引言

电力作为国民经济发展的命脉，其安全、稳定与高效运行至关重要。当前，在全球能源转型与“碳达峰、碳中和”战略目标的驱动下，以光伏、风电为代表的分布式电源正以前所未有的速度接入电网。这一转变在优化能源结构、减少碳排放的同时，也因其固有的间歇性、波动性和强随机性，对传统电力系统的运行管理模式带来了革命性挑战。值得注意的是，随着低空经济的蓬勃发展，以无人机物流配送、电动垂直起降飞行器及城市空中交通为代表的新型用电场景正加速形成，成为配电网末端不可忽视的新增负荷极。这一场景呈现出显著的移动负荷特性与高弹性时空分布特征，对配电网的瞬时响应能力和供电可靠性提出了较传统建筑负荷更为严苛的要求。例如，大规模无人机机场的集群化充放电管理、低空飞行器的航线动态充电需求，本质上构成了一个立体化、高随机性的分布式能源调度问题。这些低空领域的用电负荷不仅继承了新能源发电的强波动性，更增添了能源补给节点随飞行器移动而动态变化的复杂性，使得传统面向固定节点的调度评价体系难以为继。传统的集中式、经验型调度方式，依赖于单一或有限的经济、技术指标，已难以应对海量分布式资源并网所带来的多维、动态复杂性，导致调度决策往往顾此失彼，无法在经济效益、环境效益与系统安全稳定之间取得最优平衡[1]。

人工智能技术的迅猛发展为破解上述困境提供了全新的范式[2]。人工智能（Artificial Intelligence, AI）技术，特别是机器学习、深度学习及强化学习等，具备强大的数据挖掘、模式识别和智能决策能力，能够实现对分布式电源出力与负荷需求的精准预测，并在此基础上进行高效的优化调度。然而，“垃圾进，垃圾出”的原则在AI应用中同样适用——一个卓越的AI调度模型，必须由一个科学、全面的评价体系来引导和训练。倘若评价指标本身存在片面性或局限性，那么即使是最先进的AI算法，其输出的调度策略也可能偏离系统整体最优的目标。因此，构建一套能够全面、客观、量化地衡量AI赋能下分布式电源调度综合性能的评价指标体系，已成为推动智能电网从理论走向实践、从局部优化走向全局最优的核心前提与关键基石。

目前，国内外学者在分布式电源调度评价方面已开展诸多研究，但还存在三方面不足[3]：（1）评价维度单一，多数研究或偏重于经济成本最小化，或聚焦于特定技术指标，缺乏对经济、环境、能源利用效率及系统稳定性等多重目标的协同考量；（2）权重确定方法主观性强，常依赖专家经验，难以客观反映实际运行数据中蕴含的信息，导致权重分配与系统真实需求存在偏差；（3）与AI调度模型的耦合度不足，传统指标往往是为人工分析或经典优化模型设计，未能充分考虑AI模型训练与决策过程中的可导性、可学习性及多目标权衡需求。

针对上述问题，本研究聚焦于“基于AI赋能的分布式电源管理与调度评价指标选择方案研究”。本研究旨在构建一个多维度、分层级的综合评价指标体系，系统性地涵盖经济性、环保性、稳定性以及能源利用效率等多个核心维度。更进一步，本研究将创新性地采用主客观综合集成赋权法，将体现专家智慧的层次分析法与基于数据驱动信息的熵值法相结合，确保权重分配既符合主观战略意图，又贴近客观运行实际。

该评价指标体系的建立，不仅为评估不同AI调度策略的优劣提供了统一的“标尺”，更能作为目标函数直接嵌入AI算法的训练过程，引导AI模型朝着系统全局最优的方向进行学习与决策。本研究工作将为实现分布式电源的高效消纳、电网的安全稳定运行以及电力系统的低碳化、智能化转型提供坚实的理论方法支撑与决策依据，具有重要的理论价值与广阔的应用前景。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000007033

作者信息：

郭昊，王畅，肖林

（国网冀北电力有限公司经济技术研究院，北京 100038）