区域综合能源系统的综合评估指标与方法

陈柏森, 廖清芬, 刘涤尘, 王文怡, 王志义, 陈思远

(1. 武汉大学电气工程学院, 湖北省武汉市 430070; 2. 中南电力设计院, 湖北省武汉市 430071; 3. 国网黄石供电公司, 湖北省黄石市 435000)

0 引言

能源是社会发展的动力和人类生存的基础。传统化石能源快速消耗及环境日益污染的双重困境,催生出以电力系统为核心的能源互联网[1],通过耦合电力、交通、天然气、热冷等系统实现优势互补及可再生能源在广域范围内的共享和高效利用,提供了优质的能源服务。

作为能源互联网的重要组成部分和社会能源的主要承载形式,综合能源系统的核心是实现能源转换利用、协同优化、耦合互补[2-4],其规模可以划分为跨区域级、区域级及用户级3个层次。其中,区域综合能源系统(regional integrated energy system,RIES)是进行广域能源综合分析的基础,也是综合能源系统特性的具体体现。本文将研究重点放在RIES上,针对区域内的能源转换利用、设备运行及用户用能体验等方面进行系统整体的评估,本文的区域范围指的是一个城市、城镇或地区。现阶段国内外对于综合能源系统的评估也取得了一定的成果,文献[5]利用冷热电联产系统中相互分立的能源矩阵来评估联产系统的节能潜力;文献[6-9]从规划和运行入手,对区域综合能源系统的建模仿真、规划方法、效益评估等方面做了系统的分析和技术展望;文献[10]根据负荷需求、经济和环境等因素构建能源系统的评估指标,采用信息熵法求解得到最优的评价方案;文献[11]分析了多能源系统的建模优化、评估管理等内容,从技术性、经济性、可靠性等角度构建评估指标。现阶段关于综合能源系统的研究多集中于技术开发、规划设计和稳态分析,涉及评估方面的内容还相对较少。受限于综合能源系统的发展进程,目前的评估工作大多针对独立的能源系统[12-13],评估指标的细化导致评估内容缺乏完整性。具体表现在缺乏对RIES的整体分析,缺少普遍适应性的指标;能源系统间关联性弱,不能全面描述不同系统、环节之间能量流通的情况,难以上升到综合评估的水平。此外,现阶段评估区域能源系统大多为供冷和供热方面的性能[14-16],而事实上,应该以区域配电系统作为核心内容。电能是最高品位的能源(其次是天然气和煤),能源转换效率高且污染小,具有其他能源难以比拟的优势。以配电系统为核心,综合其他形式能源联合运行,既契合当下能源互联网的核心思想,又有助于提升能源利用效率。

针对上述研究现状和问题,本文从RIES的能源环节、装置环节、配电网环节和用户环节提炼出具有普遍适应性的指标,并采用网络分析法(analysis network process,ANP)—反熵权法组合等方法计算各项指标的权重和评分函数,得到合理可靠的评估结果,能够准确地评估中国当前RIES的发展水平。

1 RIES分析

1.1 基本概念和特征

RIES是综合能源系统的具体体现,是实现协调规划、多能互补、供需互动的有效途径。理论上说,是隶属于综合能源系统的子系统。RIES[7,17]是指以配电系统为核心,综合中低压天然气系统、城市交通系统、供冷/热/水系统等能源网络耦合互补,协调“源—网—荷—储”联合运行,将大数据信息技术和综合能量管理系统应用于多元能源的生产、传输、转换、存储等各个环节,通过协调优化手段实现多元能源高效经济、安全可靠地服务于用户。

当代社会能源发展面临的主要问题之一在于可再生能源波动性、间歇性与社会能源需求连续性之间的矛盾,而将多元能源系统与电力系统相结合,采取一系列管理控制手段,是解决此矛盾的重要途径[18-19]。多元能源系统以不同形式接入配电系统形成区域综合运行,能够实现能源之间梯级利用、优势互补,提高能源转换利用效率,降低环境污染排放,增强系统稳定性和灵活性,为用户提供优质可靠的能源供应[6-7];随着大数据、互联网技术快速发展,通过智能化终端可以完成对用户或企业使用电、热、气等能源数据的采集,并上传云计算中心进行用户用能习惯、行为模式等个性化特点的分析,由此为每一位用户或企业定制个性化的能源需求策略。

1.2 耦合能量流分析

不同能源系统之间的优化运行、耦合互动是RIES的关键。单一能源系统转换效率偏低,在生产、传输、储存等方面存在的技术缺陷,会造成大量的能源浪费。例如:发电系统只能将燃料能量的30%～40%转化为电能,其余的能量或传递给热源,但大部分直接排放弃用,利用不合理;供热系统中通过锅炉产生的高温蒸汽没有用于发电,而是直接用于用户供热,浪费了做功能力;此外,由于电储能技术发展不完善及高昂的成本,电力系统多余的电力无法消纳而不得不弃用;这一连串的问题带来了极大的资源消耗和浪费。

RIES为实现多元能源综合利用提供了平台,通过对分布式发电能源、天然气、热能,以及交通等多元能源进行充分融合和科学调度[9],能够实现不同能源之间的高效利用、优势互补[20-24];通过合理优化协调多元能源系统,还有利于提高设备利用效率和用户的消费积极性,延缓配电系统建设,在保证系统稳定运行的同时达到最大经济效益。

图1详细描绘了RIES内部各种能源流产生、传输、转换、分配及用户端消费的全部过程,完整实现了能源之间的耦合优化、良好互动,体现了中国RIES的发展方向。图1中双向箭头代表同一种能量的双向流动。

图1 RIES结构与能量流动Fig.1 Construction and energy flow of RIES

如图1所示,RIES的组成部分可以分为供能系统、配电网、能量转换、能源存储、终端用户这几个部分。供能系统主要包括了可再生分布式电源、天然气、地热能、潮汐能等能源系统,负责能源的产生工作;配电网的主要任务是完成对不同能源的稳定传输及合理分配;不同能源耦合互动、相互转换,是通过诸如冷热联供机组、燃气轮机、锅炉、热泵等能源转换设备的合理运行策略实现,各类母线的划分按照能量传递介质的种类来划分[25];能源存储部分则包括了电、气、热及综合储能装置,能够完成削峰填谷、平抑能源波动的任务;终端用户在通过需求侧响应合理消费能源的同时,也具备自主发电的能力,并将富余的电能竞价上网,获取更大的经济利益。

例如:电—气耦合的主要设备为燃气轮机和电转气(P2G)装置,一方面可以将天然气燃烧获得的高品位热能用于发电,低品位热能用于供热和供冷;另一方面,P2G技术将多余的电能转化为天然气,能够提高在负荷低谷时段系统的可再生能源接纳能力[26-27]。热能是众多能源生产的产物之一,热电联产、锅炉、热泵等设备技术促进了电—热耦合的发展,对于可再生能源的接纳能力和能源的利用效率有着积极的影响。冷—热耦合主要通过冷热联供模式来改善一次能源利用率[5,15],同时提高了设备利用率和供热系统低热负荷时的负载率。与此同时,储能系统在能源耦合方面的重要性也得到进一步加强[22]。热储能具有较好的调峰能力,可以降低系统的运行成本;电储能在低电价时蓄电,在用电高峰时释放电能调峰;电转气技术可以将从电网购买的低价电转换成天然气进行长时间、大规模的存储,既降低了一次能源的成本,又缓解了能源压力;综合储能单元集成以上多种储能技术,多样化的性能使其具有较好的发展前景。

2 构建综合评估指标

RIES的综合评估涉及其各个能源环节从规划建设到运行维护的各方面,对RIES进行评估利于及时发现系统中的不合理、薄弱环节,并对其改造建设、优化运行方式给出合理的指导意见。受限于中国RIES的建设进程和发展水平,现阶段对于RIES的评估工作无法深入到每个环节构建详尽的各项指标;为了解决目前存在的问题和评估缺陷,本文以配电系统为核心,耦合分布式能源、天然气、地热能、交通等多元能源系统,从能源环节、装置环节、配电网环节和用户环节提炼出具有普遍适应性的指标,进而对RIES展开综合评估,评估指标如图2所示。

图2 RIES的综合评估指标Fig.2 Comprehensive evaluation indices of RIES

2.1 能源环节指标

能源环节的评估主要针对的是能源系统的整体生产性能,其重点集中于多元能源耦合互动、利用效率、环境因素等方面。因此,本文根据以上重点内容,有针对性地给出了能源环节的评估指标,能够实现能源环节全面合理的评估,主要评估指标包括了能源转换效率系数、可再生能源的渗透率、环境污染排放水平,以及能源系统经济性这几方面内容。

能源环节整体运行效率的高低是决定整个RIES的能源结构是否合理的重要依据之一,而能源转换效率系数(energy conversion efficiency coefficient,ECEC)是建立在能质系数概念和能源品位基础上产生的[28],能够将不同能源的品位联系起来,体现了在转换效率方面不同品位能源的贡献大小。不同能源的能质系数λ定义为不同能源可以转化成能量的部分与总能量的比值[29-30],反映了能源品位的高低,具体计算如下:

(1)

式中:W为可以转化为功的部分能量;Q为该能源的总能量,单位均为kJ。其中,电能是最高品位的能源,能够全部转化为功,故其能质系数为1,由此可以计算出其他形式的能质系数,并且在不同季节情况下,同种能源的能质系数不同,如表1所示[31]。

表1 能源能质系数Table 1 Energy quality coefficient of energy

因此,在能质系数的基础上可以得到能源转换效率系数的表达式为:

(2)

式中:QH,QC,E分别为该能源系统的全年耗热量、耗冷量和热电联产机组的输出电量(单位GJ);λH,λC,λe分别代表对应的能质系数；分母表示耗能情况,WHVACi为冷热电所消耗的第i种能源的总量(单位GJ)；λi为第i个能源的能质系数。

从式中可以看出,在满足相同的电、热、气供应的前提下,IECEC的数值越大,该RIES的能耗越低,也间接反映了综合能源的利用效率,能够对该区域内整个能源系统的转换利用作出全面的评价。

可再生能源的渗透率是体现RIES发展水平的一个重要指标,较高的渗透率代表着系统接纳供电、气、热能的能力较强,系统内部供能用户覆盖率高,同时系统的鲁棒性也会得到提升。可再生能源属于清洁型能源,在产能的过程中对环境污染小,综合能源系统与配电系统结合的目的之一是获得较好的能源利用效率,另一个重要目的就是降低环境污染排放,保持其可持续发展的潜力。将颗粒物、碳氮氧化物等排放物总量作为评估指标之一,对于能源行业的发展意义重大。此外,能源系统的投入成本和能源收益决定了其经济性水平,这也是评估的一部分。与传统能源系统相比,RIES在降低成本费用的同时,也收获了可观的经济效益,表述如下:

(3)

式中:ρ代表RIES在能源侧的经济性水平;D为一段时间内总的经济收益;Ci为单个能源投入成本。

2.2 装置环节指标

除了基本的配电一、二次装置以外,RIES的主要装置设备集中于能源环节,投资成本大且运维重要性高,具体可以分为3类:能源生产装置(风电机组、光伏组件、天然气设备、地热采集装置等)；能源转换装置(燃气轮机、热电联产机组、发电机组、空调等)；能源存储装置(电、热、气储能及综合储能等)。首先,设备利用率是能够体现出系统内该设备的工作状态和生产效率的指标,具有重要的评估意义。设备利用率是指一段时间内设备的实际工作时间与计划工作时间的比值,该数值的大小与投资效益直接相关,具体表达式为:

(4)

式中:ηe为该RIES的设备利用率;T0为单位计划工作时长;Tn为第n台设备在单位时间内的实际工作时长;N为区域系统内的能源环节设备数量。

其次,在内部运行方式和工作时长,以及外部环境侵蚀和温差骤变的双重因素影响下,各类设备都会出现不同程度的磨损或故障情况,无论是对RIES的能源供给可靠性还是经济性来讲,装置故障率都是一个不容忽视的评估指标。由于涉及多个能源环节的多种设备,在数据获取和计算方面,采用在单位工作时间内设备的平均故障率能够简化评估流程并同时满足评估精度;再者,设备在规划建设、安装设计、运行维护、故障和更新等方面所涉及的成本费用相互制约,任何一方面的欠缺都会增加其他方面的成本,高故障率会加大运维更新成本,规划建设的不合理会带来过高的故障概率和维护费用,因此,需要将装置的投资运维成本纳入评估范畴,投资运维成本为RIES在一段时间内的投资成本和运维成本之和。最后,装置的使用寿命是在进行规划设计时必须要考虑的指标之一,装置的使用寿命年限间接反映了其装置的质量好坏和技术水平,在长时间的负荷承载及短时间的故障电流冲击前提下,高质量的装置具有更长的寿命年限,因此经济性更好。

2.3 配电网环节指标

配电网是连接能源系统和终端用户之间的桥梁,也是整个RIES的网架核心,在维持系统电压稳定、功率平衡,以及实现多种能源流的传输和分配等方面,发挥着重要的作用[32]。配电网负载率水平是决定配电系统利用水平的一项重要指标,包含了配电变压器和线路两个方面。负载率水平是指平均负载容量和额定负载容量之比,既反映了配电系统承受大负荷运行的能力,又能够体现配电网设备是否得到最大利用。

由于技术水平限制和能源特性,配电网环节在传输能源时会存在一定的损耗。例如:线路、配电变压器等设备上存在着功率损耗,热能自身具有较好的传导性,在生产或传输过程中,容易与外界环境之间发生能量交换造成热损耗,其他形式的能源在系统中也会存在着一定的损耗,但是其最终损耗都是在转化为电和热以后产生的。尽管无法避免,但通过一定的协调手段和运行控制,可以尽可能地降低损耗,获得理想的经济效益。考虑到无功可以就近补偿及有功功率的重要性,可以只考虑单位时间内的有功损耗,其表达式为:

(5)

式中:ΔP为总有功功率损耗;ΔPL和ΔPV分别为传输线路和变压器等配电网设备的有功损耗;ΔQ为热能在传输中的能量损失。

(6)

式中:Δp和Δq分别为节点i的有功、无功功率的变化值;Ci,p和Ci,q分别为节点i的有功、无功变化值造成的费用。

系统平均故障停电时间是评估配电网运行和供能可靠性的重要指标,是指在一段时间内,配电网内每户家庭平均停电时间的期望值,表征配电网维持能源可靠供给的能力,也间接反映了用户端能源消费的满意程度。

2.4 用户环节指标

RIES的初衷就是为了面向用户提供更加优质高效、灵活可靠的能源服务,因此对用户环节评估有利于了解用户的用能情况,从中发现问题和不足之处。用户端能源质量主要包括了电能、热能及燃气等能源质量,电能质量主要通过电压波动、闪变和谐波质量等内容来衡量,而热能质量则主要是由热能的品位因子进行表述[11],燃气质量则可以通过燃气的燃烧值及烃类化合物成分来界定。用户端能源质量的高低直接决定了该能源是否能够被用户消费及用户的用能体验;由此而言,用户舒适度也是一项重要的评估指标,是用户参与能源互动的直接感受。在固定周期内通过发放用户调查问卷,或者通过用户手机端APP的方式进行意见采集,可以得到用户在此段时间内消费能源的满意程度及合理建议,并将数据反馈给后台中心,对于完善用户端用能建设具有重要的意义。随着中国区域能源系统的不断发展,用户侧在未来会变得更加智能化、便捷化。

需求侧管理主要是指机构通过制定确定性的或随时间合理变化的激励政策,来激励调整用户在负荷高峰或系统可靠性变化时,及时响应削减负荷或调整用电行为,其中主动参与峰值负荷削减的用户比例反映了需求侧响应的建设水平和用户的参与积极性。智能表计是需求侧管理的智能终端,除了具备传统电表的电能计量功能之外,同时还具有用户信息数据存储、多费率双向计量、保护控制、防窃电能和数据,以及用户终端控制等智能化功能,能够促使用户更加积极地与电网互动,优化用能途径和体验,更好地适应RIES的发展。因此,智能表计的普及程度可以反映用户环节需求响应的完善度,代表着RIES智能化、综合化的发展进程。

3 综合评估方法

从本文评估指标中可见,能源环节、装置环节、配电网环节和用户环节从含义上讲属于宏观因素,而每个宏观因素下包含了对应于宏观因素的微观指标集,宏观因素之间可视为相互独立,均只受到自身层级的微观指标影响;考察具体微观指标后发现,单个微观指标不仅受限于自身层级的宏观因素,而且受到本层内部其他微观指标及其他层级微观指标的影响,即微观指标之间不再是层级之间相互独立,含义界定分明,而是存在含义交叉,所有微观指标构成了一个相互依存、彼此影响反馈的复杂结构。

为了解决指标之间相互交叉影响导致权重计算失准的问题,本文采用ANP—反熵权法的组合权重模型,分别求解微观指标的主客观权重。与传统的层次分析法(analysis hierarchy process,AHP)相比,ANP在确定如上述复杂内部结构指标权重时优势明显[34-35]。ANP分为因素层和网络层,利用超矩阵的原理,对存在交叉依存、反馈影响的网络结构进行合理的分析计算得到指标权重值,属于一种主观赋权方法;反熵权法属于客观赋权法,能够对指标客观、合理地进行评价,降低权重分配时可能会出现的极端情况概率,因此两者相结合可达到很好的效果。最后通过指标实际值与评估分数的对应关系,采用最小二乘拟合得到评分函数,将各项指标的评分函数与其权重相结合,由此建立了完整的评估方法。

3.1 权重计算方法

3.1.1ANP

依据ANP的原理[36],上层4个宏观指标依次为能源环节C1、装置环节C2、配电网环节C3和用户环节C4,隶属于控制因素层,因素层下的微观指标相互影响,构成网络层,也可称为网络指标。为了追求一般性,假设宏观因素个数为m,第i项因素下的网络指标集可以用yi1,yi2,…,yin来表示,n为该因素下的微观指标个数。针对第i项宏观因素,分别以第j项网络指标为准则,依次得到其他m-1项网络指标的影响程度比较,求得排序列向量wij,进而可得到在第i项宏观因素下的判断矩阵Wii。同理,可以得到第i项宏观因素对于其他宏观因素的影响判断矩阵Wi1,Wi2,…,Wi(i-1),Wi(i+1),…,Wim,由此在各项准则下构建超矩阵如式(7)所示。

(7)

3.1.2反熵权法

反熵权法是通过改进熵权法得到的一种客观权重确定方法。在反熵权法中,指标的差异性越大,得到的熵值偏小,但权重系数越大,该法能够改善量度的不确定性程度,减小权重值的波动性[38]。其具体的计算步骤见式(8)。

(8)

由于主客观权重的重要程度不同,本文依据矩阵论的基本理论求出主客观权重相对重要程度,进而得到最终权重值。设主客观指标权重的相对重要程度为ε和δ,根据矩阵论的基本理论,计算得到最终各指标的主客观权重关系系数εi和δi为:

(9)

式中:k为归一化特征向量的维数；wsi为已经确定的主观权重值。结合计算得到的权重关系系数,由式(10)计算得到最终的组合权重。

(10)

结合以上两种方法对各项指标进行权重计算,得到具体结果如表2所示。

3.2 评分函数与指标综合

为了将综合评估指标应用于实际RIES的评估工作,得到一个最终能够反映系统发展状态的物理量,本文在百分制和专家意见的基础上,采用德尔菲方法[39-40]判断生成各项指标的实际值和其评价分数的对应关系,并将其视为自变量和因变量,采用最小二乘拟合得到指标的评分函数。根据指标实际值在评分函数中得到该指标的对应分数,并结合指标权重相乘求和,最终得到该RIES的评估总得分。

表2 微观指标权重计算结果Table 2 Micro-metric weight results

4 算例分析

本文选取某发展程度较好的市级配电系统作为研究对象,该市矿产资源丰富,经济发展主要以第二产业为主、第三产业为辅,所占比例差距逐年缩小。同时该市具有丰富的水资源,年日照时间充足,发展垃圾发电,具有一定的分布式发电能力。从该市2015年配电系统规划报告中可以得到以下基本数据,如表3所示。

表3 该市配电系统规划的基本数据Table 3 Basic data of distribution network planning in the city

从表3可以看到,该配电系统具有多种能源系统耦合接入,从2013年到2015年的规划发展,再到2020年的既定目标来看,其分布式能源接入容量呈明显上升趋势,并且设备、配电网等方面的发展也逐步完善,虽然热力系统及电动汽车发展配额较少,但基本具备了RIES的雏形,适合作为本文的算例。根据给定的评估指标、合理分配权重及评分函数结果,对该RIES作实际的分析评估和未来发展展望,并对其规划建设给出合理的指导意见。部分评估指标内容从表3中的基础数据通过推导或计算可以得到。以配电网环节为例,求得其下属各项指标权重值如表4所示。

按照上述方法进行计算,可以得到装置环节、配电网环节和用户环节的得分情况,并结合表2的权重值,得到各项指标的对应分值,进行计算汇总后进而求出该RIES的综合评估总得分,如表5所示。

表4 配电网环节指标的部分基础数据Table 4 Part of basic index data of distribution network link

表5 该RIES综合评估分数Table 5 Comprehensive assessment scorings of RIES in the area

为了进一步对评估结果进行分析,本文将配电网的发展水平按照分数的高低分为5个级别,如表6所示。

表6 评估结果分类Table 6 Assessment result classification

根据表5、表6结果,从纵向比较来看,2013年和2015年该RIES评估得分分别为54.85和59.21,属于中等发展水平级别,2020年得分65.18则属于较高水平级别,除去装置环节发展较为缓慢,能源环节、配电网环节和用户环节的发展水平均有较为明显的提升,这表明该RIES具有良好的建设基础和发展潜力。该算例所选地区为国内中部二线城市,第二产业为主导经济,有一定的城市建设基础和较成熟的工业化发展,此次评估结果与该地区的发展定位大致相符,体现出了综合评估指标和方法的合理性和有效性。

从同一年的横向结果对比来看,装置环节和配电网环节分值较大,发展水平相对较高,表明该地区对于设备技术及配电系统的规划建设投入了更多的精力,也取得了较好的发展效果。而能源环节和用户环节得分较低,发展水平相对而言不如装置环节和配电网环节,这与国内该地区的实际状况一致。一方面,多能源系统之间的耦合利用还处于研究的初级阶段,存在着实现互补协调、优化运行困难等问题,关键技术体系尚未成型;另一方面,中国地域辽阔,用户种类繁多,在用户侧实现一定水准的统一管理和统计工作较困难,在参与源荷互动等方面的思想认识仍相对保守,缺乏积极性、参与度,导致用户侧发展建设程度相对较低,还需要在未来发展中引起足够的重视。

5 结语

综合能源系统是能源互联网的具体实现形式,而RIES则是综合能源系统的具体体现,是实现能源结构优化、耦合高效利用的重要途径。本文主要工作如下。

1)分析了RIES的基本概念、结构组成及主要特征,并耦合多元能源系统,详细描绘了RIES内部各种能源流产生、传输、转换、分配,以及用户端消费的全部过程,就电—气、电—热等耦合方面,介绍了其原理过程和转换设备,并强调了储能的作用。

2)以配电系统为核心,耦合分布式能源、天然气、地热能、交通等多元能源系统,从能源环节、装置环节、配电网环节、用户环节4个方面提取具有普遍适应性的指标,由此对RIES展开综合评估。

3)采用ANP—反熵权法分别确定了微观指标权重,并通过德尔菲法和最小二乘拟合确定了指标的评分函数;最后,将该综合评估指标和评估方法应用于一个实际地区算例,评估该地区能源系统发展水平,验证了评估指标和方法的可行性和有效性。

需要指出的是,本文研究的重点集中于RIES能源耦合分析和综合评估指标的整体构建。随着国内综合能源系统的不断建设,未来会针对综合能源系统的实际发展进程和具体评估方法,不断细化完善评估指标体系,并考虑指标的波动性和不确定性等内容作进一步的研究。

[1] 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.DOI:10.7500/AEPS20140613007.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart grid to Energy Internet: basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. DOI: 10.7500/AEPS20140613007.

[2] 吴建中.欧洲综合能源系统发展的驱动与现状[J].电力系统自动化,2016,40(5):1-7.DOI:10.7500/AEPS20150512001.

WU Jianzhong. Drivers and state-of-the-art of integrated energy systems in Europe[J]. Automation of Electric Power Systems, 2016, 40(5): 1-7. DOI: 10.7500/AEPS20150512001.

[3] HUANG A Q, CROW M L, HEYDT G T, 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] AHMADI P, DINCER I, ROSEN M A. Thermoeconomic multi-objective optimization of a novel biomass-based integrated energy system[J]. Energy, 2014, 68(8): 958-970.

[5] KOU Y N, ZHENG J H, LI Zhigang, et al. Many-objective optimization for coordinated operation of integrated electricity and gas network[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 350-363.

[6] 余晓丹,徐宪东,贾宏杰,等.综合能源系统与能源互联网简述[J].电工技术学报,2016,31(1):1-13.

YU Xiaodan, XU Xiandong, JIA Hongjie, et al. A brief review to integrated energy system and Energy Internet[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 1-3.

[7] 贾宏杰,王丹,徐宪东,等.区域综合能源系统若干问题研究[J].电力系统自动化,2015,39(7):198-207.DOI:10.7500/AEPS20141009011.

JIA Hongjie, WANG Dan, XU Xiandong, et al. Research on some key problems related to integrated energy systems[J]. Automation of Electric Power Systems, 2015, 39(7): 198-207. DOI: 10.7500/AEPS20141009011.

[8] 贾宏杰,穆云飞,余晓丹.对我国综合能源系统发展的思考[J].电力建设,2015,36(1):16-25.

JIA Hongjie, MU Yunfei, YU Xiaodan. Thought about the integrated energy system in china[J]. Electric Power Construction, 2015, 36(1): 16-25.

[9] 徐宪东,贾宏杰,靳小龙,等.区域综合能源系统电/气/热混合潮流算法研究[J].中国电机工程学报,2015,35(14):3634-3642.

XU Xiandong, JIA Hongjie, JIN Xiaolong, et al. Study on hybrid heat-gas-power flow algorithm for integrated community energy system[J]. Proceedings of the CSEE, 2015, 35(14): 3634-3642.

[10] 张涛,朱彤,高乃平,等.分布式冷热电能源系统优化设计及多指标综合评价方法的研究[J].中国电机工程学报,2015,35(14):3706-3713.

ZHANG Tao, ZHU Tong, GAO Naiping, et al. Optimization design and multi-criteria comprehensive evaluation method of combined cooling heating and power system[J]. Proceedings of the CSEE, 2015, 35(14): 3706-3713.

[11] 李洋,吴鸣,周海明,等.基于全能流模型的区域多能源系统若干问题探讨[J].电网技术,2015,39(8):2230-2237.

LI Yang, WU Ming, ZHOU Haiming, et al. Study on some key problems related to regional multi energy system based on universal flow model[J]. Power System Technology, 2015, 39(8): 2230-2237.

[12] 陈璨,吴文传,张伯明,等.基于多场景技术的有源配电网可靠性评估[J].中国电机工程学报,2012,32(34):67-73.

CHEN Can, WU Wenchuan, ZHANG Boming, et al. An active distribution system reliability evaluation method based on multiple scenarios technique[J]. Proceedings of the CSEE, 2012, 32(34): 67-73.

[13] 张心洁,葛少云,刘洪,等.智能配电网综合评估体系与方法[J].电网技术,2014,38(1):40-46.

ZHANG Xinjie, GE Shaoyun, LIU Hong, et al. Comprehensive assessment system and method of smart distribution grid[J]. Power System Technology, 2014, 38(1): 40-46.

[14] 江栩铄.基于多能源互补的分布式冷热联供系统的数学建模及优化运行研究[D].广州:华南理工大学,2014.

[15] 魏大钧,张承慧,孙波.计及变负荷特性的小型冷热电联供系统经济优化运行研究[J].电网技术,2015,39(11):3240-3246.

WEI Dajun, ZHANG Chenghui, SUN Bo. Economic optimal operation of micro combined cooling heating and power system considering off-design performance[J]. Power System Technology, 2015, 39(11): 3240-3246.

[16] KRAUSE T, ANDERSSON G, FROHLICH K, et al. Multiple-energy carriers: modeling of production, delivery, and consumption[J]. Proceedings of the IEEE, 2011, 99(1): 15-27.

[17] 王伟亮,王丹,贾宏杰,等.能源互联网背景下的典型区域综合能源系统稳态分析研究综述[J].中国电机工程学报,2016,36(12):3292-3305.

WANG Weiliang, WANG Dan, JIA Hongjie, et al. Review of steady-state analysis of typical regional integrated energy system under the background of Energy Internet[J]. Proceedings of the CSEE, 2016, 36(12): 3292-3305.

[18] OJEDA-ESTEYBAR D M, RUBIO-BARROS R G, VARGAS A. Integrated operational planning of hydrothermal power and natural gas systems with large scale storages[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 299-313.

[19] 刘涤尘,彭思成,廖清芬,等.面向能源互联网的未来综合配电系统形态展望[J].电网技术,2015,39(11):3023-3034.

LIU Dichen, PENG Sicheng, LIAO Qingfen, et al. Outlook of future integrated distribution system morphology orienting to Energy Internet[J]. Power System Technology, 2015, 39(11): 3023-3034.

[20] 韩巍.多能源互补的多功能能源系统及其集成机理[D].北京:中国科学院研究生院(工程热物理研究所),2006.

[21] SHEN Xinwei, HAN Yingduo, ZHU Shouzhen, et al. Comprehensive power-supply planning for active distribution system considering cooling, heating and power load balance[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(4): 485-493.

[22] GEIDL M, ANDERSSON G. A modeling and optimization approach for multiple energy carrier power flow[C]// 2005 IEEE Russia Power Tech, June 27-30, 2005, St. Petersburg, Russia: 7p.

[23] KOU Y N, ZHENG J H, LI Zhigang, et al. Many-objective optimization for coordinated operation of integrated electricity and gas network[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 350-363.

[24] ROBBINS B A, HADJICOSTIS C N, DOMNGUEZ-GARCA A D. A two-stage distributed architecture for voltage control in power distribution systems[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1470-1482.

[25] 王成山,洪博文,郭力,等.冷热电联供微网优化调度通用建模方法[J].中国电机工程学报,2013,33(31):26-33.

WANG Chengshan, HONG Bowen, GUO Li, et al. A general modeling method for optimal dispatch of combined cooling, heating and power microgrid[J]. Proceedings of the CSEE, 2013, 33(31): 26-33.

[26] SUPAT K, KRUAPONG A, CHAVADEJ S, et al. Synthesis gas production from partial oxidation of methane with air in AC electric gas discharge[J]. Energy & Fuels, 2003, 17(2): 474-481.

[27] KEYAERTS N, DELARUE E, ROMBAUTS Y, et al. Impact of unpredictable renewables on gas-balancing design in Europe[J]. Applied Energy, 2014, 119(12): 266-277.

[28] HAFEZ O, BHATTACHARYA K. Optimal planning and design of a renewable energy based supply system for microgrids[J]. Renewable Energy, 2012, 45(3): 7-15.

[29] BOLLA R, BRUSCHI R, DAVOLI F, et al. Energy efficiency in the future internet:a survey of existing approaches and trends in energy-aware fixed network infrastructures[J]. IEEE Communications Surveys & Tutorials, 2011, 13(2): 223-244.

[30] 李虎祥.基于能质系数的热电联产系统能量分析及优化改造研究[D].天津:天津大学,2010.

[31] 江亿,刘晓华,薛志峰,等.能源转换系统评价指标的研究[J].中国能源,2004,26(3):27-31.

JIANG Yi, LIU Xiaohua, XUE Zhifeng, et al. Research on evaluation index of energy conversion system[J]. Energy of China, 2004, 26(3): 27-31.

[32] 马钊,周孝信,尚宇炜,等.未来配电系统形态及发展趋势[J].中国电机工程学报,2015,35(6):1289-1298.

MA Zhao, ZHOU Xiaoxin, SHANG Yuwei, et al. Form and development trend of future distribution system[J]. Proceedings of the CSEE, 2015, 35(6): 1289-1298.

[33] 陈炽野,文亚凤,刘自发,等.含有多种分布式电源的配电网综合评估方法[J].电力建设,2015,36(1):128-135.

CHEN Zhiye, WEN Yafeng, LIU Zifa, et al. Comprehensive evaluation method of distribution network including various types of distributed generation[J]. Electric Power Construction, 2015, 36(1): 128-135.

[34] 李玉钦.基于网络分析法(ANP)的水电工程风险分析方法研究[D].天津:天津大学,2007.

[35] 刘佳琳.模糊统计决策理论基础上的大型工程项目风险评估方法研究[D].吉林:吉林大学,2013.

[36] SAATY T L. Decision making—the analytic hierarchy and network processes (AHP/ANP)[J]. Journal of Systems Science and Systems Engineering, 2004, 13(1): 1-35.

[37] 吕跃进.指数标度判断矩阵的一致性检验方法[J].统计与决策,2006(18):31-32.

LÜ Yuejin. A consistency test method of index judgment matrix[J]. Statistics and Decision, 2006(18): 31-32.

[38] RUBINSTEIN R Y, KROESE D P. The cross-entropy method:a unified approach to combinatorial optimization, Monte-Carlo simulation and machine learning[M]. Springer Science & Business Media, 2013.

[39] LIN C L, LIN J L, KO T C. Optimization of the EDM process based on the orthogonal array with fuzzy logic and grey relational analysis method[J]. The International Journal of Advanced Manufacturing Technology, 2002, 19(4): 271-277.

[40] 张心洁,葛少云,刘洪,等.智能配电网综合评估体系与方法[J].电网技术,2014,38(1):40-46.

ZHANG Xinjie, GE Shaoyun, LIU Hong, et al. Comprehensive assessment system and method of smart distribution grid[J]. Power System Technology, 2014, 38(1): 40-46.