张 劲，熊国江，邹晓松，袁旭峰

（贵州大学电气工程学院，贵州省贵阳市550025）

0 引言

近年来，可再生能源增长迅速［1］，在减少碳排放、降低环境污染的同时，可再生能源入网带来的不确定性也给电网的安全经济运行带来诸多影响。可再生能源并网的研究集中于风电和光伏，对径流式小水电并网考虑较少。径流式小水电因为其投资少、建设周期短等优点获得了飞速的发展［2-3］，目前装机容量约占中国水电的30%，是电力工业的重要组成部分。然而径流式小水电出力不确定性较大，对电力系统稳定运行有很大影响，因此将其纳入多目标环境经济调度（multiobjective economicenvironmental dispatch，MOEED）问题的研究有重要意义。

针对可再生能源出力的不确定性建模，文献［4］考虑了弃风成本，并采用分散随机优化方法解决风电出力随机的影响；文献［5］采用模糊聚类建立风电场景模拟风电出力，但该方法主观性较大；文献［6］通过随机规划法调节控制多种系统，虽然可以得到数学期望意义下的最优调度，但计算量较大；文献［7］采用鲁棒优化法处理不确定性，但只考虑最差的场景，具有较大的保守性；而场景法［8］随着抽样场景的增多，计算量也会变大。以上文献并没有考虑对可再生能源的控制因素，不能很好地全面评估可再生能源对电力系统成本的影响。因此本文考虑将可再生能源出力的低估以及高估带来的惩罚成本与储备成本适当地添加到发电成本中来处理可再生能源的不确定性。

对于MOEED 问题的求解，启发式算法更具有优势［9］，目前已经有粒子群优化算法［10-12］、深度学习强化算法［13］、遗传算法［14］、微分进化算法［15］等。……