相关论文：
-
-
全球能源互联网
第6卷 第5期 2023年09月；页码：459-472
基于智能融合终端的新型配电网协同自治调控运营模式及关键技术
New Collaborative Autonomy Regulation Operation Mode and Key Technology for Distribution Network Based on Intelligent Terminal
- 1．清华大学电机工程与应用电子技术系，北京市 海淀区 100084
- 2．新型电力系统运行与控制全国重点实验室，北京市 海淀区 100084
- 3．清华大学工程力学系，热科学与动力工程教育部重点实验室，北京市 海淀区 100084
- 4．北京智芯微电子科技有限公司，北京市 昌平区 102200
- 1.Department of Electrical Engineering,Tsinghua University,Haidian District,Beijing 100084 ,China
- 2.State Key Laboratory of Power System Operation and Control,Tsinghua University,Haidian District,Beijing 100084,China
- 3.Key Laboratory for Thermal Science and Power Engineering of Ministry of Education,Department of Engineering Mechanics,Tsinghua University,Haidian District,Beijing 100084,China
- 4.Beijing Smart Chip Microelectronics Technology Co.,Ltd.,Changping District,Beijing 102200,China
关键词
Keywords
摘 要
Abstract
摘要：新型电力系统建设背景下，分布式光伏爆发增长、柔性负荷大量涌现的配电领域正在经历深刻变革。配网可调节资源挖掘利用既能解决配网分布式新能源增加导致的反向重过载、电压越限等问题，还有助于缓解主网运行压力。首先，提炼了配网可调节资源利用技术存在的痛点问题，指出配网电力系统运营模式转型是解决问题的基础所在。回顾分析了集中式、分散式等国内外运营模式与微网、虚拟电厂等多种配电系统形式在解决配网运行问题方面存在的优缺点。提出适应中国大电网集中调度模式的配网集中-分布式协同自治调控的运行新范式，依托台区智能终端，通过“内部自治、相邻互济、整体协同”的协同自治调控模式，实现配调-台区-终端分层分级优化调控，为新型电力系统提供全新的技术路径。最后，归纳了协同自治调控运营模式下的配网关键技术和未来研究方向。
Under the background of the construction of new power systems,the distribution system with the explosive growth of distributed photovoltaic and the emergence of a large number of flexible loads is undergoing profound changes.The mining and utilization of distributed flexible resources in the distribution network can not only solve the problems such as reverse heavy overload and voltage over-limit caused by the increase of distributed renewable energy in the distribution network,but also help to alleviate the operating pressure of the transmission network.This paper refines the pain points of the distributed flexible resources utilization technology in the distribution network,and points out that the transformation of the operation mode of the distribution network power system is the basis for solving the problem.The advantages and disadvantages of domestic and foreign operation modes such as centralized and decentralized and other distribution system’s forms,such as micro-grid,virtual power plant in solving the problems of distribution network operation are reviewed and analyzed.A new operation paradigm of central-distributed collaborative autonomy control of distribution network is proposed,which adapts to the centralized dispatching mode of large power grid in China.Relying on the intelligent terminal of the low-voltage transmission area,the collaborative autonomy control mode of “internal autonomy,mutual assistance between neighbors and overall coordination” is adopted to realize the hierarchical optimization control of three-level(mid/lowvoltage transformer/terminal load,which provides a new technical approach for the new power system.Finally,the key technologies and future research directions of distribution network under collaborative autonomy regulation and operation mode are summarized.
0 引言
新型电力系统建设背景下，电力系统配电领域正在经历深刻变革，以分布式光伏为代表的分布式新能源爆发性增长[1]。根据国家能源局发布的2022年光伏发电建设运行情况信息[2]，截至2022年中国分布式光伏新增装机约5111.4万kW，占新增光伏发电装机的58%，且分布式光伏新增装机容量连续两年超过集中式光伏，成为市场增量主体。规模化分布式光伏接入后，由于光伏资源富集区通常在偏远地区，负荷不能完全消纳，分布式光伏并不具备集中式光伏电站送出条件，也不具备微网内部源荷自治的能力，故多个配网条件薄弱的区域已经出现了严重的电压越限、反向重过载、电能质量差等现象[3]。若对分布式光伏控制减少出力则造成光伏弃电，不符合“应发尽发”的原则。因此，海量分布式光伏接入后，强不确定性的有源、主动配电网将在电力、电量平衡方面面临更为严峻的运行压力；故亟需从配网调控和可调节资源挖掘利用方面着手，平抑分布式光伏不确定性。
配电网蕴含海量可调节资源，主要包括可调节负荷与分布式储能[4]。其中，供冷/热负荷以及电动汽车负荷等可调节负荷占全网负荷比例正逐年增高[5]，而温控型负荷占全网负荷高达40%～60%[6]。此外，交通、建筑、工业、农业等领域的电能替代和能效提升，使各类电力负荷向自动化、数字化、智能化方向发展，更灵活的负荷带来更多可调节潜力，目前蓄热电锅炉、楼宇冷热系统电动汽车、换电站等均为更好地适应分布式光伏随机性、波动性、优化配电网运行提供了可调节资源。同时，配网海量可调节资源也能为主网运行提供调峰、调频以及稳定控制等辅助服务[7]。目前已有利用空调或充电桩集群参与辅助服务的案例[8]。充分挖掘配电网海量可调节资源是平抑分布式光伏波动性、提升配网供电质量、缓解主网调峰与保供电压力的有效途径。
未来新型电力系统中，配网分布式新能源仍将进一步增高，配网供电质量、供电可靠性面临更大风险；而主网由于新能源并网比例增高也面临更频繁的调节需求，调节类型也更为复杂，向上调节（保供电）、向下调节（调峰）、调频等多时间尺度、多类型需求并存。传统的配网可调节资源运行模式已经难以适应新型电力系统配网、主网的形态。为了解决配网自身运行问题，同时在配网侧发掘更多的可调节资源缓解主网运行压力，亟需从电力系统运营模式出发，围绕配网可调节资源的精细化、主动调控展开研究，从而实现分布式光伏最大化消纳，提升配网电能质量和供电可靠性，促进高比例新能源电力系统安全经济运行。
本文归纳了大规模分布式光伏接入和柔性负荷涌现趋势下的新型配电网特征，即绿色化、有源化、主动化、数字化、柔性化。结合未来新型电力系统主网、配网特征，对配电网面临的挑战和存在的痛点问题进行提炼。分析了电力运营模式与配电系统形式在解决配网海量可调节资源灵活调控方面的优缺点。在国内外电力运营模式基础上，提出适应中国新型配电网特征的集中-分布式协同自治调控技术，并提出新型配电网协同自治调控模式的关键技术及未来研究方向发展建议。
1 新型配电网特征及面临的挑战
1.1 新型配电网内涵特征
1）绿色化。
分布式新能源的接入可以直接提高清洁能源终端用能占比[9]，实现配电网绿色低碳运行。但是具有不确定性的分布式新能源大规模接入给配网运行带来难题，单体容量小、数量庞大的分布式光伏处于“弱调度”的状态，大规模分布式光伏并网同时上网可能导致反向过载问题和配网电压越限问题频发[10]。
2）有源化。
分布式发电（包括分布式可再生能源和天然气驱动的发电系统）、微网出现后配电网已经进入有源阶段[11]。在2021年国家能源局下发分布式光伏部署政策后，配网有源化的进程进一步加速，而且分布式光伏的增长速度已经超过集中式光伏。在某些负荷密集的城市（比如北京），分布式光伏装机容量甚至已经反超集中式光伏。截至2022年底，北京市分布式光伏累计装机容量90.2万kW，而集中式光伏仅5.1万kW [2]。根据北京市“十四五”规划，到2025年，全市重点领域将新增光伏发电装机70万kW [12]。配网有源化程度进一步升高，传统的被动接受功率指令的模式将被双向功率流动的模式所代替。
3）主动化。
分布式新能源与灵活性负荷大规模涌现使传统配电网已逐渐从被动接受功率指令转变为双向通信控制的主动配电网[13]。主动配电网中接入大量波动性随机性分布式电源和负荷，配电网调度方法和策略会显著影响配电网分布式新能源消纳水平、可调节资源的年利用小时数、运行成本及收益，忽略配电网调度运行策略难以对分布式新能源消纳及灵活性配置方案进行定量分析。研究主动配电网的长时序生产模拟技术[14]，在配电网运行仿真中融入调度优化策略[15]，定量分析规划方案的供电可靠性指标与经济成本的关系，可以提高配电网设备和线路等效容量利用率以及新能源就地消纳比例，进而提升配电网的资产运营效益。此外，实现集中式电网与分布式电网的协同调控也是配电网主动化面临的关键问题之一。
4）数字化。
配电网数字化通信的发展给配网海量源荷协调带来可能。一方面，多家企业开发部署了物联网云平台与智能终端云管边端通信体系[16]，构建了以台区为单元的智能终端、分布式光伏开关、负荷控制装置。其中，国家电网有限公司建设了新型负荷管理平台、智能融合终端，华为公司开发了基于智能终端的分布式光伏一体化系统等。另一方面，互联网公网通信也给可调节负荷物理系统（包括空调、充电桩）参与调节提供了基础。配网物联网和智能终端技术给配电网主动化调控提供了数据通信渠道，是实现配电网自动化调度与用户终端控制的硬件基础。
5）柔性化。
配网侧存在海量分散的灵活性负荷，近年还涌现出大量需求可调控、能量可交互的新型负荷，包括车网互动的电动汽车、数据中心、高耗能灵活性工业负荷等，可调节负荷占比持续增高[17]。根据负荷用途可划分为居民、工业、商业可调节负荷，其中，工业负荷中具备蓄热环节的工艺流程能提供调节能力，采用专变单户接入的方式可实现需求调控。根据负荷灵活性原理可划分为温控型负荷与储能类负荷。温控型负荷利用热力系统被动储热特性实现调节，包括电热泵、中央空调、分体式空调、电采暖等；储能类负荷可实现主动蓄能，可蓄电，也可反向充电，具备产消功能，包括电动汽车充电桩、换电站、工业制氢等。
1.2 新型配电网功能定位转型
与传统配电网不同，新型电力系统建设背景下的新型配电网具备与主网相似的结构，电源方面具备不确定性很高的分布式新能源、化石能源（主要是天然气）驱动的发电机、微网等，负荷方面包含海量分散的柔性负荷，分布式储能电站也在广泛应用。对新型配电网的特征进行深入分析后，还需重新明确配网功能定位。
1）保障配电网自身安全运行。
绿色、主动、有源、智慧配电网功能定位面临重新调整。规模化分布式光伏的接入给配电网自身安全经济运行带来难题，由于配网放射状运行的特点，单纯依赖主网调控能力无法解决配网设备潮流越限以及电压越限问题。因此将调控能力延伸至配网乃至台区内是解决新型配电网分布式新能源日益增高带来的运行难题的必由之路。配电网需建立就地平衡机制，在保障配电网供电质量和保障新能源消纳的前提下，提高分布式新能源消纳比例。
2）缓解主网灵活运行压力。
配网侧海量可调节资源是主网源侧调节能力的有效补充。负荷侧可调节资源在平抑集中式新能源波动性方面已经发挥一定作用，负荷参与电力系统调节的方式主要为市场激励、电价机制、协议邀约等方式，或者将电采暖、储能等负荷侧资源通过专变用户的形式嵌入调度，但由于传统配电网缺乏数字通信等技术支撑，无法实现实时数据传输、采集和优化。新型配电网绿色化、数字化加速了负荷参与主网调节的进程，在实现配网低压侧分布式光伏消纳后，海量灵活性负荷还可依托现有的数字化平台为主网提供灵活性。
1.3 新型配电网运行面临的挑战
为解决配电网分布式能源消纳、电压稳定、供电质量安全问题，同时利用需求侧资源为主网提供调节能力，根本途径在于充分挖掘利用新型配网可调节资源。但是配网负荷存在数量极为庞大、单体容量较小的特点，且负荷运行特性涉及到多学科仿真问题，负荷需求千差万别，调用海量可调节资源存在三个痛点问题。一是海量负荷与配调系统的实时通信控制难题；二是负荷参与电力系统调节的参与方式问题，国外配网主要通过电力市场机制参与，国内对工商业负荷采用邀约制、价格激励等方式鼓励用户参与；三是考虑负荷响应的配电系统优化调控核心算法，如何既能保证电力系统性能指标，又能实时高效得到海量资源的优化结果。考虑到中国集中式大电网调度的背景，上述三个问题的解决仅依赖通信架构或管理方式或优化算法都难以大规模解决，无论是参与动机、优化运行算法或通信控制，都涉及到市场化问题、负荷隐私和电力系统安全问题，这根本上都取决于电力运营模式的确定。
2 国内外电力运营模式与配电系统形式
电力运营模式是决定可调节资源参与电力调节方式的基础问题，配电系统形式则是实现可调节资源利用的载体。本文总结对比了与配网相关的国内外电力运营模式与重要的配电系统形式。国内外电力运营模式主要包括两类，一类是中国的集中式大电网调度运营模式，另一类是国外广泛采用的分散式电网运营模式。不同的运营模式下，配网可调节资源参与电力调节的方式有着本质差异，但是配电系统可调节资源聚集的形式多样，都具有实现可调节资源利用的能力，较为常见的包括微电网、虚拟电厂和平衡基团。
2.1 国内外电力运营模式对比
国外大多数采用分散式管理模式，比如在美国、加拿大、欧洲及澳大利亚等地，全国电网通常不进行统一调度，电力电量平衡大多通过电力市场实现，因此电力市场发展较为成熟，可调节负荷参与电网调节需求的通信、市场机制及技术形式多通过市场的作用完成。该方式存在的缺点是电网之间缺乏支撑，不利于大电网的安全、稳定运行[18]。
中国采用集中式电力统一调度的运营模式，电力电量平衡基本通过主网调度和辅助服务市场完成，传统配网主要被动接受调度指令，且只有单向潮流。与此同时，中国在电力市场方面的发展也日趋完善，但与国外基本依靠市场实现系统平衡的方式存在较为本质的区别。近年中国分布式电源、数据通信技术、多种可调节负荷的发展使得有源配电网、传统配网已逐渐过渡为潮流双向流动、新能源比例较高的有源、绿色、数字化新型配电网。新型配电网的发展需要新的电力运营模式转型，从而更好地支撑多种配电系统形式，完成可调节资源的响应和利用。
2.2 配电系统形式
目前配电系统形式主要包括早期的需求侧响应、微电网、虚拟电厂、德国平衡基团（Balancing Group）等。其中，中国需求侧响应最初的主要目标在于缓解主网运行压力，是源侧调节能力的补充[19-20]，实现形式包括负荷直接控制、市场激励、辅助服务。其缺点在于需求侧响应与调度隔离，无法感知实时的灵活性需求，只能在负荷层面进行经验、定性、粗放管理。微网重点在于实现区域内部源荷匹配和自治，对于海量分散、电气不相连的源荷间匹配缺乏考虑。虚拟电厂侧重利用先进的通信、量测、控制技术，实现对分布式发电、储能、可控负荷、电动汽车等分布式资源的整体聚合和控制。较为认可的虚拟电厂架构是云管边端[21]，但该架构和模式对于如何与现有调度体系兼容、如何实现聚合调控并没有明确定义。德国电力系统采用的平衡基团是一种适用于欧洲较小规模电力系统的电力市场机制，通过技术与市场机制实现对某区域电网的管理，保障平衡基团内部发、用电平衡，但该模式难以直接套用到中国集中式电网调度体系。具体介绍如下。
需求侧响应研究旨在通过市场价格激励手段对需求侧可控负荷蕴含的调节能力实现促进新能源消纳、平抑电网波动的目标[22]，通常借助负荷聚合商对海量分散负荷进行集群调控[23]。但目前仅用市场手段难以充分调动可调节负荷的潜力，其原因在于很多可调节负荷所属的能源系统有自身的优化性能指标与控制逻辑，原优化控制方式并未考虑电网调峰、调频需求。如何将物理系统调节到需要的功率，不仅是经济问题更是技术难题，但目前研究缺乏对可调节资源物理层面调节能力限值的深入分析，导致建筑环境负荷、充电桩等调节潜力未得到充分开发利用。此外，该方法通常用于解决地市级整体功率平衡问题，缺乏对配网台区及逐级可调节资源的系统化管理。
虚拟电厂是一种能够将电网中多个分布式电源、储能与需求侧可控负荷等各类可调节资源整合为一台发电机，并以此形式直接参与电网调度，以满足电网下发的调峰调频等需求的技术手段[24]。虚拟电厂概念强调通过网络通信技术将各类可调节资源整合后呈现的整体效果[25]，其关键技术在于实现各类可调节资源的感知，以及在感知基础上通过电力市场手段实现虚拟电厂内多种可调节资源的协同调控[26]。但这意味着配电网或将被分割为一个个独立运营主体的虚拟电厂，增加了配电网侧的整体管理难度。目前被广泛认可的虚拟电厂架构是云管边端，但该架构侧重解决逐层数据传输、控制指令下发难题，解决了虚拟电厂不以地理信息划分主体、难以发挥就地优势的难题；但是在如何将云管边端架构和虚拟电厂模式嵌入当前配电网电力运营模式方面还存在诸多现实难题，比如配网多部门职能难以协调、通信设备违反电力系统安全等。
微网通过本地能量管理系统聚合小范围分布式能源与临近负荷、储能等，以实现与上级供能网灵活交互、整体协同及内部自治的目标[27]。目前关于微网的研究主要包括微网自治优化及其与上层电网的分层优化调度等[28]。由于微网最初用于网架薄弱区域，一般依托园区等物理区域构建，运行方式以自治为主，并网模式为辅。该特点决定了微网在可调节资源耦合与全局优化方面存在不足。一方面，受制于物理空间距离和分布的客观因素，难以实现远距离微网群之间的互济，限制了配电网自身整体调节能力的挖掘[29]；另一方面，微电网运营主体多元，在计量与信息交互方面存在隐私隔离、校准误差，且实时信息难以同步[30-31]，限制了系统全局调节能力最大化利用。
平衡基团是德国目前采用的电力市场运行模式，指一种虚拟的电力市场基本单元，旨在通过技术与市场机制实现对某区域电网的管理，保障平衡基团内部的发、用电量功率平衡[32]。工作流程如下：首先对配网各类负荷调节能力进行预测及评估；其次生成优化运行曲线维持自平衡；一旦平衡被打破，则制订买入、卖出电量计划，并上报给输电网公司，供输电网根据内部平衡后的效果制订整体发电计划。实际运行与发电计划之间存在的偏差由平衡基团管理者承担调节费用。但该技术主要适用于欧洲较小规模的电力系统，中国大规模电力系统的配电网面临更为复杂的问题，因此可借鉴该技术思路，并进一步完善提升。
本节对比了集中式调度、分布式调度及平衡基团等电力模式和配电形式在解决配网痛点问题方面存在的优缺点，在集中式调度模式下，微网、虚拟电厂等配电系统形式和管理方式都难以解决整体问题。中国的电力运营模式和能源资源特点，决定了不可能照搬国外配网模式或者只采用某一种具体的配电系统技术就能实现负荷灵活运行。解决新型配电网可调节资源利用难题的关键在于实现配网电力运营模式转型，并将不同配电系统形式嵌入该电力运营模式。
3 配电网集中-分布式协同自治调控模式
3.1 集中-分布式协同自治调控运营模式的提出
中国新型配电网既具备配电网最基本的特征—可调节资源多主体、数量庞大、单体容量小，又具备大电网集中式优化调度需对聚合资源约束实现整体感知的特征，因此新型配网运营模式的关键在于兼顾集中式与分布式优化运行的优势，并解决二者的矛盾之处。新型配电网含有海量分散的可调节负荷、分布式新能源决定了对低电压等级的负荷调控需采用分布式优化策略；而配电网自动化仍需实现集中式的整体状态感知与优化管理。因此运营模式的关键在于如何在低压负荷、电源与配电网自动化之间设置中间层级的负荷管理单元，并实现终端负荷-中间负荷管理单元-配电网自动化-主配的互联互通及配调-台区-终端的集中分布式调控。
近年来，配电网台区智能终端广泛应用了一条连接海量分散可调节负荷与配电网调控运营体系的安全、可靠、高效的信息高速公路（如图1所示），支撑了配电网云-管-边-端调控架构的发展。其中，国网智芯公司研发的台区智能融合终端、华为公司研发的智能终端的应用较为广泛。台区智能终端具有很强的边缘计算能力，能够分散、就地实现各种智能复杂的高级算法。台区可作为终端负荷与配电网自动化的中间管理层，台区向下可实现对海量分散可调节负荷、分布式新能源的分布式优化控制；对上可以将台区运行状态上报给配电网自动化。为含有灵活性电源与负荷的新型配电网集中-分布式优化管理提供硬件支撑。
图1 台区智能融合终端应用场景示意图
Fig.1 Sketch of intelligent converged terminal application scenario
本文依托广泛应用的台区智能终端和物联网平台（Internet of things,IOT），基于其边缘计算与信息交互能力，提出了面向新型电力系统的配电网集中-分布式协同自治调控范式，如图2所示。连接在每个台区智能终端的分布式光伏和用户侧可调节负荷耦合形成一个个微“自治体”。每个自治体对其所耦合的分布式光伏进行态势感知，对出力进行精确的功率预测；对不同类型可调节负荷的可塑性进行动态量化评估，对各类可调节负荷进行可塑性的优化聚合。在自治体内部实行“自治”调度，利用可调节负荷的可塑性平抑分布式光伏的随机波动性。对于台区内无法消纳的电量，可与电气相邻的自治体的富余可调节负荷进行匹配，实现台区间的“互济”调度，以提升分布式光伏消纳能力和配电网安全运行水平。台区内与台区间仍无法消纳的部分，可通过配网自动化对所有自治体的整体 “协同”调度实现匹配，为配电网提供调峰、调频以及紧急控制等服务，进一步发挥全体自治体的一致协同作用。通过“内部自治、相邻互济、整体协同”的调控策略，将分布式光伏、用户侧可调节资源与分布式智能配电网三者有机融合在一起，实现基于台区智能终端的分布式智能配电网的协同自治调控运营，为以新能源为主体的新型电力系统建设提供全新的技术路径。
图2 基于台区智能终端的分布式智能配电网协同自治调控运营系统图
Fig.2 Sketch of a collaborative autonomy regulation operation system of distributed intelligent distribution network based on intelligent terminal equipment
中国电力系统规模较大，采用大电网集中式运行调度模式[33]。在该技术背景下，协同自治调控架构与纯分布式优化、集中式优化方式相比，优势在于兼具集中式优化调控及去中心化的分布式优化的双重优势，更适应中国国情。基于台区智能终端的协同自治调控在配网侧可实现对可调节资源及配网承载能力的整体感知，为上层集中式优化提供基础；也可对台区海量分散式负荷实现分布式新能源、分布式储能及建筑环境负荷等可调节资源的精确感知，为实现去中心化的分布式优化提供基础。在“双碳”目标与新型电力系统建设的新形势下，用户侧可调节负荷的开发利用被赋予了更重要的价值，同时分布式光伏建设也处于高速发展期。
3.2 协同自治调控模式可行性分析
依据配电网协同自治调控技术的功能与定位，其技术的关键在于基于台区智能融合终端实现配网海量分散可调节资源的态势感知以及配网的分层分级优化调控。在可调节资源态势感知方面，重点在于对数量庞大、单体容量较小的分布式屋顶光伏实现精确的功率预测，并对建筑环境负荷、充电桩、分布式储能等可调节负荷的灵活性实现较为准确的评估。尽管配网分布式优化无法实现对所有运营主体调节能力的准确掌握，但是依托台区智能终端及物联网可实现对海量末端负荷的较精确感知，为配网分层分级优化调控提供更为准确的可调节资源运行约束。配网分层分级调控是协同自治调控技术的核心所在，协同自治调控所采用的集中-分布式优化兼顾集中式优化以及分布式优化的优势。此外，基于台区智能终端的分布式智能配电网协同自治调控架构还需与之相适应的市场机制作为支撑。
以包含分布式光伏和可调节负荷综合协调的典型区域与场景为例，基于台区智能终端的协同自治调控体系如图3所示。现有多个台区智能终端可以通过物联网平台互联实现信息共享，并且基于现有的信息链路，从配电网互联网接入区部署满足安全防护要求的隔离装置，与IOT物联平台实现接口通信，从而打通配电自动化主站与台区智能终端的通信链路；基于配电自动化主站研发分布式智能配电网源荷互动主站模块，监听所接入台区智能终端的运行状态，展示光伏功率预测、可调节负荷的调节能力及其他各项运行数据；与配电网调控运营体系互联，实现数据推送与接收；通过安全链路与配电网调控自动化系统互联，推送分布式光伏功率预测结果及可调节负荷优化运行指令。
图3 协同自治调控体系设计
Fig.3 System design of a collaborative autonomy regulation operation system
4 配电网调控关键技术及未来研究方向
配电网协同自治调控方法主要围绕分布式新能源、可调节负荷、分层分布式协同自治调控优化算法及云边协同通信控制架构建设展开，如图4所示。
图4 基于台区智能终端的配电网协同自治调控关键技术
Fig.4 Framework of a collaborative autonomy regulation operation system of distributed intelligent distribution network based on intelligent terminal equipment
4.1 分布式光伏功率预测
分布式光伏是分布式新能源的主体。准确的分布式光伏功率预测对于支撑电网调控、促进新能源消纳具有重要作用[34]。现有的分布式光伏功率预测方法可大致分为两类。
1）基于数据增强的分布式光伏功率预测。
不同于集中式光伏场站，分布式光伏由于单机容量小、部署点位多、分布范围广，难以获得高精度且高可靠性的功率与气象监测数据。部分小容量分布式光伏甚至未配有专用的功率与气象测量表计，导致历史数据样本缺失，大大增加了分布式光伏发电功率的预测难度。因此，目前有些研究是利用数据增强技术，基于其他来源数据间接生成分布式光伏功率预测所需的发电功率以及气象数据。
在功率数据增强方面，文献[35]提出了一种考虑临近集中式光伏电站输出关联性的分布式光伏发电功率预测方法。文献[36-37]以信息完备的集中式或分布式站点为参考，重构数据不完备的分布式光伏站点功率数据，从而实现分布式光伏集群短期功率预测。文献[38]针对未配备专门量测表计的表后分布式光伏，提出了一种从负荷中解耦得到表后分布式光伏功率的方法。然而，上述方法在数据生成过程中未能考虑不同分布式光伏场站间的发电特性差异和出力时空相关特性，分布式光伏部署点位众多且特性差异较大时的功率预测精度尚有待提升。
在气象数据增强方面，目前有两种研究思路。一种类似前文功率数据增强方法，利用周边集中式光伏场站或气象站的监测数据生成分布式光伏站点气象数据。文献[39]考虑了集中式光伏与分布式光伏由于地理位置差异导致的功率和数值天气预报数据时移。文献[40]通过挖掘相邻分布式光伏场站出力与该区域数值天气预报数据间的时空关联特性，提升了目标场站的功率预测精度。另一种气象数据增强方法是利用卫星遥感数据反演辐照度等气象要素数据。文献[41]从云团的类型和厚度入手，提出了一种基于卫星云图和改进晴空模型的分布式光伏电站太阳辐照度超短期预测模型。文献[42]引入了卫星数据产品中的短波辐射网格数据，以弥补分布式光伏站点无实测辐照度的不足。然而，目前还未有研究能够精确建立不同天气、地貌场景下卫星遥感数据与地表辐照度等气象要素数据间的映射关系，导致上述方法仅在部分理想条件下适用。
2）考虑时空相关性的分布式光伏功率预测。
当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可以有效提升分布式光伏功率预测精度。为借助邻近分布式光伏出力信息提升目标分布式光伏功率预测精度，文献[43]提出了一种基于遗传算法改进的双向长短期记忆模型。文献[44]提出了一种基于贝叶斯网络时空关联分析的分布式光伏功率预测方法，但仅考虑了20个分布式光伏站点，预测精度还有待进一步验证。针对上述问题，文献[45]提出了一种基于图网络的分布式光伏发电出力预测模型，适用于大规模海量场站集群的数据挖掘。文献[46]结合图卷积神经网络与长短期记忆神经网络挖掘分布式光伏站点间功率的时间相关性信息，实现了功率预测精度的有效提升。上述以静态关联来表述节点关系的预测方法在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，光伏发电功率主要受辐照度等气象要素影响，在天气变化时出力极易发生短时剧烈波动[47]，因而各分布式光伏场站间的关联关系多处于动态变化过程，以静态的场站间关联关系去描述这种复杂的集群出力序列，显然无法反映天气变化影响下的分布式光伏出力波动规律。因此，亟须从影响分布式光伏出力的物理机理出发，探究影响分布式光伏出力的关键因素，以数据驱动方式构建分布式光伏动态时空关联性挖掘方法，进一步提升其预测精度。
4.2 可调节负荷参与电力需求调节研究现状
可调节负荷灵活性评估属于需求侧管理[48]和需求侧响应[49]的研究范畴，是电源侧灵活性的重要补充[50]。需求侧响应技术主要包括需求侧资源响应特性分析、运行控制技术、优化调度技术以及协同规划技术研究等[51]。在需求侧资源响应特性分析方面，目前研究主要围绕传统的以市场激励改变终端负荷消费行为的调节方法展开，大多仅分析用户行为改变过程中可提供的调节容量、响应速度等特性。但可提供的调节能力比较有限、支撑时间也较短，故近年利用负荷侧蓄冷和储电等储能环节及电制冷和充电桩等能量转换环节提供调节能力的方式逐渐受到关注[52]。与传统的通过市场激励所激发的调节能力不同，该类方法的本质目标是从负荷系统运行的物理特性层面重新挖掘更多的调节能力。
在可调节负荷调节能力评估方面，国内外学者围绕冷/热负荷热力系统虚拟储能特性及可控负荷集群调节能力评估展开研究[53-54]。虚拟储能方法通常是将复杂的热力系统等非电能源系统动态运行参数转换为电池充放电功率等直观数据，从而直接将其纳入配电网优化控制[55]。然而该类模型多仅考虑电气特性、热力学特性、控制特性等的一方面，较少考虑负荷所属物理系统调节控制对调节能力的影响，比如电供热、电制冷系统自身本就具备复杂的热量自平衡、节能优化控制模块，忽略控制特性可导致可调节能力的感知与评估出现很大偏差，且难以将考虑可调节负荷运行特性的约束代入实际优化控制，不能在实际中发挥作用。可控负荷的集群调节能力评估多侧重利用统计学方法模糊评估负荷聚合后的灵活性[56]，但对聚合负荷的粗略评估大多适用于规划分析，难以指导实际运行，无法为更大规模的可调节负荷参与辅助服务提供评价标准。
4.3 配电网优化控制运行研究现状
配电网的控制可以分为集中式控制和分布式控制两方面。传统集中式控制由调度中心对全网数据进行采集和监测，统一下发调度指令调配可控资源，控制效果比较好。但随着各种分布式电源和新型负荷的高比例渗透，集中式方法在处理海量的数据时会出现系统调度失败，导致系统可靠性降低，而且集中控制涉及到用户隐私，存在安全风险，容易受到网络和物理攻击。而分布式控制模式下，不需要配置调度中心来协调，每个参与者根据自己内部的状态和相邻节点的信息，实现对电能的有效控制，提高了运行可靠性。
分布式协调控制方法主要可以分为4类：一致性算法、交替方向乘子（alternating direction method of multipliers,ADMM）算法、分布式梯度下降算法和基于事件触发机制的分布式算法[57]。文献[58]提出了一种日前两阶段分布式优化调度策略。采用ADMM算法将有功和无功优化模型分解成多个子模型，实现模型在配电网各区域间的分布式迭代求解，减轻应用交付网络（application delivery network,ADN）通信负担。文献[59]提出了一种基于一致性算法的新型源-负荷协同全分布优化控制策略，将一致性算法与调频控制相结合，实现“源-负荷”的综合效益最优。文献[60-61]基于求解非线性规划问题的下降梯度法，提出了一种求解非凸优化问题的分布式电压控制方法，电源的无功功率根据目标函数对控制变量的负梯度进行调节。文献[62]提出一种基于事件触发的微网分层控制策略，引入虚拟领导者一致性算法，并充分考虑通信丢包及扰动的恶劣情况，提高微网中各分布式电源输出电压和频率的控制效果。文献[63]提出一种基于一致性原理和梯度下降法相结合的完全分布式优化调度策略，降低了微电网的发电成本且提高了收敛速度。
针对日益复杂的配电网系统，采用分布式控制系统是目前的主流。通过构建分散的分布式系统，将大系统划分为多个子系统，并行、协同、统一地完成控制和管理问题。但实际中由于各种因素的限制，子系统之间的互信程度很低，甚至为零，限制了子系统之间数据的共享和通信。而采用本文提出的协同自治控制时，子系统的私有数据只允许在本地使用，非私有数据的所有权和使用权分离，以保证各子系统的信息安全和数据权限。在不共享数据的基础上实现参与者的联合建模，打破数据孤岛，实现多方协作[64]。
4.4 协同自治调控未来研究方向
4.4.1 云管边端架构下的分布式光伏功率预测
在分布式光伏功率预测方面，未来研究方向为云管边端架构下的分布式光伏功率预测技术。这类研究拟从面向海量分布式光伏特点的数据增强技术、基于智能融合终端的分布式光伏功率预测技术框架、广域分布式光伏的时空关联特性挖掘与功率预测3个层面分别展开具体研究内容，整体研究与实施路线如图5所示。分布式光伏出力与集中式光伏出力在波动特性、时空分布规律、气象功率耦合关系等方面存在明显的差异，传统集中式光伏电站所采用的预测技术方案难以应用于分布式光伏功率预测场景。针对分布式光伏特点，设计基于智能融合终端的分布式光伏功率预测技术框架，构建具有分层架构的功率预测技术体系，在单一分布式光伏站点、台区内分布式光伏集合、多台区分布式光伏集群等不同空间尺度下开展，实现对分布式光伏发电功率的准确预测。
图5 分布式光伏发电功率预测技术路线图
Fig.5 Technical roadmap of distributed PV power forecasting
4.4.2 考虑物理、控制、电气特性的可调节负荷功率可塑性在线动态量化评估
在可调节负荷调节能力量化评估方面，未来研究方向为借助台区智能终端的数据传输和边缘计算优势，实现考虑物理、控制、电气特性的可调节负荷功率可塑性在线动态量化精细评估，解决传统上可调节负荷调节能力的评价指标较为单一（仅包括功率上下限、爬坡性能等）的缺点。将可调节负荷调节能力描述为两类功率可塑性。
在保证可调节负荷用电消费总量不变的前提下，可调节负荷的可塑性首要来源于用电系统中储热、蓄冷和储电等储能环节的灵活调节能力，其次来源于用电系统中的电制热、电制冷和充电桩等能量转换环节运行工况的灵活调节空间。可调节负荷的这部分可塑性是其用能系统物理特性产生的，属于可调节负荷物理因素的可塑性（如图6所示）。同时，在合理的市场激励机制的引导下，用户可以适当调整和改变用电消费行为，甚至牺牲自身的用电舒适度，用电消费总量发生变化，此时也可以为电网提供一定的可调节负荷的可塑性。这部分与市场激励机制紧密相关的可塑性属于市场因素（如图7所示）。在新能源为主体的新型电力系统背景下，上述两类可调节负荷可塑性都应该充分地挖掘和利用。具体研究内容与技术路线如图8所示。
图6 可调节负荷的物理因素可塑性
Fig.6 Physical factor plasticity of flexible electricity load
图7 用户侧可调节负荷的市场因素可塑性
Fig.7 Market factors plasticity for flexible electricity load
图8 可调节负荷功率可塑性在线动态量化评估技术路线
Fig.8 Technical roadmap of electricity plasticity evaluation for the flexible electricity load
在实现负荷单体调节能力评估后，考虑台区内与台区间多种时间尺度，提出“台区内自治、台区间互济”原则下的多种异质可调节负荷优化聚合策略，研究其聚合模型及可塑性动态量化评估方法，为充分调用多种异质可调节负荷奠定基础。
4.4.3 基于台区智能终端的配电网分层分级协同自治调控
在分布式光伏功率预测和可调节负荷可塑性动态量化评估研究的基础上，基于台区智能终端开展分布式源荷综合协调运行控制方法研究。具体内容与技术路线如图9所示，主要包括三项研究内容。首先，研究基于数字建模的单一及多台区间潮流计算方法，探讨基于分布式光伏功率预测和可调节负荷可塑性量化评估的日前、日内以及超短期用电功率曲线滚动修正算法，利用智能融合终端的边缘计算能力实现台区内在线未来态潮流（单相、三相）计算，实现电压越限、过载风险感知。其次，研究基于台区智能终端的云边协同区域AGC/AVC（自动发电控制/自动电压控制）算法，建立含分布式光伏、风电、分布式储能及可控负荷配电网的云边协同分布式预测控制模型，研究配电网及配网台区间互联互济的台区智能终端之间的分布式光伏和可调节负荷的综合协调运行控制算法，实现分布式源荷的分层分级优化协调控制。最后，研究可调节负荷可塑性利用效益评估算法，基于智能融合终端的边缘计算能力和数据存储能力，分析可调节负荷可塑性实际利用效率和关键受限因素，提出可调节负荷可塑性匹配分布式光伏出力的实际运行效益评估方法。
图9 基于台区智能终端的分布式源荷综合协调运行控制技术路线
Fig.9 Technical roadmap of distributed source-charge integrated coordinated operation control based on the intelligent terminal equipment of the station
5 结论及展望
新型电力系统建设背景下，大规模分布式电源接入和柔性负荷涌现的配电网具备显著特征，包括绿色化、有源化、主动化、数字化、柔性化。分布式新能源接入带来绿色化的同时，由于新能源的不确定性给配电网供电质量和可靠性带来严峻挑战，但数字化、柔性化的特征也给配电网主动化调控带来发展机遇。解决新型配电网分布式新能源消纳、供电质量及可调节资源利用的关键在于提出适配的配网电力运营模式。
本文回顾了国内外分散式和集中式电力运营模式，结合中国新型配电网集中式调度与分布式运行需求并存的特点，提出适用于中国大电网集中调度的新型配电网集中-分布式协同自治调控新范式，并分析了该技术的可行性。协同自治调控技术旨在依托终端装备提供的边缘计算和信息交互能力，将连接在每个智能融合终端的分布式电源与可调节负荷耦合成海量分散的微“自治体”；所有自治体遵循“内部自治、相邻互济、整体协同”的调控运营策略，将分布式光伏、用户侧可调节资源与新型配电网三者有机融合在一起，实现基于台区智能终端的分布式智能配电网协同自治调控运营，有效提升配电网的供电质量与分布式可再生能源的消纳水平。最后，本文提炼了关键支撑技术，包括分布式光伏功率预测、可调节负荷灵活性精细化评估、配电网分层分布式协同自治优化调度技术。
本文重点在于分析配电网运行问题，对电力市场研究现状和应用的阐述较少，后续还需借助信息通信技术实现对海量分散可调节资源的感知、优化、调控，提出与协同自治调控模式相适应的市场机制。
参考文献
-
[1]
陈娟，高江梅.基于演化博弈的户用光伏整县开发协同机制及仿真[J].电网技术，2023，47(2)：669-684.CHEN Juan,GAO Jiangmei.Coordination mechanism and simulation of household photovoltaic county development based on evolutionary game[J].Power System Technology,2023,47(2):669-684(in Chinese). [百度学术]
-
[2]
国家能源局．2022年光伏发电建设运行情况[EB/OL].(2023-02-17).http://www.nea.gov.cn/2023-02/17/c_1310698128.htm. [百度学术]
-
[3]
梁志峰，夏俊荣，孙檬檬，等.数据驱动的配电网分布式光伏承载力评估技术研究[J].电网技术，2020，44(7)：2430-2439.LIANG Zhifeng,XIA Junrong,SUN Mengmeng,et al.Data driven assessment of distributed photovoltaic hosting capacity in distribution network[J].Power System Technology,2020,44(7):2430-2439(in Chinese). [百度学术]
-
[4]
戚野白.基于精细化建模的负荷直接控制及能效电厂集成技术研究[D].天津：天津大学，2017. [百度学术]
-
[5]
王彩霞，时智勇，梁志峰，等.新能源为主体电力系统的需求侧资源利用关键技术及展望[J].电力系统自动化，2021，45(16)：37-48.WANG Caixia,SHI Zhiyong,LIANG Zhifeng,et al.Key technologies and prospects of demand-side resource utilization for power systems dominated by renewable energy[J].Automation of Electric Power Systems,2021,45(16):37-48(in Chinese). [百度学术]
-
[6]
范睿，孙润稼，刘玉田.考虑空调负荷需求响应的负荷恢复量削减方法[J].电工技术学报，2022，37(11)：2869-2877.FAN Rui,SUN Runjia,LIU Yutian.A load restoration amount reduction method considering demand response of air conditioning loads[J].Transactions of China Electrotechnical Society,2022,37(11):2869-2877(in Chinese). [百度学术]
-
[7]
惠红勋.温控负荷参与电力系统动态响应的建模与控制方法研究[D].杭州：浙江大学，2020. [百度学术]
-
[8]
MAHDAVI N,BRASLAVSKY J H.Modelling and control of ensembles of variable-speed air conditioning loads for demand response[J].IEEE Transactions on Smart Grid,2020,11(5):4249-4260. [百度学术]
-
[9]
鲁宗相，王彩霞，闵勇，等.微电网研究综述[J].电力系统自动化，2007，31(19)：100-107.LU Zongxiang,WANG Caixia,MIN Yong,et al.Overview on microgrid research[J].Automation of Electric Power Systems,2007,31(19):100-107(in Chinese). [百度学术]
-
[10]
沈鑫，曹敏.分布式电源并网对于配电网的影响研究[J].电工技术学报，2015，30(增刊1)：346-351.SHEN Xin,CAO Min.Research on the influence of distributed power grid for distribution network[J].Transactions of China Electrotechnical Society,2015,30(S1):346-351(in Chinese). [百度学术]
-
[11]
马钊，张恒旭，赵浩然，等.双碳目标下配用电系统的新使命和新挑战[J].中国电机工程学报，2022，42(19)：6931-6945.MA Zhao,ZHANG Hengxu,ZHAO Haoran,et al.New mission and challenge of power distribution and consumption system under dual-carbon target[J].Proceedings of the CSEE,2022,42(19):6931-6945(in Chinese). [百度学术]
-
[12]
北京市人民政府.北京市“十四五”时期能源发展规划[EB/OL].(2022-05-27).http://www.beijing.gov.cn/zhengce/zhengcefagui/202204/t20220401_2646626.html. [百度学术]
-
[13]
赵波，王财胜，周金辉，等.主动配电网现状与未来发展[J].电力系统自动化，2014，38(18)：125-135.ZHAO Bo,WANG Caisheng,ZHOU Jinhui,et al.Present and future development trend of active distribution network[J].Automation of Electric Power Systems,2014,38(18):125-135(in Chinese). [百度学术]
-
[14]
年兰雨.基于随机生产模拟的多微网储能容量优化配置与运行控制[D].北京：北京交通大学，2021. [百度学术]
-
[15]
李美成，梅文明，张凌康，等.基于可再生能源不确定性的多能源微网调度优化模型研究[J].电网技术，2019，43(4)：1260-1270.LI Meicheng,MEI Wenming,ZHANG Lingkang,et al.Research on multi-energy microgrid scheduling optimization model based on renewable energy uncertainty[J].Power System Technology,2019,43(4):1260-1270(in Chinese). [百度学术]
-
[16]
梁志峰，叶畅，刘子文，等.分布式电源集群并网调控：体系架构与关键技术[J].电网技术，2021，45(10)：3791-3802.LIANG Zhifeng,YE Chang,LIU Ziwen,et al.Gridconnected scheduling and control of distributed generations clusters:architecture and key technologies[J].Power System Technology,2021,45(10):3791-3802(in Chinese). [百度学术]
-
[17]
O’MALLEY M J,ANWAR M B,HEINEN S,et al.Multicarrier energy systems:shaping our energy future[J].Proceedings of the IEEE,2020,108(9):1437-1456. [百度学术]
-
[18]
王健.浅析国外联合电网运营模式及对电力体制改革的启示[J].科技与创新，2016(19)：21. [百度学术]
-
[19]
卢键明.我国电力需求侧响应的模型方法及实施模式研究[D].北京：华北电力大学，2010. [百度学术]
-
[20]
张钦，王锡凡，王建学，等.电力市场下需求响应研究综述[J].电力系统自动化，2008，32(3)：97-106.ZHANG Qin,WANG Xifan,WANG Jianxue,et al.Survey of demand response research in deregulated electricity markets[J].Automation of Electric Power Systems,2008,32(3):97-106(in Chinese). [百度学术]
-
[21]
卫璇，潘昭光，王彬，等.云管边端架构下虚拟电厂资源集群与协同调控研究综述及展望[J].全球能源互联网，2020，3(6)：539-551.WEI Xuan,PAN Zhaoguang,WANG Bin,et al.Review on virtual power plant resource aggregation and collaborative regulation using cloud-tube-edge-end architecture[J].Journal of Global Energy Interconnection,2020,3(6):539-551(in Chinese). [百度学术]
-
[22]
徐筝，孙宏斌，郭庆来.综合需求响应研究综述及展望[J].中国电机工程学报，2018，38(24)：7194-7205.XU Zheng,SUN Hongbin,GUO Qinglai.Review and prospect of integrated demand response[J].Proceedings of the CSEE,2018,38(24):7194-7205(in Chinese). [百度学术]
-
[23]
宋莉，刘敦楠，庞博，等.需求侧资源参与电力市场机制及典型案例实践综述[J].全球能源互联网，2021，4(4)：401-410.SONG Li,LIU Dunnan,PANG Bo,et al.Mechanism of demand-side resource participation in the electricity market and typical case practice review[J].Journal of Global Energy Interconnection,2021,4(4):401-410(in Chinese). [百度学术]
-
[24]
WANG Y,AI X,TAN Z F,et al.Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory[J].IEEE Transactions on Smart Grid,2016,7(1):510-519. [百度学术]
-
[25]
卫志农，余爽，孙国强，等.虚拟电厂的概念与发展[J].电力系统自动化，2013，37(13)：1-9.WEI Zhinong,YU Shuang,SUN Guoqiang,et al.Concept and development of virtual power plant[J].Automation of Electric Power Systems,2013,37(13):1-9(in Chinese). [百度学术]
-
[26]
李昭昱，艾芊，张宇帆，等.数据驱动技术在虚拟电厂中的应用综述[J].电网技术，2020，44(7)：2411-2419.LI Zhaoyu,AI Qian,ZHANG Yufan,et al.Application of data-driven technology in virtual power plant[J].Power System Technology,2020,44(7):2411-2419(in Chinese). [百度学术]
-
[27]
王成山，李鹏.分布式发电、微网与智能配电网的发展与挑战[J].电力系统自动化，2010，34(2)：10-14.WANG Chengshan,LI Peng.Development and challenges of distributed generation,the micro-grid and smart distribution system[J].Automation of Electric Power Systems,2010,34(2):10-14(in Chinese). [百度学术]
-
[28]
赵嘉琦，李瑞.微电网技术研究进展[J].山西电力，2022(5)：10-13.ZHAO Jiaqi,LI Rui.Study on progress of microgrid technology[J].Shanxi Electric Power,2022(5):10-13(in Chinese). [百度学术]
-
[29]
刘迎澍，陈曦，李斌，等.多微网系统关键技术综述[J].电网技术，2020，44(10)：3804-3820.LIU Yingshu,CHEN Xi,LI Bin,et al.State of art of the key technologies of multiple microgrids system[J].Power System Technology,2020,44(10):3804-3820(in Chinese). [百度学术]
-
[30]
WANG T,O’NEILL D,KAMATH H.Dynamic control and optimization of distributed energy resources in a microgrid[J].IEEE Transactions on Smart Grid,2015,6(6)：2884-2894. [百度学术]
-
[31]
王满商.基于分布式优化的微电网协调运行控制研究[D].镇江：江苏大学，2021. [百度学术]
-
[32]
尹玉霞.德国虚拟电厂发展经验[J].中国电力企业管理，2022(19)：94-96. [百度学术]
-
[33]
许洪强，姚建国，南贵林，等.未来电网调度控制系统应用功能的新特征[J].电力系统自动化，2018，42(1)：1-7.XU Hongqiang,YAO Jianguo,NAN Guilin,et al.New features of application function for future dispatching and control systems[J].Automation of Electric Power Systems,2018,42(1):1-7(in Chinese). [百度学术]
-
[34]
葛鑫鑫，付志扬，徐飞，等.面向新型电力系统的虚拟电厂商业模式与关键技术[J/OL].电力系统自动化，2022：1-18.(2022-08-18).https://kns.cnki.net/kcms/detail/32.1180.TP.20220818.0919.006.html.GE Xinxin,FU Zhiyang,XU Fei,et al.Business model and key technology of virtual power plant oriented for new power system[J/OL].Automation of Electric Power Systems,2022:1-18.(2022-08-18).https://kns.cnki.net/kcms/detail/32.1180.TP.20220818.0919.006.html(in Chinese). [百度学术]
-
[35]
HUANG X,FAN R,GUO X,et al.Research on distributed photovoltaic power prediction based on centralized photovoltaic output[C]//IOP Conference Series:Earth and Environmental Science.IOP Publishing,2020. [百度学术]
-
[36]
乔颖，孙荣富，丁然，等.基于数据增强的分布式光伏电站群短期功率预测（一）：方法框架与数据增强[J].电网技术，2021，45(5)：1799-1808.QIAO Ying,SUN Rongfu,DING Ran,et al.Distributed photovoltaic station cluster gridding short-term power forecasting part Ⅰ:methodology and data augmentation[J].Power System Technology,2021,45(5):1799-1808(in Chinese). [百度学术]
-
[37]
乔颖，孙荣富，丁然，等.基于数据增强的分布式光伏电站群短期功率预测（二）：网格化预测[J].电网技术，2021，45(6)：2210-2218.QIAO Ying,SUN Rongfu,DING Ran,et al.Distributed photovoltaic station cluster short-term power forecasting part II:gridding prediction[J].Power System Technology,2021,45(6):2210-2218(in Chinese). [百度学术]
-
[38]
LI K,WANG F,MI Z,et al.Capacity and output power estimation approach of individual behind-the-meter distributed photovoltaic system for demand response baseline estimation[J].Applied Energy,2019,253:113595. [百度学术]
-
[39]
王彪，吕洋，陈中，等.考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测[J].电力系统自动化，2022，46(11)：67-74.WANG Biao,LYU Yang,CHEN Zhong,et al.Hybrid mechanism-data-driven short-term power forecasting of distributed photovoltaic considering information time shift[J].Automation of Electric Power Systems,2022,46(11):67-74(in Chinese). [百度学术]
-
[40]
GHISLAIN A X,ROBIN G,GEORGE K.Probabilistic models for spatio-temporal photovoltaic power forecasting[J].IEEE Transactions on Sustainable Energy,2019,10(2):780-789. [百度学术]
-
[41]
张青山，王丽婕，郝颖，等.基于卫星云图和晴空模型的分布式光伏电站太阳辐照度超短期预测[J].高电压技术，2022，48(8)：3271-3281.ZHANG Qingshan,WANG Lijie,HAO Ying,et al.Ultrashort-term solar irradiance prediction of distributed photovoltaic power stations based on satellite cloud images and clear sky model[J].High Voltage Engineering,2022,48(8):3271-3281(in Chinese). [百度学术]
-
[42]
刘晓艳，王珏，姚铁锤，等.基于卫星遥感的超短期分布式光伏功率预测[J].电工技术学报，2022，37(7)：1800-1809.LIU Xiaoyan,WANG Jue,YAO Tiechui,et al.Ultra shortterm distributed photovoltaic power prediction based on satellite remote sensing[J].Transactions of China Electrotechnical Society,2022,37(7):1800-1809(in Chinese). [百度学术]
-
[43]
ZHEN H,NIU D,WANG K K,et al.Photovoltaic power forecasting based on GA improved Bi-LSTM in microgrid without meteorological information[J].Energy,2021,231:120908. [百度学术]
-
[44]
ZHANG R Y,MA H,HUA W,et al.Data-driven photovoltaic generation forecasting based on a Bayesian network with spatial-temporal correlation analysis[J].IEEE Transactions on Industrial Informatics,2020,16(3):1635-1644. [百度学术]
-
[45]
高博，茆超，张冲标，等.基于时空图网络的分布式光伏发电出力预测[J].电力系统及其自动化学报，2023，35(3)：125-133.GAO Bo,MAO Chao,ZHANG Chongbiao,et al.Output prediction of distributed photovoltaic power generation based on spatialtemporal graph neural network[J].Proceedings of the CSU-EPSA,2023,35(3):125-133(in Chinese). [百度学术]
-
[46]
JIAO X,LI X,LIN D,et al.A graph neural network based deep learning predictor for spatio-temporal group solar irradiance forecasting[J].IEEE Transactions on Industrial Informatics,2021,18(9):6142-6149. [百度学术]
-
[47]
WANG F,XUAN Z,ZHEN Z,et al.A minutely solar irradiance forecasting method based on real-time sky imageirradiance mapping model[J].Energy Conversion and Management,2020,220:113075. [百度学术]
-
[48]
胡江溢，王鹤，周昭茂.电力需求侧管理的国际经验及对我国中国的启示[J].电网技术，2007，31(18)：10-14.HU Jiangyi,WANG He,ZHOU Zhaomao.International experience of power demand side management and enlightenment to China[J].Power System Technology,2007,31(18):10-14(in Chinese). [百度学术]
-
[49]
王蓓蓓.面向智能电网的用户需求响应特性和能力研究综述[J].中国电机工程学报，2014，34(22)：3654-3663.WANG Beibei.Research on consumers’ response characterics and ability under smart grid:a literatures survey[J].Proceedings of the CSEE,2014,34(22):3654-3663(in Chinese). [百度学术]
-
[50]
张智刚，康重庆.碳中和目标下构建新型电力系统的挑战与展望[J].中国电机工程学报，2022，42(8)：2806-2819.ZHANG Zhigang,KANG Chongqing.Challenges and prospects for constructing the new-type power system towards a carbon neutrality future[J].Proceedings of the CSEE,2022,42(8):2806-2819(in Chinese). [百度学术]
-
[51]
曾博，杨雍琦，段金辉，等.新能源电力系统中需求侧响应关键问题及未来研究展望[J].电力系统自动化，2015，39(17)：10-18.ZENG Bo,YANG Yongqi,DUAN Jinhui,et al.Key issues and research prospects for demand-side response in alternate electrical power systems with renewable energy sources[J].Automation of Electric Power Systems,2015,39(17):10-18(in Chinese). [百度学术]
-
[52]
靳小龙.集成智能楼宇的电/气/热区域综合能源系统建模及运行优化研究[D].天津：天津大学，2018. [百度学术]
-
[53]
王怡岚，童亦斌，黄梅，等.基于需求侧响应的空调负荷虚拟储能模型研究[J].电网技术，2017，41(2)：394-401.WANG Yilan,TONG Yibin,HUANG Mei,et al.Research on virtual energy storage model of air conditioning loads based on demand response[J].Power System Technology,2017,41(2):394-401(in Chinese). [百度学术]
-
[54]
徐飞，郝玲，陈磊，等.电热综合能源系统中热力管网动态建模及协调运行研究综述[J].全球能源互联网，2021，4(1)：55-63.XU Fei,HAO Ling,CHEN Lei,et al.Review of district energy network dynamic modeling and coordinate optimal operation in integrated electricity and heat energy systems[J].Journal of Global Energy Interconnection,2021,4(1):55-63(in Chinese). [百度学术]
-
[55]
张宏业，吴杰康，蔡锦健，等.考虑空调负荷和柔性热负荷响应的综合能源系统储能鲁棒优化配置[J].电网技术，2022，46(7)：2733-2744.ZHANG Hongye,WU Jiekang,CAI Jinjian,et al.Robust optimal allocation of energy storage in integrated energy system considering demand response of air conditioning load and flexible heating load[J].Power System Technology,2022,46(7):2733-2744(in Chinese). [百度学术]
-
[56]
裴丛仙子.大规模空调负荷集群的需求响应与优化互动研究[D].北京：北京交通大学，2018. [百度学术]
-
[57]
杨珺，侯俊浩，刘亚威，等.分布式协同控制方法及在电力系统中的应用综述[J].电工技术学报，2021，36(19)：4035-4049.YANG Jun,HOU Junhao,LIU Yawei,et al.Distributed cooperative control method and application in power system[J].Transactions of China Electrotechnical Society,2021,36(19):4035-4049(in Chinese). [百度学术]
-
[58]
张进，胡存刚，芮涛.基于交替方向乘子法的主动配电网日前两阶段分布式优化调度策略[J].中国电力，2021，54(5)：91-100.ZHANG Jin,HU Cungang,RUI Tao.A day-ahead two-stage distributed optimal scheduling method for active distribution network based on ADMM[J].Electric Power,2021,54(5):91-100(in Chinese). [百度学术]
-
[59]
边晓燕，孙明琦，赵健，等.基于一致性算法的源-荷协同分布式优化调控策略[J].中国电机工程学报，2021，41(4)：1334-1347.BIAN Xiaoyan,SUN Mingqi,ZHAO Jian,et al.Distributed coordinative optimal dispatch and control of source and load based on consensus algorithm[J].Proceedings of the CSEE,2021,41(4):1334-1347(in Chinese). [百度学术]
-
[60]
KHAN I,LI Z C,XU Y L,et al.Distributed control algorithm for optimal reactive power control in power grids[J].International Journal of Electrical Power and Energy Systems,2016,83:505-513. [百度学术]
-
[61]
MAKNOUNINEJAD A,QU Z H.Realizing unified microgrid voltage profile and loss minimization:a cooperative distributed optimization and control approach[J].IEEE Transactions on Smart Grid,2014,5(4):1621-1630. [百度学术]
-
[62]
杨秋霞，袁冬梅，郭小强，等.CPS概念下基于事件触发且考虑通信丢包及扰动的微网分层控制策略[J].电工技术学报，2019，34(15)：3209-3221.YANG Qiuxia,YUAN Dongmei,GUO Xiaoqiang,et al.An event-triggered hierarchical control strategy based on concept of CPS for micro-grid considering with packet loss and communication disturbance[J].Transactions of China Electrotechnical Society,2019,34(15):3209-3221(in Chinese). [百度学术]
-
[63]
米阳，彭建伟，陈博洋，等.基于一致性原理和梯度下降法的微电网完全分布式优化调度[J].电力系统保护与控制，2022，50(15)：1-10.MI Yang,PENG Jianwei,CHEN Boyang,et al.Fully distributed optimal dispatch of a microgrid based on consensus principle and gradient descent[J].Power System Protection and Control,2022,50(15):1-10(in Chinese). [百度学术]
-
[64]
朱静，王飞跃，王戈，等.协同自治控制：面向信息安全和权益保护的分布式控制方法[J].自动化学报，2021，47(8)：1912-1920.ZHU Jing,WANG Feiyue,WANG Ge,et al.Federated control:a distributed control approach towards information security and rights protection[J].Acta Automatica Sinica,2021,47(8):1912-1920(in Chinese). [百度学术]
基金项目
北京智芯微电子科技有限公司院士专家基金项目；国家电网有限公司科技项目（SGITZXDTZPQT2201165）。
Academician Expert Fund Project of Beijing Smart Chip Microelectronics Technology Co.,Ltd.;Science and Technology Foundation of SGCC(SGITZXDTZPQT2201165).
作者简介
-
郝玲
-
陈磊
-
徐飞