基于水电调节的多能互补系统和交易策略研究综述

何星遥 孙嘉伟 宋子达 董宜琛

摘 要：在双碳目标下，利用水、风、光等可再生资源解决新能源发电中的消纳问题显得尤为重要。重点探讨了风电、光伏等可再生能源并网的挑战，特别是它们的间歇性和不可控性问题，以及水电在缓解这些问题中的关键作用。通过提出水光互补和水风互补的概念，强调了水电在平衡可再生能源发电和提升整体能效方面的重要性。同时，深入研究了多种优化模型和交易策略，为水风光互补运行提供了新的思路。

关键词：水电调节；
多能互补系统；
交易策略

中图分类号：TM73；
TV74 文献标志码：A

0 引 言

双碳目标下，利用风光水等可再生资源解决新能源发电中的消纳问题已成为当务之急[1-3]。在过去的十多年里，我国的新能源发电取得了显著的发展[4-7]（见图1）。风电和光伏发电的间歇性和不可控性以及其他多种因素的综合影响，使得这一问题持续备受关注[8-10]。特别是随着并网规模的快速扩大，出现了诸如弃电风险和高比例清洁能源系统运行不稳定等问题[11-14]，多能互补系统尤其是水风光互补系统在我国新能源集中消纳方面扮演着重要角色[15-22]。与储能相比，传统水电技术成熟，具有卓越的调节能力，是我国最大规模的清洁能源发电方式之一，与风电和光伏发电规模较为匹配[23]。然而，实际工程中存在着发电调度等诸多难点和问题，例如如何有效地管理多种能源之间的协调发电、如何应对突发情况等，迫切需要通过进一步的理论和技术研究，寻求解决方案，推动多能互补系统在新能源领域的应用和发展，为构建清洁能源基地、实现高比例清洁能源电网做出更大贡献。

1 水风光互补特性分析

1.1 水风光出力特性

目前，水风光出力波动性主要有三个指标，分别为波动率、爬坡率、偏移度[24-25]。波动率是为了衡量水风光出力稳定性，选取相近时间点一次出力变化作为一次波动。一段时间内，机组出力最大、最小值相差超过25%，视作一次爬坡事件。偏移度定义为出力与基准值的偏移程度。三者均是衡量水风光出力稳定性的重要指标。

（1）波动率FR表达式为

式中：γi为离散时间点i对应时刻的功率波动量；
Pi为离散时间点i对应时刻的功率；
nT为所选时间段内离散时间点的数量。

爬坡率RR表达式为

式中：选定时间序列内的爬坡次数表示为总爬坡幅度AOR；
Pib为第i次爬坡事件起始时刻对应的功率；
Pie为第i次爬坡事件终止时刻对应的功率；
ti为第i次爬坡事件持续的时间长度。

偏移度OR表达式为

式中：为所选时间段内功率的平均值。

图2为典型日波动率、爬坡率、互补率。可知，同一典型日内，水电出力波动率、爬坡率、偏移度均最小，平稳性最好；
风电和光伏出力受当日气候条件影响，波动率、爬坡率、偏移度并没有明确的高低之分。风电、光伏发电、水电三者中，风电和光伏受气候影响较大，在制定运行策略时，应充分考虑二者的不确定性。

1.2 风光不确定性表征

风光出力不确定性是风光发电系统性能评估中的重要考量。为了应对这一挑战，学者们提出了多种处理方法。场景模拟和不确定性集合是两种主流处理方法[26]。场景模拟通过模拟多种可能的气象条件和环境因素来评估系统性能和可靠性，常见的场景构造方法有蒙特卡罗抽样方法[27]、自回归滑动平均模型[28]，场景缩减方法有聚类算法[29]等。场景分析法的核心是保证生成场景的精准度，提高生成场景的运算效率。而不确定性集合则将不同不确定性源整合成一个综合的集合，以更全面地理解和量化风光功率的变动范围[30]。随机优化和鲁棒优化是两种常见的优化方法，分别对应场景模拟和不确定性集合。场景分析法和鲁棒优化方法中的多面体集合是两种处理风光发电出力不确定性的技术手段。这些方法和技术的综合应用可以帮助我们更好地理解和处理风光发电系统的不确定性，进而提高系统的性能和可靠性。

1.3 互补出力特性

风电、光伏和水电作为可再生能源，在电力系统中扮演着越来越重要的角色。它们各自具有优势，但也存在一些限制。其中，风电和光伏能源的不稳定性和波动性是目前电力系统中面临的主要问题之一。通过研究发现，在时间尺度上，这些能源之间存在着明显的互补特性[31-32]。这种互补性意味着当一个能源出现波动时，另一个能源可能处于较高产出状态，可以相互补充。

在评价风电、光伏和水电互补性时，常用的指标包括出力相关系数、互补率和互补系数。图3为典型日出力相关系数、互补率、互补系数。出力相关系数反映了不同能源之间的相关性程度，互补率则表示在特定时间段内，互补能源的利用程度，而互补系数则综合考虑了前两个因素。研究表明，风能和太阳能在不同时间尺度上呈负相关性，这为建立互补系统提供了理论依据。

（1）出力相关系数。通常采用Pearson相关系数度量两个变量序列的相关性，Pearson相关系数通常用r表示[33]。计算式为

式中：Xt、Yt分别为第i时段的变量X与变量Y的属性值；
、为分别为变量 X 与变量Y 的平均属性值。

（2）互补率。在风能和光伏方面，“互补率”通常指的是这两种可再生能源之间的互补程度[34]。计算式为

式中：σ h、σ w、σ p分别为水电、风电、光电出力的标准差；
σ all为接入互补系统所有能源出力的标准差。γ值越大，互补运行的效果越差；
γ值越小，互补运行的效果越好。

（3）互补系数。水风光互补运行时，如果风光变化能够相互抵消，维持总发电量的相对平稳，则说明二者具有互补性[35]。采用互补系数IC定量评估风电和光伏功率叠加后的互补性[36]。计算式为

式中：ct为t+1时刻的互补程度；
δtp、δtw、δth分别表示光伏、风电和水电t+1时刻的功率变化量标幺值。ct的绝对值越小，互补性越强。当ct= 0，表明该时刻多种能源实现完全互补。

1.4 水电调节能力

多能互补的基本原理是利用水轮机组的快速调节能力，抵消新能源发电的波动，以满足电网对稳定负荷的需求[37]。充分发挥水电的调节能力是水风光互补运行的重中之重，水电的运行外送是水风光协同优化外送的基础[38]。有学者提出了跨流域梯级水电站滚动逐时优化调度模型，以快速平衡负荷需求。该模型能够实现短期调度与实时调度的无缝耦合[39]。申建建等[40]针对大型流域梯级和主要水电站，构建调峰调度模型，提出平衡电站等负荷率调度方法，实现系统调峰响应和全时段负荷平衡。张粒子等[41]基于市场环境，深入分析了梯级上、下游水电站之间的水力、电力耦合关系，将下游电站作为电量和价格的接受者，以入库平衡的方式运行，给出了一个简洁直观的日前市场出清模型。程雄等[42]针对特高压支流外送，提出了按需供给、多电源互补的大规模跨区特高压直流水电网省两级协调电力控制和电量控制优化调度模型。综合上述文献，本文给出了较为典型的水电出力公式和约束条件，鉴于水电的调度是一个多目标问题，所以目标函数需要根据具体情况进行更改。

水电出力表达式为

式中：Nh为水电出力；
K为综合出力系数；
Qg为发电流量（m3 /s）；
H为水头。

典型约束条件为

（1）水库水位约束

式中：Zu，k，t为第k个水库在第t个时段的上游水位；
和分别为上游水位的上下限。

（2）水库下泄流量约束

式中：Qk，t为第k个水库在第t个时段的总下泄流量；
和 分别分别为总下泄流量的上下限。

（3）水库出力约束

式中：Nh，k，t为第k个水库在第t个时段的发电出力；
和分别为发电出力的上下限。

（4）水量平衡约束

式中：Vk，t和Vk，t+1分别为第k个水库在第t个时段的初末库容；
Ik，t为第k个水库在第t个时段的入库流量；
Qk，t为第k个水库在第t个时段的出库流量；
Evk，t分别为第k个水库在第t个时段的蒸发损失；
Δt 为时段时长。

（5）备用约束

式中：I为发电机组编号，Gi表示发电机组数量；
ui，g，t

表示在时间t，第i个发电机组g的开机状态（1表示开机，0表示关机）；
表示第i个发电机组g的最大出力；
Pi，g，t表示在时间t，第i个发电机组g的实际出力；
表示第i个发电机组g的最小出力；
δ为系统要求的负荷备用率；
PL，t表示t时刻系统发电量。

2 水风光互补运行

2.1 风光互补短期优化模型

学者们对水风光短期互补调度外送问题进行了大量研究。闻昕等[43]提出了一种电源优化布局模型，可以有效确定不同并网点接入水电、风电和光伏的装机容量，将这些可再生能源资源打捆并外送，为综合利用多种可再生能源提供了重要的方法。Traca等[44]采用蒙特卡罗模拟方法，通过研究容量配置、水电渗透率、负载损失率等因素，评估水风光联合系统的可靠性。罗彬等[45]考虑光伏出力的不确定性，提出了梯级水光互补系统的短期优化调度模型，通过精细建模电站、机组和电网约束，实现梯级负荷的合理调配，提高互补系统整体消纳水平。为应对大规模间歇性供电的不确定性，文献[46]引入了鲁棒优化理论，建立了具有可调不确定性预算的柔性鲁棒优化调度模型，并研究了不确定性预算决策方法，以实现混合电力系统的可靠性和经济性的协调。这些研究为水风光短期互补发电系统提供了丰富的思路和方法，为相关研究提供了宝贵借鉴和参考。

2.2 水风光互补长期优化协调

2.2.1 水风光互补长短期时间尺度耦合

水风光互补系统在可再生能源领域中具有巨大的潜力，但其灵活性和长期运行效益之间存在着一定的矛盾。一方面，水风光互补系统的灵活性可以有效地补偿风光功率的波动性和间歇性，提高电力系统的稳定性和可靠性。另一方面，过度依赖于水电调节能力可能影响水电系统的长期运行效益，加剧电力系统的负荷波动[47]。

为了克服这一矛盾，需要解决多尺度耦合问题，即在不同时间尺度上统一考虑水、风、光等能源之间的相互作用。目前的研究主要集中在优化调度和时间尺度耦合方面，以最大限度地提高水风光互补系统的经济性和可靠性。然而，现有研究往往局限于对系统的简化处理，忽视了复杂的实际情况，导致模型的局限性和应用的不足[48]。

因此，开展多尺度嵌套分析与研究对构建多能互补理论与方法体系至关重要。这种分析方法将不同时间尺度上的系统特征和运行规律进行有机融合，更好地揭示水风光互补系统的运行机制和优化调度策略[49]。在这一基础上，可以建立更为全面、准确的长期调度规则，更好地应对多能互补系统中的概率约束、风险规避和不确定性等挑战。Ming等[50]以龙羊峡水光互补工程为例，深入研究其长期运行效益与调度策略之间的关系，探索多尺度耦合问题的解决方案。

2.2.2 水风光互补长期多目标优化模型

长期优化调度是一个多目标问题，建模和求解的难度均较大。葛晓琳等[51]综合考虑检修计划影响、梯级水电站间水力约束以及风力、热力与电力相互耦合的复杂约束，建立风水火长期优化调度模型。明波等[52]将光伏调节目标纳入长期运行模型，利用短期运行模型推导出水电发电量与光伏削减率之间的关系，以混合动力装置的总发电量最大化和供电可靠性最大化为目标，建立一个多目标优化模型，定量地描述了弃光量与水电出力的关系，为长短期尺度耦合下的水风光互补外送提供了理论支持。由于水风光互补运行是一个多目标、多约束的复杂问题，一般以水风光互补系统综合发电效益最大、弃电量最小等为多目标评价准则[53-54]。

3 市场参与策略研究

与传统火电相比，新能源发电的不稳定性导致其参与现货市场极易承担投标偏差惩罚，电价不确定性则进一步增大了偏差惩罚损失，使其缺乏市场竞争力。因此，采用水电平抑新能源的出力波动性，促进新能源的并网消纳，增加新能源的市场竞争力显得尤为重要。

目前，多数研究主要针对调度侧，基于发电主体利益的策略研究相对较少，并未充分发挥市场配置资源的决定作用。Cerejo等[55]基于风电功率预测信息，对水风联合参与现货市场的方式进行研究，给出了水电补偿风电出力偏差的最优日运行策略。Angarita等[56]考虑风电出力不确定性导致的不平衡系统成本过高，制定了日前市场水风联合竞价策略，并利用水电灵活的调节能力抵消出力不确定性影响，使水力发电机组和风力发电机组的联合利润最大化。Kne?evic等[57]提出了水风最优联合报价的两阶段模型，其中第一阶段目标是实现主要场景利润最大化，然后将获得的生产计划在第二阶段可能发生的其他场景中进行测试，目标是使不平衡惩罚或预期日前价格变化引起的利润减少最小。白庆立等[58]从价格接受者角度，采用条件风险价值方法，提出了水风联合参与现货市场的竞价模型。通过结合风电发电量和电力市场价格等多种不确定因素，利用笛卡尔积来构建一系列代表性场景。我国普遍存在梯级上、下游子系统多运营主体开发现象，上游子系统缺乏综合考虑下游子系统发电效益的驱动力，难以实现水风光互补全系统收益最大化。针对该问题，刘方等[59]提出了下游子系统通过日内发电合约转让交易及系统不平衡惩罚弥补偏差电量新思路。基于CVaR框架建立下游子系统偏差电量组合交易风险决策模型，使组合交易在满足预设定期望损失上限约束下，优化最小CVaR风险。

电力市场运行的目的是提高公平和效率。在利益分配方面，目前普遍采用Shapley值法[60]、纳什谈判法[61]、边际贡献指数法[62]等。Shapley值法通过考虑各个代理做出的贡献，公平地分配合作收益。纳什谈判法基于博弈论的原理，寻求在各方参与者之间实现公平和合理的收益分配[61]。当合作者是不同种类的电源（供电电源与调节电源）时，不适合仅以电量交互量大小来评估各合作者的谈判能力，而应综合考虑电量和电价因素的效益贡献度为依据。为了体现联盟效益分配的客观公平性，李咸善等[62]提出了以各电源对提升联盟利益所做的贡献来量化利润分配时的谈判能力。

4 结束语

双碳目标背景下，水风光互补运行模式对于优化能源结构、提高可再生能源利用效率具有重要意义。本文详细探讨了水电、风电和光伏的出力特性、互补特性以及水风光长、短期互补运行的模式和交易策略。

随着人工智能、大数据分析和区块链等新兴技术的不断发展和应用，多能互补系统的监控、优化和管理将变得更加智能化和自动化。这将带来更高的能源利用率、更低的运营成本以及更加灵活的能源交易模式。此外，随着能源市场的逐渐开放和能源交易的国际化趋势，基于水电调节的多能互补系统将成为能源市场的重要参与者。通过与其他能源系统的互联互通，可以实现更大规模的能源调节和优化，为能源市场的稳定和可持续发展做出更大贡献。在应用前景方面，基于水电调节的多能互补系统将在微电网、城市能源系统和工业能源系统等领域得到广泛应用，为能源供应的可靠性、安全性和可持续性提供更好的保障，同时也为用户提供更加灵活和经济的能源服务。

综上所述，随着技术的不断进步和应用场景的不断拓展，基于水电调节的多能互补系统和交易策略有着广阔的发展前景和应用空间，将在未来能源领域发挥越来越重要的作用，为实现清洁、可持续、智能的能源发展做出更大的贡献。

参考文献：

[1] 习近平.在第七十五届联合国大会一般性辩论上的讲话[J].中华人民共和国国务院公报，2020（28）：5-7.

[2] 程春田.碳中和下的水电角色重塑及其关键问题[J].电力系统自动化，2021，45（16）：29-36.

[3] 环保部.习近平：加快生态文明体制改革，建设美丽中国[J].环境与发展，2017，29（8）：4.

[4] 孙沛，范越，孙骁强，等.电力系统新能源等效消纳能力及其工程应用[J].电工电能新技术，2023，42（8）：79-86.

[5] 李晖，刘栋，姚丹阳.面向碳达峰碳中和目标的我国电力系统发展研判[J].中国电机工程学报，2021，41（18）：6245-6259.

[6] 陈国平，董昱，梁志峰.能源转型中的中国特色新能源高质量发展分析与思考[J].中国电机工程学报，2020，40（17）：5493-5506.

[7] 杨帆，夏荣立，杨威.碳达峰、碳中和背景下新能源发展趋势研究[J].中国工程咨询，2021（9）：22-26.

[8] 舒印彪，张智刚，郭剑波，等.新能源消纳关键因素分析及解决措施研究[J].中国电机工程学报，2017，37（1）：1-9.

[9] 崔杨，张家瑞，王铮，等.计及价格型需求响应的风-光-光热联合发电系统日前调度策略[J].中国电机工程学报，2020，40（10）：3103-3114.

[10] 刘斌，张玉琼，麻林巍，等.西北地区源端基地综合能源系统的技术方案设计及优化研究[J].中国电机工程学报，2021，41（2）：568-581.

[11] 崔杨，李崇钢，赵钰婷，等.考虑风-光-光热联合直流外送的源-网-荷多时段优化调度方法[J].中国电机工程学报，2022，42（2）：559-573.

[12] 马腾飞，裴玮，肖浩，等.基于纳什谈判理论的风-光-氢多主体能源系统合作运行方法[J].中国电机工程学报，2021，41（1）：25-39，395.

[13] LUO G L，DAN E，ZHANG X C，et al. Why the Wind Curtailment of Northwest China Remains High[J]. Sustainability，2018，10（3）：570.

[14] CHENG C T，YAN L Z，MIRCHI A ，et al. Chinas Booming Hydropower：Systems Modeling Challenges and Opportunities[J]. Journal of Water Resources Planning and Management，2016，143（1）：02516002.

[15] HEMMATI R. Optimal Cogeneration and Scheduling of Hybrid Hydro-thermal-wind-solar System Incorporating Energy Storage Systems[J]. Journal of Renewable and Sustainable Energy，2018，10（1）：014102.

[16] SCHMIDT J，CANCELLA R，PEREIRA A O. An Optimal Mix of Solar PV，Wind and Hydro Power for a Low-carbon Electricity Supply in Brazil[J]. Renewable Energy，2016，85：137-147.

[17] WANG X X，MEI Y D，KONG Y J，et al. Improved Multi-objective Model and Analysis of the Coordinated Operation of a Hydro-wind-photovoltaic System[J]. Energy，2017，134：813-839.

[18] ZHOU J Z，LU P，LI Y Z，et al. Short-term Hydro-thermal-wind Complementary Scheduling Considering Uncertainty of Wind Power Using an Enhanced Multi-objective Bee Colony Optimization Algorithm[J]. Energy Conversion and Management，2016，123：116-129.

[19] 朱燕梅，陈仕军，马光文，等.计及发电量和出力波动的水光互补短期调度[J].电工技术学报，2020，35（13）：2769-2779.

[20] 陈逍潇，张粒子，杨萌，等.考虑光伏发电功率波动性的AGC备用容量分析方法[J].电力系统自动化，2015，39（22）：16-21，52.

[21] TALJEGARD M，G?RANSSON L，ODENBERGER M，et al. Impacts of Electric Vehicles on the Electricity Generation Portfolio – a Scandinavian-German Case Study[J]. Applied Energy，2019，235：1637-1650.

[22] Electrical Energy Systems；
Researchers at Ferdowsi University Release New Data on Electrical Energy Systems （A multi-attribute congestion-driven approach for evaluation of power generation plans）[J]. Technology & Business Journal，2015.

[23] YE X，TANG Q，LI T，et al. Optimal Capacity Proportion and Distribution Planning of Wind，Photovoltaic and Hydro Power in Bundled Transmission System[J]. IOP Conference Series：Materials Science and Engineering，2017，199（1）：012016.

[24] ARBELAITZ O，GURRUTXAGA I，MUGUERZA J，et al. An Extensive Comparative Study of Cluster Validity Indices[J].Pattern Recognition，2013，46（1）：243-256.

[25] 张路娜.风速时空波动特性及其在多能互补中的应用研究[D].北京：华北电力大学，2019.

[26] 申建建，王月，程春田，等.水风光多能互补发电调度问题研究现状及展望[J].中国电机工程学报，2022，42（11）：3871-3885.

[27] 王蓓蓓，刘小聪，李扬.面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究[J].中国电机工程学报，2013，33（22）：35-44，8.

[28] ZHANG H，LU Z，HU W，et al.Coordinated Optimal Operation of Hydro–wind–solar Integrated Systems[J].Applied Energy，2019，242：883-896.

[29] 王群，董文略，杨莉.基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法[J].中国电机工程学报，2015，35（11）：2654-2661.

[30] 李笑竹，王维庆，王海云，等.基于鲁棒优化的风光储联合发电系统储能配置策略[J].太阳能学报，2020，41（8）：67-78.

[31] MONFORTI F ，HULD T ，B?DIS K ，et al.Assessing Complementarity of Wind and Solar Resources for Energy Production in Italy. a Monte Carlo Approach[J].Renewable Energy，2014，63：576-586.

[32] WIDEN J .Correlations Between Large-scale Solar and Wind Power in a Future Scenario for Sweden[J].IEEE Transactions on Sustainable Energy，2011，2（2）：177-184.

[33] 国世友，周振伟，刘春生.用风廓线指数律模拟风速随高度变化[J].黑龙江气象，2008，25（增刊1）：20-22.

[34] 熊伟.计及出力互补特性的风电-光伏-光热联合发电二层优化调度[D].兰州：兰州理工大学，2021.

[35] 李洪美，罗建裕，万秋兰.含间歇性电源的发电资源互补优化研究[J].电力系统保护与控制，2013，41（9）：34-39.

[36] 明波. 大规模水光互补系统全生命周期协同运行研究[D].武汉：武汉大学，2019.

[37] 叶林，屈晓旭，么艳香，等.风光水多能互补发电系统日内时间尺度运行特性分析[J].电力系统自动化，2018，42（4）：158-164.

[38] 程春田，武新宇，申建建，等.大规模水电站群短期优化调度方法Ⅰ：总体概述[J].水利学报，2011，42（9）：1017-1024.

[39] XIONG C，LING Y T，LIU J，et al. Ultrashort-term Scheduling of Interbasin Cascaded Hydropower Plants to Rapidly Balance the Load Demand[J]. IEEE Access，2020，8：32737-32756.

[40] 申建建，张秀飞，曹瑞，等.水电富集电网大规模水电站群短期实用化调度方法[J].中国电机工程学报，2019，39（10）：2816-2828.

[41] 张粒子，刘方，许通，等.多运营主体梯级水电站参与的日前市场出清模型[J].电力系统自动化，2018，42（16）：104-110.

[42] 程雄，程春田，申建建，等.大规模跨区特高压直流水电网省两级协调优化方法[J].电力系统自动化，2015，39（1）：151-158，232.

[43] 闻昕，刘凡骞，谭乔凤.复杂水利-电力约束下梯级水电站短期多层级多目标优化调度研究[J].水利学报，2023，54（4）：392-404.

[44] TRACA DE A A，MARTINS A，JESUS H，et al. Source Reliability in a Combined Wind-solar-hydro System[J]. IEEE Transactions on Power Apparatus and Systems，1983，PAS-102（6）：1515-1520.

[45] 罗彬，陈永灿，刘昭伟，等.梯级水光互补系统最大化可消纳电量期望短期优化调度模型[J].电力系统自动化，2023，47（10）：66-75.

[46] Differential Evolution；
Recent Studies from Southeast University Add New Data to Differential Evolution （Flexible Robust Optimization Dispatch for Hybrid Wind/Photovoltaic/Hydro/Thermal Power System）[J]. Journal of Engineering，2016.

[47] OLAUSON J，AYOB M N，BERGKVIST M，et al.  Net Load Variability in Nordic Countries with a Highly or Fully Renewable Power System[J]. Nature Energy，2016，1（12）：16175.

[48] ENGLISH J，NIET T，LYSENG B，et al. Flexibility Requirements and Electricity System Planning：Assessing Inter-regional Coordination with Large Penetrations of Variable Renewable Supplies[J]. Renewable Energy，2020，145：2770-2782.

[49] MORILLO J L，Z?PHYR L，P?REZ J F，et al. Risk-averse Stochastic Dual Dynamic Programming Approach for the Operation of a Hydro-dominated Power System in the Presence of Wind Uncertainty[J]. International Journal of Electrical Power & Energy Systems，2020，115：105469.

[50] MING B，LIU P，GUO S，et al. Hydropower Reservoir Reoperation to Adapt to Large-Scale Photovoltaic Power Generation[J]. Energy，2019，179：268-279.

[51] 葛晓琳，张粒子，舒隽.风水火系统长期优化调度方法[J].中国电机工程学报，2013，33（34）：153-161，24.

[52] 明波，李研，刘攀，等.嵌套短期弃电风险的水光互补中长期优化调度研究[J].水利学报，2021，52（6）：712-722.

[53] 杨威，周松，王富平，等.考虑气水打捆外送的气水协调双层优化模型[J/OL].电网技术：1-16[2023-10-29].https：//doi.org/10.13335/j. 1000-3673.pst.2023.1048.

[54] 雷鸿萱，刘攀，马黎，等.水风光多能互补系统中长期功率联合预报[J].水力发电学报，2023，42（9）：22-33.

[55] CEREJO A ，MARIANO S J P S ，CARVALHO P M S ，et al. Hydro-wind Optimal Operation for Joint Bidding in Day-ahead Market：Storage Efficiency and Impact of Wind Forecasting Uncertainty[J].Journal of Modern Power Systems and Clean Energy，2020，8（1）：142-149.

[56] ANGARITA J L，USAOLA J，MART?NEZ-CRESPO J .Combined Hydro-wind Generation Bids in a Pool-based Electricity Market[J].Electric Power Systems Research，2009，79（7）：1038-1046.

[57] KNE?EVI? G，TOPI? D，JURI? M，et al. Joint Market Bid of a Hydroelectric System and Wind Parks[J].Computers & Electrical Engineering，2019，74：138-148.

[58] 白庆立，赵志鹏，靳晓雨，等.考虑风电出力和电价不确定性的水风联合现货市场竞价策略[J/OL].电力系统自动化：1-15.[2024-01-11]http：//kns.cnki.net/kcms/detail/32.1180.tp.20230814.1316.010.html.

[59] 刘方，徐韵，邓艳平，等.面向多重不确定性的梯级水风光互补系统竞标电量偏差均衡风险决策模型[J/OL].华北电力大学学报（自然科学版）：1-12. [2024-01-11].https：//kns.cnki.net/kcms/detai/

13.1212.TM.20240103.1632.002.html.

[60] 谭忠富，宋艺航，张会娟，等.大规模风电与火电联合外送体系及其利润分配模型[J].电力系统自动化，2013，37（23）：63-70.

[61] 程瑜，胡紫豪，王婕.基于分布式交易的集群多能系统运行优化[J].电工技术学报，2022，37（增刊1）：116-125.

[62] 李咸善，丁胜彪，李飞，等.考虑水电调节费用补偿的水风光联盟优化调度策略[J/OL].中国电力：1-14.（2023-11-18）.https：//kns.cnki.net/kcms/detail/11.3265.TM.20231127.1758.011.html.

Review of Multi-energy Complementary Systems and Trading Strategies Based on Hydropower Regulation

HE Xingyao1，2，SUN Jiawei3，SONG Zida1，4，DONG Yichen1，2

（1. Laboratory of Hydro-Wind-Solar Multi-energy Control Coordination，Wuhan 430010，China；
2. China Yangtze Power Co.，Ltd.，Wuhan 430010，China；
3. School of Electrical and Electronic Engineering，North China Electrical Power University，Beijing 102206，China；
4. Science and Technology Research Institute，China Three Gorges Corporation，Beijing 101100，China）

Abstract：To achieve the carbon peaking and carbon neutrality goals，it is particularly critical to utilize renewable resources such as hydro，wind and solar to address the consumption problem in new energy generation. This paper focuses on the challenges of grid integration of renewable energy sources such as wind and photovoltaic，in particular their intermittency and lack of controllability，hence underscoring the pivotal role of hydropower in mitigating these issues. Through proposing the concepts of hydro-photovoltaic （WPV）and hydro-wind （WW）systems，we highlight the importance of hydropower in balancing renewable energy generation and improving overall energy efficiency. In addition，we investigated a variety of optimization models and trading strategies in depth，offering new insights into the operation of hydro-wind-solar complementary system.

Key words：hydropower regulation；
multi-energy complementary systems；
trading strategies

基金项目：湖北省科技重点研发计划项目（2022AAA007）

作者简介：何星遥，男，工程师/经济师，本科，主要从事电力生产、电力营销、电力交易相关工作。E-mail：he_xingyao@ctg.com.cn

通信作者：孙嘉伟，男，硕士研究生，主要从事电力市场、电力系统优化调度相关工作。E-mail：120222201513@ncepu.edu.cn