调度中心智能调度业务成熟度模型及其应用

摘要：提升调度中心智能调度业务能力是智能电网建设的重要一环，需要一套能指导其发展和评估其发展阶段的模型和体系，即调度中心智能调度业务成熟度模型。文中首先将调度中心的业务归结为感知、预测、评估和决策4个方面，这4个方面构成了调度中心的业务链。然后针对单个业务能力和业务链能力，分别提出了不同阶段的划分标准，最终形成了调度中心智能调度业务成熟度模型;所提出的成熟度模型，具有高度灵活性和可移植性，可作为各地建设智能调度的重要参考。

0引言

智能电网(smartgrid)对提高电网安全、灵活、自愈、互动、经济、兼容、清洁等方面的水平，推动电力行业能源结构调整以及可持续发展将发挥至关重要的作用[1]，已成为未来电网的发展方向[2-5]。

全球性地开展智能电网建设，需要一套能指导其发展和评估其发展阶段的模型和体系。IBM联合美国生产力和质量中心(APQC)以及全球智能电网联盟(GIUNC)，提出了智能电网成熟度模型(smartgridmaturitymodel，SGMM)[6]，从策略、管理和监管、组织结构、技术、社会与环境、电网运行、人员及资产管理、产业链的整合、用户的体验与管理等9个方面出发，通过提供一组关键性能指标(KPI)来衡量智能电网发展。智能电网成熟度模型不仅可衡量电力企业在智能电网方面取得的进展，明确当前所处的阶段，而且作为一种战略和决策的框架，可帮助电力企业建立一个可分享的智能电网发展蓝图，同时提供技术、管理和组织方面的指导。

智能电网涵盖范围较大，包括了电网规划、建设、调度、维护、营销等电网运营的各个环节。在电网运营诸环节中，调度环节通过信息的获取、传输、处理和反馈等，实现对一次电力系统运行的监视、分析和控制，保障电能流通的安全、经济和优质，在智能电网体系中起到“神经中枢”的作用，是电网的大脑。调度环节由电网调度中心完成，因此提高调度中心智能调度的业务水平是智能电网建设的重要和关键一环。

目前，国内外在此领域已开展了一些卓有成效的研究和实践。在国际上，有PJM先进控制中心[7]、高级配电自动化系统[8]、电力战略防御系统(SPID)[9]等;在国内，有国家电网的智能调度技术支持系统[10]、华东电网高级调度中心项目群[11]、华北电网安全防御及全过程发电控制系统[12]等。

上述研究均在一定程度上反映了智能调度的思想和内涵，但出发点和落脚点不尽相同，且没有针对智能调度的整体描述，没有全面详尽的智能调度建设路线图。本文将在上述研究的基础上，借鉴智能电网成熟度模型的思想，给出调度中心智能调度业务成熟度模型，以期建立统一且适应面广的能力评估模型和建设指导体系，为调度中心提供可分享的智能调度战略框架和发展蓝图。

1调度中心的业务分析

调度中心是电网运行的调度指挥机构，是负责电网电力调度、运行方式、水调、继电保护、电力通信、电网调度自动化管理的职能部门。随着电网发展和电网管理水平的不断提高，电力系统运行调度涉及的业务范围不断扩大、业务量不断增加，业务之间的关联也越来越紧密。为全面梳理调度中心的业务，首先从调度中心面临的问题入手。为实现对电网的调度指挥，调度中心需要解答以下问题：电网正在发生什么，发生了什么，为什么发生，将要发生什么，以及希望发生什么。回答上述问题的过程也就是调度中心完成业务的过程。

因此，调度中心的业务可以划分为感知、评估、预测、决策4个层面，如图1所示。这4个层面构成了调度中心的业务链：通过感知可获取电网当前的运行状态，了解电网正在发生什么;并在感知的基础上对电网运行状态进行评估，获知某一时间段内电网运行的总体态势，是否发生了安全稳定事故，是否存在隐患和风险，同时对于各种运行状况，分析其出现的原因，为后续调度控制提供依据;由于电网的调度控制总是针对未来的(已发生的事情不能被改变)，因此还需要在评估和分析的基础上，预测电网将要发生什么;最后可通过决策，生成相应的控制指令并执行，使得电网运行回归到满意状态，即希望发生的状态。

图1调度中心业务划分

此外，还需对业务链的整体运作能力进行仔细考察。在传统的调度系统中，业务链中的业务流程相对固定。但在智能电网环境下，一方面由于风电等新能源具有随机性、间歇性强的特性，另一方面由于需要与用户或其他调度中心进行实时互动，调度中心的业务链将不再是固定的，需要建设具有动态、高度适应性、及时响应特性的柔性业务链。这也正是智能调度系统与传统调度系统的最大区别之处。

国家电网公司研发的智能电网调度技术支持系统，也反映出了对上述调度中心各项业务的支持。该系统具有四大类应用：实时监视与预警类应用、调度计划类应用、安全校核类应用和调度管理类应用。其中，实时监视与预警类应用包含了调度中心的感知、评估和决策业务，调度计划类应用包含了预测业务，安全校核类应用包含了评估和决策业务，调度管理类应用则包含了感知业务以及部分敏捷反应的功能。由此可见，本文所述内容与国内最先进的调度系统具有一致性，与目前调度支持系统各试点单位所做工作也并不冲突，可用于各地智能电网的建设。

2智能调度业务成熟度模型

智能调度业务成熟度模型，用于评估调度中心业务能力，因此需要对感知、预测、评估、决策4项业务进行阶段性的能力评估。同时，由于调度系统的高效率运作不仅需要各方面的良好性能，还需要整个业务链的通力协作，实现业务链的敏捷反应，因此还需在业务能力成熟度分析基础上对业务链进行能力成熟度分析。下文分别从“实时感知、预测未来、运行评估、智能决策”4项业务和表征业务链的“敏捷反应”出发，分阶段对其能力评估进行分析，从而得到智能调度业务成熟度模型，如图2所示。值得一提的是，由于智能调度的发展需要建立在基础硬件设施的发展之上，如数据采集、网络传输等，因此该模型也适用于评估和指导物理电网以及相关辅助设备的发展。

2.1实时感知

实时感知是指依托于先进的传感、通信、信息技术，通过量测、采集、传送、监视等环节，实现对表征电网运行状态的关键数据的实时监测，进而全面了解电网的实时运行状态，是后续分析和控制的基础。

实时感知包括快速、全面和准确3项特性：快速是指感知的频度能够捕捉电网的动态特性，满足实时分析和闭环控制的要求;全面是指感知的范围能够涵盖全网所有的关键信息;准确是指感知的内容具有高可信度。按照这3个特性实现程度的不同，可以将实时感知划分为以下4个阶段。

1)稳态数据采集、传送与监视

目前各电网公司主要依托于数据采集与监控(SCADA)系统实现对电网运行状态的实时感知。SCADA系统的远程终端单元(RTU)的数据采集速度较低，使得SCADA系统只能提供周期为3～6s的稳态数据，不能测量动态数据，且其通信和数据库技术也不能满足动态信息传送与存储的要求。此外RTU没有引入全球定位系统(GPS)的卫星同步信号，测量数据没有时标，导致数据同步性差，在一定程度上影响了上层高级应用的调控效果。

2)动态数据采集、传送与监视

随着智能电网的不断推进，电网运行特性日益复杂、运行状态变化频繁，基于稳态数据的实时感知已经无法满足电网调控的需求，动态信息的测量越来越重要。进入21世纪以来，广域测量系统(WAMS)得到了快速的发展和应用，WAMS以同步相量测量技术为基础，通过相量测量单元(PMU)以及现代通信技术，对地域广阔的电力系统运行状态进行动态监测和分析。与传统量测相比，具有全网同步、精度高、密度高、数据刷新快等特点。但由于PMU本身价格昂贵，只能在关键节点配置，导致其测量结果无法满足系统的能观性，此外PMU没有数据下行通道，不能提供指令下发功能。

3)广域数据同步、多数据源融合

目前，SCADA系统和WAMS数据不共享，无法最大限度地发挥各自的优点，因此实现两者的相互融合成为关键，但融合存在采样频率不一致和无法利用时标进行数据同步的困难。针对这一问题，提出了动态SCADA(DSCADA)系统的概念，即通过集成各种数据采集渠道，建立统一、开放的广域信息平台，从而实现广域数据同步和多数据源融合。

4)基于先进数据过滤技术的高可信度实时感知体系

由于测量精度、通信干扰等原因，量测数据不可避免地存在误差，甚至可能严重偏离真实状态，使得量测数据不能准确地反映电网的运行状态。因此，在数据融合的基础上，通过先进状态估计系统等先进的数据过滤技术，来消除各种扰动造成的数据偏差，辨识不良数据，从而提高量测数据的可信度，建立高可信度的实时感知体系。

2.2预测未来

预测未来是指通过分析电网运行内外部环境的变化提前感知电网未来的运行状态，作为决策的基础，其预测结果将直接影响决策的适用性。目前广泛应用于调度部门的预测包括负荷预测、风电/光伏发电功率预测、天气水文预测等。

预测结果是对未来不确定性的描述。按照对于不确定性描述的方法和范围不同，可以将预测未来划分为以下4个阶段。

1)确定性或概率性的预测

传统的预测结果一般都是确定性的，如常规的负荷预测只给出一个确定的数值，其缺点是无法确定预测结果可能的波动范围。实际上，由于预测问题的超前性，确定性的预测并不符合客观需求。区间预测和概率性预测可以在一定程度上给出预测结果的变化范围，但其实际应用效果还有待检验和完善，特别是各种预测结果的概率分布函数难以解决[13]。

2)基于情景分析的不确定性预测

为应对传统预测的不足，引入情景分析的方法实现对未来的不确定性预测。情景是对未来以某一概率发生的确定性态势的描述[14]，情景分析根据当前组织或系统所处的具体环境，辨识影响环境的确定性以及不确定性等因素，抽象出未来环境可能面对的多种情景，从而将具有高度不确定性的未来环境规划为有限多个典型的情景，大大降低了不确定性。

3)考虑智能电网需求和外部环境不确定性的情景分析

在智能电网新形势下，需求和外部环境的不确定性大大增加。以大规模风电场接入电力系统为例，由于风能的随机性和波动性较大，导致风电输出功率的不确定性较大，而且其功率波动常与用电负荷的波动趋势相反，给传统的、基于确定性负荷预测的电力系统调度带来了很大的挑战。情景分析恰好适用于高度不确定性的情况，因此，将情景分析的方法推广到考虑智能电网需求和外部环境的预测。

4)基于情景的统一预测、仿真、培训体系

情景是对电网某一运行状态的描述，而调度中心的仿真和培训系统都是基于历史数据或模拟数据进行的，这些数据表征的就是电网的某一特定运行状态，因此都可以抽象成情景，即可将情景分析的方法推广到仿真和培训领域中，形成统一的预测、仿真、培训体系。

2.3运行评估

运行评估是调度中心调控、管理的基础，通过评估发现隐患或者需要改进的地方，进行调控和管理，从而实现电网的趋优运营。评估不仅需要对运行状态进行评估，即分析发生了什么，还需要对可能导致该状态的原因进行评估，即分析为什么发生。评估依托于指标，指标的选取和指标标准的制定将直接影响评估的优劣。据此，可以将运行评估划分为以下4个阶段。

1)分散、孤立的指标评价及离线的考核管理

目前各电网公司往往通过相对分散和孤立的指标对电网运行状态进行评价，通过单一指标的统计对调度中心的业务能力进行离线考核，使得评估不能实时、动态地进行，具有滞后性;不能全面反映电网的运行状态，具有片面性;同时不能反映电网运行状态出现的原因，具有表面性。

2)在线运行状态评估与隐患识别

决策依赖于对电网运行状态的准确把握，对电网运行状态进行准确、及时、全面的评估是进行有效决策的前提。该阶段在实时监测信息和离线信息的基础上对电网的实时状态、历史状态进行综合评价，包括状态指标的实时计算、历史统计与考核、能力指标的计算分析，从而进行隐患识别与风险评估。

3)面向多级决策的综合评估分析

该阶段对电网出现的某个不满意的运行状态进行综合分析，找出不满意运行状态出现的原因。

电网运行状态是调度中心不同时间尺度的多级调度策略共同作用的结果，调度策略的优劣和执行情况的好坏直接影响电网运行的最终状态。此外由于需求和外部环境的不确定性，调度策略的优劣是相对的，如果需求或外部环境发生强烈变化，那么提前制定的调度策略则很难满足电网安全经济运行的要求，进而可能导致电网出现不满意的运行状态，此时根源在于需求或外部环境。因此，需要在对调度中心内部的调度策略及其执行情况评估的基础上，对外部的需求和环境进行综合分析与评估，从而找出电网不满意运行状态出现的根源，为下一步调控提供依据。

4)全方位、一致性的电网运行指标体系

从电力系统实际运行的需求来看，为确保电网的安全、稳定、经济、高效运行，亟需建立一套全方位、一致性的电网运行指标体系。全方位是指指标体系涵盖内容广泛，既包括运行状态评估，也包括决策评估、需求评估、外部环境评估等，同时容纳时间维、空间维等多个维度的信息;一致性是指指标体系本身具有开放性的架构，具有可扩展性、可移植性，灵活地适应不同的场景。通过电网运行指标体系的建立，为全面认知电网的运行态势提供了系统化的平台，从而减少了调度人员的工作量，提高了调控效率。

2.4智能决策

决策是为实现电网安全、优质、高效运行，针对所有的可控手段，动态制定调控方案的过程。决策是实现电网安全经济运行最直接和最重要的手段，也是调度中心的核心业务。按时间尺度的不同，调度中心需要做出多项决策，如图3所示。图中：AVC表示自动电压控制;AGC表示自动发电控制。

智能决策应面向所有可控手段，在不同的时间尺度上协同优化，以满足不同利益相关者的需求，实现电力大系统的趋优化运营。按照实现程度不同，将智能决策分为以下4个阶段。

1)面向传统的调控对象，离线计划制定、在线辅助决策与调控

目前调度中心的各项决策大多面向传统的调控对象，如火电机组、水电机组、断路器、变压器分接头、低频减载装置、柔性交流输电系统(FACTS)等，往往采取离线制定、在线辅助决策和人工调控相结合的方式对电网进行调控。此外各个决策均以自身的调控目标为依据，彼此之间缺乏沟通，往往导致调控效率低，甚至可能出现反复调节、调节振荡的现象，给电网安全稳定带来了一定的风险。

2)不同调控手段和时间尺度的协调优化决策

决策的时间尺度与调控手段的时间尺度一致，同一时间尺度上的决策，其调控手段将同时作用在电网上，共同影响电网的运行状态，因此在同一时间尺度上的决策应该进行协同，即协同所有的可控资源进行优化决策，以达到控制成本的最小化和控制效果的最大化。

不同时间尺度上的决策层层递进，形成决策链，下级决策在上级决策的基础上进行，上级决策在制定的过程中要充分考虑下级决策的可操作空间，因此不同时间尺度的决策同样需要协同。

3)面向需求和外部环境不确定性的优化决策

在智能电网的新形势下，调度中心的决策归结为如何在不确定性情形下科学、合理地安排电能的生产、输送和使用。因此，智能决策需要更广泛地处理需求和外部环境的不确定性。例如：需要充分考虑新能源发电功率的大规模接入，将新能源发电技术纳入到电网长中短期能源优化调度中，包括风电功率预测精度校核、含风电的发电计划制定、含风电的实时运行控制技术等;考虑如何应对自然灾害等可能导致大停电的安全隐患，应建设集动态安全评估、预防控制、紧急控制于一体的电网灾变防控系统，应对台风、暴雨等恶劣自然灾害的影响，为电网的安全稳定运行护航。

4)互动决策，实现整个电力系统的优化运行与管理

随着智能电网的发展，电力系统相关方的角色也发生了变化：传统的用户不再只是电能的消费者，而是在特定情况下可以转变为电能的提供者;电网不再只是被动地满足用户的电力需求，而是可以通过需求侧管理的方式主动地调控用电需求;随着储能技术的快速发展，发电厂也不再只是输出电能，而是可以吸收一部分电能，起到削峰填谷的作用。综上，包括电网在内的电力系统相关方打破了原有的依赖关系，具有了主动和被动的双重角色。

在此基础上，调度中心决策所面对的可调控对象涵盖的内容大幅增加，包括了参与需求侧响应管理的用户、风电场、各类储能设施等。因此，需要对决策的内容进行同样的扩充，实现互动决策(即互为主动)，进而实现整个电力系统的优化运行与管理。

2.5敏捷反应

敏捷反应的关键在于建立一套具有动态、高度适应性和及时响应特性的柔性业务链，其可以分为以下4个阶段。

1)传统的基于职能部门划分、人工协作的业务机制

在现有调度管理架构中，采用基于职能管理的组织架构，即按照职能部门进行业务划分(见图4)。其中，运行方式部门负责在长时间尺度上整个电网运行能力的设计与规划，即确定电网运行状态的可行域;计划部门负责在短时间尺度上电网能量流的配置，即电网典型运行点;调度部门负责实时状态下对计划部门制定的电网运行点进行微调，以适应系统外部干扰的变化;继电保护部门负责电网非正常运行状态下的紧急处理;而自动化部门、通信部门和综合部门则负责处理电网二次系统的管理。

在职能部门内部，易于形成自动化的业务流程，职能部门之间往往需要花费大量的人力、物力进行业务对接和切换，依靠人工协作来实现业务流程正常运转的方式，这将在一定程度上导致运营效率低下和反应迟缓。

2)业务均质化、集成化

业务依托于应用系统来完成，而现有的应用系统往往针对单个业务，无法面向整个的业务链，且各个系统之间难以紧密集成，使得“环环相扣”的业务被分散的系统分隔开来，存在大量的应用孤岛。因此，实现业务链的敏捷反应，首先必须解决应用孤岛的问题，即基于统一的构建思想实现应用系统的集成。

自律分散系统(autonomousdecentralizedsystem，ADS)[15]是近年来逐渐发展起来的一个新的系统概念。它突破了原来传统集中式/分布式的C/S模型，建立了全新的系统模型。

采用自律分散的思想作为系统的集成方案，需要对现有的应用系统进行改造，实现子系统的均质化，基于统一的集成规范将子系统中的应用组件集成起来，实现相互之间以及与其他应用系统之间的交互。

3)基于数据驱动的柔性流程链

传统系统需要事先确定应用软件的工作顺序(控制流程)，即在某个应用开始工作后，确定应该驱动哪个应用软件或在什么时刻驱动等。将这种按照时间关系不断推进的处理称为同步处理，该处理方式导致流程效率大为降低，达不到敏捷反应的要求。

采用数据驱动的方式，数据到齐后自行开始处理，无需其他子系统的指令，一方面各应用软件的处理完全是异步进行的，实现了应用组件的即时启动，另一方面应用软件之间没有直接的驱动关系，通过数据保持了松散的结合，流程链完全按照实时运行中数据产生的顺序动态制定，从而实现了流程的动态调整，成为柔性流程链。

4)基于整合化逻辑的容错性和在线测试

无论系统的可靠性有多高，故障还是可能发生，因此需要提高系统的容错性，以保证局部故障不波及系统其他部分。对功能模块中重要的、有容错性要求的模块，根据其要求的不同程度进行多重化管理。各应用系统加装基于整合化逻辑的表决器功能，在多重化功能模块发出的多个同类型数据中选择正确的数据、废弃错误的数据，从而阻止该功能模块故障的影响。

即使系统具有容错性，在发生故障时系统仍大都需要对故障部分进行维修。传统系统难以进行在线维护和测试，因为在线模式和测试模式的功能模块不能共存。借鉴自律分散的思想，各应用之间并不共享数据，且在每个应用中加装测试管理模块，通过在信息控制字段内的测试特性空间设定来实现测试模式的标识，从而实现在线测试的功能。

3智能调度业务成熟度模型的应用

以上几个方面都是调度中心必须完成的业务以及由这些业务构成的业务链，而要建成功能完备的智能调试中心，需要这5个方面都发展完善，即发展到最高阶段。在发展过程中，如何判断各个方面是否完善、距离发展完善还有多大差距，或者判断整个智能调度中心是否成熟、距离发展成熟还有多大差距，则需要用到此智能调度业务成熟度模型。因此，本文提出的智能调度业务成熟度模型，可以用于评价智能调度业务链中4个关键环节的发展程度以及整个业务链的柔性，进而评价整个调度中心的发展水平。

在评估的基础上，此模型还可用于指明智能调度的发展路线图。电网公司人员可根据自身发展情况以及外部环境，按照此模型中的标准，制定各方面的整体目标以及详细发展计划。

目前，该模型已应用于海南电网智能调度建设项目中。首先，用成熟度模型对海南电网现状进行了评估：目前，海南电网主网架厂站均配置了同步PMU，在此基础上搭建了WAMS，率先步入了“实时感知”的第2阶段。而在其他方面，目前仍采用传统的能量管理系统(EMS)、负荷预测系统以及传统的工作划分方案，因此均处于第1阶段。

然后，在评估基础上，结合海南电网公司智能电网建设的目标，制定海南电网智能调度系统的发展目标。在实时感知方面，由于海南电网公司已具备了全PMU量测这一有利条件，且数据采集服务是其他所有功能的基础，因此将其发展目标定为最高的第4阶段。在预测未来方面，由于智能电网将接入大量风电、太阳能发电等新能源，具有很强的不确定性，并且海南电网时常遭受台风等恶劣天气的影响，因此必须将其发展到第3阶段。在运行评估方面，鉴于之前已经开展了一部分电网运行指标体系的研究工作[16]，因此也计划将其发展到最高阶段。在智能决策方面，由于开展用户侧管理需要大量硬件上的支持，在短期内无法实现，但在不确定性情景分析的基础上，面向不确定性的优化决策完全可以实现，因此将其目标定为第3阶段。在敏捷反应方面，由于这是可持续性的EMS(SEMS)与传统EMS的最大区别所在，因此需要对其着重进行发展，再考虑到第4阶段的硬件成本较低，软件实现已有成功范例[15]，因此完全可以将目标定到第4阶段。

综合这5个方面的发展现状与目标，分析出当前调度中心缺少的功能，即得到海南电网智能调度中心发展路线图。按照此路线图，海南电网计划在未来几年内建立DSCADA系统、先进状态估计系统、电网运行综合指标体系、频率电压协同控制系统、电网灾变防治系统等一系列相关的系统，并用自律分散的思想改造调度中心的业务链，从而实现调度系统的智能化。

4结语

建设智能调度系统意义重大，是解决未来日益复杂的电网调度与控制问题的最有力的手段。智能调度系统的研究与建设任务艰巨而具有挑战性，是一个系统的工程，绝不可能一蹴而就，而智能调度业务成熟度模型不但是对这一过程的剖析和细化，更将各个方面的发展联系了起来，将较为分散的研究系统化，对智能调度系统的建设与发展具有科学评估与指明方向的双重意义。

参考文献

[1]EuropeanCommission.Europeantechnologyplatformsmartgrids：visionandstrategyforEurope’selectricitynetworksofthefuture[EB/OL].[2011-09-05].http：//ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.

[2]陈树勇，宋书芳，李兰欣，等.智能电网技术综述[J].电网技术，2009，33(8)：1-7.CHENShuyong，SONGShufang，LILanxin，etal.Surveyonsmartgridtechnology[J].PowerSystemTechnology，2009，33(8)：1-7.

[3]肖世杰.构建中国智能电网技术思考[J].电力系统自动化，2009，33(9)：1-4.XIAOShijie.ConsiderationoftechnologyforconstructingChinesesmartgrid[J].AutomationofElectricPowerSystems，2009，33(9)：1-4.

[4]何光宇，孙英云.智能电网基础[M].北京：中国电力出版社，2010.

[5]UnitedStatesDepartmentofEnergyOfficeofElectricTransmissionandDistribution.Grid2030：anationalvisionforelectricity’ssecond100years[EB/OL].[2011-09-05].http：//climatevision.gov/sectors/electricpower/pdfs/electric_vision.pdf.

[6]何光宇，孙英云，梅生伟，等.多目标自趋优的智能电网[J].电力系统自动化，2009，33(17)：1-5.HEGuangyu，SUNYingyun，MEIShengwei，etal.Multiindicesself-approximate-optimalsmartgrid[J].AutomationofElectricPowerSystems，2009，33(17)：1-5.

[7]李炜，张磊.PJM运营管理及先进控制中心发展[J].华东电力，2009，37(6)：904-906.LIWei，ZHANGLei.DevelopmentofthePJMoperationmanagementandadvancedcontrolcenter[J].EastChinaElectricPower，2009，37(6)：904-906.

[8]EPRI.Advanceddistributionautomationprogramoverview[EB/OL].[2011-09-05].http：//mydocs.epri.com/docs/Portfolio/PDF/2008_P124.pdf.

[9]LIUCC，JUNGJuhwan，HEYDTGT，etal.Thestrategicpowerinfrastructuredefense(SPID)system[J].IEEEControlSystemsMagazine，2000，20(4)：40-52.

[10]国家电网公司智能电网调度技术支持系统建成[J].电力系统通信，2011，32(1)：53.

[11]张怀宇.华东电网高级调度中心建设研究与实践[J].华东电力，2009，37(6)：891-894.ZHANGHuaiyu.ResearchandpracticeoftheconstructionofadvanceddispatchcenteroftheEastChinagrid[J].EastChinaElectricPower，2009，37(6)：891-894.

[12]常康，薛峰，杨卫东.中国智能电网基本特征及其技术进展评述[J].电力系统自动化，2009，33(17)：10-15.CHANGKang，XUEFeng，YANGWeidong.ReviewonthebasiccharacteristicsanditstechnicalprogressofsmartgridinChina[J].AutomationofElectricPowerSystems，2009，33(17)：10-15.

[13]康重庆，夏清，张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化，2004，28(17)：1-11.KANGChongqing，XIAQing，ZHANGBoming.Reviewofpowersystemloadforecastinganditsdevelopment[J].AutomationofElectricPowerSystems，2004，28(17)：1-11.

[14]SCHOEMAKERPJH.Whenandhowtousescenario—aheuristicapproachwithillustration[J].Forecasting，1991，10(6)：549-564.

[15]森欣司.自律分散系统入门———从系统概念到应用技术[M].徐政，谭永东，译.北京：科学出版社，2008.

[16]谭伟，何光宇，刘锋，等.智能电网低碳指标体系初探[J].电力系统自动化，2010，34(17)：1-5.TANWei，HEGuangyu，LIUFeng，etal.Apreliminaryinvestigationonsmartgrid’slow-carbonindexsystem[J].AutomationofElectricPowerSystems，2010，34(17)：1-5.