一种基于能源互联网的能源USB系统方案设计

郑宇，程乐峰，孟科，张睿，李正佳，余涛

（1. 南方电网科学研究院，广州市 510080；2. 苏州华天国科电力科技有限公司，江苏 苏州 215000）

一种基于能源互联网的能源USB系统方案设计

郑宇1，程乐峰2，孟科1，张睿1，李正佳2，余涛2

（1. 南方电网科学研究院，广州市 510080；2. 苏州华天国科电力科技有限公司，江苏 苏州 215000）

在能源互联网的背景下，需重点关注配网侧/需求侧综合能源管理，基于此，设计一种基于能源互联网的能源US B（Universal Service Bus）系统方案，实现 光伏接入、风机接入、电动汽车充电站接入及工商业 居民用户接入。设计了能源USB系 统的拓扑结构，并给出了能源USB的总体硬件设计方案和软件技术方案。硬件方案以基于 DSP的智能用电控制器为核心，称为能源USB设备，包括DSP及其电源电路、信号采集及放大电路、隔离电路、电力载波通信及电源电路、按键及ARM电路、ZigBee通信模块、继电器模块、传感器模块、储存与时钟模块等。设计的能源USB系统方案可采集海量用户用电数据，实现分布式设备的即插即用，对于“互联网+”背景下新型配网侧/需求侧综合能源管理系统的建设具有一定的参考价值和借鉴意义。

能源互联网；能源USB；即插即用；分布式设备；“互联网+”

0 引言

化石能源的大规模开采利用导致的能源枯竭及环境问题日益突出，人类的发展面临严峻的挑战，一方面这些传统的化石能源逐渐走向枯竭，另一方面带来了严峻的环境问题，这将迫使人们迅速过渡到一个全新的能源体制和工业模式。2012年，党的十八大明确提出，要适应国内外形势新变化，加快经济转型；2015年，李克强在第十二届全国人民代表大会第三次会议政府工作报告中提出，“制定‘互联网+’行动计划”，推动移动互联网、云计算、大数据、物联网等与现代制造业结合。与此同时，面对可再生能源利用技术以及互联网技术的飞速发展，美国著名学者杰里米×里夫金在其新著《第三次工业革命》一书中[1]，首先提出了能源互联网的愿景。能源互联网由若干个能源局域网相互连接构成。能源局域网由能量路由器、发电设备、储能设备、交直流负载组成，可并网工作，也可脱网独立运行。能量路由器由固态变压器和智能能量管理组成；智能能量管理根据收集的能源局域网中发电设备、储能设备和负载等信息做出能量控制决策，然后将控制指令发送给固态变压器执行，即智能能量管理控制信息流，固态变压器控制能量流。为保证能源互联网的可靠安全工作，能源局域网的上一级母线具有智能故障管理功能，提供能源互联网故障的实时检测，快速隔离等功能。

电力体制改革和售电侧放开后，社会能源消费模式和电网运行模式都将发生深刻变化：电网公司方面，其盈利模式发生变化，逐步转为公用事业，对电网的控制模式从传统的发电侧管理逐步转向需求侧管理；即将成立的售电公司盈利模式将由传统的售电盈利模式向提供综合能源利用服务盈利模式转变；用户方面从传统不用管电网到主动参与电力需求侧管理方面转变。这一切的转变发生在能源互联网背景下，使得开展面向能源互联网的配网侧/需求侧综合能源管理研究具有重要意义。

能源互联网本身具有四大特征[1]：1）以可再生能源为主要一次能源；2）支持超大规模分布式发电系统与分布式储能系统接入；3）基于互联网技术实现广域能源共享；4）支持交通系统电气化。因此，能源互联网是一个泛在互联、对等开放、低碳高效、多源协同、安全可靠的充满活力的研究领域[2]。利用能源互联网技术，电网公司可实现广域内的电源、储能设备与负荷的协调；实现集中式化石能源利用向分布式可再生能源利用的转变；实现信息-能源高度融合，进而打通配电/用电大数据采集与利用的瓶颈，真正实现电网与分布式供电设备的协调控制与优化利用。

国内外针对能源互联网的研究，美国NSF资助了FREEDM （Future Renewable Electric Energy Delivery and Management） 研究中心，首先提出了发展能源互联网技术的设想，并已经开发了能源互联网的部分原型系统[3]；2012年5月29日，欧盟委员会副主席Antonio Tajani明确指出：“第三次工业革命的核心就是能源互联网…我们的2020战略使我们走在正确的道路上，但我们现在必须加快速度…”[4]；德国率先提出了“E-Energy”计划，力图打造新型能源网络，在整个能源供应体系中实现数字化互联及计算机控制和监测[5]。

学术研究方面，文献[6]以分布式能源发电为基础，构建了可以实现实时、高速、双向的电力数据读取和可再生能源接入的能源互联网系统；文献[7，8]则分别探讨了能源互联网的关键技术和技术框架；文献[9]探讨了以能源路由器为核心交换装置的能源互联网实现模型，从能源路由器的实现目标，已有支撑技术和实现部署方式等方面分析了涉及的关键技术，并给出了该领域亟需突破的研究方向。针对家庭式智能电网，文献[10]从家庭式发电系统、电池系统、电动汽车和能量优化管理等4个方面研究了其具体实现方法；文献[11]则给出了一种基于实时电价的家庭能量管理系统（HEMS）家电最优调度方法，而文献[12]则针对智能家庭能源管理提出一种可控制连接至屋顶光伏（rooftop PV）的住宅电池系统的HEMS，该住宅电池系统考虑了能源负荷和光伏发电预测误差，预测精准度则通过160户家庭住宅的真实HEMS数据进行了验证。同时，文献[13]则通过协调调度住宅分布式电能资源来优化智慧家庭能源设备，优化算法为粒子群算法（particle swarm optimization，PSO）。

当前，电力是应用最为广泛的二次能源，现有电网已实现电力的远距离配送，并具备了相当规模，随着越来越多的电动设备的成熟，如电动汽车等，电力资源将成为未来人们直接使用的主要能源形式，电力网络将是未来能源互联网的主要组成部分。此外，新能源和可再生能源开发利用面临困难，可再生能源发电无歧视、无障碍上网问题未得到有效解决，这是电力行业发展面临的一个亟需通过改革解决的问题。电改9号文的一个重要目标，就是要提高综合能源利用水平。基于此，本文设计一种基于能源互联网的能源USB（Universal Service Bus）系统方案，实现光伏接入、风机接入、电动汽车充电站接入及工商业居民用户接入。所设计的能源USB系统充分利用互联网技术实现广域内的电源、储能设备与负荷的协调，可最终完成集中式化石能源利用向分布式可再生能源利用的转变，实现信息-能源高度融合，进而打通配电/用电大数据采集与利用的瓶颈，真正实现电网与分布式供用电设备的协调控制与优化利用。

1 能源USB系统的功能要求

能源USB系统的功能是支持各类分布式设备的即插即用，是能源互联网的最关键技术组件之一。能源USB是支持各类分布式设备和电动汽车接入的统一接口平台。此外，能源USB还支持与各类用电信息采集终端（智能电表、智能插座、环境传感器等）的通信。除了识别分布式设备的类型与身份外，能源USB还应具有数据汇总、数据中转等功能。此外，能源USB有较强的可扩展性，可以支持与各类智能用电信息采集终端（智能插座、温度传感器、湿度传感器等）集成。能源USB还作为支持多种智能电网功能的载体工具与信息终端，支持分布式电源，储能设备，智能负荷，电动汽车 等多种设备的连接；支持用户侧管理，削峰填谷，平抑可再生能源的间歇性，分布式控制通讯等功能；从而支持相关系统能源的最优化运行，有效地提高系统供电服务的可靠性。

结合文献[14]对广域内海量分布式设备接入配电网的协调控制研究，能源USB和各类分布式设备的连接示意图如下图1所示，当分布式设备接入能源USB时，能源USB一方面可和分布式设备实现双向的能量交互，完成相关的切断、连通电路等功能，另一方面，可和分布式设备交互信息，实现设备识别、命令上传下达等功能。

图1 能源USB和分布式设备的连接示意图Fig.1 Connection diagram between energy USB and distributed devices

能源USB和上级电源节点则通过各种通信方式（包括WIFI、ZigBee、3G、蓝牙等）联网，由于分布式设备和能源USB的连接关系是最基础的信息，因此，结合能源USB本身的连接关系，可以方便地掌握所有的分布式设备的电气拓扑关系，并实现对分布式设备的管理。因此，能源USB系统的功能描述为：各类分布式设备和电动汽车接入的统一接口平台；与各类用电信息采集终端（智能电表、智能插座、环境传感器等）通信；完成分布式设备的身份识别，数据汇总、数据中转等；可扩展性强，与各类智能用电信息采集终端集成；作为支持多种智能电网功能的载体工具与信息终端；支持需求侧管理、削峰填谷、平抑可再生能源的波动、分布式控制与通讯等功能。

2 能源USB系统结构设计

2.1 拓扑结构设计

能源USB系统不是简单的一个设备，而是一套多层分级的、实现能量流和信息流互联的系统。能源USB按面向的对象可分为分布式能源设备接入的能源USB设备，以及商业、居民用户接入的能源USB设备。

分布式能源设备接入的能源USB设备包括光伏接入的能源USB设备、风机接入的能源USB设备、充电桩接入的能源USB设备、储能接入的能源USB设备。这四类能源USB的功能主要是实现分布式能源设备的即插即用，并实现设备和电网之间能量流、信息流的互联。

商业、居民用户接入的能源USB设备不是单一的一款设备，根据使用需要，商业、居民用户接入的能源USB设备应该看作是一套多级分层的硬件系统，由能源USB插座、能源USB入户集中器、能源USB楼层集中器、能源USB楼宇集中器组成。主要实现电网和商业、居民用户之间能量流、信息流的互联。

整个能源USB系统的拓扑结构设计如下图2所示。

图2 能源USB系统的拓扑结构Fig.2 The topological architecture of energy USB system

2.2 主要功能组件

以图2所示的能源USB系统拓扑结构以最高配置的楼宇为例，即单栋楼宇内同时具有光伏、风机、充电桩、储能等分布式能源设备，在各楼层中也有一定数量的普通居民用户，基于图2，能源USB系统的结构主要包括：

（1）光伏接入、风机接入、充电桩接入、储能接入的能源USB——分布式能源设备接入的能源USB设备，实现分布式能源设备的即插即用，实现设备和电网之间能量流、信息流的互联，可以对分布式能源设备进行连续控制。

（2）能源USB插座——商业、居民用户接入的能源USB系统的最底层装置，实现对插座所接入的用电设备的监控以及开断。

数据采集：采集所接用电设备的单相电压、电流、功率、电能等数据，使中央处理单元能够识别不同插座的负荷数据，提高用电数据分析准确度，为智能用电管理提供依据。

上行通讯：采用ZigBee与“能源USB入户集中器”通讯，入户集中器作为Server节点/中心节点，插座作为Device节点/终端节点。

下行通讯：采用专用低压载波通讯（距离短、速率高、载波信号只到插座）与智能家电通讯（具备载波通信能力的家用电器）。

（3）能源USB入户集中器——商业、居民用户接入的能源USB系统的核心部件。具有单相数据采集、通讯功能、用户界面功能，内置高级算法对用户用电行为进行本地分析。

数据采集：采集用户单相电压、电流、功率、电能等数据。

上行通讯：采用低压载波与“能源USB楼层集中器”通讯（作为Device节点）。

下行通讯：采用ZigBee与能源USB插座通讯，入户集中器作为Server节点/中心节点，插座作为Device节点/终端节点。

用户界面：采用彩色高清显示屏和按键完成信息显示和用电策略设置等

（4）能源USB楼层集中器——商业、居民用户接入的能源USB系统的系统层级集中器，具有单相数据采集功能、通讯功能。

数据采集：采集一栋楼宇的单相电压、电流、功率、电能等数据。

上行通讯：采用ZigBee与“能源USB楼宇集中器”通讯（其中楼层集中器作为Device节点/终端节点）。

下行通讯：主要采用低压载波通讯与安装于用户的“能源USB入户集中器”通讯，其中楼层集中器作为Server节点，入户集中器作为Device节点。

（5）能源USB楼宇集中器——商业、居民用户接入的能源USB系统的楼宇级集中器，具有单相数据采集功能、通讯功能。

数据采集：采集每栋楼宇的单相电压、电流、功率、电能等数据。

上行通讯：采用以太网通过交换机与电网公司通讯。

下行通讯：采用ZigBee与“能源USB楼层集中器”通讯，其中楼宇集中器作为Server节点/中心节点，楼层集中器作为Device节点/终端节点。

2.3 能源USB应用场景

可设想一种能源USB的应用方案的拓扑结构如下图3所示，其中，示范工程可选在某市生态城，安装户数不少于70户，通过能源USB统一处理器：经4G/以太网与示范点、分布式设备及用电数据分析软件平台进行上行通信，方便地掌握所有的分布式设备的身份与电气拓扑关系，实现对分布式设备的精细化管理；利用ARM嵌入式系统和加密技术等与配电自动化系统、计量系统进行数据共享；同时，经WIFI、Zigbee和低压载波等与移动终端、智能电表等进行下行通信。

图3 能源USB方案应用拓扑图Fig.3 The topological architecture of energy USB scheme application

同时，我们设想的能源USB几个可能的应用场景包括：

1）用电设备的识别及差异化计费：以电动汽车为例，当电动汽车的充电头插入充电桩等具备能源USB功能的设备时，系统可自动识别电动汽车的编号，汽车型号、电池等重要信息，并实现自动扣费等功能。此外，对于分布式电源与储能等可能向系统倒送能源的设备，能源USB也可以在识别出设备身份的基础上，自动完成计费功能。

2）中小型工商业用户及智能楼宇的能量监测与控制：对于接入能源USB的各种用电设备，能源USB可以收集设备级的详细用电信息，并向上级系统汇总报送。在必要时，能源USB也可以根据上级系统的控制信号，对接入的设备进行远程开断。

3）小型配电系统的精细化负荷预测与建模：若在一个小型配电系统内广泛安装能源USB，可以在后台大数据分析系统的支持下，利用能源USB采集的设备信息与电气拓扑信息，实现精细化的负荷预测与负荷建模。

4）小型配电系统的削峰填谷：大量能源USB也可以在后台分布式设备协调控制系统的支持下，通过控制用电设备，实现削峰填谷与抑制系统内可再生能源间歇性的目的。

3 能源USB硬件设备

能源USB硬件设备，可采集家庭用户用电数据信息，对用户用电行为和用电能效进行分析，建立用电优化控制策略。能源USB设备是基于能源互联网的一种智能终端接口，可实现各种分布式发/用电设备的即插即用以及分布式设备与电网进行信息和能量的双重流通。能源USB作为实现各种分布式设备即插即用的统一接口，这里提到的即插即用有两层含义：一是作为分布式电源、分布式储能、电动汽车、可控负荷等各类分布式设备的电气接口；二是兼容多种常见的通信协议，如电力载波、ZigBee、WiFi、3G等，支持各种用电设备与电网进行信息的双向流通。

3.1 设备种类

（1）风机接入的能源USB硬件装置

风机接入的能源USB硬件装置应能智能识别接入的风机特性，可支持风机的即插即用。除此之外，还内置电气参数测量模块，可以对接入的风机各电气量进行实时检测，如当前输出总功率、功率因数、发电量、输出电压、输出电流等。此外，能源USB还兼有电能质量检测的能力，可以检测风机输出的电压谐波和电流谐波。除了电气量，能源USB还可以采集安装地点周围的环境信息，如温湿度、烟雾颗粒浓度等。

风机接入的能源USB硬件装置除了能够完成一系列电气信息和环境信息的测量，还具有兼容各种不同的通信协议的能力，视各种通信协议的应用范围、数据率、有效传输距离等因素，考虑在电力载波、ZigBee等协议中选择。

（2）充电桩接入的能源USB硬件装置

充电桩接入的能源USB硬件装置可以智能识别接入的电动汽车充电桩的特性，对电动汽车充电桩的各种电气信息进行实时监测，如当前输出总功率、功率因数、用电量、输出电压、输出电流、电压谐波、电流谐波等。除了电气量，能源USB还可以采集安装地点周围的环境信息，如温湿度、烟雾颗粒浓度等。

充电桩接入的能源USB硬件装置除了能够完成一系列电气信息的测量，还具有兼容各种不同的通信协议的能力，视各种通信协议的应用范围、数据率、有效传输距离等因素，考虑在电力载波、ZigBee等协议中选择。

（3）储能接入的能源USB硬件装置

储能系统接入的能源USB硬件装置应能支持风机的即插即用。除此之外，内置的电气参数测量模块可以对接入的储能系统各电气量进行实时的检测，如当前剩余储电量、当前输出/输入总功率、功率因数、输出/输入电压、输出/输入电流、电压谐波、电流谐波等。除了电气量，能源USB还可以采集安装地点周围的环境信息，如温湿度、烟雾颗粒浓度等。

储能系统接入的能源USB硬件装置除了能够完成一系列电气信息和环境信息的测量，还具有兼容各种不同的通信协议的能力，视各种通信协议的应用范围、数据率、有效传输距离等因素，考虑在电力载波、ZigBee等协议中选择。由于储能系统位于室内，可以考虑兼容WiFi通信协议。

（4）商业、居民用户接入的能源USB硬件装置

商业、居民用户接入的能源USB硬件装置除了可支持用电设备与电网进行信息和能量的双向流通，还可对接入的用电设备进行实时的用电检测，此外，商业、居民用户接入的能源USB装置还需要对用户环境数据如环境温度、湿度、空气质量等影响用户用电行为的环境数据进行采集，所获得的用电信息和环境信息可通过互联网实时上传至电力数据云用于支持高效的互动化策略的实施；利用专门的算法对用户信息进行数据挖掘以获得用户用电习惯、用电设备的特性等信息，并配合用户能源管理系统，从而获得更佳的用户用电体验。

商业、居民用户接入的能源USB硬件装置还具有兼容各种不同的通信协议的能力，视各种通信协议的应用范围、数据率、有效传输距离等因素，考虑在电力载波、ZigBee等协议中选择。考虑到商业、居民室内一般有WiFi覆盖，商业、居民用户接入的能源USB装置也可以考虑兼容WiFi通信协议。

3.2 硬件设计方案

能源USB硬件装置需要完成一系列的计算任务，包括各种电量和环境量的采集，谐波测量需要快速傅里叶变换（FFT）、支持载波和ZigBee通信，同时能实现与用户的智能交互等功能。考虑到成本、功耗与计算能力的平衡，能源USB硬件装置可采用DSP芯片与ARM芯片结合的双处理器架构。

DSP芯片可采用美国TI公司的TMS320F28335芯片，既负责电量和环境量的采集，也负责进行上行通信和下行通信，还包括对电器进行操作控制。

ARM芯片拟采用ARM920T，配合LCD高清触摸屏，负责提供友好界面，与用户进行交互，同时内置高级算法可以对用电行为信息进行本地分析，为用户提供多种优化的用电策略选择。

DSP芯片与ARM芯片结合的双处理器架构，其总体的原理设计框图如图4所示。

图4 硬件设计总体方案Fig.4 The overall hardware design scheme

能源USB硬件设计方案，按照功能划分为多个区域，分别是DSP及其电源电路、信号采集及放大电路、隔离电路、电力载波通信及电源电路、按键及ARM电路、ZigBee通信模块、继电器模块、传感器模块、储存与时钟模块等。

其中，DSP及其电源电路是核心区域，DSP采用TMS320F28335芯片，具有150MHz的高速处理能力，具备高性能的32位浮点处理单元，与作用相当的32位定点技术相比，快速傅里叶变换（FFT）等复杂计算算法采用浮点技术后性能提升了一倍之多[15-17]。以专用的电源芯片TPS73HD301及滤波电容组成其电源电路，保证运行的稳定性。

信号采集及放大电路拟采用电阻分压测量电压信号，分压比例为1000：1，拟采用精密的锰铜合金为电流信号的采样电阻（R001），采样后的电压电流信号经放大器进行放大后由AD7606数据采集芯片进行模数转换，AD7606是一款16位、8通道同步采样，内置模拟输入箝位保护、二阶抗混叠滤波器、跟踪保持放大器，单电源供电，可以处理±10V真双极性输入信号的芯片，所有通道的最高采样吞吐速率达200kSPS，可对输入的电压电流信号进行高精度采样。如图5所示为电气测量原理框图。

图5 电气测量原理框图Fig.5 Electrical measurement principle block diagram

隔离电路采用ADuM7642磁耦合隔离芯片，负责将信号采集及放大电路和其他数字电路进行隔离，保证了低压数字电路的安全性。

电力载波通信及电源电路、ZigBee通信模块分别负责能源USB装置之间的低压电力线载波通信和ZigBee通信。载波通信模块ZPLC-10内置隔离电路，通过自恢复保险丝和压敏电阻直接接到火线和零线上，与DSP之间通过串行通信（SCI）进行通信；ZigBee通信模块DRF1605H与DSP之间同样通过串行通信（SCI）进行通信；能源USB装置并联接入电力线中，通过LD12-20B12电源模块将220V交流电转换成12V直流电，为能源USB内各器件供电。需要注意的是，为避免载波信号通过电源模块耦合到低压数字电路产生干扰，电源模块的220V输入侧需串联一个共轭电感以滤去高频载波信号。

传感器模块包括温湿度传感器AM2302以及空气质量传感器MQ135。温湿度传感器AM2302内部包含一个电容式感湿器件和一个NTC测温元件，并与一个高性能8位单片机相连接，无需模数转换直接数字输出，具有体积小、功耗低、响应速度快、抗干扰能力强、性价比极高等优点，其湿度分辨率达0.1%RH，25℃下精度为±2%，温度分辨率为0.1℃，精度为±0.5℃。空气质量传感器MQ135输出为模拟电压量，输出电压值随浓度增加而增加，浓度越高电压越高，对氨气、芳族化合物、硫化物、苯系蒸汽、烟雾等气体具有很高的灵敏度，具有长期的使用寿命和可靠的稳定性，测量量程为10～1000ppm。

按键与ARM模块主要用于与用户进行交互，按键主要扩展调试、复位、开关机等操作，外接的ARM模块采用ARM920T，配合LCD高清触摸屏，负责提供友好界面，与用户进行交互，同时内置高级算法可以对用电行为信息进行本地分析，为用户提供多种优化的用电策略选择。

扩展的储存芯片采用AT24C64，主要用于扩展DSP的储存容量，可以本地储存大量用户的用电信息，便于随时调取。能源USB内置时钟芯片采用DS1302，在无法联网获取时间的情况下，配合储存芯片详细记录用户用电的时间信息，便于分析用电特征。

采用ARM芯片设计出基于DSP与嵌入式Android系统，采用复杂嵌入式ARM架构芯片，并嵌入Android 操作系统和地图，可实现复杂参数输入、触屏式界面操作、互联网访问和数据传输和位置地理信息显示，实时通讯等强大的功能，硬件设计方案中ARM芯片型号为ARM920T，其嵌入式架构设计如图6所示。

图6 嵌入式ARM架构设计框图Fig.6 Embedded ARM architecture design block diagram

该架构以ARM920T芯片为核心，在设计中，芯片外部搭载了LCD触屏显示部分、3G部分、WIFI部分、SD卡存储部分、Flash闪存、电源部分、USB接口部分、SPI总线接口、JTAG接口部分、串行RS232、RS485接口部分，搭建起一个稳定、功能齐全的嵌入式控制系统。芯片外部通过异步传输标准接口RS232串口在底层直接与DSP芯片链接，实现ARM芯片与DSP的信息交互。

4 能源USB软件系统

软件系统平台主要包括数据监测与用电行为分析模块、分布式设备优化控制模块、电能质量与能效分析模块和用户信息管理与信息发布模块，如图7所示为能源USB软件平台设计示意图。

图7 能源USB系统软件平台设计示意图Fig.7 Energy USB system software platform design diagram

（1）数据监测与用电行为分析模块

该模块结合能源USB高频度采集的用户用电数据（分钟级或更高），在后台云端对数据进行存储和处理，分别于配电侧交互界面生成实时数据监测图线以及于用户侧应用程序生成简单的个人用电数据统计图表。同时通过对采集到的用电数据进行挖掘，旨在分析得到典型的用电行为模式，为负荷优化调控作数据支撑。

平台采用Spark框架技术实现能源互联网大数据的云存储及数据分析，主要涉及分布式并行数据库技术、大数据传输和存储技术、数据挖掘技术、云计算技术等。目前Spark大数据计算平台已衍生出众多子项目，伯克利大学将整个Spark生态系统统称为伯克利数据分析栈（Berkeley Data Analytics Stack，简称BDAS）。

（2）分布式设备优化控制模块

分布式设备优化控制模块主要包括对分布式新能源发电的优化控制、对充电设备（如电动汽车）和储能装置的优化控制、对用电设备的智能用电优化控制每个控制模块都有特定的理论算法进行嵌套。大致来说，可分为智能用电优化控制和发电优化控制两部分。

智能用电优化控制部分需要配合电力市场机制推动，在分时电价乃至实时电价的基础上，由用户自主选定用电模式，包括节省电费模式、节省电量模式、响应中断模式等，分别对应不同程度的用户同意可调负荷给予电网公司的调度控制权限。具体的智能用电互动响应流程如下图8所示。其中，执行控制命令的可调负荷由用户设定，调控时间在系统大量统计归纳和智能学习得到各种用户的用电行为习惯后，可自行判定各可调负荷对应的可控时间区段，并安排日前调控计划和实时调控策略。前面通过海量数据挖掘分析所得的用户行为习惯，即是应用于该模块的智能调控决策中，决策命令反馈给用户侧的能源USB装置，通过能源USB完成控制命令。在形成用户行为习惯之前，暂由用户自行设定各负荷的可控时段并由用户端APP程序提交系统以供调控计划依据。

图8 智能用电互动响应流程Fig.8 Intelligent interactive response to electricity utilization flow chart

软件的优化控制算法采用Matlab编写，并利用“Java+Matlab”混合编程实现算法的调用。软件根据对能源USB数据的实时采集及合理预测，即可利用动态优化性能高、收敛速度快、全局收敛性较强的智能优化算法进行自动地模型求解，并发布实时最优控制策略。其中，智能优化算法主要包含以下几种：

①MGSO：随着基于“发现者—搜索者”模型的群搜索优化算法（group search optimizer，GSO）的提出，该算法已被验证在高维多模态优化问题上具有较高效率从而显示其广阔的应用前景[18-20]。在此基础上，将其扩展至帕累托优化领域进一步研究一种新型多群组协同学习搜索（multiple group search optimizer，MGSO）优化算法，并应用于多目标动态优化问题。

②TOPSIS-Q（λ）[21]：为解决快速、随机的多目标动态优化问题，把快速的改进TOPSIS多目标决策方法与具有随机优化能力的多步回溯Q（λ）算法相结合，研究一种多目标强化学习方法——TOPSIS-Q（λ）算法，并用于主动负荷的实时动态控制问题。

③TRL[22-25]：为解决传统优化算法缺乏对历史优化任务信息的利用问题，将多主体协同概念、强化学习、迁移学习进行高度地有机融合，提出一种全新的迁移强化学习方法（transfer reinforcement learning，TRL），并用于主动负荷的快速动态优化问题。

（3）电能质量与能效分析模块

该模块旨在利用采集的能源USB用电数据进行电能质量分析与能效分析。

电能质量分析包括了谐波分析、电压偏差分析和三相不平衡等，并按照相应的国家标准进行评估。谐波分析主要是对设备和线路的电压和电流进行检测，并利用快速傅里叶变换（FFT） 计算出电压电流的基波分量和各次谐波分量，并进行分析计算出谐波损耗。电压偏差反映的是电压偏移系统额定值的情况，是电能质量的一项重要的指标。三相不平衡会导致零序电流过大和中性点偏移，从而使设备的运行损耗增加，造成了很多的能源浪费。

软件平台采用层次分析法进行能效分析，层次分析法的基本步骤为：

a）建立层次结构模型。在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。

b）构造成对比较阵。从层次结构模型的第二层开始，对于从属于（或影响）上一层每个因素的同一层诸因素，用成对比较法和 1～9 比较尺度构造成对比较阵，直到最下层，从而构造成对比较阵。

c）计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量（归一化后）即为权向量；若不通过，需重新构造成对比较阵。

d）计算组合权向量并做组合一致性检验。计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。

能效评估流程如下图9所示。

图9 能效评估流程Fig.9 Energy efficiency evaluation flow chart

（4）用户信息管理与信息发布模块

软件采用MySQL数据库技术对用户信息进行管理，并利用Socket通信技术实现与用户客户端的通信以及信息发布功能。

用户信息包括用户账户信息和设备信息。设备信息包括设备名称，设备所属类型、设备对应插座节点信息。在能源互联网中，分布式设备包括分布式能源、储能设备、可控负荷等。电源设备类型目前分为可控型电源和负荷设备类型目前分为核心负荷、调节型负荷、转移型负荷和短时中断负荷几类。设备对应节点信息拓扑结构可为智能用电优化调度提供网络结构信息。同时，软件能够利用Socket通信技术发布电网的安全用电告警信息、停电信息、高峰预警信息、电费账单信息和用电优化的节能效益统计信息等。

（5）基于云平台的用户互动系统

安装于手持移动设备的用户互动系统客户端APP是基于云平台的应用程序，也就是说应用本身是作为前端数据展示和用户交互用，后台计算和数据存储功能是置于云服务器端后台执行的。图10所示为用户互动系统APP的主界面，其包含了设备管理、电气监测、电能质量、统计信息、用电模式、能效评估六个模块。

图10 用户互动系统APP的主界面Fig.10 The user interaction system APP main interface

5 结论

本文基于能源互联网背景下，设计了一种基于能源互联网基础理论的能源USB系统，包括能源USB硬件设备和软件系统平台，给出了相应的设计方案。其中，能源USB硬件设备除了实现分布式光伏、风机、储能、充电桩等设备即插即用之外，还可以对接入的用电设备进行实时的用电监测；此外其还具备本地数据分析的能力，利用专门的算法对用户信息进行数据挖掘已获得用户用电习惯、用电设备的特性等信息，并配合用户能源管理系统，从而获得更佳的用户用电体验。软件系统平台则以Java基础，通过调用Matlab计算引擎，实现高效快速的用电信息数据挖掘和协调优化求解，同时结合MySQL数据库技术，满足软件平台对后台数据的读取和存储要求。

所设计的能源USB系统提供了常见分布式设备的统一识别与即插即用接口，支持常见无线通信协议，对用户能源的一体化管理和控制，完成对电网与用户的实时互动以及对需求侧各种能源的统一调控。系统充分利用互联网技术实现广域内的电源、储能设备与负荷的协调，可最终实现集中式化石能源利用向分布式可再生能源利用的转变。通过完善的硬件设备及软件系统平台的技术支撑，实现信息-能源高度融合，进而打通配电/用电大数据采集与利用的瓶颈，真正实现电网与分布式供用电设备的协调控制与优化利用。

[1] 杰里米·里夫金．第三次工业革命[M]．张体伟，孙毅宁，译．北京：中信出版社，2012．

Rifkin J. The Third Industrial Revolution[M]. Zhang TW，Sun Y L，translation．Beijing：CITIC Press，2012.

[2] 田世明，栾文鹏，张东霞，等. 能源互联网技术形态与关键技术[J]. 中国电机工程学报，2015，35（14）：3482-3494.

S M Tian，W P Luan，D X Zhang，et al. Technical forms and key technologies on energy Internet [J]. Proceedings of the CSEE，2015，35（14）：3482-3494.

[3] A Q Huang，M L Crow，G T Heydt，et al. The future renewable electric energy delivery and management （FREEDM） system：the energy internet[J]. Proceedings of the IEEE，2010，99（1）：133-148.

[4] 新华网. 第三次工业革命拯救欧洲？[DB/OL]. http：//news.xinhuanet.com/fortune/2012-05 /30/c_123212309.htm.

[5] 国家能源局. 德国依托E-Energy技术创新促进计划建造智能能源网络[DB/OL]. http：//www. nea.gov.cn/2012-02/14/c_131409715.htm.

[6] 于慎航，孙莹，牛晓娜，等. 基于分布式可再生能源发电的能源互联网系统[J]. 电力自动化设备，2010，30（05）：104-108.

S H Yu，Y Sun，X N Niu，et al. Energy Internet system based on distributed renewable energy generation [J]. Electric Power Automation Equipment，2010，30（05）：104-108.

[7] 查亚兵，张涛，黄卓，等. 能源互联网关键技术分析[J]. 中国科学：信息科学，2014，44（06）：702-713.

Y B Zha，T Zhang，Z Huang，et al. Analysis of energy internet key technologies [J]. Science China：Information Science，2014，44（06）：702-713.

[8] 周海明，刘广一，刘超群. 能源互联网技术框架研究[J]. 中国电力，2014，47（11）：140-144.

H M Zhou，G Y Liu，C Q Liu. Study on the energy Internet technology framework [J]. Electric Power，2014，47（11）：140-144.

[9] 曹军威，孟坤，王继业，等. 能源互联网与能源路由器[J]. 中国科学：信息科学，2014，44（06）：714-727.

J W Meng，K Meng，J Y Wang，et al. An energy Internet and energy routers [J].Science China：Information Science，2014，44（06）：714-727.

[10] 项胜，何怡刚，王金平. 家庭智能用电系统的实现方法[J]. 电力科学与技术学报，2014，29（03）：40-44.

S Xiang，Y G He，J P Wang. The implementation of domestic intelligent energy system [J]. Journal of Electric Power Science and Technology，2014，29（03）：40-44.

[11] 刘经浩，贺蓉，李仁发，等. 一种基于实时电价的HEMS家电最优调度方法[J]. 计算机应用研究，2015，32（01）：132-137+160.

J H Liu，R He，R F Li，et al. Optimal scheduling model for home energy management system based on real-time electricity pricing [J]. Application Research of Computers，2015，32（01）：132-137+160.

[12] Y Iwafune，T Ikegami，J Gari da Silva Fonseca Jr.，et al. Cooperative home energy management using batteries for a photovoltaic system considering the diversity of households [J]. Energy Conversion and Management，2015，96（03）：322-329.

[13] M Angelo A. Pedrasa，T D. Spooner，I. F. MacGill. Coordinated scheduling of residential energy resources to optimize smart home energy services [J]. IEEE Transactions on Smart Grid，2010，01（02）：134-143.

[14] 董朝阳，赵俊华，文福拴，等. 从智能电网到能源互联网：基本概念与研究框架[J]. 电力系统自动化，2014，38（15）：1-11.

Z Y Dong，J H Zhao，F S Wen，et al. From smart grid to energy internet：basic concept and research framework [J]. Automation of Electric Power System，2014，38（15）：1-11.

[15] 程乐峰，彭健福，黎有锡，等. 基于DSP的专线用户节能潜力智能诊断仪的研制[J].电测与仪表，2014，51（18）：92-97.

L F Cheng，J F Peng，Y X Li，et al. Development of special users’ energy saving potential intelligent diagnosis detector based on DSP [J]. Electrical Measurement & Instrumentation，2014，51（18）：92-97.

[16] 王亚. 基于DSP的电能质量监测仪的设计[J]. 新型工业化，2015，5（10）：42-47.

Y Wang. Design of power quality monitor based on DSP [J]. The Journal of New Industrialization，2015，5（10）：42-47.

[17] 程乐峰，周彬，余涛.一种节电潜力在线自动检测和快速能源审计智能系统的设计与实现[J].电力系统保护与控制，2014，42（14）：105-111.

L F Cheng，B Zhou，T Yu. Design and implementation of energy-saving potential automatically detecting online and rapid energy audit intelligent system [J]. Power System Protection and Control，2014，42（14）：105-111.

[18] 李亚洲，郑向伟，肖宪翠. 合作型协同多目标群搜索算法[J]. 小型微型计算机系统，2016，37（3）：567-571.

Y Z Li，X W Zheng，X C Xiao. Cooperative coevolutionary multi-objective group search optimizer [J]. Journal of Chinese Computer Systems，2016，37（3）：567-571.

[19] 金晶，李丽娟，何嘉年，等. 快速群搜索算法用于桁架结构多目标优化[J]. 空间结构，2013，19（4）：47-53.

J Jin，L J Li，J N He，et al. Quick group search optimizer applied to the multi-objective optimization of truss structures [J]，Spatial Structures，2013，19（4）：47-53.

[20] 张雯雰，滕少华，李丽娟. 改进的群搜索优化算法[J]. 计算机工程与应用，2009，45（4）：48-51.

W F Zhang，S H Teng，L J Li. Improved group search optimizer algorithm [J]，Computer Engineering and Applications，2009，45（4）：48-51.

[21] J Tang，X S Zhang，L F Cheng，et al. TOPSIS-Q（λ） learning for multi-objective optimal carbon emission flow of power grid[C]. In：2015 International Conference on Intelligent Materials and Mechatronics （IMM 2015） ，October 29-30，2015，Hong Kong，DEStech Publications，Inc. pp. 20-26.

[22] 王皓，高阳，陈兴国. 强化学习中的迁移：方法和进展[J]. 电子学报，2008，36（s1）：39-43.

H Wang，Y Gao，X G Chen. Transfer of reinforcement learning：the state of the art [J]，Acta Electronica Sinica，2008，36（s1）：39-43.

[23] 陈圣磊，吴慧中，韩祥兰，等. 一种多步Q强化学习方法[J]. 计算机科学，2006，33（3）：147-150.

S L Chen，H Z Wu，X L Han，et al. A multi-step Q reinforcement learning algorithm [J]，Computer Science，2006，33（3）：147-150.

[24] 高阳，陈世福，陆鑫. 强化学习研究综述[J]. 自动化学报，2004，30（1）：86-100.

Y Gao，S F Chen，X Lu. Research on reinforcement learning technology：a review[J]，Acta Automation Sinica，2004，30（1）：86-100.

[25] 庄福振，罗平，何清，等. 迁移学习研究进展[J]. 软件学报，2015，26（1）：26-39.

F Z Zhuang，P Luo，Q He，et al. Survey on transfer learning research [J]，Journal of Software，2015，26（1）：26-39.

Schematic Design of a Kind of Energy USB System based on Energy Interconnection

ZHENG Yu1, CHENG Le-feng2, MENG Ke1, ZHANG Rui1, LI Zheng-jia2, YU Tao2
(1.Electric Power Research Institute, China Southern Power Grid Co., Ltd., Guangzhou 510080, China; 2.Suzhou Huatian Power Technology Co., Ltd., Suzhou 215000, China)

Under energy interconnection background, it’s essential to focus on the integrated energy management on distribution side and demand side, based on which, a kind of energy universal service bus (USB) system was designed based on energy interconnection, which achieved PV access, fan access, electric vehicle charging station access, industrial, commercial and residential users’ access. Its topology architecture was designed, as well as the overall hardware design scheme and software technical scheme were given. The DSP-based smart power controller is core of the hardware scheme is called the energy USB device, which included DSP and its power circuit, signal acquisition and amplifi cation circuit, isolation circuit, power carrier communication and power circuit, key and ARM circuit, ZigBee communication module, relaymodule, sensor module, and storage and clock module. The designed USB system scheme could collect a large number of users’ electricity data and realize plug and play of distributed equipment, which has a certain reference value and signifi cance for the construction of integrated energy management system on distribution side and demand side under background of “Internet +”.

Energy interconnection; Energy USB; Plug and play; Distributed device; “Internet +”

郑宇，程乐峰，孟科，等.一种基于能源互联网的能源USB系统方案设计[J]. 新型工业化，2016，6（10）：38-51.

10.19335/j.cnki.2095-6649.2016.10.006

: ZHENG Yu, CHENG Le-feng, MENG Ke, et al. Schematic Design of a Kind of Energy USB System based on Energy Interconnection[J]. The Journal of New Industrialization, 2016, 6(10)： 38-51.

中国南方电网科技项目资助(WYKJ00000027)

郑宇（1986-），男，工学博士，博士后，主要从事电力系统规划、智能电网、能源互联网等方面的研究工作；程乐峰（1990-），男，通信作者，博士研究生，主要研究方向为配网自动化、电力系统优化运行与控制等；孟科（1982-），男，讲师，工学博士，主要从事电力系统运行控制、智能电网、能源互联网等方面研究工作；张睿（1983-），女，工学博士，博士后，主要从事电力系统运行和控制、数据挖掘、智能电网、能源互联网等方面的研究工作；李正佳（1972-），男，硕士，高级工程师，主要从事电力通信、电力系统行业等研究工作；余涛（1974-），男，博士，教授，主要研究领域为复杂电力系统的非线性控制理论和仿真、智能控制算法等