常規(guī)優(yōu)化方法計(jì)算參數(shù)一致，主要計(jì)算結(jié)果如表5所示。

表5 場(chǎng)景計(jì)算結(jié)果對(duì)比Tab.5 Comparison of calculation results in scenario

兩種優(yōu)化方法的詳細(xì)計(jì)算結(jié)果如圖4所示。

圖4 場(chǎng)景法及優(yōu)化法的梯級(jí)水庫(kù)蓄能過(guò)程及梯級(jí)平均出力過(guò)程Fig.4 Cascade reservoirs energy storage process and cascade average output process of scenario method and optimization method

由主要結(jié)果對(duì)比及具體水庫(kù)蓄能過(guò)程及梯級(jí)平均出力過(guò)程可知，場(chǎng)景方法整個(gè)計(jì)算期內(nèi)，梯級(jí)水庫(kù)的出力過(guò)程為日內(nèi)單峰過(guò)程，梯級(jí)整個(gè)出力過(guò)程平滑。整個(gè)過(guò)程符合單峰設(shè)定，且總體出力過(guò)程平滑，適合實(shí)用化，該方法計(jì)算時(shí)間155 s。

常規(guī)優(yōu)化法中，由于權(quán)重的設(shè)置，每日出力過(guò)程為日內(nèi)單峰過(guò)程、頂峰時(shí)間與場(chǎng)景法完全一致，頂峰時(shí)段的電量也基本一致；整個(gè)調(diào)度期，發(fā)電量比場(chǎng)景優(yōu)化方法多1.8 萬(wàn)kWh，基本可認(rèn)為差距不大；但是常規(guī)優(yōu)化方法的劣勢(shì)也很明顯：整個(gè)出力過(guò)程波動(dòng)頻繁，幾乎每個(gè)時(shí)段出力都需要調(diào)整，分析其原因，優(yōu)化調(diào)度旨在可行域內(nèi)按照發(fā)電量最大為目標(biāo)進(jìn)行計(jì)算，實(shí)則為一數(shù)學(xué)規(guī)劃問(wèn)題，其物理背景（調(diào)度規(guī)程、運(yùn)行要求、調(diào)度經(jīng)驗(yàn)）均通過(guò)約束形式體現(xiàn)。當(dāng)約束確定后，優(yōu)化空間也隨之確定，因此會(huì)呈現(xiàn)出波動(dòng)性大的特點(diǎn)，不利于實(shí)際生產(chǎn)運(yùn)行應(yīng)用；此外，該方法計(jì)算時(shí)間為388 s，也遠(yuǎn)大于場(chǎng)景優(yōu)化方法，計(jì)算效率明顯低于場(chǎng)景法。

5 結(jié) 論

本文以沙溪梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度問(wèn)題為例，提出了基于出力場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法，通過(guò)固定頂峰時(shí)間的梯級(jí)單峰3 d 計(jì)劃編制典型場(chǎng)景的實(shí)例分析，得出如下結(jié)論。

（1）相比于傳統(tǒng)的直接優(yōu)化方法，本文所提基于出力場(chǎng)景庫(kù)的梯級(jí)水庫(kù)群短期優(yōu)化調(diào)度方法在實(shí)際應(yīng)用時(shí)，不需要臨時(shí)處理大量的約束、邊界條件，也不需要實(shí)時(shí)建模求解，只需要根據(jù)當(dāng)前場(chǎng)景在場(chǎng)景庫(kù)中搜尋最匹配場(chǎng)景，采用局部?jī)?yōu)化和人工經(jīng)驗(yàn)方式進(jìn)行微調(diào)修正，獲取調(diào)度方案更加方便。

（2）通過(guò)典型場(chǎng)景對(duì)比發(fā)現(xiàn)，雖然常規(guī)優(yōu)化調(diào)度方法的發(fā)電量與調(diào)峰電量略大于場(chǎng)景優(yōu)化方法，但整個(gè)出力過(guò)程頻繁變動(dòng)，幾乎每個(gè)時(shí)段出力都需要調(diào)整，該出力計(jì)劃過(guò)程生產(chǎn)實(shí)用性較差，而場(chǎng)景優(yōu)化方法的計(jì)算結(jié)果整個(gè)過(guò)程符合調(diào)峰峰型設(shè)定，且總體出力過(guò)程平滑，實(shí)用性很強(qiáng)。

（3）在計(jì)算時(shí)間上，常規(guī)優(yōu)化調(diào)度方法為388 s，本文的場(chǎng)景優(yōu)化方法為155 s，可見(jiàn)在計(jì)算時(shí)間上本文方法大大優(yōu)于常規(guī)優(yōu)化調(diào)度方法。