值此清华大学能源互联网创新研究院成立十周年之际，我们推出“建院十周年学术特辑”专栏，精选院内各研究团队已发表的学术成果，系统呈现研究院在能源互联网领域的前沿研究。本期推出能量管理与调控研究中心的学术论文，发表于《电力系统自动化》，详见文末“阅读原文”。
传统配电网调控模式所面临的挑战
1）海量分布式资源与实时敏捷控制存在矛盾。分布式电源分布零散、数量大，存在通信和同步时延问题，采用集中调控模式难以满足主动控制的实时性要求。
2）海量分布式电源并入配电网，其模型难以精确和及时维护，完全基于模型的优化控制实际应用效果不佳。主要原因如下：一是数量庞大的分布式电源的模型参数可信度低，分布式电源及其集群的动态模型呈现出强非线性，难以实现最优控制；二是庞大的设备规模和频繁的异动导致配电网网络模型维护成本巨大，实际上基本采用理论参数，精度低。因此，完全基于模型优化的调控方法导致实际控制效果偏离预期。
3）海量分布式资源并网同时引入了强随机性，配电网支路过载、电压越限等运行风险显著提高，传统确定性调度决策不完全适应极端源荷功率波动场景，系统运行风险难以有效量化与约束。
基于机器学习的主动配电网调控体系
基于机器学习的主动配电网调控体系（如图1所示），包含分布式资源集群与配电网两个层级。在集群控制层，实现稳态下的安全自律运行、响应上级配电网的调控目标；同时，考虑分布式资源的动态特性，通过对内部各异资源的协调控制，提供精准动态支撑能力，且支持故障下的集群稳定控制，通过分布式电源保证局域稳定供电。在电网运行层，能量管理系统通过电网模型在线构建、源荷功率不确定性建模，协调各个集群，通过风险量化的概率调度协同经济与安全性。
图1 基于机器学习的主动配电网调控体系
分布式资源集群自律运行与主动支撑
分布式资源点多面广，通常采用集群控制的方式将大量分散资源聚合成为独立整体进行分层管理和调控。通过对海量分布式资源进行动态控制，可实现对集群内自律安全运行，对外主动支撑，实现面向上级配电网友好并网。在极端场景下，分布式电源可以通过构网和协调控制作为黑启动恢复电源，提升极限场景下的生存能力。
针对分布式资源集群稳态调控需求，提出了基于在线反馈优化的集群自律运行技术，通过数据驱动模型和实时量测反馈，实现弱模型/无模型的自律优化运行。利用抗差回归理论学习可解释的集群模型，降低对精确模型参数的依赖。针对极端场景等动态控制需求，提出基于升维学习的分布式资源集群动态控制技术，通过数据驱动的升维动态模态分解算法，从非线性动态轨迹数据中学习得到全局线性化的动态控制模型，以实现集群动态主动支撑。
主动配电网运行调控
海量分布式资源接入后的主动配电网面临设备频繁投退、网络模型维护困难、源荷功率随机性大等挑战。一方面，利用机器学习构建配电网模型，通过稀疏学习建模源荷功率不确定性，应用风险量化的概率调度模型实现风险水平可控的优化调度，并通过解析算法将机会约束转化为确定性约束，以实现概率调度模型的快速决策。另一方面，针对主动配电网中设备众多、建模成本高的问题，通过将优化控制问题建模为马尔可夫决策过程，使用深度强化学习方法，无需环境模型参数，可直接从数据中学习无功控制策略。针对控制的高安全性需求，提出了安全强化学习等改进方法，以提高控制策略的安全性与抗干扰性。
装备、系统研发与应用
图2 分布式资源集群控制器
分布式资源集群控制器通过并网点的频率、电压量测，生成集群内光伏逆变器总的有功、无功调节指令。在分配时，根据新型光伏逆变器上送光伏本地直流母线电压、有功功率和无功功率等实时状态，通过升维映射算法对分布式资源集群进行在线动态建模，通过模型预测控制优化分配集群总体有功、无功调节指令，使得分布式资源集群对系统提供频率电压主动支撑。若调控中心对调频、调压特性或分布式资源集群的功率运行有指令更新，集群控制器可以及时更新频率、电压响应特性和功率设定值，实现集群主动支撑电网和功率精确跟踪。
主动配电网能量管理系统（如图3所示），具备基础功能和高级应用功能两部分。基础功能包括：多源数据融合与状态估计、潮流计算、主配网画像、负荷功率预测、分布式光伏与主网模型拼接校验功能，实现对配电网运行状态的准确感知，为高级应用功能提供计算支撑。高级应用功能包括：分布式资源集群动态支撑能力在线评估与协同优化、主网-集群协同的广域分布式资源实时调度、主配网协同调频、电网-集群频率/电压自动控制、主配网协同调峰，可应对高渗透率分布式光伏配电网面临的反向重过载、用户过电压、消纳困难等难题。
图3 某地区电网能量管理系统
引 文 信 息
吴文传,蔺晨晖,孙宏斌,等.基于机器学习的主动配电网能量管理与运行控制[J].电力系统自动化,2024,48(20):2-11.
WU Wenchuan, LIN Chenhui, SUN Hongbin, et al. Machine Learning Based Energy Management and Operation Control for Active Distribution Networks[J]. Automation of Electric Power Systems, 2024, 48(20):2-11.
作 者 介 绍
吴文传：男，通信作者，清华大学电机系长聘教授，国家杰出青年科学基金获得者，IEEE/CSEE/IET Fellow，主要研究方向：大电网能量管理与运行控制、主动配电网、机器学习理论及其在能源系统的应用。E-mail：wuwench@tsinghua.edu.cn
蔺晨晖：男，清华大学电机系助理研究员，入选中国科协青年人才托举工程，主要研究方向：电力系统调控、主动配电网、分布式优化。E-mail: linchenhui@tsinghua.edu.cn
孙宏斌：男，清华大学电机系长聘教授，国家杰出青年科学基金获得者，IEEE/CSEE/IET Fellow，主要研究方向：能源互联网、智能电网、电力系统运行与控制。E-mail: shb@tsinghua.edu.cn
团 队 介 绍
能量管理与调控研究中心成立于2015年，现有研究人员40余人，包括教授4人，副研究员1人。能量管理与调控研究中心面向能源互联网的能量管理与运行控制，以保证未来能源互联网的安全可靠高效运行为目标，研究方向涵盖能量管理与运行控制、多能协同调度、可再生能源、信息物理融合系统、主动配电网与微网、需求侧响应、虚拟电厂、电碳联合智慧决策等。能量管理与调控研究中心根植于清华大学电机系调度自动化研究室。该团队在电力系统能量管理领域有超过30年的研究积累，是我国最早开始电网能量管理与运行控制研究的单位之一。研发了我国第一套具有完全自主知识产权的大区电网EMS应用软件，开发的EMS应用软件在国内超过72个地区级以上电网推广应用。电网无功/电压控制和有功/频率控制的主要研究成果应用面覆盖我国2/3以上网省级电网和6/10以上的大型风/光基地，相关技术出口到北美最大的区域电网——美国PJM电网，成为我国先进电网控制系统输出美国的首例，并获2018年国家科技进步一等奖。