比特驱动的瓦特变革-信息能源系统研究综述

孙秋野 王一帆 杨凌霄 张化光

可再生能源高速发展、信息智能技术深度融合以及终端用能的多样化需求使得能源生产、分配及消费形式均出现显著变化,呈现出时空异步、信能融合、多能互补以及智物协同的新趋势[1],这使得终端信息能源系统的平衡、协同、管控必须与之相适应.如何在需求侧通过源网荷储协同、多种能源互补、信息能源耦合实现终端的能源绿色高效利用,成为全球广为关注的焦点问题[2].早在2008 年,美国北卡罗莱纳州立大学提出能源互联网理念雏形,并开展“未来可再生电能传输与管理系统”项目以实现能源的高效利用;同年,德国联邦经济和技术部提出E-Energy 理念和能源互联网计划.近些年,在信息技术和能源技术的高速发展背景下,日本在2016 年发布的《能源环境技术创新战略》中提出利用大数据分析、人工智能、先进传感和IoT 技术构建多种智能能源集成的管理系统.欧盟在2018 年提出了综合能源系统2050 愿景,即建立低碳、安全、可靠、灵活、经济高效、以市场为导向的泛欧综合能源系统.据2018 年的统计报告显示,有可再生能源目标和支持政策的国家数量攀升至179 个.

到2017 年底,有87 个国家制定了适应经济发展的可再生能源发电目标,而我国政府也针对综合能源系统先后出台了一系列支持政策,开展重大研发项目进行技术研究,并部署了一批多能互补集成优化示范工程和“互联网+”智慧能源(能源互联网)示范项目.

在国际和国内能源系统发展战略的大力推进下,智慧能源的建设势在必行,而以信息驱动的能源系统高度清洁化、高效化、智能化发展是其至关重要的研究课题.

1 信息与能源的耦合关系

当前的能源系统正经历一个多世纪以来最大的“瓦特变革”.首先,新能源的高比例渗透以及分布式的接入方式使其控制优化问题充满挑战.其次,产消者的兴起使用户由单一消费模式转变为生产消费一体化模式,能源的双向传输以及多能源网络的叠加使其交互模式更加复杂.再者,能源网络分布式、扁平化的发展态势使数据、分析和连通性成为能源网络外围产消者的重要决策信息.“瓦特变革”呈现出由“集中”向“分布”、“垂直”向“扁平”、“电源驱动”向“用户驱动”、“高碳”向“低碳”的发展特点,能源系统趋于自下而上的,以用户为主导的能源信息化发展模式.利用信息技术来满足能源系统发展的内在需求日益增长[3].

同时,互联网技术、云技术、大数据技术、物联网技术等信息技术也进入阶跃式发展的快车道.信息时代的发展驱动自动化技术的进步,信息化、网络化、智能化的特征越来越明显.新兴信息技术和互联网生态为能源系统的发展提供了有力的支撑.“比特驱动”成为能源变革强大的推动力.

“比特驱动”主要体现在大数据技术可快速、有效地处理海量能源信息,实现系统的精准建模和特征提取,从而保障能源系统协同控制的可靠性.人工智能技术可应对参与优化调度的能源终端更为智能化、灵活化、自主化的发展需求.云计算、边缘计算则可提高能源系统的计算能力,实现系统运行的低时延和高可靠性,由此满足能源系统在用户驱动下的实时管理和资源分配.5G 无线技术、物联网技术在通信方面具有超可靠、低时延、广域连接的优势,有利于能源系统高度自动化和精准控制,可推动产业数字化和智慧城市的发展.

作为与国民经济、人民生活息息相关的重要领域,能源系统是信息技术发展的一个理想载体.清洁低碳、安全可靠、泛在互联、高效互动、智能开放的能源系统将推动信息技术与先进能源技术的深度融合.由此,实现信息和能源的一体化发展成为了研究的热点[4].

国内外对于信息能源系统的研究主要从“比特驱动”和“瓦特驱动”两类视角分别进行.“比特驱动”主要从信息及互联网角度,研究如何利用先进的信息处理技术与能源系统相叠加,优化计算资源和信息处理能力,以人工智能、云计算、移动应用等新兴技术为手段[5−6],力争使能源系统运行在最优工作点.“瓦特驱动”从电气热多能互补网络的角度,研究如何通过现代优化控制及电力电子技术,实现多能梯次利用、可再生能源高效消纳以及源网荷储立体协同,达到保证信息能源系统安全高效运行的目的[7].

信息与能源系统的深度耦合协同、高度智能化仍然是一个亟待深入研究的广阔领域[8].随着未来一次能源逐步由有限化石能源转变为风光等永续清洁能源,能源的稀缺性将被打破.通过高速发展的现代信息技术,充分发挥能源终端的互动调节能力,构建互联网模式下的能源生态,将信息与能源深度融合,实现能源的安全、高效、经济消纳成为核心需求.

本文针对信息能源系统,运用科学知识图谱进行数据挖掘、信息处理、知识计量和图形绘制,从而研究和揭示信息能源系统的发展趋势,并进一步展示其相关热点领域的结构特点和研究内容.文中数据来源于中国知网(CNKI)和Web of Science (WoS),针对2000 年～ 2020 年的论文,其中CNKI 检索关键词为“信息能源系统”、“能源互联网”和“综合能源系统”,共1 114 条中文文献记录(SCI 来源期刊、EI 来源期刊、核心期刊、CSSCI 和CSCD);WoS 检索关键词为“Cyber energy system*”、“Energy Internet”、“Internet of energy”、“Integrat* energy system”、“Comprehensive energy system”、“Energy integration”和“Energy interconnect*”,共2 019 条英文文献记录(WoS 核心集,文献类型为Article 或Review).通过对文献进行数据清洗,包括对文献合并除重,补全缺失信息及去除领域不相关的文献,最终得到675 篇密切相关中文文献和1 013 篇密切相关英文文献.

通过对文章的参考文献数据进行分析,可以快速找到领域内的研究热点,见表1.其中GCS (Global citation score)表示全球施引次数,此处表示WoS网站上给出的引用次数;进一步计算可得到该文章的本地施引次数LCS (Local citation score),表示该文章在本地文献库(即本文选取的密切相关文献)中的施引次数.通过这些值可以快速得到信息能源领域内的重要英文文献,例如,某文献的LCS值很高,意味着它非常可能是该研究领域内的重要文献.因此相比而言,LCS 比GCS 能更清晰地反映该文献对于细分领域的贡献度,LCS 高的文章极有可能是研究领域内的里程碑文献.CR (Cited references) 表示该文章引用的参考文献数量;LCR(Local cited references)表示本地参考文献数量,即该文章引用的所有文献中,存在于当前本地文献库的文章数.通过LCR 可以快速找出最新的文献中与领域内研究方向最相关的文章.

表1 领域内的研究热点文献Table 1 Hot research literature in the field

通过CiteSpace 软件对CNKI 和WoS 的混合数据进行关键词突现分析[19],得到表2 中2000 年后引文强度最高的27 个关键词,这些关键词通常为某时间段的研究热点(表中加粗部分).表中强度值越大表示该关键词在该领域某个时段的热点程度越高,起始时间和终止时间分别表示该关键词成为研究热点的开始和结束时间.

截至2020 年8 月,统计2001 年～ 2019 年CNKI及WoS 每年发文的数量见图1.可以发现信息能源系统密切相关的文献数量正处于稳步上升趋势,且2015 年开始增长趋势加快.

通过关键词搜索和聚类,对其研究热点分布进行可视化展示,图2 为基于CNKI 的中文论文研究热点分布,图3 为基于WoS 的SCI 论文研究热点分布.

图2 和图3 中,圆圈表示关键词,圆的大小表示关键词出现的频次;连线表示节点与节点间曾经共现过;连线的密集程度表示该研究主题与其他主题联系的紧密程度.两幅图中,通过进行聚类可视化操作,将信息能源系统的研究领域聚集成多个集群,这些集群将联系程度更紧密的关键词结合在一起.

基于图2 和图3 的聚类分析,可以看出,从信息的相关方法层面聚类,信息能源系统的热点研究领域主要包括:优化调度、一致控制、用户驱动的优化管理、信息能源深度融合系统.

如图4 所示,优化调度的研究建立在能源网与信息网的交互环境下,研究多源信息融合的(准)实时的能源优化,以实现经济、高效、低碳运行;一致控制的研究主要针对信息能源系统的底层能源终端,考虑如何实现设备间的协调运行;用户驱动的优化管理则进一步上升至云平台,研究在大数据、云计算支撑下,能源市场的配置和用户资源的管理;而信息能源深度融合系统则更深度聚焦信息技术与能源网络,研究计算、通信、物理过程高度集成的系统运行模态.

表2 中英文混合关键词突现分析Table 2 Emergence analysis of keywords in Chinese and English

图1 2001～ 2019 年发文数统计Fig.1 Statistics of published papers from 2001 to 2019

图2 CNKI 关键词共现分析Fig.2 CNKI keywords co-occurrence analysis

图3 WoS 关键词共现分析Fig.3 WoS keywords co-occurrence analysis

图4 信息能源系统与热点研究领域Fig.4 Cyber energy system and hot research fields

从能源领域的发展路径看,“瓦特变革”的初期,在社会的发展和技术的推进下,分布式能源大规模接入能源网络,终端能源主动参与的需求日益增加,能源结构由传统的单一能源向清洁的综合能源转变.随之,不同类型的能源终端之间耦合更加紧密,多种能源的时空差异使能源网络趋于复杂、灵活,催生出海量信息,对信息技术的依赖逐渐增强.在近几年信息技术的飞速发展下,以综合能源系统为依托,信息物理系统逐渐受到关注.由此,在总体技术路径的驱动下,上述4 个热点研究领域对应于信息能源系统中的4 个研究阶段,其从底层能源终端到能源网与信息网的交互,再到云平台的广域协同,最终延伸至信息和能源系统的深度融合,自下而上地反映了信息能源系统中各层级的研究重点和技术价值.

本文将针对这4 个热点研究领域进行深入可视化分析和文献综述,以挖掘其研究趋势.

2 信息驱动的信息能源系统优化

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,我们检索到相关论文1 185 篇.如图5 所示,核心关键词围绕“优化运行”和“multi-energy systems”,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、高时延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,“混合线性整数规划”是较为常用的方法.随着通信网络向高带宽、低时延的发展,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.其中,文献[20]于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,对综合能源网络的优化运行进行了初步研究.文献[21]基于风力发电的实时信息,研究基于区间优化的电-气耦合网络的优化运行策略,在该研究领域获得了广泛关注.

图5 优化相关领域的聚类Fig.5 Clustering of optimize related fields

上述分析结果表明,随着“比特”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,“比特”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性,从论文的关键词可以看出,在这类“比特”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“瓦特变革”.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.针对综合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.

2.1 基于静态能流信息的优化

早期通信网络低带宽和高时延大大限制了系统对动态信息的捕捉和处理能力,能源系统的优化问题大多基于静态能流信息.部分学者基于静态网络能流信息,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.文献[22−23]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.这两篇文献集中于对电力能流模型的刻画,未考虑多能耦合交互的影响和多能流交织的特点,所提出的模型不能够很好地适应当前的能源系统结构.文献[24]考虑包含风电和电转气环节的电-气耦合网络的静态安全运行约束和耦合约束,建立双层经济调度模型.文献[25]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,建立多能源微电网多节点模型.在采集静态网络能流信息的基础上,文献[26]将环境因素纳入考虑,建立综合经济和环境因素的混合整数线性规划优化模型.

2.2 基于实时动态信息的优化

随着5G 等先进通信技术的发展,信息网络逐渐具备高带宽、低时延的特点,数据的传输和处理能力大大提高,这使得可再生能源随机波动、电动汽车无序充电所产生的实时动态信息能够被充分地挖掘和利用,考虑实时动态信息的优化逐渐成为研究热点.国内外学者基于能源网络的实时信息,对能源网络优化运行进行研究.文献[27]基于可再生能源的实时出力,计及储能荷电状态等因素,研究了基于离散傅里叶变换频谱分析的系统储能优化定容方法.文献[28]基于动态能源价格,针对电-气-热集成网络提出一个包含混合整数线性规划和非线性网络方程线性逼近的两阶段迭代模型,但缺乏对综合能源系统多时间尺度特性的考虑.文献[29]考虑可再生能源、负荷和能源交易价格等动态信息,实现了多能源微电网的优化运行,但是该文献只考虑了热能小范围内的就地供应,网络结构比较简单,没有考虑热力网络和燃气网络互联对优化的影响.文献[30]基于电动汽车充电的动态能量需求和风力发电的实时数据,针对源荷不匹配的问题,提出基于仿真的分布式策略改进方法.但该文献中电动汽车充电模式单一,未能考虑多种充电模式切换所致动态信息变化带来的影响.文献[31]进一步考虑系统状态的动态演化,提出基于事件的优化模型及其策略迭代算法,实现分布式风力发电与电动汽车充电的协调优化.

2.3 基于新型信息能源耦合主体的优化

随着通信网络与能源终端的广泛互联,边缘计算能力向终端下沉,能源终端逐渐具备更强的传输和处理数据的能力,多种信息能源深度耦合的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.

文献[32]提出一种能源产消一体、多能耦合的能源主体,针对该能源主体提出一种分布式一致性交替方向乘子法算法,解决了能源互联网的最优能量管理问题.文献[33]考虑信息物理融合特性,构建计及产消者交互的局域和广域两级协同优化架构,实现了产消双方电力资源最优分配.该文献只考虑电力与信息深度融合,考虑多种能源与信息深度融合的优化问题仍有待深入研究.文献[34]对能源枢纽的结构及其运行和优化进行了研究.在此基础上,文献[35]基于改进的等增量消耗原理,提出一种兼顾安全运行和经济效益的能源枢纽双重优化控制方案.文献[36]研究以能源路由器为核心的能源互联网分布式设备协调优化及能量调度分配问题.文献[37]研究以能源转换中心为枢纽的智能船舶综合能源系统,提出可容纳复杂干扰的分布式优化方法,实现了智能船舶综合能源系统优化调度.该文献充分利用能源信息深度融合特性,考虑数据的预处理和特征提取,为研究信息能源深度融合下的能源系统优化提供了有益的参考.文献[38]在建立家庭能源局域网模型的基础上,采用模型预测控制方法,实现该能源局域网的在线能量优化管理.

2.4 研究展望

现有研究依托多种类型信息,结合遗传算法等智能优化算法、混合整数线性规划等方法,实现了信息能源系统的安全高效运行.国家发改委和能源局发布的《能源生产和消费革命战略(2016-2030)》中指出“能源新技术与现代信息、材料和先进制造技术深度融合,···,将带来人类生产生活方式深刻变化”的能源网络发展趋势,提出了“集中攻关能源互联网核心装备技术、系统支撑技术,重点推进面向多能流的能源交换路由器技术、···、能源大数据技术”的技术要求.随着通信技术的发展,海量数据涌入将大大降低现有方法的准确性和高效性.因此,考虑海量数据对于优化过程的影响,研究具备高效数据处理能力的智能优化方法是具有研究前景的课题.同时,随着信息能源融合程度的加深,能源主体、能源交换路由器等的智慧性和自主性逐步提升,系统内多能源主体的交互将更加复杂多样,因此未来的研究需要考虑更复杂多样的交互机制,研究多能源主体间的分布式优化方法.

3 多能源主体的信息一致控制

控制是多能源主体的必要环节,如何利用恰当有效的信息一致控制以保证和实现系统安全、可靠、稳定且高效灵活运行是一个重要的研究目标.截至2020 年8 月,我们检索到相关论文315 篇.如图6 所示,核心关键词“可再生能源”与“控制”相互结合,表明此研究方向得到了众多学者的关注.而从研究方法的角度来看,由于系统结构的复杂性,关键词“协同控制”、“智能控制”、“预测控制”、“优化控制”等成为关注热点.其中,在2015 年,文献[11]探讨了应用多智能体解决能源互联网领域参数协同控制问题,在该领域获得了较高关注.

图6 控制相关领域的聚类Fig.6 Clustering of control related fields

上述分析结果表明,“比特”信息不仅仅只体现在数据上,还体现在边缘上先进的控制优化算法上,这些都是“比特驱动”的一部分.其中,通过分布式的无通信连接的控制方法实现精准的按容量比例分担,是多能源网络研究中的一个关键问题.这在很大程度上能降低网络的投资成本,同时提高网络的可靠性和灵活扩展性.另外,针对下垂控制方法存在功率分担的不精确性,基于多智能体一致性理论的分布式方法应运而生.考虑到工业过程往往具有非线性、时变性、强耦合和不确定性等特点,预测控制在工业实践过程中逐渐发展起来.针对协同一致控制的研究,众多科研人员根据研究方法差异,将其分为多能源终端的分布式协同控制、信息能源终端的智能优化控制以及基于数据驱动的分布式能源预测控制三类.

3.1 多能源终端的分布式协同控制

考虑信息网络在通信带宽和时延方面的限制,部分学者基于局部信息的分布式协同控制规律,从稳定性和安全性角度对多能源终端的综合能源系统的分布式协同控制进行了研究.文献[16]采取一定的分布式协同控制策略,实现综合能源系统功率的优化调度和协调分配,同时使控制系统输出相角和频率偏差稳定在一定范围内,保证了网络的正常运行.然而并没有考虑通信、变时延等问题,面对实际工程中通信问题和更多的不确定因素,其与实际应用推广还有很大的距离.文献[39]较早提出并研究一种含有单相/单相可再生能源分布式发电系统的混合微电网结构及其在孤岛时的功率分担协同控制策略.但提出的解决方案需要额外安装功率分配单元(Power sharing unit,PSU)设备,这将会增加额外成本.进一步地,文献[40]提出了一种基于多智能体系统的事件触发混合控制方法,并建立了4 种差分混合Petri 网控制机制来实现分层混合控制.考虑到综合能源系统[41]之间的相互作用更加灵活和复杂,文献[42]建立了集成电力和供热系统的准动态一体化模型.此外,文献[43]通过研究混合能源系统的状态偏移率,通过分析策略选择最优运行模式,该研究为充分利用热电联产的调节能力提供了一种有效的方法.

3.2 信息能源终端的智能优化控制

随着信息网络与能源网络的深度融合,数据处理能力向能源终端下沉,终端具备更强的与环境交互的能力,智能性逐步提升,这种变化使得信息能源终端的智能优化控制[44−45]成为研究的热点.具体地,针对能量管理问题,文献[46]设计了基于模糊逻辑的能量管理优化控制器,合理分配双能量源存储系统中蓄电池和超级电容两者的功率,使系统具有更好的动力性能和经济性能.在此基础上,文献[47]设计了多智能体的有向协同控制律,这可以应用于能源互联网区域的信息优化采集.进一步地,文献[48]将能量管理问题转化为随机最优控制问题,并用动态规划方法求解.但利用的是基于网格方法的算法,这需要大量的时间和空间来求解.文献[49]提出了以风电-储能-集群空调负荷联合输出为滑模面的滑模控制策略,这为能源互联网中能量合理调配、减少储能配置问题提供了新的技术途径.但该研究侧重于控制策略的仿真,在考虑虚拟储能辅助调度决策方面的研究还不够明确.

3.3 基于数据驱动的分布式能源预测控制

随着5G 等先进通信技术的崛起,信息网络逐渐具备超可靠低时延和超带宽的特点,这使得综合能源系统信息的获取和发送更具实时化,考虑具有波动性和间歇性的大规模可再生能源发电的接入所产生的实时动态信息的预测控制[50]逐渐成为研究热点.具体地,考虑到新能源出力波动或负荷投切等导致微网内瞬时功率失衡,文献[51]提出了基于模型预测控制的虚拟同步发电机控制方法.但该模型较复杂,收敛性未考证,没有考虑虚拟同步发电机的出力成本,而且缺乏实验验证.在此基础上,文献[52]提出了积分模型预测电流控制来消除电流控制系统的稳态误差,从而提高其闭环性能.文献[53]提出了一种新的多能源系统通用建模框架,特别适合(但不限于)预测控制应用,但仍然局限于能量交换区方法.这使得串联连接的建模成为一项繁琐的任务.进一步地,为促进可再生能源的使用,文献[54]利用区域锅炉的全局模型,模型预测控制器生成最优指令序列,使得化石燃料消耗、二氧化碳排放量和运行成本显著降低.文献[55]基于PID与模型预测控制器相结合控制室内温度的方案,降低了能源消耗.

3.4 研究展望

上述分析结果表明,现有研究结合多能源终端的分布式协同控制,信息能源终端的智能优化控制以及基于数据驱动的分布式能源预测控制等来实现信息物理系统的安全稳定运行.其中,美国工程院院士G.Heydt 联合三位IEEE Fellow 在国际权威刊物Proceedings of the IEEE上指出“分布式多智能体协同控制方法是解决能源互联网相关问题的重要方向”.但在实现目标的过程中,还有一些困境问题和未来趋势有待深入和完善.例如,随着5G 等先进通信技术的发展,大规模的问题不再受现有平台计算能力和问题计算复杂性的限制,可以实现在线优化控制.同时,随着信息与能源网络融合程度的加深,能源主体更具智慧和自主能力,多能源主体交互的网络变得更加复杂.因此,在此基础上如何全面地分析系统的稳定性并从理论上给出设计稳定控制系统的指导方法仍然值得深入研究.

4 用户行为驱动优化管理

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,我们检索到相关论文840 篇.如图7 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”、“分布式电网”、“综合能源系统”、“Energy Internet”等成为关注热点.文献[56]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Huang 等[10]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.

上述分析结果表明,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,“比特”推进了相应的“瓦特变革”.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综合能源系统.针对优化管理的研究,众多科研人员针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“瓦特变革”的发展趋势,可以分为直接需求侧、分布式电网以及综合能源系统三类.

图7 管理相关领域的聚类Fig.7 Clustering of manage related fields

4.1 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[57]在2007 年讨论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[58]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.文献[59]提出了一种改进混沌优化的遗传算法并应用于电力系统中,为需求侧管理提供了方法支持.文献[60]建立了以年为单位的长期优化策略,在考虑需求侧的前提下针对季节性储能的变化进行分析.

4.2 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时延通信技术的发展,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的能源市场与用户行为管理.文献[61]提出了一种经过数据校验的多准则模糊算法并应用于包含光伏的需求侧管理中,但并未考虑能源市场的变化.在此基础上,文献[62]提出了基于多代理系统的微电网能量管理策略,利用市场竞价策略来实现需求侧管理.文献[63]在考虑动态能源价格和用户满意度的情况下讨论了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,但文章并未将用户作为行为主体进行讨论.文献[64]提出了基于多智能体的微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.文献提供了一种微电网中用户深度参与市场交易的方式,但在奖惩机制与博弈方式上还有进一步挖掘的空间.

4.3 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,不同能源网络结合的越来越紧密,更多的研究专注于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.Lund 等[65]在2006 年首次在综合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,并最终给出了一种利用热电联产(Combined heat and power,CHP)对风力发电进行消纳的方式.基于文献[65],文献[66]进一步提高了系统的灵活性.文献[67]建立了针对小规模冷-热-电系统的矩阵优化模型,为基于市场的综合能源系统需求侧管理提供模型基础,但对能源市场的变化与用户的行为模式缺乏分析.文献[68]给出了一种考虑多种不确定性的综合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.文献[17]进一步探究综合能源系统特性,提出了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.但在综合能源系统多时间尺度多能量形式特性上还存在继续挖掘的空间.文献[18,69]则从市场的角度深入分析了能源互联网现在的发展及未来的发展方向,为综合能源系统的能源市场后续研究提供了思路.

4.4 研究展望

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从电能也扩展到了综合能源系统.国家能源局发布的《关于推进“互联网+”智慧能源发展的指导意见》中也提到“构建以多能融合、开放共享、双向通信和智能调控为特征,各类用能终端灵活融入的微平衡系统”.但在实现目标的过程中,还存在诸多待解决的问题,例如随着用户侧的参与程度增加,如何对用户侧实施合理且有效的约束,保证用户侧的信息安全与能源质量.由于综合能源系统中能源类型不同,生产、传输、消费都存在着不同的时间尺度与特性,用户与市场如何利用如智能算法、边缘计算等先进信息技术实现综合能源系统多能耦合智能优化管理,都是未来具有研究前景的新课题.

5 信息能源深度融合系统

随着“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,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,反映出在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,我们检索到相关论文86 篇.如图8 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“Cyberphysical energy system”、“Cyber-physical-social system”等成为关注热点.在2010 年,文献[70]中Ilić 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,后续众多研究者在此基础上进行了更为深入的研究.

图8 CPS 相关领域的聚类Fig.8 Clustering of CPS related fields

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和信息物理能源系统(Cyber-physical energy systems,CPES)及信息物理社会系统(Cyber-physical-social systems,CPSS)进行了研究.

5.1 信息能源融合系统建模与仿真

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,许多文献在系统异构问题、信息系统时间特性、信息模型等方面取得了一定成果.文献[71]在分析了对电力系统进行信息物理融合建模与评估的必要性去驱动力后,提出了一种信息物理系统(Cyber-physical system,CPS)融合建模构想.文献[72]提出了一种基于区块链的智能电网网络物理基础设施模型.文献[73]描述了分别基于连续时间和离散事件的网络物理能量系统模型,说明了两种基本不同的建模原则的优缺点.文献[74]根据自能源网络结构提出了一种基于生成对抗网络(Generative adversarial networks,GAN)技术的数据-机理混合驱动方法对自能源模型参数辨识.文献[75]研究智能电力系统硬实时监控通信策略的设计问题,并且在广泛使用的商用工具PSCAD 中提供一个嵌入式仿真环境.文献[76]提出了一种基于高层体系结构(High level architecture,HLA) 的电力与通信技术(Information and communications technology,ICT)系统实时评估协同仿真环境(IEEE Standard 1516-2010),认为基于连续时间的电力系统仿真和基于离散事件的信息和通信技术(ICT)网络仿真是研究未来智能电网的关键.

5.2 信息能源融合系统综合安全

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.文献[77]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两方面对攻击行为进行分类.文献[78]介绍了CPS 的概念与安全现状,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.文献[79]提出了一种新的基于区间状态预测器的防御机制来有效地检测恶意攻击.研究者提出了一种基于深度置信网络(Deep belief network,DBN)的电力负荷预测方法,这种方法可以减少预测误差.然而,由于天气系统的混沌性和不稳定性,预报误差是不可避免的.为了进一步阐明跨空间连锁故障对电力 CPS 安全稳定运行的危害,文献[80]提出一种基于改进攻击图的量化评估方法.文献[81]在传统的虚假数据注入攻击的基础上,提出了一种考虑能量系统动态特性且可以用来描述恶意攻击者的攻击行为的动态攻击模型.文献[82]分析了CPS 的基本概念和特征,并对CPS 的体系架构、中间件系统、实时性、安全和隐私等关键技术进行了说明.文献[83]提出了一种分布式多智能体方案来检测和识别电网保护系统中的网络威胁.

5.3 CPES 及CPSS

一些研究者考虑能够充分感知环境和系统状态信息,对能源生产和消耗实时监测和预测,统一优化调度和控制的CPES 以及CPS 中因存在人和社会层面而提出的CPSS.薛禹胜等在文献[84]中研究了电力(能源)大数据的应用,并通过若干课题的研究,归纳大数据技术对提高能源流在不同时间尺度及空间中的经济性与可靠性的作用与途径.文献[85]提出了由电网信息物理融合建模技术、电网信息物理系统分析方法、基于融合模型的电网控制技术、基于融合模型的形式化验证4 个关键技术组成的研究体系.而文献[86]从并行调度的角度系统地提出了基于复杂CPSS 的能源互联网智能调度概念和框架,并深入研究了如何利用智能人工社会建模实现能源互联网的并行调度与控制,同时考虑了人为因素和社会因素,这是对单一智能广域机器人概念的重大延伸和理论改进.而文献中的研究对象是群并行调度机器人(Parallel dispatching robot,PDR),无论是名义模型还是镜像模型,都必须是一个具有并行计算能力的分布式建模与仿真系统.这与很多电力系统仿真软件平台采用集中建模和集中离线仿真方法的软件平台有本质区别.Wang 在文献[87]中提出必须增加和解决CPS 中存在的人与社会层面.人与社会的动态应被视为任何有效的CPS 设计和运行的一个组成部分,CPS 中引入“社会”具有一定合理性.

5.4 研究展望

现阶段国内外对于CPS 的研究情况整体来说还处于发展的初期,有待成熟化.2018 年薛禹胜在《能源评论》 中提出:未来要拓展到更大的物理系统中,要从电力系统向它的上游拓展,要研究煤炭、风电等不同类型的能源品类出力变化的关联、可再生能源的波动性如何引起负荷和一次能源的不平衡与损失等.由此可见,推动CPS 和多能源融合发展是信息能源融合系统的发展趋势.从CPS 的应用角度,如何将通信、计算和控制能力嵌入能源设备,应用于各类能源系统,得出有效的智能设备和自治系统,如何针对信息系统和能源系统进行合理建模并对新的系统模型搭建与之相适应的、合理的仿真算法,如何在大型工业系统中充分考虑CPS 的安全和隐私等都是亟需解决的问题.

6 结论

信息与能源的深度融合将有效提高能源系统的安全高效经济运行能力,增强可再生能源的接纳能力,提高用户的参与程度,加强能源系统的灵活性和可扩展性,推动未来能源系统的高速发展.本文运用科学知识图谱的方法,对CNKI 和WoS 所载2000～ 2020 年文献进行计量分析,获取信息能源系统的研究热点分布,并深入挖掘其内在联系和潜在趋势.在当前的研究中,依托于我国在能源领域较为领先的研究基础,在以清洁、环保为目标的能源转型的迫切需求以及互联网良好的发展生态的背景下,以“比特驱动瓦特”的研究在能源系统的控制、优化、管理等多个层面都取得了较大的进展,同时信息能源深度耦合的影响研究也获得了诸多关注.未来,在包含泛在感知、数据中心、边缘计算等技术在内的新基建大力推进下,如何以清洁、高效、经济、智慧的能源系统支撑能源需求高速增长的信息系统的发展,并通过信息能源系统的耦合,实现对能源数据价值的充分挖掘都是未来具有广阔科研前景和重大国家需求的新课题.