智能配电网不确定性建模与供电特征优化技术综述
中国电工技术学会主办，2017年6月21-24日在河北省张北县举办，大会围绕新能源发展战略、系统关键技术、微电网及储能等重要议题展开交流。浏览会议详情和在线报名参会请长按识别二维码。
新能源电力系统国家重点实验室（华北电力大学）、国网节能服务有限公司的研究人员陶顺、陈鹏伟、肖湘宁、陈征，在2017年第10期《电工技术学报》上撰文指出，随着配电网智能化建设水平的提高，智能配电系统的运行与控制将受到大量不确定因素的影响。如何应对与控制不确定因素对供电特征所带来的不确定影响是智能配电网建设与运行面临的本质问题之一。
首先，分析智能配电网所包含的源、网、荷、信息系统与外部异质能源系统等五类不确定因素及其对电压稳定性、电能质量等供电特征的不确定影响，概括了智能配电网不确定性分析与优化控制的研究框架。然后，分别从不确定因素特性及建模、因果式与关联式不确定性分析、供电特征不确定运行优化及其支撑技术三个方面进行了梳理和总结，并展望了各自的发展方向及其面临的挑战，以期为后续研究提供借鉴。
近年来，开发利用新能源、节能减排、建设新一代智能电网已成为世界各国的重要战略部署，并逐渐产生了以清洁替代与电能替代为主导、多能源互联的能源开发理念，旨在利用信息物理融合与综合能源融合来提高能源利用率和应对全球能源环境危机[1-4]。
无论是在智能电网还是在多能源互联的研究与建设热潮下，配电网作为主要能源供给网络都占据着需求侧能源供给的主体地位。在电能替代背景下，能源互联高效安全稳定运行的基石依然在于配电系统的调控与应对能力。
电网侧尤其是配电网仍然存在可再生能源消纳能力不足、一次网架薄弱、自动化水平不高、调度方式落后以及用电互动化水平较低等问题，严重制约了可再生能源的高度渗透，不利于能源结构的优化调整[5]。
随着分布式电源、储能、电动汽车、需求响应等多种新型供用电形式、各类先进理念和技术的不断出现，社会对供电服务的需求亦日趋多样化，除电力成本更低、高供电质量与可靠性等需求外，个性化、便捷式及互动性强的供电服务和优质电力供应亦成为用户多元需求的重要组成[6]。为了应对大量可再生能源接入及多能源互联下有源配电网所面临的挑战和满足用户日益增长的多元用电要求，发展智能配电网已成为共识[7,8]。
传统配电系统的能量流是单点对多点的树状结构，即由配电变电站至负荷的单方向能量传递系统，其能量/功率沿馈线阶梯式分流，运行工况相对简单。对于智能配电网，由于多分布式电源与储能系统的接入，其能量流特性变化为多点对多点的网络状结构。
随着间歇式新能源发电、设备与网络运行状态、负荷与需求侧响应等源-网-荷不确定因素的逐渐增多与配用电智能化、自动化水平的增加，点对点之间的能量流通与运行工况会更为复杂多变，其对电压稳定性、供电可靠性、电能质量、供电能效等供电特征不确定性的影响会愈加凸显。
智能配电网的发展是个长期的过程，也是能量流与信息流不断融合的过程。随着智能化程度的不断提高，智能配电系统的运行与控制将涉及大量不确定因素，如何控制与应对不确定因素对供电特征所带来的不确定影响是智能配电网建设与运行面临的本质问题之一，需深入研究。
本文首先分析智能配电网所含有的五类不确定因素及其对供电特征的不确定影响，概括了智能配电网不确定性的研究框架；然后分别从不确定因素建模、不确定性分析与供电特征不确定运行优化及其支撑技术三个方面对研究框架进行了梳理和总结，并展望了其发展方向。
1 智能配电网的不确定性
1.1 智能配电网的不确定因素
智能配电网中存在的不确定因素可大致划分为间歇式新能源发电不确定性、设备与网络运行状态不确定性、负荷与需求侧响应不确定性、信息物理系统不确定性与多能量流系统耦合不确定性等五个方面，分别对应源、网、荷、信息系统与外部异质能源系统的不确定问题。各类不确定因素间存在空间与时间上的多尺度性与多耦合性，其互作用关系如图1所示。
图1 智能配电网中不确定因素的相互作用关系
1）间歇式新能源发电不确定性。
风电及光伏发电的时空分布有很强的波动性及间歇性，其不确定性及混沌特性远比负荷强烈，且时变态势往往与常规负荷曲线的形态不同调[9]。目前可再生能源的功率预测精度仍难以令人满意，其中风电和光伏的日前预测误差一般为20%～30%[10]。
此外，间歇式可再生能源转换过程又进一步存在诸多不确定性，如风机脱网、检修及由风速越限引起的切入切出，最大功率追踪与远程调节等运行模式的变化，谐波发射水平、阻尼能力等机组运行特性的变化等[11]。由此引发的不确定性及反调峰性对配电系统电力流的供电可靠性、电能质量和供电能效的影响要比对传统配电网突出很多。
2）设备与网络运行状态不确定性。
电力电子化是智能配电网的显著特征之一。现场运行经验表明，电力电子变换器通常是影响新能源电力系统故障率、寿命以及维修成本的最关键设备之一[2]。在智能配电网中，由气候条件、使用寿命、外部故障冲击等内外扰动因素引起的设备运行状态不确定性会逐渐凸显，而分布式电源（DistributedGeneration, DG）出力与负荷双重不确定性也会进一步加深设备状态多变所导致的网络运行状态、阻抗参数与拓扑参数等系统不确定性问题，例如故障隔离、负荷转供与孤岛运行等。
3）负荷与需求侧响应不确定性。
负荷的不确定性是配电系统规划或运行决策所需考虑的重要不确定因素。在智能配电网中，新型负荷特别是电动汽车等随机性负荷比重的增加将使得负荷不确定水平出现明显增加。
同时，随着定制电力、需求响应、虚拟电厂等多种新型供用电形式、各类先进理念和技术的不断出现，用户改变自身用电行为主动参与智能配用电环节成为可能。然而，用户的参与或响应受到多重非电力系统因素的影响，心理、决策机制、市场规则以及响应的时滞性等也将使负荷的不确定性特征变得更为复杂。
4）信息物理系统融合不确定性。
智能配电网的诸多环节，如新能源发电并网消纳、电动汽车与储能、需求侧响应等，都需要建立在先进的监测系统、网络信息系统、智能控制与管理系统以及大数据处理、云计算等技术的基础上。
信息物理系统的高度融合在保证配电系统安全可靠运行的同时，量测异常、信息传递错误、信息系统随机故障、人为信息攻击等信息系统不确定因素对物理系统的影响更为直接与深入，如信息系统故障通常会使得控制中心失去对相关电力设备的控制能力[12]，信息系统将成为智能配电网的潜在薄弱环节，智能化与可靠性之间的矛盾会成为智能配电网主要矛盾之一。
5）多能流系统耦合不确定性。
综合能源系统已成为能源领域发展的重要趋势之一，即电、热、冷、气等能流通过热电联产（Combined Heatingand Power, CHP）/冷热电联产（Combined Cooling, Heating and Power, CCHP）、电制氢、热泵等设备转化并耦合在一起构成一个多能流系统，以期实现多能协同和耦合互补[13,14]。
由于各异质能量具有不同的建模、分析和控制方法，其特性也会表现出多时间尺度特点。热、冷、气等其他能流所含有的不确定性因素，包括热（气、冷）负荷波动、间歇性能源出力波动、设备故障、管道故障、市场的不确定性等，也会通过多能流间多时间尺度的耦合而对智能配电网产生复杂的次生作用。智能配电网作为综合能源系统乃至能源互联网的重要承载基础之一，其不确定性特征在多能源互联背景下会体现出有别于单一配电系统的特殊性与复杂性。
1.2 不确定因素对供电特征的影响
电压稳定性、供电可靠性、电能质量、供电能效是配电系统依次递进的供电特征与要求，在智能配电网实际运行中往往会受到多类不确定因素多时间尺度的共同影响。
1）对电压稳定的影响。
配电系统电压失稳主要成因在于负荷需求的增长超出设备运行的极限状态，系统不能维持功率需求平衡。接入一定容量的DG可以提高配电网的电压稳定性，但若 DG接入种类或接入方式不当，其出力与运行状态不确定性会进一步增加电压失稳风险[15,16]，尤其体现在故障隔离、动态网络重构与孤岛运行工况下。
电动汽车等随机性负荷的大规模推广将会使用电负荷和用电量急剧增长，随机性负荷的不确定性将成为配网系统电压水平恶化甚至崩溃的重要诱因[17]。文献[18]分析了分别采用无序与有序充电方式时，不同渗透率的电动汽车充电对配电网电压稳定裕度造成不同程度的影响，验证了有序充电策略能改善系统电压稳定性。
2）对供电可靠性的影响。
电力电子化是智能配电网智能化和可控化的物理基础。光伏、风电等可再生能源的就地消纳虽然能够提高配电系统的供电可靠性，但遍布源-网-荷的电力电子装置也使得配电系统薄弱环节增多、可靠性相对下降，而信息系统数据量测异常、随机故障等则会进一步影响配电系统供电可靠性，甚至在部分极端情况下会扩大故障范围、降低配电系统的供电能力。
此外，信息物理系统的高度融合使得系统可能遭受网络攻击的风险增加，信息安全将成为可靠性需要考虑的重要方面。文献[19]即以断路器作为信息-物理作用点，指出在电网信息物理系统中，监视和控制功能能够以不同的方式影响系统可靠性。
3）对电能质量的影响。
多源多变换特性决定了智能配电网中必定存在多种类型的谐波源，并以不同的方式注入谐波。随着开关器件制造水平的进步与能量转换效率需求的提高，开关频率大幅提高，这使得谐波发射范围向调制频率附近的高频带转移，并产生了相应的高频谐波。此外，DG出力及负荷的不确定性也使得谐波与间谐波发射水平亦呈现出动态变化的特点。
此外，由于电力电子装置容量有限，抗扰动能力相对较弱，DG出力与随机负荷高度不确定性、网络连接状态频繁变化等均易引起电压暂降、电压波动、电压偏差、瞬时供电中断等电能质量问题[20]。
4）对供电能效的影响。
间歇式新能源与负荷的双重不确定性直接影响配电系统能效的管理和提升。在电力市场竞争机制下，电力流的不确定性扩展到电力市场，将增加电力市场交易价格的波动性，对电力用户竞价与用电策略的鲁棒性也带来了更高要求[21]。电力用户的用电行为变化与多方博弈又反作用于电力流的不确定性，多异质能流与电力流的融合也为能效管理增加了诸多可优化内容，从而增加了智能配电网供电能效的管理难度与复杂程度。
1.3 智能配电网不确定性研究框架
智能配电网的不确定性研究旨在研究多类不确定因素对电压稳定性、供电可靠性、电能质量、供电能效等供电特征的多重耦合影响与作用机理及其优化方法与措施，其研究内容可分为相互依存的三个部分，具体结构如图2所示。
图2 智能配电网不确定性研究框架
1）不确定因素建模。
不确定性可归纳为随机性、模糊性、灰色性与未确知性四个方面，其各自的产生机理与物理意义不同，在智能配电网各类不确定因素中亦呈现相互混杂与融合的特征，如间歇式新能源发电不确定性主要含有随机性、模糊性，而负荷与需求侧响应不确定性主要含有随机性、模糊性与未确知性等。源-网-荷等不确定因素的合理准确建模将是智能配电网不确定性研究的重要基础。
2）不确定性分析。
不确定因素建模是激励因素不确定性的描述与表征，而不确定性分析则致力于描述系统各状态与各不确定因素之间的相互依赖关系，以及这种依赖关系对系统供电特征的影响[22]，而这种依赖关系的描述又可进一步作为智能配电网不确定运行优化的优化目标与紧约束。按照分析思路不同，现有的研究可大致分为考虑物理约束的因果式分析方法与基于数据表征的关联式分析方法。
3）不确定运行优化。
在智能配电网中，分布式电源、分布式储能、需求侧资源、电力电子变压器与智能柔性开关等可调度资源与可控单元的大量接入，智能配电网实时运行优化与日前调度优化的内涵相对于传统配电网得到了极大加强，优化目标也愈加丰富[23]。
然而，源、网、荷、信息系统与外部异质能源系统等不确定因素也给智能配电网带来了更多的调度与运行不确定性。不确定运行优化及其相关支撑技术将是优化供电特征、促进智能配电网建设与推广的关键。
2 智能配电网不确定因素建模
2.1 不确定因素信息特性
1）随机性。
随机性指结果与给定的场景之间没有必然的对应关系，或给定的场景的特征并不完整。随机性事件可在基本相同的条件下重复进行，并可能以多种方式表现出来，但事先可预见该事件出现的所有可能性[24]。随机性可分为本质型与激励型两类。
本质型随机性是多维非线性动力系统在没有任何随机因素作用下也会表现出来的随机性[9]。激励型随机性则来自随机因素，例如元件的故障、系统停电事件的发生以及某特定负荷水平出现的时间等。
2）模糊性。
模糊性是指由于事物本身概念不清楚或衡量事物的尺度不清楚，而造成分类或认知的不确定性[25]。与随机性存在本质不同，模糊性首先含有一定的确定性，其结果发生是确立的，但由于其特征无法用精确数学工具去描述，因此不能用概率去描述，如负荷预测值与机组出力。然而，模糊事物本身的确切性与特征表述的不确切性之间的矛盾决定了对其特征只能够给出一个可描述的范围。
3）灰色性。
灰色性指系统内部分信息已知而部分未知所导致的不确定性，其显著特点是已知成分少而未知成分多[26]。智能配电网由于元件、设备、负荷及运行工况的多样化，因而存在不可忽视的灰色性，如元件与设备的阻抗参数及其可靠性原始参数（故障率、修复率等）会因统计资料的不足或统计误差以及对未来运行条件、运行环境预测的不足而具有灰色性；配电节点多而监测节点配置有限条件下配电系统实际运行状态难以完整估计而具有灰色性。
4）未确知性。
未确知性指决策者由于主观知识欠缺或条件限制而在面对确切事物时所表现出的认知不确定性[27,28]。例如，极端天气事件或大型社会活动对于用户的用电行为存在共性而确定的影响，配电运营商对此却存在相当范围内的历史与现状上的认知不确定性；电力市场环境下，用户的竞价策略属于售用电双方的博弈结果，对彼此双方均存在认知的不确定性。
上述例子都属于已发生或已存在的事物，因此均没有随机性，且又不存在定义或标准不清的问题，因而没有模糊性，对配电网运营商而言，它们均属于具有不确定性的未确知信息。
四种不确定性往往共生于研究对象之中，而预测方法的不完善和主观判断的不正确则会放大不确定性的影响，合理的不确定因素建模成为智能配电网不确定性分析与供电特征不确定优化的前提。
2.2 不确定因素建模方法
1）概率模型。
对于随机性的描述或建模，关键在于不确定因素特征的提取，概率模型是应用最为广泛且最为成熟的随机性建模方法。在电力系统不确定因素建模中，表征负荷不确定性的概率模型有正态分布和均匀分布等；表征风速不确定性的概率模型有威布尔分布[29]、瑞利分布[30]、对数正态分 布[31]等；表征设备故障不确定性的概率模型通常为基于指数分布的两状态模型，参数不确定性的建模则可进一步通过条件概率分布与边缘概率分布来实 现[32]。
然而，实际中严格意义上满足某种分布的随机变量几乎不存在，即无法严格拟合成某种函数作进一步分析，如负荷预测不确定性。在这种情况下，非参数核密度估计可成为替代选择之一。
2）模糊模型。
模糊模型以隶属度函数来表征变量的不确定特征，隶属度函数可量化元素属于该变量的程度，从而反映人对客观事物的主观看法。文献[33]针对DG在输配电系统的选址定容和技术比重优化问题，采用模糊数来研究系统的不确定性，包括负荷需求、电力价格、DG运行成本以及投资成本等，提出了一种静态模糊多目标优化模型。
文献[34]针对发输电组合系统，提出了一种基于模糊数的可靠性评估方法，可计算出模糊数形式的可靠性指标。文献[35]利用随机模糊相容性原理，提出了风电场模糊模型，此模型客观地反映了风速的间歇性、波动性。模糊模型适用于历史信息较少而难以预测的因素，但隶属度函数的构造存在一定的主观性，对模型准确度的影响一般难以预知。
3）灰数与区间数模型。
灰数建模的本质是对灰色信息中未知部分的处理，即信息白化。由于灰色信息范围已知，仅内部未知，因而可通过灰数给出描述范围的两个隶属函数，使未知部分夹在两个隶属度之间，从而满足灰色系统的分析需求[36]。
当仅考虑单一隶属度时，灰数则退化为区间数，即范围已知而确切值未知的不确定数。区间数的表征仅需已知变量的外延信息，而无需知晓变量在可行域内的分布信息，相对于概率分布和隶属函数更容易获取，因而能够具有更为广泛的应用场景，如电压、电流的变化范围，负荷、发电机出力等。文献[37]利用区间数建立了风速不确定性和风机处理不确定性模型，提出了风电场区间潮流方法。
4）未确知数与盲数模型。
未确知数是未确知信息的数学表示，其直观意义在于同时给出了变量在某一闭区间内有限的可能取值与相应的可信度（或可信度分布函数），避免了只用一个实数表示未确知信息时产生的信息遗漏和失真缺陷。文献[38]采用未确知数表示市场出清价格、企业上网电量、企业发电成本等较为复杂的不确定性信息，提出了基于未确知数的发电企业分段竞价策略形成方法。文献[39]则针对预测中存在的未确知性问题，利用未确知数给出了三种基本预测方法。
盲数模型进一步综合了未确知数与灰数的优点，将变量的可能取值拓展到可能取值区间，从而将不确定因素的“强”不确定性转化为可信区间和可信度的“弱”不确定性。文献[40]将盲数引入配电系统可靠性评估，给出了盲数形式的可靠性评估方法与指标。文献[41]着重考虑DG并网不确定性对配电网供电能力的影响，通过判断矩阵法建立不确定因素的盲数模型，并提出了基于盲数理论的供电能力评估方法。
上述四类不确定因素的建模方式对比见表1。然而，在智能配电网中，不确定因素所含有的不确定性往往呈现两种以上的特性，而这些特性又受到实际物理特性的约束，如非线性负荷的变化特性存在内部约束，分布式发电单元输出受外系统影响等。
因而，如何结合实际物理约束实现含多重不确定性的不确定因素建模将成为智能配电网不确定性研究的重要内容之一。除盲数模型外，较为成熟的研究成果还有随机模糊模型、模糊随机模型、联系数模型等[42,43]。
除单一不确定变量建模外，在某些情况下还需要考虑不确定因素间的相关性，即多不确定因素联合建模，如风机出力的相关性对于总出力的随机特性有较大影响，相关性越弱，总出力的平滑效应越强[44]。
对于概率模型，可通过正交变换、Nataf变换、Copula函数、多项式正态变换等[45]方法来实现，而对于模糊数、灰数、区间数、未确知数、盲数等模型，相关性表示方法无法像概率模型一样可从历史数据中简单测算获得。因此多不确定因素联合建模及不同模型间相容与转化处理也将成为不确定因素精确建模的另一重要研究内容。
表1 各类不确定因素的建模方式对比
3 智能配电网不确定性分析
3.1 考虑物理约束的因果式分析
因果式分析方法的重要特征在于充分考虑了系统的物理约束，如拓扑约束，功率平衡约束、容量约束等，其中以潮流计算为典型代表。随着不确定因素的增多与分析需求的深入，确定性潮流计算方法已不能满足具有多重不确定信息环境下的智能配电系统分析要求，不确定潮流计算成为分析的主要工具之一[46,47]，并相继提出了概率潮流[48-50]、模糊潮流[51,52]、区间潮流[53,54]等不确定潮流计算方法。
概率潮流以不确定因素的概率模型为基础，常用的概率潮流计算方法归纳起来包括卷积法、半不变量法、点估计法、蒙特卡罗法等。模糊潮流则以不确定因素的模糊模型为基础，根据模糊数学计算法则进行潮流计算。区间潮流利用不确定因素的区间数模型与区间运算进行潮流分析，虽然区间数建模较之概率分布和隶属度函数更容易实现，但区间运算存在不可忽视的保守性问题。
有学者进一步将仿射运算引入区间潮流[55-58]，在利用区间建模简便性的同时，在极大程度上克服区间计算的保守性，提高不确定影响的分析精度。当配电网含不确定因素较多时，不确定性潮流分析方法的最终输出结果均为某一分布，仅能体现多个输入随机变量的共同作用，而无法精确分析各输入随机变量对输出随机变量的影响程度[59]，不利于精确分析。
文献[59,60]利用仿射运算在区间计算过程中获得的各不确定量间相互关系，进一步提出了定量描述各输入随机变量对各节点电压影响力的评估方法。然而，仿射区间潮流计算仅能反映各输入随机变量区间对输出随机变量区间的影响，仍存在较大的保守性与粗糙度。
需要指出，智能配电网不确定潮流分析相比于传统输配电系统的潮流计算具有特殊性，如多不确定因素、电源-负荷间相关性、三相不平衡、网络结构复杂、谐波畸变、多平衡节点等，在能源互联背景下，智能配电网还会受到冷、热、气等异质能流的多时间尺度不确定影响。这些特殊性给不确定潮流分析带来了更大的挑战，完整性、高效性与高准确性将成为智能配电网不确定潮流分析的完善方向。
3.2 基于数据表征的关联式分析
随着用电信息采集、配电自动化等系统的不断完善，配用电的基础与运行数据近年来出现爆炸性增长，并逐渐呈现出海量、数据项复杂、处理逻辑复杂、存储周期长、计算频度高等大数据特征[61]。
通过对智能配电网全景数据进行挖掘与融合，利用其在时间与空间上的冗余性与互补性，可得到对配电系统整体态势的实时、连续、宏观精准把握以及对局部状态的多角度、多层次、多模式精确感知[62]，基于数据表征的关联式分析方法在智能配电网不确定分析中将具有更广泛的应用场景。
文献[63,64]从线性定量描述的建模角度出发，提出了一种基于样本构造与弹性网估计的电压不确定水平分析方法，该方法可筛选出各不确定因素中对各节点电压的主导影响因素并量化出其影响力大小，可为分布式电源配置、分布式储能配置、电动汽车充电设施提供规划依据。
文献[65]针对多用户间的短时间尺度用电行为特性，建立了基于随机矩阵理论的相关性网络化分析模型，可实现短时间尺度用户用电行为的相关性聚类与相关性等级结构挖掘。文献[66]利用大量故障和缺陷样本数据，通过关联规则的置信度挖掘出设备关键性能与状态量的对应关系，提出了基于高维随机矩阵理论的设备关键性能评估与异常检测方法。
文献[67]在对广域测量系统（Wide-AreaMeasurement System, WAMS）量测数据时空特性分析的基础上，提出了WAMS 量测大数据的高维随机矩阵模型，推导了其异常数据检测理论和方法，对监测系统量测不确定性的处理和应对进行了有力探索。
客观上，大数据的理论尚未形成，大数据的相关技术仍在快速发展中，还没有进入稳定时期。基于大数据分析的关联式分析方法也有待进一步完善与体系化，如电能质量扰动分责、元件与设备不确定故障的影响域评估、不确定因素影响下负荷及用户用电行为的数据驱动建模等研究有待开展。
4 智能配电网不确定运行优化
控制与优化供电特征是智能配电网建设与运行的重要需求。当考虑不确定因素对配电系统供电特征的不利影响时，传统确定性优化方法已不完全适用，不确定优化理论与建模方法[68-72]将成为智能配电网不确定日前调度优化与不确定实时运行优化的重要依据。
4.1 不确定实时运行优化
从时间尺度上看，智能配电网的不确定实时运行优化针对的是短时间尺度的静态调度，调度周期一般为15min～1h。目前，已有相关学者在智能配电网不确定性运行优化领域开展了研究。
文献[73]基于概率的场景决策法来处理风机出力不确定性，提出了一种同时考虑静态稳定电压裕度和系统网络损耗的配电网无功优化模型。文献[74]以有功网损期望值最小为优化目标，以节点电压合格概率作为机会约束，建立了同时考虑风电、光伏出力随机性和负荷随机波动的配电网无功优化模型。
文献[75]针对三相不平衡配电系统，基于机会约束规划，提出一种考虑N1运行风险的多目标随机最优潮流调度方法。文献[76]提出了基于风险的两阶段随机配电网风电调度方法，能同时考虑运行成本（购电成本、备用成本、弃风成本）与风电并网后的系统运行风险。
已有智能配电网不确定运行优化方法所涉及的不确定因素多为间歇式新能源与负荷的不确定性，不确定因素一般直接设为正态或某种其他概率分布，考虑场景相对简单，在实际应用时往往受到限制。
在电力电子变压器、智能柔性开关等智能电力电子设备接入、短时间尺度需求侧响应、电能质量扰动等多重不确定性复杂条件下，适用于智能配电网供电能效、供电质量等供电特征多尺度目标不确定运行优化的一般模型、快速求解算法和执行架构仍有待深入开展。
4.2 不确定日前调度优化
智能配电网的不确定日前调度优化属于动态调度和长时间尺度调度范畴，其调度周期一般为24h。由于储能系统与需求侧资源受其自身能量限制存在不同时间断面间的耦合约束，在多种不确定因素作用情况下，智能配电网的不确定调度优化问题将十分复杂[77]。
文献[78]针对含风电的配电网，提出了一种综合考虑网损、购电成本、污染物排放量的多目标日前无功优化模型。文献[79]计及可入网混合动力电动汽车和风电、光伏出力不确定性，构建了以平抑可再生能源出力波动为目标函数的随机协同优化调度模型。
文献[80]利用间歇性电源与负荷的概率模型，进一步提出了基于典型场景的日前和实时调度两步调度模型。考虑到不确定参数的精确概率分布在实际中往往难以获得，文献[81]则采用模糊模型对风速和负荷预测误差进行建模，提出了一种综合电压分布、系统网损、主变压器无功潮流的含风电配电网的日前无功模糊调度方法。
文献[82,83]利用区间数学对风速、光照强度、负荷不确定性进行区间数描述，并基于区间规划提出了相应的区间经济调度模型。
除静态网络结构下的优化调度外，有学者引入多时段网络动态重构来进行不确定优化调度[84,85]，但计及网络动态重构后，模型维数会相应增加，非线性、不可微与不连续性的加强也会使得模型求解更为困难。
当考虑需求侧响应、电力（能源）市场、微网单元等其他可调度资源的不确定性[86]时，多主体优化目标构建、高维模型求解与不确定实时运行优化间的协调等问题将成为限制不确定日前调度优化在智能配电网中应用的关键，亟待解决。
4.3 不确定运行优化支撑技术
与不确定因素多尺度的特点相适应，智能配电网供电特征多目标不确定优化的优化支撑技术应同样具有多尺度的作用与覆盖范围。就现有技术发展现状来看，可大致分为系统级功能支撑与设备级技术支撑两个层面，以下分别就其中的部分关键功能与技术展开讨论，其时间尺度匹配关系如图3所示。
1）系统级功能
（1）态势感知技术。
智能配电网态势感知重点在于对各不确定因素变化的实时感知与预测[7,87]，因而依赖于对特殊应用场景强非线性负荷、含电源的广义负荷、DG及其并网逆变器等不确定因素的设备特性与外特性准确建模、配电系统快速仿真和模拟（DistributionFast Simulation and Modeling, DFSM）等。智能配电网不确定性分析，特别是基于数据表征的关联式不确定性分析，将会是态势感知技术的高级支持功能之一。
图3 不确定运行优化支撑技术多时间尺度示意图
（2）自愈控制技术。
自愈是智能配电网的重要特征和建成标志，旨在运行过程中及时发现、隔离和预防各种潜在不确定故障和隐患，有效应对系统内外发生的各种扰动，在故障情况下维持系统连续运行，自主修复故障并快速恢复供电[88,89]。
（3）需求侧管理、响应与调度技术。
需求侧作为虚拟的可控资源，可与多种新能源发电类型结合，有效克服因新能源发电不确定性及其与用电活动的反调峰性对电力系统运行造成的不利影响[90,91]。
2）设备级技术
（1）分布式储能。
储能装置是提高系统稳定裕度与供电可靠性、优化电能质量与配用电效率的有效途径之一[92,93]。作为与大容量集中式利用相佐的应用方式，冷、热、电、气等多类型分布式储能能够从多尺度应对智能配电网的不确定因素对供电特征的不利影响。
（2）虚拟同步机技术。
风电、光伏、储能等分布式电源多以逆变器为接口接入配电网。虚拟同步发电机技术能通过模拟同步发电机的本体模型、有功调频以及无功调压等特性，使并网逆变器从运行机制和外特性上可与传统同步发电机相比拟[94]，从而平抑功率波动，并可为系统提供惯性支撑，以维持频率与电压稳定[95,96]。
（3）电力电子变压器。
配电变压器的技术性能直接影响配电网对各不确定因素的应对能力。具有电气隔离、潮流控制、质量调节、分布式电源消纳、智能自保护等功能的电力电子变压器，被认为是能量路由器的核心部件之一，可在源-荷两个层面削弱不确定因素对整个电网的影响[97-99]。
（4）智能柔性开关。
智能配电网可控性程度依赖于一次装备技术的发展。智能柔性开关以可控电力电子变换器代替传统基于断路器的馈线联络开关，实现馈线间常态化柔性连接[100]，从而提供快速灵活的功率交换控制支撑与配网潮流自主优化能力。其应用有助于配网实现灵活组网，使配网运行管理由横向朝纵向发展，强化配网架构和提高运行的安全稳定性[101,102]。
综上可见，不同运行优化支撑功能与支撑技术有不同的外特性时间尺度，其供电特征控制能力与范畴也存在极大差异。发展多种运行支撑功能与支撑技术是智能配电网不确定运行优化的重要基础，而在多种不确定性因素作用下，不同系统级功能与设备级技术间的外特性准确建模与多尺度协调互补将成为供电特征不确定运行优化能否达到预期目标的重要前提，亟待开展研究。
5 结论
智能配电网是新一代电网发展的必然趋势与重要特征，间歇式新能源、灵活组网方式、负荷及需求响应、信息系统与外部异质能源系统等给智能配电网的供电特征带来了多重不确定性。
基于此，本文对智能配电网不确定因素的建模、不确定性分析及供电特征不确定运行优化的方法和措施展开了综述和探讨，并对其未来研究方向进行了展望：
1）结合实际不确定因素的物理约束，开展含多重不确定性的多类不确定因素的联合建模、实时建模将是智能配电网不确定性研究与控制的重要基础。
2）除发展因果式不确定性分析方法外，还应着重开展基于数据表征的关联式分析方法及其在线应用研究。
3）为适应多类型配电系统应用需求，有待研究不确定实时运行优化/日前调度优化一般模型、快速求解方法及协调机制。
4）深入研究多时间尺度作用与多目标覆盖的不确定优化支撑技术及融合机制，推动研发适用于配电系统网络层面、可支持供电特征不确定运行优化和调控的一次设备。