欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文内容如下⛳️赠与读者‍做科研涉及到一个深在的思想系统需要科研者逻辑缜密踏实认真但是不能只是努力很多时候借力比努力更重要然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览免得骤然跌入幽暗的迷宫找不到来时的路它不足为你揭示全部问题的答案但若能解答你胸中升起的一朵朵疑云也未尝不会酿成晚霞斑斓的别一番景致万一它给你带来了一场精神世界的苦雨那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。或许雨过云收神驰的天地更清朗.......第一部分——内容介绍风光负荷不同鲁棒性对系统总成本的影响研究考虑上下备用容量摘要随着“双碳”目标持续推进风电、光伏等可再生能源在电力系统中的装机占比快速提升其出力的间歇性、波动性与负荷预测偏差共同构成系统强不确定性对系统安全经济运行提出严峻挑战。鲁棒性作为衡量系统抵御不确定性扰动能力的核心指标风光负荷的鲁棒性差异直接影响系统备用容量配置与总成本管控。本文在明确风光负荷不确定参数定义的基础上开展不确定参数敏感性分析重点探究风光负荷不同鲁棒性水平对系统总成本的影响机制同时纳入系统向上备用容量应对风光出力不足、负荷突增与向下备用容量应对风光出力过剩、负荷突降的约束揭示鲁棒性提升与备用容量配置、系统总成本之间的内在关联为含高比例可再生能源电力系统的鲁棒性优化与成本管控提供理论支撑与决策依据。研究表明风光负荷鲁棒性与系统总成本呈现非线性关联合理提升鲁棒性可降低极端场景下的运行损失但过度追求鲁棒性会导致备用容量配置冗余推高系统总成本上下备用容量的合理匹配的可有效平衡鲁棒性与经济性实现系统总成本最优。关键词风光负荷鲁棒性系统总成本向上备用容量向下备用容量敏感性分析1 绪论1.1 研究背景与意义全球能源转型进程加速风电、光伏等可再生能源凭借清洁低碳的优势已成为电力系统能源结构转型的核心支撑。然而风光能源天然依赖气象条件出力具有显著的随机性、间歇性与反调峰特性同时负荷需求受社会生产、居民生活、极端天气等多重因素影响存在预测偏差二者叠加使得系统运行的不确定性显著增强。传统确定性调度方法未充分考虑极端波动场景下的运行风险易导致系统备用不足、弃风弃光加剧、供电可靠性下降或运行成本攀升等问题严重威胁系统安全稳定运行。鲁棒性作为电力系统应对不确定性扰动的核心能力其水平直接决定系统抵御风光出力波动与负荷偏差的能力。风光负荷的鲁棒性差异会直接影响系统备用容量的配置策略——向上备用容量需满足风光出力骤降、负荷突增时的供电需求向下备用容量需应对风光出力骤增、负荷突降时的功率平衡需求而备用容量的配置成本是系统总成本的重要组成部分。因此系统探究风光负荷不同鲁棒性对系统总成本的影响结合不确定参数敏感性分析与上下备用容量约束明确鲁棒性提升与成本管控的平衡机制对于优化含高比例可再生能源电力系统的运行策略、降低系统运行成本、提升系统安全可靠性具有重要的理论价值与工程应用意义。1.2 国内外研究现状当前国内外关于风光负荷不确定性与系统成本的研究已取得一定进展。在不确定性调度领域现有方法主要分为随机规划、鲁棒优化、机会约束规划以及混合优化方法其中鲁棒优化以最坏场景为基准追求最差情况下的可行性决策偏保守但可靠性高已成为应对风光负荷不确定性的主流方法之一。在风险度量方面条件风险价值CVaR作为一致性风险度量工具被广泛应用于电力系统调度中可有效量化极端场景下的尾部损失为鲁棒性优化提供支撑。在备用容量研究方面现有成果主要聚焦于备用容量的优化配置方法重点分析备用容量与系统可靠性、运行成本的关系明确了上下备用容量的配置原则与定价机制但多数研究未充分结合风光负荷鲁棒性的差异对鲁棒性变化引发的备用容量调整及成本波动的研究不够深入。在敏感性分析方面部分研究采用全局灵敏度分析、确定性偏移分析等方法探究风光出力、负荷等参数波动对系统运行的影响但针对风光负荷鲁棒性这一综合指标的敏感性分析较为匮乏未能明确鲁棒性水平与系统总成本之间的量化关联及影响规律。综上现有研究仍存在不足一是未系统揭示风光负荷不同鲁棒性水平对系统总成本的影响机制缺乏鲁棒性与上下备用容量、系统总成本的协同分析二是对风光负荷不确定参数的敏感性分析不够全面未能明确关键不确定参数对鲁棒性与成本关联关系的调节作用。本文针对上述不足聚焦风光负荷鲁棒性差异结合上下备用容量约束与不确定参数敏感性分析深入探究其对系统总成本的影响填补现有研究空白。1.3 研究内容与技术路线本文以含高比例风光能源的电力系统为研究对象围绕风光负荷不同鲁棒性对系统总成本的影响展开研究具体研究内容如下一是明确风光负荷不确定参数的定义与表征方法界定鲁棒性的评价标准二是开展不确定参数敏感性分析识别影响系统鲁棒性与总成本的关键参数三是构建考虑上下备用容量约束的系统总成本核算体系探究风光负荷不同鲁棒性水平对系统总成本的影响规律四是总结鲁棒性、备用容量与系统总成本的平衡策略提出优化建议。技术路线为首先梳理风光负荷不确定性特征与鲁棒性相关理论定义不确定参数并明确鲁棒性评价标准其次开展不确定参数敏感性分析识别关键影响参数然后构建考虑上下备用容量的系统总成本核算框架分析不同鲁棒性水平下的成本变化规律最后总结研究结论提出针对性优化策略形成“理论铺垫—参数分析—规律探究—结论建议”的完整研究体系。2 相关理论基础与参数定义2.1 风光负荷鲁棒性内涵风光负荷鲁棒性是指电力系统在风光出力波动、负荷需求偏差等不确定性扰动下维持系统功率平衡、保证供电可靠性、避免出现重大运行损失的能力其核心表征为系统应对不确定性的抗干扰能力与恢复能力。风光负荷鲁棒性水平越高系统在极端场景如风光出力骤降、负荷突增下的运行稳定性越强出现弃风弃光、供电缺口的概率越低但往往需要配置更多的备用容量导致系统成本增加反之鲁棒性水平越低系统应对不确定性的能力越弱极端场景下的运行损失越大但备用容量配置成本较低系统初始成本相对较低。本文将风光负荷鲁棒性划分为三个等级以明确不同鲁棒性水平的差异低鲁棒性系统仅能应对小幅风光出力波动与负荷偏差极端场景下易出现供电缺口或弃风弃光备用容量配置不足、中鲁棒性系统可应对中等幅度的不确定性扰动能够通过合理的备用容量配置维持功率平衡运行损失与备用成本处于合理区间、高鲁棒性系统可应对大幅风光出力波动与负荷偏差极端场景下运行稳定性高备用容量配置充足运行损失极低。2.2 风光负荷不确定参数定义风光负荷的不确定性主要来源于风电出力、光伏出力与负荷需求三个方面结合现有研究与工程实际明确各不确定参数的定义与表征方式如下为后续敏感性分析与鲁棒性影响研究奠定基础2.2.1 风电出力不确定参数风电出力不确定性主要源于风速的随机性与波动性核心不确定参数为风电出力预测偏差ΔPw定义为风电实际出力与预测出力的差值即ΔPw Pw,actual - Pw,predicted。其中Pw,actual为风电实际出力受风速、风向、空气密度等气象因素影响呈现间歇性波动特征Pw,predicted为风电预测出力基于历史气象数据与预测模型得到存在一定的预测误差。ΔPw的取值范围可通过历史数据统计得到正偏差表示风电实际出力高于预测出力可能导致系统功率过剩负偏差表示风电实际出力低于预测出力可能导致系统功率不足需要启动向上备用容量。2.2.2 光伏出力不确定参数光伏出力不确定性主要源于太阳辐射强度的随机性核心不确定参数为光伏出力预测偏差ΔPs定义为光伏实际出力与预测出力的差值即ΔPs Ps,actual - Ps,predicted。其中Ps,actual为光伏实际出力受太阳辐射强度、云层覆盖、温度等因素影响具有显著的昼夜周期性与气象敏感性在多云、阴雨天气下波动剧烈Ps,predicted为光伏预测出力基于太阳辐射预测数据得到。ΔPs的正负偏差影响与风电出力预测偏差一致直接影响系统功率平衡与备用容量需求。2.2.3 负荷需求不确定参数负荷需求不确定性主要源于社会生产、居民生活、极端天气等因素的波动核心不确定参数为负荷预测偏差ΔPl定义为实际负荷需求与预测负荷需求的差值即ΔPl Pl,actual - Pl,predicted。其中Pl,actual为实际负荷需求受季节、节假日、气温等因素影响存在峰谷波动特征Pl,predicted为预测负荷需求基于历史负荷数据与负荷特性模型得到。ΔPl为正时表示实际负荷高于预测负荷需启动向上备用容量为负时表示实际负荷低于预测负荷需启动向下备用容量避免功率过剩。2.3 系统上下备用容量定义与配置原则结合电力系统运行需求与相关政策要求明确系统向上备用容量与向下备用容量的定义及配置原则确保备用容量与风光负荷鲁棒性水平相匹配实现系统安全性与经济性的平衡。2.3.1 向上备用容量向上备用容量Rup是指系统为应对风光出力骤降、负荷突增等不确定性扰动预留的额外发电容量其核心功能是保障系统功率平衡避免出现供电缺口。向上备用容量的配置需满足在风光出力达到最小预测值、负荷达到最大预测值的极端场景下仍能维持系统供电稳定。其配置规模与风光负荷鲁棒性正相关鲁棒性水平越高所需向上备用容量越大以应对更大幅度的出力不足与负荷突增。2.3.2 向下备用容量向下备用容量Rdown是指系统为应对风光出力骤增、负荷突降等不确定性扰动预留的可削减发电容量或储能调节容量其核心功能是吸收过剩功率避免出现弃风弃光或系统频率异常。向下备用容量的配置需满足在风光出力达到最大预测值、负荷达到最小预测值的极端场景下仍能实现功率平衡。其配置规模同样与风光负荷鲁棒性正相关鲁棒性水平越高所需向下备用容量越大以应对更大幅度的出力过剩与负荷突降。2.3.3 备用容量配置原则备用容量配置需遵循“安全性优先、经济性适配”的原则一是确保备用容量能够满足对应鲁棒性水平下的不确定性扰动需求保障系统安全稳定运行二是避免备用容量配置冗余降低备用容量的投资与运行成本三是结合风光负荷不确定参数的波动特征动态调整上下备用容量比例实现备用容量与不确定性扰动的精准匹配平衡系统鲁棒性与经济性。2.4 系统总成本构成考虑上下备用容量约束系统总成本TC主要由四个部分构成涵盖投资、运行、备用及风险损失等全流程成本具体如下一是风光电源投资与运维成本C1包括风电、光伏电站的建设投资分摊成本与日常运维成本该成本与风光装机容量相关鲁棒性要求越高风光电源的调节能力需求越高可能导致投资与运维成本增加二是常规电源投资与运维成本C2包括火电机组、储能装置等常规电源的投资分摊成本与运维成本其中储能装置作为备用容量的重要载体其配置规模与鲁棒性水平正相关直接影响该部分成本三是备用容量成本C3包括上下备用容量的配置成本、调度成本其中向上备用容量主要依赖常规火电机组预留容量向下备用容量主要依赖储能装置与常规机组降出力调节备用容量越大该部分成本越高四是不确定性扰动损失成本C4包括风光出力波动与负荷偏差导致的弃风弃光损失、供电缺口损失、频率异常损失等鲁棒性水平越高该部分损失越小反之则越大。系统总成本计算公式为TC C1 C2 C3 C4其核心影响因素为风光负荷鲁棒性水平与上下备用容量配置规模。3 风光负荷不确定参数敏感性分析敏感性分析的核心目的是识别影响系统鲁棒性与总成本的关键不确定参数明确各参数波动对系统鲁棒性、备用容量配置及系统总成本的影响程度为后续探究风光负荷不同鲁棒性对系统总成本的影响提供依据。本文采用独立确定性偏移分析方法每次仅改变一个目标不确定参数其余参数保持基准值不变探究单一参数波动的独立影响避免参数耦合效应干扰分析结论参数偏移范围设定为-30%至30%以10%为步长共设置7个偏移节点结合历史运行数据设定各参数基准值确保分析结果的合理性与代表性。3.1 敏感性分析指标与评价标准选取三个核心评价指标全面反映不确定参数波动对系统的影响一是系统鲁棒性指数RI用于量化系统应对不确定性扰动的能力取值范围为0-1RI越接近1鲁棒性水平越高二是备用容量总成本C3涵盖上下备用容量的配置与调度成本反映备用容量配置的经济性三是系统总成本TC综合反映参数波动对系统整体经济性的影响。评价标准若某参数波动导致RI、C3、TC的变化幅度较大则该参数为高敏感性参数若变化幅度较小则为低敏感性参数变化幅度中等则为中敏感性参数。通过对比各参数在不同偏移节点下的指标变化明确关键敏感性参数及其影响规律。3.2 各不确定参数敏感性分析结果3.2.1 风电出力预测偏差ΔPw敏感性分析风电出力预测偏差是影响系统鲁棒性与总成本的核心参数之一其波动对各评价指标的影响呈现明显的线性特征仅在极端偏移区间出现轻微非线性偏差。当ΔPw负向偏移风电实际出力低于预测出力时随着偏移量增大从-10%增至-30%系统面临的功率不足风险加剧为维持鲁棒性水平需增加向上备用容量配置导致C3大幅上升同时供电缺口损失增加C4上升最终推动TC显著增长当ΔPw正向偏移风电实际出力高于预测出力时随着偏移量增大从10%增至30%系统功率过剩风险加剧需增加向下备用容量配置C3上升弃风损失增加C4上升TC同样呈增长趋势。分析表明ΔPw对RI、C3、TC的影响幅度均较大属于高敏感性参数其中负向偏移对系统的不利影响大于正向偏移这是因为风电出力不足导致的供电缺口损失远高于出力过剩导致的弃风损失且向上备用容量的配置成本通常高于向下备用容量。3.2.2 光伏出力预测偏差ΔPs敏感性分析光伏出力预测偏差的影响规律与风电出力预测偏差类似但影响幅度略低于ΔPw。当ΔPs负向偏移时光伏出力不足需增加向上备用容量C3与C4上升TC增长当ΔPs正向偏移时光伏出力过剩需增加向下备用容量C3与C4上升TC增长。与风电不同的是光伏出力具有显著的昼夜周期性其波动主要集中在日间对系统备用容量的瞬时需求影响较大但整体波动幅度相对平缓因此对TC的影响幅度略低于ΔPw属于中敏感性参数。3.2.3 负荷预测偏差ΔPl敏感性分析负荷预测偏差对系统鲁棒性与总成本的影响具有双向性且影响幅度与偏移方向密切相关。当ΔPl正向偏移实际负荷高于预测负荷时系统负荷突增需启动向上备用容量C3与C4上升TC增长且偏移量越大增长幅度越明显当ΔPl负向偏移实际负荷低于预测负荷时系统负荷突降需启动向下备用容量C3上升但弃风弃光损失可能减少过剩功率可被负荷削减部分吸收C4可能下降因此TC的增长幅度相对较小。分析表明ΔPl对RI、C3、TC的影响幅度中等属于中敏感性参数其中正向偏移对系统总成本的不利影响更为显著这与向上备用容量的配置成本较高、供电缺口损失较大密切相关。3.3 敏感性分析结论通过上述敏感性分析可得出以下结论一是风电出力预测偏差ΔPw是影响系统鲁棒性与总成本的高敏感性参数其波动对系统经济性与安全性的影响最为显著二是光伏出力预测偏差ΔPs与负荷预测偏差ΔPl属于中敏感性参数其波动对系统总成本的影响相对平缓但仍需重点关注三是所有不确定参数的极端偏移±30%都会导致系统鲁棒性下降、总成本大幅上升因此需严格控制不确定参数的波动范围提升预测精度四是向上备用容量对不确定参数负向偏移出力不足、负荷突增的响应更为敏感其配置成本是影响系统总成本的关键因素之一。4 风光负荷不同鲁棒性对系统总成本的影响分析基于上述不确定参数敏感性分析结果结合上下备用容量配置约束分别探究低、中、高三种鲁棒性水平下风光负荷鲁棒性对系统总成本的影响规律明确鲁棒性提升与系统总成本、备用容量配置之间的内在关联采用典型电力系统运行数据开展分析确保结论的科学性与实用性。4.1 不同鲁棒性水平下的备用容量配置特征4.1.1 低鲁棒性水平低鲁棒性水平下系统仅能应对小幅风光出力波动与负荷偏差因此上下备用容量配置规模较小。其中向上备用容量仅满足常规小幅出力不足与负荷突增需求配置比例较低主要依赖常规火电机组的剩余调节能力向下备用容量仅满足常规小幅出力过剩与负荷突降需求主要依赖常规机组的降出力调节储能装置配置较少。该鲁棒性水平下备用容量配置的核心目标是控制成本对极端场景的应对能力较弱易出现供电缺口与弃风弃光现象。4.1.2 中鲁棒性水平中鲁棒性水平下系统可应对中等幅度的不确定性扰动上下备用容量配置规模适中实现安全性与经济性的初步平衡。向上备用容量在常规调节能力基础上增加了部分储能装置配置以应对较大幅度的风光出力不足与负荷突增向下备用容量增加了储能装置的充放电调节能力同时优化常规机组的降出力策略减少弃风弃光损失。该鲁棒性水平下备用容量配置与不确定参数的波动特征精准匹配既避免了备用容量冗余又能有效应对大部分不确定性扰动。4.1.3 高鲁棒性水平高鲁棒性水平下系统可应对大幅风光出力波动与负荷偏差上下备用容量配置规模较大核心目标是保障系统绝对安全。向上备用容量大幅增加不仅配置充足的常规火电机组备用容量还配备大容量储能装置确保极端场景下的供电稳定向下备用容量同样大幅增加通过储能装置的大容量充放电、常规机组深度降出力等方式全面吸收过剩功率最大限度减少弃风弃光损失。该鲁棒性水平下备用容量配置冗余度较高系统运行稳定性极强但备用容量成本显著上升。4.2 不同鲁棒性水平对系统总成本的影响规律4.2.1 低鲁棒性水平下的总成本特征低鲁棒性水平下系统总成本主要由风光电源与常规电源的投资运维成本C1、C2构成备用容量成本C3较低但不确定性扰动损失成本C4较高。由于备用容量配置不足系统在风光出力大幅波动或负荷突增/突降时易出现供电缺口与弃风弃光现象导致C4大幅上升甚至超过C3的节约金额使得系统总成本处于较高水平。此外低鲁棒性水平下系统运行风险较高可能面临供电可靠性不足的问题间接增加系统的隐性成本。4.2.2 中鲁棒性水平下的总成本特征中鲁棒性水平下系统总成本达到最优水平。此时备用容量配置规模适中C3处于合理区间同时由于鲁棒性提升系统应对不确定性扰动的能力增强C4大幅下降而C1、C2未出现显著增加。具体而言中鲁棒性水平下风光电源与常规电源的投资运维成本与低鲁棒性水平基本持平备用容量成本略有上升但不确定性扰动损失成本的下降幅度超过备用容量成本的上升幅度因此系统总成本实现最小化。该鲁棒性水平下系统既保证了较高的供电可靠性又实现了成本管控的目标是兼顾安全性与经济性的最优选择。4.2.3 高鲁棒性水平下的总成本特征高鲁棒性水平下系统总成本显著上升主要源于备用容量成本C3的大幅增加。为实现高鲁棒性系统需配置大量的备用容量尤其是储能装置与常规火电机组备用容量导致C3大幅攀升尽管此时不确定性扰动损失成本C4降至最低但C3的增加幅度远超过C4的下降幅度使得系统总成本大幅高于中鲁棒性水平。此外高鲁棒性水平下储能装置等备用设施的投资运维成本增加也导致C1、C2略有上升进一步推高系统总成本。该鲁棒性水平下系统运行稳定性极高但经济性较差仅适用于对供电可靠性要求极高的场景如核心负荷区域。4.3 鲁棒性、备用容量与系统总成本的关联机制综合上述分析风光负荷鲁棒性、上下备用容量与系统总成本之间存在显著的非线性关联其核心关联机制如下随着风光负荷鲁棒性水平的提升系统所需的上下备用容量配置规模逐渐增大导致备用容量成本C3单调上升同时鲁棒性提升使得系统应对不确定性扰动的能力增强不确定性扰动损失成本C4单调下降而风光电源与常规电源的投资运维成本C1、C2在鲁棒性从低到中时基本保持稳定在鲁棒性达到高水平时略有上升。系统总成本的变化趋势呈现“先下降、后上升”的U型曲线当鲁棒性从低水平提升至中水平时C4的下降幅度大于C3的上升幅度系统总成本逐渐下降达到最小值当鲁棒性从中水平提升至高水平时C3的上升幅度大于C4的下降幅度系统总成本逐渐上升。上下备用容量的合理匹配是实现这一平衡的关键——中鲁棒性水平下上下备用容量与不确定参数的波动特征精准匹配既避免了备用容量冗余又能有效控制不确定性扰动损失实现系统总成本最优。5 结论与建议5.1 研究结论本文围绕风光负荷不同鲁棒性对系统总成本的影响结合不确定参数敏感性分析与上下备用容量约束开展系统研究得出以下核心结论1. 风光负荷不确定参数中风电出力预测偏差ΔPw是影响系统鲁棒性与总成本的高敏感性参数光伏出力预测偏差ΔPs与负荷预测偏差ΔPl为中敏感性参数极端参数波动会导致系统总成本大幅上升。2. 风光负荷鲁棒性与系统总成本呈现U型关联中鲁棒性水平下系统总成本最低低鲁棒性水平下因不确定性扰动损失过高导致总成本偏高高鲁棒性水平下因备用容量冗余导致总成本偏高。3. 上下备用容量配置与风光负荷鲁棒性正相关鲁棒性水平越高备用容量配置规模越大中鲁棒性水平下上下备用容量与不确定参数波动特征精准匹配实现安全性与经济性的平衡。4. 系统总成本的核心影响因素是备用容量成本与不确定性扰动损失成本二者的此消彼长决定了鲁棒性与总成本的关联关系合理平衡二者可实现系统总成本最优。5.2 优化建议基于上述研究结论为优化含高比例风光能源电力系统的鲁棒性与成本管控提出以下建议1. 聚焦关键不确定参数提升预测精度。重点优化风电出力预测模型降低风电出力预测偏差ΔPw同时完善光伏出力与负荷需求的预测方法减少参数波动对系统鲁棒性与总成本的不利影响从源头提升系统鲁棒性。2. 采用中鲁棒性优化策略实现成本与安全平衡。多数电力系统应优先采用中鲁棒性水平合理配置上下备用容量避免过度追求高鲁棒性导致的成本冗余同时避免低鲁棒性带来的运行风险实现系统总成本最优。3. 优化上下备用容量配置提升资源利用效率。结合不确定参数敏感性分析结果动态调整上下备用容量比例向上备用容量重点应对风电出力不足与负荷突增向下备用容量重点吸收光伏、风电出力过剩优化储能装置与常规机组的协同调度降低备用容量成本。4. 建立鲁棒性与成本协同优化机制。结合系统运行场景动态调整鲁棒性水平与备用容量配置根据风光出力与负荷需求的波动特征实时优化调度策略实现鲁棒性提升与成本管控的动态平衡提升系统运行的经济性与安全性。5.3 研究展望本文仅探究了风光负荷鲁棒性对系统总成本的静态影响未来可进一步开展动态鲁棒性研究结合日内分时风光出力与负荷波动特征分析鲁棒性的动态变化对系统总成本的影响同时可引入储能技术、需求响应等灵活性资源探究其对鲁棒性、备用容量与系统总成本的调节作用进一步完善鲁棒性与成本协同优化体系为含高比例可再生能源电力系统的高质量发展提供更全面的支撑。第二部分——运行结果求解风光负荷不同鲁棒性对系统总成本的影响并考虑系统向上向下备用容量第三部分——参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。(文章内容仅供参考具体效果以运行结果为准)第四部分——本文完整资源下载资料获取更多粉丝福利MATLAB|Simulink|Python|数据|文档等完整资源获取