智能配電網研發路線探討

圖中，高級量測體系AMI：繼承與發展傳統AMR的各種應用，通過智能電表和通信、信息集成，實現供需之間電力和信息的雙向流動，支持表前電網側和表后用戶側的各種應用。

高級配電運行ADO：繼承與發展傳統SCADA/DMS的各種應用，支持分布能源和電動汽車充放電的入網管理和市場交易，電網的安全自愈和優質高效運行，和供需互動的雙向服務。

高級輸電運行ATO：繼承與發展傳統SCADA/EMS的各種應用，支持接入靈活交流輸電、高溫超導輸電等新系統元件，高壓集中發電和低壓分散發電的協調優化，事件啟動快速仿真決策、靈活分區故障隔離，避免或縮小大面積停電。

此外，智能電網中的高級資產管理AAM，與AMI、ADO、ATO相集成，使用有關信息和控制，實現對資產規劃、建設、運行維護等全生命周期的優化管理。

可見，智能電網研發領域中，和傳統電網重大不同且量大面廣的，都集中在配用電領域。即：用電領域智能電表與通信信息結合組成的先進量測體系AMI、及其表前表后各種應用，應對簡單受電網絡轉型為復雜有源網絡、大量分布能源和電動汽車充放電入網管理和市場交易的ADO，以及兩者共同支持的供需互動雙向服務等。

考慮到智能電網是從傳統電網發展而來，因此，研發智能配電網時，應充分利用傳統電網的現有基礎，最大限度地優化投資，避免重復建設。為此，本文將智能配電網的研發內容劃分為實現電力和信息的雙向流動、支持各種應用的支撐系統，表前表后、當前今后的各種應用，以及支撐應用一體化的智能設備三個層次，在充分發揮傳統電網現有系統作用的同時，跟蹤技術創新實現跨越式發展。

但這些增效應用，都以當前單向的供需關系為前提，即使接入少量的可再生能源發電和電動汽 車充電樁或充電站，也是按負荷效應處理，不涉及供需互動的雙向服務問題。 表前電網側當前的這些增效應用，如支撐系統的水平不低，對集中控制系統(SCADA/DMS、 負荷管理、營銷管理等)而言，并無突出的難點。但對于分布控制系統(繼電保護、就地無供補償 等) 卻存在網絡重構后的再整定或自適應難點問題。 ， 對此， 將在下節的潛在應用中， 一并加以討論。

3電網側今后的潛在應用表前電網側今后的潛在應用，主要是解決配電系統接入大量的系統新元件(包括可再生能源發 電和電動汽車充放電)后，所引發的雙向服務、入網管理和市場交易問題，研發和實施工作量較大。

間歇性、功率不穩的可再生能源分布式發電大量并網運行時，將改變傳統電網的結構，使配電 系統從簡單的受電網絡變成復雜的有源網絡。當前配網的保護和控制配置方案不適應多分布發電源 的接入，已成為廣泛采用分布式發電的技術瓶頸，更不用說由于通過逆變裝置并網而帶來的諸多電 能質量問題了。

電動汽車充放電的入網管理，技術上雖較可再生能源發電簡單。但由于更加量大面廣，存在大 量用戶、中間服務商和電力公司之間的單獨組網和營銷管理等復雜問題。

盡管可再生能源發電和電動汽車充放電的入網管理和市場交易，提出了許多難題。但主要的難 點，還在于供需互動后接入的這些用電設備和系統，將以千位數量級增長，并需解決與電網并網運 行后的系統優化、協調和控制等問題。此時，傳統的 SCADA/DMS 系統已不可能監視控制到每個單獨 設備，只能監視控制到運行工況的邊界，而通過設置在邊界的分布式的智能控制來解決問題，這才是實施智能配電網所面臨的一個研發難點和熱點。

和靜態模型與動態數據相結合的精確解不同，分布式的智能控制必須與知識工程的智能解相結 合，當前分布式智能的研發方向，幾乎毫無例外地采用多智能體(multi-agent)技術。面向 Agent (AO， agent-oriented)是繼面向過程和面向對象(OO，objeci-oriented)之后、新一代的軟件系統工程技術。 Agent 是將知識和使用它的一組操作或過程封裝在一起得到的一個實體，具有結構和屬性，并 可通過消息互相通信。Agent 特有的自治性和主動性，可獨立地完成其目標而不需要外界的指令、 或感知環境變化時通過規劃實現其目標。因此，Agent 又有“主動的對象”之稱，知識工程界均將 Agent 意譯為“主體”或 “智能體” ，而不采用概念易于混淆的“代理” 。單個的 Agent 擁有解決問 題的不完全的信息或能力，沒有系統全局控制能力。但可通過相關 Agent 間的協調和協作組成 Multi-Agent 系統，來解決復雜的全局性問題。 包括反應、協作和認知三層結構的 Multi -Agent 系統，

無通信能力的反應式 Agent，相當于傳統上“事先整定、實時動作”的繼電保護和就地無功補償裝置，根據程序安排自主作出反應，而無須外部指令控制。但保護和補償定值的設定和修改 只能離線進行。加上具有通信能力的協作層后，當事件響應的快速仿真決策需對有關保護定值或穩 定補救方案進行修改和調整時，就可依靠外部知識協作、對反應參數或程序進行修改和調整，以提 高裝置的適應性水平。這種通過不斷修改系統控制參數來改進系統執行能力的感知型學習，不涉及 與具體任務有關的知識，但對外部知識依賴性強，在通信中斷的情況下難于達到自適應的水平。如 進一步加上具有與具體任務有關的內部知識組成認知式 Agent，即使通信中斷或情況緊急來不及協 調時，也可根據內部積累的知識作出自適應反應，充分體現 Agent 的自主性。

三層結構的 AO 系統，既可用以解決上節所述分布控制系統的再整定或自適應、和本節集中控制 系統作為遠方終端的分布智能控制問題，也可用以解決下節用戶側應用的分布智能體系結構問題。

用戶側當前的增效應用不言而喻，作為在用戶和電網之間反映電力和信息雙向流動的智能電表，除作為電網側現有調 度管理、需求側管理、營銷管理系統、停電管理、以及用戶信息等系統的終端外;對用戶來說，由 于增加了電網側電力和市場、用戶側設備和用電信息的可視化和透明度，大大有利于用戶主動選擇 和優化用電方式，節約用電和減少電費支出。一般可減少 15%以上的峰荷和10%以上的總需求。

早期，這些增效應用，都以當前單向的供需關系為前提，即使接入少量的可再生能源發電和電 動汽車充電樁或充電站，也是按負荷效應處理，不涉及供需互動的雙向服務問題。因此，智能電表 對用戶設備的監控比較簡單，可按類似繼電保護“離線整定、實時動作”原則，按預定程序進行反 應處理。 隨著再生能源發電、電動汽車充放電、以及其他用戶設備的大量并網運行、和供需互動雙向服 務的實現，單向的“離線整定、實時動作” ，已不能實現雙向互動后的系統優化、協調和控制。而現 有的 SCADA 系統，又不可能直接接入千位數量級增長的系統新元件。因此，必須采用上節所述的分 布式智能控制技術，組成如圖 3 所示的分布式智能體系結構，以解決“量大面廣”的分區控制問題。