作为一种主要的清洁能源形式，水电以其高调节能力、运行灵活性和环境可持续性而著称[1]。在碳中和的背景下，近年来可再生能源发电量稳步增长，导致新兴电力系统对灵活性需求增加。由于水电的卓越性能，它在能源转型中发挥着关键作用[2]。在水电领域，流域内的水库至关重要。流域内的水电水库必须致力于提高水资源利用效率并确保可靠的电力供应[3]，[4]。
在以水电为主的电力系统中，管理和运营水电水库对于保障能源供应和维持水资源利用至关重要。此前已经应用了多种水库运行策略，包括规则曲线、优化模型和基于模拟的程序。为了克服传统方案的结构限制，通过将环境流量量化为嵌入传统运行曲线中的可操作控制线，改进了生态和社会经济目标的协调[5]。与这些结构改进并行的是，解决流量不确定性仍然至关重要；已经引入了随机控制方法，以在不确定性预测下为多水库系统制定最优周策略[6]。此外，提高模拟精度对于验证这些策略至关重要。关于智能模型的比较研究表明，长短期记忆（LSTM）网络在捕捉多个时间尺度上的水库出流动态方面具有更高的效率[7]。除了这些建模进展外，优化算法本身的性能也是一个关注点。比较评估表明，如梯度进化算法（Gradient Evolution algorithm）等进化技术可以可靠地获得接近全局的最优解，优于传统的数学方法[8]。为了进一步解决多水库系统的计算复杂性，算法改进集中在平衡搜索机制上。例如，优化全局搜索和局部搜索之间交互的策略——以影响花授粉算法（Influential Flower Pollination Algorithm，IFPA）为例——已被证明在推导最优运行规则方面具有更高的准确性和效率[9]。在这些策略中，运行规则因其简单性、可解释性和低计算要求而特别适用于长期规划[10]，[11]，[12]。
常用的规则是蓄水量目标规则，它根据历史流量和运行经验设定月末的蓄水量。随着算法技术的进步，它们变得越来越不可或缺，因为它们显著提高了决策精度，并在复杂、高度动态的条件下增强了水库调度的鲁棒性[13]。为了追求最优的确定性运行，统计方法如贝叶斯模型平均法（Bayesian model averaging）已被用于从历史数据中推导规则，其性能优于传统基准[14]。通过将确定性优化与线性拟合相结合，进一步了解了规则动态，揭示了在流量变化情景下运行规则的峰值敏感性[15]。然而，推导出的规则仍然是静态的，无法应对环境变化，因此缺乏灵活性。为了解决这种刚性，最近的研究转向了自适应和非线性策略。已经建立了确定自适应运行规则的策略，以更好地减轻多水库系统中流量变化的长期影响[16]。同时，为了捕捉复杂系统行为，已经部署了先进的算法来提取非线性运行规则。这些非线性方法在精度上显示出显著改进，与最先进的方法相比，发电量大幅增加[17]。尽管这些规则对基准规划有效，但它们在决策过程中往往忽略了当前的水文和系统状态，限制了它们适应变化条件的能力。
为了评估运行策略的有效性，通常会应用关键性能指标，如供应可靠性、能源产量[18]、脆弱性和弃电量[19]。然而，许多研究采用月度或季节性时间步长，没有考虑发电量和电力需求的短期每小时动态，从而忽略了实时系统整合的关键方面[21]。在长期规划中忽略短期条件可能导致评估指标被夸大，从而得出超出系统实际性能的结果。一些最近的研究试图通过将每小时电力平衡纳入长期模拟中来弥合这一差距，从而在现实负载模式下更详细地评估运行可行性[22]，[23]。然而，这些研究通常被构建为确定性优化问题，其中假设流量是完全已知的。流量预测是一个关键参数，它直接影响水库运行规则的制定和实施[24]。这种假设在实践中往往是不可行的，特别是在水文状况高度不确定或多变的地区[25]。
在不确定性下的长期规划中，基于状态的运行规则通过多年模拟进行校准，提供了更现实的替代方案。它们允许决策根据当前的蓄水量和流量状态动态响应，而无需完美的预测。然而，将每小时平衡纳入数十年的模拟仍然计算密集，特别是对于大规模的梯级系统。这需要更高效的模拟工具和规则结构，以在运行现实性和计算可行性之间取得平衡。
另一个关键挑战是高效地识别和选择能够平衡竞争目标的非支配运行规则。虽然多目标优化方法（如NSGA-II[26]）在生成多样化的解决方案集方面有效，但实际实施仍需要决策者选择单一的运行规则。在多目标算法中有多种方法可以选择最终的可实施解决方案。分析层次过程（Analytic Hierarchy Process，AHP）[27]可以完全反映决策者的个人偏好，但主观选择会大大影响结果；相似于理想解决方案的排序偏好技术（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）[28]基于数据本身进行分析，但无法反映决策者的主观倾向。为了解决这个问题，需要一种系统的过滤策略来支持这一选择过程，特别是在目标冲突的情况下，如发电量最大化与脆弱性最小化。
本研究将通过提出一种基于状态依赖性的、季节性自适应的运行规则框架来解决这些挑战，该框架将同时考虑四个关键性能标准：可靠性、发电量、弃电量和脆弱性。与规定静态月末水平的传统蓄水量目标规则不同，所提出的方法将动态响应当前的水库状态和季节性水文条件，从而在长期运行规划中提高灵活性和现实性。将使用多目标进化算法（NSGA-II）来探索非支配运行规则（NDORs）的帕累托前沿，并使用超体积（HV）[29]作为定量指标来评估优化过程中的收敛性和多样性。为了在目标冲突的情况下促进决策，将引入一种新的基于优先级的过滤和降维策略，以将帕累托前沿缩小到平衡的、实际可行的规则，该规则既反映了工程判断也反映了运行优先级。
此外，本研究将通过将月度规模运行与每小时电力平衡相结合，将长期规划与短期运行现实性结合起来，这是以往工作中很少涉及的，以往的研究通常假设流量预测是完美的。将开发两种调度策略：一种基于Gurobi的调度程序（GSP）用于高保真优化，以及一种启发式比例方法（HPM）用于高效削峰，无需依赖商业求解器，从而显著减少计算负担，同时保持接近最优的性能。
本研究的目标是：（1）开发一个月-小时耦合的梯级水电运行规则模型，通过考虑日负荷跟踪行为来减少对长期性能的高估；（2）引入一种基于优先级的过滤策略，以识别反映目标冲突之间的权衡的平衡NDORs；（3）建立一种启发式削峰方法（HPM）以大幅提高计算效率；（3）通过50年连续模拟小湾-怒扎渡梯级水电站来证明该框架的可行性，从而验证其在实际条件下的应用潜力。
本文的其余部分组织如下：第2节介绍集成模拟框架。第3节介绍运行规则结构、NSGA-II优化和过滤方法。第4节描述案例研究设置。第5节总结关键发现并概述未来工作的方向。
