随着经济和能源结构的调整优化，电力负荷的峰谷差率不断加大，核电运营面临着参与系统调峰的压力。核电与抽水蓄能联营，一方面核电可减少调峰需求并获得免降出力优先权，提高利用小时数，获得超发电量；另一方面，两者联合运行可参与负荷跟踪。对于电力系统而言，通过核电业主疏导抽水蓄能的容量电费，承担“系统运行费” 中的一部分，有利于降低终端电价。然而，联营模式将使得抽水蓄能向核电让出部分系统调节能力，进而压缩新能源发电的消纳空间。探讨“核蓄”联营可行性不仅要着眼于核电与抽水蓄能两大电源主体，更要从电力系统全局统筹考虑。
《中国电力》2025年第10期刊发了卓定明等撰写的《基于生产模拟与熵权法的“核蓄”联营规划》一文。文章创新性提出“联营配比界定-生产模拟统筹-熵权法比选”三位一体规划方法。从出力等效与经济效益2个维度开展“核蓄”联营的合理配比研究，继而基于8 760 h生产模拟，获取不同联营规模下的系统运行状态，刻画系统发电成本、新能源消纳率、煤电发电量等多元数据，并基于熵权法，客观评估各指标权重，凝聚系统综合评价，获取最优联营规模。
基于生产模拟与熵权法的“核蓄“联营规划
来源：中国电力 作者：卓定明1，杜瑞1，杨远通1，葛海麟1，杨嘉伟2，徐箴箴2，易杨3
1.广东电网有限责任公司惠州惠阳供电局
2.东方电气集团科学技术研究院有限公司
3.福州大学电气工程与自动化学院
摘要
抽水蓄能调峰削谷效果明显，与核电联营能够稳定核电利用小时数，但也将压缩新能源发电的消纳空间。针对这一矛盾，立足于系统效益开展了“核蓄”联营的规划研究。从出力等效与经济效益2个维度界定“核蓄”联营的合理配比。在此基础上，基于8 760 h生产模拟获取不同“核蓄”联营规模的系统发电成本、新能源消纳率、煤电发电量等关键数据画像。基于熵权法赋予关键指标客观权重，将多元数据凝聚为综合评价，准确推荐最优联营规模。结果表明，所建立的分析方法能够满足多指标维度下的“核蓄”联营规划，同时以合理规模开展“核蓄”联营能够获得关键指标约束下的最优综合效益。
01“核蓄”联营合理配比
联营项目出力特性可与煤电机组等效，出力等效包含“发电能力一致”和“调峰能力一致”2个方面。出力等效原则为
式中：Cn、Cp和Cc分别为系统新增的核电、抽水蓄能、煤电的装机规模； Mn、Mp和Mc分别为系统新增的核电、抽水蓄能、煤电装机的最大出力系数；Sn、Sp和Sc分别为系统新增的核电、抽水蓄能、煤电的下调深度系数。
求得联营容量配比为
核电、抽水蓄能最大出力系数均按100%考虑，核电一般不参与调峰、抽水蓄能具备双向调峰能力，因此Mn=1、Mp=1、Sn=0、Sp=2，代入式（2），则有
《全国煤电机组改造升级实施方案》指出，新建煤电机组纯凝工况调峰能力的一般化要求为最小发电出力达到35%额定负荷，采暖热电机组调峰能力为力争实现单日6 h最小发电出力达到40%额定负荷。按照煤电机组最大技术出力100%、调峰深度60%考虑，则“核蓄”联营的容量比例为2.33∶1，120万kW核电配建52万kW抽水蓄能如图1所示，等效调峰性能越好，所需抽水蓄能规模越大。
图1 120万kW核电所需配建抽水蓄能规模
Fig.1 The scale of pumped storage required for 1 200 MW nuclear power
在现有电力市场下，配建抽水蓄能的核电共计能够获得3部分收入：1）可以获得抽水蓄能发电电费收入（抽水电量由核电增发电量提供）；2）能够在调频辅助服务市场中获得盈利；3）能够减轻或免除其在调峰辅助服务市场中的考核费用。另一方面，核电也须承担抽水蓄能容量电费。“核蓄”联营效益分析模型为
式中：f为“核蓄”联营增量收益；m1为抽水蓄能发电上网电价；m2为核电配建抽水蓄能后在调峰市场的免考核度电收益；m3为核电配建抽水蓄能在调频市场获取的度电收益；m4为配建抽水蓄能单位容量电费；X为配建抽水蓄能装机容量；T为配建抽水蓄能发电利用小时。
“核蓄”联营增量效益为0时，核电配建抽水蓄能收益能够覆盖抽水蓄能建设成本（已考虑抽水蓄能合理内部收益率）。配建抽水蓄能发电利用小时数为
以沿海某省为分析对象，获取对应的m1~m4值，可得核电配建抽水蓄能发电利用小时数应达到1 563 h。抽水蓄能的抽水电量来自核电的增发电量，因此核电可增发电量应大于抽水蓄能抽水电量，即
式中：Z为核电装机容量；ΔT为核电站最大可增发利用小时数；β为配建抽水蓄能发电效率。
求得核电、抽水蓄能装机容量比值约束为
随着新能源的大规模增长，为保障新能源消纳率，将迫使核电参与系统调峰，核电利用小时数存在逐年走低的趋势。根据部分核电接入系统设计报告，“十五五”期间核电运行小时数按7 000 h考虑，将此作为2030年核电利用小时数的基准。联营模式下，核电业主通过配建抽水蓄能承担了系统的调峰义务，相较于独立运行的核电，应获得一定的利用小时数保障。沿海某省近几年核电最高年利用小时数为7 700 h，将此作为联营下核电利用小时数的上限（不同区域不同发展阶段下，核电利用小时数浮动较大，该数值可根据具体分析对象灵活调整）。由此取ΔT为700 h、T为1 563 h、β为0.8（广东惠州蓄能水电厂全年综合能效可达79.7%，该数值可根据不同区域实际情况选取），求得“核蓄”容量比应大于2.8∶1，即每120万kW核电配建抽水蓄能规模不得超过43万kW，否则将导致整体经济效益下降。
综合上述分析，在保障“核蓄”联营获得经济效益的前提下，尽可能高的抽水蓄能规模最有利于提升“核蓄”电源的调节能力。因此按2.8∶1配比进行配置，等效下调深度为52.6%的煤电。
02基于生产模拟的多元数据刻画
“核蓄”联营将对整个电力系统的供需平衡带来影响，影响包括煤电、气电等调峰电源利用小时数、新能源发电消纳率、系统发电成本等关键指标。为支撑规模优化研究，引入“核蓄”联营约束条件，基于时序生产模拟法刻画系统多元数据。
以新能源消纳率最高为优化目标，即
式中：I为风电场总数；J为光伏电场总数；F为优化函数；Pw_i(t)为第i个风电场在t时刻的出力；Ps_j(t)为第j个光伏电场在t时刻的出力。
不考虑区外电网联络下，电力平衡约束表示为
式中：Pc(t)、Pg(t) 、Ph(t) 、Pp(t) 、Pn(t) 、Pw(t) 、Ps(t)分别为煤电、气电、水电、抽水蓄能、核电、风电、光伏在t时刻的出力；Pl(t)为t时刻负荷需求。
备用容量约束为
式中：Sp_b为第b日备用电源容量；Plmax_b为第b日负荷峰值；k1、k2分别为系统热备用率和冷备用率。
煤电机组出力约束与带负荷速率约束为
式中：Pc_n(t)为t时刻第n台煤电机组的出力；Pcmin_n、Pcmax_n分别为第n台煤电机组的出力下限与上限；Pcp_n、Pcd_n分别为第n台煤电机组的上、下爬坡速率。
水电机组的出力约束与煤电类似。抽水蓄能机组处于发电或抽水工况，需满足的库容约束为
式中：Ep(t)为t时刻抽水蓄能电站的上库容；Ppd_m(t)、Ppg_m(t)分别为t时刻第m台抽水蓄能机组的抽水、发电功率；λd、λg分别为抽水蓄能机组的抽水效率与发电效率；Ep_min、Ep_max分别为抽水蓄能电站的上库容下限与上限，生产模拟中采用日调节循环方式；Q为抽水蓄能机组数量。
核电利用小时数以7 000 h为基准，按照第二节推导的联营配比，参与联营核电的利用小时数增加至7 700 h，即
式中：Tn为核电平均利用小时数；Wnc为联营核电装机规模；Wn为系统核电装机规模。
为较好模拟区域特性，采用近5年风电、光伏出力系数曲线求平均值，并基于电源装机规划预测水平年风电、光伏装机规模，将两者相乘获取生产模拟中的风电、光伏出力曲线；采用近5年全社会负荷需求归一化曲线求平均值，并基于全社会负荷需求发展趋势预测水平年的最大负荷，将两者相乘获取生产模拟中的负荷需求曲线。
以沿海某省2 030年为分析水平年，在预测电源装机与负荷需求不变情况下，设置8种 “核蓄”联营规模，具体生产模拟方案如表1所示。方案1中，核电与抽水蓄能独立运行，作为参照组。
表1 不同“核蓄”联营规模生产模拟方案
Table 1 Production simulation schemes under different "nuclear-pumped storage" combined operation scales
通过输入风电、光伏、水电等出力特性曲线以及负荷预测曲线，以电源特性与电力供需平衡关系为约束，以新能源消纳率为优化目标，模拟全年电源机组运行情况，获得的2 030年常规电源利用情况如表2~3所示。随着“核蓄”联营规模的不断增大，核电利用小时数不断提升，抽水蓄能得益于捆绑后的抽发电量保障，发电利用小时数逐渐增加，煤电由于增发的核电压缩了发电空间，利用小时数逐渐减少，气电为了补充系统调节灵活性，利用小时数逐渐增加。
表2 2030年常规电源利用小时数
Table 2 Conventional power utilization hours in 2030
表3 2030年常规电源发电量
Table 3 Conventional power generation in 2030
2030年新能源利用情况如图2所示。“核蓄”联营规模的不断增大提高了核电的利用小时数，挤压了新能源消纳空间，使得风电与光伏发电量逐渐降低，新能源消纳率从99.86%逐渐下降至98.75%。同时，新能源消纳率的下降速率逐渐增大，根源在于可供新能源发电利用的抽水蓄能规模已退出边际效应区间，对新能源消纳能力的影响逐步提高。文献[7]以陕西省电网为研究对象，也发现了较为明显的新能源消纳边际效应。因此，“核蓄”联营规模需要保持在合理范围，避免产生显著的负面效应。方案8的新能源消纳水平较高，弃风主要发生在负荷较低且风电大发时段。
图2 核电利用小时数与新能源消纳率的关系
Fig.2 The relationship between nuclear power utilization hours and renewable energy consumption rate
联营方案对系统发电成本也存在显著影响。由于不同联营方案下水电发电量基本保持一致，因此仅考虑其余电源的生产模拟结果，采用平准化度电成本，获取系统发电成本如表4所示。由表4可知，随着“核蓄”联营规模的不断扩大，核电增发电量不产生额外成本，虽然新能源弃电成本与气电发电成本不断提高，但得益于煤电发电成本的节约，总体上系统发电成本逐渐走低。
表4 不同“核蓄”联营规模方案系统发电成本
Table 4 Power generation cost under different "nuclear-pumped storage" combined operation scales
生产模拟获取的大量数据中，煤电发电量主导系统碳排放，新能源消纳率影响可再生能源消纳权重，系统发电成本则体现社会用能经济性。因此选取这3个关键指标展开联营规模的综合评价。
03基于熵权法的联营规模优化
3.1 熵权法模型
对于多指标综合评价问题，如何避免主观因素对评价权重的过度影响，从而客观地显示各评价指标的权重是关键。熵权法不引入决策者的主观判断，可避免主观因素对结果的影响。熵值法是以评价对象指标数据的变异幅度为依据确定权重值的客观赋权法，其基于差异驱动原理，着重突出指标值间的局部差异，直接利用决策矩阵对所给出的评价指标计算权重，总共分为6个步骤。
1）同趋势化。设用m个评价指标决策n1个待选方案，Xij为待选方案i的评价指标j的估计值，Xb_j为评价指标j的理想值，Xb_j值的数量级大小随评价指标特性不同而异。对于收益性指标，Xb_j越大越好；对于损失性指标，Xb_j越小越好。定义Xij与Xb_j之比为Xij对于Xb_j的接近度Dij。
2）归一化处理。将Dij进行归一化处理，即
式中：pij为归一化接近度。
3）计算指标信息熵。指标信息熵的定义为
式中：Ej为评价指标j的信息熵；K为常数，取值为1/ln(n1)。
信息熵的取值范围在0到1之间。当某个评价指标下的各方案贡献度趋于一致时，Ej趋于1；完全一致时，则不考虑该评价指标在决策中的作用，该评价指标权重为零。
4）计算信息熵冗余度。冗余度的计算方法为
式中：dj为评价指标j的信息熵冗余度，当dj=0，第 j 评价指标可以剔除。
5）计算各评价指标权重。将各评价指标冗余度除以冗余度总和即可得出对应的权重，即
式中：Wj为评价指标j的参考权重。
6）计算待选方案的贴合度。对于待选方案i，定义所有评价指标的接近度与理想接近度差的加权和Si为贴合度，即
式中：Pb_j为评价指标j的理想接近度，取值为pij中的最大值。
显然，Si最小的待选方案更接近理想方案，根据Si值就可对待选方案进行排序。
3.2 联营方案比选
根据上述建模流程，采用煤电发电量、新能源消纳率、系统发电成本3个评价指标对8种联营方案展开综合评价。其中煤电发电量与系统发电成本为损失性指标，采用倒数化处理，新能源消纳率为收益性指标，采用正向化处理。各指标的理想接近度、信息熵、信息冗余度、权重如表5所示，3个指标的权重基本相当，说明三者对系统效益的影响力度基本一致。
表5 熵权法模型关键值
Table 5 Key values of entropy weight method
各联营方案比选结果如图3所示，方案7呈现出最优的贴合度，推荐系统按该方案开展“核蓄”联营，即为720万kW核电配套258万kW抽水蓄能。方案8虽然在碳排放量与系统发电成本上具备微弱优势，但捆绑过多的抽水蓄能对新能源消纳的负面影响开始凸显，总体贴合度不如方案7。
图3 各联营方案比选结果
Fig.3 Comparison results of combined operation schemes
04结论
本文从出力等效与经济效益2个维度开展“核蓄”联营合理配比研究，推荐按2.8∶1配比形成等效调峰深度为52.6%的灵活性调节电源。构建了计及“核蓄”联营约束的生产模拟模型，定量刻画了系统关键指标。基于熵权法模型，客观赋予多元指标参考权重，得到最优联营规模，得出以下结论。
1）构建了生产模拟与熵权法比选相结合的分析方法，能够测算并综合煤电发电量、新能源消纳率、系统发电成本等关键指标，进而对“核蓄”联营的最优规模进行高效求解。
2）相较于未开展联营的基础方案，通过将720万kW核电与258万kW抽水蓄能捆绑开展联营，能够降低系统发电成本0.6%，减少碳排放0.4%，新能源消纳率降幅低于0.7%，从而获得较高的综合社会效益。
后续需要进一步将碳税、新能源消纳考核、联络线功率约束等多元数据纳入研究，从而获得更为全面的规划结果。
