但这些增效应用，都以当前单向的供需关系为前提，即使接入少量的可再生能源发电和电动汽 车充电桩或充电站，也是按负荷效应处理，不涉及供需互动的双向服务问题。 表前电网侧当前的这些增效应用，如支撑系统的水平不低，对集中控制系统（SCADA/DMS、 负荷管理、营销管理等）而言，并无突出的难点。但对于分布控制系统（继电保护、就地无供补偿 等） 却存在网络重构后的再整定或自适应难点问题。 ， 对此， 将在下节的潜在应用中， 一并加以讨论。
3电网侧今后的潜在应用表前电网侧今后的潜在应用，主要是解决配电系统接入大量的系统新元件（包括可再生能源发 电和电动汽车充放电）后，所引发的双向服务、入网管理和市场交易问题，研发和实施工作量较大。
间歇性、功率不稳的可再生能源分布式发电大量并网运行时，将改变传统电网的结构，使配电 系统从简单的受电网络变成复杂的有源网络。当前配网的保护和控制配置方案不适应多分布发电源 的接入，已成为广泛采用分布式发电的技术瓶颈，更不用说由于通过逆变装置并网而带来的诸多电 能质量问题了。
电动汽车充放电的入网管理，技术上虽较可再生能源发电简单。但由于更加量大面广，存在大 量用户、中间服务商和电力公司之间的单独组网和营销管理等复杂问题。
尽管可再生能源发电和电动汽车充放电的入网管理和市场交易，提出了许多难题。但主要的难 点，还在于供需互动后接入的这些用电设备和系统，将以千位数量级增长，并需解决与电网并网运 行后的系统优化、协调和控制等问题。此时，传统的 SCADA/DMS 系统已不可能监视控制到每个单独 设备，只能监视控制到运行工况的边界，而通过设置在边界的分布式的智能控制来解决问题，这才是实施智能配电网所面临的一个研发难点和热点。
和静态模型与动态数据相结合的精确解不同，分布式的智能控制必须与知识工程的智能解相结 合，当前分布式智能的研发方向，几乎毫无例外地采用多智能体（multi-agent）技术。面向 Agent （AO， agent-oriented）是继面向过程和面向对象（OO，objeci-oriented）之后、新一代的软件系统工程技术。 Agent 是将知识和使用它的一组操作或过程封装在一起得到的一个实体，具有结构和属性，并 可通过消息互相通信。Agent 特有的自治性和主动性，可独立地完成其目标而不需要外界的指令、 或感知环境变化时通过规划实现其目标。因此，Agent 又有“主动的对象”之称，知识工程界均将 Agent 意译为“主体”或 “智能体” ，而不采用概念易于混淆的“代理” 。单个的 Agent 拥有解决问 题的不完全的信息或能力，没有系统全局控制能力。但可通过相关 Agent 间的协调和协作组成 Multi-Agent 系统，来解决复杂的全局性问题。 包括反应、协作和认知三层结构的 Multi -Agent 系统，
无通信能力的反应式 Agent，相当于传统上“事先整定、实时动作”的继电保护和就地无功补偿装置，根据程序安排自主作出反应，而无须外部指令控制。但保护和补偿定值的设定和修改 只能离线进行。加上具有通信能力的协作层后，当事件响应的快速仿真决策需对有关保护定值或稳 定补救方案进行修改和调整时，就可依靠外部知识协作、对反应参数或程序进行修改和调整，以提 高装置的适应性水平。这种通过不断修改系统控制参数来改进系统执行能力的感知型学习，不涉及 与具体任务有关的知识，但对外部知识依赖性强，在通信中断的情况下难于达到自适应的水平。如 进一步加上具有与具体任务有关的内部知识组成认知式 Agent，即使通信中断或情况紧急来不及协 调时，也可根据内部积累的知识作出自适应反应，充分体现 Agent 的自主性。
