引言

電力作為國(guó)民經(jīng)濟(jì)發(fā)展的命脈，其安全、穩(wěn)定與高效運(yùn)行至關(guān)重要。當(dāng)前，在全球能源轉(zhuǎn)型與“碳達(dá)峰、碳中和”戰(zhàn)略目標(biāo)的驅(qū)動(dòng)下，以光伏、風(fēng)電為代表的分布式電源正以前所未有的速度接入電網(wǎng)。這一轉(zhuǎn)變?cè)趦?yōu)化能源結(jié)構(gòu)、減少碳排放的同時(shí)，也因其固有的間歇性、波動(dòng)性和強(qiáng)隨機(jī)性，對(duì)傳統(tǒng)電力系統(tǒng)的運(yùn)行管理模式帶來了革命性挑戰(zhàn)。值得注意的是，隨著低空經(jīng)濟(jì)的蓬勃發(fā)展，以無人機(jī)物流配送、電動(dòng)垂直起降飛行器及城市空中交通為代表的新型用電場(chǎng)景正加速形成，成為配電網(wǎng)末端不可忽視的新增負(fù)荷極。這一場(chǎng)景呈現(xiàn)出顯著的移動(dòng)負(fù)荷特性與高彈性時(shí)空分布特征，對(duì)配電網(wǎng)的瞬時(shí)響應(yīng)能力和供電可靠性提出了較傳統(tǒng)建筑負(fù)荷更為嚴(yán)苛的要求。例如，大規(guī)模無人機(jī)機(jī)場(chǎng)的集群化充放電管理、低空飛行器的航線動(dòng)態(tài)充電需求，本質(zhì)上構(gòu)成了一個(gè)立體化、高隨機(jī)性的分布式能源調(diào)度問題。這些低空領(lǐng)域的用電負(fù)荷不僅繼承了新能源發(fā)電的強(qiáng)波動(dòng)性，更增添了能源補(bǔ)給節(jié)點(diǎn)隨飛行器移動(dòng)而動(dòng)態(tài)變化的復(fù)雜性，使得傳統(tǒng)面向固定節(jié)點(diǎn)的調(diào)度評(píng)價(jià)體系難以為繼。傳統(tǒng)的集中式、經(jīng)驗(yàn)型調(diào)度方式，依賴于單一或有限的經(jīng)濟(jì)、技術(shù)指標(biāo)，已難以應(yīng)對(duì)海量分布式資源并網(wǎng)所帶來的多維、動(dòng)態(tài)復(fù)雜性，導(dǎo)致調(diào)度決策往往顧此失彼，無法在經(jīng)濟(jì)效益、環(huán)境效益與系統(tǒng)安全穩(wěn)定之間取得最優(yōu)平衡[1]。

人工智能技術(shù)的迅猛發(fā)展為破解上述困境提供了全新的范式[2]。人工智能（Artificial Intelligence, AI）技術(shù)，特別是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)等，具備強(qiáng)大的數(shù)據(jù)挖掘、模式識(shí)別和智能決策能力，能夠?qū)崿F(xiàn)對(duì)分布式電源出力與負(fù)荷需求的精準(zhǔn)預(yù)測(cè)，并在此基礎(chǔ)上進(jìn)行高效的優(yōu)化調(diào)度。然而，“垃圾進(jìn)，垃圾出”的原則在AI應(yīng)用中同樣適用——一個(gè)卓越的AI調(diào)度模型，必須由一個(gè)科學(xué)、全面的評(píng)價(jià)體系來引導(dǎo)和訓(xùn)練。倘若評(píng)價(jià)指標(biāo)本身存在片面性或局限性，那么即使是最先進(jìn)的AI算法，其輸出的調(diào)度策略也可能偏離系統(tǒng)整體最優(yōu)的目標(biāo)。因此，構(gòu)建一套能夠全面、客觀、量化地衡量AI賦能下分布式電源調(diào)度綜合性能的評(píng)價(jià)指標(biāo)體系，已成為推動(dòng)智能電網(wǎng)從理論走向?qū)嵺`、從局部?jī)?yōu)化走向全局最優(yōu)的核心前提與關(guān)鍵基石。

目前，國(guó)內(nèi)外學(xué)者在分布式電源調(diào)度評(píng)價(jià)方面已開展諸多研究，但還存在三方面不足[3]：（1）評(píng)價(jià)維度單一，多數(shù)研究或偏重于經(jīng)濟(jì)成本最小化，或聚焦于特定技術(shù)指標(biāo)，缺乏對(duì)經(jīng)濟(jì)、環(huán)境、能源利用效率及系統(tǒng)穩(wěn)定性等多重目標(biāo)的協(xié)同考量；（2）權(quán)重確定方法主觀性強(qiáng)，常依賴專家經(jīng)驗(yàn)，難以客觀反映實(shí)際運(yùn)行數(shù)據(jù)中蘊(yùn)含的信息，導(dǎo)致權(quán)重分配與系統(tǒng)真實(shí)需求存在偏差；（3）與AI調(diào)度模型的耦合度不足，傳統(tǒng)指標(biāo)往往是為人工分析或經(jīng)典優(yōu)化模型設(shè)計(jì)，未能充分考慮AI模型訓(xùn)練與決策過程中的可導(dǎo)性、可學(xué)習(xí)性及多目標(biāo)權(quán)衡需求。

針對(duì)上述問題，本研究聚焦于“基于AI賦能的分布式電源管理與調(diào)度評(píng)價(jià)指標(biāo)選擇方案研究”。本研究旨在構(gòu)建一個(gè)多維度、分層級(jí)的綜合評(píng)價(jià)指標(biāo)體系，系統(tǒng)性地涵蓋經(jīng)濟(jì)性、環(huán)保性、穩(wěn)定性以及能源利用效率等多個(gè)核心維度。更進(jìn)一步，本研究將創(chuàng)新性地采用主客觀綜合集成賦權(quán)法，將體現(xiàn)專家智慧的層次分析法與基于數(shù)據(jù)驅(qū)動(dòng)信息的熵值法相結(jié)合，確保權(quán)重分配既符合主觀戰(zhàn)略意圖，又貼近客觀運(yùn)行實(shí)際。

該評(píng)價(jià)指標(biāo)體系的建立，不僅為評(píng)估不同AI調(diào)度策略的優(yōu)劣提供了統(tǒng)一的“標(biāo)尺”，更能作為目標(biāo)函數(shù)直接嵌入AI算法的訓(xùn)練過程，引導(dǎo)AI模型朝著系統(tǒng)全局最優(yōu)的方向進(jìn)行學(xué)習(xí)與決策。本研究工作將為實(shí)現(xiàn)分布式電源的高效消納、電網(wǎng)的安全穩(wěn)定運(yùn)行以及電力系統(tǒng)的低碳化、智能化轉(zhuǎn)型提供堅(jiān)實(shí)的理論方法支撐與決策依據(jù)，具有重要的理論價(jià)值與廣闊的應(yīng)用前景。

本文詳細(xì)內(nèi)容請(qǐng)下載：

http://ihrv.cn/resource/share/2000007033

作者信息：

郭昊，王暢，肖林

（國(guó)網(wǎng)冀北電力有限公司經(jīng)濟(jì)技術(shù)研究院，北京 100038）