中国智能电网技术发展实践综述

宋璇坤，韩柳，鞠黄培，陈炜，彭竹弈，黄飞

(1.国网北京经济技术研究院，北京市 102209；2.天津大学，天津市 300072)

中国智能电网技术发展实践综述

宋璇坤1，韩柳1，鞠黄培2，陈炜1，彭竹弈1，黄飞1

(1.国网北京经济技术研究院，北京市 102209；2.天津大学，天津市 300072)

智能电网是世界范围内能源和经济发展的必然趋势，我国自2009年提出建设智能电网以来，在该领域取得了丰硕的研究成果与实践经验，获得了国际社会的广泛关注。从接纳可再生能源、智能输变电、智能配用电、智能调度控制系统、通信信息支撑平台五大领域出发，系统评述了我国在新能源并网预测、储能、智能变电站、输电线路防灾减灾、柔性直流输电、配电自动化、分布式电源接入与微电网、智能用电、配用电综合示范、智能调度控制系统、通信网和信息平台12个方向应用的关键技术与示范工程，并对比分析了国外同类技术的发展水平，展望了各项技术的未来发展趋势。

智能电网；可再生能源；智能输变电；智能配用电；智能调度控制系统；通信信息支撑平台

0 引 言

智能电网是将信息技术、通信技术、计算机技术、先进的电力电子技术、可再生能源发电技术和原有的输配电基础设施高度集成的新型电网，被世界各国视为推动经济发展和产业革命，实现可持续发展的新基础和新动力[1]。国际上，智能电网提出的背景和驱动力主要来自4个方面：(1)应对风能、太阳能等可再生能源发电规模快速增长的挑战；(2)适应电动汽车、分布式电源等用电结构的变化；(3)电网设备老化和更新换代的需要；(4)网络经济向以能源体系为代表的实体经济渗透和新产业革命的推动[2]。

2009年，随着智能电网热潮的兴起，国家电网公司和南方电网公司均提出并制订了智能电网发展规划并全面推进。我国智能电网建设分为发展起步阶段(2009—2010年)、全面建设阶段(2011—2020年)和完善提升阶段(2021—2025年)，涵盖了发电、输电、变电、配电、用电、调度各个领域。至2014年底，国家电网公司累计安排智能电网项目38类358项，其中建成32类305项，电网自动化、互动化、信息化水平大幅提升，在支撑可再生能源的充分消纳，提升输配电网络的柔性控制能力，满足用户多元化负荷需求，保障电网安全、清洁、经济、高效运行方面成效显著。我国在智能电网实践中重点攻克了接纳大规模可再生能源、智能输变电、智能配用电、智能调度控制系统、通信与信息支撑平台五大领域的一系列重大科学技术问题，取得了丰硕的研究成果与实践经验。

1 接纳可再生能源关键技术

至2014年底，我国风电装机容量9 581万kW，居世界第一，光伏装机容量2 652万kW，仅次于德国，居世界第二。我国约80%的风电分布在东北、西北、华北“三北”区域，约60%的光伏分布在西北区域，大规模的可再生能源难以就地消纳，需发展远距离、大容量输电技术，将清洁电力输送到中东部负荷中心。除了发展特高压交直流输电技术外，解决间歇式能源的预测预报以及能量存储技术，对接纳大规模可再生能源具有重要意义[3]。

1.1 新能源并网预测技术

国外从20世纪90年代开始新能源功率预测的研究与应用工作。最早的研究单位是丹麦RisØ国家实验室，随后，德国、西班牙、美国等新能源发展较快的国家也开展了相关研究。新能源预测基于历史数据、数值天气预报、实时气象及功率数据等，国外各研究机构相继提出了物理预测方法、统计预测方法和混合预测方法，并将其进行了广泛应用[4]。

风电场的出力预测方法可根据不同角度进行划分。按风电场出力预测时间尺度划分，可分为长期、中期、短期以及超短期预测；按预测范围划分，可分为单机、风电场及风电区域预测等。风速统计预测方法有[5-7]时间序列法[8]、卡尔曼滤波法[9]、威布尔分布法[10-11]、神经网络法[12-13]等。

光伏发电系统的发电预测模型有径向基函数模型[14-15]、自回归滑动平均模型(auto-regressive and moving average，ARMA)[16]、神经网络模型[17]、多层感知模型[18]以及基于灰色理论的预测模型等[19-20]。

我国新能源预测起步较晚，但发展迅速。在风电预测技术方面，中国电力科学研究院研发了风电功率预测系统，短期、超短期预测平均误差低于9%，处于国际领先水平；在太阳能发电预测技术方面，中国电力科学研究院提出了考虑云层遮挡的预测方法，实现了超短期功率快速波动预测，预测误差总体小于10%。至2014年底，国家电网公司在20个省市自治区部署了风功率预测系统，在甘肃、宁夏和青海部署了光伏发电功率预测系统。此外，在间歇式分布式电源发电装机超过当地年最大负荷1%的地市部署了分布式电源功率预测系统[21]。

未来新能源并网预测技术将着力提高数值天气预报精度，重点研究能够详细模拟新能源开发区域局地效应的数值天气预报动力降尺度方法、多维观测数据快速同化方法、边界层参数化方案优化等。同时，研究面向新能源集群的集群预测算法，解决单个新能源场站预测算法无法快速满足全面覆盖大型新能源基地的建模需求。此外，针对分布式新能源的快速发展，重点研究智能建模和在线优化等技术[22]。

1.2 储能技术

储能技术对解决大规模可再生能源发电接入具有战略意义[23]。储能技术主要有机械储能、电磁储能、电化学储能和相变储能4类[24]。

常见的机械储能包括抽水蓄能、压缩空气储能、飞轮储能等。抽水蓄能是最传统的机械储能方式，目前已有100多年的历史，2014年我国抽水蓄能总装机容量达2 181万kW。我国目前还未有大容量的压缩空气储能投入运行，国外目前已有2座大型电站投入商业运行，分别在德国和美国。目前，美国在建全球最大的第3家压缩空气储能发电厂，装机容量达270万kW[25]。

电化学储能的特点是功率和能量可根据不同应用需求灵活配置，响应速度快，不受地理资源等外部条件限制，适合大规模应用和批量化生产，但目前还存在使用寿命短、成本高等问题。常见的电化学储能有锂离子电池、液流电池、钠硫电池、铅酸电池、氢储能等。目前，我国各类型电池储能均有示范应用，表1列出了我国主要的储能示范工程。辽宁卧牛石风电场安装了全球最大的全钒液流电池储能系统。我国电解水制氢技术的基础较好，氢储能技术还处于研究阶段，尚未实用化运营，而日本和德国在氢燃料电池汽车领域已经进入了商业化阶段[26]。

电磁储能包括超导电磁储能、超级电容器等。电磁储能能够长时间、无损耗地储存能量，储能密度高，响应时间为ms级，转换效率大于95%，无限次循环充放电，但其成本高昂[27]。

相变储能包括熔融盐储能、冰蓄冷、蓄热电锅炉储能等。以熔融盐或热作为储能介质的工程在我国新能源资源丰富的西北和东北地区均有示范应用[28]。

总体而言，储能技术在我国的发展还不成熟，储能技术的战略性地位及其前沿科学的属性决定储能技术研发过程的长期性和持续性。储能本体技术是实现储能创新突破的核心，其又是制约储能系统大规模应用的瓶颈，需研制长寿命、低成本、高安全的储能用电池，重点突破如何增强和提高储能期间的能量密度、功率密度、响应时间、储能效率等问题。储能技术中的综合评价是实现市场化与规模化的必要条件，需要建立储能检测和评价体系。我国规划到2030年，建成示范分布式储能电站集群、 MW级氢储能系统和GW级化学储能系统[29-30]。

表1 我国主要储能示范工程
Table 1 Main energy storage demonstration projects in China

2 智能输变电技术

输电和变电环节是电网传输与功率转换的重要环节，其智能化建设是提升电网公司运营管理效率的重要手段，一直以来是电网公司智能电网建设的重点。

2.1 智能变电站

变电站是电网中重要的参量采集点和管控执行点。我国在2006年建设了以应用IEC61850标准和电子互感器为特征的“数字化变电站”。2009年，以两批智能变电站试点工程为标志，我国进入智能变电站阶段。2013年，启动建设6座新一代智能变电站，代表了我国智能变电站的最高水平。国外虽尚未提出智能变电站的概念，但也逐渐向智能化发展。电子式互感器已有40多年的历史，其中ABB公司有60余套光学互感器挂网运行；变电站自动化系统应用了IEC61850标准；智能分析采用状态监测、设备故障诊断专家系统等技术对重要电力设备进行全寿命周期管理[31]。

现阶段，我国的智能变电站以设备集成化、采集数字化、传输网络化、分析智能化为特征，智能变电站整体技术，尤其是统一全站信息规范、与电网协同互动、设备集成创新等方面均处于国际领先地位。我国智能变电站在国际上首创了就地级—站域级—广域级层次化保护控制系统[32]，构建了信息集成、决策智能的一体化业务系统，提出了模块化预制、插拔式连接、装配式安装的变电站建设新模式；在国际上首次研制成功站域保护控制装置、智能集成二次设备、时延标记交换机、集成电子互感器的隔离断路器等新型装备。

至2014年底，国家电网公司已建成110～750 kV智能变电站1 527座。智能变电站在减少占地面积及建筑面积，提升建设效率，降低运维成本，节能环保等方面效果显著。110～750 kV户外AIS(air insulated substation)智能站比常规站平均节约占地面积10%，节约建筑面积26%，节约电缆64%，减少电缆沟混凝土量30%，减少二次屏柜34%，缩短建设工期40%，较常规变电站全寿命周期成本减少1%～3%。

近期，将重点推广电子互感器、集成式隔离断路器在我国变电站的应用范围，攻克电子互感器长期运行不稳定的难题，进一步优化提升二次系统的性能及集成度。远期，将围绕“新型设备、新式材料、新兴技术”，构建基于电力电子技术和超导技术应用的智能变电站，通过不断融合前瞻性技术理念，研制超导变压器、超导限流器、电力电子变压器、固态开关、光子保护装置等新型设备，实现持续创新[33]。

2.2 输电线路防灾减灾技术

近年来，雷电、冰灾、山火等自然灾害频发，导致输电线路停电故障概率增大。雷电定位及预警、覆冰监测预警及融冰、山火监测预警等输电线路防灾减灾系统对保证输电线路安全运行发挥了重要作用[34]。

我国是继美国后第2个在雷电定位系统(lightning location system，LLS)技术领域拥有自主知识产权的国家。自1993年第1套国产LLS在安徽电网投入工程运用以来，LLS已覆盖我国32个省份电网及绝大部分国土面积，并于2006年实施了全国联网。我国LLS已实现了电网雷击闪络检测率>90%、定位误差<1 km的实用化指标，雷电监测网规模和水平居世界领先地位[35-36]。LLS是对正在发生的雷云放电的实时测量，为提前掌握雷电运动发展趋势，国家电网公司开发建立了雷电预警系统，可为监测保护对象提供2 h以上的雷电预报以及15～30 min的高精度雷电灾害风险预警。调度及运维单位可根据预警信息，事前采用调整运行方式等措施，减少因雷电产生的停电损失。雷电预警系统首个试点工程于2013年在江苏省投运，“十三五”期间，将针对重要变电站及输电通道建成10个以上地区的区域性雷电预警网络，并进行全国联网。

电网冰害整体解决方案是指综合“抗、防、融、除”等技术措施，系统应对电网冰害的综合解决方案[37]。国外覆冰严重的国家如俄罗斯、加拿大、美国、日本、英国、芬兰和冰岛等，较早开展了输电线路防治冰害的研究与应用。我国自2008年冰灾以来，在冰害防治方面发展迅速，工程应用效果显著，至2014年，“覆冰自动监测系统”已推广应用1 000多套，并开展了特高压线路沿线气象观测工作。“国家电网输电线路覆冰预测预警中心”已经在四川、重庆、湖南等9个省市开展了电网覆冰长期、中期和短期预测预报工作。直流融冰装置已推广应用43套，特高压直流融冰装置已经在湖南试验成功，农配网移动式、便携式、固定式等融冰装置已推广应用60套，变电站带电热力除冰装置已推广应用30套，机械震动除冰在河南500 kV姚白线进行了应用。“十三五”期间，将在特高压线路重点推广应用直流融冰装置，在重覆冰区重要线路全面实施电网冰害防治技术。

国内外一直没有与电网结合的山火监测预警技术[38]。2009年，国家电网公司率先开发了基于卫星遥感数据的输电线路山火监测系统，并成功应用于湖南电网[39]。2013年，国家电网公司在湖南省成立输电线路山火监测预警中心，建设卫星直收地面接收站。我国山火预报及实时监测各项技术指标世界领先，山火预报和火点识别的准确率分别达到92%和90%，均可定位到具体线路杆塔，红外卫星接收的监测间隔缩短到20 min。在山火灭火技术方面，我国研制成功高效防复燃灭火液和便携式高压细水雾灭火机，防复燃能力达95%，在国际上首创带电远距离高扬程移动灭火平台，举高上限达500 m，可实现高压输电线路带电灭火，防山火装备已在湖南省配备100余套，成功扑救130余起线路山火，避免了多条重要线路山火跳闸事故的发生[40]。“十三五”期间，我国将在山火高发的12省份建立输电线路山火监测预警子系统，并建成国家电网公司全网输电线路山火监测预警系统。

2.3 柔性直流输电技术

柔性直流输电是以电压源型换流器、可关断器件和脉宽调制技术为基础的新一代直流输电技术，被CIGRE和IEEE命名为电压源换流器型直流输电(voltage source converter based high voltage direct current，VSC-HVDC)。柔性直流输电技术非常适用于可再生能源并网、分布式发电并网、孤岛供电、城市电网供电和异步交流电网互联等领域[41]。

柔性直流技术以其有功无功独立调节、无源供电能力以及易于构建直流电网等特点，受到世界范围的广泛关注。至2012底，来自于欧洲、美洲、亚洲、大洋洲、非洲的16个国家共有13个柔性直流输电工程投运，其中4个工程用于风电接入；6个工程用于电网互联；1个工程用于大型城市供电；2个工程用于海上钻井平台供电。我国柔性直流输电技术的研究始于2005年，2011年6月我国首个柔性直流输电示范工程——上海南汇风电场并网工程投运，2014年投运的舟山五端直流是目前世界上端数最多的柔性直流输电系统，2015年投运的厦门±320 kV柔性直流工程是目前世界上首次采用真双极接线，且电压等级最高，输送容量最大的高压柔性直流输电系统。表2为我国主要的柔性直流输电示范工程。

表2 我国主要的柔性直流输电示范工程
Table 2 Major flexible DC transmission demonstration projects in China

未来柔性直流技术的主要发展方向为高压大容量柔性直流、直流电网及架空线柔性直流输电技术等。未来柔性直流的容量水平提升，将主要集中于研制更高电压等级XLPE直流电缆、新型SiC大容量电力电子器件，以及应用新的换流器系统拓扑等方面。直流电网及架空线柔性直流技术还需重点研发新的换流器拓扑结构及研制直流断路器以解决直流线路故障隔离问题，同时直流电网还需要研发直流变压器以解决不同电压等级直流电网联结问题[42]。

3 智能配用电技术

配用电系统作为电力系统到用户的最后一个环节，与用户联系最为密切，是保证供电质量、提高运行效率、创新用户服务的关键环节，在智能电网建设中受到国内外的普遍关注。

3.1 配电自动化系统(distribution automation system，DAS)

配电自动化技术在国外发达国家经过长期的应用而比较成熟，其中法国、日本的配电自动化覆盖率分别达到90%、100%。日本配电自动化系统主要强调实用，重点关注故障的快速定位与隔离功能；欧美配电自动化系统侧重于建设功能强大的配电管理系统(distribution management system，DMS)，在主站端具备较多的高级应用和管理功能。日本配电网主要依赖就地重合器进行故障处理；法国配电网开关遥控率并不高，主要采用调度员遥控开关与现场人员就地操作开关相结合的方式缩小故障隔离区域。法国50%以上的故障恢复供电时间不超过3 min，韩国故障恢复时间为6 min。

我国配电网基础较薄弱，DAS起步较晚[43]。至2014年底，国家电网公司DAS总体覆盖率为12.6%，覆盖了78个地市，共2.7万条10 kV线路，主要集中在网架结构成熟的城市中心区，其中A+、A类供电区域覆盖率分别为53.4%、31.5%，B、C、D类供电区域分别为11.7%、8.4%、2.8%。DAS建成区域平均倒闸操作时间由投运前的36.9 min缩短至8.3 min，非故障区域平均恢复供电时间由投运前的81 min缩短至11.4 min。

目前我国配电自动化总体覆盖率偏低，还未实现规模效应。我国规划在“十三五”期间大面积提升配电自动化覆盖范围，2020年总体覆盖率达到100%。我国DAS建设包括配电自动化主站、配电终端、馈线自动化(feeder automation，FA)、通信通道建设[43]。规划的总体建设原则为DAS主站主要为地县一体化模式，并建设DAS信息交换总线，实现与电力系统能量管理系统(energy management system，EMS)、生产管理系统(production management system，PMS)、地理信息系统(geographic information system，GIS)、营销、调度等系统平台的数据共享与信息交换，满足调度控制、故障研判、抢修指挥等业务要求。各类供电区域配电自动化差异化配置，在A+类供电区域采用“三遥”终端与光纤通信方式，建设全自动集中式或智能分布式馈线自动化，实现故障快速处理；A、B类供电区域采用“三遥”、“标准型二遥”、“动作型二遥”终端，建设集中式、智能分布式或就地型重合器式馈线自动化，有效缩短故障停电时间；C、D类供电区域主要采用“标准型二遥”、“基本型二遥(故障指示器)”终端，以实现故障监测功能为主，并根据实际需求建设就地型重合器式馈线自动化。

3.2 分布式电源接入与微电网技术

至2014年底，国家电网公司经营区域内已并网运行的分布式电源装机容量380.1万kW，其中分布式光伏装机最大，达到249.7万kW，约占66%。我国已经成为世界上分布式电源发展最快的国家之一，但我国分布式电源装机占电源总装机容量的比例仅为0.36%，远远低于世界水平。国际上，丹麦、挪威、芬兰等国家的分布式发电装机占比已接近或超过50%，日本分布式发电装机占比达13.4%[44]。

随着分布式电源的大量接入，“主动配电网”概念应运而生，主动配电网是解决高渗透率的分布式电源接入的关键技术，包含柔性组网技术、保护技术、储能技术、能量管理技术、即插即用技术、电能质量控制技术等。国内主动配电网总体来讲处于起步研究阶段，依托国家863项目，在建与建成的4个主动配电网示范工程为广东佛山三水区、北京未来科技城、福建海西厦门岛、贵阳清镇红枫供电区。

根据国家电网公司规划，通过对配电网的建设改造，2020年我国110 kV及以下配电网需要接纳1.22亿kW新能源和分布式电源接入，能适应分布式电源15%高渗透率接入。与当前分布式电源接入规模相比，我国主动配电网的建设任重而道远。未来，基于高渗透率的分布式电源接入主动配电网还需扩大示范应用的范围，并重点研究建立虚拟电厂等分布式电源运营管理体系。

微电网在国际上被认为是提高分布式电源利用效率的有效方式[45]。在分布式电源渗透率较高的局部地区及电网覆盖不到的偏远地区或海岛，采用微电网的方式，可以提高配电网对分布式能源的接纳能力、解决偏远地区的供电问题。微电网需解决多源储能控制、微网协调控制、黑启动控制、保护配置、经济优化调度等关键问题，是世界各国研究的热点。全球规划以及在建或运营中的微电网项目总装机容量接近439.3万kW。目前，我国已开展微电网试点工程14个，如表3所示。

微电网作为促进可再生能源友好接入的一种技术手段，具有广阔的发展前景和市场前景。未来发展微电网应重视可复制性和商用性，建立微电网评价标准，实现微电网产业化。

3.3 智能用电技术

构建灵活、互动的智能用电是智能电网的重要任务，包括信息和电能的双向互动，鼓励用户改变传统的用电消费方式，积极参与电网运行，实现分布式电源、电动汽车“即插即用”的并网运行方式。目前我国的智能用电实践以用电信息采集、需求侧管理(demand side management，DSM)、电动汽车充放电服务网络为主[46]。

表3 我国微电网重点示范工程
Table 3 Key micro grid demonstration projects in China.

用电信息采集系统是实现智能双向用电的基础与关键，包括主站、终端及智能电表、通信信道等建设，实现远方自动抄表、自助充值、实时用电监控、线损监测、有序用电管理等功能[47]。我国在用电信息采集的技术标准规范方面发展迅速，在国际上处于领先水平，智能电能表安装数量多，覆盖范围广。至2014年底，国家电网公司经营区域内累计应用智能电能表2.14亿个，用电信息采集系统803.6万套，覆盖2.2亿用户，采集覆盖率达51.4%。今后，我国将按照“全覆盖、全采集、全费控”的建设要求，全面建成用电信息采集系统，以双向互动智能电能表为载体，支持未来实时电价机制，支撑用户信息互动、分布式电源接入、电动汽车充放电等业务，并积极推广电、水、气、热“四表合一”采集技术[48]。

需求侧管理涵盖分时电价、削峰填谷、节能技术等多个方面，基于价格和激励的需求侧响应(demand response，DR)是实现需求侧管理的重要手段之一[49]。我国受电价政策的影响，目前需求侧管理主要手段是有序用电，需求侧响应的应用仅限于试点，覆盖范围小。2013年，国家发改委将北京、苏州、佛山、唐山列为电力需求侧管理试点城市。2014年，国家发改委将上海作为需求侧响应试点城市，对主动削减负荷的用户给予电价补贴，通过实施DR，同年夏季单次最大负荷降幅达到5.5万kW。目前，在北京、佛山等城市也开展了需求侧响应试点，并且首次在江苏开展覆盖全省的需求侧响应试点。江苏省需求侧响应工程选择约占高峰负荷30%～50%的空调作为响应负荷，2015年完成1 162栋楼宇、62万kW空调负荷的响应控制，在2015年夏季单次最大削减负荷达14.18万kW。DR负荷作为可调度负荷在电力系统中的价值将随着不可调度机组比例提高而增大。随着《关于进一步深化电力体制改革的若干意见》(中发﹝2015﹞9号，以下简称《9号文》)及其配套政策的出台，以价格/激励型为主导的需求响应或将成为我国解决电力供需矛盾与间歇式能源功率平衡的重要途径。

电动汽车作为我国低碳经济、新能源利用的重点发展方向，已纳入我国新能源七大新兴战略产业[50]。目前，我国按照“主导快充、兼顾慢充、引导换电、经济实用”的原则，科学有序建设充换电服务网络。在换电模式方面主要应用于公共服务类商用车和乘用车，其中商用车换电已在北京、天津、南京、青岛等城市成功实现商业运行。在直流充电方面，我国充电机功率密度和充电效率相对较低，体积较大，与国外先进水平有一定差距，在交流充电方面与国外先进水平相当。目前我国没有形成独立的充电服务网络运营商，而美国、欧洲已经出现较大型的专业充电服务网络运营商。至2014年底，我国电动汽车保有量已超过12万辆，仅次于美国、日本，居世界第三，建成电动汽车充换电站723座、交流充电桩2.89万台，建成沿京沪、京港澳、青银高速的“两纵一横”高速公路快充网络，形成世界上最大的电动汽车充换电服务网络。随着未来电动汽车的规模化应用，需重点研究开发电动汽车单向有序(timed charging，TC；vehicle in with logic,V1G)、双向有序(vehicle-to-grid，V2G)不同充放电模式下充放电站的实现技术，充放电与电网控制调度的能源与信息交互技术，电动汽车非接触式充电及接口技术，基于“互联网+”的充换电服务网络商业运营模式[51]。

3.4 配用电综合示范工程

为了全面展示和验证智能配用电技术，支撑我国“智慧城市”及“新能源示范城市”建设，我国建成了一批智能配用电综合示范工程。至2014年底，国家电网公司已建成上海世博园、中新天津生态城(一期)、扬州开发区、江西共青城等9个智能电网综合示范工程，正在建设北京延庆、天津生态城(二期)、宁夏银川开发区、上海虹桥商务区等18个智能电网综合示范工程。

中新天津生态城智能电网综合示范工程是我国智能电网标志性的综合示范工程，总占地面积约34 km2，规划人口约35万人。一期工程于2011年9月建成投运，包含12个子项，已稳定运行4年，园区的电能质量、供电可靠性与安全性得到了大幅的提高，生态城供电可靠率可达99.999%，电压合格率可达100%，综合线损率降低1.18%，能源供应更加可靠。生态城每年减少1 074 t燃油消耗，节约标煤 5 930 t，每年可减少CO2排放18 488 t，节能减排效果显著。中新天津生态城二期工程于2014年开始建设，旨在建成具备国际影响力的智能电网创新示范基地，全面展示 “能源互联、信息互通”的核心特征，二期工程包含能源互联网优化配置网络和信息服务网络两大板块，共6个子项[52]。

依据国家能源局配电网建设改造行动计划(2015—2020年)，“推动智能互联，打造服务平台”将作为未来配电网改造与建设的重点任务之一。2015—2017年，国家电网公司还将规划建设苏州工业园区、北京亦庄、山西大同等15个智能配电网综合示范工程。

4 智能调度控制系统

调度系统是整个智能电网运行控制的神经中枢，我国智能电网在调度领域的建设重点是基于D5000统一平台的各级主调及备用调度控制系统，调度数据网络，二次安全防护系统等[53]。

智能调度控制系统将原来调度中心内部的10余套独立的应用系统，横向集成为由一个基础平台和四大类应用(实时监控与预警、调度计划、安全校核和调度管理)构成的电网调度控制系统。同时，纵向实现国、网、省三级调度业务的协调控制，支持实时数据、实时画面和应用功能的全网共享。智能电网调度控制系统在世界上首次研究并实现了满足特大电网调度需求的大电网统一建模、分布式实时数据库、实时图形远程浏览等关键技术，攻克了多级调度协同的大电网智能报警及协调控制、全网联合在线安全预警等重大技术难题，在协调安全控制、统筹经济调度和纵深安全防护方面已达到国际领先水平[54]。

我国自2009年开始建设智能调度控制系统的试点工程，至2014年底，国家电网公司全面建成基于D5000平台的国(分)调、27家省级调度以及288套地区级电网调度控制系统。至2014年底，基于分层虚拟专用网(virtual private network，VPN)的调度数据网骨干网双平面全面覆盖各级调度，调度数据网规模达43 375个节点。全网安装PMU设备2 301套，500 kV以上变电站覆盖率达98.6%，建立了世界上规模最大的电网动态监测系统。研发并应用分布式备调核心技术，建成32家省级以上、199家地调备用调度系统协调运作的分布式特大型备调系统。

未来在智能电网调度控制系统的建设方面，我国还需要提升交直流混联大电网特性认知能力，增强清洁能源运行控制水平和消纳能力，加强适应电力市场环境的调度技术手段建设，提升变电站与调度间的互动映射水平，提升配电网调控运行水平。

5 通信信息支撑平台

信息通信技术是智能电网发电、输电、变电、配电、用电、调度六大环节的基础支撑技术，智能电网建设对通信信息网也提出了更高的要求[55]。

5.1 通信网

在传输网方面，国家电网公司已建成世界上最大的电力专用通信网络，形成了以光纤为主，微波、载波等多种通信方式并存，分层分级自愈环网为主的体系架构，其应用水平处于国际先进水平。至2014年底，国家电网公司骨干通信网光缆总长度101.1万km，220 kV以上变电站基本达到双回光缆通道覆盖，110 kV及以上变电站实现100%光纤通信覆盖，省际光传送网(optical transport network，OTN)最大传输速率达到400 Gbit/s，省际同步数字系列(synchronous digital hierarchy，SDH)传输网最大速率达到10 Gbit/s，已形成双骨干传输网技术架构[56]。

在通信接入网方面，由于我国配电自动化建设起步较晚，光纤通信与无线通信覆盖率普遍较低，又因行业对无线通信的安全性认识缺乏一致性，目前无线通信技术主要用于对实时性、安全性要求较低的业务。与国外发达地区相比，配电网无线通信传输可靠性较低。10 kV通信接入网目前主要采用公用移动通信(GPRS、CDMA)、中压电力线载波、光纤专网等多种通信方式。至2014年底，建成10 kV通信光缆约9.3万km，10 kV配电站点光纤覆盖率A+类、A类和B类区域分别为78%、55%和22%，无线公网覆盖率C类和D类区域分别为76.7%和99.2%。

我国目前通信网整体呈现“骨干网强、接入网弱”的态势，未来在骨干通信网方面需要加强资源整合与网架结构优化，持续提升骨干通信网的传输能力、各类业务网的承载能力、支撑网的稳定能力及一体化管控能力，通过应用SDN软件控制技术而非新增硬件来达到提升数据网络利用率的目的。根据配用电点多面广的特点，综合利用无线公网、无线专网、有源光网络、无源光网络、宽带载波等复合通信技术，解决实时性、可靠性和基于IP组网等技术问题，支撑智能配用电系统的应用要求[57-58]。

5.2 信息平台

现阶段我国电网企业信息化进入综合管理信息化阶段，建立了支撑集团化运作的一体化企业级信息系统，实现了企业生产管理信息的纵向贯通和横向集成[59]。

以国家电网公司为例，信息通信网络已发展成为依托于电网的立体化多层级网络，在国内中央企业信息化建设中处于领先地位，建成总部、省(市)两级数据中心，以及北京、上海、西安三地数据(灾备)中心；完成了海量数据、电网地理信息系统、非结构化数据、统一视频、统一权限、统一开发、大屏可视化等平台建设工作；建成信息安全主动防御体系；开展了柔性支撑能力更强的“软硬件资源池”、“公共数据资源池”、“应用资源池”三大资源池建设工作。一体化平台承载能力大幅提升，业务应用全面覆盖人力、财务、物资以及规划、检修、建设、运行、营销管理体系核心业务和智能电网建设各个环节，有效支撑企业数据共享与业务融合。

“十三五”期间，我国将重点加强大数据、云计算、物联网、移动互联等新技术对智能电网创新发展的推动作用，建设大数据平台、云计算平台和移动应用平台，实现企业内部各专业、各类型数据统一管理与共享交换，建设具有大数据处理能力的企业管理云、公共服务云和生产控制云，为企业内部员工和社会大众提供统一的服务入口。

6 结 语

我国的智能电网建设一直以来以电网公司为主导，随着2014年习近平总书记提出能源革命、创新驱动发展的国家战略方向，政府层面密集出台了《关于智能电网发展的指导意见》、《国务院关于积极推进“互联网+”行动的指导意见》、《智能电网重大工程》等一系列推进智能电网建设的政策措施，智能电网发展迎来政府、发电企业、用户、电网企业、装备及其他行业共赢的局面，面临前所未有的战略机遇。未来我国将重点突破大容量储能技术、高电压网络化的柔性直流技术，深化智能输变电技术，提升大规模可再生能源并网接纳技术，以电力体制改革为契机重点发展智能配用电技术，加强通信信息对智能电网的支撑技术。同时应依托示范工程开展电动汽车智能充电服务、可再生能源发电与储能协调运行、智能用电一站式服务、虚拟电厂等重点领域的商业模式创新，营造智能电网产业可持续发展的良好环境。

[1]刘振亚．全球能源互联网[M]．北京：中国电力出版社，2015．

[2]刘振亚．智能电网[M]．北京：中国电力出版社，2010．

[3]孙盛鹏,刘凤良,薛松. 需求侧资源促进可再生能源消纳贡献度综合评价体系[J]. 电力自动化设备, 2015, 35(4): 77-83. SUN Shengpeng，LIU Fengliang，XUE Song. Comprehensive evaluation system for contribution degree of demand-side resources to renewable energy source integration[J]. Electric Power Automation Equipment, 2015, 35(4): 77-83.

[4]嵇灵. 不确定因素下的智能电网能量管理及扩容优化研究[D]. 北京: 华北电力大学,2015. JI Ling. Research on energy management and expansion optimization of smart grid under uncertainties[D].Beijing: North China Electric Power University, 2015.

[5]栗然,王粤,曹磊. 基于Box-Cox变换的风电场短期风速预测模型[J]. 现代电力, 2008, 25(4): 35-39. LI Ran, WANG Yue, CAO Lei. Short-term wind speed forecasting model for wind farm based on Box-Cox transformation[J]. Modern Electric Power, 2008, 25(4): 35-39.

[6]田崇翼, 李珂, 严毅, 等. 基于经验模式分解的风电场多时间尺度复合储能控制策略[J]. 电网技术, 2015, 39(8): 2167-2172. TIAN Chongyi, LI Ke, YAN Yi, et al. A multi-time scale control strategy of hybrid energy storage system in wind farm based on empirical mode decomposition[J]. Power System Technology, 2015, 39(8): 2167-2172.

[7]邵璠,孙育河,梁岚珍. 基于时间序列法的风电场风速预测研究[J]. 华东电力, 2008, 36(7): 26-29. SHAO Fan, SUN Yuhe, LIANG Lanzhen. Wind speed forecast for wind farms based on time series[J].East China Electric Power, 2008, 36(7): 26-29.

[8]潘迪夫,刘辉,李燕飞. 风电场风速短期多步预测改进算法[J]. 中国电机工程学报, 2008, 28(26): 87-91. PAN Difu, LIU Hui, LI Yanfei. Optimization algorithm of short-term multi-step wind speed forecast[J]. Proceedings of the CSEE, 2008, 28(26): 87-91.

[9]张学清. 风电预测、协同调度及电网电压安全评估研究[D]. 济南: 山东大学, 2013. ZHANG Xueqing.Study on wind power prediction, synergistic dispatch and voltage security assessment of power grid[D]. Ji’nan: Shandong University, 2013.

[10]肖洋. 风电场风速和发电功率预测研究[D]. 吉林: 东北电力大学, 2005.

[11]祝贺,徐建源. 风电场GM-WEIBULL风速分布组合模型出力预测[J]. 华东电力, 2008, 36(11): 144-146. ZHU He, XU Jianyuan. Wind farm output forecast based on combined GM-WEIBULL wind speed distribution model[J]. East China Electric Power, 2008, 36(11): 144-146.

[12]杨琦,张建华,王向峰,等. 基于小波-神经网络的风速及风力发电量预测[J]. 电网技术, 2009, 33(17): 44-48. YANG Qi，ZHANG Jianhua，WANG Xiangfeng, et al. Wind speed and generated wind power forecast based on wavelet-neural network[J]. Power System Technology, 2009, 33(17): 44-48.

[13]王富强. 风电场短期风速预测及模拟的理论与方法研究[D].北京: 华北电力大学,2013. WANG Fuqiang. Research on prediction and numerical simulation for short-term wind speed in wind-farm[D].Beijing: North China Electric Power University, 2013.

[14]LI R，LI G M. Photovoltaic power generation output forecasting based on support vector machine regression technique[J]. Electric Power，2008, 41(2)：74-78.

[15]CHENG C S，DUAN S X，YIN J J. Design of photovoltaic array power forecasting model based on neutral network[J]. Transactions of China Electrotechnical Society，2009, 24(9)：153-158.

[16]CHAKRABORTY S，WEISS M D，SIMOES M G. Distributed intelligent energy management system for a single-phase high-frequency AC microgrid[J]. IEEE Transactions on Industrial Electronics，2007, 54(1)：97-109.

[17]董雷,周文萍,张沛,等. 基于动态贝叶斯网络的光伏发电短期概率预测[J]. 中国电机工程学报, 2013, 33(增刊): 38-45. DONG Lei, ZHOU Wenping, ZHANG Pei, et al. Short-term photovoltaic output forecast based on dynamic bayesian network theory[J]. Proceedings of the CSEE, 2013, 33(Supplement): 38-45.

[18]卢静,翟海青,刘纯,等. 光伏发电功率预测统计方法研究[J]. 华东电力, 2010, 38(4): 563-567. LU Jing, DI Haiqing, LIU Chun, et al. Study on statistical method for predicting photovoltaic generation power[J]. East China Electric Power, 2010, 38(4): 563-567.

[19]陈炜,艾欣,吴涛,等. 光伏并网发电系统对电网的影响研究综述[J]. 电力自动化设备, 2013, 33(2): 26-32, 39. CHEN Wei，AI Xin，WU Tao，et al. Influence of grid-connected photovoltaic system on power network[J]. Electric Power Automation Equipment, 2013, 33(2): 26-32, 39.

[20]李光明,廖华,李景天,等. 并网光伏发电系统发电量预测方法的探讨[J]. 云南师范大学学报, 2011, 31(2): 33-38, 64. LI Guangming，LIAO Hua，LI Jingtian, et al. Discussion on the method of grid-connected PV power system generation forecasting[J]. Journal of Yunnan Normal University, 2011, 31(2): 33-38, 64.

[21]张正中. 新能源并网调度支持系统厂站侧研究[D]. 北京: 华北电力大学, 2013. ZHANG Zhengzhong. Research on the renew energy management system at power station[D]. Beijing: North China Electric Power University, 2013.

[22]冯志伟. 风电分析预测在风电调度辅助决策中的应用[D].北京: 华北电力大学, 2012. FENG Zhiwei. The application of the wind power analysis and forecast in the wind power dispatching and decision[D].Beijing: North China Electric Power University, 2012.

[23]骆妮,李建林. 储能技术在电力系统中的研究进展[J]. 电网与清洁能源, 2012, 28(2): 71-79. LUO Ni，LI Jianlin. Research progress of energy storage technology in power system[J]. Power System and Clean Energy, 2012, 28(2): 71-79.

[24]丛晶,宋坤,鲁海威,等. 新能源电力系统中的储能技术研究综述[J]. 电工电能新技术, 2014, 33(3): 53-59. CONG Jing，SONG Kun，LU Haiwei, et al. Review of energy storage technology for new energy power system[J]. Advanced Technology of Electrical Engineering and Energy, 2014, 33(3): 53-59.

[25]严干贵,谢国强,李军徽，等. 储能系统在电力系统中的应用综述[J]. 东北电力大学学报, 2011, 31(3): 7-12. YAN Gangui, XIE Guoqiang, LI Junhui, et al. Review of energy storage system in electric power system[J]. Journal of Northeast Dianli University, 2011, 31(3): 7-12.

[26]刘英俊. 通信基站用相变储能模块的开发与数值模拟[D].长沙: 湖南大学, 2013. LIU Yingjun. The application of phase change energy storage module’s development and numerical simulation in communication base station[D]. Changsha: Hunan University, 2013.

[27]黄晓英. 超导电磁储能的原理、构造及应用[J]. 供用电, 1995, 12(6): 52-54.

[28]尹霞. 基于热力学模型的新型无机熔盐水化物相变储能材料的研究[D].长沙：中南大学,2012. YIN Xia. Study on phase change materials (PCM) of hydrate salts using thermodynamic model[D]. Changsha: Central South University, 2012.

[29]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. CHEN Shuyong，SONG Shufang，LI Lanxin, et al. Survey on smart grid technology[J]. Power System Technology, 2009, 33(8): 1-7.

[30]高翔. 智能配电网[M]. 北京：中国电力出版社，2012.

[31]宋璇坤，刘开俊. 新一代智能变电站研究与设计[M]. 北京： 中国电力出版社，2014.

[32]李振兴. 智能电网层次化保护构建模式及关键技术研究[D].武汉: 华中科技大学,2013. LI Zhenxing. Study on construction mode and key technologies of smart grid hierarchical protection[D].Wuhan: Huazhong University of Science and Technology, 2013.

[33]倪益民,杨宇,樊陈,等. 智能变电站二次设备集成方案讨论[J]. 电力系统自动化,2014,38(3):194-199. NI Yimin, YANG Yu, FAN Chen, et al. Discussion on integration of secondary devices in smart substations[J]. Automation of Electric Power Systems, 2014, 38(3): 194-199.

[34]程拥军. 山区输电线路防灾减灾差异化管理方法与应用[D].北京：华北电力大学,2013. CHENG Yongjun. Management strategies and application of disaster-preventing & mitigating differentia theory for electric transmission line in montanic regions[D].Beijing: North China Electric Power University, 2013.

[35]陈家宏,张勤,冯万兴,等. 中国电网雷电定位系统与雷电监测网[J]. 高电压技术, 2008, 34(3): 425-431. CHEN Jiahong, ZHANG Qin, FENG Wanxing, et al. Lightning location system and lightning detection network of China power grid[J]. High Voltage Engineering, 2008, 34(3): 425-431.

[36]陈维江,陈家宏,谷山强,等. 中国电网雷电监测与防护亟待研究的关键技术[J]. 高电压技术, 2008, 34(10): 2009-2015. CHEN Weijiang, CHEN Jiahong, GU Shanqiang, et al. Key technologies of lightning detection and protection in China power grid[J]. High Voltage Engineering, 2008, 34(10): 2009-2015.

[37]朱晔,王海涛,吴念, 等 输电线路覆冰在线监测动态预警模型[J]. 高电压技术, 2014, 40(5): 1374-1381. ZHU Ye, WANG Haitao, WU Nian, et al. Icing on-line monitoring dynamic prediction model[J]. High Voltage Engineering, 2014, 40(5): 1374-1381.

[38]胡湘. 电网的山火防治与运行优化研究[D]. 长沙: 长沙理工大学,2011. HU Xiang. Research on wildfire prevention measures and power grid operaion optimization[D].Changsha: Changsha University of Science & Technology, 2011.

[39]陆佳政,吴传平,杨莉,等. 输电线路山火监测预警系统的研究及应用[J]. 电力系统保护与控制, 2014, 42(16): 89-95. LU Jiazheng, WU Chuanping, YANG Li, et al. Research and application of forest fire monitor and early-warning system for transmission line[J]. Power System Protection and Control, 2014, 42(16): 89-95.

[40]叶立平,陈锡阳,何子兰，等. 山火预警技术在输电线路的应用现状[J]. 电力系统保护与控制, 2014, 42(6): 145-153. YE Liping, CHEN Xiyang, HE Zilan, et al. Present situation of forest fire early warning technology used for transmission line[J]. Power System Protection and Control, 2014, 42(6): 145-153.

[41]马为民,吴方劼,杨一鸣,等. 柔性直流输电技术的现状及应用前景分析[J]. 高电压技术, 2014, 40(8): 2429-2439. MA Weimin, WU Fangjie, YANG Yiming, et al. Flexible HVDC transmission technology’s today and tomorrow[J]. High Voltage Engineering, 2014, 40(8): 2429-2439.

[42]梁少华,田杰,曹冬明,等. 柔性直流输电系统控制保护方案[J]. 电力系统自动化, 2013, 37(15): 59-65. LIANG Shaohua, TIAN Jie, CAO Dongming, et al. A control and protection scheme for VSC-HVDC system[J]. Automation of Electric Power Systems, 2013, 37(15): 59-65.

[43]刘健,赵树仁,张小庆. 中国配电自动化的进展及若干建议[J]. 电力系统自动化, 2012, 36(19): 6-10, 21. LIU Jian, ZHAO Shuren, ZHANG Xiaoqing. Development of distribution automation in China and some suggestions[J]. Automation of Electric Power Systems, 2012, 36(19): 6-10, 21.

[44]国家电网公司. 配电自动化规划设计技术导则: Q/GDW 11184-2014[S]. 2014.

[45]王成山, 李鹏. 分布式发电、微网与智能配电网的发展与挑战[J]. 电力系统自动化, 2010, 34(2): 10-14, 23. WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system [J]. Automation of Electric Power Systems, 2010, 34(2): 10-14, 23.

[46]黄莉,卫志农,韦延方,等. 智能用电互动体系和运营模式研究[J]. 电网技术, 2013, 37(8): 2230-2237. HUANG Li, WEI Zhinong, WEI Yanfang, et al. A survey on interactive system and operation patterns of intelligent power utilization[J]. Power System Technology, 2013, 37(8):2230-2237.

[47]张旭洁. 用电信息采集系统的设计与实现[D]. 北京: 华北电力大学, 2013. ZHANG Xujie.The design and implementation of power supply information collection system[D]. Beijing: North China Electric Power University, 2013.

[48]王昌照. 含分布式电源配电网故障恢复与可靠性评估研究[D]. 广州: 华南理工大学,2015. WANG Changzhao. Research on service restoration and reliability evaluation of distribution network with distributed generation[D].Guangzhou: South China University of Technology, 2015.

[49]田世明,王蓓蓓,张晶. 智能电网条件下的需求响应关键技术[J]. 中国电机工程学报, 2014, 34(22): 3576-3589. TIAN Shiming, WANG Beibei, ZHANG Jing. Key technologies for demand response in smart grid[J]. Proceedings of the CSEE, 2014, 34(22): 3576-3589.

[50]马玲玲,杨军,付聪,等. 电动汽车充放电对电网影响研究综述[J]. 电力系统保护与控制, 2013, 41(3): 140-148. MA Lingling, YANG Jun, FU Cong, et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control, 2013, 41(3): 140-148.

[51]胡江溢,祝恩国,杜新纲,等. 用电信息采集系统应用现状及发展趋势[J]. 电力系统自动化, 2014, 38(2): 131-135. HU Jiangyi， ZHU Enguo， DU Xingang, et al. Application status and development trend of power consumption information collection system[J]. Automation of Electric Power Systems, 2014, 38(2): 131-135.

[52]王丹,龙亮,葛琪,等. 基于低谷填入法的插电式混合动力汽车集中充电策略[J]. 电力需求侧管理, 2010, 12(6): 8-11, 23. WANG Dan，LONG Liang，GE Qi, et al. Centralized charging strategies for PHEV based on filling-in at valley method[J]. Power Demand Side Management, 2010, 12(6): 8-11, 23.

[53]李国伟. 智能电网调度主站D5000系统的应用研究[D].华北电力大学,2014. LI Guowei. Research on applicating for the D5000’s scheduling system of the smart grid[D].Beijing: North China Electric Power University, 2014.

[54]谢开,刘明志,于建成. 中新天津生态城智能电网综合示范工程[J]. 电力科学与技术学报, 2011, 26(1): 43-47. XIE Kai, LIU Mingzhi, YU Jiancheng. Summary on smart grid integrated demonstration project of sino-singapore Tianjin eco-city[J]. Jouanal of Electric Power Science and Technology, 2011, 26(1): 43-47.

[55]王继业, 郭经红, 曹军威, 等. 能源互联网信息通信关键技术综述[J]. 智能电网, 2015, 3(6): 473-485. WANG Jiye, GUO Jinghong, CAO Junwei, et al. Review on information and communication key technologies of energy internet[J]. Smart Grid, 2015, 3(6): 473-485.

[56]樊冰, 唐良瑞. 电力通信网脆弱性分析[J]. 中国电机工程学报, 2014, 34(7): 1191-1197. FAN Bing, TANG Liangrui. Vulnerability analysis of power communication network[J]. Proceedings of the CSEE, 2014, 34(7): 1191-1197.

[57]辛耀中,石俊杰,周京阳,等. 智能电网调度控制系统现状与技术展望[J]. 电力系统自动化, 2015, 39(1): 2-8. XIN Yaozhong, SHI Junjie, ZHOU Jingyang, et al. Technology development trends of smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 2-8.

[58]苗新,张恺,田世明,等. 支撑智能电网的信息通信体系[J]. 电网技术, 2009, 33(17): 8-13. MIAO Xin，ZHANG Kai，TIAN Shiming, et al. Information communication system supporting smart grid[J]. Power System Technology, 2009, 33(17): 8-13.

[59]乔建国. 电力系统信息平台的构建研究[D]. 南京: 东南大学,2006. QIAO Jianguo. The study of designing electric power system information platform[J].Nanjing: Southeast University, 2006.

(编辑 景贺峰)

A Review on Development Practice of Smart Grid Technology in China

SONG Xuankun1, HAN Liu1, JU Huangpei2, CHEN Wei1, PENG Zhuyi1, HUANG Fei1

(1. State Power Economic Research Institute, Beijing 102209, China;2. Tianjin University, Tianjin 300072, China)

Smart grid has become an inexorable trend of energy and economy development worldwide. Since the development of smart grid was put forward in China in 2009, we have obtained abundant research results and practical experiences as well as extensive attention from international community in this field. This paper reviews the key technologies and demonstration projects on new energy connection forecast, energy storage, smart substation, disaster prevention and reduction for power transmission lines, flexible DC transmission, distribution automation, distributed generation access into micro grid, smart power consumption, the comprehensive demonstration of power distribution and utilization, smart power dispatching and control system, communication network and information platform in China, systematically, on the basis of 5 fields, i.e., renewable energy integration, smart power transmission and transformation, smart power distribution and consumption, smart power dispatching and control system and information and communication platform. Meanwhile, it also analyzes and compares the developmental level of similar technologies abroad, and provides an outlook on the future development trends of various technologies.

smart grid; renewable energy; smart power transmission and transformation; smart power distribution and consumption; smart power dispatching and control system; information and communication platformsmart grid

TM 727

A

1000-7229(2016)07-0001-11

10.3969/j.issn.1000-7229.2016.07.001

2016-03-01

宋璇坤(1959)，女，教授级高级工程师，主要研究方向为电力系统分析与控制、智能电网评价与设计等；

韩柳(1975)，女，硕士，教授级高级工程师，主要研究方向为新一代智能变电站、智能电网评价与设计等；

鞠黄培(1995)，男，大学本科，主要研究方向为电力系统分析与控制及智能电网发展规划等；

陈炜(1985)，男，博士，工程师，主要研究方向为新能源电力系统及智能电网评价与设计等；

彭竹弈(1989)，女，硕士，工程师，主要研究方向为电力系统分析与控制、智能电网评价与设计等；

黄飞(1991)，男，硕士，工程师，主要研究方向为电力系统分析与控制、智能电网评价与设计等。