计及广义需求侧资源的用户侧自动响应机理与关键问题.pdf

第４２卷第２４期２０１４年ｌ２月ｌ６日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶ０１．４２Ｎｏ．２４Ｄｅｃ．１６．２０１４计及广义需求侧资源的用户侧自动响应机理与关键问题汤庆峰，刘念，张建华（华北电力大学新能源电力系统国家重点实验室，北京１０２２０６）摘要：自动需求响应是智能电网的关键技术之一，在广义需求侧资源接入的情况下，对用户侧如何实施自动需求响应提出了更高要求。首先，介绍了用户侧的智能用电单元的基本形态，分析了负荷、分布式电源、储能与电动汽车等需求侧资源的适“”“”用性；提出了独立用户＋节点型智能用电单元与集体用户＋聚合型智能用电单元两种用户自动需求响应运行模式，并给出了相应的电气与信息架构。其次，从系统架构设计、用户负荷特征及负荷预测、负荷可调控性及控制模型、优化模型与方法等多个方面综述了用户侧自动需求响应的国内外研究现状及发展动态。最后，总结分析认为用户侧短期负荷预测、负荷可调控性与可计划性模型、面向自动需求响应的优化运行、综合效益评估等是需要进一步研究的关键问题。关键词：智能用电；自动需求响应；可控负荷；优化运行；综合效益Ｔｈｅｏｒｙａｎｄｋｅｙｐｒｏｂｌｅｍｓｆｏｒａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｏｆｕｓｅｒｓｉｄｅｃｏｎｓｉｄｅｒｉｎｇｇｅｎｅｒａｌ￣ｅｄｄｅｍａｎｄｓｉｄｅｒｅｓｏｕｒｃｅｓ—ＴＡＮＧＱｉｎｇ・ｆｅｎｇ，ＬＩＵＮｉａｎ，ＺＨＡＮＧＪｉａｎｈｕａ（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｌｔｅｒｎａｔｅＥｌｅｃｔｒｉｃａｌＰｏｗｅｒＳｙｓｔｅｍｗｉｔｈＲｅｎｅｗａｂｌｅＥｎｅｒｇｙＳｏｕｒｃｅｓ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０２２０６，Ｃｈｉｎａ）—Ａｂｓｔｒａｃｔ：Ａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅ（ＡｕｔｏＤＲ）ｉｓｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｉｎｓｍａｒｔｇｒｉｄ．Ｗｈｅｎｔｈｅｇｅｎｅｒａｌｉｚｅｄｄｅｍａｎｄｓｉｄｅ—ｒｅｓｏｕｒｃｅｓ（ＤＳＲ）ａｒｅｃｏｎｎｅｃｔｅｄｔｏｔｈｅｇｒｉｄ，ｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａｕｔｏＤＲｏｎｔｈｅｕｓｅｒｓｉｄｅｎｅｅｄｓｍｏｒｅｒｅｑｕｉｒｅｍｅｎｔｓ．Ｆｉｒｓｔｌｙ，ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｂａｓｉｃｆｏｒｍｏｆｓｍａｒｔｕｎｉｔｏｆｔｈｅｅｌｅｃｔｒｉｃｉｔｙｃｏｎｓｕｍｐｔｉｏｎｏｎｔｈｅｕｓｅｒｓｉｄｅａｎｄａｎａｌｙｓｅｓｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆＤＳＲ—ｓｕｃｈａｓｃｏｎｔｒｏｌｌａｂｌｅｌｏａｄ，ｄｉｓｔｒｉｂｕｔｅｄｅｎｅｒｇｙｒｅｓｏｕｒｃｅｓ，ｅｎｅｒｇｙｓｔｏｒａｇｅａｎｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ．ＴｗｏｏｐｅｒａｔｉｏｎｍｏｄｅｓｏｆａｕｔｏＤＲ’“’ＣＩｎｄｅｐｅｎｄｅｎｔｕｓｅｒｓ＆ｓｍａｒｔｕｎｉｔ＇ａｎｄｃｏｌｌｅｃｔｉｖｅｕｓｅｒｓ＆ａｇｇｒｅｇａｔｅｄｓｍａｒｔｕｎｉｔ＇）ａｒｅｐｒｏｐｏｓｅｄ，ａｎｄｔｈｅｉｒｒｅｌａｔｅｄｅｌｅｃｔｒｉｃａｌａｎｄ—ｉｎｆｏｒｍａｔｉｏｎｓｔｒｕｃｔｕｒｅｉｓａｌｓｏｉｎｔｒｏｄｕｃｅｄ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｒｅｓｅａｒｃｈｓｔａｔｕｓａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆａｕｔｏＤＲｏｎｕｓｅｒｓｉｄｅａｒｅｓｕｍｍａｒｉｚｅｄ，ｉｎｃｌｕｄｉｎｇｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅｄｅｓｉｇｎ，ｌｏａｄｆｅａｔｕｒｅｓａｎｄｆｏｒｅｃａｓｔｉｎｇｏｆｄｉｆｆｅｒｅｎｔｐｅｏｆｕｓｅｒｓ，ｃａｔｅｇｏｒｉｅｓｏｆｌｏａｄｔｙｐｅａｎｄｃｏｎｔｒｏｌ—ｍｏｄｅｌｓ，ｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｓａｎｄｍｅｔｈｏｄｓ，ｅｔｃ．Ｆｉｎａｌｌｙ，ｔｈｅｐａｐｅｒｃｏｎｃｌｕｄｅｓｔｈａｔｋｅｙｐｒｏｂｌｅｍｓｓｕｃｈａｓｓｈ０ｒｔｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｏｆｕｓｅｒｓ，ｍｏｄｅｌｓｏｆｌｏａｄｒｅｇｕｌａｔｉｏｎａ—ｎｄｐｌａｎｎｉｎｇ，ｏｐｔｉｍｉｚｅｄｏｐｅｒａｔｉｏｎｆｏｒａｕｔｏＤＲａｎｄｃｏｍｐｒｅｈｅｎｓｉｖｅｂｅｎｅｆｉｔｅｖａｌｕａｔｉｏｎｓｔｉｌｌｎｅｅｄｆｕｒｔｈｅｒｒｅｓｅａｒｃｈ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５１２７７０６７）．Ｋｅｙｗｏｒｄｓ：ｓｍａｒｔｅｌｅｃｔｒｉｃｃｏｎｓｕｍｐｔｉｏｎ；ａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅ；ｃｏｎｔｒｏｌｌａｂｌｅｌｏａｄ；ｏｐｔｉｍｉｚｅｄｏｐｅｒａｔｉｏｎ；ｃｏｍｐｒｅｈｅｎｓｉｖｅｂｅｎｅｆｉｔ中图分类号：ＴＭ７７文献标识码：Ａ——文章编号：１６７４３４１５（２０１４）２４０１３８－１０Ｏ引言智能用电是坚强智能电网的重要组成部分，其指导思想是调动用户参与需求响应，实现用户与电力运营商的双向互动。对用户而言，可有效降低用电成本；对电力企业而言，可平抑负荷峰谷差，降基金项目：国家自然科学基金面上项目（５１２７７０６７）低投资和运行成本；对社会而言，可促进分布式清洁能源的消纳，提高环境效益。随着一些智能用电研究的开展及示范工程建设，已经从技术上验证了智能用电方式的可行性¨Ｊ。近年来，国际上提出了自动需求响应（ＡｕｔｏｍａｔｅｄＤｅｍａｎｄＲｅｓｐｏｎｓｅ，Ａｕｔｏ．ＤＲ）的概念，是需求响应最新的实现形式Ｊ。通过自动需求响应，可进一步增强用户参与的主动性、提升响应水平和效果。自动需求响应己成为智汤庆峰，等计及广义需求侧资源的用户侧自动响应机理与关键问题一１３９．能电网的关键技术之一Ｊ。随着可控负荷、分布式电源、储能及电动汽车技术的发展，对自动需求响应提出了更高的要求。基于先进的通信信息技术，过去一些难以调控的用电设备逐步转变为可按用户意愿和需求进行自动调“控的智能用电设备［９ｑｏ］。我国遵循自用为主、富”余上网、因地制宜、有序推进的原则，在用户侧积极发展和接入分布式电源，国家电网公司也发布了《关于做好分布式电源并网服务工作的意见》Ｌｌ，给予符合条件的多种清洁能源发电提供并网服务，国家相关部门及地方政府也在制定补贴政策，促进分布式清洁能源发展。发展电动汽车被世界各国普遍确立为保障能源安全和转型低碳经济的重要途径【Ｊ２Ｊ，根据《节能与新能源汽车产业发展规划》，我国以插电式的纯电动汽车作为主要发展方向Ｌ１。此外，在用户侧配置一定容量的分布式储能，为可再生能源提供辅助调节，也成为关注的热点问题ｕ引。因此，未来需求侧将不仅仅包含传统负荷，还将存在可控负荷、分布式电源、储能及电动汽车等多种资源，统称为广义需求侧资源Ｌ１¨Ｊ。广义需求侧资源在提供更丰富选择的同时，也提升了实现自动需求响应的复杂度。针对不同的价格信号和激励机制，用户内部需通过复杂决策过程，合理调整负荷、分布式电源、储能及电动汽车等需求侧资源，实现用电经济性目标。当智能用电单元发展到一定数量后，自动需求响应的合理程度不仅决定了用电经济成本，还会对智能用电的整体实施效果及社会环境效益产生较大影响。基于上述原因，本文对计及广义需求侧资源的用户侧自动需求响应机理展开综述性研究，分析当前的国内外研究现状及发展动态，并探讨存在的关键难点问题。１计及广义需求侧资源的用户自动响应１．１含广义需求侧资源的智能用电单元智能用电单元是落实智能用电思想的需求侧执行环节。从用户类型上，一般可分为居民用户、商业用户和工业用户等；从用户数量及空问位置关系上，可分为个体用户和集体用户。个体用户是智能用电单元的最小形态，二者本质上是不可分割的，定义为节点型智能用电单元；而集体用户是由某个商业建筑、居民小区、工业园区中一定数量的个体用户构成的，通常是节点单元的聚合形态，定义为聚合型智能用电单元。传统需求侧资源主要指能够对电价信号或激励机制做出响应的负荷资源。智能电网可兼容多种分布式发电和储能形式，尤其是大量的可再生分布式电源。基于智能用电单元中先进的传感与控制技术，可以将这些资源转化为新型、广义的需求侧资源【Ｊ。根据具体情况，广义需求侧资源可分布于不同类型的智能用电单元中。首先，负荷资源是客观存在的，但由于用户类型及单元形态的不同，负荷资源的量级、可调控性、可计划性都存在明显差异；其次，分布式电源、储能与电动汽车等资源仍处在发展阶段，随着技术水平的提高及成本的降低，可存在于多种用户类型及单元形态中。通常，需求侧资源既可是个体独有，也可是集体共有。１．２需求侧资源的适用・陛分析１．２．１负荷资源根据用户类型不同，相应的负荷资源也存在差异。居民用户的负荷主要来自家用ＨＶＡＣ（Ｈｅａｔｉｎｇ，ＶｅｎｔｉｌａｔｉｏｎａｎｄＡｉｒＣｏｎｄｉｔｉｏｎｉｎｇ，供热、通风及空调），冰箱、热水器、照明、娱乐、厨用及其他生活电器等Ｌ１８Ｊ；商业负荷主要包括照明、ＨＶＡＣ、电脑办公及其他商业展示类负荷等【】９Ｊ；工业负荷则是以机械、电解、电热等与生产方式相关的长期连续负荷为主，也包括ＨＶＡＣ及照明类负荷。负荷资源特性受生活方式、生产方式与库存、工作性质、天气等因素的影响。其中，居民负荷主要受生活方式及天气因素的影响；商业负荷主要受工作性质与天气因素的影响；工业负荷则主要取决…于生产方式、产品库存、需求与产量等。从负荷的可调控性上，目前存在多种分类方法，“如可分为基线负荷、爆发性负荷、常规负荷，又可分为可计划、可控、可监视、可检测类负荷。总结现有的研究成果，考虑负荷可调控性的功率及时间因素，负荷资源大致可分为两类：（１）根据生活、工作方式的需求自然发生，具有强制性和随机性，且难以实施调控的负荷，定义为基线负荷；（２）受温度等气候因素影响，功率可调整甚至被间歇性中断的负荷；具有相对固定的启停及运行持续时间的负荷，如洗（干）衣机、洗碗机、消毒柜等，这类负荷功率不太方便调控，但运行时间可灵活安排，以上两者统称为可调控负荷。如图１所示。１．２．２分布式电源资源光伏发电被认为是最适合在用户侧推广应用的可再生能源发电形式。近年来，分布式光伏发电在欧洲国家已经得到了广泛的应用，我国遵循自”发自用、余量上网、电网调节的基本原则，也在积极推进用户侧的光伏应用。对于以工业、商业、居民用户为主体的智能用电单元，分布式光伏发电皆具有较好的适用性。电力系统保护与控制允许装有分布式电源和智能电器的用户接入分布式能量管理系统。文献【２１］提出了一个由准入控制、负荷平衡和需求响应等模块构成，能有效实现家庭自动需求管理的系统架构，并通过Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ仿真验证了架构设计的可行性。文献［４２１提出了一种基于实时电价的智能用电系统框架，包括主站系统、远程通信、本地通信、互动终端、智能开关等，分析了智能用电系统的信息交互流程。文献ｆ８］提出了含５大模块、２０项子模块的自动需求响应研究框架，并设计了系统的总体业务信息流程。２．２用户负荷特征及负荷预测传统意义上，负荷预测主要是面向发电侧、电网侧需求。近几年，随着智能电网的发展，学术界也逐渐开始关注用户侧的负荷特征，并研究服务于智能用电的负荷预测技术。文献［４３１认为居民负荷可分解为环境相关与习惯相关负荷，并研究了两种负荷的特征。文献［４４１将智能配电网中的用户负荷分为趋势负荷、周期负荷及随机负荷，对前二者分别采用回归算法与谱分析进行预测，第三部分作为噪声处理，预测误差达到１１％～１３％。文献［４５１提出了用智能电表实现负荷预测的思路，将家庭用户负荷分解为习惯相关与气候相关成分，并考虑智能电表在计算与存储空间上的约束，使用卡尔曼滤波与谱分析分别对两部分用电量进行预测，其１５ｍｉｎ级预测周期的误差稳定在１２％左右。文献［４６】建立了针对工业车间的负荷预测模型，采用自适应神经网络方法，并通过多目标遗传算法优化模型参数。该模型对用电量预测误差为４％～１０％不等，最低预测误差出现于平均用电量为１３９７．３ｋＷｈ的工业系统。文献［４７１对商业楼宇按季节性负荷和日负荷分类，分析了ＤＲ对负荷特性的影响，在同样的ＤＲ策略下，商业用户数越多，负荷转移效果越好。短期负荷预测主要采用时间序列、支持向量机、神经网络等方法，基于以上方法的改进型预测模型与组合模型［４４－４６］在短期负荷预测中也取得了较好效果，但对于小容量微网的短期负荷预测，改进型预测模型与组合预测模型较少体现出卓越的预测效果，基于用户负荷特征的负荷预测是在二者的基础上更加贴近用户侧特点的研究方向，文献［４８】重点分析了目负荷率、负荷目前差异度等负荷特征对微网短期负荷预测的影响作用，针对负荷数据不同频次特征，采用组合优化模型分别处理，并基于模型自寻优机制，将小型家居微网（０．２ＭＷ级）的短期负荷预测误差降至９．５％，中型微网（２．２Ｍｗ级）的短期预测误差降至５．７％～６．８％，该方法为微电网短期负荷预测提供了很好的研究思路。负荷数据的记录、分析与预测是智能电表的功能主体，毫秒级的短期负荷预测方法ｌ４可以通过嵌入式系统置于智能表计中，为微网系统优化运行提供数据支撑。２．３负荷可调控性分类及控制模型对负荷可调控性的研究，已涉及到居民社区负荷、工商业负荷等多种类型。有关ＨＶＡＣ类负荷的调控机理及聚合模型是关注的共性问题。文献［２２１将智能用电单元内的负荷按可计划、可控、可监视和可检测分类，总结出多种用电场景，运用智能家居控制策略进行优化管理，仿真结果表明自动需求响应不仅可使用户获利，还有利于实现电网经济运行目标。文献［２０］研究了工业负荷的可调控性问题，通过模糊理论和专家系统来确定工业生产过程中可以暂时停运的项目。文献【４９】在不增加通信设备的情况下，根据历史负荷曲线推测出高峰负荷的大致时段，并根据负荷优先级实现负荷管理。文献［５０】针对智能用电小区，讨论了面向自动需求响应的分散和集中负荷控制，从延时性、可预测性和可控性等方面比较了两种控制方式的特点，当迅速可靠的分散控制与可预测的集中控制相结合时，能获得更好的响应效果。文献［５１］提出了一种采用居民温控负荷控制的微网联络线功率平滑算法，通过对并网社区级微电网中１０００个家用电热泵设备的仿真控制，结果表明热泵负荷的响应可有效跟随控制目标，并分析了可再生能源渗透率、外部环境温度、热泵工作温度上下界等因素对控制效果的影响。文献［５２】提出了一个基于多类温控负荷的聚合模型，该模型不仅考虑了人口、多形态负荷的统计数据等静态信息，还将聚合后温控负荷的瞬时变化作为二阶元素纳入考虑范围之内，最终获得需求响应下的多形态温控负荷聚合特性。负荷的可控性与可计划性是实现自动需求响应的重要基础。当前的研究普遍认为：可调控类负荷以ＨＶＡＣ类为主，易受到环境和习惯的双重影响Ｊ；可计划负荷也是习惯相关或生产相关负荷，但执行时问的弹性度较大，可在一定时问段内自由安排Ｌ５引。但是，针对负荷可控性、可计划性与影响因素之间的关系，目前仍缺乏较完整的统计规律和数学模型。２．４面向自动需求响应的优化模型与方法优化是实现自动需求响应的核心环节，针对该问题已经产生了一些研究成果，研究对象包括居民、商业和工业用户，既有独立用户，也涉及到一定数量的集体用户，优化的决策变量除可调控负荷外，汤庆峰，等计及广义需求侧资源的用户侧自动响应机理与关键问题。１４３－部分研究还考虑了分布式电源和储能系统。文献［５３１提出了一种分层分时的居民用电优化模型，在空间上分为负荷管理层、家庭层和智能电器层，时间上分为日前预测层和实时处理层，研究表明用户数量越多，基于目前预测的优化效果越理想。文献［５４１提出了一种针对需求侧可中断负荷的优化模型，以总成本最低为目标，考虑了负荷削减要求和中断负荷次数等约束条件。文献［１９１对需求响应下的商业用户进行能量管理，通过热仿真来估计多种场景下ＨＶＡＣ负荷每小时的用电量，并制定出相应的优化策略。文献［５５】提出了针对居民用电的在线需求响应模型及算法，首先通过离线优化模型给出日前２４ｈ的优化方案，然后通过在线优化模型实时调整，以应对离线阶段未预测到的各种突发事件。文献ｆ２０１提出了需求响应下工业用户的用电优化模型并设计了智能系统，分为离线分析和在线调整两个层面，离线部分主要针对历史ＤＲ项目，正常生产流程等固定环节进行分析，在线部分针对检修、人员计划等较突发的情况进行调整。文献［５６１针对家用电热水器负荷，用物理模型模拟其热力学热性，用统计学方法获得热水需求量，以用电成本为优化目标，考虑用户舒适度（热水温度变化）等约束条件，并提出了求解算法。文献［５７】提出了需求侧负荷管理的三步优化策略与算法，并以冰箱类负荷为例验证了可行性。文献［５８１提出了一种基于实时电价的居民用户需求响应优化模型，并将相应的程序嵌入智能电表中，以５ｒａｉｎ为时间步长对用户电器设备进行在线运行优化，并考虑了实时电价不确定性的影响。针对安装了微燃机的居民用户，文献［２７】提出了一种基于ＤＲ的预测控制模型优化策略，仿真结果表明，该优化策略可使居民用电成本最高下降１４％，实时电价波动越大，成本下降越明显。３关键问题分析３．１智能用电环境下用户的短期负荷预测问题研究对象涵盖工业、商业和居民用户，但总体上预测结果不是很理想，相对误差通常大于１０％【４Ｊ。分析其原因，主要是由于用户侧负荷的随机性强，突发事件较多，历史负荷曲线相似度低，再加上用户容量有限，各用户间负荷特征的相互平滑作用较小。在未来的研究中：一方面，需考虑如何针对用户的差异化特征，研究提高预测精度的方法；另一方面，可结合自动需求响应的运行需求展开研究，针对基线负荷、可计划负荷等可控负荷，需要不同的建模方法。对于基线负荷，可通过历史数据的统计、影响因素的属性分析、特征提取等环节，研究基线负荷的目前及短期预测模型。对可计划负荷，除预测其功率或电量需求，还需对可计划的时问区间有预估方法。对其他可控负荷，可重点关注其功率、电量需求的上下限，即可调控范围。独立用户和集体用户在预测方法学上很可能存在差异，独立用户可重点分析用电习惯，集体用户需关注组成个体之间的差异性与一致性。３．２负荷可调控性分类与影响因素负荷具备可调控性，改变了传统负荷被动、刚性、静止的特点［５引，文献［５９】提出，微网可被视作一个由负到正的虚拟负荷，其用电和发电都可以看成是虚拟负荷的增加和减少，从而实现互动、协调的控制方式。这正是负荷的角色转变，以及在微电网控制与优化等研究中发挥新作用的直观描述。针对我国电力用户现状，负荷的可调控性可分为三类：可平移负荷，可计划负荷以及混合特性负荷。（１）可平移负荷，指不可中断、可延迟类的负荷，例如洗衣机等，其负荷形状和总量不可改变。（２）可计划负荷，指可中断、可延迟类负荷，例如充电汽车、ＨＶＡＣ等，某一时段的形状和大小可削减。（３）混合特性负荷，指在不同情况下具备多种属性的负荷，例如热水器（ＥｌｅｃｔｒｉｃａｌＷａｔｅｒＨｅａｔｅｒ），在水量处于上下限之间时，属于可计划类负荷（可中断、可延迟），其负荷形状可改变（目标水温可调），一旦水量低于下限，因为添水导致与目标温度偏差值越限，为保证用户舒适度约束，通常此时热水器会立即启动，其属性变为基线负荷（强制负荷）。针对物理模型差异较大的家用、商用及工业负荷，应分析环境、习惯、生产等影响因素的特点，研究负荷可平移性、可计划性与影响因素之间的关系。（１）供热、通风及空调（ＨｖＡＣ）、热水器（ＥＷＨ）属于典型的可调控负荷，需研究环境温度、建筑面积、通风条件、日照辐射、舒适度等因素对负荷运行状态的影响，建立功率可调节负荷与影响因素的关系模型。（２）居民用户的可计划负荷有限，相对较为简单；工业用户的可计划负荷较多，需要分析生产需求、产量与库存等因素对生产安排的影响，建立可计划负荷与影响因素的关系模型。（３）混合特性负荷需考虑具体的约束条件进行．１４４．电力系统保护与控制分别处理，其特性变换的条件既可以作为优化运行的约束条件，也可以成为新型控制方式的切入点。３．３面向自动需求响应的优化运行问题面向自动需求响应的运行优化，目前存在时间和空间上两个维度的难点。时间维度，是指优化周期、决策变量的时问间隔等因素。空间维度，主要是针对集体用户，如何协调集体共有与个体独有的需求侧资源，形成优化运行的层次关系。对于时间维度问题，目前的研究成果多采用“”日前＋实时的优化思想【２０引，主要考虑到目前２４ｈ的基础数据预测结果准确性较差，很可能导致优化方案不可用，因此需要进一步的实时优化调整。但是，当预测误差或突发事件频发时，很可能过多地触发实时优化，造成负荷控制和功率分配策略的过度调整，反而给用户生活生产带来不便。要解决该问题，可在提高预测结果准确性的基础上，合理设置优化目标，并选择灵活的实时触发机制。对目前模型，应分析各类用户的用电特点，从费用支出、舒适度、生产效率等方面，研究适用于特定用户形态的目标函数；根据功率平衡、可控负荷、分布式电源及储能的调节特性来构建约束条件；根据基础数据的预钡４结果，求解优化模型。对实时模型，应以贴近目前优化结果为目标，在更小时间尺度内，启发式分配可调控资源。对优化结果的灵活调整机制，需定量分析预测误差发生时间点、大小和持续长度对优化结果的影响，考虑误差的瞬时效应和累积效应，研究时间触发与事件触发相结合的灵活调整机制；根据剩余时间内可调控资源的可调频次、功率和电量来更新目前优化结果。对于空间维度问题，集体用户可能采用集中供暖、制冷的方式，或存在共享的分布式电源，集体利益与个体需求之间不可避免的存在差异与冲突［５３１。因此，在优化模型中既要考虑共享的可调控资源，又要兼顾用户个体自有的可调控负荷。这种情况下，优化模型需协调两个层面的功率分配问题。核心的目标是用户集体利益的最大化，但在约束条件中可考虑用户需求的差异化。通过集中优化、分散执行的方式是可能的解决方案。一方面，研究集中优化的数学模型；另一方面，研究优化结果的分散执行策略。根据个体用户可调控负荷的容量裕度，研究目前优化结果落实到个体用户的可调控资源分配方式；根据用户对既得效益及使用体验的反馈，动态调整分配方案。３．４用户侧自动需求响应的综合效益评估针对该问题尚未发现系统的研究成果，但仍出现了少量建立在负荷特性和优化结果基础上的效益分析，例如在特定ＤＲ项目下用电成本的降低程度、负荷转移效果等［２７，４７，６１］。宏观层面上，当可实施自动需求响应的智能用电单元发展到一定数量后，结合相关的需求响应策略和优化方法，会给电力系统负荷特性造成何种程度的影响，对用户、电网和社会的效益提升会达到什么量级的水平，目前仍缺乏评估指标和量化分析。微观层面上，不同类型的智能用电单元之间，何种类型的效益最高，单元内可控资源的容量和类型【ｏＪ，会对综合效益产生何种影响，都是需要深入研究的问题。因此，需考虑经济效益、环境效益、对生产生活影响、对电网负荷特性影响和其他辅助效益，提炼自动需求响应实施的综合效益评估指标。根据智能用电单元的类型、数量、组成对象及可调控资源，对优化结果进行敏感性分析，研究各类单项指标的计算方法和综合评估方法。４结论综上所述，自动需求响应已经成为智能电网发展与研究过程中关注的重要问题，广义需求侧资源的接入提升了实施自动需求响应的复杂度，对用户侧的优化控制与运行提出了更高的要求。结合国内外研究现状，目前对计及广义需求侧资源的用户自动需求响应研究仍处于探索起步阶段。用户的短期负荷预测、负荷可调控性、面向自动需求响应的用户侧优化运行与综合效益评估等关键问题的研究仍有待深入。参考文献［１］王广辉．中国智能用电的实践与未来展望［Ｊ１．中国电力，２０１２，４５（１）：１－５．—ＷＡＮＧＧｕａｎｇｈｕｉ．ＰｒａｃｔｉｃｅａｎｄｐｒｏｓｐｅｃｔｏｆＣｈｉｎａｉｎｔｅｌｌｉｇｅｎｔｐｏｗｅｒｕｔｉｌｉｚａｔｉｏｎ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒ，２０１２，４５（１）：１－５．［２］李同智．灵活互动智能用电的技术内涵及发展方向［Ｊ】．电力系统自动化，２０１２，３６（２）：１１－１７．—ＬＩＴｏｎｇｚｈｉ．Ｔｅｃｈｎｉｃａｌｉｍｐｌｉｃａｔｉｏｎｓａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｓｏｆｆｌｅｘｉｂｌｅａｎｄｉｎｔｅｒａｃｔｉｖｅｕｔｉｌｉｚａｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｐｏｗｅｒ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１２，—３６（２）：１１１７．Ｅ３］ＰＩＥＴＴＥＭＡ．Ｄｅｖｅｌｏｐｍｅｎｔａｎｄｅｖａｌｕａｔｉｏｎｏｆｆｕｌｌｙａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｉｎｌａｒｇｅｆａｃｉｌｉｔｉｅｓ［ＥＢ／ＯＬ］．——ｈｔｔｐ：／／ｄｒｒｃ．１ｂ１．ｇｏｖ／ｓｙｓｔｅｍ／ｆｉｌｅｓ／ｃｅｃ一５００２００５０１３．ｐｄｆ．［４］ＰＩＥＴＴＥＭＡ，ＫＩＬＩＣＣＯＴＥＳ，ＧＨＡＴＩＫＡＲＧＤｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔｏｆａｎｏｐｅｎｉｎｔｅｒｏｐｅｒａｂｌｅａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｉｎｆｒａｓｔｒｕｃｔｕｒｅ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｄｒｒｃ．１ｂ１．ｇｏｖ／ｐｕｂｌｉｃａｔｉｏｎｓ．［５］ＰＩＥＴＴＥＭＡ，ＧＨＡＴＩＫＡＲＧＫＩＬＩＣＣＯＴＥＳ，ｅｔａ１．Ｏｐｅｎａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｓｐｅｃｉｆｉｃａｔｉｏｎ［Ｓ］．ＣａｌｉｆｏｒｎｉａＥｎｅｒｇｙＣｏｍｍｉｓｓｉｏｎ，２００９．汤庆峰，等计及广义需求侧资源的用户侧自动响应机理与关键问题’［６ＪＧＨＡＴＩＫＡＲＧ，ＭＡＴＨＩＥＵＪＬＰＩＥＴＴＥＭＡ。ｅｔａ１．Ｏｐｅｎａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒｄｙｎａｍｉｃｐｒｉｃｉｎｇａｎｄｓｍａｒｔｇｒｉｄ［ＥＢ／ＯＬ］．ｈｔｔｐ：Ｉｌｄｒｒｃ．１ｂ１．ｇｏｖ／ｐｕｂｌｉｃａｔｉｏｎｓ．［７３ＰＩＥＴＴＥＭＡ，ＷＡＴＳＯＮＤＳ．ＭＯＴＥＧＩＮ，ｅｔａ１．Ｐａｒｔｉｃｉｐａｔｉｏｎｔｈｒｏｕｇｈａｕｔｏｍａｔｉｏｎ：ｆｕｌｌｙａｕｔｏｍａｔｅｄｃｒｉｔｉｃａｌｐｅａｋｐｒｉｃｉｎｇｉｎｃｏｍｍｅｒｃｉａｌｂｕｉｌｄｉｎｇｓ［ＥＢ／０Ｌ］．ｈｔｔｐ：／／ｄｒｒｃ．１ｂ１．ｇｏｖ／ｐｕｂｌｉｃａｆｉｏｎｓ．［８］史常凯，孙军平，张波，等．智能用电中自动需求响应的特征及研究框架【Ｊ］．电力系统自动化，２０１２，３７（２３）：１．７．ＳＨＩＣｈａｎｇ－ｋａｉ，ＳＵＮＪｕｎ－ｐｉｎｇ，ＺＨＡＮＧＢｏ，ｅｔａ１．Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｒｅｓｅａｒｃｈｆｒａｍｅｗｏｒｋｏｆａｕｔｏｍａｔｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｉｎｓｍａｒｔｕｔｉｌｉｚａｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ．２０１３．３７（２３）：１．７．［９］杨文轩，何光宇，王伟，等．用户侧能量管理原型系统的设计与实现【Ｊ】．电力系统自动化，２０１２，３６（２０）：７４．７９．ＹＡＮＧＷｅｎ．ｘｕａｎ．ＨＥＧｕａｎｇ，ｙｕ，ＮＧＷｅｉ，ｅｔａ１．Ｄｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｕｓｅｒｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔａｒｃｈｅｔｙｐｅｓｙｓｔｅｍ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１２，３６（２０）：７４・７９．［１０］牛博，宋政湘，王建华，等．智能电器以太网接入服务器设计［Ｊ］．电力自动化设备，２００７，２７（６）：８１，８４．—ＮＩＵＢｏ，ＳＯＮＧＺｈｅｎｇｘｉａｎｇ，ＷＡＮＧＪｉａｎ－ｈｕａ，ｅｔａ１．ＤｅｓｉｇｎｏｆＥｔｈｅｒｎｅｔｎｅｔｗｏｒｋｓｅｒｖｅｒｆｏｒｉｎｔｅｌｌｉｇｅｎｔｅｌｅｃｔｒｉｃａｌａｐｐａｒａｔｕｓ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒＡｕｔｏｍａｔｉｏｎ—Ｅｑｕｉｐｍｅｎｔ，２００７，２７（６）：８１８４．［１１］国家电网公司关于做好分布式电源并网服务工作的意见ＥＢ／ＯＬ］．ｈｔｔｐ：ｆｆ．ｃｅｃ．ｏｒｇ．ｃｌＶｙａｏｗｅｎｋｕａｉｄｉ／２０１３－０２．２８／９７８８２．ｈｔｍ１．［１２］肖湘宁，陈征，刘念．可再生能源与电动汽车充放电设施在微电网中的集成模式与关键问题［Ｊ］．电工技术—学报，２０１３，２８（２）：１１４．—ＸＩＡＯＸｉａｎｇｎｉｎｇ，ＣＨＥＮＺｈｅｎｇ，ＬＩＵＮｉａｎ．Ｉｎｔｅｇｒａｔｅｄｍｏｄｅａｎｄｋｅｙｉｓｓｕｅｓｏｆｒｅｎｅｗａｂｌｅｅｎｅｒｇｙｓｏｕｒｃｅｓａｎｄ’ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｆａｃｉｌｉｔｉｅｓｉｎｍｉｃｒｏｇｒｉｄ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１３，２８（２）：１・１４［１３］节能与新能源汽车产业发展规划（２０１２．２０２０）［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｎｅａ．ｇｏｖ．ｃｎ／２０１２－０７／１０／ｃ～１３１７０５７２６．ｈｔｍ．１１４］ＤＵＳＯＮＣＨＥＴＬ，ＩＰＰＯＬＩＴＯＭＧＴＥＬＡＲＥＴＴＩＥ，ｅｔａ１．—Ｅｃｏｎｏｍｉｃｉｍｐａｃｔｏｆｍｅｄｉｕｍｓｃａｌｅｂａｔｔｅｒｙｓｔｏｒａｇｅｓｙｓｔｅｍｓｉｎｐｒｅｓｅｎｃｅｏｆｆｌｅｘｉｂｌｅｅｌｅｃｔｒｉｃｉｔｙｔａｒｉｆｆｓｆｏｒ—ｅｎｄｕｓｅｒａｐｐｌｉｃａｔｉｏｎｓ［Ｃ】／／ＥｕｒｏｐｅａｎＥｎｅｒｇｙＭａｒｋｅｔ（ＥＥＭ）．２０１２９ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ：ＩＥＥＥ．２０１２：１．５．［１５］王承民，孙伟卿，衣涛，等．智能电网中储能技术应用规划及其效益评估方法综述【Ｊ］．中国电机工程学报，２０１３，３３（７１：３３．４１．——ＷＡＮＧＣｈｅｎｇｍｉｎ，ＳＵＮＷｅｉｑｉｎｇ，ＹＩＴａｎ，ｅｔａ１．Ｒｅｖｉｅｗｏｎｅｎｅｒｇｙｓｔｏｒａｇｅａｐｐｌｉｃａｔｉｏｎｐｌａｎｎｉｎｇａｎｄｂｅｎｅｆｉｔｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｓｉｎｓｍａｒｔｇｒｉｄ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ—ＣＳＥＥ，２０１３，３３（７）：３３４１．１ｌ６ｊＫＡＲＡＮＧＥＬｏＳＥ。ＢＯＵＦＦＡＲＤＦ．Ｔｏｗａｒｄｓｆｕ１１．１４５．ｉｎｔｅｇｒａｔｉｏｎｏｆｄｅｍａｎｄ．ｓｉｄｅｒｅｓｏｕｒｃｅｓｉｎｉｏｉｎｔｆｏｒｗａｒｄｅｎｅｒｇｙ／ｒｅｓｅｒｖｅｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｓ［Ｊ１．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２０１２，２７（１：２８０．２８９．［１７］邢龙，张沛超，方陈，等．基于广义需求侧资源的微网运行优化［Ｊ］．电力系统自动化，２０１３，３７（１２）：７－１２．ＸＩＮＧＬｏｎｇ、ＺＨＡＮＧＰｅｉ．ｃｈａｏ，ＦＡＮＧＣｈｅｎ，ｅｔａ１．ＯｐｒｉｍａｌｏｐｅｒａｔｉｏｎｆｏｒｍｉｃｒｏｇｒｉｄｕｓｉｎｇｇｅｎｅｒａｌｉｚｅｄｄｅｍａｎｄｓｉｄｅｒｅｓｏｕｒｃｅｓＩＪ１．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１３，３７（１２）：７．１２．ⅥＬ１８ＪＧＵＤＩＮ、ＮＧＬ．ＤＥ、，ＡＢＨＡＫＴＵＮＩＶＡｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔｂａｓｅｄｓｉｍｕｌａｔｉｏｎｐｌａｔｆｏｒｍｉｎｃｏｒｐｏｒａｔｉｎｇｈｅｕｒｉｓｔｉｃｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｍａｎａｇｅｍｅｎｔｏｆｈｏｕｓｅｈｏｌｄａｐｐｌｉａｎｃｅｓ［Ｊ］．１ｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｉｃａｌＰｏｗｅｒ＆ＥｎｅｒｇｙＳｙｓｔｅｍｓ，２０１２．４３（１）：１８５．１９３．１１９ｊＣＯＢＥＬ０Ｉ。ＢＯＹＲＡＭ、ＣＡＳＴＥＬＬＡＮＯＳＡ．Ｃｏｍｍｅｒｃｉａ１ｂｕｉｌｄｉｎｇｌｏａｄｍｏｄｅｌｌｉｎｇｆｏｒｄｅｍａｎｄｒｅｓｐｏｎｓｅａｐｐｌｉｃａｔｉｏｎｓ［Ｃ】／／Ｅｌｅｃｔｒｉｃｉｔ—ｙＤｉｓｔｒｉｂｕｔｉｏｎＰａｒｔＩ，２００９．ＣＩＲＥＤ２００９．２０ｔｈＩｎｔｅｒｎａｔｉｏｎａ１ＣｏｎｆｅｒｅｎｃｅａｎｄＥｘｈｉｂｉｔｉｏｎｏｎ，ＩＥＥ２００９：１．４．［２Ｏ］ＭＯＨＡＧＨＥＧＨＩＳ．ＲＡＪＩＮ．Ｉｎｔｅｌｌｉｇｅｎｔｄｅｍａｎｄｒｅｓｐｏｎｓｅｓｃｈｅｍｅｆｏｒｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｏｆｉｎｄｕｓｔｒｉａｌｓｙｓｔｅｍｓ［Ｃ】／／ＩｎｄｕｓｔｒｙＡｐｐｌｉｃａｔｉｏｎｓＳｏｃｉｅｔｙＡｎｎｕａｌＭｅｅｔｉｎｇ（ＩＡＳ），２Ｏ１２ＩＥＥＥ：ＩＥＥＥ．２０１２：１．９．［２１］ＣＯＳＴＡＮＺＯＧＧＵＣＦＩＵＡＮＺ，ＡＮＪＯＳＭｅｔａ１．ＡｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅｆｏｒａｕｔｏｎｏｍｏｕｓｄｅｍａｎｄｓｉｄｅＩｐａｄｍａｎａｇｅｍｅｎｔｉｎｓｍａｒｔｂｕｉｌｄｉｎｇｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０１２，３（４１：２ｌ５７．２ｌ６５．Ｌ２２ｊＤＩＧＩＯＲＧＩＯＡ，ＰＩＭＰＩＮＥＬＬＡＬ，ＯＵＡＲＥＳＩＭＡＡ，ｅｔａ１．Ａｎｅｖｅｎｔｄｒｉｖｅｎｓｍａｒｔｈｏｍｅｃｏｎｔｒｏｌｌｅｒｅｎａｂｌｉｎｇｃｏｓｔｅｆｆｅｃｔｉｖｅｕｓｅｏｆｅｌｅｃｔｒｉｃｅｎｅｒｇｙａｎｄａｕｔｏｍａｔｅｄｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔ［Ｃ］／／Ｃｏｎｔｒｏｌ＆Ａｕｔｏｍａｔｉｏｎ（ＭＥＤ），２０１１１９ｔｈＭｅｄｉｔｅｒｒａｎｅａｎＣｏｎｆｅｒｅｎｃｅＯｎ：ＩＥＥＥ．２０１１：３５８．３６４．［２３］赵波，张雪松，洪博文．大量分布式光伏电源接入智能配电网后的能量渗透率研究［Ｊ］．电力自动化设备，２０１２，３２ｆ８、：９５．１００．——ＺＨＡＯＢｏ，ＺＨＡＮＧＸｕｅｓｏｎｇ，ＨｏＮＧＢｏｗｅｎ．Ｅｎｅｒｇｙｐｅｎｅｔｒａｔｉｏｎｏｆｌａｒｇｅ．ｓｃａｌｅｄｉｓｔｒｉｂｕｔｅｄｐｈｏｔｏｖｏｌｔａｉｃｓｏｕｒｃｅｓｉｎｔｅｇｒａｔｅｄｉｎｔｏｓｍａｒｔｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒＡｕｔｏｍａｔｉｏｎＥｑｕｉｐｍｅｎｔ，２０ｌ２，３２（８）：９５一ｌ００．［２４］苏剑，周莉梅，李蕊．分布式光伏发电并网的成本／效益分析【Ｊ１．中国电机工程学报，２０１３，３３（３４）：５０．５６．ＳＵＪｉａｎ．ＺＨＯＵＬｉ．ｍｅｉ．ＬＩＲｕｉ．Ｃｏｓｔ．ｂｅｎｅｆｉｔａｎａｌｙｓｉｓｏｆｄｉｓｔｒｉｂｕｔｅｄ—ｇｒｉｄｃｏｎｎｅｃｔｅｄｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１３，３３（３４）：５０．５６．［２５］王坤林，游亚戈，张亚群．海岛可再生独立能源电站能量管理系统［Ｊ】．电力系统自动化，２０１０，３４（１４）：１３．１７，Ⅵ——硝ＮＧＫｕｎｌｉｎ，ＹＯＵＹａｇｅ，ＺＨＡＮＧＹａ－ｑｕｎ．Ｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｖｓｔｅｍｏｆｒｅｎｅｗａｂｌｅｓｔａｎｄ－ａｌｏｎｅｅｎｅｒｇｙｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍｉｎａｌｌｉｓｌａｎｄ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１０，３４（１４：ｌ３．１７．Ｅ２６］ＴＩＡＮＧＴＬ，ＩＳＨＡＫＤ．Ｔｅｃｈｎｉｃａｌｒｅｖｉｅｗｏｆｗｉｎｄｅｎｅｒｇｙｐｏｔｅｎｔｉａｌａｓｓｍａｌ１．ｓｃａｌｅｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｏｕｒｃｅｓｉｎ．．１４６．．电力系统保护与控制ＰｅｎａｎｇＩｓｌａｎｄＭａｌａｙｓｉａ［Ｊ］．ＲｅｎｅｗａｂｌｅａｎｄＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓ，２０１２，１６（５）：３０３４－３０４２．：２７］ＨＯＵＷ１ＮＧＭ，ＮＥＧＥＮＢｏＲＮＲＲ，ＤＥＳＣＨＵＴＴＥＲＢ．Ｄｅｍａｎｄｒｅｓｐｏｎｓｅｗｉｔｈｍｉｃｒｏ．ＣＨＰｓｙｓｔｅｍｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，２０１１。９９ｆ１１：２００．２１３．［２８］杨志平，阎秦，杨勇平．微型燃气轮机热电联供系统性能评价［Ｊ］．电力需求侧管理，２００８，１０（２）：５－８．ＹＡＮＧＺｈｉ－ｐｉｎｇ，ＹＡＮＱｉｎ，ＹＡＮＧＹｏｎｇ－ｐｉｎｇ．Ｐｅｒｆｏｆｉｎａｎｃｅｅｖａｌｕａｔｉｏｎｏｆｍｉｃｒｏ．ｇａｓｔｕｒｂｉｎｅｃｏｍｂｉｎｅｄｈｅａｔｉｎｇａｎｄｐｏｗｅｒｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＤｅｍａｎｄＳｉｄｅＭａｎａｇｅｍｅｎｔ，２００８，ｌ０（２１：５－８．［２９］艾圣芳，林湘宁，万云飞，等．考虑Ｖ２Ｇ模式的含多个电动汽车充电站有源配电网规划研究［Ｊ１．中国电机工程学报，２０１３，３３（３４）：１２２．１２９．—ＡＩＳｈｅｎｇ－ｆａｎｇ，ＬＩＮＸｉａｎｇｎｉｎｇ，ＷＡＮＹｕｎ－ｆｅｉ，ｅｔａ１．ＳｔｕｄｙｏｆｔｈｅａｃｔｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｐｌａｎｎｉｎｇｃｏｎｓｉｄｅｒｉｎｇｍｕｌｔｉｐｌｅｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｓｔａｔｉｏｎｓｐａｒｔｉｃｉｐａｔｉｎｇｉｎＶ２Ｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ—ＣＳＥＥ，２０１３，３３（３４）：１２２１２９．［３Ｏ］张明霞，田立亭．一种基于需求分析的电动汽车有序充电实施架构［Ｊ１．电力系统保护与控制，２０１３，４１（３）：ｌ１８－１２２．ＺＨＡＮＧＭｉｎｇ．ｘｉａ．ＴＩＡＮＬｉ．ｒｉｎｇ．Ａｍｅｔｈｏｄｔｏｏｒｇａｎｉｚｅｔｈｅｃｈａｒｇｉｎｇｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｂａｓｅｄｏｎｄｅｍａｎｄａｎａｌｙｓｉｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３，４ｌ（３）：ｌ１８－１２２．［３１］赵鸿图，朱治中，于尔铿．电力市场中需求响应市场与需求响应项目研究［Ｊ］．电网技术，２０１０，３４（５）：１４６．１５３．——ＺＨＡ０Ｈｏｎｇ－ｔｕ。ＺＨＵＺｈｉｚｈｏｎｇ．ＹＵＥｒｋｅｎｇ．Ｓｔｕｄｙｏｎｄｅｍａｎｄｒｅｓｐｏｎｓｅｍａｒｋｅｔｓａｎｄｐｒｏｇｒａｍｓｉｎｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｓ［Ｊ１．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２０１０，３４（５）：１４６．１５３．［３２］张钦，王锡凡，付敏，等．需求响应视角下的智能电网『Ｊ］．电力系统自动化，２００９，３３（１７）：４９．５５．ＺＨＡＮＧＱｉｎ，ＮＧＸｉ．ｆａｎ．ＦＵＭｉｎ．ｅｔａ１．Ｓｍａｒｔｇｒｉｄｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｄｅｍａｎｄｒｅｓｐｏｎｓｅ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（１７）：４９．５５．［３３］李海英，李渝曾，张少华．具有分布式发电和可中断负荷选择的配电公司能量获取模型【Ｊ］．中国电机工程—学报，２００８，２８（１０）：８８９３．—ＬＩＨａｉ－ｙｉｎｇ，ＬＩＹｕｚｅｎｇ，ＺＨＡＮＧＳｈａｏ－ｈｕａ．Ａｎｅｎｅｒｇｙａｃｑｕｉｓｉｔｉｏｎｍｏｄｅｌｆｏｒａｄｉｓｔｒｉｂｕｔｉｏｎｃｏｍｐａｎｙｗｉｔｈｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎａｎｄｉｎｔｅｒｒｕｐｔｉｂｌｅｌｏａｄｏｐｔｉｏｎｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００８，２８（１０）：８８－９３．［３４］于娜，于继来．智能电网环境下需求响应参与系统备用的风险协调优化模型［Ｊ］．电力系统保护与控制，２０１０，３８（２１１：７７．８２．—ＹＵＮａ．ＹＵＪｉｌａｉ．Ｓｐｉｎｎｉｎｇｒｅｓｅｒｖｅｒｉｓｋｃｏｏｒｄｉｎａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｏｆｐｏｗｅｒｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｅｍｅｒｇｅｎｃｙｄｅｍａｎｄｒｅｓｐｏｎｓｅｉｎｓｍａｒｔｇｒｉｄｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，—２０１０，３８（２１）：７７８２．［３５］ＰＡＴＴＥＲＳ０ＮＢＤＣ，ｃｏｍｅｈｏｍｅ：ＤＣｍｉｃｒｏｇｒｉｄｓａｎｄ“”ｔｈｅｂｉｒｔｈｏｆｔｈｅＥｎｅｍｅｔｆＪ１＿ＰｏｗｅｒａｎｄＥｎｅｒｇｙＭａｇａｚｉｎｅ，ＩＥＥＥ，２０１２，１Ｏ（６）：６０－６９．［３６］李东东，崔龙龙，林顺富，等．家庭智能用电系统研究及智能控制器开发［Ｊ］．电力系统保护与控制，２０１３，４１（４）：１２３－１２９．—ＬＩＤｏｎｇ－ｄｏｎｇ，ＣＵＩＬｏｎｇｌｏｎｇ，ＬＩＮＳｈｕｎ－ｆｕ，ｅｔａ１．Ｓｔｕｄｙｏｆｓｍａｒｔｐｏｗｅｒｕｔｉｌｉｚａｔｉｏｎｓｙｓｔｅｍａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆｓｍａｒｔｃｏｎｔｒｏｌｌｅｒｆｏｒｈｏｍｅｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎ—ａｎｄＣｏｎｔｒｏ１．２０１３，４１ｆ４）：１２３１２９．［３７］ＦＡＲＨＡＮＧＩＨ．Ｔｈｅｐａｔｈｏｆｔｈｅｓｍａｒｔｇｒｉｄ［Ｊ］．ＰｏｗｅｒａｎｄＥｎｅｒｇｙＭａｇａｚｉｎｅ：ＩＥＥＥ，２０１０，８（１）：１８・２８．［３８］ＦＡＤＬＵＬＬＡＨＺＭ，ＦＯＵＤＡＭＭ，ＫＡＴ０Ｎ，ｅｔａ１．—Ｔｏｗａｒｄｉｎｔｅｌｌｉｇｅｎｔｍａｃｈｉｎｅ．ｔｏｍａｃｈｉｎｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｉｎｓｍａｒｔｇｒｉｄ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓＭａｇａｚｉｎｅ，２０１ｌ，—４９（４）：６０６５．［３９］ＬＩＵＮ，ＣＨＥＮＪ，ＺＨＵＬ，ｅｔａ１．Ａｋｅｙｍａｎａｇｅｍｅｎｔｓｃｈｅｍｅｆｏｒｓｅｃｕｒｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｏｆａｄｖａｎｃｅｄｍｅｔｅｒｉｎｇｉｎｆｒａｓｔｒｕｃｔｕｒｅｉｎｓｍａｒｔｇｒｉｄ［Ｊ１．ＩＥＥＥＴｒａｎｓｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ，２０１３，６０（１０）：４７４６－４７５６．［４０］ＳＴＬＵＫＡＰ＇Ｇ０ＤＢＯＬＥＤ，ＳＡＭＡＤＥｎｅｒｇｙｍａｎａｇｅｍｅｎｔｆｏｒｂｕｉｌｄｉｎｇｓａｎｄｍｉｃｒｏｇｒｉｄｓ［Ｃ］／／ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＤｅｃｉｓｉｏｎａｎｄＣｏｎｔｒｏ１ａｎｄＥｕｒｏｐｅａｎ—ＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ（ＣＤＣＥＣＣ）Ｏｒｌａｎｄｏ，ＦＬ，ＵＳＡ，Ｄｅｃｅｍｂｅｒ１２．１５．２０１１．’Ｉ４ｌｊＶＥＲＳＣＨＵＥＲＥＮＴＨＡＥＲＩＣＫＷ，ＭＥＴＳＫ，ｅｔａ１．Ａｒｃｈｉｔｅｃｔｕｒｅｓｆｏｒｓｍａｒｔｅｎｄ．ｕｓｅｒｓｅｒｖｉｃｅｓｉｎｔｈｅｐｏｗｅｒｇｒｉｄ［Ｃ】／／ＮｅｔｗｏｒｋＯｐｅｒａｔｉｏｎｓａｎｄＭａｎａｇｅｍｅｎｔ—ＳｙｍｐｏｓｉｕｍＷｏｒｋｓｈｏｐｓ（ＮＯＭＳＷｋｓｐｓ），Ａｐｒｉｌ１９２３，２ＯｌＯ．［４２］殷树刚，张宇，拜克明．基于实时电价的智能用电系—统［Ｊ】．电网技术，２００９，３３（１９）：１１１６．ＹＩＮＳｈｕ－ｇａｎｇ，ＺＨＡＮＧＹｕ，ＢＡＩＫｅ－ｍｉｎｇ．Ａｓｍａｒｔｐｏｗｅｒｕｔｉｌｉｚａｔｉｏｎｓｖｓｔｅｍｂａｓｅｄｏｎｒｅａ１．ｔｉｍｅｅｌｅｃｔｒｉｃｉｔｙｐｒｉｃｅｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００９，３３（１９）：ｌ１－１６．［４３］ＨＯＢＢＹＪＤ．ＳＨＯＳＨＩＴＡＩＳＨＶＩＬＩＡ，ＴＵＣＣＩＧＨ．Ａｎａｌｙｓｉｓａｎｄｍｅｔｈｏｄｏｌｏｇｙｔｏｓｅｇｒｅｇａｔｅｒｅｓｉｄｅｎｔｉａｌｅｌｅｃｔｒｉｃｉｔｙｃｏｎｓｕｍｐｔｉｏｎｉｎｄｉｆｆｅｒｅｎｔｔａｘｏｎｏｍｉｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ．２０１２，３（１１：２１７－２２４．［４４］ＮＩＤ，ＢＥＳＡＮＧＥＲｗＵＲＴＺｅｔａ１．Ｔｉｍｅｓｅｒｉｅｓｍｅｔｌ１ｏｄｆｏｒｓｈｏｒｔ．ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｕｓｉｎｇｓｍａｒｔｍｅｔｅｒｉｎｇｉｎｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｓ［Ｃ１／／ＰｏｗｅｒＴｅｃｈ，Ｔｒ０ｎｄｈｅｉｍ．Ｊｕｎｅ１９．２３２０１１．—［４５］ＧＨＯＦＲＡＮＩＭ，ＨＡＳＳＡＮＺＡＤＥＨＭ，ＥＴＥＺＡＤｌ—Ａ／ＶＩＯＬＩＭ．ｅｔａ１．Ｓｍａｒｔｍｅｔｅｒｂａｓｅｄｓｈｏｒｔｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｆｏｒｒｅｓｉｄｅｎｔｉａｌｃｕｓｔｏｍｅｒｓ［Ｃ１／／ＮｏｒｔｈＡｍｅｒｉｃａｎＰｏｗｅｒＳｙｍｐｏｓｉｕｍ（ＮＡＰＳ），Ａｕｇｕｓｔ４－６，２０１１．［４６ｊＣＡＲＤＥＮＡＳＪＪ，ＲｏＭＥＲＡＬＬ，ＧＡＲＣＩＡＡ，ｅｔａ１．Ｌｏａｄｆｏｒｅｃａｓｔｉｎｇｆｒａｍｅｗｏｒｋｏｆｅｌｅｃｔｒｉｃｉｔｙｃｏｎｓｕｍｐｔｉｏｎｓｆｏｒａｎ—ｉｎｔｅｌｌｉｇｅｎｔｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｉｎｔｈｅｕｓｅｒｓｉｄｅ［Ｊ］．ＥｘｐｅｒｔＳｙｓｔｅｍｓｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２０１２，３９（５）：５５５７．５５６５．——［４７］ＺＨＯＵＺｈｉ，ＺＨＡＯＦｅｉ，ＷＡＮＧＪｉａｎｈｕｉ．Ａｇｅｎｔｂａｓｅｄｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｓｉｍｕｌａｔｉｏｎｗｉｔｈｄｅｍａｎｄｒｅｓｐｏｎｓｅｆｒｏｍｃｏｍｍｅｒｃｉａｌｂｕｉｌｄｉｎｇｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，—２０ｌ１，２（４）：５８０５８８．汤庆峰，等计及广义需求侧资源的用户侧自动响应机理与关键问题．１４７．［４８］艾欣，许佳佳．基于互动调度的微网与配电网协调运行模式研究【Ｊ］．电力系统保护与控制，２０１３，４１（１）：１４３．１４９，ＡＩＸｉｎＸＵＪｉａ－ｊｉａ．Ｓｔｕｄｙｏｎｔｈｅｍｉｃｒｏｇｒｉｄａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｃｏ．ｏｐｅｒａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｉｎｔｅｒａｃｔｉｖｅｓｃｈｅｄｕｌｉｎｇ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３４１（１）：１４３．１４９．［４９ｊＱＵＲＥＳＨＩＪＡ，ＧＵＬＭ，ＦＡＲＵＱ！ＭＡ，ｅｔａ１．Ｉｎｔｅｌｌｉｇｅｎｔｄｅｍａｎｄｍａｎａｇｅｍｅｎｔｆｏｒｅｎｄｕｓｅｒｂｅｎｅｆｉｔｓ［Ｃ１／／ＩｎｎｏｖａｔｉｖｅＳｍａｒｔＧｒｉｄＴｅｃｈｎｏｌｏｇｉｅｓ．ＭｉｄｄｌｅＥａｓｔ（ｉｓＧＴＭｉｄｄｌｅＥａｓｔ）．２０１ｌＩＥＥＥＰＥＳＣｏｎｆｅｒｅｎｃｅｏｎ：ＩＥＥＥ．２０１１：１。７．［５０１ＬＵＳｈｕａｉ，ＳＡＭＡＡＮＮ。ＤＩＡ０Ｒ＿ｕｉ．ｓｈｅｎｇ。ｅｔａ１．Ｃｅｎｔｒａｌｉｚｅｄａｎｄｄｅｃｅｎｔｒａｌｉｚｅｄｃｏｎｔｒｏｌｆｏｒｄｅｍａｎｄｒｅｓｐｏｎｓｅ［Ｃ】／／ＩｎｎｏｖａｔｉｖｅＳｍａｒｔＧｒｉｄＴｅｃｈｎｏｌｏｇｉｅｓ（ＩＳＧＴ１．Ｊａｎｕａｒｙ１７．１９．２０１１．［５１］陆宁，王成山，刘梦璇．采用居民温控负荷控制的微网联络线功率波动平滑方法［Ｊ］．中国电机工程学报，２Ｏ１２．３２（２５）：３６．４３．—ＬＵＮｉｎｇ，ＷＡＮＧＣｈｅｎｇｓｈａｈ，ＬＩＵＭｅｎｇ・ｘｕａｎ．Ａｔｉｅ・ｌｉｎｅｐｏｗｅｒｓｍｏｏｔｈｉｎｇｍｅｔｈｏｄｆｏｒｍｉｃｒｏｇｒｉｄｕｓｉｎｇｒｅｓｉｄｅｎｔｉａｌｔｈｅｒｍｏｓｔａｔｉｃａｌｌｙ．ｃｏｎｔｒｏｌｌｅｄｌｏａｄｓｆＪ１．—ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１２，３２（２５）：３６４３．１５２］ＺＨＡＮＧＷｅｉ，ＫＡＬＳＩＫ，ＦＵＬＬＥＲＪ，ｅｔａ１．Ａｇｇｒｅｇａｔｅｍｏｄｅｌｆ０ｒｈｅｔｅｒｏｇｅｎｅｏｕｓｔｈｅｒｍｏｓｔａｔｉｃａｌｌｙｃｏｎｔｒｏｌｌｅｄｌｏａｄｓｗｉｔｈｄｅｍａｎｄｒｅｓｐｏｎｓｅ［Ｃ］／／ＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ．Ｊｕｌｙ２２．２６．２０１２．［５３］ＤＵＹＬＨ。ＤＥＬＡＭＯＴＴＥＦＱＵＯＣ．ＨＵＮＧＨ．Ｒｅａｌ－ｔｉｍｅｄｙｎａｍｉｃｍｕｌｔｉｌｅｖｅ１ｏｐｔｉｍｉｚａｔｉｏｎｆｏｒ—ｄｅｍａｎｄｓｉｄｅｌｏａｄｍａｎａｇｅｍｅｎｔ［Ｃ１／／ＩｎｄｕｓｔｒｉａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｎｇｉｎｅｅｒｉｎｇＭａｎａｇｅｍｅｎｔ，Ｄｅｃｅｍｂｅｒ２．４，２００７．［５４ＪＰＥＤＲＡＳＡＭＡＡ．ＳＰｏ０ＮＥＲＴＤ．ＭＡＣＧＩＬＬＩＦ．Ｓｃｈｅｄｕｌｉｎｇｏｆｄｅｍａｎｄｓｉｄｅｒｅｓｏｕｒｃｅｓｕｓｉｎｇｂｉｎａｒｙｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，２４（３１：ｌ１７３．１１８１．［５５］ＢＡＲＢＡＴＯＡ．ＣＡＲＰＥＮＴＩＥＲＩＧＭｏｄｅ１ａｎｄａｌｇｏｒｉｔｈｍｓｆｏｒｔｈｅｒｅａＩｔｉｍｅｍａｎａｇｅｍｅｎｔｏｆｒｅｓｉｄｅｎｔｉａＩｅｌｅｃｔｒｉｃｉｔｙｄｅｍａｎｄ［Ｃ１／／ＥｎｅｒｇｙＣｏｎｆｅｒｅｎｃｅａｎｄＥｘｈｉｂｉｔｉｏｎ（ＥＮＥＲＧＹＣＯＮ），ｄｉＭｉｌａｎｏ，Ｍｉｌａｎ，Ｉｔａｌｙ，Ｓｅｐｔｅｍｂｅｒ９一ｌ２．２０ｌ２．—［５６ｊＤＵＰｅｎｇｗｅｉ．ＬＵＮｉｎｇ．Ａｐｐｌｉａｎｃｅｃｏｍｍｉｔｍｅｎｔｆｏｒｈｏｕｓｅｈｏｌｄｌｏａｄｓｃｈｅｄｕｌｉｎｇ［Ｊ１．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０ｌ１，２（２１：４ｌ１．４１９．［５７］ＢＡＫＫＥＲＶＢｏＳＭＡＮＭＧＣ．ＭＯＬＤＥＲＩＮＫＡ．ｅｔａ１．Ｄｅｍａｎｄｓｉｄｅｌｏａｄｍａｎａｇｅｍｅｎｔｕｓｉｎｇａｔｈｒｅｅｓｔｅｐｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｏｌｏｇｙ［Ｃ］／／ＳｍａｒｔＧｒｉｄＣｏｍｍｕｎｉｃａｔｉｏｎｓ（ＳｍａｒｔＧｒｉｄＣｏｍｍ），２０１０ＦｉｒｓｔＩＥＥＥＩｎｔｅｒｎ￣ｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ：ＩＥＥＥ．２０１０：４３１．４３６．Ｉ５８ｊＣＨＥＮＺｈｉ．ＷＵＬｅｉ．ＦＵＹｏｎｇ．Ｒｅａ１．ｔｉｍｅｐｒｉｃｅ－ｂａｓｅｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｍａｎａｇｅｍｅｎｔｆｏｒｒｅｓｉｄｅｎｔｉａ１ａｐｐｌｉａｎｃｅｓｖｉａｓｔｏｃｈａｓｔｉｃｏｐｔｉｍｉｚａｔｉｏｎａｎｄｒｏｂｕｓｔｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０ｌ２，３（４）：１８２２－１８３１．——１５９３ＬＩＵＮｉａｎ，ＴＡＮＧＱｉｎｇｆｅｎｇ，ＺＨＡＮＧＪｉａｎｈｕａ，ｅｔａ１．Ａｈｙｂｒｉｄｆ０ｒｅｃａｓｔｉｎｇｍｏｄｅｌｗｉｔｈｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｆｏｒ—ｓｈｏｒｔ－ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｏｆｍｉｃｒｏｇｒｉｄｓ［Ｊ］．Ａｐｐｌｉｅｄ—Ｅｎｅｒｇｙ，２０１４。１２９（１５：３３６３４５。【６０ｊＡＭＪＡＤＹＮ．ＫＥＹＮＩＡＦ＇ＺＡＲＥＩＰＯＵＲＨ．Ｓｈｏｒｔ－ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｏｆｍｉｃｒｏｇｒｉｄｓｂｙａｎｅｗｂｉｌｅｖｅｌｐｒｅｄｉｃｔｉｏｎｓｔｒａｔｅｇｙ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０１０，１（３）：—２８６２９４．［６１］李泓泽、王宝，苏晨博，等．可中断负荷参与高峰时段市场备用选择评估及效益测算［Ｊ］．电力系统保护与控—制，２０１３。４１ｆ１０１：３９４４．ＬＩＨｏｎｇ．ｚｅ．ＷＡＮＧＢａｏ．ＳＵＣｈｅｎ－ｂｏ，ｅｔａｌ。Ｓｅｌｅｃｔｉｏｎａｓｓｅｓｓｍｅｎｔｏｆｉｎｔｅｒｒｕｐｔｉｂｌｅｌｏａｄｐａｒｔｉｃｉｐａｔｉｎｇｉｎｍａｒｋｅｔｒｅｓｅｒｖｅｄｕｒｉｎｇｐｅａｋｐｅｒｉｏｄａｎｄｂｅｎｅｆｉｔｍｅａｓｕｒｅｍｅｎｔ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３。４１ｆ１０１：３９－４４．［６２］张立梅，唐巍，赵云军，等．分布式发电接入配电网后对系统电压及损耗的影响分析［Ｊ】．电力系统保护与控制，２０１１，３９（５１：９１．９６．ＺＨＡＮＧＬｉ－ｍｅｉ，ＴＡＮＧＷｅｉ，ＺＨＡ０Ｙｕｎ．ｉｕｎ，ｅｔａ１．ＡｎａｌｙｓｉｓｏｆＤＧｉｎｆｌｕｅｎｃｅｓｏｎｓｙｓｔｅｍｖｏｌｔａｇｅａｎｄｌｏｓｓｅｓｉｎｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｆＪ１．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１。３９ｆ５）：９１．９６．［６３］徐玉琴，李雪冬，张继刚，等．考虑分布式发电的配电网规划问题的研究ｆＪ］．电力系统保护与控制，２０１１，３９（１、：８７９１．—ＸＵＹｕ・ｑｉｎ，ＬＩＸｕｅｄｏｎｇ，ＺＨＡＮＧＪｉ－ｇａｎｇ，ｅｔａ１．ＲｅｓｅａｒｃｈｏｎｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｐｌａｎｎｉｎｇｃｏｎｓｉｄｅｒｉｎｇＤＧｓｆＪ１．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，３９（１１：８７．９１．收稿日期：２０１４－０５－１３：—修回日期：２０１４－０７０７作者简介：汤庆峰（１９８８－），男，通信作者，博士研究生，主要研—究方向为智能配用电与微电网；Ｅｍａｉｌ：ｔａｎｇｑｉｎｇｆｅｎｇ５２３＠ｌ６３．ｃｏｍ刘念（１９８１一），男，博士，副教授，主要研究方向为智能配用电与微电网、电力信息安全等；张建华（１９５２－），男，教授，博士生导师，主要研究方向为电力系统分析运行与控制、安全评价和智能电网等。