1.4 信息能源系统的感知建模与特性分析

“互联网+”技术逐渐渗透能源行业，为能源行业带来巨大的变革，通过能源系统受到传感、监控、控制、能量管理及调度等信息的作用，反映出信息流对能量流的强耦合融合背景下，能源互联网所构建的新一代信息能源系统的形态。截至2020年8月，通过聚类选出中外文献共计86篇。如图1.6所示，“建模”以及“网络攻击”与“信息安全”相互结合的核心关键词表明这两个研究方向得到了众多学者的关注。而从研究类型的角度来看，关键词“信息安全”“network attack”“cyber-physical energy system”“cyber-physical social system”等成为关注热点。2010年，Marija D.Ili等提出了一种依赖于支持物理系统的网络技术的动力学模型，较早地将快速发展的能源系统建模为基于网络的物理系统，后续众多研究者在这个基础上进行了更为深入的研究。

上述分析结果表明，随着信息技术和能源系统融合逐步深入，能源系统正迅速发展成为复杂的信息能源融合系统，要实现未来能源系统的目标，就必须系统地嵌入能够监测、通信和控制不断发展的物理系统的网络技术。从论文的关键词可以看出，能源系统必须表现出适应性的性能，如灵活性、效率、可持续性、可靠性和安全性。不同能源实体之间日益复杂的相互作用需要一个安全、高效和强大的网络基础设施。针对这个方向，多数研究者基于信息能源融合系统建模与仿真、信息能源融合系统综合安全、信息物理能源系统（Cyber-Physical-Energy Systems，CPES）及信息物理社会系统（Cyber-Physical-Social Systems，CPSS）进行了研究。

1.4.1 信息能源系统数据与机理特性

信息能源系统的数据量多而复杂，且有效信息少而难识别。例如，在故障检测方向，很难有效剔除正常数据中的故障数据，而人为制造故障数据成本巨大，因此如何从多而杂的数据中发现有效的故障数据以及从不同运行情况下的故障数据中找到有效的组合是一大研究难题。对信息能源系统的机理特性进行准确的数学建模，从而保证系统的安全稳定运行及科学有效控制，是一直以来的研究热点。从信息能源系统的解耦入手，通过分析信息能源系统内不同动态尺度下的各类设备以及负荷的建模机理，获得高精度、高可靠性的群体智能模型，为实现多能源间的最优协同运行提供最准确的状态参量。

在信息能源系统中不同能源间的耦合关联机理方面，各国均进行了深入研究。英国研究理事会资助的英国能源网络领域最核心的“能源枢纽（Energy Hub）”项目中专门设立了能源系统主题。瑞士联邦理工大学提出的Energy Hub模型通过静态的转换效率连接多种能源需求和多种能源供给，得出满足能源需求条件下的最终能源供给方式。德国的E-Energy项目重点开发基于信息与通信技术（Information and Communication Technology，ICT）的能源系统，其目标是通过数字网络实现发电的高效、安全供给及能源供应系统优化，同时促进能源市场的自由化和分散化。美国国家新能源实验室正在开发可以仿真单独楼宇-配电网-区域互联电网的综合能源系统模型（Integrated Energy System Model，IESM），用于研究不同的市场模型、分布式发电、需求侧响应等对未来电力系统的影响。美国橡树岭国家实验室（Oak Ridge National Laboratory，ORNL）组建了一支跨学科研究团队，旨在研究如何从发电、配电、用电环节提供安全可靠的信息能源系统，内容主要集中于楼宇发电系统、储能系统以及综合能量的管理、控制及规划。国网电力科学研究院针对冷、热、电多种能源协调控制展开研究，探索热泵、蓄冷、储热锅炉等电能替代产品的简单应用模式。清华能源互联网研究院的能量管理与调控研究中心对冷、热、电多种能量的综合管理、运营模式与调控技术展开了研究。

1.4.2 信息能源系统建模与运行仿真

为有效应对传统物理机理建模、多能源耦合等引起的系统运行不确定问题，已有研究提出将机理分析与多源异构数据融合的群体智能模型。基于信息能源系统解耦映射机理，充分挖掘信息能源系统内各能源生产单元、储能单元等与各类通信单元之间的关联性，从信息能源系统中提取分析各能源设备数据之间的关联特征，对信息能源系统中冷、热、电、气等多源异构大数据进行有效融合，以提升信息能源系统的运行管理和性能优化水平，实现对信息能源系统各能源设备多方面、高精度的统一认识。

信息能源融合系统的建模与仿真是信息能源融合系统研究的热点之一，许多学者在系统异构问题、信息系统时间特性、信息模型等方面取得一定成果。天津大学基于奇异摄动理论的电-气耦合系统多时间尺度分层控制策略以及能源集线器模型的电-气耦合系统潮流分析与优化方法，提出了考虑电气系统动态与天然气动态的电-气耦合系统双时间尺度仿真分析模型。但以上研究只考虑两种能量系统的耦合，或只使用稳态网络计算模型，没有将冷、热、电、气等多种能源系统的动静态特性综合考虑，因此，需要通过建立动态管网模型精细化分析信息能源系统在能量传输上的差异，基于各能量系统的传输特性建立混合时间尺度优化运行模型，充分挖掘能源互补特性。基于机理与数据融合的群体智能建模可分为3部分，如图1.7所示。

1）构建机理模型并基于海量历史数据提取单元对象特征和影响因素，利用深度学习、聚类分析等数据驱动技术，采用不确定性过程分类和自动辨识研究方法，在此基础上明确转移关系，同时考虑各类波动过程，以实现简约信息交互下能源系统各设备连通关系的群体智能感知。通过信息能源系统解耦映射机理和数据信息，充分发挥机理模型和数据驱动模型的优点，更好地反映建模对象的规律与特性并对历史和实时数据进行充分挖掘，以提升信息能源系统的运行管理和性能优化水平。采用互信息方法度量海量监测数据间的关联性，在数据预处理过程中筛选出关联特征，然后采用数据驱动的方式，基于回归神经网络进行多能源耦合网络的系统参数辨识，实现系统内各类能源转换系数的动态评估，对海量数据进行决策融合。

2）使用多能源网络系统下信息流向群体智能感知技术，分析信息流事件间的影响程度，建立概率论框架下的信息流链路代价方程，实现多系统网络链路信息流向形势的群体智能感知。在信息能源系统各设备有限感知的基础上，群体智能感知模块采用离散状态获取、全局形势推理、演化趋势预测的思路，实现“由点到面、由当前到未来、由个体智慧汇聚群体智能”的多域立体协同感知。

3）探索全局网络形势拼接机理，针对不同时间尺度的动态特性，建立电力系统、热力系统和天然气系统等多能源耦合网络，以可靠性最佳，系统购能成本、运行维护成本以及能量损耗成本之和最小等为目标，构建基于机理与数据融合的群体智能模型，掌握信息能源系统不同动态尺度下各类能源生产设备、储能设备以及响应负荷的高维分布式建模机理。

1.4.3 信息能源系统能量流动与安全分析

信息能源系统可将多种不同形式的能量进行耦合并对其进行协同规划，提高系统的能量综合利用效率；通过系统中多种能量互补并配合储能装置，可弥补可再生能源带来的能量波动问题，促进可再生能源的开发利用。此外，由于各种形式能量需求可由多条路径进行供应，且相互之间可进行转换，信息能源系统可提高能量供应的可靠性。发挥信息能源系统的优势，需要对其中的设备选取、能量调度等问题进行深入研究，以减少设备冗余带来的不必要成本，避免因能量流分配不合理造成能量利用率低下，并提高供能可靠性。因此，研究多种能量的转换与配置对信息能源系统的建设发展具有重要意义。

由于信息物理系统（CPS）借助大量传感设备与复杂通信网络，使现代电力系统形成一个实时感知、动态控制与信息服务的多维异构复杂系统，信息流交互使得信息能源融合系统面临更多潜在威胁。2016年，东南大学汤奕团队提出了电力CPS领域中网络攻击的定义，从通信网络覆盖范围和网络攻击目的对攻击行为进行分类。西安交通大学刘烃团队通过分析CPS的安全现状，给出了CPS综合安全的定义，提出了CPS的综合安全威胁模型，对现有CPS攻击和防御方法进行了分类和总结，并探讨CPS综合安全的研究方向。James D.McCalley考虑煤炭和天然气供应端到电力负荷中心的传输损耗，提出一种多阶段广义能量流模型及其仿真模型。在此基础上，Salman Mashayekh针对电-热-冷耦合的多能源微电网，考虑电力流和热流的静态安全约束，建立了多能源微电网多节点模型。以下从信息能源系统状态估计、安全评估、可靠性分析和韧性分析4个方面对信息能源系统的能量流动与安全进行分析。

1）信息能源系统状态估计。作为现代电网能量管理系统（EMS）的核心，状态估计基于数据采集与监控系统（SCADA）的量测信息，为EMS后续安全分析与控制提供电网的实时状态感知信息。另一方面，基于实时的SCADA量测，天然气系统实时运行同样配置了状态估计功能。然而值得注意的是，电力系统一般采用静态状态估计器，而天然气系统一般采用动态状态估计器。

2）信息能源系统安全评估。综合能源系统安全评估侧重于定量评估单个系统的扰动对本系统及耦合系统的安全性影响，其中，扰动包括净负荷波动（小扰动）与系统设备故障（大扰动）等因素，通常采用信息能源系统稳态/暂态潮流分析某种扰动对系统运行的影响。

3）信息能源系统可靠性分析。建立考虑元件故障、负荷和风电功率随机性等多种指标的可靠性评估模型，对薄弱环节进行规划，提高计算效率，增强数值稳定性，增加适用性，最终提高信息能源系统的可靠性。

4）信息能源系统韧性分析。韧性是指系统遭受严重的故障/灾害时，系统通过调整运行策略以尽可能降低故障过程损失以及尽快恢复正常状态的能力。设计考虑恶意数据攻击的信息能源系统鲁棒防御策略，辨识系统薄弱环节，构建优化模型，可提高信息能源系统的韧性。

信息能源系统潮流模型为后续安全分析的基础，而信息能源系统的安全分析则为后续的优化控制决策提供了参考。