水风光多能互补运行关键技术研究现状及展望

余意 李俊贤 蒋定国 邓友汉 陈静

摘 要：在全球能源结构转型背景下，水风光多能互补系统作为现代能源体系关键组成部分，正日益受到重视。探讨了我国水风光资源分布情况，并分析了互补基地建设规划。剖析了水风光多能互补系统在规划期资源评估与系统集成、运行期预报调度与高效运行、消纳期电力交易与市场营销等关键阶段技术挑战。总结了当前在资源评估方法创新、系统集成优化、智能调度系统开发以及储能技术应用等方面最新研究进展，并对未来研究趋势进行了前瞻性展望，研究成果可为相关领域研究和实践提供参考和借鉴。

关键词：水风光互补；多能互补系统；资源评估；运行调度；电力交易

中图分类号：X171；TV74 文献标志码：A

0 引 言

在全球能源结构转型背景下，水风光多能互补系统作为一种创新能源整合策略，正日益成为现代能源体系关键组成部分。该系统通过整合水能、风能和太阳能等可再生能源资源，提升能源利用效率，同时促进环境可持续性。这种互补系统构建不仅响应了国际社会减少温室气体排放、应对气候变化承诺，也是实现能源安全、推动经济发展和提升居民生活质量的重要途径[1]。

水风光互补系统核心优势在于其能源类型互补性，即不同能源在时间和空间上互补的特性[2]。风能和太阳能间歇性和不稳定性可以通过水能调节作用得到有效平衡，从而提供更稳定电力供应。在当前能源体系中，水风光多能互补系统重要性日益凸显。随着全球对可再生能源需求增长和对化石燃料依赖减少，该系统提供了一种清洁、经济且可持续能源供应替代方案。有助于提升能源效率，降低成本，并推动能源技术革新和产业升级[3]。

为了促进水风光多能互补技术的发展，本文深入探讨了水风光多能互补运行的关键技术研究现状，剖析了水风光多能互补系统当前面临的关键技术挑战，全面总结了最新研究进展，并结合行业发展方向对研究趋势进行了前瞻性研判，以期为促进水风光清洁能源发展与实践提供指导。

1 我国水风光资源分布与互补基地建设规划

1.1 我国水风光资源分布特点

我国水风光资源丰富且具有多样性，但同时也面临着时空分布不均、生态环境保护以及地域发展差异等多重挑战[4]。在资源开发与利用过程中，必须全面权衡资源特性、生态保护以及社会经济发展需求，以实现资源可持续利用。

（1）水能资源。在空间分布上呈现出显著不均衡性，主要集中在西部地区，尤其是大江大河上游流域，这些区域水能资源对于实现水电资源梯级开发和优化配置具有关键意义。在时间分布上，受季风气候影响，河流水量在年际和年内分布呈现显著不均匀性，丰水期与枯水期流量差异巨大，需要通过建设调节性水库来平衡水量。

（2）风能资源。风能潜力较大区域主要集中在三北地区、东部沿海地区、青藏高原以及云贵高原部分地区。这些地区地形开阔、植被稀疏，风速大且风向稳定，因此具有较大风能开发潜力。在时间分布上，风能资源季节性差异显著，春季风能资源最为丰富，冬季次之，秋季较少，夏季最少。

（3）太阳能资源。分布特点表现为“高原地区优于平原地区，西部地区优于东部地区”。西藏、青海、新疆、甘肃、宁夏、内蒙古高原等地总辐射量和日照时间均位居全国前列，是太阳能资源最为丰富的区域。相比之下，四川盆地、两湖地区、秦巴山地等地太阳能资源则相对较低。在全国范围内，太阳辐射总量在不同季节间存在明显变化，大多数地区在夏季接收到太阳辐射量最多，冬季最少。

1.2 我国水风光多能互补基地规划与建设

我国在“十四五”期间，为了推动可再生能源高质量发展，规划了一系列水风光一体化基地。这些基地主要依托水电资源丰富的流域，通过整合水力发电、风力发电和光伏发电等资源，实现能源互补和优化调度，以提高能源利用效率和电网稳定性。具体规划有：云南省“水风光储”一体化多能互补基地建设，包括加快金沙江、澜沧江等国家水电基地建设，以及推进煤电一体化基地建设，以化解电力结构性矛盾；国家能源局规划七大陆上新能源基地，包括新疆可再生能源基地、黄河上游可再生能源基地、河西走廊可再生能源基地、黄河几字湾可再生能源基地、松辽可再生能源基地、冀北可再生能源基地、黄河中下游绿色能源廊道可再生能源基地等；两个水风光综合开发基地，分别位于云贵川和藏东南地区，主要依托西南水电基地，推动水风光联合开发运行；五大海上风电基地，主要分布在山东半岛、长三角、闽南、粤东和北部湾，规划建设千万千瓦级海上风电集群化基地，实现集中连片开发[5-6]。

2 水风光多能互补运行关键技术问题

在构建水风光多能互补运行体系时，面临的关键技术问题包括资源评估、系统集成、预报调度、高效运行以及电力交易与市场营销等。在规划阶段，应全面评估水、风、光等可再生能源资源，以确保系统集成方案的合理性和成本效益。在运行期，需应对包括准确预测天气条件和优化调度策略在内的技术挑战，以实现系统高效运行[7]。在电力消纳阶段，需克服构建有效电力交易机制和策划市场营销策略的技术难题，以提升新能源电力消纳率，保障其经济性和市场竞争力。解决这些技术问题对于促进可再生能源大规模并网和有效利用具有重要意义。

2.1 规划期资源评估与系统集成

水风光资源精准评估与系统集成是构建高效、可靠和可持续水风光多能互补系统的基础，对于确保项目成功实施、优化能源结构、提高系统性能和降低风险具有不可替代的作用[2]。在水风光多能互补系统规划阶段，资源评估复杂性、系统集成兼容性、智能调度与控制、储能技术集成、环境影响评估以及经济性分析等构成了关键技术挑战。

资源评估复杂性体现在需综合考虑多种气象因素，如风速、光照强度和降水量等，这些因素受到地形、气候和季节变化影响。开发能够准确预测资源时空分布和变化的高精度评估模型，是实现精准评估技术的挑战[8]。系统集成兼容性问题涉及将具有不同物理特性、控制策略和维护要求的多种能源技术有效结合，以形成一个统一且稳定的系统，这是确保系统可靠性的技术难题。智能调度与控制要求开发能够根据实时资源数据和预测信息动态调整发电计划的智能调度系统，这需要高度自动化和智能化水平，以及对系统运行机制的深入理解。储能技术集成是为了平衡风能和太阳能间歇性，通常需要集成电池储能或抽水蓄能等系统。选择合适的储能技术并有效集成到互补系统中，以提升系统灵活性和经济性，也是技术挑战之一。环境影响评估要求在规划期对互补系统对生态系统、水文条件和景观可能造成的影响进行全面评估，这需要综合考虑多种环境因素，并采用先进的评估方法。经济性分析在规划阶段至关重要，涉及对初始投资、运营成本、维护费用和预期收益的详细评估，同时需要对市场动态、政策变化和未来能源需求作出准确判断。

2.2 运行期预报调度与高效运行

预报调度与高效运行对于水风光多能互补系统稳定性、性能提升及经济效益增强具有核心作用。实时监测和动态调度风能、太阳能和水能资源，不仅平衡了间歇性能源产出，提高了系统经济性和适应性，还支持了电网稳定运行，减少了环境影响，促进了能源可持续发展[8]。在水风光多能互补系统运行中，精准资源预测、调度策略优化、系统集成与控制、储能技术管理、市场与政策适应性、风险管理与应急响应机制建立，以及对环境与社会影响的考量，构成了一系列技术挑战。

为提高风能和太阳能产出预测准确性，需开发结合气象数据和历史记录的高精度预测模型，但风能和太阳能产出受到天气条件的直接影响，如风速、云层覆盖、温度和湿度等。这些因素的不确定性增加了资源预测难度。在资源预测基础上，设计调度策略以实现能源最优组合，涉及风电、光伏和水电动态平衡及储能系统合理利用。系统集成与控制要求实现多种能源设备和控制系统的无缝对接，并通过智能控制实现能源最优分配。储能技术选择和集成对平衡风能和太阳能的间歇性至关重要，需考虑系统灵活性和经济性[9]。市场和政策响应要求系统调度考虑电力市场价格波动和政策变化，如补贴、税收优惠和市场准入规则。风险管理与应急响应机制建立对于减轻极端天气、设备故障和市场波动的影响至关重要。系统运行调度需考虑环境影响，包括生态、水文和气候因素，并促进当地社区的接受度和参与。

2.3 消纳期电力交易与市场营销

电力交易与市场营销可帮助系统运营商应对市场波动、政策变化和技术进步带来的挑战，确保系统的稳定运行和盈利能力[8]，对于提高新能源消纳水平、实现能源转型和促进能源系统优化和升级具有深远影响。在水风光多能互补系统中，电力交易与市场营销面临的关键技术挑战包括市场机制适应性、价格波动预测与管理、交易策略优化、消费者行为深入分析以及风险管理。在水风光多能互补系统中，电力交易与市场营销领域面临一系列的技术挑战。具体而言：

现有电力市场结构未能充分适应可再生能源的间歇性和不稳定性特性。设计和实施能够激励多能互补系统参与市场的机制，确保其经济性和竞争力，构成技术挑战。电力市场价格波动对多能互补系统的经济效益有显著影响，开发能够准确预测市场动态和价格变化的工具和策略，优化电力交易，是提高系统经济效益的关键。需研发智能交易算法，根据实时市场数据和系统发电能力，动态调整电力销售策略，以实现收益最大化。深入了解和预测消费者对可再生能源的电力需求和偏好，对于制定有效的市场营销策略至关重要，这要求对消费者行为进行深入研究，并开发相应市场分析工具。电力交易和市场营销活动面临多种风险，包括市场风险、政策风险和信用风险等。如何识别、评估和控制这些风险，以保护系统运营商利益，是一个技术挑战。

3 水风光多能互补运行关键技术研究进展

3.1 水风光资源精准评估方法

在水风光资源精准评估领域，研究人员采用了多种技术手段以提高评估的准确性和可靠性。遥感技术，尤其是卫星遥感（如MODIS和Landsat），能够提供大范围、高分辨率的地表和大气数据，已成为资源评估重要工具。通过分析卫星图像，研究者能够监测和评估水、风、光资源的时空分布，尽管遥感数据分辨率和处理算法准确性对评估结果有显著影响[8]。

数值模拟技术，如WRF模型，通过模拟大气和海洋动态过程，为风速和光照强度预测提供了科学依据[10]。这些模型能够生成高时空分辨率资源分布图，但其准确性依赖于模型参数校准和初始条件设定，且模型复杂性可能导致较高计算成本。

统计分析方法，如时间序列分析和相关性分析，利用历史数据来识别资源变化模式和趋势[11]。这种方法在缺乏实时监测数据的情况下尤为有用，其局限性在于对新环境条件的适应性不足，且可能无法捕捉到非线性和复杂性变化。

评估软件和工具，如WindPro、WAsP、PVsyst等，结合地形数据、气象数据和设备性能参数，进行风能和太阳能资源评估。水能资源评估则通过水文模型和水文测量数据，评估河流流量、水位和水能潜力。

地理信息系统（GIS）技术用于整合和分析空间数据，帮助规划者可视化资源分布，识别资源丰富的区域，并评估资源开发环境影响和社会经济因素。

人工智能和机器学习技术通过训练大量历史数据，提高资源评估的准确性和预测能力。尽管AI模型可解释性较差，且对训练数据的质量和数量均有较高要求，但它们在提高评估精度方面显示出了巨大潜力。

现场测量和监测，包括风速计、太阳辐射计和水文站观测数据，在资源评估早期阶段至关重要，可以用于验证模型和算法准确性。

以上这些方法和技术通常结合使用，以提高评估准确性和可靠性。随着技术发展，新评估工具和方法不断涌现，为水风光资源的精准评估提供了更多可能性。

3.2 多能系统容量配比方法

水风光多能互补系统的容量配比方法研究是一个多学科交叉领域，涉及能源系统优化、资源评估、调度策略、经济分析等多个方面。在优化模型发展方面，研究人员已经开发了包括线性规划、非线性规划、混合整数规划和多目标优化在内的多种数学优化模型，这些模型不仅考虑了成本和可靠性，还兼顾了环境影响和能源政策，为确定最优容量配比提供了理论支持[12]。资源评估技术的改进，尤其是遥感技术和数值模拟技术的应用，使得风能、太阳能和水能资源评估更加精确，为容量配比的确定提供了可靠数据基础。在调度策略研究方面，经济调度、安全约束经济调度和风险管理调度等策略被广泛探讨，以实现系统高效运行和成本风险平衡。经济性分析在容量配比决策中扮演着重要角色，研究人员通过考虑初始投资、运营成本、维护费用和预期收益，以及市场动态和政策变化，对系统经济性进行全面评估。

环境影响评估的引入，反映了可持续发展理念在多能互补系统中受到重视。研究人员开始关注生态系统、水文条件和景观影响，以及温室气体排放等环境因素，以确保系统的长期可持续性[10]。政策和法规遵从性研究则确保了多能互补系统在设计和运行过程中符合当地、国家和国际层面的政策要求。风险管理方面，研究人员开发了多种风险管理工具和方法，以识别和评估项目实施过程中可能面临的技术风险、市场风险和政策风险，并提出了相应风险缓解措施。

集成平台开发为多能互补系统的高效集成和运行提供了技术支持，实现了不同能源系统之间的信息共享和协调，提高了系统运行效率。人工智能和机器学习技术应用则为容量配比研究带来了新视角，通过提高预测准确性和自适应性，增强了系统的智能化水平。实证研究和案例分析为容量配比方法有效性提供了实践验证，并为实际水风光多能互补项目提供了指导。

3.3 水风光有功功率预报技术

在提高准确性和可靠性方面，水风光有功功率预报技术研究取得了显著成就，为电网稳定运行和优化能源管理提供了重要支撑。这一领域研究主要集中于数值天气预报模型应用、机器学习和人工智能技术应用、数据驱动预报方法、集成预报系统、短期和长期预报结合、预报误差分析和校正，以及实证研究和案例分析等方面[13]。

数值天气预报模型应用，如WRF模型，能够预测风速、光照强度等关键气象参数，从而更精确地预测风能和太阳能有功功率输出。通过与地面观测数据相结合，这些模型能够提供更高精度的预报结果，为电网调度提供更为可靠的依据。

机器学习和人工智能技术的引入[14]，使得有功功率预报准确性得到了显著提升。研究人员利用神经网络、支持向量机、随机森林等算法，学习和描述历史数据中的模式及其隐含的复杂非线性关系。这种数据驱动方法使得预测更为精确且具有实时性。

随着大数据技术的进步，大量历史数据和实时监测数据被用于训练预报模型，这种方法能够捕捉到资源变化的细微特征，进而提高预报的实时性和准确性[8]。集成预报系统将多种预报模型结果进行融合，通过考虑不同模型偏差和不确定性，提升预报整体性能。

短期和长期预报结合策略满足了不同时间尺度调度的需求。短期预报主要用于实时调度，长期预报则有助于规划和资源分配。这种策略使得调度更为灵活且具有前瞻性。

为了减少预报误差，研究人员开发了预报误差分析和校正技术。通过识别和量化预报中的偏差，对结果进行调整，从而提高实际预报的准确性。实证研究和案例分析进一步验证了有功功率预报技术的有效性，并有助于根据实际运行数据不断优化预报模型[15]。

此外，有功功率预报技术在电网集成中的应用也受到了研究者关注[16]。如何将预报结果用于电网调度和运行策略制定，以及如何与储能系统和需求侧管理相结合，以提高电网灵活性和稳定性，成为研究的重点方向。

3.4 水风光多资源随机模拟技术

在多能互补系统规划、设计、运行和市场参与中，随机模拟技术发挥了关键作用。它帮助研究者模拟资源组合性能，优化系统配置，预测资源变化，支持实时调度和风险管理。政策制定者利用模拟结果评估政策影响，为可再生能源政策提供科学依据。同时，研究者评估系统在不同市场条件下的经济性，为市场参与者提供决策支持。

水风光多资源随机模拟技术研究进展致力于提升模拟准确性和实用性，以支持多能互补系统的全面管理。研究人员开发了多种随机模拟方法，如蒙特卡罗模拟、马尔科夫链模型和概率密度函数（PDF）方法[17]，这些方法有效捕捉了风速、光照强度和水流等资源的不确定性和波动性，为系统设计提供了更为真实的输入数据[18-20]。随着多能互补系统兴起，研究人员探索了将风能、太阳能和水能等不同资源模拟结果进行联合处理的方法，这涉及资源间相关性和联合概率分布建模，实现了多资源同步模拟。

在模拟技术发展中，研究人员区分长期资源趋势和短期资源波动，通过结合长期统计特性和短期随机波动，显著地提高了模拟结果的实用性和准确性[12]。为了确保模拟结果的可靠性，研究人员通过与实际观测数据进行比较，对模拟模型进行验证和校正，这种方法有助于识别模型偏差，并根据实际数据调整模型参数。

3.5 多能系统互补调度控制技术

多能互补系统调度控制技术是确保系统高效运行的关键，近年来这一领域的研究取得了显著进展。研究人员开发了基于人工智能的调度算法，如遗传算法、粒子群优化、模糊逻辑和神经网络等[21]，这些算法能够根据实时资源数据和系统状态动态调整各能源的设备出力，以实现系统最优运行。在调度控制中，研究人员采用了多目标优化策略，旨在同时考虑系统成本、可靠性、环境影响和能源政策等多个目标，在多种约束条件下实现综合效益最大化。

为了提高调度的准确性和前瞻性，研究人员将资源预测技术与调度控制紧密结合[8]，通过实时更新资源预测数据，调度系统能够提前作出调整，以应对资源变化带来的挑战。储能系统在多能互补系统中扮演着关键角色，研究人员探索了如何将储能系统（如电池、抽水蓄能等）与风电、光伏等间歇性能源集成，以平滑输出波动，提高系统的稳定性和经济性。

需求侧管理（DSM）策略也被纳入多能互补系统的调度控制中，通过激励用户在低电价时段增加用电，或在高电价时段减少用电，有效地平衡供需，减少系统运行压力[19]。在电力市场中，研究人员分析了如何将市场机制与调度策略相结合，以实现资源最优配置，包括电力交易、绿色证书交易和可再生能源配额制度等。

面对市场风险、技术风险和环境风险，研究人员开发了风险管理工具，以评估和减轻这些风险对系统运行的影响，这些工具包括风险评估模型和应急响应计划[10]。

3.6 多能系统市场交易方法

多能源系统市场交易方法研究聚焦于整合多样化能源资源、优化市场机制以及提升交易透明度和效率。研究人员在市场机制设计上提出了现货市场、长期合同和绿色证书交易等多种方案，以适应多能源系统的独特需求，促进能源高效利用和推动环境友好型能源的发展[22]。在竞价策略方面，研究人员充分考虑不同能源类型价格波动、供需关系和环境影响，开发了使能源供应商和消费者利益最大化的竞价策略。

面对多能源系统带来的价格波动风险，研究人员开发了一系列风险管理工具，包括期货、期权和掉期合约等，帮助市场参与者有效对冲价格风险。同时，需求侧响应（DSR）策略也被研究人员广泛探讨，通过激励用户在电价低时增加用电或在电价高时减少用电，平衡多能源系统供需，增强电网稳定性。

为了验证市场机制和竞价策略的有效性，研究人员构建了市场仿真模型，模拟多能源系统的实际运行情况，为市场设计和策略优化提供实验平台。

技术集成对市场竞价交易的影响也受到了研究人员的重视。储能技术、智能电网和需求响应技术等的发展，为多能源系统市场交易开辟了新的可能性。

4 研究展望

水风光多能互补系统运行关键技术研究正朝着多个关键领域发展，这些领域的进步将共同推动系统性能提升和可持续性增强。在资源评估与预测方面，大数据和人工智能技术的快速发展使得数据驱动预测方法成为研究核心。研究人员正致力于利用历史气象数据、实时监测数据以及机组性能数据，构建更精确的预测模型。这些模型通过多源数据融合技术，整合气象、地形、机组性能等多方面信息，以提高预测模型的准确性和可靠性。

优化调度与控制技术是提升系统性能的关键领域。研究人员兼顾能源产出、系统成本和环境影响等多重因素，正在构建多目标优化模型。智能控制技术，尤其是机器学习和人工智能优化算法，正被广泛应用于系统调度与控制中。深度学习等先进技术应用使得系统能够实现状态实时监测和智能调控，显著提升系统稳定性和经济性[23]。

储能技术对于解决风光多能互补系统的间歇性问题至关重要。研究人员致力于提高储能装置能量密度和寿命，同时降低成本。探索不同储能方式协同优化策略，以及储能与调度控制结合，是当前的研究热点[24]。通过优化储能充放电策略，可以显著提高系统整体性能和运行效率。

在系统集成与优化方面，研究人员正努力解决不同能源类型之间的耦合问题，以实现多种能源互补的利用和协同优化[11]。智能传感和通信技术进步为系统集成与优化提供了新的解决方案。物联网和云计算等技术集成应用，使得系统状态的实时监测和远程控制成为可能，进而提高系统可靠性和可维护性。

市场与政策研究关注于分析国内外市场动态和政策变化，评估这些变

[16] WEN G H，HU G Q，HU J Q，et al. Frequency Regulation of Source-grid-load Systems：A Compound Control Strategy[J]. IEEE Transactions on Industrial Informatics，2016，12（1）：69-78.

[17] 刘哲源，刘攀，李赫. 水风光互补适应性调度的集合卡尔曼滤波方法[J]. 水力发电学报，2022，41（8）：42-53.

[18] 沈欣炜，郭庆来，许银亮，等. 考虑多能负荷不确定性的区域综合能源系统鲁棒规划[J]. 电力系统自动化，2019，43（7）：34-41.

[19] 刘述波，杨斌，仲春林，等. 基于多能互补的储能系统需求响应策略研究[J]. 自动化技术与应用，2023，42（11）：137-141.

[20] 李金龙. 雅砻江中下游水风光多能互补多尺度优化调度研究[D]. 西安：西安理工大学，2023.

[21] 张俊涛，程春田，申建建，等. 考虑风光不确定性的高比例可再生能源电网短期联合优化调度方法[J]. 中国电机工程学报，2020，40（18）：5921-5932.

[22] 王怡. 基于多主体博弈综合能源市场交易决策研究[D]. 北京：北京交通大学，2022.

[23] 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.

[24] 李铁，李正文，杨俊友，等. 计及调峰主动性的风光水火储多能系统互补协调优化调度[J]. 电网技术，2020，44（10）：3622-3630.

[25] 张沈习，王丹阳，程浩忠，等. 双碳目标下低碳综合能源系统规划关键技术及挑战[J]. 电力系统自动化，2022，46（8）：189-207.

Key Technologies for Hydro-wind-solar Multi-energy Complementary Operation：Research Status and Prospect

YU Yi1，2，LI Junxian3，JIANG Dingguo1，2，DENG Youhan1，2，CHEN Jing1，2

（1. China Yangtze Power Co.，Ltd.，Wuhan 430010，China；2. Science and Technology Research Institute of China Three Gorges Corporation，Beijing 101100，China；3.China Three Gorges Renewables （Group）Co.，Ltd.，Beijing 101100，China）

Abstract：In the background of global energy structural transformation，the hydro-wind-solar multi-energy complementary  system，as an essential part of modern energy systems，is receiving increasing attentions.  In this paper we examine the distribution of water and wind resources in China and analyze the construction planning for complementary bases. We further scrutinize the technological challenges encountered in critical stages of the hydro-wind-solar multi-energy complementary systems. These challenges include resource assessment and system integration during planning，forecasting and dispatching and efficient operation in operation period，and power trading and marketing during consumption. Additionally，we summarize the latest research progresses in resource assessment methods，system integration and optimization，intelligent dispatch system development，and energy storage technology application. Finally，we offer insights into future research trends. This work serves as an important reference for both research and practical applications in related fields.

Key words：hydro-wind-solar complementary；multi-energy complementary system；resource assessment；operation scheduling；electricity trading

基金项目：湖北省科技重点研发计划项目（2022AAA007）

作者简介：余 意，男，工程师，博士，主要从事水风光多能互补系统联合调度与控制技术及相关电碳市场理论方法研究。E-mail：yu_yi3@ctg.com.cn