能源轉(zhuǎn)型背景下電力系統(tǒng)不確定性及應(yīng)對(duì)方法綜述

徐瀟源，王 晗，嚴(yán) 正，魯卓欣，康重慶，謝開貴

（1.電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室（上海交通大學(xué)），上海市 200240；2.電力系統(tǒng)及大型發(fā)電設(shè)備安全控制和仿真國家重點(diǎn)實(shí)驗(yàn)室（清華大學(xué)），北京市 100084；3.輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室（重慶大學(xué)），重慶市 400044）

0 引言

傳統(tǒng)化石能源的大量使用，不僅使得其儲(chǔ)量大幅下降，還導(dǎo)致生態(tài)和氣候環(huán)境持續(xù)惡化。走清潔化發(fā)展道路，大力發(fā)展可再生能源，實(shí)現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型已經(jīng)成為全球共識(shí)。2020年12月，國務(wù)院新聞辦公室發(fā)布《新時(shí)代的中國能源發(fā)展》白皮書，清晰描繪了中國2030年實(shí)現(xiàn)“碳達(dá)峰”、2060年實(shí)現(xiàn)“碳中和”的路線圖，為推動(dòng)中國能源生產(chǎn)和消費(fèi)的低碳化轉(zhuǎn)型指明了方向。

在能源結(jié)構(gòu)低碳化轉(zhuǎn)型的背景下，構(gòu)建以新能源為主體的新型電力系統(tǒng)將成為實(shí)現(xiàn)“碳達(dá)峰”“碳中和”目標(biāo)的重要手段，這使得電力系統(tǒng)從確定性系統(tǒng)向強(qiáng)不確定性系統(tǒng)轉(zhuǎn)變。在電源側(cè)，高比例可再生能源成為新型電力系統(tǒng)的主要特征；不同于常規(guī)水電、火電，可再生能源發(fā)電受到氣象條件與環(huán)境因素的影響，其出力表現(xiàn)出間歇性與波動(dòng)性的特點(diǎn)；大規(guī)?？稍偕茉唇尤胧沟秒娏ο到y(tǒng)運(yùn)行具有顯著不確定性。在負(fù)荷側(cè)，隨著電動(dòng)汽車的廣泛接入，供需互動(dòng)的日益頻繁，以及用戶側(cè)光伏與儲(chǔ)能的發(fā)展，負(fù)荷表現(xiàn)出主動(dòng)性和復(fù)雜性的特征。在電網(wǎng)側(cè)，輸電網(wǎng)受到隨機(jī)源荷的影響，會(huì)出現(xiàn)大范圍潮流波動(dòng)；配電網(wǎng)由被動(dòng)配電網(wǎng)向主動(dòng)配電網(wǎng)發(fā)展，但是受限于有限量測(cè)信息，存在“弱可觀系統(tǒng)-強(qiáng)隨機(jī)狀態(tài)-高控制要求”的突出矛盾。

因此，相比于傳統(tǒng)電力系統(tǒng)中變化較為規(guī)律的不確定性因素，能源轉(zhuǎn)型下的電力系統(tǒng)不確定性因素顯著增加，傳統(tǒng)確定性分析方法已經(jīng)不能滿足電力系統(tǒng)的發(fā)展需求，關(guān)于電力系統(tǒng)不確定性的研究得到了廣泛關(guān)注。目前，已有較多文獻(xiàn)研究了各種不確定性應(yīng)對(duì)方法與手段，包括不確定性因素建模、考慮不確定性因素的電力系統(tǒng)分析、控制以及調(diào)度、采用電化學(xué)儲(chǔ)能、電制氫等手段降低不確定性因素的影響等?？紤]到不確定性對(duì)能源轉(zhuǎn)型研究帶來的挑戰(zhàn)，文獻(xiàn)［1］揭示了電力系統(tǒng)中各類不確定性因素的本質(zhì)，梳理了關(guān)于電力系統(tǒng)不確定性的研究方法，在宏觀層面提出了未來研究方向。本文則在上文基礎(chǔ)上，針對(duì)能源轉(zhuǎn)型下的強(qiáng)隨機(jī)性電力系統(tǒng)運(yùn)行這一具體問題，從不確定性建模、分析與應(yīng)對(duì)等各方面總結(jié)已有成果、闡述研究難點(diǎn)、探討未來研究方向。不同于已有的關(guān)于電力系統(tǒng)不確定性的綜述性文獻(xiàn)［2-3］，本文并非詳細(xì)介紹某類方法，而是主要探討各類方法背后的科學(xué)問題與數(shù)學(xué)方法，提出應(yīng)對(duì)不確定性的方法和手段。

本文主要從不確定性因素建模、不確定性因素影響評(píng)估、不確定性環(huán)境下決策以及不確定性平抑措施等4個(gè)方面闡述能源轉(zhuǎn)型下電力系統(tǒng)不確定性及其應(yīng)對(duì)措施。首先，總結(jié)不確定性因素建模的主要方法與未來研究重點(diǎn)；其次，從考慮不確定性因素的電力系統(tǒng)分析和關(guān)鍵不確定性因素辨識(shí)兩方面，探討不確定性因素影響評(píng)估的關(guān)鍵技術(shù)；然后，分別針對(duì)不確定性環(huán)境下的電力系統(tǒng)調(diào)度問題以及數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)狀態(tài)感知與優(yōu)化問題，闡述基于解析數(shù)學(xué)模型的優(yōu)化理論以及人工智能技術(shù)的應(yīng)用場(chǎng)景及其各自特點(diǎn)；最后，討論降低不確定性因素影響的主要手段，包括儲(chǔ)能應(yīng)用、供需互動(dòng)、多能互補(bǔ)以及電力網(wǎng)-交通網(wǎng)協(xié)調(diào)運(yùn)行。

1 不確定性因素建模

不確定性因素建模是分析電力系統(tǒng)不確定性的基礎(chǔ)。不確定性的認(rèn)知程度可劃分為隨機(jī)性、模糊性、無知3個(gè)方面［1］，本文主要研究在電力系統(tǒng)分析中討論最為廣泛的隨機(jī)性。隨機(jī)性層面的不確定性因素刻畫方法主要包括統(tǒng)計(jì)型不確定性表征方法（可給出概率分布函數(shù)）和場(chǎng)景型不確定性表征方法（可給出波動(dòng)區(qū)間）［4］。在電力系統(tǒng)中，較多采用統(tǒng)計(jì)型不確定性表征方法，即概率分布函數(shù)，表示源-網(wǎng)-荷各環(huán)節(jié)中的不確定性因素。概率分布建模需要解決兩方面的問題：①單個(gè)隨機(jī)變量建模；②多個(gè)隨機(jī)變量聯(lián)合建模。

單個(gè)隨機(jī)變量建模主要分為參數(shù)與非參數(shù)方法。參數(shù)方法是最為常用的不確定性因素建模方式，例如，采用高斯分布表示負(fù)荷預(yù)測(cè)誤差，采用威布爾分布表示風(fēng)速概率分布等等［5］?？紤]到參數(shù)方法可能無法準(zhǔn)確表示隨機(jī)變量的復(fù)雜概率特征，有研究采用核密度估計(jì)等非參數(shù)方法建立風(fēng)電、光伏發(fā)電功率的概率分布函數(shù)［6-7］。相比于參數(shù)方法，非參數(shù)方法不依賴于特定的概率分布函數(shù)，而是基于歷史數(shù)據(jù)刻畫不確定性因素的統(tǒng)計(jì)特征，因此能夠更加準(zhǔn)確地表示可再生能源發(fā)電功率的上下界、多峰分布等特征。

除了對(duì)單個(gè)隨機(jī)變量進(jìn)行建模外，還需要考慮不同隨機(jī)變量之間的相關(guān)性：處于相鄰位置的風(fēng)電場(chǎng)受到相近氣象因素的影響，其出力表現(xiàn)出很強(qiáng)的時(shí)空相關(guān)性；處于相鄰節(jié)點(diǎn)的用戶可能具有相似的用電行為，負(fù)荷之間也呈現(xiàn)出一定的相關(guān)性。隨機(jī)變量之間相關(guān)性的建模方式包括線性相關(guān)系數(shù)、秩相關(guān)系數(shù)、Copula函數(shù)等等［8］。其中Copula函數(shù)可以詳細(xì)刻畫非正態(tài)隨機(jī)變量之間的相依關(guān)系，成為隨機(jī)變量聯(lián)合概率分布建模的常用手段。

近十年來，電力系統(tǒng)不確定性因素建模得到了長(zhǎng)足發(fā)展，各種統(tǒng)計(jì)學(xué)方法被應(yīng)用于可再生能源發(fā)電、電動(dòng)汽車充電負(fù)荷的建模與評(píng)估，準(zhǔn)確揭示了隨機(jī)性源荷的宏觀統(tǒng)計(jì)行為。需要說明的是，不確定性因素建模需要考慮其在中長(zhǎng)期、短期以及超短期時(shí)間尺度上所表現(xiàn)出的統(tǒng)計(jì)特征差異性，以準(zhǔn)確反映不確定性因素在不同時(shí)間尺度上對(duì)電力系統(tǒng)的影響。在上述已有研究的基礎(chǔ)上，關(guān)于不確定性因素建模，可從以下幾方面進(jìn)一步開展研究。

1）源荷概率預(yù)測(cè)

概率預(yù)測(cè)技術(shù)分為區(qū)間預(yù)測(cè)和密度預(yù)測(cè)，前者給出在某個(gè)置信度下可再生能源發(fā)電功率或者負(fù)荷的置信區(qū)間［9］，后者則是預(yù)測(cè)未來時(shí)刻出力的概率密度函數(shù)或累積分布函數(shù)。密度預(yù)測(cè)相比于區(qū)間預(yù)測(cè)能給出更多的參考信息，常用的密度預(yù)測(cè)方法包括分位數(shù)回歸、核密度估計(jì)等等［10］。與其他不確定性因素建模方法的明顯區(qū)別在于：傳統(tǒng)建模方法是針對(duì)歷史數(shù)據(jù)的分析，而概率預(yù)測(cè)力求獲得未來短期時(shí)間內(nèi)不確定性因素的變化特征，因此概率預(yù)測(cè)更加適用于電力系統(tǒng)的短期運(yùn)行問題。

盡管目前已有大量文獻(xiàn)針對(duì)風(fēng)電、光伏發(fā)電、負(fù)荷概率預(yù)測(cè)問題開展了相關(guān)研究［11-13］，但概率預(yù)測(cè)本身還存在若干問題有待解決：分位數(shù)回歸方法存在分位數(shù)交叉問題，即分位數(shù)預(yù)測(cè)值不隨相應(yīng)的概率值增加而增加［14］；核密度估計(jì)的密度泄露（density leakage）現(xiàn)象［15］，導(dǎo)致出現(xiàn)預(yù)測(cè)值超過隨機(jī)變量取值范圍的問題；考慮源荷時(shí)空相關(guān)性的高維概率預(yù)測(cè)的技術(shù)瓶頸仍未突破等等。隨著可再生能源以及主動(dòng)負(fù)荷在電力系統(tǒng)中滲透率的提高，攻克上述技術(shù)難題、提高概率預(yù)測(cè)的準(zhǔn)確性與可靠性，對(duì)電力系統(tǒng)運(yùn)行與控制具有重要意義。

2）元件隨機(jī)故障建模

相比于源荷功率波動(dòng)，線路、發(fā)電機(jī)、變壓器等電力系統(tǒng)元件的隨機(jī)故障對(duì)系統(tǒng)運(yùn)行的影響更為顯著，同時(shí)其不確定性更加難以刻畫。在現(xiàn)有研究中，一般采用離散概率分布函數(shù)表示元件的隨機(jī)故障。文獻(xiàn)［16］指出元件故障的統(tǒng)計(jì)指標(biāo)難以準(zhǔn)確表達(dá)實(shí)際運(yùn)行中線路出現(xiàn)故障的可能性，因此其采用模糊數(shù)學(xué)表示架空線的運(yùn)行不確定性。

針對(duì)元件故障建模，一種可行的思路是并非直接建立其概率分布模型，而是基于元件故障歷史數(shù)據(jù)建立其概率分布的模糊集，然后解決考慮元件故障的隨機(jī)優(yōu)化問題，以應(yīng)對(duì)元件故障對(duì)電力系統(tǒng)運(yùn)行的影響［17］。另外，隨著微氣象監(jiān)測(cè)系統(tǒng)的發(fā)展，能夠獲得電力系統(tǒng)運(yùn)行的環(huán)境與氣象因素，因此可構(gòu)建元件故障概率與自身運(yùn)行狀態(tài)、周邊運(yùn)行環(huán)境的詳細(xì)模型，更加客觀地建立元件故障的不確定性模型。該方法已經(jīng)被用于極端條件下電網(wǎng)韌性的研究中，有望在未來得到更多的發(fā)展與應(yīng)用。

3）分布式可再生能源建模

當(dāng)前，不確定性因素的建模對(duì)象主要為集中式的風(fēng)電、光伏發(fā)電以及主網(wǎng)負(fù)荷等等，對(duì)處于電網(wǎng)末端的分布式可再生能源關(guān)注較少。隨著分布式可再生能源接入比例的不斷提高，其對(duì)電力系統(tǒng)運(yùn)行的影響不容忽視。相比于集中式可再生能源，分布式可再生能源發(fā)電的容量較小，出力變化規(guī)律復(fù)雜；同一配電網(wǎng)中分布式光伏發(fā)電受到相同氣象因素的影響，其出力表現(xiàn)出空間上具有一致性、時(shí)間上具有復(fù)雜性的特征，傳統(tǒng)大規(guī)?？稍偕茉窗l(fā)電功率建模方法難以應(yīng)用于分布式光伏發(fā)電功率建模［18］。此外，值得關(guān)注的是，配電網(wǎng)中存在較多量測(cè)背后（behind-the-meter，BTM）的分布式光伏、用戶側(cè)儲(chǔ)能，顯著影響節(jié)點(diǎn)負(fù)荷的特性。對(duì)此，有學(xué)者研究了節(jié)點(diǎn)注入功率的發(fā)電-負(fù)荷分解、分布式光伏發(fā)電容量估計(jì)［19-20］等等問題，以辨識(shí)節(jié)點(diǎn)凈注入功率所包含的各個(gè)成分，提高配電網(wǎng)運(yùn)行水平。

2 不確定性因素影響評(píng)估

2.1 不確定性因素的影響

在構(gòu)建電力系統(tǒng)源-網(wǎng)-荷不確定性因素模型后，量化評(píng)估上述不確定性因素對(duì)電力系統(tǒng)運(yùn)行的影響則成為電力系統(tǒng)不確定性分析的關(guān)鍵。不確定性因素的影響具體包括如下幾個(gè)方面。

1）經(jīng)濟(jì)性

高比例可再生能源電力系統(tǒng)的調(diào)度需要考慮系統(tǒng)運(yùn)行不確定性的影響?？稍偕茉闯隽Φ拈g歇性、負(fù)荷的波動(dòng)性等因素將直接影響機(jī)組啟停機(jī)計(jì)劃、出力分配以及備用容量留取，從而影響系統(tǒng)運(yùn)行的經(jīng)濟(jì)性［21］。

2）安全性

源-網(wǎng)-荷各環(huán)節(jié)的不確定性特征將直接影響系統(tǒng)運(yùn)行的安全性。元件隨機(jī)故障、可再生能源出力隨機(jī)波動(dòng)使得系統(tǒng)運(yùn)行中線路潮流過載以及節(jié)點(diǎn)電壓越限的概率增加，進(jìn)而影響系統(tǒng)內(nèi)的安全供電［22］。

3）穩(wěn)定性

不確定性因素將使得系統(tǒng)頻率和節(jié)點(diǎn)電壓的波動(dòng)性增加，新能源機(jī)組在頻率或電壓波動(dòng)顯著的情況下容易脫網(wǎng)，從而影響系統(tǒng)穩(wěn)定運(yùn)行［23］。同時(shí)，不確定性因素將使得系統(tǒng)運(yùn)行穩(wěn)定性指標(biāo)（如：靜態(tài)電壓穩(wěn)定、暫態(tài)電壓穩(wěn)定）具有概率特征，系統(tǒng)運(yùn)行穩(wěn)定性的判別需要進(jìn)一步考慮概率分布范圍的邊界，以保障極端場(chǎng)景下系統(tǒng)能夠穩(wěn)定運(yùn)行。

2.2 考慮不確定性因素的電力系統(tǒng)分析

在高比例可再生能源電力系統(tǒng)中，源-網(wǎng)-荷各個(gè)環(huán)節(jié)的不確定性因素都會(huì)對(duì)電力系統(tǒng)運(yùn)行產(chǎn)生影響，并且伴隨著能源轉(zhuǎn)型的過程，多種屬性能源融合和復(fù)雜運(yùn)行場(chǎng)景交織將使得電力系統(tǒng)運(yùn)行的隨機(jī)性和波動(dòng)性特征更加凸顯。在上述背景下，如何量化源-網(wǎng)-荷多重不確定性因素對(duì)電力系統(tǒng)運(yùn)行狀態(tài)的影響，是提升能源轉(zhuǎn)型下電力系統(tǒng)運(yùn)行感知能力的關(guān)鍵，同時(shí)也為采取相關(guān)不確定性應(yīng)對(duì)手段提供參考。

目前，考慮不確定性因素的電力系統(tǒng)分析大多以概率分析為主，該過程以獲得系統(tǒng)輸出變量的概率統(tǒng)計(jì)特征為目標(biāo)，量化輸入不確定性因素對(duì)電力系統(tǒng)運(yùn)行的影響。本文以概率潮流計(jì)算為例，對(duì)考慮不確定性因素的電力系統(tǒng)分析方法進(jìn)行介紹，主要包括模擬法、近似法和解析法［24-27］。所論述的方法也可應(yīng)用于狀態(tài)估計(jì)［28］、概率靜態(tài)電壓穩(wěn)定分析［29］、概率暫態(tài)分析［30］、概率小干擾穩(wěn)定分析［31］等電力系統(tǒng)不確定性分析問題。

模擬法以蒙特卡洛模擬（Monte Carlo simulation，MCS）為基礎(chǔ)，通過采樣獲得輸入隨機(jī)變量的樣本，并將概率潮流方程轉(zhuǎn)化為一系列的確定性潮流方程進(jìn)行求解，從而獲得輸出隨機(jī)變量的統(tǒng)計(jì)特征［32］。MCS方法計(jì)算簡(jiǎn)便，能夠適用于復(fù)雜的實(shí)際問題，但計(jì)算效率低下，通常作為基準(zhǔn)以檢驗(yàn)其他概率潮流計(jì)算方法的準(zhǔn)確性。近似法利用少量的輸入隨機(jī)變量和輸出變量的樣本對(duì)系統(tǒng)潮流模型進(jìn)行近似，進(jìn)而實(shí)現(xiàn)對(duì)概率潮流結(jié)果的估計(jì)。相比于MCS方法，近似法計(jì)算效率高，但對(duì)于復(fù)雜的不確定性分析問題較難獲得輸出隨機(jī)變量的高階統(tǒng)計(jì)矩，并且利用各階矩信息得到的概率密度函數(shù)、累積分布函數(shù)與真實(shí)分布函數(shù)之間也存在一定誤差。解析法將潮流方程在選取的基準(zhǔn)運(yùn)行點(diǎn)處進(jìn)行線性化處理，略去其泰勒展開的二階及二階以上高階項(xiàng)，從而將輸出變量表示為輸入變量的線性疊加。上述處理過程忽略了系統(tǒng)的非線性特性，因此解析法所得統(tǒng)計(jì)結(jié)果可能存在較大誤差。

考慮上述3種方法在概率分析過程中的局限性，為快速、準(zhǔn)確地獲得系統(tǒng)輸出變量的統(tǒng)計(jì)信息，近年來，基于代理模型的概率分析方法受到了廣泛關(guān)注，其本質(zhì)是采用代理模型替代MCS中的原始模型，在保證估計(jì)精度的同時(shí)，顯著提高模擬法的計(jì)算效率。常用的代理模型構(gòu)建方法包括隨機(jī)響應(yīng)面法［33-35］、廣義多項(xiàng)式混沌法［36-38］等等。然而，隨著大規(guī)?？稍偕茉唇尤?，電力系統(tǒng)分析中的輸入隨機(jī)變量維度不斷增加，傳統(tǒng)基于多項(xiàng)式混沌展開的代理模型構(gòu)建過程會(huì)遇到“維數(shù)災(zāi)”問題。針對(duì)上述問題，本文引入了3種可行的代理模型構(gòu)建方法，包括稀疏多項(xiàng)式混沌展開（sparse polynomial chaos expansion，SPCE）、低 秩 逼 近（low-rank approximation，LRA）和 高 斯 過 程 回 歸（Gaussian process regression，GPR）［39-41］，其 特 點(diǎn) 如 表1所 示?？紤]隨機(jī)問題的非線性程度不同，可以根據(jù)上述3種方法的特點(diǎn)建立合適的代理模型，以更好地進(jìn)行考慮不確定性因素的電力系統(tǒng)分析。上述幾種概率分析方法的分類及常用算法如圖1所示。

表1 3種代理模型構(gòu)建方法的特點(diǎn)Table 1 Characteristics of building methods for three surrogate models

圖1 常用的概率分析方法Fig.1 General probabilistic analysis methods

隨著未來能源轉(zhuǎn)型過程中高效通信技術(shù)（如5G通信）、智能化數(shù)據(jù)處理技術(shù)、云邊協(xié)同計(jì)算等先進(jìn)技術(shù)的不斷發(fā)展與應(yīng)用，考慮不確定性因素的電力系統(tǒng)分析過程將具備由線下計(jì)算轉(zhuǎn)為線上評(píng)測(cè)的可能，通過對(duì)高比例可再生能源電力系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)與感知，實(shí)時(shí)量化系統(tǒng)源-網(wǎng)-荷不確定性對(duì)系統(tǒng)運(yùn)行的影響，進(jìn)而為系統(tǒng)運(yùn)行提供具有前瞻性和預(yù)見性的控制方案，最大限度地發(fā)揮不確定性因素量化評(píng)估的作用。

2.3 關(guān)鍵不確定性因素辨識(shí)

不確定性因素影響評(píng)估方法通常以系統(tǒng)運(yùn)行狀態(tài)變量的概率統(tǒng)計(jì)信息（如期望、方差、概率分布）作為輸出結(jié)果，側(cè)重于評(píng)估所有不確定性因素變化造成的影響，而無法量化分析單個(gè)輸入隨機(jī)變量或輸入隨機(jī)變量之間相互作用的影響，不利于運(yùn)行人員采取針對(duì)性的調(diào)控手段。例如，對(duì)于含大規(guī)模分布式光伏發(fā)電的配電網(wǎng)，辨識(shí)對(duì)配電網(wǎng)運(yùn)行具有顯著影響的光伏電源，能夠?yàn)閮?chǔ)能配置節(jié)點(diǎn)提供指導(dǎo)信息，從而最大限度地利用儲(chǔ)能促進(jìn)光伏消納。因此，有必要辨識(shí)顯著影響系統(tǒng)運(yùn)行的關(guān)鍵不確定性因素，并通過保留關(guān)鍵不確定性因素降低系統(tǒng)分析的復(fù)雜性。

靈敏度分析是一種定量評(píng)估系統(tǒng)輸入量變化對(duì)輸出量影響的方法，主要包括局部靈敏度分析（local sensitivity analysis，LSA）和全局靈敏度分析（global sensitivity analysis，GSA）。LSA一般用于線性或非線性程度較弱的系統(tǒng)，其計(jì)算簡(jiǎn)單且物理意義明確，一般可利用系統(tǒng)的傳遞函數(shù)計(jì)算輸出變量對(duì)輸入變量的偏導(dǎo)數(shù)作為局部靈敏度指標(biāo)［42］。GSA可用于分析多個(gè)輸入隨機(jī)變量同時(shí)變化以及輸入隨機(jī)變量之間相互作用對(duì)系統(tǒng)輸出的影響，輸入隨機(jī)變量的變化范圍為整個(gè)定義域，并能夠考慮輸入隨機(jī)變量的概率分布特性［43］。相較于傳統(tǒng)LSA，GSA適用于非線性系統(tǒng)，并依據(jù)輸出變量的統(tǒng)計(jì)量（例如方差）或概率分布特性構(gòu)建全局靈敏度指標(biāo)。

目前，GSA作為一種有效的靈敏度分析手段逐漸引起了國內(nèi)外學(xué)者的關(guān)注，并在小干擾穩(wěn)定分析［44］、關(guān)鍵參數(shù)辨識(shí)［45］等領(lǐng)域得到了初步應(yīng)用。在關(guān)鍵不確定性因素辨識(shí)方面，文獻(xiàn)［46］將基于方差的GSA方法應(yīng)用于三相配電網(wǎng)潮流分析，定量評(píng)估了注入功率變化對(duì)潮流的影響；文獻(xiàn)［35］計(jì)及可再生能源發(fā)電的相關(guān)性，利用基于方差的GSA方法分析了可再生能源出力波動(dòng)性對(duì)電力系統(tǒng)靜態(tài)電壓穩(wěn)定性的影響；文獻(xiàn)［47-48］利用基于方差的GSA方法分析了孤島微電網(wǎng)內(nèi)源荷不確定因素對(duì)孤島微電網(wǎng)潮流的影響。隨著大規(guī)?？稍偕茉唇尤腚娋W(wǎng)，GSA將成為不確定性因素辨識(shí)與降維的重要工具，但是目前GSA在實(shí)際系統(tǒng)中的應(yīng)用仍需要解決如下2個(gè)問題：①GSA相關(guān)指標(biāo)的計(jì)算均借助于MCS方法，計(jì)算效率難以滿足實(shí)際工程的需求，需要進(jìn)一步研究高效的GSA方法；②尚無統(tǒng)一指標(biāo)評(píng)估輸入變量間相關(guān)性對(duì)輸出變量的影響，需要進(jìn)一步研究考慮隨機(jī)變量間相關(guān)性的GSA理論。

3 不確定性環(huán)境下決策

考慮不確定性因素的電力系統(tǒng)運(yùn)行問題實(shí)際上為不確定性環(huán)境下的決策問題（decision-making under uncertainty）。對(duì)于電力系統(tǒng)調(diào)度問題，一般可建立其數(shù)學(xué)模型，并采用隨機(jī)優(yōu)化、魯棒優(yōu)化以及分布魯棒優(yōu)化等方法求解。對(duì)于無法建立解析數(shù)學(xué)模型的問題，例如弱可觀系統(tǒng)運(yùn)行問題，則可借助于數(shù)據(jù)驅(qū)動(dòng)的方法感知其運(yùn)行狀態(tài)、優(yōu)化其運(yùn)行方式。

3.1 不確定性環(huán)境下的電力系統(tǒng)調(diào)度

在傳統(tǒng)電力系統(tǒng)運(yùn)行中，一般根據(jù)典型場(chǎng)景安排發(fā)電計(jì)劃，并依據(jù)運(yùn)行經(jīng)驗(yàn)或者準(zhǔn)則設(shè)定備用以應(yīng)對(duì)不確定性因素的影響?？稍偕茉创笠?guī)模接入使得電力系統(tǒng)運(yùn)行方式復(fù)雜多變，出現(xiàn)了所謂“又多又少”問題：可再生能源發(fā)電較多時(shí)，需要解決其消納問題；可再生能源發(fā)電較少時(shí)，需要保證電能供應(yīng)充足。對(duì)此，一方面需要從源-網(wǎng)-荷-儲(chǔ)多個(gè)層面提高電力系統(tǒng)運(yùn)行靈活性；另一方面，需要采用考慮不確定性因素的決策方法以應(yīng)對(duì)可再生能源發(fā)電的不確定性。當(dāng)前，解決不確定性環(huán)境下電力系統(tǒng)調(diào)度問題的方法主要包括隨機(jī)優(yōu)化、魯棒優(yōu)化以及分布魯棒優(yōu)化。進(jìn)一步，針對(duì)電力系統(tǒng)日前-日內(nèi)的調(diào)度方式，兩階段隨機(jī)/魯棒/分布魯棒優(yōu)化方法廣泛用于解決電力系調(diào)度問題。以隨機(jī)機(jī)組組合為例，第一階段優(yōu)化問題考慮可再生能源發(fā)電與負(fù)荷的預(yù)測(cè)值，決策變量為日前的機(jī)組啟停，第二階段優(yōu)化問題考慮可再生能源發(fā)電與負(fù)荷的預(yù)測(cè)誤差，決策變量為日內(nèi)的機(jī)組出力，其隨著隨機(jī)變量的具體實(shí)現(xiàn)而決定。

隨機(jī)優(yōu)化假設(shè)隨機(jī)變量服從給定的概率分布，然后采用MCS方法或者解析變換，將隨機(jī)優(yōu)化問題轉(zhuǎn)化為確定性優(yōu)化問題進(jìn)行求解［49］。隨機(jī)優(yōu)化的主要問題是樣本外表現(xiàn)較差，如果可再生能源發(fā)電的實(shí)際出力與隨機(jī)優(yōu)化建模中的預(yù)設(shè)場(chǎng)景相差較大，則會(huì)導(dǎo)致日前決定的調(diào)度計(jì)劃在電力系統(tǒng)實(shí)際運(yùn)行中表現(xiàn)較差。另一方面的問題是隨機(jī)優(yōu)化中的場(chǎng)景設(shè)置問題：若場(chǎng)景個(gè)數(shù)過少，則無法準(zhǔn)確體現(xiàn)可再生能源發(fā)電的復(fù)雜不確定性；若場(chǎng)景個(gè)數(shù)過多，則會(huì)使優(yōu)化問題規(guī)模過大。

不同于隨機(jī)優(yōu)化，魯棒優(yōu)化不需要建立隨機(jī)變量的概率分布模型，而是采用不確定性集合（uncertainty set）表示不確定性因素的變化范圍，然后尋求對(duì)不確定性因素的所有實(shí)現(xiàn)都有良好性能的解［50-51］。由于魯棒優(yōu)化考慮最差場(chǎng)景，可能會(huì)導(dǎo)致優(yōu)化結(jié)果較為保守。對(duì)此，有學(xué)者研究了數(shù)據(jù)驅(qū)動(dòng)的不確定性集合建模方法，在準(zhǔn)確刻畫不確定性因素特性的同時(shí)，減小不確定性集合的范圍，以降低調(diào)度方案保守性［52］。

近年來，分布魯棒優(yōu)化（distributionally robust optimization，DRO）被提出以克服隨機(jī)優(yōu)化與魯棒優(yōu)化的不足［53-55］?？紤]到在實(shí)際問題中，往往已知隨機(jī)變量的部分統(tǒng)計(jì)信息，例如期望與方差、歷史樣本數(shù)據(jù)等，因此分布魯棒優(yōu)化基于部分統(tǒng)計(jì)信息建立隨機(jī)變量概率分布的模糊集，然后尋求最劣概率分布下系統(tǒng)運(yùn)行成本期望值最小。因此，分布魯棒優(yōu)化既利用了隨機(jī)變量的統(tǒng)計(jì)信息，又在一定程度上保證了調(diào)度方案的可靠性。構(gòu)建概率分布模糊集是分布魯棒優(yōu)化的基礎(chǔ)和關(guān)鍵，目前較為常用的是基于統(tǒng)計(jì)矩與基于距離的概率分布模糊集構(gòu)建方法。分布魯棒優(yōu)化已經(jīng)被應(yīng)用于解決機(jī)組組合、最優(yōu)潮流、備用調(diào)度等問題，其決策效果相較于隨機(jī)優(yōu)化與魯棒優(yōu)化決策效果具有一定的優(yōu)勢(shì)，但是也存在模型較為復(fù)雜（概率分布也為決策變量）的缺點(diǎn)。

可在如下幾方面開展后續(xù)研究工作：①概率預(yù)測(cè)與優(yōu)化方法的有機(jī)融合，首先挖掘源荷預(yù)測(cè)數(shù)據(jù)所表征的統(tǒng)計(jì)信息，然后研究數(shù)據(jù)驅(qū)動(dòng)優(yōu)化的建模與求解技術(shù)，從而擯棄傳統(tǒng)決策方法需要假設(shè)預(yù)測(cè)誤差概率分布的不足，提高決策方法在實(shí)際電力系統(tǒng)中的適應(yīng)性；②目前各類優(yōu)化方法側(cè)重考慮源荷的不確定性，需要深入研究考慮元件隨機(jī)故障的分布魯棒優(yōu)化，該類技術(shù)是電力系統(tǒng)應(yīng)對(duì)潛在故障以及極端事件的基礎(chǔ)，對(duì)提升強(qiáng)隨機(jī)性電力系統(tǒng)運(yùn)行安全性具有重要價(jià)值；③當(dāng)前的決策方法大都探討了電力系統(tǒng)運(yùn)行的安全性與經(jīng)濟(jì)性，但是未曾深入討論安全性與經(jīng)濟(jì)性之間的平衡問題，需要研究安全性與經(jīng)濟(jì)性均衡的決策方法，這是實(shí)際電網(wǎng)運(yùn)行所關(guān)注的重點(diǎn)［56］；④隨著電力系統(tǒng)與供熱、天然氣系統(tǒng)耦合的日益緊密，需要將隨機(jī)/魯棒/分布魯棒優(yōu)化方法應(yīng)用于解決綜合能源系統(tǒng)運(yùn)行問題，以在更大范圍內(nèi)優(yōu)化系統(tǒng)運(yùn)行方式，提升能源利用效率。

3.2 數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)狀態(tài)感知與優(yōu)化

傳統(tǒng)模型驅(qū)動(dòng)方法考慮電力系統(tǒng)運(yùn)行的物理特性，構(gòu)建解析的數(shù)學(xué)模型，解決電力系統(tǒng)分析、控制與運(yùn)行問題。數(shù)據(jù)驅(qū)動(dòng)方法則由已知數(shù)據(jù)求解未知數(shù)據(jù)或者擬合數(shù)學(xué)模型，而無須建立解析的數(shù)學(xué)問題?？稍偕茉?、電動(dòng)汽車以及互動(dòng)負(fù)荷的接入，使得電力系統(tǒng)運(yùn)行的復(fù)雜性與不確定性增加，在某些場(chǎng)景下難以采用模型驅(qū)動(dòng)方法解決電力系統(tǒng)運(yùn)行問題；另一方面，量測(cè)數(shù)據(jù)的積累以及數(shù)據(jù)處理與分析技術(shù)的發(fā)展［57-58］為數(shù)據(jù)驅(qū)動(dòng)方法的應(yīng)用奠定了基礎(chǔ)。近年來，以深度學(xué)習(xí)為代表的新一代人工智能技術(shù)不斷發(fā)展，增加了數(shù)據(jù)驅(qū)動(dòng)方法的種類，提高了數(shù)據(jù)驅(qū)動(dòng)方法解決復(fù)雜問題的能力。人工智能技術(shù)已經(jīng)應(yīng)用于解決可再生能源發(fā)電與負(fù)荷預(yù)測(cè)、系統(tǒng)參數(shù)與運(yùn)行狀態(tài)辨識(shí)、系統(tǒng)優(yōu)化運(yùn)行等問題中，并取得了良好效果。

需要指出的是，電力系統(tǒng)特別是輸電網(wǎng)具有完善的量測(cè)信息和較為準(zhǔn)確的數(shù)學(xué)模型；對(duì)于具備完整數(shù)學(xué)模型的電力系統(tǒng)調(diào)度問題，例如機(jī)組組合、最優(yōu)潮流等，模型驅(qū)動(dòng)方法能夠取得較好的應(yīng)用效果。與之相對(duì)應(yīng)，數(shù)據(jù)驅(qū)動(dòng)方法較為合適的應(yīng)用場(chǎng)景為數(shù)學(xué)模型部分可知甚至未知，易收集數(shù)據(jù)，同時(shí)具備一定容錯(cuò)性的系統(tǒng)狀態(tài)感知與優(yōu)化運(yùn)行問題［59］，主要包括以下幾個(gè)方面。

1）難以建立數(shù)學(xué)模型的決策問題，例如用戶側(cè)調(diào)控。用戶側(cè)調(diào)控是實(shí)現(xiàn)從“源隨荷動(dòng)”到“源荷互動(dòng)”轉(zhuǎn)變的關(guān)鍵，其有利于大規(guī)模新能源消納。但另一方面，用戶用電行為復(fù)雜多變，難以建立準(zhǔn)確的數(shù)學(xué)模型。對(duì)此，有學(xué)者充分利用大量用電數(shù)據(jù)，采用強(qiáng)化學(xué)習(xí)解決需求響應(yīng)問題［60-61］。強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種范式，其在環(huán)境中不斷嘗試動(dòng)作，獲得反饋信息以調(diào)整動(dòng)作策略的數(shù)值參數(shù)，最終獲得最優(yōu)的狀態(tài)-動(dòng)作策略。強(qiáng)化學(xué)習(xí)能夠解決難以建立數(shù)學(xué)模型的決策問題，有效提升了電力系統(tǒng)的供需互動(dòng)能力。

2）具備數(shù)學(xué)模型的復(fù)雜電力系統(tǒng)輔助決策。對(duì)于大型電力系統(tǒng)，即便擁有完整的數(shù)學(xué)模型，調(diào)度問題的計(jì)算復(fù)雜度和計(jì)算時(shí)間等也會(huì)成為瓶頸問題。對(duì)此，有學(xué)者提出了基于深度強(qiáng)化學(xué)習(xí)的電網(wǎng)實(shí)時(shí)優(yōu)化調(diào)控技術(shù)，應(yīng)用于電網(wǎng)電壓控制［62］、聯(lián)絡(luò)線潮流控制［63］、拓?fù)鋵?shí)時(shí)優(yōu)化控制［64］等領(lǐng)域，將電網(wǎng)優(yōu)化調(diào)控的決策時(shí)間由分鐘級(jí)提升至亞秒級(jí)，支撐調(diào)度員進(jìn)行快速?zèng)Q策，提升電網(wǎng)安全和智能調(diào)控能力。

3）量測(cè)不足條件下電力系統(tǒng)運(yùn)行。數(shù)據(jù)驅(qū)動(dòng)方法可用于解決有限量測(cè)環(huán)境下的配電網(wǎng)狀態(tài)估計(jì)與優(yōu)化運(yùn)行問題。配電網(wǎng)實(shí)時(shí)量測(cè)較少，需要構(gòu)造較多的偽量測(cè)以滿足系統(tǒng)可觀的要求，這造成了模型驅(qū)動(dòng)的狀態(tài)估計(jì)方法精度低、收斂性差的問題。對(duì)此，數(shù)據(jù)驅(qū)動(dòng)的狀態(tài)估計(jì)方法被提出以克服傳統(tǒng)方法的不足，主要分為兩類：①采用數(shù)據(jù)驅(qū)動(dòng)方法生成精度較高的偽量測(cè)［65］，再采用傳統(tǒng)方法求解狀態(tài)估計(jì)問題；②采用神經(jīng)網(wǎng)絡(luò)直接擬合量測(cè)量和狀態(tài)量之間的關(guān)系［66］。在實(shí)時(shí)量測(cè)較少的情況下，上述數(shù)據(jù)驅(qū)動(dòng)方法相比于傳統(tǒng)狀態(tài)估計(jì)方法表現(xiàn)出更高的準(zhǔn)確性與計(jì)算效率。

針對(duì)配電網(wǎng)優(yōu)化運(yùn)行問題，有學(xué)者采用線性時(shí)變系統(tǒng)［67］擬合配電網(wǎng)控制手段與控制目標(biāo)之間的關(guān)系，以克服數(shù)學(xué)模型不準(zhǔn)確的問題。另外，文獻(xiàn)［68-69］采用深度強(qiáng)化學(xué)習(xí)解決配電網(wǎng)電壓/無功控制問題。文獻(xiàn)［70-71］采用強(qiáng)化學(xué)習(xí)解決不完全信息下的多微電網(wǎng)聯(lián)合運(yùn)行問題，配電網(wǎng)無須獲得各個(gè)微電網(wǎng)的內(nèi)部信息，即可協(xié)調(diào)優(yōu)化各個(gè)微電網(wǎng)的運(yùn)行方式。

人工智能技術(shù)降低了對(duì)數(shù)學(xué)模型的依賴性，能夠有效解決復(fù)雜系統(tǒng)或者部分可觀系統(tǒng)的建模、分析與運(yùn)行問題。在后續(xù)研究中，考慮到電力系統(tǒng)運(yùn)行安全性的要求，需要深入探討人工智能在電力系統(tǒng)中應(yīng)用的可解釋性問題；針對(duì)配電網(wǎng)中相量測(cè)量單元（PMU）/數(shù)據(jù)采集與監(jiān)控（SCADA）系統(tǒng)/營(yíng)銷系統(tǒng)的多時(shí)間尺度混合量測(cè)數(shù)據(jù)，研究混合量測(cè)環(huán)境下數(shù)據(jù)驅(qū)動(dòng)的配電網(wǎng)運(yùn)行方法；考慮到強(qiáng)隨機(jī)性源荷導(dǎo)致系統(tǒng)運(yùn)行狀態(tài)快速變化的特點(diǎn)，需要充分發(fā)揮數(shù)據(jù)驅(qū)動(dòng)方法決策效率較高的優(yōu)點(diǎn)，實(shí)時(shí)跟蹤并優(yōu)化系統(tǒng)運(yùn)行狀態(tài)。

表2分別針對(duì)電力系統(tǒng)調(diào)度問題以及數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)狀態(tài)感知與優(yōu)化問題，總結(jié)了模型驅(qū)動(dòng)方法與數(shù)據(jù)驅(qū)動(dòng)方法的應(yīng)用場(chǎng)景與各自特點(diǎn)。

表2 不確定性環(huán)境下的決策問題及其應(yīng)對(duì)方法Table 2 Decision-making problems in uncertainty environment and its countermeasures

4 不確定性平抑措施

4.1 儲(chǔ)能發(fā)展與應(yīng)用

儲(chǔ)能具備功率和能量的轉(zhuǎn)移能力，相比于其他電源與負(fù)荷，其運(yùn)行具有更強(qiáng)的靈活性。儲(chǔ)能已經(jīng)應(yīng)用于能量套利與電能調(diào)控；并且儲(chǔ)能具備有功-無功協(xié)同調(diào)度能力，其在電力系統(tǒng)調(diào)頻調(diào)壓、緩解電網(wǎng)阻塞、提高電能質(zhì)量等方面均發(fā)揮重要作用。針對(duì)大規(guī)?？稍偕茉唇尤雽?duì)電力系統(tǒng)運(yùn)行帶來的挑戰(zhàn)，可通過配置相應(yīng)儲(chǔ)能，平抑可再生能源發(fā)電功率的波動(dòng)性，避免棄風(fēng)棄光，促進(jìn)可再生能源消納［72］。截至2020年底，中國有17個(gè)省市出臺(tái)可再生能源需按一定比例配套儲(chǔ)能的政策。

近年來，儲(chǔ)能技術(shù)朝著高能量密度、高轉(zhuǎn)換效率和低成本化方向發(fā)展，促進(jìn)了儲(chǔ)能在電力系統(tǒng)中的大規(guī)模推廣應(yīng)用。電化學(xué)儲(chǔ)能具有配置靈活，易于運(yùn)行維護(hù)的特點(diǎn)，近年來在理論研究和工程實(shí)踐中均取得了顯著成果。在儲(chǔ)能電站、電動(dòng)汽車中應(yīng)用較多的電化學(xué)儲(chǔ)能包括鋰離子電池、超級(jí)電容和全釩液流電池等［73］。此外，中國研究開發(fā)的固態(tài)電池、鋰硫電池、金屬空氣等新型電池、百萬千瓦超臨界壓縮空氣儲(chǔ)能均已進(jìn)入商業(yè)化階段。同時(shí)，液態(tài)空氣儲(chǔ)能、兆瓦級(jí)的飛輪儲(chǔ)能在微能源網(wǎng)中得到了應(yīng)用。隨著能源結(jié)構(gòu)低碳化轉(zhuǎn)型與儲(chǔ)能技術(shù)的發(fā)展，低成本、高可靠性的儲(chǔ)能將成為能源系統(tǒng)的重要調(diào)節(jié)手段。

在未來研究中，需要考慮不同地區(qū)新能源發(fā)電特性，結(jié)合不同類型儲(chǔ)能的運(yùn)行特性，優(yōu)化多類型儲(chǔ)能的聯(lián)合配置方案以及協(xié)調(diào)調(diào)度方式；需要研究不確定性環(huán)境下符合時(shí)序決策邏輯的儲(chǔ)能調(diào)度方法，實(shí)現(xiàn)儲(chǔ)能充放電的快速準(zhǔn)確決策，充分發(fā)揮儲(chǔ)能在電力系統(tǒng)正常態(tài)及故障態(tài)下的多種效用。

4.2 用戶側(cè)調(diào)控

利用用戶側(cè)調(diào)控技術(shù)應(yīng)對(duì)可再生能源發(fā)電的波動(dòng)性已經(jīng)成為國內(nèi)外的研究熱點(diǎn)［74］。文獻(xiàn)［75］提出了“源-網(wǎng)-荷”柔性互動(dòng)的概念及研究框架，通過源荷互動(dòng)等多種交互方式，有效提升電力系統(tǒng)的可再生能源接納能力。在工業(yè)用戶中，電解鋁、灌溉泵站等用戶側(cè)資源可提供輔助服務(wù)，解決可再生能源發(fā)電功率波動(dòng)問題［76］。溫控負(fù)荷具有靈活調(diào)控的優(yōu)點(diǎn)，可用于促進(jìn)可再生能源消納［77］；有學(xué)者研究了溫控負(fù)荷在小時(shí)、分鐘和秒級(jí)時(shí)間尺度上的調(diào)控模型及其參數(shù)辨識(shí)技術(shù)［78］，以解決可再生能源在不同時(shí)間尺度上的功率波動(dòng)問題。

當(dāng)前，主要采用集中式方法解決用戶側(cè)柔性資源的調(diào)控問題。例如，文獻(xiàn)［79］提出一種基于直接控制的電動(dòng)汽車調(diào)度模型，電動(dòng)汽車聚合商在調(diào)度過程中上報(bào)電動(dòng)汽車的調(diào)節(jié)潛力，調(diào)度中心據(jù)此進(jìn)行統(tǒng)一優(yōu)化調(diào)度。為了降低控制信號(hào)對(duì)溫控負(fù)荷壽命的影響，文獻(xiàn)［80］提出一種集中式優(yōu)先棧的控制策略，控制中心根據(jù)溫控負(fù)荷的溫度排序制定控制信號(hào)，實(shí)現(xiàn)了溫控負(fù)荷的有效控制。然而，集中式的調(diào)控模式不僅帶來較高的成本投入、面臨巨大的通信壓力，而且存在用戶隱私泄漏的問題。

隨著售電市場(chǎng)的逐漸開放、分布式可再生能源的快速發(fā)展以及支持去中心化交易的區(qū)塊鏈技術(shù)的試驗(yàn)應(yīng)用，面向分布式市場(chǎng)主體的可交易能源體系與機(jī)制逐漸興起［81］?；诳山灰啄茉词袌?chǎng)的調(diào)控方式通過電價(jià)信號(hào)協(xié)調(diào)用戶側(cè)柔性資源參與電力系統(tǒng)運(yùn)行，促進(jìn)可再生能源消納，在充分挖掘用戶資源潛力的同時(shí)實(shí)現(xiàn)隱私保護(hù)，為用戶側(cè)資源分布式調(diào)控提供了新思路［82］。相關(guān)試點(diǎn)工程表明，在可交易能源市場(chǎng)環(huán)境下用戶側(cè)柔性資源在抑制可再生能源發(fā)電功率波動(dòng)性方面具有良好效果［83-84］?？紤]到用戶用電行為受到其主觀因素的影響，在后續(xù)研究中，需要研究用戶行為不確定性分析與評(píng)估方法；進(jìn)一步，設(shè)計(jì)考慮用戶行為不確定性的可交易能源調(diào)度與市場(chǎng)機(jī)制，從而為用戶側(cè)調(diào)控提供技術(shù)支撐與市場(chǎng)環(huán)境保障。

4.3 多能互補(bǔ)

綜合能源系統(tǒng)將電、氣、熱（冷）等多種類型能源有機(jī)耦合，提供綜合利用的物理平臺(tái)，充分發(fā)揮不同能源形式的互補(bǔ)特性和協(xié)同效應(yīng)［85］。電力系統(tǒng)在運(yùn)行過程中通過不同耦合機(jī)理，將間歇性能源產(chǎn)生的電能轉(zhuǎn)化為其他形式能源，以降低可再生能源發(fā)電不確定性的影響。

電能與熱/冷耦合方式多樣。電鍋爐、熱水器等基于焦耳定律的設(shè)備直接將電能轉(zhuǎn)化為熱能并儲(chǔ)存［86］，從而促進(jìn)可再生能源消納。熱泵通過電能驅(qū)動(dòng)壓縮機(jī)，以冷媒作為載體吸收或者排出熱能，滿足用戶制熱或制冷的需求［87］。吸收式制冷機(jī)通過電能驅(qū)動(dòng)溶液泵，推動(dòng)溴化鋰-水、水-氨等工質(zhì)對(duì)不斷循環(huán)。在熱媒（如煙氣、熱水等）、冷媒（通常為冷卻水）的作用下，工質(zhì)對(duì)中的制冷劑發(fā)生蒸發(fā)和液化，從而將被冷卻流體的熱量轉(zhuǎn)移。

近年來電制氣（power to gas，PtG）技術(shù)不斷發(fā)展，將成為促進(jìn)可再生能源消納、異質(zhì)能源融合的關(guān)鍵。PtG將電能轉(zhuǎn)化為穩(wěn)定的高能量密度燃?xì)?，如氫氣、甲烷等，從而將間歇性、波動(dòng)性的可再生能源以穩(wěn)定化學(xué)能的方式存儲(chǔ)。目前PtG電解方式主要有堿性電解池、質(zhì)子交換膜電解池以及固體氧化物電解池3種，其中固體氧化物電解池效率最高，達(dá)到了90%以上［88］。燃?xì)獍l(fā)電廠、微燃機(jī)等電氣耦合設(shè)備具有良好的動(dòng)態(tài)響應(yīng)速度，可以根據(jù)可再生能源以及負(fù)荷波動(dòng)快速調(diào)整輸出，保證系統(tǒng)平穩(wěn)運(yùn)行［89］，具有熱電聯(lián)供功能的燃?xì)獍l(fā)電機(jī)組，通過余熱鍋爐將煙氣中的低品位熱能富集，從而高效利用熱能。因此電-氣之間可進(jìn)行雙向能量流動(dòng)，為智能電網(wǎng)與天然氣網(wǎng)絡(luò)的聯(lián)合優(yōu)化運(yùn)行提供條件。

此外，近年來中國大力推動(dòng)氫能源產(chǎn)業(yè)發(fā)展，與歐美發(fā)達(dá)國家相比，雖起步較晚但發(fā)展十分迅速，已開始進(jìn)入示范運(yùn)營(yíng)階段。現(xiàn)階段制備氫氣的主要方式包括煤制氫、電解水制氫、化工副產(chǎn)氫等。其中煤制氫、可再生能源發(fā)電制氫成本較低，將風(fēng)光電能轉(zhuǎn)化為氫能，既可以降低不確定性因素對(duì)電網(wǎng)的影響，又具有良好的經(jīng)濟(jì)前景。

相比于傳統(tǒng)電力系統(tǒng)優(yōu)化調(diào)度，多能互補(bǔ)的綜合能源系統(tǒng)協(xié)同運(yùn)行問題更加復(fù)雜。在應(yīng)對(duì)不確定性方面，需要深入分析各個(gè)環(huán)節(jié)中的不確定性因素表征形式，建立不同時(shí)間尺度下的不確定性因素模型，研究綜合能源系統(tǒng)的不確定性管理方法，設(shè)計(jì)多能協(xié)同運(yùn)行機(jī)制以及分層分區(qū)調(diào)度方式。

4.4 電力與交通耦合

隨著新能源汽車特別是電動(dòng)汽車技術(shù)迅速發(fā)展，電動(dòng)汽車保有量迅速增加。電動(dòng)汽車可作為海量柔性資源參與電網(wǎng)運(yùn)行，促進(jìn)可再生能源消納。充電站、換電站等充電設(shè)施的投運(yùn)使得電網(wǎng)和交通網(wǎng)之間的耦合日益緊密：一方面，電動(dòng)汽車出行成為影響交通狀態(tài)的重要因素，并且其充放電行為顯著影響電網(wǎng)負(fù)荷以及電力系統(tǒng)運(yùn)行狀態(tài)；另一方面，充電電價(jià)以及排隊(duì)時(shí)間也會(huì)影響電動(dòng)汽車出行計(jì)劃，從而影響交通網(wǎng)狀態(tài)。隨著電力網(wǎng)-交通網(wǎng)耦合程度的增加，可再生能源與電動(dòng)汽車的協(xié)調(diào)發(fā)展是實(shí)現(xiàn)碳中和的關(guān)鍵。

針對(duì)大規(guī)模電動(dòng)汽車接入下的電力網(wǎng)-交通網(wǎng)耦合系統(tǒng)，當(dāng)前研究主要包括：①電力網(wǎng)-交通網(wǎng)聯(lián)合流分析；②電力網(wǎng)-交通網(wǎng)設(shè)施聯(lián)合規(guī)劃；③基于充電電價(jià)以及通行費(fèi)用的電力網(wǎng)-交通網(wǎng)協(xié)調(diào)優(yōu)化運(yùn)行［90-91］。上述研究取得了初步成果，但是存在如下問題亟待突破：①不確定性因素建模：現(xiàn)有研究較少考慮可再生能源發(fā)電以及電動(dòng)汽車行為不確定性對(duì)電力網(wǎng)-交通網(wǎng)的影響。大規(guī)模電動(dòng)汽車出行與充電行為具有時(shí)空關(guān)聯(lián)性，亟待解決交通出行需求的不確定性建模難題。②配電網(wǎng)-交通網(wǎng)協(xié)調(diào)調(diào)控：配電網(wǎng)與交通網(wǎng)分屬于不同的利益主體，亟待解決兩網(wǎng)協(xié)調(diào)調(diào)控的建模問題；電動(dòng)汽車行為具有主觀性，僅依靠電價(jià)引導(dǎo)難以優(yōu)化兩網(wǎng)運(yùn)行狀態(tài)。

電力網(wǎng)-交通網(wǎng)協(xié)調(diào)優(yōu)化是提高城市電網(wǎng)、交通網(wǎng)等基礎(chǔ)設(shè)施運(yùn)行水平，應(yīng)對(duì)能源轉(zhuǎn)型下的不確定性因素的重要手段，具有重要的理論與應(yīng)用價(jià)值；但是目前還缺乏完善的理論基礎(chǔ)與仿真工具，該領(lǐng)域是未來重要的研究方向。

由上述論述可知，在能源轉(zhuǎn)型的背景下，可再生能源的消納措施包括柔性源荷利用，電-氣-熱多能互補(bǔ)，以及能源系統(tǒng)與基礎(chǔ)設(shè)施協(xié)同。因此，針對(duì)高比例可再生能源電力系統(tǒng)，除了依靠電力系統(tǒng)本身的調(diào)控措施外，在廣義范圍內(nèi)實(shí)現(xiàn)能源平衡是應(yīng)對(duì)不確定性因素的重要手段。

5 結(jié)語

本文從不確定性因素建模、不確定性因素影響評(píng)估、不確定性環(huán)境下決策以及不確定性平抑措施等4個(gè)方面，總結(jié)了現(xiàn)有研究成果，闡述了目前研究中的難點(diǎn)問題，并且探討了能源轉(zhuǎn)型下電力系統(tǒng)不確定性及其應(yīng)對(duì)方法的未來研究方向。在以“碳達(dá)峰”“碳中和”為目標(biāo)的能源結(jié)構(gòu)轉(zhuǎn)型背景下，考慮高比例可再生能源電力系統(tǒng)的強(qiáng)隨機(jī)性特征，將電力系統(tǒng)分析與運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)的技術(shù)方法進(jìn)行有機(jī)融合，是不確定性分析方法的未來發(fā)展方向；利用柔性源荷、互補(bǔ)能源以及基礎(chǔ)設(shè)施協(xié)調(diào)調(diào)控，在廣義范圍內(nèi)實(shí)現(xiàn)能源平衡，是促進(jìn)大規(guī)?？稍偕茉聪{、應(yīng)對(duì)電力系統(tǒng)不確定性的重要手段。