电力系统灵活性：研究现状、热点及演化

王成 吕涛

摘要：可再生能源的广泛使用使电力系统灵活性成为电力系统转型的关键因素，明确目前电力系统灵活性的研究现状有助于把握能源转型的方向。以WoS数据库中收录的2006—2018年电力系统灵活性的2576篇文献为数据来源，借助VOSviewer文献计量软件对电力系统灵活性从学科演变、国家期刊分布、作者及合作关系、关键词等进行可视化分析，旨在发现电力系统灵活性的研究热点及其演化。分析表明电力系统灵活性研究不断增加，中国是发表文献最多的国家，其跨学科特征明显，作者合作日趋紧密。研究热点包括微电网、智能电网、储能、需求响应等，从起步期的柔性交流输电系统，到成长期的分布式发电、智能电网和风电，热点期研究集中在微电网、需求响应。电力系统灵活性研究呈现系统化、集成化、多主体耦合的趋势。

关键词：电力系统灵活性；文献计量；共现分析；VOSviewer

中图分类号：TM711文献标识码： ADOI：10.3969/j.issn.1003-8256.2020.04.015

开放科学（资源服务）标识码（OSID）：

基金项目：中央高校基础研究经费（2020ZDPYMS42）

0引言

全球气候变暖、一次能源枯竭及对能源安全的担忧，导致可再生能源的份额不断上升，加剧了电力系统的稳定性和灵活性问题。电力系统灵活性目前还没有统一的定义，肖定垚等对电力系统灵活性的定义进行了比较[1]，国际能源署认为电力系统灵活性指：具有应对太阳能和风能在从短期到长期的不同时间范围内引入的可变性和不确定性能力，避免从这些可变的可再生能源（VRE）来源减少电力并可靠地满足所有客户的能源需求[2]。北美电力可靠性委员会则认为电力系统灵活性是相关系统资源满足需求变化的能力[3]。胡嘉骅[4]将电力系统灵活性定义为广义灵活性和狭义灵活性，他认为广义灵活性指电力系统在不同时间尺寸和物理、经济约束条件下应对各种随机因素和不确定性时保持可靠供电的能力；狭义的电力系统指运行灵活性。可见电力系统灵活性自电力系统出现就一直存在，在基于传统可控水电、火电的电源结构中，灵活性主要源于负荷的波动，通过负荷预测、自动发电控制、经济调控和市场手段满足电力系统灵活性的需求[5]；高比例可再生能源下的电力系统灵活性研究涵盖了发电侧、电网侧、需求侧、电力市场等方面[6]。学者们从不同侧面阐述了电力系统灵活性问题及其解决方案：电力系统灵活性的界定及分类[7]、技术及其影响[8]、制度挑战[9]、发电规划[10]、电力市场[11]、电网灵活性[12]等，为电力系统灵活性的解决提供了宝贵的经验，但大部分是从特定技术或角度解决电力系统灵活性的问题，对整个领域进行定量分析的案例较少。

近几年有些学者提出了用文献计量可视化来评估特定领域的方法，即使用文献计量的方法定量可视化某个领域的研究基础和演化路径（如可持续发展[13]、碳排放交易[14]、电动汽車[15]等）。电力系统灵活性的定量可视化分析既是对原有定性研究的补充和验证，亦能从整体上把握电力系统灵活性的发展演变。

通过WoS数据库核心库中的文献集回顾近13年的电力系统灵活性研究（2006—2018年），从中发现研究主体、研究热点及演化路径、研究趋势。主要贡献体现在：通过共现和共被引的数据集来展现电力系统灵活性的研究方向及其关联，并进行可视化展示；定量追溯了2006—2018年电力系统灵活性的发展演变；全景展示了电力系统灵活性领域的重要研究者及其合作关系，可以为电力系统从业者或学者提供初步指南，并为电力系统灵活性的研究提供参考。

1研究过程与方法

1.1数据集的建立

在进行文献计量分析前首先需要建立包含引文信息的数据集，目前的引文数据库主要有Scopus、ISI Web of Science、Google Scholar等。Olawumi等[16]对比了三个数据库的优缺点，本研究结合学者们的选择和实际需求最终选择Web of Science核心数据库作为检索数据库。检索策略如下：

Web of Science核心库高级检索式：“TS=（"power system" OR "electrical power system" OR "electric system" OR "electric power system" OR "power systems" OR"electrical system" or "microgrid" OR "micro-grid" OR"micro grid"）AND（flexibility OR flexible）”；文献类型：Article OR Proceedings Paper OR Review；时间跨度：2006—2018年；数据库选择：Science Citation Index Expanded，Conference Proceedings Citation Index–Science；检索日期：2019-02-25；得到文献2576篇及其参考文献91218篇用于文献计量分析。

1.2分析工具：VOSviewer

VOSviewer软件是文献计量的一种常用软件，该软件采用基于距离的网络可视化，构建各种可视化图谱用于分析文献的各种关系及趋势[17]。可视化视图中的每一个圆圈代表一个节点，可以是作者、关键词或文献，圆圈的大小代表频次或活跃程度；两个节点之间的距离越近则相关性越强；节点间的连线粗细代表两者的关联程度[18]。

2文献计量分析与结果

从两个方面进行文献计量分析：整体分析，包括宏观层面的学科分析、中观层面的国家期刊分析、微观层面的作者及合作分析；研究热点及其演化分析。

2.1电力系统灵活性研究的三个阶段

2006—2018年，电力系统灵活性相关研究文献共2576篇，文献的年度发表量和被引用量可以从整体上反映该领域的研究情况，图1为电力系统灵活性研究的文献年发表量和被引频次情况，将电力系统灵活性研究划分为起步、成长、热点三个阶段。2009年之前为起步阶段，发文量总体呈上升阶段，但每年发文量不大；2010—2014年为发展阶段，大量学者进入该领域发表相关论文，每年的发文量在百篇以上，并呈不断上升的趋势。2015年研究开始进入热点期，每年增长的文献达百篇左右。引文情况与发文量保持基本相同的增长趋势。

2.2电力系统灵活性研究的整体分析

2.2.1宏观层面：学科演变分析

依据WoS的学科分类进行统计，电力系统灵活性文献主要分布在电气电子工程、能源和燃料、环保和可持续发展的科学技术、热力学、自动化和控制系统、工程化学等几个领域。对起步期、发展期和热点期的学科发文情况进行统计（图2），电气电子工程一直是电力系统灵活性研究的主要学科，其在三个阶段的发展与年度发文量均呈快速增加趋势。能源和燃料学科发文量在发展期出现较快增长，在热点期已经成为电力系统灵活性研究的主要学科之一。2015年绿色电力受到越来越多的关注，环保和可持续发展科学技术学科的发文量呈献快速增长趋势。热能作为一种重要的能源形式可与电力进行交换，用于削峰填谷，对于保持电力系统灵活性有重要意义，因此在热点期热力学学科有较快增长。随着大数据、智能设备应用、信息管理系统的兴起，与大数据相关的计算机科学人工智能领域、计算机科学跨学科应用、计算机科学信息系统等学科发文量呈明显增长趋势。另一个增长快速的学科是材料及跨学科应用，原因主要是储能、太阳能发电等相关材料技术的发展，新材料新技术导致了成本的降低，促进了太阳能发电和储能电池的发展。

可见电力系统灵活性研究的学科发展向多学科交叉研究发展，热点期主要研究学科包括：电气电子工程和工程化学；能源和燃料学科；环保和可持续发展的科学技术学科；热动力学学科；计算机科学类的人工智能、信息系统及跨学科应用；自动化和控制系统学科。

2.2.2中观层面：国家期刊分析

（1）国家发文情况分析。2576篇文献由93个国家的研究者发表，其中中国（502篇）发文量最多，其次为美国（479篇），伊朗（262篇），印度（190篇），英国（161篇），德国（138篇），丹麦（119篇），西班牙（110篇），加拿大（106篇）。

（2）期刊发文及聚类分析。2576篇文献共涉及期刊433个，包含在89个学科分类中，其中发文量最多的期刊为IEEE Transactions on Power Systems（220篇），其次分别为：Applied Energy（169篇），International Journal of Electrical Power Energy Systems（115篇），IET Generation Transmission Distribution（114篇），Energies（100篇），Energy（89篇），IEEE Transactions on Smart Grid（82篇）。

在VOSviewer中选择引用次数为80，共有88个期刊满足条件，使用Association Strength算法，设定最小聚类成员为10，对88个期刊进行共被引分析，得到期刊共被引图谱（图3）。图3中期刊被分成4个聚类，图中表示为聚类#1～4，代表了电力系统灵活性研究的不同研究类别。

聚类#1为电力系统灵活性的社会经济环境研究期刊，主要包括Energy，Applied Energy，Energy Policy，Renewable & Sustainable Energy Reviews，Renewable Energy，Energy Conversion and Management等。聚类#2为电力系统灵活性的化学、材料学研究基础，主要包括JournalofPowerSources，Nature，Science， AdvancedMaterials，ElectrochemicalScienceand Technology等。聚类#3为在电力系统及输配电中关于电力系统灵活性的研究，包括IEEE Transations on Power Systems，International Journal of Electrical Power& Energy Systems，Electric Power Systems Research，IEEE Transactions on Power Delivery，IEE ProceedingsGeneration Transmission and Distribution等国际著名期刊。聚类#4为电力系统灵活性相关技术研究，主要包括IEEE Transactions on Smart Grid，IEEE Transactions on Industrial Electronics，IEEE Transactions on Power Electronics，IEEE Transactions on Sustainable Energy，ProceedingsoftheIEEE，IEEETransactionson Automatic Control，IET Renewable Power Generation等。

（2）作者合作分析。平均每篇论文的作者数为2.8人，选择最少發文量为6篇，共有83个作者满足条件，使用VOSviewer对这83个作者进行合作网络分析，得到图4所示的作者合作网络图谱。依据自动聚类算法识别出三个合作网络：合作网络一（26人），合作网络二（15人），合作网络三（20人），进一步分析后可划分为9个更为具体的合作关系，多机构、多国家合作是电力系统灵活性研究的合作特点。

2.3研究热点及其演化

2.3.1电力系统灵活性的研究热点识别

关键词是对文献研究内容或方法的精炼，通过对关键词分析可以了解当前该领域的研究热点及其演化。分析前需要对关键词进行规范，如将microgrid、 microgrids统一为microgrid，smart grid与smart grids统一为smart grid，unified power flow controller统一表示为upfc。设置分析类型为作者关键词，得到7458个关键词，选取最少出现次数为20次，共有58个关键词满足条件，使用VOSviewer进行关键词共现分析（图5），图5中颜色深浅代表关键词的频次，不同关键词之间的距离表示关键词之间的相关性。

（1）研究热点一：柔性交流输电系统（Flexible AC Transmission System，FACTS）。图6为FACTS与其它关键词的关联网络，FACTS在图5中处于相对独立的位置，主要从技术层面解决电力系统灵活性问题，关联紧密的关键词有：统一潮流控制器（Unified Power Fow Con‐troller，UPFC）、静止同步补偿装置（Static Synchronous Compensator，STATCOM）、电力稳定性。1987年以来FACTS的研究不断增加，印度、美国、中国和伊朗的FACTS相关研究排在了世界前列[19]。在2006—2009年的初始阶段，FACTS主要用于从技术层面提高系统灵活性，主要研究文献包括：电力系统稳定性及其控制方法[20]，FACTS的概念和技术[21]。为了提高FACTS设备的性能，遗传算法和粒子群优化技术应用到GACTS中[22-24]。随着可再生能源比例不断增加，FACTS设备的应用已经开始在智能电网等领域[25]进行，同时使用分布式FACTS（D-FACTS）来提供无功支持用于维持电压并减少线路损耗[26]。

（2）研究热点二：微电网。微电网可以为电网提供的灵活性包括业务恢复、孤岛与并网灵活性切换、准备和预防、控制和稳定、通讯网络[27]，被认为是解决电力系统安全性和提高灵活性的重要途径。微电网的发展源于2001年的分布式发电的概念[28]，随后越来越多的研究者意识到微电网的作用，从微电网的运行方式如孤岛运行和集中控制[29]、控制和运行策略[30]、能量管理[31]等方面做了相关研究。从图7可以看到，微电网与需求响应、智能电网、FACTS、储能等电力系统各个层面都有关联，其本身是一个小型的电力系统，并具有灵活性的控制策略，也被认为是提高可再生能源电力系统灵活性的重要措施之一。近几年微电网的研究主要表现在：混合微电网系统[32]、智能微电网[33]、微电网与需求响应相结合[34]、微电网与储能相结合[35]、微电网的效益[36]。

（3）研究热点三：智能电网。智能电网是在人工智能、大数据、高速传输网络等发展起来以后提出的一种智能化、集成化的电力网络，其优点为全过程可视化、对资产和服务的普遍控制、自我修复和对系统异常的弹性、全员参与和执行能源交易，智能电网是未来电网发展的趋势[37]。从图8可以看出，智能电网与需求响应、可再生能源、灵活性、风能、储能、微电网等关键词有关联。智能电网与需求响应的关系最为密切，两者结合可将需求侧灵活性通过智能电网充分发挥出来。智能微电网已经成为新的热点，相关研究如智能微电网需求侧管理新方案[38]，中国可再生能源驱动的智能微电网发展的现状与挑战[39]。储能技术为电力系统提供平衡和灵活性，并为智能电网提供间歇性可再生能源，智能电网中的储能将为可再生能源提供组合灵活性[40]。

（4）研究热点四：需求响应。需求响应随着智能电网和能源互联网的发展对电力系统灵活性发挥越来越重要的作用，StrbacG.介绍了需求侧管理的好处和挑战[41]。图9为需求响应与其它关键词的关联网络，可以看出需求响应与能源管理、智能电网、电动汽车、电力市场关系最为密切，其次为可再生能源、储能、风电、微电网等。需求侧管理作为提高用户侧灵活性的手段，其中一部分是研究如何通过需求控制提高电力系统灵活性，如家用电器中加入动态需求控制[42]、居民用电的需求响应控制[43]。电动汽车作为一种重要的可存储设备，在需求响应方面有重要的意义，相关研究如电动汽车与电网的交互[44]、电动汽车充电策略[45]等。当用户成为电力提供者时，需求响应管理与电力市场联系起来。另外智能电网中存在大量的智能设备，对于需求响应的实施有很大的便利，Siano[46]介绍了智能电网与需求侧管理的关系。需求响应要真正发挥作用，需要借助智能电表、先进的计量基础设施、家庭能源控制器、能源管理系统、有线和无线通信系统等技术，但其作为提高电力系统灵活性的手段之一已经取得了效果，在未来需求响应的作用将进一步体现，或将发挥更加重要的作用。

（5）研究热点五：储能。储能作为电力系统灵活性的重要来源，可以发生在发电侧（在水力蓄水池中蓄水）、电网侧（电池、抽水蓄能等）和用户侧（热水箱、电动汽车等）[47]。圖10为储能与其它关键词的关联网络，可以看到储能与可再生能源、电力系统、负载管理等距离最近，其次是需求响应、智能电网、电动汽车、风电厂等。对储能系统的研究主要包括：储能系统的特性与比较[48]、风电和储能的耦合系统[49]、不同类型的储能及其技术优缺点[6]。储能将会在可再生能源电力系统灵活性中发挥不可替代的作用。

（6）研究热点六：基于系统优化的电力系统灵活性研究。可再生能源的比例不断增加，导致电力系统的结构发生改变，分布式电网和智能电网去中心化趋势明显，负荷侧同时成为电力提供者，电力市场格局发生变化，而没有市场的支撑就无法为电力系统提供足够的效益，导致发展后劲不足。电力市场应该通过激励机制鼓励更灵活的资源参与市场，并利用这些灵活性资源在波动性可再生能源背景下进行电力系统规划和运营，从政策、监管等方面提高灵活性资源的利用，在保证利润的同时激励市场参与者更多地使用灵活性资源，通过灵活的电力市场促进各系统、部门灵活性的提高，如通过政策和市场促进灵活性电厂的改造、促进需求侧管理向更灵活的方向发展、促进储能的发展以减少波动性。

可再生能源接入一直是电力系统灵活性研究的重要主題，其中风能是研究的重点，其作为研究热点一直持续到2018年。而太阳能因其成本和技术的原因，在近几年才开始作为可再生能源的另一个重要来源，但其出现频次未达到VOSViewer设定的标准，因此没有出现在关键词共现图谱中。另外以电力系统、灵活性作为检索主题，其频次一定是较高的。

2.3.2电力系统灵活性研究热点演化

2006—2009年共有645个关键词，出现次数5次以上的关键词13个，按频次分别为：FACTS、UPFC、分布式发电、遗传算法、模型、STATCOM、电流、电力系统控制、电力系统；2010—2014年关键词明显增多达到2175个，出现10次以上的关键词有25个，分别为：FACTS、分布式发电、微电网、UPFC、智能电网、粒子群优化、电力系统稳定性、STATCOM、遗传算法、优化、可再生能源、储能等；2015—2018年关键词井喷式增长，达到5617个，出现20次以上的关键词有33个，分别为：微电网、需求响应、智能电网、储能、灵活性、可再生能源、分布式发电、FACTS、不确定性、最优化、机组组合、风电、电力市场等。将相关类似主题的关键词进行整合，如FACTS及其相关设备（UPFC、STATCOM、FACT device）统一整合为FACTS，绘制得到图11所示的电力系统灵活性关键词分阶段分布图，用以了解电力系统灵活性的热点演化情况。

从图11可以看出，2006—2009年相关研究集中在FACTS及其相关设备的研究，如UPFC、SSSC、STATCOM等，分布式发电出现10次；2010—2014年排名第一的仍是FACTS，然后为分布式发电，但这个时期出现了智能电网、需求响应、储能等新的关键词，风电等可再生能源的研究已经开始兴起；2015—2018年，微电网成为研究最多的关键词，基于智能电网和需求响应的研究不断增多，可再生能源出现次数增加，灵活性成为电力系统的热点词，电力市场等辅助服务的研究增多，电力系统灵活性的解决措施出现在供应侧、电网侧、需求侧及电力市场，众多学者从不同角度试图释放更多灵活性，以消纳更多可再生能源，这与IEA的报告基本吻合：电力系统在整合可再生能源的创新中，基于微电网的分布式能源将在去中心化方面起到重要作用，同时基于物联网的数字化技术能够在需求侧显著提升系统的灵活性，智能电网连接了电力系统所有参与者，从系统层面提升电力系统灵活性[50]。

3结论及研究趋势分析

3.1研究结论及局限性

高比例可再生能源成为各国追逐的目标，随之而来的是电力系统的灵活性问题，本文使用VOSviewer软件对电力系统灵活性的研究进行文献计量学综述，得到如下结论：

（1）电力系统灵活性研究经历起步、成长、热点三个阶段，发文量呈增长阶段，特别是热点阶段发文量每年增长百余篇；（2）电力系统灵活性主要研究者分布于中国、美国、伊朗等国家；清华大学为发文最多的机构；（3）电力系统灵活性的研究者发文最多的为丹麦奥尔堡大学的Josep M. Guerrero，根据合作关系将学者分为三个群组九个合作群体；（4）电力系统灵活性的学科发展体现其跨学科性，其中电气电子工程、能量和燃料、环保和可持续发展的科学技术、热力学、工程化学等学科快速增长；（5）期刊分布主要包括宏观技术、社会经济环境研究、微观技术、化学材料学研究几类；（6）通过关键词分析发现电力系统灵活性的研究热点及其演化过程。该研究可以为电力系统及可再生能源领域的研究人员提供整体的分析，有利于他们了解电力系统灵活性领域的研究者及其合作领域内的期刊情况以及研究的热点和趋势。

文献计量虽然可以从整体上了解电力系统灵活性的研究情况，但仍存在不足，如文献检索虽然尽量全面，但因数据库及检索策略的局限，数据集可能不完整，但对全局分析影响很小；对于文献集的进一步扩展可以更全面地收集文献数据，如通过参考文献的迭代扩展，这也是后期的努力方向。

3.2电力系统灵活性研究趋势分析

电力系统灵活性在未来高比例可再生能源发电中具有重要意义，通信技术、物联网、人工智能等的发展为电力系统灵活性进一步释放提供了更多选择，将电力系统中的源、网、荷、储、市场等因素进行耦合，可以为电力系统提供尽可能大的灵活性，同时可以推迟电力基础设施的投资。

图12为电力系统灵活性研究趋势，电力系统源、网、荷、储、市场各方面都能提供一定的灵活性，但又各有局限，源端的信息化可以提高发电侧的控制能力，进一步释放灵活性；智能电网将电网虚拟化，连接了一切可以连接的设备，大大扩展了电网的属性，国家互联甚至全球互联成为可能；物联网技术使需求侧管理更为容易，人工智能和大数据使控制更加自动化，政策制订的依据更加可信，电力市场的交易可以接近实时化，进一步释放了灵活性。

电力系统灵活性的研究将会在进一步释放源、网、荷、储、市场等灵活性的基础上，通过智能电网等平台、智能设备等媒介、管理系统等平台实现各种灵活性资源的整合，实现全系统灵活性，在最大程度上消纳可再生能源。中国电网目前在进行的“三型两网”建设即是通过建设智能电网和泛在电力物联网实现能量的统一管理与数据的整合，在此基础上协同实现电力系统灵活性，从系统层面最大限度实现灵活性。

参考文献：

[1]肖定垚，王承民，曾平良，等.电力系统灵活性及其评价综述[J].电网技术， 2014， 38（6）： 1569-1576.

[2]International Renewable Energy Agency. Power system flexibility for the energy transition， Part 1 ： Overview for policy makers[EB/ OL].https：//irena. org/-/media/Files/IRENA/Agency/Publication/ 2018/Nov/IRENA_Power_system_flexibility_1_2018.pdf， 2018-12.

[3]North American Electric Reliability Council.Special Report： accommodating high levels of variable generation[EB/OL]. https：// www. nerc. com/pa/RAPA/ra/Reliability% 20Assessments% 20DL/ Special%20Report%20-%20Accommodating%20High% 20Levels%20of%20Variable%20Generation.pdf， 2009-4.

[4]胡嘉驊.电力系统灵活性提升方法及灵活调节产品获取机制[D].杭州：浙江大学， 2018.

[5]KEHLER J H， HU M. Planning and operational considerations for power system flexibility [C]. Detroit： 2011 IEEE Power and Energy Society General Meeting， 2011： 1-3.

[6]PETER D L， LINDGREN J， MIKKOLA J， et al. Review of energy system flexibility measures to enable high levels of variable renewable electricity [J]. Renewable and Sustainable Energy Reviews， 2015， 45： 785- 807.

[7]ALIZADEH M I， MOGHADDAM M P， AMJADY N， et al. Flexibilityinfuturepowersystemswithhighrenewable penetration： A review [J]. Renewable and Sustainable Energy Reviews， 2016， 57： 1186- 1193.

[8]POWELL K M， RASHID K， ELLINGWOOD K， et al. Hybrid concentratedsolarthermalpowersystems： A review[J]. Renewable and Sustainable Energy Reviews， 2017， 80： 215- 237.

[9]VERZIJLBERGH R A， VRIES L D， DIJKEMA G J， et al. Institutional challenges caused by the integration of renewable energy sources in the European electricity sector [J]. Renewable and Sustainable Energy Reviews， 2017， 75： 660- 667.

[10] SINGH B， SHARMA J. A review on distributed generation planning [J]. Renewable and Sustainable Energy Reviews， 2017， 76： 529-544.

[11] BOTTERUD A， ZHOU Z， WANG J H， et al. Demand dispatch and probabilistic wind power forecasting in unit commitment and economic dispatch： a case study of Illinois [J]. IEEE Transactions on Sustainable Energy， 2013， 4（1）： 250-261.

[12] LI J ， LIU F， LI Z Y， et al. Grid-side flexibility of power systems in integrating large-scale renewable generations： A critical review on concepts， formulations and solution approaches [J]. Renewable and Sustainable Energy Reviews， 2018， 93： 272- 284.

[13] TIMOTHY O O， DANIEL W C. A scientometric review of global research on sustainability and sustainable development [J]. Journal of Cleaner Production， 2018， 183： 231- 250.

[14] YU D，CHAO X.Mapping research on Carbon emissions trading： a co-citation analysis [J]. Renewable and Sustainable Energy Reviews， 2017， 74： 1314- 1322.

[15] HU Y， SUN J， LI W， et al. A scientometric study of global electric vehicle research [J]. Scientometrics， 2014， 98（2）： 1269-1282.

[16] TIMOTHY O O， DANIEL W C， JOHNNY K W. Evolution in the intellectual structure of bim research： A bibliometric analysis[J]. Journal of Civil Engineering and Management， 2017， 23（8）： 1060-1081.

[17] VAN ECK N J， WALTMAN L. VOS： A New Method for Visualizing Similarities Between Objects [A] Advances in Data Analysis[C]. Berlin： Springer， 2007. 299–306.

[18] VAN ECK N J， WALTMAN L. Software survey： VOSviewer， a computer program for bibliometric mapping [J]. Scientometrics， 2010， 84（2）： 523-538.

[19] GANDOMAN F H， AHMADI A， SHARAF A M， et al. Review of FACTS technologies and applications for power quality in smart grids with renewable energy systems [J].Renewable and Sustainable Energy Reviews， 2018， 82： 502- 514.

[20] KUNDUR P. Power System Stability and Control[M]. Blacklick： McGraw-Hill Education， 1994.

[21] Hingorani N G. Understanding FACTS： Concepts and Technology of Flexible AC Transmission Systems[M]. New York： WileyIEEE Press， 1999.

[22] GERBEX S，CHERKAOUI R，GERMOND A J.Optimal location of multi-type FACTS devices in a power system by means of genetic algorithms [J]. IEEE Transactions on Power Systems， 2001， 16（3）： 537-544.

[23] KENNEDY J， EBERHART R. Particle swarm optimization [J]. Proceedings of ICNN95-International Conference on Neural Networks， 1995， 4： 1942-1948.

[24] SARAVANAN M， SLOCHANAL S R， VENKATESH P， et al. Application of particle swarm optimization technique for optimal location of FACTS devices considering cost of installation and system loadability [J]. Electric Power Systems Research， 2007， 77（3/4）： 276-283.

[25] SURESH V， SREEJITH S. Power flow analysis incorporating renewable energy sources and FACTS devices [J]. International Journal of Renewable Energy Research， 2017， 7（1）： 452-458.

[26] GUPTA A R， KUMAR A. Deployment of distributed Generation with D-FACTS in distribution system： a comprehensive analytical review [J]. IETE Journal of Research， 2019. https：//doi. org/ 10.1080/03772063.2019.1644206.

[27] BAJWA A A， MOKHLIS H， SAAD M， et al. Enhancing power system resilience leveraging microgrids： A review [J]. Journal of Renewable and Sustainable Energy， 2019， 11（3）： 035503.DOI： 10.1063/1.5066264.

[28] ACKERMANN T， ANDERSSON G， LENNART S. Distributed Generation： a definition [J]. Electric Power Systems Research， 2001， 57（3）： 195-204.

[29] TSIKALAKIS A G，HATZIARGYRIOU N D.Centralized controlforoptimizingmicrogridsoperation[J].IEEE Transactions on Energy Conversion， 2008， 23（1）： 241-248.

[30] LI Y， KAO C N. An accurate power control strategy for PowerElectronics-Interfaced distributed Generation units operating in a Low-Voltage multibus microgrid [J]. IEEE Transactions on Power Electronics， 2009， 24（12）： 2977-2988.

[31] BARKLUND E， POGAKU N， PRODANOVIC M， et al. Energy management in autonomous microgrid using Stability-Constrained droop control of inverters [J].IEEE Transactions on Power Electronics， 2008， 23（5）： 2346-2352.

[32] VERONICA A J， KUMAR N S， GONZALEZ-LONGATT F. Robust PI controller design for frequency stabilisation in a hybrid microgridsystemconsideringparameteruncertaintiesand communication time delay [J]. IET Generation Transmission & Distribution， 2019， 13（14）： 3048–3056.

[33] ET-TAOUSSI M， OUADI H， CHAKIR H E. Hybrid optimal management of active and reactive power flow in a smart microgridwithphotovoltaicGeneration[J].Microsystem Technologies， 2019， 25（11）： 4077-4090.

[34] NAZEMI S，MAHANI K，GHOFRANI A，et al. Technoeconomic analysis and optimization of a microgrid considering demand-side management [C].2020 IEEE Texas Power and Energy Conference， 2020.

[35]劉畅，卓建坤，赵东明，等.利用储能系统实现可再生能源微电网灵活安全运行的研究综述[J].中国电机工程学报， 2020， 40（1）： 1-18，369.

[36] PARAG Y， AINSPAN M. Sustainable microgrids： Economic， environmental and social costs and benefits of microgrid deployment [J]. Energy for Sustainable Development， 2019， 52： 72-81.

[37] FARHANGI H. The path of the smart grid [J]. IEEE Power and Energy Magazine， 2010， 8（1）： 18-28.

[38] CHAFAA H， ABDESSALEM B， RACHED H， et al. A new MEM-DOA proposal for DSM in a grid connected smart microgrid[C]//2017 Progress In Electromagnetics Research Symposium -Spring （PIERS）， 2017： 1782-1786.

[39] CONG X， WU L. Development of smart microgrid powered by renewable energy in China： current status and challenges [J]. Technology Analysis & Strategic Management， 2019， 31（5）： 563-578.

[40] OZDEMIR E， OZDEMIR S， ERHAN K， et al. Opportunities and challenges for energy storage applications in smart grid [J]. Journal of the Faculty of Engineering and Architecture of Gazi University， 2017， 32（2）： 499-506.

[41] STRBAC G. Demand side management： Benefits and challenges[J]. Energy Policy， 2008， 36（12）： 4419-4426.

[42] SHORT J A， INFIELD D G， FRERIS L L. Stabilization of grid frequencythroughdynamicdemandcontrol[J].IEEE Transactions on Power Systems， 2007， 22（3）： 1284-1293.

[43] WANG Z L， PARANJAPE R， CHEN Z K， et al. Multi-Agent optimization for residential demand response under Real-Time pricing [J]. Energies， 2019， 12（15）： 1-15.

[44] KEMPTON W， TOMI？J. Vehicle-to-grid power implementation： From stabilizing the grid to supporting large-scale renewable energy [J]. Journal of Power Sources， 2005， 144（1）： 280-294.

[45] COLMENAR-SANTOS A， ANTONIO-MIGUEL M， ENRIQUE R A， et al. Electric vehicle charging strategy to support renewable energy sources in Europe 2050 low-carbon scenario [J]. Energy， 2019， 183： 61- 74.

[46] SIANO P. Demand response and smart grids—A survey [J]. Renewable and Sustainable Energy Reviews， 2014， 30： 461- 478.

[47] DE KEULENAER H.Power System Flexibility Strategic Roadmap[EB/OL].https：//www. researchgate. net/publication/ 282012266_Power_System_Flexibility_Strategic_Roadmap？ channel=doi&linkId=5601600308aeafc8ac8c938a&showFulltext= true， 2015-9.

[48] IBRAHIM H， ILINCA A， PERRON J. Energy storage systems -Characteristics and comparisons [J]. Renewable & Sustainable Energy Reviews， 2008， 12（5）： 1221-1250.

[49] ZHAO H R， WU Q W， HU Shu-ju， et al. Review of energy storage system for wind power integration support [J]. Applied Energy， 2015， 137： 545- 553.

[50] International Renewable Energy Agency. Innovation landscape for a renewable-powered future： Solutions to integrate variable renewables[EB/OL]. https：//www.irena.org/publications/2019/Feb/ Innovation-landscape-for-a-renewable-powered-future， 2019-2.

Power System Flexibility： Research Status， Hot Spots and Evolution

WANG Cheng1，2，LYU Tao1（1.School of Management， China University of Mining and Technology， Xuzhou 221116 ， China；2.Huaiyin Normal University， Huaian 223300， China）

Abstract： Withthewideusageofrenewableenergy，theflexibilityofpowersystemhasbecomeakeyfactorinthetransformation ofpowersystem.Itisbeneficialforresearcherstograspthedirectionofenergytransformationbyclarifyingtheresearchstatusof the flexibility of power system. With 2567 papers on power system flexibility from 2006 to 2018 collected in WOS database as data source， VOSviewer bibliometric software was used to visually analyze the power system flexibility from subject evolution， countryandjournaldistribution，distributionofauthorsandtheirrelationships，andkeywords，etc.，inordertodiscoverresearch hotspotsandevolutionofpowersystemflexibility.Theanalysisshowsthatthestudyofpowersystemflexibilityisincreasing，and Chinaisthemostwidelypublishedcountry.Thestudyofpowersystemflexibilityisinterdisciplinary，andtheauthorcooperates with each other more and more closely. The research focuses on microgrid， smart grid， energy storage and demand response. From the beginning stage of the Flexible AC transmission system， the distributed generation， smart grid and wind power of the growthstage，thefocusofthehotspotstageisfocusedonthemicrogridandthedemandresponse.Theresearchontheflexibilityof powersystempresentsthetrendofsystematization，integrationandmulti-agentcoupling.

Keywords： power system flexibility；bibliometric；co-occurrence analysis；VOSviewer