1. 课程导入与规划场景认知

配电网规划的传统做法，是先把负荷预测曲线当作一条"给定"的输入，再据此决定线路截面、变电站容量和分段开关位置。这条曲线通常来自历史负荷外推，隐含一个假设：用户用电行为不可控，负荷只能被满足，不能被塑造。随着分布式光伏、储能、电动汽车充电桩和可调温控负荷大量接入中低压配网，这个假设正在失效——一部分负荷已经具备了"看信号、改行为"的能力，这就是柔性负荷。

柔性负荷参与配电网规划，本质上是把"负荷"从一个被动的预测对象，变成规划模型中的一个可调决策变量。它带来的不是简单的容量削减，而是规划边界、约束条件和目标函数的同时改变。本章不展开具体算法，而是先把场景、目标、边界条件和学习路径讲清楚，为后续章节建立统一的参照系。

一、为什么规划必须把柔性负荷纳入进来

先看一个典型场景。某工业园区配网馈线，夏季最大负荷 8.6 MW，其中可调温控负荷约 1.2 MW、电动汽车充电负荷约 0.9 MW、用户侧储能约 0.6 MW/1.2 MWh。若按传统规划，馈线容量需按 8.6 MW 并留 15% 裕度配置，即约 9.9 MVA。但若在规划阶段就约定：尖峰时段温控负荷上调 1.5 ℃、充电桩错峰至 23:00 后、储能放电 0.6 MW，则规划用最大负荷可降至约 7.1 MW，对应容量需求约 8.2 MVA。差额约 1.7 MVA，直接对应一台配变或一段电缆的选型差异。

这个例子说明三点：第一，柔性负荷的价值必须通过"规划口径"才能兑现，仅靠运行调度只能缓解短期越限；第二，柔性负荷的可信度取决于用户是否愿意响应，规划中必须用"可调容量×响应概率"而非铭牌容量；第三，柔性负荷改变了规划的时间尺度——它让规划从"年最大负荷"走向"分时段可调能力"。

二、本节核心：规划场景的四要素

柔性负荷参与配电网规划，可以拆成四个必须同时明确的要素：对象（哪些负荷可调）、目标（规划要优化什么）、边界条件（哪些约束不能突破）、路径（从数据到方案怎么走）。四者缺一，规划结果就不可信。下图给出这四要素之间的关系与信息流向。

三、目标：不是"越小越好"，而是"匹配规划意图"

柔性负荷参与规划的目标通常不是单一的。常见目标包括：降低设备容量投资、降低网损、提升供电可靠性、提高分布式新能源就地消纳率、延缓扩容投资。这些目标之间存在张力。例如，为了降容而把充电负荷全部推到深夜，可能造成新的夜间尖峰；为了消纳光伏而让储能中午充电，可能抬高午间负荷，反而增加部分设备压力。

因此规划中更实用的做法是分层目标：第一层是硬约束（电压、载流、N-1），第二层是主目标（如投资最小或综合成本最小），第三层是次目标（如网损、消纳率）。在示例参数下，若以综合成本最小为主目标，可设投资权重 0.6、网损权重 0.25、消纳权重 0.15，通过调整权重观察方案变化，而不是追求单一最优解。

四、边界条件：柔性负荷规划最容易出错的地方

边界条件决定了规划结果是否可执行。至少需要明确以下几类：

• 电气边界：节点电压允许范围（如 0.93～1.07 p.u.）、线路与变压器载流上限、反向潮流允许程度、短路容量约束。
• 用户边界：温控负荷温度可调范围（如设定值 ±1.5 ℃）、电动汽车离网时间与期望电量、储能 SOC 上下限（如 10%～90%）、工业负荷可中断时长与次数。
• 合同与政策边界：需求响应补偿标准、可中断负荷合同次数上限、分布式电源并网要求、投资预算上限。
• 时间边界：规划水平年（如 2025、2030）、典型日选取（夏大、冬大、过渡季）、响应提前通知时间（如 15 min、1 h、日前）。

五、学习路径：30 章如何走完一个完整闭环

本课程按"认知—建模—预测—优化—评估—落地"组织。前几章建立场景与边界认知；中间章节分别处理柔性负荷建模、可调能力预测、规划模型构建与求解；后段进入评估指标、案例复盘与工程落地。学习时建议始终带着三个问题：这个环节的输入是什么、输出是什么、结果如何判断是否可信。

以本章的园区示例为例，完整闭环可以这样理解：输入是馈线历史负荷、柔性负荷清单、用户响应规则和规划水平年；中间过程是分时段可调能力计算、规划模型求解；输出是设备选型方案与响应策略；判断依据是电压是否越限、投资是否下降、用户舒适度是否可接受。后续章节会逐步把这条链路展开。

六、本章小结与关键约定

柔性负荷参与配电网规划，核心是把负荷从"预测结果"变为"可调资源"，并在规划阶段就明确对象、目标、边界条件和学习路径。本章给出的园区示例中，8.6 MW 最大负荷经柔性调节后规划用负荷约 7.1 MW，容量差约 1.7 MVA，这一数字仅用于说明规划口径的变化，实际项目需按真实响应数据重新计算。