引言

電力作為國民經濟發展的命脈，其安全、穩定與高效運行至關重要。當前，在全球能源轉型與“碳達峰、碳中和”戰略目標的驅動下，以光伏、風電為代表的分布式電源正以前所未有的速度接入電網。這一轉變在優化能源結構、減少碳排放的同時，也因其固有的間歇性、波動性和強隨機性，對傳統電力系統的運行管理模式帶來了革命性挑戰。值得注意的是，隨著低空經濟的蓬勃發展，以無人機物流配送、電動垂直起降飛行器及城市空中交通為代表的新型用電場景正加速形成，成為配電網末端不可忽視的新增負荷極。這一場景呈現出顯著的移動負荷特性與高彈性時空分布特征，對配電網的瞬時響應能力和供電可靠性提出了較傳統建筑負荷更為嚴苛的要求。例如，大規模無人機機場的集群化充放電管理、低空飛行器的航線動態充電需求，本質上構成了一個立體化、高隨機性的分布式能源調度問題。這些低空領域的用電負荷不僅繼承了新能源發電的強波動性，更增添了能源補給節點隨飛行器移動而動態變化的復雜性，使得傳統面向固定節點的調度評價體系難以為繼。傳統的集中式、經驗型調度方式，依賴于單一或有限的經濟、技術指標，已難以應對海量分布式資源并網所帶來的多維、動態復雜性，導致調度決策往往顧此失彼，無法在經濟效益、環境效益與系統安全穩定之間取得最優平衡[1]。

人工智能技術的迅猛發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，特別是機器學習、深度學習及強化學習等，具備強大的數據挖掘、模式識別和智能決策能力，能夠實現對分布式電源出力與負荷需求的精準預測，并在此基礎上進行高效的優化調度。然而，“垃圾進，垃圾出”的原則在AI應用中同樣適用——一個卓越的AI調度模型，必須由一個科學、全面的評價體系來引導和訓練。倘若評價指標本身存在片面性或局限性，那么即使是最先進的AI算法，其輸出的調度策略也可能偏離系統整體最優的目標。因此，構建一套能夠全面、客觀、量化地衡量AI賦能下分布式電源調度綜合性能的評價指標體系，已成為推動智能電網從理論走向實踐、從局部優化走向全局最優的核心前提與關鍵基石。

目前，國內外學者在分布式電源調度評價方面已開展諸多研究，但還存在三方面不足[3]：（1）評價維度單一，多數研究或偏重于經濟成本最小化，或聚焦于特定技術指標，缺乏對經濟、環境、能源利用效率及系統穩定性等多重目標的協同考量；（2）權重確定方法主觀性強，常依賴專家經驗，難以客觀反映實際運行數據中蘊含的信息，導致權重分配與系統真實需求存在偏差；（3）與AI調度模型的耦合度不足，傳統指標往往是為人工分析或經典優化模型設計，未能充分考慮AI模型訓練與決策過程中的可導性、可學習性及多目標權衡需求。

針對上述問題，本研究聚焦于“基于AI賦能的分布式電源管理與調度評價指標選擇方案研究”。本研究旨在構建一個多維度、分層級的綜合評價指標體系，系統性地涵蓋經濟性、環保性、穩定性以及能源利用效率等多個核心維度。更進一步，本研究將創新性地采用主客觀綜合集成賦權法，將體現專家智慧的層次分析法與基于數據驅動信息的熵值法相結合，確保權重分配既符合主觀戰略意圖，又貼近客觀運行實際。

該評價指標體系的建立，不僅為評估不同AI調度策略的優劣提供了統一的“標尺”，更能作為目標函數直接嵌入AI算法的訓練過程，引導AI模型朝著系統全局最優的方向進行學習與決策。本研究工作將為實現分布式電源的高效消納、電網的安全穩定運行以及電力系統的低碳化、智能化轉型提供堅實的理論方法支撐與決策依據，具有重要的理論價值與廣闊的應用前景。

本文詳細內容請下載：

http://www.tom3567.com/resource/share/2000007033

作者信息：

郭昊，王暢，肖林

（國網冀北電力有限公司經濟技術研究院，北京 100038）