考虑分级备用的源荷储协同优化调度 孟祥飞 袁振华 石冰珂 张元欣 邱轩宇 刘念 Optimal Scheduling of a Combined Source-load-storage Energy System Considering Hierarchical Reserve MENG Xiangfei, YUAN Zhenhua, SHI Bingke, ZHANG Yuanxin, QIU Xuanyu, LIU Nian 引用本文: 孟祥飞, 袁振华, 石冰珂, 等. 考虑分级备用的源荷储协同优化调度[J]. 现代电力, 2026, 43(1): 104-115. DOI: 10.19725/j.cnki.1007-2322.2023.0392 MENG Xiangfei, YUAN Zhenhua, SHI Bingke, et al. Optimal Scheduling of a Combined Source-load-storage Energy System Considering Hierarchical Reserve[J]. Modern Electric Power, 2026, 43(1): 104-115. DOI: 10.19725/j.cnki.1007-2322.2023.0392 在线阅读 View online: https://doi.org/10.19725/j.cnki.1007-2322.2023.0392 您可能感兴趣的其他文章 Articles you may be interested in 考虑多种储能的微能源网多时间尺度协同调度 Multi-time Scale Optimal Coordinated Dispatch of Micro-energy Grid with Multi-energy Storage 现代电力. 2019, 36(5): 39-46 http://xddl.ncepujournal.com/article/Y2019/I5/39 电力及天然气系统中的产消者能量-备用协同优化 Energy-Reserve Co-optimization of Prosumers in Power and Natural Gas System 现代电力. 2022, 39(1): 45-55 https://doi.org/10.19725/j.cnki.1007-2322.2021.0036 含混合储能的独立微电网多时间尺度协调控制策略 Multi-time Scale Coordination Control Strategy of Isolated Microgrid With Hybrid Energy Storage 现代电力. 2020, 37(1): 74-82 https://doi.org/10.19725/j.cnki.1007-2322.2018.1410 风荷组合场景下计及调峰效益的电锅炉和储热系统容量优化配置 Optimal Capacity Configuration of Electric Boiler and Heat Storage System Considering Peak-shaving Benefit under Wind-Load Combination Scenario 现代电力. 2021, 38(1): 41-50 https://doi.org/10.19725/j.cnki.1007-2322.2020.0057 考虑源荷双重不确定性的电气互联综合能源系统分布鲁棒优化调度 Robust Optimal Scheduling of Power-Gas Interconnected Integrated Energy System with Double Uncertainty of Source and Load 现代电力. 2019, 36(6): 52-60 http://xddl.ncepujournal.com/article/Y2019/I6/52 控制性能标准下考虑系统频率偏差特性的多时间尺度机组优化调度 Multi-time Scale Unit Optimal Scheduling Considering System Frequency Deviation Characteristics Under CPS Index 现代电力. 2023, 40(3): 314-322 https://doi.org/10.19725/j.cnki.1007-2322.2021.0318 文章编号： 1007−2322 （ 2026 ） 01−0104−12 文献标志码： A 中图分类号： TM73 考虑分级备用的源荷储协同优化调度 孟祥飞 1 ，袁振华 1 ，石冰珂 1 ，张元欣 2 ，邱轩宇 1 ，刘念 2 （ 1. 国网山东省电力公司经济技术研究院 , 山东省 济南市 250021 ； 2. 华北电力大学 电气与电子工程学院 , 北京市 昌平区 102206 ） Optimal Scheduling of a Combined Source-load-storage Energy System Considering Hierarchical Reserve MENG Xiangfei 1 ， YUAN Zhenhua 1 ， SHI Bingke 1 ， ZHANG Yuanxin 2 ， QIU Xuanyu 1 ， LIU Nian 2 （ 1. Economic & Technology Research Institute of State Grid Shandong Electric Power Company, Ji’nan 250021, Shandong Province, China ； 2. School of Electrical & Electronic Engineering, North China Electric Power University, Changping District, Beijing 102206, China ） 摘要： 随着呈现 “ 双高 ” 特征的新型电力系统的不断发展 与可调火电资源的日益紧张，新能源预测误差带来的备用 配置问题逐渐成为人们关注的焦点，同时源荷储系统可调 资源的丰富化为备用留取提供了更多的途径。针对源荷储 系统中不同时间尺度备用协同优化这一难题，使用互补集 合经验模态分解方法对电网净负荷预测误差进行多时间尺 度分解，为合理平衡风险与备用配置的矛盾，使用条件风 险价值对系统风险进行刻画，提出计及弃风光切负荷风险 的分级备用协同优化方法。在此基础上，考虑源荷储多类 型系统响应特性，以备用配置成本、发电效益与系统潜在 风险为目标，建立考虑分级备用的源荷储协同互补优化调 度模型。算例结果表明，所提分级备用优化方法能合理权 衡系统风险与备用配置，有效提高系统的可靠性，实现保 供应、促消纳。 关键词： 备用配置；多时间尺度分解；源荷储系统；协同 互补；弃风；切负荷 Abstract ： With the continuous development of new power systems featuring “ dual high ” characteristics and the increasing scarcity of dispatchable thermal power resources, the issue of reserve allocation caused by the forecasting errors of renewable energy has gradually become a focal point. Meanwhile, the enriched adjustable resources within the source- load-storage system provide a wider range of approaches for reserve provision. To address the challenge of coordinated reserve optimization at different time scales in the source-load- storage system, we first utilize the complementary ensemble empirical mode decomposition (CEEMD) method to decompose the forecast errors of net load at multiple time scales. To balance the trade-off between risk and reserve allocation, we employ the conditional value-at-risk (CVaR) to characterize the system risk and propose a hierarchical reserve coordination optimization method that considers the risk of wind curtailment and load shedding. Based on this, considering the response characteristics of multi-type source-load-storage systems, we establish a coordinated and complementary optimization scheduling model considering hierarchical reserve allocation. The objectives of this model are to minimize the reserve allocation costs, maximize generation benefits, and mitigate potential risks. Case study results demonstrate that the proposed hierarchical reserve optimization method effectively strikes a balance between system risk and reserve allocation, thus improving system reliability and achieving reliable power supply and enhanced renewable energy integration. Keywords ： standby configuration ； multi-time scale decomposition ； source-load-storage system ； synergistic complementarity ； wind power curtailment ； load shedding DOI ： 10.19725/j.cnki.1007-2322.2023.0392 0 引言 近年来，以风电、光伏为主的可再生能源大 量接入电力系统 [1] ，一方面为解决全球气候环境 问题与能源紧缺问题提供了可行途径，另一方面 受天气状况影响，可再生能源出力间歇性与波动 性对电力系统预留备用容量提出了更高的要求 [2] 。 基金项目： 国网山东省电力公司科技项目 (52062522000P) 。 Science and Technology Project of State Grid Shandong Electric Power Company (52062522000P). 第 43 卷 第 1 期 现 代 电 力 Vol.43 No.1 2026 年 2 月 Modern Electric Power Feb. 2026 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 因此，研究考虑分级备用的源荷储多类型可调资 源协同优化调度很有实用价值。 对于备用优化问题，国际上通常采用分级备 用来应对电力系统的负荷急剧波动事件。文献 [3-4] 分别对美国、北欧、澳大利亚等国现行的备用市 场分级机制进行了阐述与总结。中国由于在 21 世纪初进行了大量煤电机组的建设，截至 2020 年，中 国 实 际 留 取 平 均 备 用 率 均 高 于 北 美 电 力 可 靠 性 委 员会 (North American Electric Reliability Council ， NERC) 提出的默认规划备用容量比例， 分级备用也因此尚未提上日程。但在 “ 双碳 ” 目 标以及国家能源局煤电规划建设风险预警 [5] 的指 导下，一方面新能源装机量大规模增加，另一方 面火电装机速率放缓，此消彼长下对电力系统未 来的备用能力提出了更高的要求。文献 [6] 对我 国华东、华北、南方电网等各区域电网现行的备 用运行规则做出了阐释，其中华东、华中电网已 经开始逐步进行分级备用试点，备用分级的利用 正逐步成为现实需求。 目前，很多专家学者们对备用合理配置与备 用分级进行了深入研究。文献 [7] 基于空调负荷 建模对其为电力系统提供备用服务进行了研究， 提出了一种动态经济调度的源 - 荷协同备用配置模 型。文献 [8] 研究系统可靠性与旋转备用容量间 的量化关系，提出了考虑多种备用的多区域备用 协调优化模型。文献 [9] 提出了电网广义旋转备 用的概念，同时提出一种基于系统频率响应的新 能源高渗透电网广义旋转备用优化配置方法。上 述文献对于备用配置均提出了优化方法，同时对 备用种类进行了区分，但对于各类可调节资源的 备用响应时间还没有进行深入研究。 可调节资源通常由火电或水电提供，但随着 电网的发展，负荷侧可调资源在备用资源中也逐 渐占据越来越重要的位置。文献 [10] 从综合能源 系统中的气热资源入手，提出一种考虑气热惯性 的综合能源系统备用配置方案。文献 [11-12] 从电 力系统风电预测误差扰动与线路堵塞问题出发， 建立了火电联合分布模型，计及系统经济性和可 靠性进行系统备用容量优化。文献 [13] 应用风险 量化评价指标，提出了一种计及成本效益比的电 网火电事故备用容量风险量化协调分配方法。上 述文献主要从传统可调火电资源考虑上下备用容 量配置问题，但电网中可调资源分布在电源负荷 两侧，且提供的备用特性各有特点，上述研究主 要针对传统可调水火电资源进行研究，但对于例 如储能资源与负荷响应资源等负荷侧可调资源考 虑不够全面，缺少对含高比例新能源系统中源荷 储多类型可调节资源备用容量规划配置的研究。 预留足够的上下备用是电力系统稳定运行的 保障，而预留过多的上下备用会对系统经济性产 生阻碍，因此在计及系统风险的前提下合理预留 备用容量是电力系统的重要任务。文献 [14] 通过 考虑风电出力不确定性的电网调度，实现了对风 电波动性的有效管理和备用容量的合理分配。文 献 [15] 建立了一个基于风电概率的预期模型，实 现对旋转备用的优化与配置。文献 [16] 通过计算 计及风电和线路故障不确定性的线路实时潮流的 概率分布，来配置分区备用资源。文献 [17] 采用 可调鲁棒优化方法对风电不确定性进行两阶段优 化决策，进而得到旋转备用配置结果。上述文献 考虑了风电光伏的出力随机性或机组组合优化调 度问题，但对于可能出现的系统风险损失评估不 足，在对于出现系统风险时如何预留合理的备用 容量方面缺乏考虑。 为应对上文提出的系统风险损失评估问题， 可引入风险度量因素以对利润对应的条件性风险 价值进行量化建模，进而衡量相关风险。条件风 险价值 (conditional value-at-risk ， CVaR) 具有正齐 次性、单调性 [18] 等特性，常用于电力市场以及 风险损失评估方面的问题。文献 [19] 采用 CVaR 计算风险储备能力，对系统备用分配提出最优方 案。文献 [20-21] 将 CVaR 作为风险约束条件，进 一步探讨了系统多重不确定性可能带来的损失。 类似地，本文采用 CVaR 对系统弃风弃光风险损 失进行评估，以提高系统运行可靠性与经济性。 本文采用互补集合经验模态分解方法，对新 能源预测与负荷预测叠加形成的净负荷曲线进行 多时间尺度分解，刻画不同时间尺度的上下备用 需求波动特征。本文通过 CVaR 刻画风光出力间 歇性与负荷波动不确定性导致的弃风光弃负荷给 系统带来的风险损失，建立综合考虑火、水、储 能、负荷响应等多类型可调资源协同互补优化模 型，采用分级备用进行源荷储协同优化调度。最 后，以某地区电网为例，验证所提模型的合理性 和有效性。 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 105 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 1 可调资源需求评估与协同优化调度 含高比例风电、光伏的电力系统中包含快速 慢速燃煤机组、可调节水电站、灵活性储能装置、 可中断负荷等不同时间尺度可调节资源，各类型 可调节资源在不同时间尺度下呈现不同的出力调 节特性。且风电与光伏的出力预测具有多时间尺 度特性。它们与负荷预测叠加后，形成的净负荷 曲线也在多个时间尺度上呈现波动，因此需要相 应时间尺度的可调资源进行匹配和平衡。因此， 本节从电力系统中的可调资源分类入手，利用互 补集合经验模态分解方法，提取净负荷波动中的 多时间尺度特性，实现对上备用与下备用的需求 评估。 1.1 可调灵活性资源分析 本节从可调节资源不同时间尺度出发，梳理 各类资源的响应特性，可提供上下备用的灵活性 资源需要在允许响应的时间内根据调度指令，按 需要提供向上备用量或向下备用量，起到弥补新 能源与负荷预测功率偏差的作用。不同可调灵活 性资源的响应速度分类 [22] 如表 1 所示。 表 1 多时间尺度灵活性资源 Table 1 Multi-time scale flexible resources 备用等级 响应时间 发电侧资源 负荷侧资源 一级调节 15 min 备用 <15 min 快速燃煤机组、水电机组 以及燃气机组 短时储能、 可中断负荷 二级调节 30 min 备用 <30 min 慢速燃煤机组 长时储能、 需求侧响应 三级调节 60 min 备用 >60 min 联合循环燃气机组 — 将 3 种时间尺度灵活性响应资源详述如下： 1 ） 15 min 尺度。 在 15 min 级调节尺度上，可参与的发电侧资 源包括快速燃煤机组 ( 典型代表 ) 、可调水电机组 及单循环燃气机组。传统燃煤燃气机组受最大运 行出力、最小运行出力、最大上爬坡及最大下爬 坡速率影响，同时水电机组还受最大库容量与水 电能转化效率 [23] 的影响。负荷侧以可中断负荷 为代表，可以随时按照系统需求进行开关操作， 实现快速响应电网的调节需求。该尺度的调节资 源通常有调节速度快、调节能力灵活的特点。 2 ） 30 min 尺度。 适用于 30min 尺度调节的资源主要包括发电 侧的慢速燃煤机组、负荷侧的长时储能及需求响 应。慢速燃煤机组响应速度较慢，可以通过预约 或竞价方式参与备用市场，向系统提供稳定的备 用；长时储能具有容量大、响应速度快、可充放 电等优点，常用的长时储能技术包括钠硫电池、 流纹石蓄能、压缩空气储能 [24] 等；用户侧调节 则与传统备用机组不同，需求响应不需要建设专 门的备用电源，可通过奖励机制来激励用户参与。 3 ） 60 min 尺度。 60 min 尺度可调灵活性资源以联合循环燃气 机组为主，其采用燃气轮机和蒸汽轮机的联合运 行方式，通过余热回收，提高燃气利用效率。联 合循环燃气机组可以和其他时间尺度调节资源配 合使用，共同参与电网的调节工作。通过合理调 度和协调，可以实现系统总体调节速度快、调节 能力灵活的目标，确保电力系统的稳定运行。 1.2 基于互补集合经验模态的多时间尺度分解 由于净负荷曲线呈现多时间尺度波动的特征， 本节从备用需求出发，采用互补集合经验模态分 解方法对净负荷曲线进行多时间尺度频段分解。 参照表 1 所示各类可调灵活性资源的响应特性， 可以将净负荷波动分解为 3 类：高频短时波动、 中频长时扰动以及低频峰谷爬坡。 经验模态分解 (empirical mode decomposition ， EMD) 是依据数据自身尺度特征进行分解的一种 信号分解方法 [25] ，其无需任何基函数。互补集合 经 验 模 态 分解 (complementary ensemble empirical mode decomposition ， CEEMD) 是 其 中 一 种 方 法， 用于将非线性和非平稳信号分解成多个本征模态 函数 (intrinsic mode functions ， IMF) 。 CEEMD 是 EMD 方法的改进和扩展。它通过 构建多个噪声扰动的集合，对原始信号进行多次 分解，并获取多个 IMF 分量。每次分解时， CEEMD 会引入不同的随机噪声，从而在保持信号局部特 征的同时，减少了 EMD 中可能存在的模式混叠 问题。由于 CEEMD 对非线性和非平稳信号具有 较好的适应性，能够更好地捕捉信号的瞬时特征 和时频变化，因此具有更高的精度和更好的自适 应性。 CEEMD 的多时间尺度分解算法过程如下： 1 ）预处理：对原始净负荷波动数据进行预 处理，以避免边界效应和跨模式混叠。 2 ）生成随机扰动集合：生成一组大小相等 的随机扰动集合，可以是白噪声、色噪声或其他 106 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 类型的随机信号。 3 ）加权平均：将每个扰动信号和原始净负 荷波动数据进行加权平均处理。 4 ） EMD 分解：对每个加权后的波动数据进 行一次 EMD 分解，得到相应扰动下的一组本征 模态函数。 5 ）平均求解：对所有扰动下得到的 IMF 按 照相同位置进行加权平均，得到最终的 CEEMD 分解结果。 6 ）重复迭代：重复以上步骤，增加随机扰 动集合的大小，获得更稳定的分解结果。 7 ）重构原始信号：将分解得到的每个 IMF 组合起来，得到原始净负荷波动数据的近似模式。 8 ）剩余部分处理：未被 IMF 所表示的高频 波动分量或噪声被视为剩余部分，可以根据需要 进行处理或进一步分析。 CEEMD 的关键步骤在于将生成的随机扰动 引入并多次分解后进行平均求解，使 CEEMD 能 够 有 效 克 服 传统 EMD 中 出 现 的 模 式 混 叠 问 题， 提高多时间尺度分解结果的可靠性和准确性。 本文结合新能源与负荷波动特性，将其分为 3 个频段，分别为高频波动 (15 min 尺度 ) 、中频 波动 (30 min 尺度 ) 与低频波动 (60 min 尺度 ) ，并 基于 3 个尺度的净负荷分解波动曲线进行源荷储 协同分级备用优化。 1.3 分级备用协同优化方法 1.3.1 分级备用协同优化思路 根据美国 PJM 定义，在电力系统中，备用是 指在发生故障或意外情况时，用于确保电网稳定 和连续供电的额外电力资源。备用通常根据其响 应速度和可用性进行分级。常见的分级方式包括： 初级备用、次级备用与特级备用。初级备用也称 为自动发电控制或频率响应，通常在几秒内激活， 用于即时补偿电力损失；次级备用通常在几分钟 内响应，用于维持系统的频率和电压稳定；特级 备用是一种长期备用，可能需要数小时来激活， 通常用于应对大规模或长期的供电中断。各级备 用通过区分不同种类电力调节资源的响应特性与 速度来进行划分，以起到互补共济的配置作用。 在当下可再生能源比例高渗透率的电网背景 下，各种电力调节资源在确保电网稳定运行中发 挥着至关重要的作用。这些资源包括抽蓄电站、 长时储能、慢速燃煤机组、联合循环燃气机组、 快速燃煤机组、可中断负荷、短时储能、燃气机 组、需求响应和水电机组等。抽蓄电站作为一种 成熟的大规模储能技术，能在电力需求低时储存 能量，并在高峰时释放，从而平衡供需。它们对 于调节日内负荷波动非常有效。长时储能能提供 长时间的储能解决方案，有助于平衡可再生能源 的间歇性，确保电网的长期稳定。慢速燃煤机组 虽然调节速度不如燃气机组快，但是当可再生能 源发电不足时，慢速燃煤机组在提供基础负荷方 面仍然重要。联合循环燃气机组调节能力较强， 能够响应电网需求变化，特别是在峰值负荷时段。 通过需求响应机制，特定的用户负荷可以在电网 紧张时被暂时切断，以减少系统的负荷，为电网 提供即时的调节能力。短时储能适合于平衡短期 内的电网波动。燃气机组与联合循环燃气机组类 似，它们的调节速度快，适合应对短期负荷变化。 水电站的调节能力强，能快速响应电网需求变化， 特别是在短期调节方面表现出色。上述资源通过 不同时间尺度响应特性长短时互补、快慢速协调 实现了电力系统备用合理配置。 本文基于分级备用协同优化方法建立了机组 组合与分级备用联合优化的模型，利用 CVaR 方 法确定弃风光的不确定性影响，通过综合考虑机 组组合、备用分级与不确定性风险，得到协同优 化调度方案。 该优化调度过程包含以下两个部分： 1 ）通 过给定典型日风电、光伏与负荷值，确定各类型 电源出力与启停计划； 2 ）在综合考虑多时间尺 度净负荷波动及弃风弃光不确定性的基础上，通 过设定新能源大发、负荷高峰等典型场景，可以 评估不同类型调节资源的响应能力，进而确定系 统备用分级经济最优分配。分级备用中一级备用 调节资源包括快速燃煤机组、水电机组、燃气机 组、抽蓄机组、短时储能与可中断负荷需求响应， 二级备用调节资源包括慢速燃煤机组与长时储能， 三级备用调节资源为联合循环燃气机组。各级备 用调节资源的最短响应时间分别为 15 、 30 和 60 min 。 短时响应资源的调节速度快，可响应容量小；长 时响应资源的调节速度慢，可响应容量大；遇到 紧急情况时，短时响应资源与长时响应资源联合 响应，实现备用最优经济调度。 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 107 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 1.3.2 源荷储协同调度求解流程 基于上述优化思路的源荷储协同优化备用调 度求解流程如图 1 所示。首先，基于风电、光伏 与负荷的典型日数据，我们从系统备用需求出发， 采用互补经验模态分解方法对净负荷进行多时间 尺度分解。分解的关键在于确定合适的分解曲线 数量：若分解曲线过多，净负荷误差的时间分布 特征会被湮没；若分解曲线过少，则无法充分体 现净负荷误差的多时间尺度特性。因此，确定一 个适中的分解尺度是本环节的重点任务。其次， 根据多时间尺度净负荷误差的分解结果和典型日 负荷、风力、光伏等数据求解线性规划模型，得 到机组组合结果；然后，考虑弃风光弃负荷不确 定性，判断是否满足备用约束，确定源荷储多级 备用优化量；最后，判断其是否满足 CVaR 约束， 循环往复直到满足所有约束为止。 典型日数据输入 负荷与风电、光伏出力 机组组合计算 分级备用确定 考虑弃风弃光不确定性 线性问题求解 是否满足 备用约束与 CVaR 约束 ? 输出结果 是 否 图 1 求解流程图 Fig. 1 Flowchart of the solving process 1.4 条件风险价值不确定性衡量方法 CVaR 是一种风险度量指标，用于衡量投资 组合或资产在极端情况下的风险，并计算出损失 超过特定水平时所面临的平均损失。 传统的风险度量指标，如方差、标准差等， 只考虑了风险分布的中心趋势，不能完全反映极 端风险的影响。而 CVaR 考虑了风险分布的尾部， 能 够 有 效 地 评 估 极 端 情 况 下 的 风 险。通 过 计算 CVaR ，我们可以获得一个特定收益下的相应损 失水平，从而为投资决策提供了合理的风险度量 指标。 在量化电力系统弃风光时，采用 CVaR 方法， 能够有效评估极端不利情景（如极端天气、电网 故障）所引发的大规模弃风光带来的潜在经济损 失。相较于仅关注平均损失，该方法提供了一个 更全面的风险评估视角。通过使用 CVaR 方法， 可以对电力系统备用配置不确定性进行合理衡量 与评估。 标准 CVaR 模型如下所示： C var = min α + 1 M (1 − β ) M ∑ l = 1 Z jl α β 1 − β 当优化得到 C var 时， 为置信度取 时的经济 损失风险价值； 为风险价值尾部风险分布范 围。在下列模型中，将考虑弃风光量的 C var 损失 风险转化为线性问题求解。 2 源荷储协同分级备用优化模型 2.1 优化目标 本文综合考虑水 - 火 - 储 - 负荷等资源的发电特 性和系统运行约束，利用 CVaR 衡量系统不确定 性，求解不同风险厌恶程度下使系统备用发电成 本 F 与系统风险成本 C var 达到最优的配置方案， 具体表达式为 Min F = F 1 + C var (1) F = N t ∑ t = 0 N G ∑ i = 1 [ f i ( P t G i ) + c U R R t u i + c D R R t d i ] + c L N t ∑ t = 0 L t loss , j + c ne N t ∑ t = 0 N t loss , j (2) C var = ( α 1 j + 1 M (1 − β ) M ∑ l = 1 Z jl ) + ( α 2 j + 1 M (1 − β ) M ∑ l = 1 Z ′ jl ) (3) f ( P t G i ) = A i ( P t G i ) 2 + B i P t G i + C i c U R c D R R t u i i t R t d i i t c L c ne L t loss , j 式中： 为机组在调度时 间内的运行成本； 为系统上备用成本系数； 为系统下备用成本系数； 为机组 在 时刻的上 备用容量； 为机组 在 时刻的下备用容量； 为弃负荷的单位损失价值； 为弃风光的单位损 失价值； 为下备用无法补偿导致的弃负荷电 108 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com N t loss , j α 1 j α 2 j β 1 β 2 M l M Z jl 量； 为上备用无法补偿导致的弃风光电量； 为弃负荷惩罚成本的临界值； 为弃风光惩 罚成本的临界值； 、 分别为对应给定的置信 水平； 为蒙特卡洛模拟的总抽样次数； 为抽样 次数，总共需要抽样 次； 为方便计算而引入 的辅助变量， 2.2.1 节将给出具体处理方法。 2.2 源荷储资源运行约束 源荷储资源分级备用模型约束条件包括火电、 水电、储能、负荷侧等各类型可调资源运行特性 约束、上下备用约束、系统运行约束及条件风险 价值约束，相关约束如下。 2.2.1 条件风险价值约束 C var Z jl Z ′ jl 对于目标函数 部分中的辅助变量 与 ， 有约束条件： Z jl ≥ f 1 ( P ne j , l , P l j , l ) − α 1 j = c r j [ P ne j , l ] + − α 1 j (4) Z jl ≥ 0 (5) Z ′ jl ≥ f 2 ( P ne j , l , P lj , l ) − α 1 j = c p j [ P lj , l ] + − α 2 j (6) Z ′ jl ≥ 0 (7) 其中： P ne j , l = ( P w r + P s r + P l r ) − ( P w f + P s f + P l f ) = ∑ P r − ∑ P f ≥ 0 P l j , l = ( P w f + P s f + P l f ) − ( P w r + P s r + P l r ) = ∑ P r − ∑ P f ≥ 0 P ne j , l l P l j , l c r j [ X ] + = max { X , 0 } 式中： 为第 次抽样时的最大弃负荷总量； 为第 l 次抽样时的最大弃风光总量； 为弃负荷 惩罚系数； c pj 为弃风光惩罚系数； 。 2.2.2 火电机组约束 火电机组的运行约束主要包括： P min G ti ≤ P t G ti ≤ P max G ti (8) P t − 1 G ti − D R , G ti ∆ t ≤ P t G ti ≤ P t − 1 G ti + U R , G ti ∆ t (9) P min G ti P max G ti D R , G ti U R , G ti ∆ t 式中： 、 分别为火电机组 i 的最小、最 大出力； 、 分别为火电机组 i 的正负 爬坡速率； 为调度时段间隔。 2.2.3 水电机组约束 水电机组的运行约束主要包括： P min G hi ≤ P t G hi ≤ P max G hi (10) P t − 1 G hi − D R , G hi ∆ t ≤ P t G hi ≤ P t − 1 G hi + U R , G hi ∆ t (11) P t G hi = g η Q G hi ( t ) H G hi ( t ) (12) w T t = 1 Q G hi ( t )d t ≤ Q max G hi (13) P min G hi P max G hi D R , G hi U R , G hi ∆ t g η Q G hi ( t ) H G hi ( t ) i Q max G hi 式中： 、 分别为水电机组 i 的最小、最 大出力； 、 分别为水电机组 i 的正负 爬坡速率； 为调度时段间隔； 为重力加速度， 取值为 9.8 m/s 2 ； 为水电机组的水能电能转化效 率； 、 分别为水电机组 在 t 时刻的 发电耗水量与水头高度； 为水库的最大库容量。 2.2.4 储能资源约束 储能资源的运行约束主要包括： P min G es i ≤ P t G es i ≤ P max G es i (14) P t − 1 G es i − u det D R , G es i ∆ t ≤ P t G es i ≤ P t − 1 G es i + u cet U R , G es i ∆ t (15) u det + u cet ≤ 1 (16) P min G es i P max G es i i D R , G es i U R , G es i i ∆ t u det u cet 式中： 、 分别为储能资源 的最小、最大 出力； 、 分别为储能资源 的正负充 放电速率； 为调度时段间隔； 为放电 0/1 变 量，放电时为 1 ； 为充电 0/1 变量，充电时为 1 。 2.2.5 负荷资源约束 可调节负荷资源约束主要包括： 0 ≤ L shed i ≤ L max i (17) L shed i i L max i i 式中： 为可中断负荷 的削减量； 为可中 断负荷 的最大削减量。 2.2.6 备用约束 备用约束主要包括上备用约束、下备用约束、 净负荷跟踪约束，系统预留的向上、向下备用容 量受最大最小出力区间与上下爬坡率的双重约束。 { R t ui ≤ min [ P max G i − P t G i , U R , G i t R ] R t di ≤ min î P t G i − P min G i , D R , G i t R ó } (18) R t ui R t di 式中： 、 分别为各类型可调资源 i 在 t 时刻 的正负备用容量； t R 为备用响应时间，根据可调 资源类型可分为 15 、 30 、 60 min 。 当出现负荷增加或风光出力降低事件时，系 统需要配置足够的上备用来满足缺口需求；而出 现负荷减少或风光出力大发事件时，系统需要配 置足够的下备用来满足缺口需求。新能源预测出 力值与新能源实际出力值之间的差值即为净负荷 偏差，因此需要净负荷跟踪来满足备用需求，净 负荷跟踪约束为 N G ∑ i = 1 R t ui + ∆ L t loss = P t u (19) N G ∑ i = 1 R t di + ∆ N t loss = P t d (20) 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 109 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com ∆ L t loss t P t u t ∆ N t loss t P t d t N G 式中： 为 时刻系统的弃负荷功率； 为 时 刻系统的上备用事件缺额电量， 为 时刻系 统的弃风光功率； 为 时刻系统的下备用事件 缺额电量； 为对应备用响应级别的机组数。 2.2.7 系统运行约束 系统运行约束主要包括功率平衡约束、系统 风险约束等，具体可以表示为 N G ∑ i = 1 P t G i + P t Wf + P t Sf = P t Lf (21) P t G i t P t Wf t P t Sf t P t Lf t 式中： 为 时刻常规机组总出力； 为 时刻 风电日前出力预测值； 为 时刻光伏日前出力 预测值； 为 时刻系统日前负荷预测值。 t L t loss L t loss , max N t loss N t loss , max 设定每个 时刻的期望弃负荷电量 小于系 统允许的最大期望弃负荷电量 ，期望弃风 光电量 小于系统允许的最大期望弃风光电量 ，系统风险约束为 L t loss ≤ L t loss , max (22) N t loss ≤ N t loss , max (23) L t loss N t loss l t u l t d 与 的计算方式如下：若负荷增加或 风光出力降低，上备用无法满足净负荷变化时， 会出现弃负荷现象，这里引入变量 与 ，当预 留备用量能满足净负荷变化量时，不会弃风弃光 与弃负荷，故给出下列表达式： − P t d − R t di N G ∑ i = 1 P max G i ≤ l t d ≤ 1 + − P t d − R t di N G ∑ i = 1 P max G i (24) L t loss = l t d · ( P t d − R t di ) · ∆ t (25) P t u − R t ui N G ∑ i = 1 P max G i ≤ l t u ≤ 1 + P t u − R t ui N G ∑ i = 1 P max G i (26) N t loss = l t u · ( P t d − R t di ) · ∆ t (27) 3 算例分析 3.1 参数设置 本文以改进的 IEEE 39 节点系统进行算例分 析，新能源、负荷预测与实际数据均来源于比利 时电网 Elia 的公开数据集。该系统包含一级调节 资源 5 组、额定容量为 600 MW 的快速燃煤机组 1 组、额定容量为 650 MW 的水电机组 1 组、额 定容量为 500 MW 的燃气机组 1 组、额定容量为 550 MW 的抽蓄电站与短时储能 1 组以及可调容 量共计为 200 MW 的可中断负荷与需求响应 1 组； 二级调节 3 组，含额定容量为 850 MW 的慢速燃 煤 机组 2 组、容 量 共 计为 350 MW 的 长 时 储能 1 组；三级调节 2 组，均为额定容量为 800 MW 联合循环燃气机组。 CVaR 各机组的最大技术出力均为其装机容量，一 级调节资源的上爬坡速率与下爬坡速率比二级调 节资源大，但其成本相应较高，可调范围较小。 二级调节资源相较于三级调节资源与上文同理， 上调、下调备用成本取 1 000 元 /(MW·h) ，弃风电 量惩罚系数取 8 000 元 /(MW·h) ，弃负荷价值因子 取 10 000 元 /(MW·h) ， 的置信度分别取 0.8 、 0.9 、 0.95 进行计算，各机组的运行参数详见附录 表 A1 。 3.2 多时间尺度分解结果 图 2 给出新能源与负荷的预测及实际出力曲 线比较。由图 2 可知，日前预测与实际出力一直 存在差异，且风电预测偏差最大，光伏与负荷预 测偏差相对较小，三者预测偏差共同构成了净负 荷差值，即所需留取的上备用量与下备用量。 根据风电和负荷预测场景，采用互补集合经 验 模 态 分 解 方 法 将 净 负 荷 曲 线 分 解 为 高 频 波动 (15 min 尺度 ) 、中频波动 (30 min 尺度 ) 与低频波 动 (60 min 尺度 ) 。图 3 为年内某典型日的净负荷 曲线多尺度分解结果。 由图 3 可知，不同时间尺度下，不同频段的 波动在单日内存在较大差异，其中高频、中频在 白天时段的波动幅度较大，且中午时段更为明显， 这与光伏出力在中午时段随光照强度剧烈上升， 且预测偏差较大的特性相吻合；受负荷波动影响， 低频波动在上午时段波动较大，深夜波动则较为 平缓。同时，低频波动为弥补净负荷波动的较小 差异，其小幅波动更多，三者频率的波动特性不 同，反映了多时间尺度分量波动的差异性。 3.3 源荷储机组分级备用留取结果 通过优化源荷储协同优化调度模型，将净负 荷多尺度曲线分解分量进行备用留取，此时不同 机组的分级备用留取结果如图 4 所示。 由图 4 可知，燃煤机组由于其调节容量大， 调节速度快，可提供的备用容量大，因此提供了 主要的上备用与下备用留取；联合循环燃气机组 110 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 的可调容量大，但响应速度慢，提供了基础的备 用留取容量；抽蓄与水电机组调节容量中等，但 调节速度快，因此承担了快速短时的备用调节任 务；储能和负荷侧调节由于成本较高，提供的备 用量较少，对于短时大功率波动起到后备出力预 留的作用，当新能源剧烈波动时，可以进行快速 调整出力，以减小弃风光切负荷的风险。当燃煤 机组与燃气机组提供的基础备用容量无法满足系 统总备用要求时，水电、长时储能、抽水蓄能机 0 4 8 12 16 20 24 1600 2000 2400 2800 3200 风电出力 /MW 时间 /h 实际风电 风电预测（日前） 实际负荷 负荷预测（日前） 实际光伏 光伏预测（日前） (a) 风电预测出力与风电实际出力变化 0 4 8 12 16 20 24 时间 /h (c) 预测负荷与实际负荷功率变化 0 4 8 12 16 20 24 时间 /h (d) 净负荷功率随时间变化情况 0 4 8 12 16 20 24 时间 /h (b) 光伏预测出力与光伏实际出力变化 0 800 1600 2400 3200 4000 4800 5600 光伏出力 /MW 6400 7200 8000 8800 9600 负荷功率 /MW 0 800 1600 2400 3200 4000 4800 5600 6400 净负荷功率 /MW 实际净负荷 净负荷预测（日前） 净负荷差值 图 2 新能源与负荷功率预测与实际出力曲线 Fig. 2 Forecasting and actual output curves of renewable energy and load 100 0 −100 10 20 30 40 50 时间 /(×50 min) (a) 高频波动 (15 min) 净负荷曲线 60 70 80 90 功率 /MW 200 0 −200 10 20 30 40 50 时间 /(×50 min) 60 70 80 90 功率 /MW (b) 中频波动 (30 min) 净负荷曲线 300 100 200 −100 0 10 20 30 40 50 时间 /(×50 min) (c) 低频波动 (60 min) 净负荷曲线 60 70 80 90 功率 /MW 图 3 多尺度曲线分量分解结果 Fig. 3 Results of multi-scale curve component decomposition 4 8 12 16 20 24 −300 −200 −100 0 100 200 300 400 500 快速燃煤机组 可中断负荷 短时储能 燃气机组 需求响应 水电机组 抽蓄电站 长时储能 慢速燃煤机组 1 慢速燃煤机组 2 联合循环燃气机组 1 联合循环燃气机组 2 上下备用留取量 /MW 时间 /h 图 4 源荷储机组分级备用留取结果 Fig. 4 Results of hierarchical reserve allocation for source-load-storage units 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 111 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 组将协同补充缺额部分，若仍有缺额则负荷侧响 应进行备用留取响应，因此源荷储多机组的备用 曲线是协同互补的关系。通过源荷储多机组的协 同备用优化，充分发挥源荷储侧各类型的资源特 性进行综合互补运行，促进电力系统上下备用的 优化配置与新能源的出力消纳。 图 5 为本文提出的分级备用 96 时段备用留取 量。由图 5 可知，分级备用留取方法对于时间短、 波动大的系统风险事件能实现备用跟踪效果。在 出力偏差较大时，在系统允许范围内增加备用留 取量，减少系统的弃负荷弃风光量，减低系统应 对大波动风险时的成本；在出力偏差较小时，减 小备用留取量，发电机组可以减小发电成本，实 现更高效率的运行。 4 8 12 16 20 24 −300 −200 −100 0 100 200 300 400 500 备用留取量 /MW 时间 /h 分级 60 min 分级 30 min 分级 15 min −400 −200 0 200 400 600 净负荷差值 净负荷差值 /MW 图 5 分级备用 96 时段备用留取与净负荷差值跟踪 Fig. 5 Tracking results of the reserve margin and net load deviation in the hierarchical reserve allocation for 96 periods 3.4 不同备用方法备用留取量对比 为比较多时间尺度源网荷储的分级备用协同 调度对电力系统运行经济性的影响，本节设计了 5 种不同调度方案进行对比分析。其中，前 2 种 调度方案为传统单一时间尺度调度方案；后 3 种 调度方案为本文提出的分级备用源荷储协同优化 调度方案。具体方案如表 2 所示，经系统优化后 得到不同调度方案下的各部分指标，如表 3 所示。 由表 3 可知，单一调度时间尺度的增加虽然 减少了上备用与下备用的留取成本，但使系统弃 风光与弃负荷成本显著增加，总调度成本也大幅 增加。采用本文提出的分级备用源荷储协同优化 调度后，增加了系统的备用留取量，显著降低了 系统切负荷与弃风光成本。虽然低置信度的多级 备用调度方法仍存在风光利用率不足的问题，但 提高置信度后，弃风光成本有了明显下降。综上， 虽然较高置信度的分级备用调度方法有着较高的 CVaR 成本，总调度成本相较于低置信度的分级 备用调度方法也相对较高，但切负荷与弃风光成 本大幅下降，实现了风险性与经济性的综合考量， 促进了系统备用的优化配置与风光的有效消纳。 各方案的总预留备用量与成本对比如图 6 所 示。由图 6 可知，随着单一调度时间尺度的拉长， 上下备用留取量随之减少，同时由于弃风光与切 负荷量的增加，使总成本随之升高。由于较高置 信度的 CVaR 考虑了调度过程中切负荷弃风光的 更 高 风 险 性，因 此 分 级 备 用 的 总 备 用 留 取 量随 表 2 不同调度方案 Table 2 Different dispatching schemes 方案 调度尺度 置信度 方案 1 30 min — 方案 2 60 min — 方案 3 15 min/30 min/60 min 0.8 方案 4 15 min/30 min/60 min 0.9 方案 5 15 min/30 min/60 min 0.95 表 3 不同调度方案下的系统运行成本 Table 3 System operating cost of different dispatching schemes 万元 运行成本 方案 1 方案 2 方案 3 方案 4 方案 5 上备用成本 3 503.5 2 223.4 3 691.8 3 857.5 3 920.1 下备用成本 952.5 621 1 845.6 1 876.6 1 885.2 弃风光成本 2 668 5 578.6 3 766.9 2 551.6 2 092.2 弃负荷成本 11 498.8 22 204.0 465.3 237.9 175.3 CvaR 成本 0 0 1 361.6 3 713.9 4 680.2 总调度成本 18 622.9 30 627.1 11 131.4 12 237.7 12 753.1 方案 1 方案 2 方案 3 方案 4 方案 5 0 2000 4000 6000 8000 10000 12000 总备用量 /MW 多场景比较 总下备用量 总上备用量 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000 3200 3400 3600 总成本量 总成本量 /(×10 5 万元 ) 图 6 不同方法备用留取量与调度成本 Fig. 6 Results of reserve and scheduling cost of different methods 112 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com CVaR 置信度的升高而增加，同时切负荷弃风光 量由于备用的留取量上升而随之下降，总成本量 呈现增长趋势，但整体仍优于单一调度时间尺度 成本。 各方案的切负荷弃风光量对比如图 7 所示。 由图 7 可知，与方案 1 相比，由于方案 2 将调度 尺度延长到了 60 min ，其对于 1 h 内的净负荷波 动跟踪灵敏度下降，因此弃风光成本与弃负荷成 本显著增加。方案 3 采用分级备用的调度模式， 弃风光损失虽然略有上升，但切负荷损失减少了 95% ；方案 4 将 CVaR 的置信度升高至 0.9 ，弃风 光损失相较于方案 3 减少了 30% ，切负荷损失减 少了 50% ；方案 5 将置信度升高至 0.95 ，相较于 方案 3 弃风光减少了 45% ，切负荷减少了 63% ， 虽然总成本略有上升，但仍始终优于传统单一调 度尺度，采用分级备用源荷储协同优化调度有效 地发挥了系统不同尺度备用资源的调节能力，大 幅减少了系统的弃负荷量，促进了新能源的消纳， 缓解了系统保消纳、保供应的压力。 方案 1 方案 2 方案 3 方案 4 方案 5 0 300 600 900 1200 1500 1800 2100 2400 2700 3000 3300 3600 弃风光量 弃负荷量 弃风光负荷总量 多场景比较 弃风光或弃负荷电量 /(MW·h) 0 600 1200 1800 2400 3000 3600 4200 弃风光负荷总电量 /(MW·h) 图 7 不同方案下弃负荷弃风光电量 Fig. 7 Amount of shedding load as well as wind and solar curtailment of different methods 3.5 不同备用方法备用留取量对比 3.4 节对传统调度方式与结合 CVaR 的多级备 用调度方式的弃风光、弃负荷量与总成本进行了 对比分析，但备用留取量对比不够明显。为了更 加直观地对比本文所提分级备用调度方法相较于 单一时间尺度调度方法在备用利用率上的优越性， 本节计算了不同方案下假定弃风光与切负荷量为 0 时，应留取的理论上下备用量与相应的总成本， 包含理想 30 min 、理想 60 min 与多级调度情况。 计算结果如表 4 和图 8 所示。 由表 4 可知，由于 30 min 尺度下备用需要额 外预留时间，而 60 min 调度尺度的备用预留时间 更长，因此理想 30 min 情况下正负备用留取总量 约为多级备用留取量的 2 倍，理想 60 min 情况下 约为 2.5 倍，总调度成本也均高于多级备用调度 情况。由于单一调度时间尺度预留的备用容量要 远大于实际系统需要，在系统备用容量充足的情 况下对系统影响不大，但当系统可调资源紧缺时， 会产生大量弃风光与弃负荷现象，对系统稳定运 行产生不利影响。而本文提出的多级备用留取方 法在满足系统弃风光、弃负荷为 0 的同时，总调 度成本相较于理想情况下 30 min 调度尺度下降 了 1 117.5 万元，相较于理想情况下 60 min 调度 尺度下降了 3 531.1 万元，使系统备用利用效率得 到了提升，风险与经济综合效益优势更加明显。 4 结论 针对大规模新能源发展带来的不确定性以及 火电发展放缓带来的可调资源紧张新难题，本文 基于互补集合经验模态分解方法，提出了计及多 表 4 不同调度方案下的系统运行指标 Table 4 System performance indices of different schemes 运行指标 单 30 min 理想 30 min 单 60 min 理想 60 min 多级备用 上备用量 / (MW·h) 3 244 2 470.5 10 213 13 378 4 661.32 下备用量 / (MW·h) 882 690 2 433 3 294 2 109.82 弃风光量 / MW 24 255 0 50 715 0 0 弃负荷量 / MW 104 535 0 201 855 0 0 总调度 成本 / 万元 18 622.9 10 948.8 30 627.1 13 362.4 9 831.3 单 30 min 单 60 min 30 min 理想 60 min 理想 多级备用 0 1600 3200 4800 6400 8000 9600 11200 12800 14400 16000 17600 总留取电量 /(MW·h) 多场景比较 向下留取电量 向上留取电量 800 1200 1600 2000 2400 2800 3200 3600 总成本量 总成本量 /(×10 5 元 ) 图 8 理想状况下各方法备用留取量 Fig. 8 Reserve margins of different methods under ideal conditions 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 113 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 类型源荷储可调资源和条件风险价值的分级备用 协同优化模型和方法，得到结论如下： 1 ）根据水、火、储能等多类型可调资源的 特点，从电源侧、负荷侧和储能三部分着手构建 分级备用优化调度模型，实现多类型可调资源间 的协同备用优化。 2 ）相较于传统单一调度模式的备用留取方 法，本文所提方法能更有效地应对风光预测波动， 在提升系统供电可靠性与新能源消纳能力方面作 用显著，可满足大规模新能源接入下的调度决策 要求。 3 ）在 源 荷 储 协 同 优 化 调 度 的 基 础 上 引入 CVaR ，利用 CVaR 衡量系统弃风光、弃负荷不确 定性带来的风险损失，通过对不同风险厌恶程度 进行仿真，验证了所提模型对备用优化的合理性 和有效性。 （本刊附录请见网络版，印刷版略） 参考文献 国家能源局 国家能源局关于 2022 年度全国可再生能源 电力发展监测评价结果的通报 [EB/OL]. (2023-11-10). http://zfxxgk.nea.gov. cn/2023-09/07/c_1310741874.htm. [ 1 ] 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. SHU Yinbiao, ZHANG Zhigang, GUO Jianbo, et al . Study on key factors and solution of renewable energy accom- modation[J]. Proceedings of the CSEE, 2017, 37 （ 1 ） : 1−9(in Chinese). [ 2 ] 石剑涛 , 郭烨 , 孙宏斌 , 等 备用市场机制研究与实践综 述 [J]. 中国电机工程学报 , 2021, 41 （ 1 ） : 123−134. SHI Jiantao, GUO Ye, SUN Hongbin, et al . Review of re- search and practice on reserve market[J]. Proceedings of the CSEE, 2021, 41 （ 1 ） : 123−134(in Chinese). [ 3 ] 何永秀 , 陈倩 , 费云志 , 等 国外典型辅助服务市场产品研 究 及 对 中 国 的 启示 [J]. 电 网 技 术 , 2018, 42(09): 2915- 2922. HE Yongxiu, CHEN Qian , FEI Yunzhi, et al . Typical for- eign ancillary service market products and enlightenment to China[J]. Power System Technology, 2018, 42(09): 2915- 2922(in Chinese). [ 4 ] 国家能源局 国家能源局关于发布 2023 年煤电规划建设 风险预警的通知 [EB/OL]. (2023-11-10)[2023-11-14]. ht- tp://www.nea.gov.cn/2020-02/26/ c_138820419.htm. [ 5 ] 蔡帜 , 戴赛 , 崔晖 , 等 区域电网的分省备用容量留取方 案 ( 一 ): 机制设计 [J]. 中国电机工程学报 , 2023, 43 （ 1 ） : [ 6 ] 61−70. CAI Zhi, DAI Sai, CUI Hui, et al . Configuration scheme of provincial reserve capacity in regional power grid (Part I): mechanism design[J]. Proceedings of the CSEE, 2023, 43 （ 1 ） : 61−70(in Chinese). 程定一 基于空调负荷建模的源 - 荷协同备用优化配置研 究 [D]. 济南 : 山东大学 , 2019. CHENG Dingyi. Studies on co-optimization of reserve al- location for supply/demand sides based on modeling of air conditioning loads[D]. Jinan: Shandong University, 2019(in Chinese). [ 7 ] 李伟 含新能源的电力系统多种备用协调优化研究 [D]. 北京 : 华北电力大学 , 2022. LI Wei. Research on coordination and optimization of mul- tiple reserves in power system with renewable energy[D]. Beijing: North China Electric Power University, 2022(in Chinese). [ 8 ] 陶仁峰 , 李凤婷 , 李燕青 , 等 基于系统频率响应特征的电 网广义旋转备用优化配置 [J]. 电力系统自动化 , 2019, 43 （ 09 ） : 82−91. TAO Renfeng, LI Fengting, LI Yanqing, et al . Optimal configuration of generation spinning reserve for power grid based on characteristics of system frequency response[J]. Automation of Electric Power Systems, 2019, 43 （ 09 ） : 82−91(in Chinese). [ 9 ] 孙维佳 , 王琦 , 汤奕 , 等 考虑气热惯性的综合能源系统备 用配置方案 [J]. 电力系统自动化 , 2021, 45 （ 15 ） : 11−20. SUN Weijia, WANG Qi, TANG Yi, et al . Reserve alloca- tion scheme of integrated energy system considering gas and thermal inertia[J]. Automation of Electric Power Sys- tems, 2021, 45 （ 15 ） : 11−20(in Chinese). [ 10 ] FENG S, CHENG H, WANG Z, et al . Partitioning method of reserve capacity based on spectral clustering considering wind power[J]. International Journal of Emerging Electric Power Systems, 2022, 24 （ 2 ） : 173−181. [ 11 ] 包江民 , 刘德伟 , 耿天翔 , 等 考虑风功率预测误差相关性 的 旋 转 备 用 容 量 优化 [J]. 可 再 生 能 源 , 2015, 33 （ 12 ） : 1845−1852. BAO Jiangmin, LIU Dewei, GENG Tianxiang, et al . Spin- ning reserve capacity optimization considering correlations of wind power forecasting errors[J]. Renewable Energy Re- sources, 2015, 33 （ 12 ） : 1845−1852(in Chinese). [ 12 ] 周霞 , 李威 , 唐静 , 等 基于风险量化的事故备用容量协调 分配方法 [J]. 电网技术 , 2015, 39 （ 07 ） : 1927−1932. ZHOU Xia, LI Wei, TANG Jing, et al . Risk quantification based coordinative allocation of emergency reserve[J]. Power System Technology, 2015, 39 （ 07 ） : 1927−1932(in [ 13 ] 114 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com Chinese). BERTSIMAS D, LITVINOV E, SUN X A, et al . Adaptive robust optimization for the security constrained unit com- mitment problem[J]. IEEE Transactions on Power Systems, 2013, 28 （ 1 ） : 52−63. [ 14 ] 梁子鹏 , 陈皓勇 , 雷佳 , 等 考虑风电不确定度的风 - 火 - 水 - 气 - 核 - 抽水蓄能多源协同旋转备用优化 [J]. 电网技术 , 2018, 42 （ 7 ） : 2111−2119. LIANG Zipeng, CHEN Haoyong, LEI Jia, et al . A multi- source coordinated spinning reserve model considering wind power uncertainty[J]. Power System Technology, 2018, 42 （ 7 ） : 2111−2119(in Chinese). [ 15 ] 黄煜 , 徐青山 , 许彪 , 等 采用图割算法的含风电电网动态 分 区 备 用 配置 [J]. 中 国 电 机 工 程 学 报 , 2020, 40 （ 12 ） : 3765−3774. HUANG Yu, XU Qingshan, XU Biao, et al . Graph cut method for dynamic zonal reserve allocation in power grid with wind power integration[J]. Proceedings of the CSEE, 2020, 40 （ 12 ） : 3765−3774(in Chinese). [ 16 ] WEI Wei, LIU Feng, MEI Shengwei, et al . Two-level unit commitment and reserve level adjustment considering large- scale wind power integration[J]. International Transactions on Electrical Energy Systems, 2014, 24 （ 12 ） : 1726−1746. [ 17 ] GöNSCH J, HASSLER M. Optimizing the conditional value-at-risk in revenue management[J]. Review of Mana- gerial Science, 2014, 8: 495−521. [ 18 ] WANG M, WANG J, BAI H, et al . A generation-reserve co-optimization dispatching model for wind power integ- rated power system based on risk reserve constraints[C]//International Conference on Renewable Power Generation (RPG 2015). Beijing, China: IET, 2015. [ 19 ] 王海冰 , 王承民 , 张庚午 , 等 考虑条件风险价值的两阶段 发电调度随机规划模型和方法 [J]. 中国电机工程学报 , 2016, 36 （ 24 ） : 6838−6848. WANG Haibing, WANG Chengmin, ZHANG Gengwu, et al . Two-stage stochastic generation dispatching model and method considering conditional value-at-risk[J]. Proceed- ings of the CSEE, 2016, 36 （ 24 ） : 6838−6848(in Chinese). [ 20 ] TAN Z, WANG G, JU L, et al . Application of CVaR risk aversion approach in the dynamical scheduling optimiza- tion model for virtual power plant connected with wind- photovoltaic-energy storage system with uncertainties and demand response[J]. Energy, 2017, 124: 198−213. [ 21 ] 詹勋淞 , 管霖 , 卓映君 , 等 基于形态学分解的大规模风光 [ 22 ] 并网电力系统多时间尺度灵活性评估 [J]. 电网技术 , 2019, 43 （ 11 ） : 389−901. ZHAN Xunsong, GUAN Lin, ZHUO Yingjun, et al . Multi- scale flexibility evaluation of large-scale hybrid wind and solar grid-connected power system based on multi-scale morphology[J]. Power System Technology, 2019, 43 （ 11 ） : 389−901(in Chinese). 王勇超 , 陈皓勇 , 禤培正 , 等 基于最优场景集的含多类型 电源鲁棒调度 [J]. 电网技术 , 2016, 40 （ 2 ） : 354−362. WANG Yongchao, CHEN Haoyong, XUAN Peizheng, et al . A robust scheduling with multiple types of power sources based on optimal scenario set[J]. Power System Technology, 2016, 40 （ 2 ） : 354−362(in Chinese). [ 23 ] 李欣然 , 邓涛 , 黄际元 , 等 储能电池参与电网快速调频的 自 适 应 控 制 策略 [J]. 高 电 压 技 术 , 2017, 43 （ 7 ） : 2362− 2369. LI Xinran, DENG Tao, HUANG Jiyuan, et al . Battery en- ergy storage systems self-adaptation control strategy in fast frequency regulation[J]. High Voltage Engineering, 2017, 43 （ 7 ） : 2362−2369(in Chinese). [ 24 ] 叶林 , 刘鹏 基于经验模态分解和支持向量机的短期风电 功 率 组 合 预 测 模型 [J]. 中 国 电 机 工 程 学 报 , 2011, 31 （ 31 ） : 102−108. YE Lin, LIU Peng. Combined model based on EMD-SVM for short-term wind power prediction[J]. Proceedings of the CSEE, 2011, 31 （ 31 ） : 102−108(in Chinese). [ 25 ] 收稿日期： 2023−11−14 作者简介： 孟祥飞 (1991) ，男，博士，工程师，研究方向为输电网规 划、人工智能在电力系统中应用， E-mail ： 316327192@qq. com ； 袁振华 (1993) ，男，硕士，工程师，研究方向为输电网规 划， E-mail ： 462004170@qq.com ； 石冰珂 (1993) ，女，硕士，工程师，研究方向为输电网规 划， E-mail ： shibingke_1993@163.com ； 张元欣 (2000) ，男，硕士研究生，研究方向为电力系统调 度与运行分析等， E-mail ： zyxsd2000@outlook.com ； 邱轩宇 (1993) ，男，硕士，工程师，研究方向为输电网规 划， E-mail ： shibingke_1993@163.com ； 刘念 (1981) ，男，博士，教授，研究生导师，研究方向为 智能配用电、信息物理系统、新能源电力系统优化运行等， E-mail ： nianliu@ncepu.edu.cn 。 第 43 卷 第 1 期 孟祥飞等：考虑分级备用的源荷储协同优化调度 115 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com 附录 A 表 A1 机组技术参数 Table A1 Technical parameters of generating units 参数 1 号 2 号 3 号 4 号 5 号 6 号 7 号 8 号 9 号 10 号 p max /MW 600 550 500 200 450 650 850 1 000 1 200 2 000 p min /MW 100 130 300 10 150 200 250 200 300 400 R up / R dn /(MW·min −1 ) 2.35 2.12 1.95 1.5 1.7 1.4 1.3 1.2 1.2 1.1 R up / R dn /(MW·min −1 ) 0.5 1 0.9 1.3 1.4 0.5 1.2 1.15 0.9 0.8 T u /min 120 120 120 120 120 180 180 180 240 240 T d /min 60 60 60 60 60 100 100 100 120 120 116 现 代 电 力 2026 年 2 月 现代电力， 2026 ， 43 （ 1 ） http://xddl.ncepu.edu.cn E-mail:xddl@vip.163.com