1.3.2　需求侧管理的研究现状

需求侧管理相较于电力公司单方面参与建设管理，鼓励用户参与到电网运行中来，更能够达到节能和低碳的效果。文献[24]主要研究了智能需求侧管理中各子结构的功能，并基于系统的交互集成策略，取得了明显的节能和低碳的效果。文献[25]从电网规划的角度出发，研究了需求侧管理在节能降损方面的重要作用。文献[26]在电网规划过程中考虑需求侧资源，通过合理的资源配置落实电网规划阶段的节能目标。文献[27]考虑需求侧管理的需求，分析出通过对可控负荷进行有效控制不仅可以提高机组的运行效率，而且可以提高消纳间歇性能源的能力。文献[28]将柔性负荷分为可平移和可削减负荷，以风电消纳率、日负荷峰谷差及柔性负荷利用率为目标构建调度模型。文献[29]针对含风电的电力系统，将柔性负荷分为激励负荷和可中断负荷，建立了一种计及两种柔性负荷的发电用电一体化调度模型。文献[30]将柔性负荷视为峰值资源，并考虑了峰值柔性负荷调节，提出了大规模的风能随机优化方法。X. Xue等提出了一种商业建筑的快速需求响应策略并实现了高峰负荷削减[31]。G. Goddard等针对大型商业供热、通风与空气调节（Heating, Ventilation and Air Conditioning，HVAC）系统的需求响应控制，提出了一种单状态变量模型[32]。X. W. Li等研究了中小型商业建筑的热质量模型预测控制，并建立了包含成本和热舒适度的多目标优化问题，在建筑能耗削减的同时保证了用户的热舒适度[33]。

电动汽车规模化接入得益于各国政府的支持和引导。中美清洁汽车联盟在电动汽车各项关键技术上展开联合研究，在动力电池技术、电驱动技术、车辆-电网交互系统等方面进行合作，共同推动两国电动汽车技术发展[34]。电动汽车规模化接入后，作为用户的主要大功率用电负荷，其电池是参与电网交互的关键[35]，有效的电池性能分析是参与互动的理论基础[36]。电动汽车电池生命周期可以用完全充放电次数来衡量，随着充放电次数的增加，当其容量减小为额定容量的80%左右则需要进行更换[37]。电池的制作工艺及充放电导致其容量减小和产生部分安全隐患，因此，电动汽车电池生命周期优化成为研究的热点。作为电子产品，电动汽车电池生命周期与工作环境密切相关[38]。电池的可靠性和安全性是电动汽车工作和能量优化管理的基础，考虑电池老化和生命周期分布的优化操作策略至关重要[39]，如果构建相应的数据库对其进行研究不仅价格昂贵，而且缺少相关的传感器量测数据对其进行刻画。在对电池理化特性进行分析的基础上，J. D. K. Bishop等通过对电池性能和循环次数的定量实验，研究了电动汽车与电网互动对其电池寿命的影响，研究结果表明不同的电池管理方式和充放电深度将严重影响电池的使用寿命[40]。V. V. Viswanathan和M. Kintner-Meyer研究了电动汽车动力电池参与梯次利用的退化过程，并对其在多种激励机制下的经济性进行了分析，证明了解耦后的动力电池在参与电网互动方面的优势与可行性[41]。在电池生命周期和最优使用方面，文献[42]提出了部分线性化的输入输出电池模型，该模型考虑了室温下电池恢复效应。文献[43]提出了应用电阻充电和调整放电电流的电池维修方法，该方法受限于制造商的数据表和量测方法。H. Y. Li等基于对锂电池性能及其在运行过程中故障的检测和分析，构建了电动汽车电池的监测和管理系统[44]。文献[45]分析了动力锂离子电池的性能衰减机理及影响因素，分析了寿命测试方法、建模方法和在线估计方法。文献[46]以动力电池标称数据为基础，基于日常充电/换电、放电数据对电池进行检测，并制订电池维护计划，给出了动力电池全寿命周期特征参数评估算法。

电池荷电状态（State of Charge, SOC）不仅影响电动汽车性能和安全性，也是电动汽车生命周期优化的重要参数。目前，国内外在动力电池SOC估算方法方面已经进行了大量研究，提出了不同的SOC估算方法。常用的电池SOC估算方法主要有：对电流和时间进行积分的安时法[47]、基于开路电压和SOC关系的开路电压法[48]、基于电路模型或电化学模型的SOC估算方法[49]、基于卡尔曼滤波的方法[50]、基于观测器的方法[51]等。由于电池本身具有高度非线性，安时法需要SOC初始值，长时间会导致累积误差；开路电压法通过电流输入、端电压输出和电池模型计算出假想电流为0时的开路电压，再根据开路电压与SOC的关系得到当前SOC，曲线的老化更新和精度不能同时保证，模型的误差会导致较大的SOC估计误差；电路模型的估算方法综合应用电池电压响应和电流累计信息，结合了电池模型估计结果和安时法的结果，其估算精度与模型参数密切相关；基于卡尔曼滤波的方法，计算量较大；电化学模型由于其本身的复杂性难以在实际中广泛应用。