《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 电源技术 > 设计应用 > AI赋能的分布式电源调度综合评价指标体系研究
AI赋能的分布式电源调度综合评价指标体系研究
电子技术应用
郭昊，王畅，肖林
国网冀北电力有限公司经济技术研究院
摘要： 针对分布式电源并网带来的调度复杂性及现有评价方法维度单一的问题，研究构建了一个面向人工智能（Artificial Intelligence， AI）赋能的分布式电源调度综合评价指标体系。该体系涵盖经济、环保与稳定性3个维度。研究采用基于聚类分析的层次分析法与熵值法相结合进行综合赋权，并设计了基于注意力机制的多任务深度学习算法对多维度指标进行同步预测。仿真结果表明，与传统调度方案相比，基于该评价体系的AI赋能调度方案能够在总成本、清洁能源渗透率及供电可靠性等核心指标上取得更优的综合平衡，为实现电力系统经济-环保-稳定的协同优化提供了有效的理论与方法支撑。
中圖分類號(hào)：TM73 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.257690
中文引用格式： 郭昊，王暢，肖林. AI賦能的分布式電源調(diào)度綜合評(píng)價(jià)指標(biāo)體系研究[J]. 電子技術(shù)應(yīng)用，2026，52(4)：18-28.
英文引用格式： Guo Hao，Wang Chang，Xiao Lin. Study on a comprehensive assessment framework for AI-empowered distributed generation orchestration[J]. Application of Electronic Technique，2026，52(4)：18-28.
Study on a comprehensive assessment framework for AI-empowered distributed generation orchestration
Guo Hao，Wang Chang，Xiao Lin
State Grid Jibei Electric Power Company Limited Economic and Technological Research Institute
Abstract： In response to the scheduling complexities introduced by the integration of distributed generation and the limitations of existing single-dimensional evaluation methods, this study constructs a comprehensive evaluation index system for Artificial Intelligence (AI)-enabled distributed power scheduling. The system encompasses three dimensions: economy, environmental friendliness, and stability. The research employs a combination of the Analytic Hierarchy Process (AHP) and the entropy method, based on cluster analysis, for comprehensive weighting. Additionally, a multi-task deep learning algorithm incorporating an attention mechanism is designed to synchronously predict multi-dimensional indicators. Simulation results demonstrate that, compared to traditional scheduling schemes, the AI-enabled scheduling approach based on this evaluation system achieves a better overall balance across key indicators such as total cost, clean energy penetration rate, and power supply reliability. This provides effective theoretical and methodological support for the coordinated optimization of economy, environmental protection, and stability in power systems.
Key words : distributed generation；evaluation indicators；Analytic Hierarchy Process（AHP）；entropy method

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://www.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）

2.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。