综述：分布式逆变器式测相单元在现代配电网中集成分布式能源资源的应用 约翰·史蒂文·菲埃罗-林孔（John Steven Fierro-Rincón）、 卡洛斯·阿图罗·洛萨诺-蒙卡达（Carlos Arturo Lozano-Moncada）、 爱德华多·戈麦斯-卢纳（Eduardo Gómez-Luna）、 路易斯·费尔南多·格里萨莱斯-诺雷尼亚（Luis Fernando Grisales-Nore?a） 以及丹尼尔·萨宁-维拉（Daniel Sanin-Villa）

《Applied System Innovation》：Applications of Distribution Phasor Measurement Units for the Integration of Distributed Energy Resources in Modern Distribution Networks John Steven Fierro-Rincón, Carlos Arturo Lozano-Moncada, Eduardo Gómez-Luna, Luis Fernando Grisales-Nore?a and Daniel Sanin-Villa

　　摘要：分布式能源资源（DERs）的快速增长加剧了现代配电网中的运营挑战，尤其是在可观测性、双向功率流动、馈线模型准确性以及快速事件检测方面。本文批判性地探讨了分布式逆变器式流式测量单元（D-PMUs）在这一转型过程中的作用。除了列举已报道的应用案例外，本文还评估了D-PMUs在超越传统监控技术时所具有的技术和实际条件。特别关注了状态估计、事件检测、辅助操作、通信延迟、同步脆弱性、经济可行性以及来自现场部署的有限证据。研究表明，D-PMUs在馈线头部、DER互联点、开关位置和微电网边界特别具有吸引力，因为在这些位置，同步的相位角测量能够提高对动态和不平衡现象的可见性。然而，其广泛部署仍受到成本、通信基础设施、互操作性、时间安全性和公开记录的公用事业规模结果的稀缺性的限制。文章最后指出了最有前景的研究方向，包括基于物理的学习、基于图的分析、边缘处理以及针对富含DER的配电网的应用驱动定位策略。

1. 引言
电力供应的管理已成为一个核心问题，因为它对地区和国家的社会和经济发展有着重要影响。技术进步和对电力需求的增长要求终端用户通过整合分布式能源资源（DERs）积极参与能源生产管理[1]。DERs包括分布式发电（DG）、储能系统、电动汽车（EVs）和需求响应计划等。DER技术依赖于多种能源，如光伏、风能和地热发电机等。这种多样性凸显了将分布式发电与传统电力配电网整合的必要性[2]。这种整合促成了智能电网概念的出现，该概念结合了本地发电、先进的计量技术、通信技术和控制系统，以实现更好的网络监控和控制。目标是提高传统电力系统的可靠性、安全性、弹性和灵活性[3]。适当监控配电网的电压、电流和功率流动对于实施优化网络资源利用的控制措施至关重要。此外，它还有助于提高保护协调性，从而减少服务停运。在这方面，分布式流式测量单元（PMU）是一项有前景的技术，因为它能够提供实时电参数和相位角测量值，并结合全球定位系统（GPS）数据，其采样分辨率优于传统设备[4,5]。PMU已成功应用于输电系统，称为传输式流式测量单元（T-PMUs），使运营商能够有效应对意外事件。然而，其在配电网层面的应用——即分布式流式测量单元（D-PMUs）——在实现最佳整合方面仍面临重大挑战。理解其工作原理对于识别其潜在应用和确保与其他网络元素的互操作性至关重要。作为先进的测量设备，D-PMU是配电网现代化的补充组件，现代配电网越来越需要准确了解系统状态，以确保可靠性和安全性[6]。早期的现场部署和试点研究表明，D-PMUs可以改善情境感知、事件特征描述以及馈线级别的模型验证，尤其是在馈线头部、DER互联点和微电网边界。然而，这些好处仅在有限的试点项目中得到验证，还无法推广到所有配电网。因此，本文不仅考察了D-PMUs的技术机会，还分析了与成本、通信、互操作性和部署密度相关的实际障碍[4,7]。最近以部署为导向的研究使这一点更加具体。Wang等人[8]报告了在分布式能源资源高度渗透的公用事业配电网中D-PMU的现场部署和数据分析，展示了在真实网络条件下同步馈线测量的实际价值。此外，Vasapollo等人[9]在EPFL大学校园内的中压微电网中展示了一个基于D-PMU的情境感知系统，说明了分布式流式测量单元如何在实际运营环境中支持实时监控。这些研究将讨论基于实地经验，而不仅仅是模拟证据。

DERs在传统配电网中的日益普及带来了新的运营挑战，预计D-PMUs将有助于克服这些挑战。尽管人们对D-PMUs的兴趣日益增加，但文献中仍然缺乏一种决策导向的综合评估，区分了已证明的实用性、有前景的概念和仍处于探索阶段的应用于。特别是，最近的研究表明，D-PMU的价值在很大程度上取决于应用场景，因为这些设备在馈线头部、DER互联点、开关位置和微电网边界最为有用，而在整个馈线范围内进行密集部署在经济上很少具有合理性。因此，本文不仅总结了已报道的应用案例，还探讨了四个未解决的维度：D-PMU支持的应用中的方法论权衡、经济和运营边际效用、通信和同步约束，以及基于模拟的结果与现场部署之间的成熟度差距[4,10]。最近的贡献强调了从更广泛的运营角度分析DER整合的必要性。Adham等人[1]通过系统评价表明，DER的部署越来越多地与协调性、可见性和管理挑战相关，这些挑战超出了简单的技术互联范围。Tavalaei等人[11]证明，现代智能配电网需要同时考虑储能、电动汽车和网络重构，这表明未来的运营必须依赖于更强的监控和控制能力。Lankeshwara等人[12]强调，在高DER渗透率下，基于网络意识的控制依赖于关于配电网实际运行条件的可靠信息。从经济和监管的角度来看，Azim等人[13]认为，电价、管理框架和市场结构对于分布式资源的成功整合至关重要。从更具体的运营角度来看，Shan等人[14]提出了一种改进的DER管理系统，用于主动配电网，表明电网边缘资产与配电运营商之间的协调成为核心要求。这些最新研究表明，D-PMU不仅应被视为测量设备，还应被视为支持更加适应性、协调性和信息丰富的配电网运行的使能技术。

与早期综述文章相比，本文更加强调五个方面，这些方面在之前的调查中往往只是简要提及：来自现场部署和真实馈线验证的证据、在应用驱动部署下D-PMUs的边际效用、通信和时间安全约束、经济和监管解释，以及D-PMU与边缘处理和基于物理或基于图的分析的整合。为了实现决策导向的视角，本文的其余部分围绕四个工程问题进行结构化：D-PMUs应部署在哪里、哪些应用最能从同步相位角测量中受益、每种方法论家族在哪些运营和数据约束下适用，以及哪些障碍仍阻碍了更广泛的应用。

2. 总体背景
2.1. 分布式同步流式测量的概念基础
流式测量技术在20世纪80年代出现，作为一种获得比传统监控更高时间精度的电参数时间对齐测量的方法[15]。相位表示正弦电波形的幅度和相位角，是PMUs报告的基本量[5]。当这个相位相对于一个共同的时间参考（通常由GPS提供）进行计算时，它就变成了同步流式测量单元，这使得能够在网络不同位置收集的测量结果进行直接比较[5,16]。这种同步能力使PMUs在现代电力系统的监控、估计和动态分析中变得非常有用[17,18]。图1展示了相位的图形表示，显示了它们的正弦时域行为及其在复平面上的对应表示[19]。图1. 相位表示：(a) 正弦信号；(b) 相位图。在配电网层面，这些测量是通过D-PMUs获得的，D-PMU专为馈线条件（如不平衡、反向功率流动和由分布式能源资源引起的高变化性）进行了优化。其对成本更低和研究导向设计的发展也支持了这种兴趣，包括嵌入式和开源平台实现[20,21,22,23]。在这种情况下，D-PMUs比传输导向的PMUs更适合中低压应用，尤其是在需要高速相位角可见性进行馈线监控、干扰分析和模型验证时[24,25,26]。然而，这一优势应具体应用于特定场景，而不是作为性能或成本的普遍优势。从决策导向的角度来看，主要问题不是相位概念本身（已经确立），而是同步配电测量能够提供足够额外价值以证明部署合理性的实际条件。在富含DER的馈线中，主要的瓶颈通常不单独是传感硬件；而是涉及通信基础设施、同步质量、互操作性、网络安全、数据管理、维护要求、有限的可观测性、异构数据质量以及测量密度与所需支持的操作目标之间的不匹配[4,7]。当存在模型不确定性或可变运行条件时，这些约束变得更加严重。因此，下一节将从概念定义转向应用适合性、部署策略和工程约束。

2.2. 分布式流式测量单元（PMUs）
PMUs获取瞬时电压和电流值，并计算相应的相位以及其他相关参数，如频率、频率变化率（ROCOF）和相位角。然后使用GPS将这些相位报告给数据集中器并进行同步，生成同步流式测量单元[5]，如图2所示。这种同步允许位于系统不同位置的多个PMU的相位测量在时间上精确对齐，从而实现更准确的系统级监控和状态估计[7,19]。图2. 分布式流式测量单元（PMU）设备。来源：改编自[5]。PMUs在发电和输电系统中揭示了意外的行为，并确认了长期怀疑的模式。例如，PMUs发现了以前难以用传统方法识别的振荡现象，使电力系统的动态行为分析更加准确[27]。在基于同步流式测量的监控中，最常讨论的振荡模式对应于低频机电振荡，通常在区域间的模式约为0.1–0.7 Hz，在局部模式约为0.7–2 Hz。PMU通常由三个主要部分组成：
(a) 测量系统。
(b) 相位数据集中器（PDC）。
(c) 通信通道。

2.2.1. 同步流式测量系统
电力网络中的电压和电流相位图谱，以及频率、ROCOF和派生的有功和无功功率指标，代表了运营商用于安全系统运行的一些最关键的数据。实时了解这些变量可以提高情境感知能力，并支持更快地识别异常运行条件、事件传播和控制需求。因此，研究人员提倡在广域测量系统（WAMSs）中整合新技术，用于实时监控、控制和保护[10,28]。WAMSs是依赖于同步流式测量单元（PMUs）、先进的数字信号处理算法和通信基础设施的分布式测量系统[10]。这些系统也被称为同步流式测量系统（SPMSs）[10]。网络架构是一个关键考虑因素，因为某些应用需要极短的响应时间，而其他应用可以容忍适度的延迟。图3展示了一种集中式同步流式测量系统的总体方案，其中所有PMU数据都被传输到集中器以供使用。图3. 集中式同步流式测量系统的总体方案，包括相位数据集中器（PDC）。

2.2.2. 相位数据集中器
相位数据集中器（PDC）负责组织在一个预定义控制区域内PMUs报告的数据。其功能是接收、对齐和整合相位数据，使其适用于广泛的应用[29,30]。

2.2.3. 通信通道
通信通道使PMUs、PDC和更高级的控制中心之间能够高效可靠地传输数据。这些通道可能依赖于物理介质，如光纤、电话链路或电力线通信，或者依赖于无线介质，如无线电、蜂窝或卫星通信。相比之下，GPS主要用于提供时间同步，而不是遥测传输[5,29]。

2.3. 分布式能源资源（DERs）
DERs是小型资产，可以自动或手动管理，通常安装在消费中心附近并连接到配电网。根据其技术和运行模式，它们可以注入电力、吸收电力或提供辅助服务。这一类别包括分布式发电、储能系统、需求响应资源，在某些情况下还包括具有车对网功能的双向电动汽车。因此，并非所有电动汽车都应被严格地视为分布式能源资源（DERs），因为它们中的大多数主要表现为可控负载，而不是可调度能源资源。近年来，DERs的部署量稳步增加，包括电动汽车、储能系统和需求响应计划等技术。这些资源是互补的，但也可以独立运行。下面提供了每种类型DER的简要描述[31]。图4展示了DERs的主要组成部分。图4. 分布式能源资源（DERs）的主要组成部分，包括需求响应、电动汽车、储能系统和分布式发电单元。DERs的快速增长，尤其是基于可再生能源的系统，凸显了传统电网基础设施的不足。双向电力流的出现，加上对可靠性、弹性和电能质量日益增长的需求，给现代配电网带来了重大挑战。

2.3.1. 储能
储能 在电力行业转型中发挥着基础性作用，因为它提供了应对新兴挑战的灵活性，提高了系统稳定性，并减缓了资产退化。在这种情况下，由于储能技术具有技术和经济优势（包括降低能源传输的运营成本），预计它们将占据关键地位[32,33]。

2.3.2. 需求响应计划
全球电力需求的稳步增长要求电网架构能够满足这些需求，同时确保基础设施的安全性并最小化对消费者的风险。需求响应计划通过实施智能负载管理策略来应对这些挑战，从而减少需求波动对电网的负面影响[34,35]。

2.3.3. 分布式发电（DG）
分布式发电（DG）是由电力生产和输送方式的变化以及传统能源逐渐被可再生能源技术取代所推动的。尽管目前没有普遍接受的DG定义，但其共同特点是它们在配电网中的分散布局。这种方法使用户能够将本地生成的电力注入系统，从传统的集中式模式（大型发电厂为远距离需求中心供电）转变为双向模式，即通过小型、主要是可再生能源的安装直接在消费点产生电力[3]。

2.3.4. 电动汽车
全球范围内的试点项目正在测试将电动汽车（EVs）作为移动和灵活的能源资源的使用。通过结合智能电表、协调的充电策略和机器学习技术，电动汽车可以在电价较低的时段充电，并且在具备双向传输基础设施的情况下，还可以向电网放电或在中峰需求期间断开连接，从而提高系统的灵活性[36]。然而，在大多数实际情况下，电动汽车仍然主要表现为灵活负载，只有车辆到电网的配置才能被视为真正的储能型DERs[37,38]。

3. 在富含DER的配电系统中使用分布式式逆变器式Philadelphia Malemute（D-PMUs）
传统电气网络向智能电网的转变正在重塑配电系统的运行范式。整合了电动汽车、储能系统和可控负载等DERs后，电网引入了间歇性和不确定性。这些变化给配电系统运营商（DSOs）、工程师和需求侧参与者带来了新的挑战。不幸的是，配电网络在监控、测量精度和数据管理方面落后于输电系统。这种日益增加的复杂性提高了对能够改进配电系统监控和控制的设备的需求[10]。

3.1. 带有DER集成的D-PMUs的规划和建模
规划是确保配电系统安全、可靠和经济运行的关键要素。传统上，由于电力流动是单向的且配电网络中没有活跃能源资源，规划相对简单。然而，DERs的整合从根本上改变了这一范式，为DSOs带来了新的挑战。需要先进的监控工具、仿真以及分布式式逆变器式Philadelphia Malemute（D-PMUs）的部署来更新和验证配电规划模型。图5展示了带有DER集成的配电网络中D-PMUs的部署情况。图5. 带有DER集成的配电网络中的D-PMUs布置。该图概述了将DERs整合到配电网络中的主要挑战，包括可再生能源的互连、低电压电网中可再生能源的高渗透率以及微电网的互连。它还强调了可能的解决方案，如先进的保护方案、孤岛检测和恢复、电能质量评估、改进的建模以及集成成本评估。在这种情况下，D-PMUs提供了同步的高分辨率测量数据，增强了状态估计能力，有助于检测反向电力流动和电压事件，并加强了保护协调，从而提供了解决这些问题的实际手段。

DERs可以根据地理位置和当地需求要求安装在不同的规模上，从几千瓦（kW）到几十兆瓦（MW）不等[39]。即使是几兆瓦的注入也可能显著影响配电流量，造成不确定性并可能导致馈线负载超过额定容量。此外，基于逆变器的DERs通常依赖于专有的控制方案，这些方案可能与DSOs使用的模型不匹配，增加了系统优化的难度[40]。因此，自动化技术对于补充D-PMUs的监控和确保高效的DER集成至关重要。配电建模中的错误通常源于：有限的SCADA数据和不足的监控，这使得运营商无法观察随着DER渗透率增加配电系统的响应情况；缺乏关于已安装DERs的详细信息，这阻碍了在不影响电压稳定性、保护协调或反向电力流动相关操作违规的情况下对承载能力的估计；在没有准确了解DER在可变发电高峰期间的行为的情况下，DSOs必须假设最坏的情况，以将不确定性保持在可容忍的运行范围内。这种保守的方法可以防止可靠性问题，但可能导致过于严格的规划策略[41]。最近的研究使得D-PMUs的部署规划和建模更加严格和以应用为导向。Lin等人[42]提出了一种基于节点指标的多阶段D-PMUs布置方法，表明应根据可观测性需求和节点重要性逐步进行部署，而不是在整个馈线上均匀布置仪表。Wu等人[43]研究了PMUs和双用途线路继电器的联合最优布置，证明了当状态估计需求与故障重建目标协调时，仪表规划可以得到改进。Khanam等人[44]分析了在分布式发电效应下的基于PMU的电压估计，强调了PMU布置对电压评估和馈线性能的直接影响。Yu等人[45]开发了一个稳健的状态估计框架，明确考虑了多种分布式发电输出模式和测量损失，这对于在不确定运行条件下的实际规划研究尤为重要。Tian等人[46]通过提出基于混合频率测量和分层加密的分布式状态估计，进一步扩展了这一视角，表明规划和建模还必须考虑测量异质性和网络安全的数据交换。综上所述，这些工作表明D-PMUs的规划应被视为一个分阶段、多目标且具有操作背景的问题。

3.1.1. DER数据采集的现状
配电网络在数据采集和建模精度方面仍落后于输电系统[47]。为了改进规划，必须保证能够从仿真模型和现场测量中获取可靠的数据。今天的配电系统数据来源包括：监控控制和数据采集（SCADA）、配电线路传感器、高级计量基础设施（AMI）和智能电表、气象数据。历史上，规划模型变化很小。DSOs通过手动现场检查或在变电站汇总客户数据来验证馈线状态，往往依赖于过时或不精确的记录。当配电网络表现为可预测的负载时，这种方法是足够的，但现代DER的渗透要求更高分辨率的数据。最近的努力包括使用新的测量源（如AMI和智能电表）来验证规划模型，从而提高了负载幅度、馈线性能和网络模型的一致性[48]。研究现在还涵盖了稳态、故障电流、动态和瞬态分析，以确保DG的整合。然而，建模错误（如不准确的线路阻抗）可能导致误导性的操作评估和潜在的不必要投资，这激发了从智能电表数据估计线路参数的最新研究[49]。配电网络的辐射结构和历史上的单向流量曾经使得简单的验证就足够了[50]。然而，随着DER渗透率预计将超过最小日负荷甚至高峰负荷，新的动态正在出现。文献报道了夏威夷和加利福尼亚的案例，其中高光伏渗透率可能导致电压控制问题、反向电力流动条件和馈线级别的保护协调挑战[50,51]。准确进行动态规划的关键障碍包括：同一电路上多个DER之间的协调不足；物理基础设施问题，如线路阻抗错误和相位不平衡；基于长时间尺度的负载模型；缺乏用于稳态、动态和瞬态研究的集成商业软件；不同平台之间的数据格式不兼容。

3.1.2. D-PMUs作为DER整合的解决方案
新兴的配电网络需要高速测量设备。D-PMUs通过采集实时数据满足了这一需求，提高了规划精度并增强了运行模型。它们的同步逆相测量数据提供了关于负载和可再生能源发电（特别是太阳能光伏）变化性的重要见解[52]。从规划的角度来看，D-PMUs的主要贡献是改进了馈线模型验证、参数识别以及在DER变化下的可观测性。这些测量所支持的具体操作应用将在第3.2节中单独讨论。

3.1.3. D-PMUs与替代技术的比较
虽然智能电表和线路传感器提供了有价值的数据，但它们在配电级别规划的分辨率上不如D-PMUs。D-PMUs能够高速测量相位角，这在反向电力流动估计、馈线阻抗验证和DER整合监控方面提供了无与伦比的优势[6]。具体来说，D-PMU的测量数据可以用来表征：物理网络；发电、负载和馈线电压之间的关系；DER在稳态和动态条件下的变化行为。D-PMUs的实际价值应通过边际效用来解释，而不仅仅是简单的技术优势。虽然智能电表和线路传感器提供了有价值的数据，但在同步相位角信息显著改变馈线可观测性的情况下（例如在馈线头部、DER互连点、切换位置和微电网边界），D-PMUs尤为有用。因此，文献倾向于支持根据应用需求进行布置，而不是在整个馈线上均匀布置[4,6,7]。表1应被视为基于文献的综合，而不是新的仿真或实验活动的结果。比较标准总结了综述研究中反复出现的属性，特别是时间分辨率、同步性、相位角可用性、动态现象的可观测性以及适用于DER相关应用的适合性。

3.2. 带有DER集成的D-PMUs的应用
专门为配电系统设计的相位测量单元通常被称为分布式式逆变器式Philadelphia Malemute（D-PMUs）。本节概述了配电系统中的一组应用，可分为以下几类：系统状态估计、事件检测和辅助操作[5,10,28]。这些应用在图6中进行了说明。图6. 带有DER集成的配电系统中D-PMUs的应用。图7将文献演示为一种进化路线图。这一进程从基于传统模型的估计和监控开始，其中D-PMUs主要改善了可观测性和测量精度。随后发展到混合多源范式，其中D-PMU数据与SCADA、AMI、线路传感器和伪测量相结合。下一个阶段是学习辅助分析，其中基于图的估计、事件分类和自适应监控结合了D-PMU流和数据驱动的模型。最新的阶段是物理感知和边缘导向的智能，其中通过拓扑感知的学习、网络安全边缘架构和数字孪生支持的分析来处理同步测量数据。这一路线图很有用，因为它表明该领域已经从提高可见性发展到支持越来越自主和具有上下文意识的操作决策。图7. 分布式富含DER的配电网络中D-PMU支持方法的进化路线图和分类，展示了从基于传统模型的监控到混合数据融合、学习辅助分析和物理感知边缘智能的进展。对文献的决策导向解读不仅需要识别每种方法的功能，还需要明确每种方法适用的工程背景。表2总结了D-PMU数据所能支持或加强的主要方法论家族，并根据五个维度进行了比较：预期精度、对噪声或不完整测量的鲁棒性、计算负担、对非理想馈线条件的适应性以及针对特定操作限制的实际适用性。目的是帮助读者从以技术为中心的观点转向以选择为导向的观点。

3.2. 带有DER集成的D-PMUs的应用
专门为配电系统设计的相位测量单元通常被称为分布式式逆变器式Philadelphia Malemute（D-PMUs）。本节概述了配电系统中的一系列应用，包括系统状态估计、事件检测和辅助操作[5,10,28]。这些应用在图6中进行了说明。图7将文献展示为一种进化路线图。这个进程始于基于传统模型的估计和监控，其中D-PMUs主要改善了可观测性和测量精度。然后发展到混合多源范式，其中D-PMU数据与SCADA、AMI、线路传感器和伪测量相结合。下一个阶段是学习辅助分析，其中基于图的估计、事件分类和自适应监控使用D-PMU流和数据驱动的模型。最新的阶段是物理感知和边缘导向的智能，其中通过拓扑感知的学习、网络安全边缘架构和数字孪生支持的分析来处理同步测量数据。这个路线图很有用，因为它表明该领域已经从提高可见性发展到支持越来越自主和具有上下文意识的操作决策。图7. 分布式富含DER的配电网络中D-PMU支持的方法的进化路线图和分类，展示了从基于传统模型的监控到混合数据融合、学习辅助分析和物理感知边缘智能的进展。对文献的决策导向解读不仅需要识别每种方法的功能，还需要明确每种方法适用的工程背景。表2总结了D-PMU数据所支持或加强的主要方法论家族，并根据五个维度进行了比较：预期精度、对噪声或不完整测量的鲁棒性、计算负担、对非理想馈线条件的适应性以及针对特定操作约束的实际适用性。目的是帮助读者从以技术为中心的观点转向以选择为导向的观点。最近的文献还表明，D-PMU的应用正在从传统的监控任务发展为更先进的估计、保护和操作决策支持。岳等人[53]提出了一种基于图学习辅助的状态估计框架，该框架使用稀疏的异构测量数据，展示了如何将D型逆向式流式电量计（D-PMU）的信息与现代学习架构相结合，在有限的感知条件下提高可观测性。张等人[54]开发了一种基于联合流式电量计和自适应式流式电量计（AMI）数据的实时电压估计方法，证明了D-PMU与其他数据源结合时能够支持准确的状态重建。在保护应用方面，杜阿等人[55]评估了基于同步相量的角度差动保护在配电系统中的应用，并表明D-PMU的测量数据可以在分布式能源资源（DER）丰富的环境中增强故障判断能力。对于电能质量管理应用，邵等人[56]提出了一种基于动态图的谐波源定位方法，指出D-PMU也有助于在网络不确定性较高的情况下进行更高级的谐波监测任务。在运营支持领域，苏等人[57]设计了一种适用于具有混合储能系统的主动配电网络的两阶段调度框架，说明高质量的系统信息可以嵌入到实时运营策略中。这些贡献表明，D-PMU的应用变得越来越多样化，并且在方法论上更加成熟，特别是在将同步测量数据与估计、学习和优化框架结合使用时。

3.2.1 系统状态估计
由于服务的负载数量众多，配电系统生成的数据远超过输电系统。状态估计允许配电系统操作员（DSO）持续监控配电网络[30]，通过D-PMU提供的物理测量数据与数学模型[5]进行校准。D-PMU通过实现持续的状态监控[6,7]增强了实时态势感知能力。从方法论的角度来看，基于D-PMU的状态估计主要沿着两个方向发展：基于滤波的方法，如卡尔曼滤波和扩展卡尔曼滤波公式；以及基于优化的方法，如加权最小二乘法、凸松弛和混合数据-模型估计器。当需要高频率的序列更新时，基于滤波的方法更具吸引力，因为它们可以利用时间连续性并快速应对干扰。然而，它们的性能在很大程度上取决于噪声建模、初始化和线性化假设。基于优化的方法通常对异构数据源和网络约束具有更强的鲁棒性，并且更适合处理不平衡的馈线和不良数据，尽管在观测能力有限的情况下可能需要更大的计算量。在高度不平衡的网络和高阻抗条件下，结合D-PMU测量数据与馈线物理特性的混合公式往往能提供更可靠的估计结果[10,24,58]。

3.2.2 事件检测
配电网络中感兴趣的事件包括由于故障、拓扑变化、负载行为和源动态引起的电压和电流波形的正弦和非正弦瞬变。例如电压下降、电压上升、故障电流以及电压和频率的振荡。D-PMU能够快速检测和表征这些事件，支持纠正措施和影响评估[28]。传统的检测方法可以识别某些干扰，但无法捕捉所有类型事件。相比之下，D-PMU为故障检测和分类提供了更详细的信息[68,69]。最近的方法还结合了基于模型的定位和数据驱动的分类来改进配电系统中的事件分析。例如，已经提出了基于D-PMU的方法来定位电力分配系统中的事件源，同时开发了基于图神经网络的分类器用于活跃配电网格中的事件分类和区域识别[70,71]。配电系统的现代化还需要自动化分析由传感器产生的大量数据，以提高操作员的响应能力。在这方面，已经报道了基于D-PMU的事件分类框架和基于学习的分类器，用于频率事件和其他配电网格干扰[69,71,72]。

3.2.3 辅助操作
D-PMU的高分辨率测量数据允许详细观察配电操作中的瞬态动态，如微电网重新连接、负载切换和电容器组集成[38]。

3.2.4 跨研究定量综合
尽管所回顾的研究在馈线规模、目标函数、部署密度和评估指标方面存在差异，但报告的数值证据仍然揭示了几种反复出现的趋势。首先，稀疏但战略性布置的D-PMU可以产生可测量的可靠性提升。阿古多等人报告称，在一个39节点系统中，仅安装两个D-PMU就减少了13.84%的年未供电量；在一个真实的962节点馈线系统中，这一比例降低到了24.96%，同时SAIDI（系统平均故障次数）也减少了20.36%[78]。其次，当分布式发电（DER）战略性地集成时，基于D-PMU的监测和估计可以显著改善馈线性能。卡纳姆等人在一个33节点馈线中报告了81.044%的功率损失减少，在一个69节点馈线中减少了79.256%[44]。第三，D-PMU支持的故障分析在DER丰富的条件下可以实现非常高的预测性能。西迪克等人获得了99.46%的故障分类准确率、99.39%的故障段识别准确率，以及仅0.9%的故障位置误差[79]。这些结果并不支持普遍部署D-PMU，但它们一致表明，当D-PMU与明确的目标（如可靠性提升、模型验证、电压监控和干扰诊断）相关联时，可以获得最大的收益。表4简要总结了最近与D-PMU相关的研究结果[4]。

4. D-PMU在配电网络中的新兴视角
配电网络的快速发展不仅需要监测和控制技术的进步，还需要考虑网络安全、互操作性、监管框架、高级分析和韧性。这一部分将讨论扩展到更广泛的视角，这些视角正在塑造D-PMU的采用。最近的出版物不仅关注D-PMU的测量精度，还将其与网络安全、韧性、互操作性和数据智能等更广泛的问题联系起来。Jimada-Ojuolape等人[80]分析了基于流式电量计的网络物理电力网络中的网络安全挑战，明确指出同步相量基础设施现在必须根据攻击抵御能力和监控性能标准进行评估。Mejia-Ruiz等人[81]将这一讨论扩展到DER丰富的电力系统，表明当大量分布式资源集成到运营和通信层时，网络安全问题变得更加复杂。Sun等人[82]研究了使用协议级通信设计的虚拟电厂基础上的DER监测，这对于理解D-PMU如何适应互操作和分布式监控架构非常重要。Tang等人[83]回顾了活跃配电网络中的韧性增强，并强调了高质量同步测量在极端条件下的故障定位和恢复中的价值。最后，Al Khafaf等人[84]表明，现代配电操作越来越多地朝着数据智能方向发展，其中高分辨率测量、机器学习和电网的数字表示相结合，以支持低碳和适应性运营。这些研究表明，未来的D-PMU研究应该在一个包含安全通信、韧性运营和智能数据使用的更广泛背景下进行[4]。

4.1 网络安全和数据隐私
D-PMU的高速率同步相量流增加了配电领域的攻击面，其中虚假数据注入（FDI）和可用性攻击可能会破坏状态估计，误导保护措施或在干扰期间使操作员失明。最近的综述和测试平台研究表明，协调一致的、时间上连续的FDI可以绕过简单的残差测试和机器学习（ML）检测器，尤其是当攻击利用馈线之间的时空相关性时[85,86]。对策包括安全封装IEEE Std C37.118.2-2024帧[87]或IEC/TR 61850-90-5:2012消息[88]，关键的时间同步完整性，以及遥测白名单；然而，D-PMU的传输速率限制了重型加密的应用，并促使与测量设备共同部署边缘分析[26]。标准和指南采用了分层防御措施：IEEE Std C37.118.1-2011定义了同步相量测量要求[89]，IEEE Std C37.118.2-2024规定了同步相量数据传输格式[87]，而IEC 62351-3:2023和IEC 62351-6:2020为基于TCP/IP的协议和基于IEC 61850的通信提供了安全配置文件[90,91]。这些机制通常通过IEC 61850基础的变电站通信堆栈实现[92]；实际部署仍存在可扩展密钥管理和安全时间分布方面的差距[93]。最近的文献还表明，D-PMU的网络安全讨论必须明确包括GPS/GNSS同步威胁。Jimada-Ojuolape等人[80]将时间同步操纵确定为基于流式电量计的网络物理电力网络中的主要攻击类别，并指出针对流式电量计的安全研究必须将这些威胁与更广泛的SCADA相关的网络风险区分开来。Bhattacharya等人[94]进一步表明，时间同步攻击（TSAs）可以通过伪造基于GPS的时间戳来改变电压和电流相位信息，并提出了基于LSTM检测和样条插值校正的两阶段防御方法，该方法已在IEEE 9节点、14节点和57节点系统以及实时测试平台上得到验证。在更注重估计的方向上，Hua等人[95]将GPS伪造定义为流式电量计相位角度伪造问题，并提出了一种联合最大后验和最大似然方法，能够在混合测量下检测受攻击的流式电量计并改进安全状态估计[95]。这些最新研究表明，研究中最直接的进展发生在时间戳感知的检测、校正和鲁棒估计方面，而不是广泛采用的時間认证协议，因为正式的时间认证协议在配电流式电量计领域仍然不够成熟或应用不够广泛。因此，一个现实的结论是，对于DER丰富的配电系统，D-PMU的网络安全仍需要加强在可信时间分布、抗GNSS伪造的同步架构以及专为时间不一致性设计的不良数据检测方法方面的工作。因此，新兴的研究重点包括在非静态DER环境下实现低误报的实时异常检测、使用物理感知先验的攻击鲁棒DSSE公式，以及在最小化原始数据共享的情况下跨公用事业进行隐私保护的协作检测[4]。

4.2 标准化和互操作性
可互操作的D-PMU生态系统依赖于使测量、传输和互连标准与配电现实的相匹配（不平衡、频繁的拓扑变化、单相/双相馈线）。IEEE Std C37.118.1定义了同步相量、频率和频率变化率的测量要求，而IEEE Std C37.118.2规定了流式电量计、PDC（逆变器检测器）和相关应用程序之间的实时同步相量数据传输[4]。与此同时，IEEE Std 1547-2018 [96] 制定了分布式能源资源（DER）与电力系统互连的技术和互操作性要求，而IEC/TR 61850-90-5 [88] 为同步相量通信在监控、保护和控制应用中提供了可路由的IEC 61850配置文件 [87,89]。多供应商的实际经验指出，当M类和P类设备共存时，时间标记、速率适应和数据质量标志方面存在不兼容性问题，这会降低分析的效率；互操作性测试平台建议采用供应商中立的配置和统一的PDC层质量代码 [4]。在异构环境中，时间同步仍然是主要的错误来源：GPS的漏洞以及IEEE 1588-2019 [97]中定义的PTP（精确时间传播）在数据包网络上的性能变异性可能导致数微秒到数百微秒的时间偏差，除非在数据质量处理过程中进行监控和限制，否则这会对基于角度的应用产生显著影响 [93]。尽管IEEE C37.118及相关通信框架仍然是同步相量测量和传输的主要参考标准，但直接将其应用于配电系统并非易事。配电线路存在更强的相位不平衡、更高的谐波失真、频繁的拓扑变化以及以变换器为主导的动态特性，这些都与标准同步相量报告中的准正弦假设有所不同。因此，未来的工作不仅应推动现有标准的更广泛采用，还应明确是否需要针对配电系统的特定性能等级、报告速率和数据质量描述符，以适应富含DER的线路中的D-PMU（数字式逆变器式相位测量单元）应用。

4.3 经济和监管视角
D-PMU部署的成本效益分析必须考虑到设备和安装成本、通信成本（通常是最大的开支项）、数据平台成本、网络安全成本以及分析人员成本，同时考虑通过更快故障定位、提高 hosting 容量评估、减少SAIDI/SAIFI（供电中断次数和平均每次中断持续时间）以及通过更严格的运行限制来延迟资本支出的好处。对PMU布局的审查表明，价值集中在线路端点、DER设备互联点和开关位置，这些地方的相位角度能够显著提高可观测性；考虑目标应用进行联合优化的布局比均匀分布的布局能带来更好的回报 [4]。监管机构越来越多地使用结构化的效益-成本框架来评估电网现代化提案；通过 piloting 项目验证的运行收益记录以及性能指标（如恢复时间缩短、电压投诉率降低）可以增强提案的合理性，并符合基于性能的监管激励措施。剩下的障碍包括小型电力公司的资本制约以及跨职能数据价值货币化的挑战；共享的云/边缘平台和区域数据合作组织正在出现，以降低固定成本 [98]。

从经济角度来看，Mohamed等人 [99] 表明，D-PMU的部署可以与客户中断成本、电力损失和通信基础设施成本共同考虑。这对于监管评估很重要，因为它表明D-PMU的价值应通过运行效率和可靠性提升来评估，而不仅仅是设备成本。Agudo等人 [78] 显示，在一个39节点的系统中，仅安装两个uPMU就将年未供电量减少了13.84%；在一个实际的962节点馈线中减少了24.96%，同时也将SAIDI减少了20.36%。这些结果表明，D-PMU的经济价值可以直接与可靠性提升相关联，而不仅仅是与可观测性的提升相关联。在更广泛的仪器背景下，Wu等人 [43] 证明，联合优化PMU和双用途线路继电器可以在保持状态估计准确性的同时降低整体配置成本，并在故障后降低负荷损失率，这支持了测量部署应与运行目标共同设计的观点。

近期关于配电网络数字化的研究也加强了监管和成本效益的视角。Monaco等人 [100] 通过采访21位配电系统运营商（DSO）专家，揭示了配电网络数字化的障碍，并指出经济、监管、组织和技术方面的限制仍然阻碍了先进数字基础设施的大规模推广。Vilaplana等人 [101] 提出了一种动态的效益-成本分析框架，表明静态方法可能产生负的净现值，而包含再投资和运行反馈的动态建模可以为数字化项目带来正的净现值。在另一项应用能源研究中，Vilaplana等人 [102] 使用2012年至2021年的葡萄牙DSO和国家电网（NRA）数据发现，数字化投资将可靠性提高了约1.7%，而传统电网投资的提升仅为约0.18%；数字化对最终用户电价的影响有限，仅为0.07%，而电网投资的提升约为0.24%。这些发现对监管备案具有直接相关性，因为它们表明数字化监测投资可以带来可衡量的供电质量提升，同时电价影响较小。

Rodriguez-Perez等人 [103] 提出了一套针对欧洲配电系统的数字化指标，认为监管机构需要可衡量的传感器、连接性、数据处理和数字文化指标，以评估电网数字化是否有效进行。综合这些研究，支持了一种更量化的经济论证：当D-PMU的部署与可识别的可靠性或运行改进相关联，当仪器与保护和估算需求共同优化时，以及当监管机构使用动态和透明的效益-成本框架而非纯粹的静态资本比较来评估数字化投资时，D-PMU的价值最为显著。

从实际部署的角度来看，关键问题不在于安装更多D-PMU本身是否有优势，而在于特定的仪器配置是否能够减少影响运行性能的不确定性。在大多数配电线路中，第一个合理的部署阶段是有针对性的配置，通常位于线路端点、主要DER设备互联点、开关位置和微电网边界。当主要目标是支持状态估计、监控反向功率流动、事件特征描述或验证线路模型时，这种配置特别合适。第二阶段对应于中级线路覆盖范围，在这种情况下，会在电压控制设备附近、关键支线或能源存储接口安装额外的设备，尤其是在线路经常发生变化或DER设备变化较大的情况下。相比之下，在整个线路上进行密集部署通常更适合研究平台、高价值工业微电网或高度数字化的系统，在这些系统中，预期的运行效益可以证明与通信、网络安全、数据管理和维护相关的额外负担是合理的。在这种解释下，部署规模、传感器配置和成本效益评估应与预期应用一起考虑，而不应视为独立的设计决策。

为了明确这种实际解释，图8总结了一个基于应用场景、同步测量需求、基础设施准备情况和经济合理性选择的D-PMU部署规模和分析方法的决策导向框架。

4.4 与先进数据分析的整合
AID-PMU（集成了人工智能的PMU）数据使整个配电生命周期中的AI成为可能：基于物理知识的学习和图神经模型在相位不平衡和计量稀疏的情况下改进了配电系统稳定性（DSSE）；时空深度检测器（CNN–LSTM、变压器）可以毫秒级延迟地标识异常和网络攻击；短期预测功能将相位信息与天气/AMI（自动式机电式测量单元）数据结合起来，用于预测DER和负载变化 [58,86,104]。综述表明，强大的性能依赖于经过策划和标记的数据集，这些数据集能够捕获拓扑变化、逆变器动态和事件真实情况；来自协同模拟器和数字 twins 的合成数据增强可以缓解数据稀缺和类别不平衡问题 [98]。在D-PMU平台上部署紧凑型模型可以减少带宽和延迟，而云后端支持模型重新训练和整个设备群的漂移监控 [26]。未来的研究应超越对人工智能的通用引用，专注于明确利用线路拓扑和物理限制的架构。基于图的学习方法非常适合D-PMU应用，因为配电系统天然具有图结构，而且不同线路间的空间相关性对于DSSE、异常定位和拓扑验证至关重要。同时，基于物理知识的神经网络提供了一种有前景的方法，可以将稀疏测量数据与基于基尔霍夫原理的一致性结合起来，这在仪器有限的不平衡线路中尤其有价值。因此，最有前景的方向不是纯粹的黑盒学习，而是结合D-PMU、AMI和SCADA数据，在拓扑变化和DER变化条件下进行训练的混合物理感知模型。

从工程角度来看，应该区分两种不同的AI范式。在数据替换模型方法中，学习模型尝试直接从测量模式估计线路状态、分类事件或推断控制动作，对显式网络方程的依赖性较低。当模型不完整或需要快速推理时，这些方法很有吸引力，但它们更容易受到领域变化、拓扑变化和超出训练数据范围的外推限制的影响。在数据增强模型方法中，人工智能通过改进伪测量值、估计缺失变量、加速优化或在基于模型的估算器执行前筛选异常来支持基于物理原理的核心。这类方法通常更符合电力系统的要求，因为基尔霍夫原理的一致性、电压限制、电流限制、相位耦合和拓扑依赖性是不可或缺的刚性约束。对于D-PMU应用来说，最有前景的方向不是无限制的黑盒预测，而是受约束的混合架构，在这种架构中，数据驱动组件提高了速度和鲁棒性，同时物理模型保持了可行性和可解释性。

4.5 韧性和停电预防
在极端事件中，高频率、时间对齐的D-PMU可以提供早期不稳定性指标，验证开关操作和DER设备的调度，并支持微电网的受控隔离。案例研究表明，当相位角度引导线路重新配置和重新连接检查时，故障定位精度和恢复顺序得到改善，从而减少了客户的中断时间，避免了不必要的停电 [4]。在部分通信 loss 的情况下，边缘处理的同步相量传感器可以维持运营意识；弹性架构将本地筛查与中央确认相结合，即使在连接退化的情况下也能保持可观测性 [85]。最近的弹性研究还探索了超越传统线路自动化的恢复资源。例如，Sui等人 [105] 提出了一种移动式铁路发电机的调度策略，确保在灾难后的孤立配电系统中不间断供电，利用牵引电力系统作为能量传输通道。尽管这项工作没有针对D-PMU，但它体现了对高质量情境感知和协调控制的需求，在恢复导向的配电操作中具有重要意义。

4.6 现场部署和案例研究
最近的部署报告显示，数百个配电级同步相量传感器已与ADMS/PDC（自动化数据管理系统/精确时间传播）堆栈集成，重点安装在线路端点、DER设备互联点和微电网连接点。报告的经验包括优先考虑时间同步监控、质量代码的统一、通信回程设计以及应用驱动的部署方式；定量研究表明，当D-PMU数据与AMI和线路传感器融合时，可以更快地定位故障并改善电力质量分析 [4,8]。开源硬件/软件原型证明了边缘处理、安全流式传输和本地分析在真实线路中的可行性和成本控制能力 [26]。其他案例研究表明，配电级同步相量传感器的可靠进展是通过实际线路验证、现场经验和面向部署的测试平台相结合实现的，而不是通过纯概念性研究。例如，Agudo等人报告了一项在厄瓜多尔配电公司的实际962节点馈线上进行的实例研究，显示仅安装两个uPMU就将年未供电量减少了24.96%；在39节点系统中减少了13.84%，同时还将SAIDI减少了20.36%。这些结果表明，D-PMU的经济价值可以直接与可靠性提升相关联，而不仅仅是与可观测性提升相关联。

Vanin等人提供了更多来自现场运营的证据，他们使用实际智能电表测量数据和DSO数据评估了比利时三个低压线路的DSSE（配电系统稳定性）参数估计和网络模型验证。他们的案例中，研究网络实现了100%的智能电表覆盖率，这表明基于DSSE的程序可以在实际条件下有效运行，并为配电系统的模型验证提供了实用经验 [48]。

从部署和调试的角度来看，Bai等人描述了上海临港新城电网的案例，并开发了一种便携式多功能uM-PMU测试平台，能够评估15项不同的测试项目，包括电压幅值精度、相位角精度、频率精度、有功功率精度、无功功率精度和动态阶跃响应。他们的研究特别重要，因为它涉及广泛的实用测试和维护层面，考虑了35 kV变电站、10 kV开关站、架空线路、可再生能源接入点和电动汽车充电站等安装场景 [106]。面向运行分析的案例研究也报告了显著的定量收益。Siddique等人提出了一个针对带有分布式发电的主动式配电网络的PMU故障诊断框架，故障分类的准确率达到99.46%，故障段定位的准确率达到99.39%，故障定位的误差仅为0.9%。尽管这项研究是在实时数字模拟器环境中进行的，但其结果对配电应用具有相关性，因为它们明确考虑了分布式发电的不确定性和基于PMU的测量数据 [79]。同样，Khanam等人分析了使用12节点、33节点和69节点案例的配电网络中基于PMU的电压估计和分布式发电效应。他们的研究结果表明，在33节点系统中，与基准情况相比，功率损耗减少了81.044%；而在69节点系统中，这一比例减少了79.256%。这表明，当分布式发电（DER）得到战略性地整合时，利用光电式相位测量单元（PMU）进行规划和监控可以显著提升网络性能[44]。综合这些最近的研究，可以得出三个实际性的结论：首先，来自实际电力系统应用的公开证据仍然有限，但相关论文及现场经验报告开始出现；其次，当D-PMU与具体的运营目标（如可靠性提升、模型验证、故障诊断及可再生能源整合）相结合时，其部署价值最为明显；第三，测试基础设施、校准能力以及数据质量保证已成为从试点阶段转向大规模应用的前提条件。

4.7. 边缘计算与云计算融合的最新趋势
现有架构正朝着混合式边缘计算与云计算的方向发展，其中边缘计算设备的PMU平台负责加密、数据压缩、时间同步以及初步事件筛选，而云计算或电力数据中心则承担可扩展的数据存储、数据分析以及用于规划和运营的数字孪生技术[26,98]。这一趋势对D-PMU的部署尤为重要，因为实际限制不仅在于测量设备本身，还在于数据传输的延迟和抖动问题。对于高速应用（如孤岛检测、动态保护逻辑和瞬态事件分析），混合式边缘计算与云计算的协作能够减轻带宽压力，并在部分通信中断的情况下增强系统的韧性[4]。

5. 结论
本文从决策导向的角度探讨了D-PMU在富含分布式发电技术的配电网络中的作用。D-PMU的最大价值并不在于普遍部署，而在于那些能够通过同步相位角测量显著提升线路可观测性的特定应用场景，例如分布式流式电表（DSSE）的增强、反向功率流监控、干扰特性分析以及微电网协调。文献一致指出，当D-PMU的部署与明确的运营目标相联系，并且其带来的可见性提升能够直接服务于可靠性、电压监控、保护或控制性能时，其应用最为合理。综合各项研究，我们注意到以下关键挑战：首先，SCADA（监控与数据采集系统）、AMI（智能电表）、IED（智能型配电设备）以及D-PMU基础设施之间的数据孤岛现象依然存在；其次，异构多速率数据融合使得实时估计和验证变得复杂；第三，在GPS或GNSS信号不佳以及通信不稳定的情况下，数据同步的准确性成为问题；第四，公开可用的现场部署案例和基准数据集数量有限，限制了不同方法之间的公平比较；第五，不同平台、供应商和通信层之间的互操作性较弱；第六，在传统线路中进行密集部署的经济可行性存疑；第七，文献中描述的算法精度与实际操作中可测量到的价值之间存在差距。这些挑战指明了未来的研究方向。未来的工作应重点关注以下领域：结合可靠性和经济性标准的应用驱动型部署策略；在数据缺失或延迟的情况下，将D-PMU与AMI和SCADA相结合的混合式估计架构；考虑电气系统特性的学习方法；确保数据安全传输和边缘处理的同步机制；以及将技术指标与实际运营结果相联系的验证协议。短期内，应优先在线路终端、分布式发电设备互连点、开关位置和微电网边界处选择性地部署D-PMU；中期应关注混合式边缘计算与云计算的分析能力、互操作性的数据架构以及可靠的基准数据集；长期而言，应推动技术向电力级数字孪生和标准化评估框架的发展，使D-PMU的投资效果能够通过实际的工程价值来评判，而不仅仅基于设备的创新性。