1.6 信息能源系统的分层优化管理

研究信息能源系统的优化问题有助于发挥多能互补效应，保障系统高效安全运行。随着通信技术发展，信息能源耦合程度加深，如何适应通信技术发展带来的信息类型变化、信息能源深度融合带来的能源主体变化，实现信息能源系统的优化运行成为国内外学者的研究热点。截至2020年8月，检索到相关论文1185篇。如图1.9所示，核心关键词“优化运行”和“multi-energy systems”相互结合，表明此研究方向得到了众多学者的关注。早期通信网络低带宽、高延时限制了系统数据传输和处理的能力，针对少量的静态能流数据，“混合整数线性规划”是较为常用的方法。随着通信技术向高带宽、低延时的发展，可再生能源接入和电动汽车的随机充电行为所产生的实时数据可以被挖掘和利用，关键词“不确定性”“uncertainty”成为研究热点。信息网络和能源网络的深度融合赋予了能源终端更高的智能性，“能源枢纽”“energy hub”等成为优化研究领域的关注热点。对综合能源网络的优化运行进行初步研究可以追溯到2004年，以包含可逆供热模式的绿色供暖系统为背景，基于电热耦合多能网络的静态能流信息研究，以及后来的基于风力发电的实时信息，研究区间优化的电-气耦合网络优化运行策略，这些研究均获得了广泛关注。

上述分析结果表明，随着信息技术的发展，信息类型实现了从静态能流数据到实时动态数据的转变，这种转变驱动了优化从日前优化转向更实时的优化。然而，信息不仅体现在数据上，还体现在信息能源深度融合下终端能源的智慧性和自主能力，从论文的关键词可以看出，在这类信息驱动下，能源网络实现了从传统终端能源到智慧能源枢纽的变革。随着能源主体智慧性和自主性的提升，能源的交互不再是自上而下的模式，而是自下而上的。相应地，优化研究也从集中式优化逐渐转向分布式优化。针对信息能源系统的优化研究，国内外学者基于信息类型变化和终端能源发展，从静态能流信息、实时动态信息和新型信息能源耦合主体的角度入手，对能源网络优化运行进行了研究。

1.6.1 基于集中式管理的优化运行

集中式能源，亦称“中央能源供应系统”，即通过集中优化配置资源的方式，实现能源的综合利用。部分学者从经济性、安全性和环保性等角度对能源网络的优化进行了研究。信息能源系统的运行优化是指在系统运行过程中以运行成本最小化、降低污染物排放等为目标，综合考虑热、冷、电、气等多种能源介质的物理特性，对多种能源进行统一调配和管理，通过多能互补实现能源的高效利用。运行优化对保障信息能源系统的安全与高效运行有着重要作用。

1.负荷预测

用户侧对不同类型能源的需求决定了能源供应端应供应多少能量、储存多少能量。而用户负荷将受到各方面因素的影响而产生许多波动，如天气因素、电价因素、政策因素等。因此，对用户负荷的准确预测是制定能源系统调度方案的先行条件之一，利用神经网络等算法，根据历史数据、气象数据、运行属性等相关因素建立负荷预测模型，从而提供较高精度的负荷预测数据。

2.优化模型分析

对能源系统各个设备建立数学模型，将抽象问题转化为具体的数学、物理关系，简化了问题的复杂程度。根据能源系统的结构划分，需要建立4类模型：能源供应端设备出力模型，如光伏、风力发电功率模型等；能量转换设备模型，如电转气设备模型、电锅炉设备模型等；能量储存装置模型；能量输配动态模型，如热力网输配热损耗和延迟模型等。

3.目标函数及约束条件设置

多能系统的调度优化模型本质上是一个多目标的优化问题，根据调度的最终目的不同，可以设置不同的目标函数，例如，运行成本最小化、环境效益最大化（碳排放量最小）、可再生资源占比最高、弃风弃光量最小等。系统实际运行过程中，设备本身存在许多约束条件，主要分为等式约束和不等式约束。等式约束主要指电力平衡、天然气平衡、热量平衡；不等式约束主要指CHP机组、热泵等设备热出力的上下限，燃气轮机等设备的爬坡约束，网络传输能力约束等。

4.求解方法

调度模型是一个涵盖了多种系统优化问题的多耦合模型，且多个目标函数之间存在着深度耦合或冲突。对于此类非线性、多目标复杂模型的求解，通常有两种方式：一是对于不同目标设置权重系数，将其转为多个单目标优化问题；二是将模型内存在的非线性部分分段线性化，进而采用合适的求解器进行求解。常用集中式优化建模及求解方法见表1.4。

1.6.2 基于分布式策略的优化运行

随着多种信息能源深度耦合，新型能源主体应运而生，能源主体中能源产消角色一体化的转变、智慧程度的提升，改变了能源系统自上而下的优化模式，使得优化具有显著的分布式特征。

1.分布式热电联产系统优化

20世纪90年代初，日本大阪大学的K.Ito首次提出了分布式热电联产系统的优化决策问题。21世纪初，胡文斌借鉴其构建的过程能源系统三环结构模型，创造性地提出了分布式热电联产系统的能流结构模型，确立了系统优化设计的基本思想和主要任务。随后，江丽霞基于中国著名工程热物理学家吴仲华院士所提出的总能系统的理念，率先展开了对冷热电三联供系统的特性分析与优化设计相关研究工作。

（1）运行策略优化

作为一种多产联供系统，分布式热电联产系统的能量调控与运行管理十分复杂，其运行调控对系统综合效益的实现至关重要。围绕分布式热电联产系统运行策略优化，相关研究已突破“以热定电”“以电定热”的常规运行模式，通过赋以优化模型足够的自由度，实现了供需两侧的互动、耦合。同时，设备部分负荷特性的考虑，也使得优化结果更具可靠性。

（2）设备配置与运行策略协同优化

分布式热电联产系统的经济性、节能性和环保性优势，除了取决于系统的运行策略，受设备容量配置的影响也较大。设备的容量配置过大，不仅会使设备初投资过大，而且会导致系统长期低负荷运行；而设备容量配置过小，会存在能源供应不足的软肋，二者都不能充分发挥分布式能源系统高效用能的优势。针对上述问题，许多学者在综合考虑能源负荷动态变化的前提下，应用多目标规划、智能优化算法等方法对分布式热电联产系统的设备容量进行优化配置，显著提升了系统性能。但这些研究在确立系统优化配置的同时，忽略了集成设备运行策略的潜在影响。为实现分布式热电联产系统效益的最大化，设备配置和运行策略的协同优化尤为重要。分布式热电联产系统的优化范畴不断扩大，研究重点已从运行策略优化发展到设备配置与运行策略的协同优化。同时，优化方法不断创新，从早期的线性规划、混合整数线性规划，发展到粒子群算法、遗传算法等智能优化方法。

2.多能互补分布式能源系统优化

与常规单体型分布式能源系统相比，耦合可再生能源和化石能源互补利用所构建的多能互补分布式能源的优化决策问题则更为复杂，其包含了从系统能流结构设计和设备类型选择、容量和数量配置到运行策略的整个优化过程。

（1）耦合可再生能源和化石能源的分布式能源系统优化

美国能源部劳伦斯·伯克利国家实验室在21世纪初率先展开相关研究，其所开发的能对可再生能源和传统化石能源进行耦合分析的分布式能源用户侧模型（DER-CAM）得益于其灵活的建模框架、卓越的优化功能以及全世界众多应用实例，被供认为是分布式能源系统经济优化的最佳工具。分布式能源系统中，耦合化石能源的可再生能源主要有太阳能、风能和地热能等。多能互补分布式能源系统在解决可再生能源供能不连续、缓解化石能源紧张和减少环境污染等方面具有巨大的优势。然而，目前多能互补分布式能源系统的优化研究工作中，对实际运行中可再生能源出力间歇性和随机性以及负荷需求的不稳定性的考虑较少。因此，加强可再生能源出力预测和需求侧负荷预测是今后的研究重点。

（2）基于微电网的多能互补分布式能源系统优化

在多能互补分布式能源系统中，增加储能装置是解决可再生能源出力不连续、不稳定的有效措施。微电网是指由多种分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的新兴发配电系统。微电网不仅能消纳大量随机性和间歇性的可再生能源，还能在保证电能质量的前提下，满足区域内负荷需求。因此，微电网为多能互补分布式联供系统提供了一个易于调节的平台，在满足热（冷）负荷的情况下，更有效地分配和储存电能，进一步提高能源利用率。所以，基于微电网的多能互补联供技术具有重要的研究意义和广阔的应用前景；同时，在此基础上的系统优化研究成为当前的又一个研究热点。基于微电网的多能互补分布式能源系统优化研究的重点主要集中在运行调度方面，对于系统稳定性方面的研究较少。未来可进一步考虑微电网内部可再生能源引起的分布式电源出力的不确定性及其与储能之间的协调作用，充分挖掘互动耦合机制在协调管理方面的重要作用，确保多能互补分布式能源微电网的高效、稳定运行。

3.区域型分布式能源系统优化

迄今为止，分布式能源系统的优化研究大多以楼宇型分布式能源为研究对象。即使是针对覆盖多个用户的区域型分布式能源系统，在优化建模过程中也大多沿用了供给侧能源垂直化管理的传统“中心”主义思维，即假设全部能源负荷集中于某一节点，通过集中能源站满足其用能需求。基于以上假定，系统优化研究的重点主要集中在原动机的配置、冷热电负荷平衡调节等方面，而未能充分考虑供给侧分布式能源设备和需求侧能源负荷在时空上的匹配和平衡。实际的区域型分布式能源系统大多建立在区域供热供冷系统基础之上。因此，针对区域型分布式能源系统的优化设计，有必要对供热供冷系统，包括冷热管网输送系统的特性进行深入研究，将其纳入整个大系统的优化过程。

芬兰Jarmo Söderman于2006年对系统进行一系列简化的前提下，首次尝试了分布式能源系统设备配置与区域供热供冷管网的集成优化。然而，该课题的研究需要集成运用工程热力学、传热学、流体力学、能源经济学、系统工程、管理运筹学等多个学科的理论知识体系，近10年来，国内外在该研究方向的进展相对缓慢。伦敦帝国理工学院城市能源系统项目主任Shah教授课题组是该领域较为活跃的研究团队之一，其所开发的DESDOP模型通过对集中式能源站与楼宇型分布式能源的耦合解析，实现了分布式能源技术选型与区域供热供冷管网布局的集成优化作为分布式能源利用的新思路、新模式，分布式能源的网络化应用也引起了国内学者的广泛关注。对于分布式能源系统与区域能源系统的集成与耦合，目前国内外相关研究大多停留在概念叙述的大框架层面；关于系统的优化也是浅尝辄止，尚缺乏深入细化的方法论研究。

1.6.3 基于人工智能的优化运行

人工智能于20世纪50年代中期被首次提出，由于最早受软硬件应用的技术局限性，限制了其发展，但随着大规模并行计算、大数据、深度学习算法和人脑芯片技术的发展，在近30年里取得了飞速的进步，被广泛应用于计算机科学、经济贸易、机器人控制、通信、医学等领域，并取得了丰硕的成果。在信息化、智能化的全面推进下，人工智能技术在能源系统中也得到了充分的应用。

随着社会的发展和技术的进步，能源的结构从单一传统能源向多源清洁能源转变。而未来分布式电源的大规模接入的不确定性、不同类型的能源终端相互耦合以及多种能源的时空不同步特征使能源系统的结构趋向复杂和灵活。同时伴随我国市场经济的深入发展及智能电网的兴起，能源市场交易方式的变革是其发展的必然产物。在此情况下，能源系统呈现出复杂非线性、不确定性、时空差异性等特点，使传统分析方法在能源系统的调度、规划、交易方式等方面面临诸多挑战。以先进的传感器技术和计算机技术作为支撑的人工智能技术可能会改变传统的分析方法，形成一种更为灵活和自主的新模式，有助于促进现代能源系统安全、经济和可靠地发展。人工智能将是解决这一类控制与决策问题的有力措施之一。例如，可采用深度学习方法，辅助区间状态预测来提高能源互联网网络安全性；也可以采用生成式对抗网络方法对自能源系统进行非侵入式建模，提高系统的预测精度。

1.基于源荷不确定性预测的运行优化

信息能源系统的源荷不确定性给系统的运行优化工作带来诸多困难，通过预测可再生能源和用能负荷的变化趋势可辅助制定系统最佳运行策略。通过给出针对源荷端不确定变量的预测结果，可建立信息能源系统的优化调度模型。

（1）时间序列预测

在信息能源系统运行过程中，被采集的源荷端不确定变量的数据通常为时间序列，可采用自回归的方式通过寻找变量自身历史数据中的变化规律来预测变量的未来变化趋势。针对光伏系统输出功率预测问题，采用深度长短期记忆（Long Short-term Memory，LSTM）模型挖掘时间序列中隐含特征以提高预测精度。另外，针对原始序列，首先进行小波变换将其分解为多个频率序列，再采用深度卷积神经网络（Artificial Neural Networks，ANNs）对每一序列进行建模。时间序列预测模型能够很好地描述数据本身的非线性关系，虽然其预测精度通常能够满足应用需求，但此类模型的可解释性偏低，限制了其在实际工程中的应用。

（2）多因素预测

多因素预测不同于时间序列预测中寻找变量自身变化规律的方式，而是通过建立其他系统变量与被预测变量之间的数学模型对变量进行预测。针对风电机组的预测问题，如以风速、风向和预测功率为特征变量，建立了在不同风向条件下风速-风电功率预测误差的联合概率密度分布模型。此类模型相较于时间序列预测提高了其可解释性，但由于所建模型仍为黑箱模型，可解释性要低于机理模型。

上述方法均是在对能源介质预测的基础上建立优化调度模型，然而数据驱动预测模型的建立依赖于大量与系统运行相关的历史数据，由于模型准确度不高等，预测结果不可避免地会带来误差，这种误差可能会对优化过程带来不利影响。

2.基于自学习的运行优化

自学习是能源系统运行优化的一个重要研究方向，利用大量训练数据使得模型获得自主学习最优策略的能力。强化学习（Reinforcement Learning，RL）属于机器学习中一个重要的研究领域，与有监督和无监督学习相比，该方法基于定义的状态（State）执行动作（Action），通过在动态环境中“自主”地学习动作策略达到预期收益最大化的目的。由于RL方法中无须考虑优化过程的复杂约束条件，在含有可再生能源的智能微电网调度方面的应用较为广泛。此外，深度学习（Deep Learning，DL）与RL相结合的方法同样广泛应用于智能微电网优化调度中。

RL方法大多应用于智能微电网的优化调度中，在多能耦合的信息能源系统中应用尚处于探索阶段。由于现有RL方法中通常采用相对简单的函数近似器，无法处理复杂任务，大多数此类方法被用于具有简单状态转移过程的优化场景，如电储能过程等，而对于信息能源系统中具有缓慢变化特征的气热耦合动态过程优化的研究较少。

1.6.4 以碳中和、经济和安全等为目标的交易优化运行

作为能源终端的用户侧是信息能源网络的重要环节，如何利用先进的信息技术以及能源市场机制实现用户侧的能源管理效力，进一步提高能源网络的灵活性是一个重要的研究方向。截至2020年8月，检索到相关论文840篇。如图1.10所示，核心关键词“需求侧管理”与“能源市场”相互结合，表明此研究方向得到了众多学者的关注。而从研究对象的角度来看，由于对象模型以及对系统影响的差异性，关键词“需求侧”“分布式电源”“综合能源系统”“Energy Internet”等成为关注热点。李晖在2004年提出了考虑用户满意度的需求侧管理价格决策模型，较早地将能源市场与用户管理进行结合。而Alex Q.Huang等在2011年提出能源互联网概念，并提出通过信息与电力电子技术结合、能量双向流动等手段提高用户在能源网络中的参与度，获得了能源互联网领域研究者的广泛关注。

随着信息技术的发展以及与能源系统的结合，能源系统优化管理也整体呈现出扁平化的趋势，用户在能源市场中的参与度大大提升，信息技术的发展推进了相应的变革。高速低时延的通信技术是需求侧大规模参与能源管理的基础；大数据技术为用户行为驱动的优化管理提供了相应的数据支持；同时，边缘计算、云计算等技术降低了用户参与所需的信息处理成本。在多种先进信息技术的支持下，能源系统管理模式从过去的市场集中管理发展为用户行为驱动主导，管理方式由集中式发展向分布式过渡，对应研究的能源系统逐渐从大电网发展到分布式电网，进而发展为多能耦合的信息能源系统。针对优化管理的研究，众多科研人员对不同类型的能源系统模型以及不同的能源市场进行对比，根据研究对象差异与能源变革的发展趋势，可以分为直接需求侧、分布式电源以及综合能源系统三类。

1.交易市场与评价指标

交易市场是气候与能源资源配置的高效手段，全球越来越多国家积极发展电力市场与碳市场。在电力市场方面，由交易中心组织发电企业、用电企业等交易主体开展电能的中长期与现货交易，平衡电能供需；并与电网企业开展输电权交易、辅助服务交易，实现电能配置和电力系统稳定运行；由金融机构提供衍生品交易，增强市场活力；总体实现电能的安全经济高效配置目标。仅用单一指标来评价具有一定的片面性，因此，多指标的综合评价方法被广泛应用。通过客观、多元的综合评价，将系统设计和运行优化进行量化，对于提高能源站的经济效益以及优化能源结构具有重大的现实意义。系统的评价主要包括技术、经济、环保几个方面。

技术性评价指标主要包括能源综合利用率、节能率、热电比等，可以比较不同类型、不同运行策略的燃气冷热电分布式能源系统，基于热力学第一、第二定律，分析系统的能耗、火用损、余热利用情况等方面的信息。能源综合利用率是衡量系统利用燃气发电及发电后余热有效利用情况的指标；节能率是以常规系统或“分供”系统为基准，分析分布式能源系统的节能效果；热电比则反映了余热利用程度，在一定的发电效率下，热电比越高，总热效率越高，热损失越小，余热利用程度越高。

经济性评价是决定项目能否实施的关键因素，其评价指标主要包括项目初投资、回收年限、运行费用、年运行时间等。项目初投资包括建筑工程费、设备购置费、安装工程费等。回收年限是项目投产后获得的收益总额达到该项目投入的投资总额所需要的时间。运行费用包括燃气等能源费（含水消耗等）、设备和设施折旧费、维护管理费（含人员工资、各项税收、材料和工具费等）。运行时间的长短与能源站的年收益密切相关，应对能源站的每台发电装置进行年运行小时的核算。

环保性评价主要是指在大气污染物排放和噪声方面的监控。对于以天然气为原料的分布式电站，SO₂和固体废弃物排放几乎为零，其中，大气污染物主要是指CO₂和NO_x。大气污染物减排量是指在取得同等供电供热量情况下，与基准系统相比减少的污染物排放量。根据GB 12348—2008《工业企业厂界环境噪声排放标准》规定，昼间等效声级不高于65dB（A），夜间不高于55dB（A）。除此之外，废水、废热的排放也须按照当地有关政府部门规定进行正确处理。在碳市场方面，政府确定碳排放权额度，并以拍卖或免费配发的方式分配给排放企业，企业根据自身排放需求在交易中心买卖碳排放权，一定时期内由监管机构核查企业排放情况，对未达标企业进行惩罚，从而实现碳减排目标。

2.直接需求侧管理与市场调节

大数据技术的推进与应用为能源系统提供了更精准的用户行为画像。部分研究从需求侧的角度出发，探讨对基于用户行为的直接调节会对大型电力网络的市场与运行产生的影响。薛禹胜等在2007年讨论了可中断负荷市场的经济补偿模型及报价清算规则，并且对可中断负荷的市场引导方式进行了分类分析，但用户在能源市场中的功能较为单一。在此基础上，卢强等在2014年讨论了市场与用户之间的关系，梳理了博弈论在需求侧管理中的应用，推进了博弈论在能源市场中的应用。

3.分布式电网的能源市场与用户管理

随着新能源的开发以及低延时通信技术的发展，越来越多的研究开始关注于在新能源参与下，能源供给与需求呈现分布式时的能源市场与用户行为管理。主要体现在通过提高微网中用户深度参与市场交易的方式，并在奖惩机制上与博弈方式上有了进一步提升。例如，利用市场竞价策略来实现需求侧管理；在考虑动态能源价格和用户满意度的情况下讨论含风电的电力系统优化调度，将发电资源与负荷资源共同进行协调来实现对风能的消纳；基于多智能体的微电网群内电力市场交易策略，通过使用单纯形法和博弈论纳什均衡解来确定最优售电方案，再通过求解需求侧最优购电模型来确定最优购电方案。

4.综合能源系统的能源市场与用户管理

在诸如5G、云计算等先进信息技术的支撑下，不同能源网络结合得越来越紧密，更多的研究专注于分析在多能耦合的网络中能源市场的变化以及如何进一步提高用户参与度。例如，Henrik Lund等在2006年首次在信息能源系统中利用区域能源市场进行调度与需求侧管理，文章从区域监管机制的角度出发，利用相应机制驱动用户行为；并且多角度分析了增加系统灵活性的方法，最终给出了一种利用CHP对风力发电进行消纳的方式。基于此，有学者建立了针对小规模冷-热-电系统的矩阵优化模型，为基于市场的信息能源系统需求侧管理提供模型基础；考虑多种不确定性的信息能源系统投资评价方式，利用数据分析了用户行为对投资价值的影响；探究信息能源系统特性，提出针对多时间尺度多能量形式的调度策略，利用能源特性与动态市场机制驱动用户行为实现最优调度。

从上述分析中可以看到，基于先进信息技术，现有研究中用户侧更加积极地与市场侧联动实现优化管理，同时用户参与的能源也从单一电能扩展到了综合能源系统。