1.2.2 配电网的状态估计
葡萄牙INESC公司承担了状态估计功能模块的研发，提出了一种适用于中压配电网的状态估计技术。项目在典型的葡萄牙低压网络（100kVA）上实施，包括57个安装了智能仪表的消费者（单相用户3.45～6.9kVA，三相用户6.9～13.8kVA），其中16个用户安装了分布式发电，在总的合同电力中光伏发电占50%；历史数据采用一个实际的中、低压变电站负载，包括30天的数据（日电压幅值、有功和无功功率），步长为15min。项目根据智能仪表的数目和安装地点考虑了5个场景，对具有实时通信功能智能仪表的遥测方案进行了分析。
该模块的核心是伪量测技术，主要利用安装在低压配电网中的智能仪表测得的实时数据，并结合中压配电网网络结构来估计中压配电网的状态向量。该方法采用了人工神经网络中一种称为自编码的特殊类型，通过建立一个同步的历史数据集对自编码器进行训练，从而实现对各个设备的伪量测。为了实现对不良模拟和状态测量结果的探测和识别，对系统估计方法的鲁棒性进行了评估，包括一些关键绩效指标的计算。在案例分析中，利用加权最小二乘法对中压配电网进行状态估计，权重按照不确定性进行单独修正；所有变电站均使用伪量测技术，最终得到的结果十分接近实际情况，证明了该方法的有效性。
1.2.3 提高配电网接纳分布式能源（DER）能力的协调优化控制
希腊雅典国家技术大学承担了电压最优协调控制策略功能模块的研发，解决了具有高占比DER的中压网络的协调优化控制问题。项目在罗德岛上的一个20kV、40节点中压网络上实施，该网络特点是馈线距离长、负载轻，并且DG容量大于负载。电网中有一个150/20kV变电站，变压器最大容量为25MVA，有载分接开关范围是17（1±1.25%）；馈线长38km，有2种不同的导线型号；最大、最小负载分别为4.5MW、1.8MW。DG装机容量为5MW，其中包括20个沿馈线分布的光伏电站，容量为0.1MW；在馈线2/3处有1个3W的风电场；在馈线中间有可切换电容器组，容量为0.4kvar。
该功能模块使用的控制算法是一个混合约束二次优化问题，其目标包括：①优化馈线上的电压波形；②减少能量损失；③使可再生能源的出力削减最小；④最大限度减少配电网设备（有载调压开关和并联电容器等）运行的机械损耗；⑤使通过高压/中压变压器的无功功率最小。约束条件包括：①潮流方程约束；②电压波动约束；③变压器分接头约束；④馈线热稳定极限约束；
⑤电容器组最大投切容量约束；⑥可再生能源的最大容量、功率因数以及出力削减限制。
项目实施结果表明，在电压调节方面，每个节点的电压波动范围按年计平均减少了约60%；在损耗方面，与传统的控制策略相比可以减少12%的损耗；在接纳RES的能力方面，即使不做任何削减也能使接纳能力提高60%，如果进行削减则可以将接纳能力提高至原来的3倍，与之对比，德国运行经验表明削减5%的RES电量可以提高电网接纳RES容量１倍；在设备的操作次数方面，有载调压开关的日均操作次数可以减少一半；在无功功率优化方面，整体的无功功率输入减少了20%，变压器上的损耗减少了40%。该控制策略的不足之处是过于依赖对负荷和RES出力的预测以及测量和通信基础设施的建设。
1.2.4 具有高占比分布式电源的配电网自适应保护方案
希腊雅典国家技术大学同时也承担了自适应保护功能模块的开发。由于传统配电网是辐射状的，并且通常是单馈线结构，一般采用无方向过电流保护即可；然而，接入RES的智能配电网中电流方向通常是双向的，这对现有的过电流保护方案来说是一个挑战。该系统利用预先计算出来的一些数据，结合配电网运行状态，通过中央控制器对保护设备的设置进行周期性更新，为可再生能源接入后产生的保护死区、继电器拒动误动、重合闸失败以及重合闸与熔断器之间的不协同动作等问题提供了一个全面的配电网自适应解决方案。
该系统在一个创新试验平台上针对一个简化的5节点双馈线智能配电网进行了测试，该平台使用硬件在环的拓扑结构，主要设备包括一个实时数字仿真仪、两个多功能数字继电器和一个可编程逻辑控制器，如图6所示。
1.2.5 与电力市场集成的虚拟电厂
德国柏林工业大学承担了虚拟电厂（VPP）功能模块的开发。虚拟电厂是一个新的市场参与者，可以汇聚和控制分布式能源（DER）。由于可以利用DER激活灵活性资源，所以VPP对于配电网络的主动管理极为重要，此功能模块正是研究系统运营商和VPP之间的协调方法。
柏林工业大学对VPP的性能进行了验证，算例网络如图7所示。实施结果表明，此功能模块可以支持对RES的市场整合，提高系统接纳RES容量14.5%，并且可以有效缓解阻塞。
