能源互联网能量管理与运行控制 孙宏斌
? 面向减小不确定性的不同形式的可再生能源联合并网发电
? 含负荷参与的电力系统多时间尺度优化调度方法
? 面向高效利用可再生能源的电力市场机制设计
12
关键技术4：基于云端的多终端用户综合 能量管理服务(service)
云端能量管理服务
YF13-5
YF13-3
F24-2 F24-4
F24-6
YF13-4
YF13-6
YF13-7
F24-7 F24-9
F24-8
YF13-13
YF13-12
YF13-8
YF13-9
YF13 -10
YF13-11
F1-13
YF13-14
F1-3
智能家庭
智能园区 可再生能源基地 13
关键技术5：基于自律协同架构的EMS家族
N-EMS
G-EMS
W-EMS
P-EMS
S-EMS
D-EMS
C-EMS μ-EMS
CHP-EMS ST-EMS
F-EMS
B-EMS
H-EMS 14
目录
背景与挑战 研究内容 已有研究
15
已有研究 1
含风光储冷热电联供家庭/微网能量管理建模和优化研究
? 不同系统的协调优化控 制方法和策略
燃料网 信息网
热力网
? 电热耦合联合优化调度 ? 计及负荷响应特性的电
热联合优化运行 ? 计及供热系统热惯性的
风电消纳优化控制
? 考虑带宽约束的网络 拓扑优化
? 信息可靠性的改善
电力网
? 加油站/加气站/充电站 的混合选址
? 智能交通系统
交通网
? 计及电网-交通信息的充 电导航
? 信息-物理系统网络接口的确定与建模 ? 基于运行评估需求，建立信息系统等值模型
信息网
? 燃料网稳态建模(气/油/煤…) ? 燃料网暂态建模仿真
燃料汽车 ? 交通网拓扑建模
? 基于交通数据的驾驶行为分析
负荷
燃料网
交通网
组成 元素
燃烧锅炉
状态估计 多能流计算
电动汽车
热源
热力网
? 热力管网(准)稳态建模 ? 建筑物热动态建模和分析 ? 热力系统热惯性建模和化简
分布式发电 自由接入 信息对等
6
三大挑战
挑战1-不同形式能源互联 挑战2-终端用户广泛参与 挑战3-自由多边的互联网架构
7
目录
背景与挑战 研究内容 已有成果
8
能源互联网 EMS共性结构
其他EMS 家族成员 互动
EMS
EMS 家族成员
调度计划
安全评估
协调控制
感知
建模
所管辖能源互联网 9
关键技术1：多能流状态感知与在线建模
0.6
0.4
0.2
) W
0
(M
率 功
-0.2
-0.4
-0.6
-0.8
热网管道 10 断开 :电网线路功率
4
分开分析 联合分析
3
热网管道 10断开 :热网流量
分开分 析 联合分 析
2
(m/s) 1 量 流0
-1
1
2
3
4
5
6
7
8
电网线路编号
-2
0
5
10
15
20
25
30
热网管道编号
热网管道10开断时分开分析和联合 分析电网和热网能流区别
F65-9 F65-10
F01-2
G
YintianF01
F24-4 F24-5
F1-9 F1-8 F1-7 F1-6
F16-4 F16-3 F16-1
F24-3 F24-6
F1-12 F1-11 F1-10
GangxiaF24
G
F24-1
F24-3
F24-5
Yay uanF13
G
YF13-1
YF13-2
电力网
可控 负荷
热电耦合
? 考虑分布式发电的电网建模 ? 微电网内部和对外等值模型 ? 考虑出力不确定性的潮流计算 10
关键技术 2：能源互联网在线安全评估
能源互联网在线安全评估
能源互联网安全控制策略
? 安全评估框架和预想故障集选取 ? 耦合系统相互影响机理分析
综合能源网`络灵敏度分析 ? 安全控制模型及求解算法 ?
电网 潮流 计算
耦合 元件 约束
热网 热流 计算
热源计算
水力计 算
水力计 算
供水热 力计算
回水热 力计算
负荷计算
电热耦合网络模型和多能流计算 17
已有研究 3
电热耦合网络相互影响机理和安全评估
ShixiaF65
G
F65-1
F65-4
F65-2 F65-3
F65-5
F65-6
F65-7
F65-8
F01-1
PCC 电储能装置 光伏发电 风力发电
冷储能装置
天然气
电冷转换设备
CCHP
冷热电联供
冷系统
电系统
用户
1
电热转换设备
热储能装置
……
用户
2
……
热系统
含风光储冷热电联供家庭/微网架构
40 30 20 W P/k 10
0
冷 负荷 CCHP 冷 出 力 冷 储能 蓄 冷 冷 储能 放 冷 电 冷转 换
-10
-20 0
能源互究内容 已有成果
2
能源互联网
能源
电、热/冷、天 然气、风…
互联
Internet 架构与体验
网
终端用户 广泛参与
不同形式 能源互联
能源的转换
能量的管理
燃气 电力 热力
不同空间 能源互联
能源的传输
3
挑战1——不同形式能源互联
燃气
燃气轮机
热电联产
? 安全评估指标体系
不同网络安全控制协调策略 ?
? 考虑互动负荷 ? 安全分析高效求解算法
热力网 交通网
信息网
燃料网 电力网
物理信息系统联合安全评估
基于稀疏技术的高效算法 ? 物理信息系统故障建模 ?
物理信息系统故障影响评估 ?
关键技术3：能源互联网优化调度与协调控制
? 综合能源网络最优潮流 计算（燃料-热力-电力）
10
5 热 电联 合 优 化消 纳 的可 再 生 能源
冷 热电 独 立 优化 消 纳的 可 再 生能 源
冷 热电 联 合 优化 消 纳的 可 再 生能 源
0
0
5
10
15
20
25
可再生能源Time 消纳(冬)
16
已有研究 2
电热耦合网络综合建模和多能流计算
热电耦合 (CHP)
电力网络 供热网络
电热耦合网络
电制氢
储气
如何EMS 推广到多能流耦合网络？
电力
锅炉
热力
循环泵
热泵
储电
储热
挑战2——终端用户广泛参与
区域
区域
光面伏向海量用户能量管理谁来做？在哪做？
电站
智能 家庭
智能 楼宇
风电场
核电厂
智能 工厂
…… 火电厂
5
挑战3——自由多边的互联网架构
提供类似Internet的体验 大一统的集中式能量管理架构能难源以路为由继器？
5
10
15
20
25
冷负荷供Tim给e 组成(夏)
40 30
20
h
W /k
10
Q
0
CCHP 产 生 余 热 量 余热锅 炉补燃产生热 量 供热分 配到的余热量
供冷分 配到的余热量 补燃热 量用于供热 补燃热 量用于制冷
-10
-20 0
5
10
15
20
25
Time
热负荷供给组成(夏)
25
20
15 W P/k
学术报告收获体会-推荐下载
学术报告1《能源互联网》收获与体会报告人孙宏斌（清华大学电机系）此次孙宏斌教授的报告主题是能源互联网，孙教授从why（为什么）、what（是什么）、how（怎么做）三个层面对能源互联网进行阐述。
首先报告人提出为什么要提出能源互联网。
分析现状可知，现有能源系统面临三大重要挑战：1. 能源生产不可持续，需要提高可再生能源比例；2. 能源使用效率低，需要提高能源使用效率；3. 能源行业内向保守，需要实行能源体制革命。
然后报告人阐述了能源互联网有何特征。
从能源互联网的基本架构来看，分为物理互联和数据互联两个层面。
1. 物理互联层面是“能源系统的类互联网化”，利用互联网理念对现有能源系统进行改造，使能源系统具有类似于互联网的某些优点，主要表现为：多能源开放互联，电、热、冷、气、油、交通等多能源耦合互补；能量自由传输，表现为远距离、高效、大容量、双向、端对端、选择路径、无线传输等；开放对等接入，具有良好的可扩展性和即插即用性。
2. 数据互联层面是“互联网+”，为信息互联网在能源系统的应用和融入。
通过互联网技术将设备数据化，所有主体自由联接，形成能源互联网“操作系统”，主要体现为：能源物联，在不影响安全等前提下实现信息的最大化共享；能源管理，不同能源类型的分布式协同管理和源、网、荷、储的实时互动优化；能源互联网市场，为能源的自由交易和众筹金融提供平台，实现能源互联网各要素的共生共赢。
另外，能源互联网又具有开放、互联、以用户为中心、分布式、共享、对等等理念及特性。
开放：开放是能源互联网的核心理念，表现为：多类型能源的开放互联、各种设备与系统的开放对等接入、各种参与者和终端用户的开放参与、开放的能源市场和交易平台、开放的能源创新创业环境、开放的能源互联网生态圈、开放的数据与标准等。
互联：互联为能源的共享和交易提供平台，创造价值，包括：多种能源形式的互联、多类能源系统的互联、多异构设备的互联、各类参与者的互联等。
以用户为中心：以用户为中心是在商业模式成功的关键，满足用户不同品位的用能、生产和交易能源的需求。
国家电网公司毛伟明董事长、辛保安总经理赴全球能源互联网发展合作组织(集团公司)调研
2020年第4期总第395期与此同时，由于区域能源互联网具有能量利用率高、自给自足、可独立运行、多能互补、可对大电网进行吞吐等特点，应当视为大电网的重要补充鼓励发展[20]。
同时为了更好地服务用户、高效运营并减轻国家投资建设负担，应大力鼓励有实力的民间企业进入，大力鼓励产学研结合，通过实践摸索一条可行高效的模式进行推广。
参考文献[1]孙宏斌,郭庆来,潘昭光,王剑辉.能源互联网:驱动力、评述与展望[J].电网技术,2015,39(11):3005-3013.[2]国家可再生能源中心.中国可再生能源报告2015.北京：中国经济出版社.2015.[3]宋永华,孙静.未来欧洲的电网发展与电网技术[J].电力技术经济,2008(05):1-5+20.[4]李明.推动甘肃新能源可持续发展[N].甘肃日报,2016-04-01(003).[5]周光耀.“能源互联网”应以特高压发展为方向[N].文汇报,2014-01-12(006).[6]周安春.以全球能源互联网引领湖南电力可持续发展[N].国家电网报,2015-11-02(006).[7]王震.能源互联的甘肃实践[N].国家电网报,2016-03-21(002).[8]国家能源局甘肃能源监管办.甘肃富余新能源电力电量跨省跨区增量现货交易规则(试行).2017. 6.20[9]曾辉,孙峰,李铁,张强,唐俊刺,张涛.澳大利亚“9·28”大停电事故分析及对中国启示[J].电力系统自动化,2017,41(13):1-6.[10]刘纯,马烁,董存,黄越辉,王跃峰,张节潭,DuBois Andreas.欧洲3·20日食对含大规模光伏发电的电网运行影响及启示[J].电网技术,2015,39(07):1765-1772.[11]陈向宜,陈允平,李春艳,邓长虹.构建大电网安全防御体系——欧洲大停电事故的分析及思考[J].电力系统自动化,2007(01):4-8[12]杨海涛,吉平,苗淼,张桂红,姜宁,宋云亭.未来中国特高压电网结构形态与电源组成相互关系分析[J].电力系统自动化,2018,42(06):9-17.[13]黄武靖,张宁,董瑞彪,阴昌华,刘永笑,康重庆.构建区域能源互联网:理念与实践[J].全球能源互联网,2018,1(02):103-111.[14]关于推进“互联网+”智慧能源发展的指导意见[J].城市燃气,2016(04):4-9.[15]张靖.能源互联网示范项目建设内容及政策解读[J].电气时代,2018(01):38-41.[16]谢光龙,贾梦雨,韩新阳,胡波,杨德昌.城市能源互联网的商业模式探讨[J].电力建设,2018,39(02):10-17.[17]马溪原,郭晓斌,董朝阳,雷金勇,魏文潇.能源互联网的形态与试点构想[J].南方电网技术,2016,10(08):2-10.[18]埃森哲.中国能源互联网商业生态展望[J].软件和集成电路,2017(12):70-78.[19]黄仁乐,蒲天骄,刘克文,杨占勇,陈乃仕.城市能源互联网功能体系及应用方案设计[J].电力系统自动化,2015,39(09):26-33+40.[20]衣立东.统筹兼顾推动电网与清洁能源协调可持续发展[J].电网与清洁能源,2010,26(07):12-14.作者简介王本胜(1969—)，男，高级工程师，从事电力系统及其自动化方向研究。
工作报告收获体会
工作报告收获体会此次孙宏斌教授的报告主题是能源互联网孙教授从why（为什么）、what（）、how（做）三个层面对能源互联网进行阐述首先报告人提出为什么要提出能源互联网分析现状可知现有能源系统面临三大重要挑战：1.能源生产不可持续需要提高可再生能源比例；2.能源使用效率低需要提高能源使用效率；3.能源行业内向保守需要实行能源体制革命然后报告人阐述了能源互联网有何特征从能源互联网的基本架构来看分为物理互联和数据互联两个层面1.物理互联层面是“能源系统的类互联网化”利用互联网理念对现有能源系统进行改造使能源系统具有类似于互联网的某些优点主要表现为：多能源开放互联电、热、冷、气、油、交通等多能源耦合互补；能量自由传输表现为远距离、高效、大容量、双向、端对端、选择路径、无线传输等；开放对等接入具有良好的可扩展性和即插即用性2.数据互联层面是“互联网+”为信息互联网在能源系统的应用和融入通过互联网技术将设备数据化所有主体自由联接形成能源互联网“操作系统”主要体现为：能源物联在不影响安全等前提下实现信息的最大化共享；能源管理不同能源类型的分布式协同管理和源、网、荷、储的实时互动优化；能源互联网市场为能源的自由交易和众筹金融提供平台实现能源互联网各要素的共生共赢另外能源互联网又具有开放、互联、以用户为中心、分布式、共享、对等等理念及特性开放：开放是能源互联网的核心理念表现为：多类型能源的开放互联、各种设备与系统的开放对等接入、各种参与者和终端用户的开放参与、开放的能源市场和交易平台、开放的能源创新创业环境、开放的能源互联网生态圈、开放的数据与标准等互联：互联为能源的共享和交易提供平台创造价值包括：多种能源形式的互联、多类能源系统的互联、多异构设备的互联、各类参与者的互联等以用户为中心：以用户为中心是在商业模式成功的关键满足用户不同品位的用能、生产和交易能源的需求分布式：分布式是重要动力光伏等适合分布式用户也将成为分布式的能源产消者共享：共享是能源互联网的精神通过共享实现资源的高效化利用对等：对等是能源互联网的重要形态打破垄断去中心化不同参与者处于对等位置最后报告人提出虽然能源互联网已经取得一些成绩但是还需要突破一系列技术即做能源互联网的问题：1.多能源网络的耦合：包括设备级技术、系统级技术、市场机制和运营模式等层面的关键技术2.开放环境下的信息能量耦合：包括能量信息融合、信息能量耦合系统的安全稳定性、基于数据科学管理与运行模式等3.多能流能量管理问题：多能流耦合、多时间尺度、多管理主体聆听完整个报告我不禁对于能源互联网充满了憧憬从其设想中我不仅感受到了前沿科技的巨大魅力使我为现代技术发展而惊叹同时也知到了要实现该技术所需要面临的艰难困阻使我为科学技术的来之不易而感叹此次康重庆教授的报告主体是电力系统中的碳捕集技术及应用随着科技社会的发展人类活动所排放的温室气体不断增加温室效应不断加剧其中排放的二氧化碳所产生的温室效应占到所有温室气体总温室效应的77%以上在此背景下发展低碳经济已经逐渐成为国际社会的共识而电力行业作为最大的二氧化碳排放部门实现电力行业的低碳化发展将是应对全球气候变化、推动低碳经济、实现电力可持续发展的核心战略因此电力系统中的低碳化的研究也具有了巨大的现实意义碳捕集和封存技术（CCS）是当前最受关注的低碳技术之一CCS 技术通过将二氧化碳从排放源排放的气体中分离出来输送到安全的封存地点从而实现二氧化碳与大气的长期隔绝报告人在分析了发展背景之后又讲述了碳捕集的技术环节及其发展前景CCS技术主要包括捕集、传输与封存3个环节其中与发电厂紧密相关的主要是捕集环节从其现有的技术条件及其发展前景来看电厂的碳捕集技术主要分为三种技术路线：1.燃烧后捕集是指对电厂燃烧后的烟气实施二氧化碳的分离与捕集该方式不改变电厂原有的发电流程适用范围广可运用于现有的绝大数电厂之中；2.燃烧前捕集是指在碳基燃料燃烧前先将其化学能从碳元素中转移出来然后再将碳和携带能量的其他物质分离；3.富氧燃烧捕集是指以纯氧代替空气作为助燃剂在燃烧前即去除了大量的氮,这将使得燃烧后烟气中的主要成分仅为二氧化碳和水蒸气,通过脱水即可回收得到高浓度的二氧化碳与电厂中一般的脱硫、脱硝或除尘等附加系统所不同的是,碳捕集系统的能耗巨大、流程复杂,并且与电厂的发电循环联系紧密,具有复杂的运行机理并且与传统的火电厂相比较在灵活的运行机制下碳捕集电厂可以通过调整对碳捕集系统的能量供应快速改变其净发电出力从而使电厂具备良好的调整特性尽管引入CCS技术将使发电机组的发电效率与同类非捕集机组相比有一定程度的下降,从而带来额外的发电成本,但却可以利用其良好的调整能力,实现其与不同类型电源的协调运行,为电力系统的运行提供有价值的辅助服务在低碳经济的背景下将碳捕集技术与以风电为代表的可再生能源技术结合起来通过引入碳捕集电厂并实施灵活的运行机制可以利用其良好的调峰能力和调节性能实现与风电的协调运行并提高电力系统对于大规模风电装机并网的支撑能力通过此次报告了解了碳捕集技术在现代电力行业中的发展前景但是令人遗憾的是现代还没有十分成熟的技术实现碳捕集技术在电力系统中的应用不过相信随着技术的发展这些问题必定能被解决科技的发展与生存环境的改善可以兼得电力电子器件是电力电子技术的重要基础由于传统的硅电力电子器件的性能已经逼近其材料极限很难再大幅提升硅基电力电子装置的性能以碳化硅和氮化镓为代表的宽禁带半导体器件比硅器件具有更优的器件性能成为电力电子器件新的研究发展方向随着成本的降低和材料质量的提高宽禁带半导体器件的市场会逐渐打开在电力电子市场更充分的发挥其优势报告人首先分析了SiC器件的发展情况SiC功率二极管有三种类型：肖特基二极管（SchottkyBarrierDiodeSBD）、PiN二极管和结势垒肖特基二极管（JunctionBarrierSchottkyJBS）SiC单极型器件：1.SiCMOSFET,功率MOSFET具有理想的栅极绝缘特性、高速的开关性能、低导通电阻和高稳定性；2.SiCJFETSiCJFET 是碳化硅结型场效应管具有导通电阻低、开关速度快、耐高温及热稳定性高等优点SiC双极型器件：1.SiCBJT,与传统SiBJT相比SiCBJT具有更高的电流增益更快的开关速度及较小的温度依赖性不存在二次击穿问题并且具有良好的短路能力；2.SiCIGBTSiCMOSFET的通态电阻随着阻断电压的上升而迅速增加在高压领域SiCIGBT将具有明显的优势；3）SiCGTO在大功率开关应用中晶闸管以其耐压高、通态压降小及通态功耗低而具有较大优势近年来随着能源危机的加重、节能减排的需要以及一些高端电能变换的要求国际上研究GaN器件的热点逐渐转向应用于电能变换领域的GaN电力电子器件宽禁带半导体材料GaN具有禁带宽度大、饱和电子漂移速度高、临界击穿电场大和化学性质稳定等特点因此基于GaN材料制造的电力电子器件具有通态电阻小、开关速度快、高耐压及耐高温性能好等特点与SiC材料不同GaN除了可以利用GaN材料制作器件外还可以利用GaN所特有的异质结结构制作高性能器件GaN可以生长在Si、SiC 及蓝宝石上由于在价格低、工艺成熟且直径大的Si衬底上生长GaN具有低成本、高性能等当前硅半导体器件应用广泛从高技术应用领域到传统产业特别是一些重大工程如三峡、特高压、高铁、西气东输等乃至照明和家电等都起到了至关重要的作用由此可见硅电力电子器件待开发的应用空间仍旧十分广阔市场前景仍较好但是硅电力电子器件本身的技术、制造工艺发展空间已经不太大了而SiC和GaN宽禁带电力电子器件则由于其突出的优势代表着电力电融创中国我在香港市场最看好的一家中小市值地产公司去年曾在2元、1.2元、1.5元等价位上大力推荐过该公司4月18日公布了年报以下是我对该家公司的一个简要分析说起融创中国就不得不说孙宏斌这个几起几落的男人就像当年贝恩资本投资融创中国时所说的“他们是在投资一个东山再起的故事”一样我也和大多数人一样先知道孙宏斌后知道融创中国相信那样一个曾经狂飙突进的人是不会安于平淡的而他已经犯了足够多的错误而且从融创的发展过程中可以看出他已经充分吸取了当年的教训进取而不失稳健专注于受地产调控较小的高端地产专注于北京、天津、重庆、苏南四个地区、专注于精品的打造地产行业作为一个资金密集型的传统行业老板的个人特质毫无疑问会对公司的发展产生巨大的影响公司xx年收入106.04亿相比去年增长59%略高于之前50%的预期净利润增长23.56亿同比增长54%公司xx全年实现合约销售金额约192亿人民币远超过年初180亿的销售目标实现同比增长130%主要得益于前几年积累项目的在去年的大幅放量以及西山一号院的在下半年的耀眼表现这是公司聚焦在四个区域中的6个城市仅有14个在售项目的情况下取得的,（且其中6个项目为下半年开盘销售）XX 年的推盘项目预计为18个物业销售增加主要由于公司xx年交付的物业的每平方米平均售价由二零一零年的每平方米人民币9,267元上涨52.3%到二零一一年的每平方米人民币14,112元上涨主要归因于(1)xx年公司在不同城市交付不同类型的物业组合；(2)年内销售及交付的平均售价较高的物业所佔比例为60%较二零一零年的43%幅增加17个百分点；及(3)xx年度交付的以西山一号院为代表的交付物业的品质得到了提升优异的销售成绩源于：第一公司战略布局的每个区域都进驻多年使得公司相对于竞争对手可以更好地理解和把握客户的需求能够做出当地高端客户认同的产品；第二公司对二零一一年艰难的市场环境提前做好充分准备高素质的销售团队和灵活的销售策略使得公司能够更好的适应艰难的环境近三年的合约销售金额实现了74%的复合增长公司账上现金及现金等价物为人民币3,867.1百万元较xx年底的人民币4,249.0百万元减少9.0%主要由于(1)经营业务的现金流出净额人民币2,079.0百万元（预售及销售物业的所得款项不足以完全抵销支付与公司新增的物业发展活动有关的新推出项目的土地出让金、税项、建设成本及其他经营开支）；(2)投资业务现金流出净额人民币1,479.1百万元（主要原因為收购重庆亚太及北京融创恒基导致现金流出净额人民币378.1百万元及投资联营公司导致现金流出净额人民币1,078.4百万元）；(3)融资业务的现金流入净额人民币3,176.1百万元（主要为借贷净增人民币3,178.2百万元）所致营运资金及财务资源足以确保可见将来的业务增长充裕的现金流使公司从容的把握了获取优质土地的机会成功以合适的价格在现有城市取得了包括天津的融创君澜、融创中央学府、棉二地块北京的来广营地块和重庆的融创伊顿庄园等5个新项目新增优质土地储备约200万平方米；同时成功购得西山壹号院项目剩余65%权益使之成为公司全资子公司提升了公司在北京市场的地位公司在新项目获取时也引入了保利中国和方兴地產等战略合作伙伴為公司下一步的发展赢取了更多的机会和更高的平台公司销售和行政支出占销售额的3.6%与去年相比继续呈现下降态势这与公司将项目局限在四个城市以及由于高端项目带来的口碑效应有密切关系公司在xx年的净负债率为88%从现金流角度来看若公司在XX 年按预计进度实现合约销售金额则手持现金将达到人民币200亿左右而全年工程款投入约人民币7080亿无锡香樟园项目或有的后续支付约15亿财务费用支出约78个亿若在不买地的情况下则到XX年末的净负债率可以降到15%以内当然公司在高速增长的过程中还是会进行必要的土地储备我们认为杠杆率是由三部分组成：合约销售应付而未付的土地款及有息负债融创xx年的销售超额完成任务且土地款全部付因此我们认为负债率稍微高一点的话现金流仍是安全的XX年共计推盘将达到18个比xx年的推盘量增加4个推盘面积约300万平米由于融创的项目所在地的房价也处于下降通道但由于公司的产品属于高端项目受地产调控的影响比较小预计利润率受到的影响比较小采用分部加总法计算目标价其中物业开发业务採用12%加权资本成本率抛去投资物业进行估值由此得出的每股资产净值為7.36港元并在其中採用40%折让率后计算出目标价目标价4.42港元。
孙宏斌 能源互联网(中文简版)
2020年单位GDP碳排放 降40%
2030年二氧化碳排放达 到峰值
能源体制革命
能源革命和新一轮电改 互联网+行动计划 创新驱动发展战略 能源局：能源互联网行
动计划，开启5万亿产业
2
在智能电网基础上，
能源互联网还想互联什么？
3
• 设备利用率低：输电设备 <50%，配电网络<30%
• 能源系统内向保守，市场竞 争弱，参与者少，创新不足
• 电、热、冷、气等不同能源 系统相对封闭孤立
提高可再生能源比例
2020年，风电2亿kW， 光伏1亿kW
2030年，非化石能源消 费占20%
2050年，可再生能源发 电占80%
提高能源使用效率
能源互联网两层架构
互联网+
能源互联网操作系统
能源物联、能源管理、市场交易、互联网金融…
数据互联问题
@
居民
无线
EV
储电
蓄冷/热
工商业
集线器 路由器
燃气公司
直流传输
电网公司 热力公司
超导（光纤）
存储
燃气发电
垃圾/沼
冷热联供
气发电
能源系统的类互联网化联网理念和技术融入能源网
能源
热力公司
光伏 VPP
风力
互联网+（数据互联） 能源互联网的智慧操作系统：能源物联部分
数据采集下沉：实现不同位置、不同设备、不同信息的实时广域 感知和互联，在已有专网传输的基础上，新增开放传输系统，在 不影响安全等前提下实现信息的最大化共享，实现能源数据化和 透明化
互联网+
能源互联网的智慧操作系统：能源管理部分
电力系统智能终端信息安全防护技术研究框架
电力系统智能终端信息安全防护技术研究框架近年来，我国的电力系统有了很大进展，随着“三型两网”在电力物联网发展目标的提出，电力系统智能终端广泛互联、泛在接入，终端易成为攻击电网的主要目标和跳板。
在此背景下，围绕电力系统智能终端安全互联和现场移动作业需求，对电力系统智能终端安全防护挑战及防护技术框架进行了阐述。
构建了覆盖芯片层、终端层、交互层的电力系统智能终端防护框架，对芯片电路级可证明安全防护和内核故障自修复、融合可信计算和业务安全的异构终端主动免疫、面向不确定攻击特征的终端威胁精确感知与阻断、终端互联计算环境下电力系统智能终端安全接入和业务隔离等关键技术进行了详细展望。
标签：电力系统;智能终端;安全挑战与风险;安全防护引言人们的生活条件越来越好，空调、冰箱、电饭煲、电脑等家用高耗能电器的普遍使用也给电力系统带来巨大的压力，尤其是在天热的时候，几乎是人人开空调，电力系统处于非常紧张的状态，时刻都有电力瘫痪的可能，传统的电力系统已经没有足够强大的实力来应对这来势汹汹的电力网了，电力系统自动化虽然是将电力输送设定在一个固定的轨道里，但是对突发情况的应激能力还比较欠缺，一旦有某段电力输送脱离轨道，整个电力系统便会受到严重影响。
这就需要我们为电力系统配备智能技术，以用来应对突发状况，使得电力系统自动化调节能力更强。
智能技术使得电力系统自动化的应用更加得心应手，电力系统也将在智能技术的参与下更加安全、稳定的运行。
1电力系统自动化的概述电力作为我们日常生活不可缺少的一部分，一直以来都受到人们的重视，就现阶段我国电力系统分布来说，分布的区域较为广阔，整个电力系统主要是由变电站、发电站、输电配电网络以及用户所组成的，这些方面的相互结合形成了一种进行统一调配的大系统。
而我们所提到的电力系统自动化所涉及到的范围是较为广泛的，整个电力系统自动化的那个中不仅包含了系统以及元件之间的自动化安全保护，同时还包含了在实际进行生产过程当中的检测以及控制，在此基础上根据实际情况对网络技术进行合理的应用，保证自动传输等工作的质量。
我国“互联网+”智慧能源：多重内涵与发展推进
我国“互联网+”智慧能源：多重内涵与发展推进余晓钟罗霞摘要：大力发展“互联网+”智慧能源，对贯彻落实《关于推进“互联网+”智慧能源发展的指导意见》和新型基础设施建设计划，实现能源产业体系现代化，推动能源及经济高质量发展意义重大。
就我国“互联网+”智慧能源多重内涵予以研究，并针对其现状、机遇与挑战提出发展方向和推进策略。
研究认为，“互联网+”智慧能源是全球能源创新发展的新共识、实现能源综合转型的新方式、保障能源安全的新路径。
我国“互联网+”智慧能源发展仍处于初级阶段，机遇与挑战并存。
在紧跟世界数字经济步伐，契合我国能源需求和供给现状的两大发展方向下，凝聚各方共识、强化政策导向、探索管理制度、稳固技术支撑是我国“互联网+”智慧能源纵深发展的四个有效推进策略。
“互联网+”；智慧能源；高质量发展关键词：作者简介：余晓钟，西南石油大学经济管理学院教授、博士生导师；罗霞，西南石油大学经济管理学院博士研究生。
中图分类号：F426文献标识码：A文章编号：1671-8402（2021）11-0091-11引言中共中央、国务院高度重视能源在国民经济发展、社会民生改善、生态环境保护中的有力保障作用。
2014年以来，习近平总书记就能源安全、转型与改革等作出了系列指示，为我国能源发展指明了方向。
在2016年《关于推进“互联网+”智慧能源发展的指导意见》（以下简称《指导意见》）和2020年“两新一重”建设中进一步强调将互联网、大数据、人工智能等先进技术和基金项目：国家社会科学基金项目“‘一带一路’背景下中国与中亚能源合作模式创新研究”（18XGJ001）；四川石油天然气发展研究中心项目“‘一带一路’国际能源合作可持续发展研究”（SKA20-01）；西南石油大学人文专项基金项目“‘双碳’目标背景下国际能源共生合作研究”（2021RW034）。
91理念同能源产业深度融合，促进其转型升级，形成全新的能源技术、设施、模式、业态，为贯彻我国能源安全新战略和能源高质量发展奠定基础。
甲醇能源在设施农业中的应用研究
甲醇能源在设施农业中的应用研究作者：马毅来源：《农业科技与装备》2021年第04期摘要：甲醇能源在理化性质、生产制备、价格方面具有诸多优势，讨论其在设施农业生产中的控温、补充二氧化碳、制备农药、提供机械动力、制备生物催化剂等作用，为甲醇能源的开发和利用提供理论借鉴。
关键词：甲醇;设施农业;控温、CO2;农药中图分类号：S316 文献标识码：A 文章编号：1674-1161（2021）04-0047-03设施农业能满足人们对食物的全年需求，推动农业经济现代化发展，因此逐渐成为农业重点发展方向。
在设施农业的运行过程中，需要能源作为支撑。
相较于传统设施农业能源，甲醇能源的优势非常明显，不仅能降低环境污染，还能从其能源延伸物中满足设施农业的多元需求。
探究甲醇能源在设施农业中的应用价值和方向，对设施农业发展具有积极的促进作用。
1 甲醇能源的优势分析试验和实践证明，甲醇能源在经济性、环保性和节能性方面的优势非常突出，逐渐被应用于各个生产领域。
1.1 理化性质优良从甲醇的构成体系可以看出，其化学式为CH3OH（一元醇），主要由38%的炭，12%的氢，50%的氧构成，热利用率较高，燃烧完全;在化学式构成基础上，气化潜热是汽油的3倍多。
上海内燃机研究证明，其腐蚀性良好，还能强化和汽油的互溶性，能与汽油交叉或混合使用。
甲醇自燃需要较高温度，储运较为安全。
《工业用甲醇-国家标准规范》（GB338-2011）中明确指出：甲醇纯度100%时，燃烧产物为二氧化碳和水，洁净性非常高。
1.2 制备工艺简单甲醇的制备一般以煤和天然气为原材料。
我国煤资源蕴藏丰富，煤田面积55万km2，有充足的甲醇制备原材料。
从生产工艺上看，甲醇制备主要有联产和单产两种方式。
联产甲醇不仅可以利用相应装备制备，还可在城市煤气和化工厂的基础上进行制备，制备方式具有多样性。
从其化学反应过程看，甲醇制备主要利用蒸汽转化或部分氧化方式，化学反应方程式为2H2+CO→CH3OH，處理相应原料后获得H2与CO，过程非常简单。
国家科学技术进步奖(创新团队)推荐书
国家科学技术进步奖（创新团队）推荐书(2017年度)基本情况序号：编号：国家科学技术奖励工作办公室制团队简介上世纪80年代末，我国著名电力专家高景德先生组织卢强、韩英铎、倪维斗、张伯明等人组建了我国电力行业的第一个国家重点实验室——电力系统及发电设备控制和仿真国家重点实验室，并以此为基础，紧紧围绕我国国家能源战略重大需求和能源-电力领域的重大科学问题,协同攻关，逐步形成了清华大学电力传输及调控创新研究团队。
经过近30年的锤炼，团队成长为一支敢于攻坚、勇于开拓的优秀科研队伍，培养了中科院院士1人，瑞典皇家科学院外籍院士1人，IEEE Fellow 6人，IET Fellow 8人，何梁何利奖获得者1人，973首席科学家5人（含国家重点研发计划），长江学者4人，中组部万人计划2人，杰青6人，优青3人，教育部新(跨)世纪人才8人。
团队两次入选教育部创新团队(2006、2010)，2013年入选国家基金委创新群体，2016年获滚动支持。
该团队以“面向国家重大需求，引领国际学术前沿”为宗旨，坚持协同创新与集体攻关，坚持“顶天”与“立地”并重，在我国电力系统从弱小到强大，从落后到领先的历史性跨越历程中发挥了重大支撑作用。
过去30年，我国电力系统发展速度之快在世界电力发展史上绝无仅有，而期间我国电力系统从未发生重大安全稳定事故，从而打破了复杂电网大停电事故不可避免的神话，有力地保障了国民经济快速增长和社会持续发展。
团队对此做出了突出的贡献。
近十年来，团队承担了多项973、863、国家支撑计划、重大基金等国家重大科研项目，包括基金委在电气工程领域支持的3个重大项目中的 2 项、科技部在电气工程领域支持的9项973计划中的3 项，获得国家级科技奖励10项，省部级奖励72项，国家教学成果特等奖1项，一等奖1项，二等奖2项，国家级教学名师1名，全国优秀博士论文3篇，MIT评选35岁以下杰出青年科学家1名，何梁何利科技进步奖1项。
能源互联网的能量管理与运行控制孙宏斌ppt课件
关键技术1：多能流状态感知与在线建模
• 信息-物理系统网络接口的确定与建模 • 基于运行评估需求，建立信息系统等值模型
信息网
• 燃料网稳态建模(气/油/煤…) 燃料汽车 • 交通网拓扑建模
• 燃料网暂态建模仿真
• 基于交通数据的驾驶行为分析
负荷
燃料网
交通网
组成 元素
燃烧锅炉
状态估计 多能流计算
热网管道10开断时分开分析和联合 分析电网和热网能流区别
电网 潮流 计算
耦合 元件 约束
热网 热流 计算
热源计算
水力计 算
水力计 算
供水热 力计算
回水热 力计算负荷计算电热合网精络品课模件型和多能流计算
17
已有研究3
电热耦合网络相互影响机理和安全评估
ShixiaF65 G
F65-1
F65-2
F65-4
20
10
0
-10
-20 0
5
10
15
20
25
Time
热负荷精供品给课件组成(夏)
25
20
15
10
5
热电联合优化消纳的可再生能源
冷热电独立优化消纳的可再生能源
冷热电联合优化消纳的可再生能源
0
0
5
10
15
20
25
可再生能源Time消纳(冬)
16
P/k W Q/kWh P/k W
已有研究2
电热耦合网络综合建模和多能流计算
YF13-11
F1-10
F24-7 F24-9
F24-8
YF13-13
YF13-12
F1-13
YF13-14
计及电动汽车充电预测的实时充电优化方法
DOI :10.7500/AEPS20130506019计及电动汽车充电预测的实时充电优化方法李正烁1,2,郭庆来1,2,孙宏斌1,2,辛蜀骏1,2(1.清华大学电机工程与应用电子技术系,北京市100084;2.电力系统及发电设备控制和仿真国家重点实验室,清华大学,北京市100084)摘要:电动汽车大规模接入电网后,如何优化实时充电功率,避免自由充电带来的晚高峰,实现填谷充电成为重要问题㊂文中首先回顾了常规实时充电优化方法和电动汽车充电预测技术㊂基于电动汽车尤其是汽车集群充电行为的可预测性,在常规充电优化方法中加入了未入网汽车的充电预测模型,提出计及汽车充电预测的实时充电优化模型,并通过滚动优化求解得到入网汽车的实时优化充电功率㊂通过分析和仿真,在不同预测精度下,所提方法都非常接近理论上的最优填谷,并且电动汽车入网充电时间越分散,所提方法对常规方法的改善越明显㊂关键词:电动汽车;实时充电优化;汽车充电预测;滚动优化;智能电网收稿日期:2013-05-06;修回日期:2013-10-21㊂国家重点基础研究发展计划(973计划)(2013CB228202);国家杰出青年科学基金资助项目(51025725);清华大学自主科研计划㊂0 引言作为清洁能源汽车的代表,电动汽车近年得到了快速发展[1-2]㊂电动汽车数量达到一定规模后,如果任由其无序充电将对电网产生负面影响,引发电能质量下降[3-5]㊁网损增加[6-8],甚至危及电网稳定性[9]㊂因此,电动汽车智能充电(也称协调充电)问题得到关注,一种典型思路是将充电负荷转移到常规负荷的低谷时段,在满足汽车充电需求的同时,减弱其充电影响㊂研究表明,智能充电不仅能有效减少无序充电造成的电能质量下降和网损,而且能使电网总负荷曲线实现削峰填谷,增加电网运行效益[10-19]㊂电力系统调度分为日前 滚动 实时3个时间窗口,目前电动汽车智能充电优化研究主要侧重于日前离线和实时在线优化两方面㊂日前优化时,汽车入网时间和充电需求难以确知,需进行日前预测,常用做法是利用交通数据库分析它们的概率分布函数并获取特征参数[17,20-21],在此基础上优化汽车未来几个小时的充电功率㊂而目前的实时充电优化常采用 滚动式 优化方法,它和日前优化区别在于:第一,电网每个时刻仅考虑当前入网汽车信息,采集㊁刷新接入时间㊁当前电量㊁车主提供的充电需求和预计离开时间,故优化所需信息是确定的;第二,优化后对入网汽车只设定当前时刻充电功率,而非未来一段时间内的充电功率[11,14,19]㊂为便于后文论述,本文将目前常见的实时充电优化方法称为常规方法㊂这类研究仅考虑入网(已接入电网)汽车信息,不考虑未入网汽车(尚在行驶中,未来可能接入电网)㊂因此虽然方法可行,但由于优化已知信息局限于入网汽车集合,有时优化效果并不够好[14]㊂随着信息通信技术(ICT )在电动汽车上的应用和汽车充电数据的不断积累[22-23],已有人研究如何结合汽车充电行为的历史规律和汽车当前运行状态,预测未来一段时间电动汽车入网时段㊁充电需求[24-29]㊂研究表明,虽然单辆电动汽车充电行为规律性较弱,预测较难,但对于由多辆汽车组成的汽车集群,各个时段的电量需求㊁可用充电功率的规律性较强,容易取得较高的预测精度㊂基于此,本文在当前常规实时充电优化研究的基础上,考虑了将入网汽车信息,提出了计及汽车充电预测的实时充电优化方法:每个时刻,电网根据电动汽车未来充电行为的预测信息形成充电预测模型,并将预测模型纳入实时滚动优化模型中,求解已入网汽车当前时刻的优化充电功率㊂与已有研究相比,本文贡献如下㊂1)考虑到电动汽车预测在未来将越来越可靠,提出了一种新的实时充电优化方法,以引入将入网汽车预测模型的方式来利用预测信息,尝试回答未来预测信息如何有效应用的问题㊂2)所提方法中,由入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束集合,从而使得无论后者预测精度如何,入网汽车都能满足自身的充电约束,保证实时充电方案16 第38卷 第9期2014年5月10日Vol.38 No.9Ma y 10,2014的可行性㊂3)由于预测精度对优化效果也将有直接影响,本文基于滚动优化,通过实时反馈电网当前峰谷水平㊁入网汽车充电状态和新的预测模型,重新优化当前时刻入网汽车充电功率,避免误差持续累积㊁放大㊂针对不同的预测精度进行了对比仿真分析,尤其是验证了较差预测误差下所提方法的效果㊂1 实时充电优化模型和预测方法简介为便于后文说明和对比,本节简介常规实时充电优化方法的数学模型和汽车充电行为预测方法㊂1.1 常规实时充电优化方法(简称RT 方法)电动汽车在夜间和白天的停车时间进行充电㊂夜间充电通常指的是晚上18:00左右到次日08:00点左右,这段期间,由于居民用电习惯,负荷仍然存在峰谷特性㊂由于车主充电习惯,不受控下电动汽车充电负荷将叠加在晚高峰上,造成更大的负荷高峰,需要通过实时充电优化,避免晚高峰,并进行填谷㊂本文采用夜间充电为例加以介绍,但相应控制目标和相应方法也可应用到白天 日间充电 上㊂考虑面向夜间充电(如晚上20:00到次日09:00)的实时充电优化问题㊂在时段[1,T ]内(时段间隔为Δt )配电网有N 辆电动汽车在不同时刻接入充电,电网实时优化汽车充电功率实现填谷:任一调度时刻t ,电网将入网汽车作为优化对象,根据剩余充电需求,建立滚动时间窗内的填谷充电优化模型;求出最优解后,向入网汽车下发当前时刻优化值作为实时充电功率的设定值㊂建模时,设第n 辆电动汽车入网和离开时刻为t in n 和t outn ,额定充电功率为r maxn ,入网前的净充电需求为R n (净充电需求可由汽车的目标荷电状态,初始荷电状态,电池容量,充电效率以及优化的时间步长确定[14]),时刻t的RT 模型可表达为[14]:minr n ,n ɪN at ðτɪT t(U ðn ɪN atrn(τ)+D 0(τ))(1)s.t.0ɤr n (τ)ɤr -n (τ) τɪT t ,n ɪN a t ðτɪT tr n (τ)Δt =R tn n ɪN a{t (2)式中:N a t 为时刻t 入网充电汽车集合,即N a t =n ɪN |t in n ɤt <t out n ,R tn >{}0;T t 为时刻t 的优化时间窗,它从当前时刻延伸到N a t 中汽车的最迟离开时刻;τ为T t 中任一时刻;U (x )是一个严格凸函数(如0.5x 2),严格凸性可保证充电以填谷为目标[14];r n (τ)为N a t 中的汽车n 在时刻τ的充电功率;r n 为由r n (τ)组成的向量;r -n (τ)是其充电功率上限;R tn为汽车n 在时刻t 的剩余净充电需求,由充电设施测量确定;D 0(τ)是配电网在时刻τ的常规负荷功率㊂根据各汽车的入网和离开时间,优化中的r -n (t )可由下式确定[14]:r -n(τ)ʒ=r max n τɪt in n ,t out[]nɘT t 0 τɪT t \t in n ,t out[]{n(3) 在每个时刻,RT 模型中的接入汽车集合㊁优化时间窗㊁各汽车的电量信息和优化充电功率都将重新采集㊁刷新,以使实时充电优化结果能满足入网汽车的实际充电需求[11,14]㊂1.2 汽车充电行为预测方法伴随ICT 技术的应用和车网通信技术的推进[22],已有不少研究者基于汽车充电行为的历史数据,并结合当前汽车的状态,预测汽车未来充电行为,如充电时间㊁充电地点㊁充电需求等[23]㊂目前常见3种预测方法㊂第1种预测方法是分析电动汽车的交通行为特点,建立汽车集群充电行为的动态微分方程,预测汽车充电负荷[24-25];第2种方法是利用已有的交通行为数据库,如全国居民出行的调查(NHTS ),通过蒙特卡洛仿真车主的交通和充电习惯,建立随机概率模型(如非时齐semi -Markov 模型)预测汽车在未来时段的充电时间㊁地点㊁负荷需求[26-27];第3种方法则是结合汽车的历史充电行为数据(可借助ICT 技术采集得到),通过回归分析方法预测未来单辆电动汽车或者集群的充电时段,能量需求等信息[28-29]㊂在文献[28]中,采用第3种方法预测单车和汽车集群的充电行为㊂对于单辆汽车,根据文献[30],首先通过广义线性模型(GLM )方法预测汽车的入网时间段[t in n ,t out n],再在此基础上预测单车的充电需求;而对于汽车集群,因各时刻入网充电汽车数量㊁充电需求㊁充电需求分布㊁最大充电功率(时刻t 集群充电需求等于在该时刻离开的各汽车的充电需求之和;时刻t 集群充电需求分布等于此时刻入网汽车的充电需求之和;时刻t 的集群最大充电功率等于该时刻各电动汽车功率上限之和[28])等信息的周期规律比较明显,可直接采用线性回归模型进行预测㊂由于电动汽车集群中汽车个体较多,汽车个体充电规律的不均匀性彼此抵消,集群的规律性可能会更加明显,在电动汽车大规模普及的情况下相对单车预测可能有更高的精度㊂综上可知,通过交通行为建模或基于历史数据的回归分析等办法,有多种方法可对单车或者汽车集群的充电行为进行有效的预测㊂基于此,本文未将研究重点放在如何预测充电负荷,而是将单车或者集群的充电预测信息作为建模时的已知输入,重262014,38(9)点研究在预测信息可用的情况下,如何在实时充电优化中利用好这些信息,以取得比常规方法更好的效果㊂2 基于模型预测的实时充电优化方法本节根据单车或者集群的预测信息,在现有RT 方法的基础上,分别建立基于单车或者集群模型预测的实时充电优化方法(简称为MPRT 方法)㊂2.1 基于单车模型预测的MPRT 方法(MPRT -1方法)设任一调度时刻t ,电网除考虑已入网汽车模型(如约束式(2)),还预测出未来T p t 时段内将入网的各辆电动汽车的接入电网时间段[t ^in n ,t ^out n],充电需求R ^n ,则可利用这些信息构建各车的充电预测模型,并结合约束式(2),得到MPRT -1优化模型如下㊂minr n ,n ɪN a t ɣN ptðτɪT t æèççU ðn ɪN a t r n (τ)+ðn ɪN p tr n (τ)+D 0(τöø÷÷)(4)s.t. 式(2)0ɤr n (τ)ɤ췍r ^n (τ) τɪT t ,n ɪN pt ðτɪT t /{t }r n (τ)Δt =R ^n n ɪN p{t (5)式中:N p t 为将在T p t 时段内入网的汽车集合,即N p t ={n ɪN |t <t ^in n ɤt +T p t };T t 为时刻t 的优化时间窗,但从当前时刻延伸到N a t 和N p t 中所有汽车的最迟离开时刻;췍r ^n (τ)为N p t 中的汽车n 在时刻τ的预测充电功率上限,由式(6)确定;其余变量意义同前㊂췍r ^n (τ)ʒ=r max n τɪt ^in n ,t ^out[]nɘT t 0 τɪT t \t ^in n ,t ^out[]{n(6)该模型中,约束式(2)描述了已入网汽车的功率和电量约束,约束式(5)描述了N p t 中各单辆汽车的预测模型㊂由式(6)可知汽车未接入电网时췍r ^n (τ)=0,汽车不充电,而入网后췍r ^n (τ)为额定充电功率;此外约束式(5)还考虑了N p t 中各汽车的充电需求㊂值得注意,由于入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束式(2),式(5),所以无论后者预测精度如何,入网汽车都能满足式(2)中的充电约束,保证实时充电方案的可行性㊂MPRT -1方法中,每个时刻首先确定已入网的汽车集合N a t ,并刷新电量数据;再根据预测的时段长度T p t 确定将要入网的汽车集合N p t 和预测信息;再由以上信息,确定优化时间窗T t ,建立优化模型;采用集中式或者分布式优化求解该模型,向入网汽车下发当前时刻的优化值作为实时充电功率设定值,结束该时刻优化计算㊂计算步骤如图所示㊂图1 MPRT -1方法计算流程Fi g .1 Flow chart of MPRT -1method2.2 基于集群模型预测的MPRT 方法(MPRT -2)设任一调度时刻t ,如果电网预测出未来T p t 时段内将入网汽车集群各个时刻的充电需求R ^p (t )㊁充电需求分布R ^pD (t )㊁最大充电功率췍r ^p (t )等信息,则可利用这些信息构建集群预测模型[28],并结合约束式(2),得到MPRT -2优化模型如下㊂min r p ,r n ,n ɪN a t ðτɪT t æèççU ðn ɪN a t r n (τ)+r p (τ)+D 0(τöø÷÷)(7)s.t. 式(2)0ɤr p (τ)ɤ1-α(τ())췍r ^p (τ) τɪT t ðττᶄ=t +1r p (τᶄ)Δt ȡðττᶄ=t +1R ^p (τᶄ) τɪT tðττᶄ=t +1r p (τᶄ)Δt -ðττᶄ=t +1R ^p (τᶄ)ɤR ^p D (t ) τɪT ìîíïïïïïït (8)式中:T t 表示时刻t 的优化时间窗,时间窗最末时刻T t =max {T p t ,t outn |n ɪN a t };r p (τ)表示优化中时刻τ集群充电功率;r p 为由r p (τ)组成的向量;α(τ)是反映已充电量对集群可用充电功率影响的因子;其余变量定义如前㊂约束式(8)采用了文献[28]中的集群预测模型,约束集第1个约束表示每个时刻集群的充电功率不能大于充电功率上限的预测值,引入因子α(τ)是由于集群实际可用充电功率上限将随集群已充电量的增加而减少,α(τ)的计算可参考文献[28];约束36 ㊃智能电网能量管理与运行控制㊃ 李正烁,等 计及电动汽车充电预测的实时充电优化方法式(8)第2个约束表示集群充电量应不小于该时刻集群的充电需求;第3个约束表示集群充电量不应大于该时刻集群能吸收的最大电量㊂与MPRT-1方法相比,N p t中各辆汽车的预测模型在这里由一个集群预测模型代表㊂从预测的角度看,集群充电行为的规律性更加明显,预测较为容易,有助于电网进行实时充电优化;从计算角度看,若N p t集合元素较多,MPRT-2方法的优化规模和计算量将比MPRT-1方法明显减少,并容易利用已有的分布式优化方法(如RTODC方法[14])进行求解㊂另一方面,由于约束式(2)和式(8)仍然是分离的,MPRT-2方法仍能保证入网汽车实时充电方案的可行性㊂MPRT-2方法的计算步骤如图2所示㊂由于MPRT-1和MPRT-2方法思想类似,下文中统称为MPRT方法,分析其与目前常见的RT方法的异同㊂图2MPRT-2方法计算流程Fi g.2Flow chart of MPRT-2method3MPRT和RT方法的理论分析将RT和MPRT方法特点总结如表1所示㊂表1模型特点比较Table1Com p arison between models of RT and MPRT 比较项目RT MPRT面向问题实时充电优化实时充电优化输入已入网汽车已入网和将入网汽车信息已入网汽车的确定信息已入网汽车的确定信息和未来将入网汽车的预测信息优化时间窗从当前时刻延伸到入网汽车最迟离开时刻从当前时刻延伸到已经和将入网汽车的最迟离开时刻或者设定的预测时间截止时刻计算周期每个时刻每个时刻输出入网充电汽车当前时刻优化充电功率入网充电汽车当前时刻优化充电功率由上表可见,MPRT方法与目前RT方法的区别就在于优化中利用了将入网汽车的预测信息㊂换言之,如果每个时刻无预测,即T p t=0,N p t=∅,那么MPRT退化为现有RT方法;否则,引入预测信息将导致新的优化结果㊂例如,对于 理想 预测,即每个时刻T p t足够长,N p t=N/N a t,且入网汽车的预测信息无误差,那么由第2节中两个MPRT优化模型的目标函数和约束式,每个时刻MPRT方法的模型将计及所有汽车的准确充电信息进行优化,易知此时优化充电结果将是填谷的理论最优解,而目前的RT方法则很难获得这一结果[14]㊂而实际中,T p t 通常为有限时段,且∅⊆N p t⊆N/N a t,如果未接入的电动汽车的预测精度较高,MPRT方法仍能比目前RT方法更合理地优化入网汽车的充电功率㊂图3用一个直观的例子说明了利用预测信息有助于电网更合理地安排汽车实时充电功率㊂图中A和B代表了在t1和t2时刻入网的两组电动汽车的充电需求㊂(a) RT + 4(b) MPRT"+ 41212图3RT和MPRT方法优化结果对比Fi g.3Com p arison between results of RT and MPRT 图3中假设各时刻优化时间窗都足够长㊂在图3(a)中,电网采用RT方法进行实时充电优化,由于电网在t2时刻之前并不知道有新汽车接入,所以每个时刻都预留部分A去填充t2之后的负荷低谷,这使得t1到t2时段内的总负荷曲线较低;而在t2时刻,新一组汽车入网,此时汽车总充电需求突增,电网将之填充在t2时刻之后的常规负荷低谷处,使得总负荷曲线较之前明显增高,整个时段内呈阶梯状,并没有实现理想的填谷㊂而在图3(b)中,电网采用MPRT方法进行实时充电优化,由于利用了预测信息,电网可预见在t2时刻将有充电需求为B的新汽车入网,故尽可能将充电需求A填充在t2时刻之前的负荷低谷处,避免了RT方法中不合理的做法,最终取得更好的填谷效果㊂462014,38(9)4 算例验证为验证本文方法的有效性,分别对电动汽车入网充电时间的3种分散程度(分别用Case _1,Case _2,Case _3代表)进行仿真㊂汽车入网充电时间在Case _1中相对集中,而在Case _3中相对分散㊂3种算例的仿真参数如表2所示[14]㊂在理想预测和有预测误差的情况下,分别仿真RT ,MPRT -1和MPRT -2方法的电动汽车实时充电功率,并和理论上的最优填谷曲线进行对比㊂参考文献[29],对单车和集群的预测,分别考虑3种精度(分别用A1,B1,C1以及A2,B2,C2表示),如表3和表4所示㊂表2 算例参数列表Table 2 Simulation case data参数设定值说明仿真时间段2011年2月13日20:00到次日09:00,时间步长是15min常规负荷南加州Edison 公司目标函数U (x )0.5x 2汽车渗透率每100户居民20辆电动汽车汽车最大充电功率 3.3kW 汽车充电需求10kW ㊃h 汽车结束充电时间次日09:00汽车接入充电时间Case _1:20:00到次日01:00均匀分布Case _2:20:00到次日03:00点均匀分布Case _3:20:00到次日05:00点均匀分布预测时间长度从当前时刻到次日09:00表3 单车预测精度设定Table 3 Sin g le EV p rediction accurac y settin g预测精度误差设定A1t in n 预测误差在ʃ30min ;t out n 预测误差在ʃ30min ;R n 预测误差ʃ15%B1t in n 预测误差在ʃ45min ;t out n 预测误差在ʃ45min ;R n 预测误差ʃ25%C1t in n 预测误差在ʃ60min ;t out n 预测误差在ʃ60min ;R n 预测误差ʃ35%表4 集群预测精度设定Table 4 EV fleet p rediction accurac y settin g预测精度误差设定A2췍r ^p (t )预测误差在ʃ3%;R ^p (t )预测误差在ʃ10%;R ^p D (t )预测误差在ʃ5%B2췍r ^p (t )预测误差在ʃ5%;R ^p (t )预测误差在ʃ15%;R ^p D (t )预测误差在ʃ8%C2췍r ^p (t )预测误差在ʃ8%;R ^p (t )预测误差在ʃ18%;R^pD (t)预测误差在ʃ11%4.1 理想预测下的结果对比理想预测下,比较3种算例的RT 和MPRT 方法的实时充电优化结果,现有方法和MPRT 结果与基准曲线对比如图4所示㊂负荷为标幺值;充电结束时间0:㊂1.0B 8B 8B 8(a)Case_1(b)Case_2(c)Case_30.40.50.60.70.80.91.1 >B8U RT UMPRT-1UMPRT-2图4 理想预测下的结果对比Fi g .4 Com p arison for cases under ideal p rediction图4中分别对比了从Case _1到Case _3的RT 和MPRT 方法的填谷效果㊂图中,RT ,MPRT 以及理想曲线在所有汽车结束充电(09:00)之后将和常规负荷曲线重合㊂通过和理论最优解对比,可知无论是MPRT -1还是MPRT -2方法,由于合理利用了对未来入网汽车的预测,图中都和理论上的最优填谷曲线重合,实现了最优充电㊂而对于RT 方法,随着汽车入网时间分散程度增加,图中总负荷曲线阶梯现象明显,甚至严重偏离最优解(如图4(c ))㊂这是因为电网缺乏汽车充电行为的预测信息,在夜间充电早期预留了大部分充电需求,致使夜间充电后期充电需求过大,从而造成阶梯状明显的总负荷曲线,无法实现理想的 填谷 ㊂但是在理想预测或者很高预测精度下,MPRT 方法通过对未来的预测,可更加合理地安排每个时刻的充电功率,使得填谷曲线相当接近理论最优解,保证填谷效果㊂进一步的比较和说明参考附录A ㊂56 ㊃智能电网能量管理与运行控制㊃ 李正烁,等 计及电动汽车充电预测的实时充电优化方法为突出显示避免晚高峰的效果,Case _3下RT ,MPRT -2方法和汽车自由充电(一接入电网就以最大功率进行充电)两种模式下系统负荷曲线对比如图5所示㊂充电结束时间:㊂B 8>B8U)@ U RT U 7* *U MPRT-2图5 Case _3下与自由充电结果对比Fi g .5 Com p arison with free char g in g results for Case _34.2 存在预测误差下的结果对比通常理想预测难以实现,因而有必要研究不同预测精度对MPRT 方法优化结果的影响㊂表5和表6给出了在不同预测精度下,RT ,MPRT -1,MPRT -2方法和最优填谷曲线偏差的二范数㊂表5 不同预测精度下RT 和MPRT -1结果与最优填谷曲线的偏差Table 5 Com p arison between RT and MPRT -1withvarious p rediction p recisions算例MPRT -1方法偏差A1B1C1RT 方法偏差Case _10.0060.0070.0100.077Case _20.0090.0150.0230.208Case _30.0190.0300.0410.643表6 不同预测精度下RT 和MPRT -2结果与最优填谷曲线的偏差Table 6 Com p arison between RT and MPRT -2withvarious p rediction p recisions算例MPRT -2方法偏差A2B2C2RT 方法偏差Case _10.0030.0060.0070.077Case _20.0080.0130.0140.208Case _30.0180.0340.0430.643对于上表,可见无论是MPRT -1还是MPRT -2方法,不同预测精度下的结果均优于现有RT方法㊂在最差预测精度下,MPRT 方法所得结果和最优填谷曲线的偏差约是RT 方法的10%,特别对于汽车接入时间较分散的Case _3,即使有预测误差的MPRT 方法也远优于现有的RT 方法㊂图6进一步给出对于Case _3,C1和C2预测下的MPRT 方法,RT 方法得到的总负荷曲线,并将之与理想的填谷曲线对比,分析预测误差的影响㊂图中充电结束时间09:00㊂(a) 1 C1 1C2(b)B 8B 8>B8U)@ U RT U MPRT-2图6 有误差预测下的结果对比Fi g .6 Com p arison for cases with p rediction errors由图可见,无论对哪种MPRT 方法,预测误差的影响都主要发生在夜间充电早期,它使总负荷曲线在最优充电曲线附近发生波动㊂这是因为在夜间充电早期,大部分汽车并未入网,相应信息由带误差的充电预测获得㊂如果某时刻过高估计了未来的充电需求,电网将安排更多入网汽车在该时刻充电,故总充电功率将比最优曲线略高;反之,总充电功率将比最优曲线略低,所以曲线将出现波动,而不再如理想预测时那样能与和理论最优解重合㊂但即使在最差预测精度下,图中的曲线波动也是比较小的㊂在夜间充电后期,大部分汽车已经接入,优化信息确定,预测误差的影响将大为减少㊂总之,由仿真可见,一般情况下,预测误差对MPRT 方法影响有限,所得总负荷曲线仍然很接近理想的填谷曲线,可比现有方法更好地减少电网开机成本,提高效益㊂5 结语本文在目前只考虑入网汽车信息的实时充电优化方法中,引入未入网汽车在时间维度的预测信息来构建预测模型,以改善常规方法的优化效果,尝试回答了未来愈加准确的电动汽车预测信息如何有效应用于实时充电优化中的问题㊂所提方法中,将入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束集合,保证任意预测精度下实时充电方案的可行性㊂再加之 滚动优化 的机制,通过实时反馈电网当前峰谷水平㊁入网汽车充电状态和新的预测模型,重新优化当前时刻入网汽车充电功率,避免误差66 2014,38(9)持续累积㊁放大,使得所提方法,使得所提方法(无论是基于单车还是集群的预测模型)能够在不同的预测精度下都可比现有常规方法取得更好的填谷效果,而且电动汽车充电时间越分散,效果提升越明显㊂特别地,较差预测信息下的良好仿真效果表明,所提方法对电动汽车预测精度有一定的鲁棒性,即使在电动汽车发展初期预测效果较差的情况下,也有积极价值㊂由仿真可知,预测精度越高,本文方法效果越好,因而未来有必要进一步研究汽车集群或者单车充电行为的预测方法,提高预测精度,例如通过信息通信技术和智能交通系统㊂此外,由于本文重点说明所提方法效果,故对模型中用户㊁电池和电动车性能等因素有所简化㊂未来研究中可通过在约束式(2)中加入相应的约束对这些因素加以考虑㊂在本文研究基础上,未来还有必要进一步结合电力网络约束,研究将入网汽车的空间分布预测对于实时充电优化的影响㊂附录见本刊网络版(htt p://www.ae p s-info. com/ae p s/ch/index.as p x)㊂参考文献[1]CLAAS B,MARKER S,BICKERT S,et al.Inte g ration of p lu g-in h y brid and electric vehicles:ex p erience from German y [C]//IEEE Power and Ener gy Societ y General Meetin g,Jul y 25-29,2010,Minnea p olis,MN,USA:3p.[2]SONG Y,YANG X,LU Z.Inte g ration of p lu g-in h y brid and electric vehicles:ex p erience from China[C]//IEEE Power and Ener gy Societ y General Meetin g,Jul y25-29,2010, Minnea p olis,MN,USA:6p.[3]ETEZADI-AMOLI M,CHOMA K,STEFANI J.Ra p id-char g e electric-vehicle stations[J].IEEE Trans on Power Deliver y, 2010,25(3):1883-1887.[4]DEILAMI S,MASOUM A S,MOSES P S,et al.Volta g e p rofile and THD distortion of residential network with hi g h p enetration of p lu g-in electrical vehicles[C]//IEEE/PES Innovative Smart Grid Technolo g ies Conference Euro p e(ISGT Euro p e),October11-13,2010,Gothenbur g,Sweden:6p. [5]MOSES P S,DEILAMI S,MASOUM A S,et al.Power q ualit y of smart g rids with p lu g-in electric vehicles considerin g batter y char g in g p rofile[C]//IEEE/PES Innovative Smart Grid Technolo g ies Conference Euro p e(ISGT Euro p e),October 11-13,2010,Gothenbur g,Sweden:7p.[6]CLEMENT-NYNS K,HAESEN E,DRIESEN J.The im p act of char g in g p lu g-in h y brid electric vehicles on a residential distribution g rid[J].IEEE Trans on Power S y stems,2010, 25(1):371-380.[7]李惠玲,白晓民.电动汽车充电对配电网的影响及对策[J].电力系统自动化,2011,35(17):38-43.LI Huilin g,BAI Xiaomin.Im p acts of electric vehicles char g in g on distribution g rid[J].Automation of Electric Power S y stems,2011,35(17):38-43.[8]徐立中,杨光亚,许昭,等.电动汽车充电负荷对丹麦配电系统的影响[J].电力系统自动化,2011,35(14):18-23.XU Lizhon g,YANG Guan gy a,XU Zhao.Im p acts of electric vehicle char g in g on distribution networks in Denmark[J]. Automation of Electric Power S y stems,2011,35(14):18-23.[9]MAKASA K J,VENAYAGAMOORTHY G K.Estimation of volta g e stabilit y index in a p ower s y stem with p lu g-in electric vehicles[C]//Bulk Power S y stem D y namics and Control-Ⅷ, Au g ust1-6,2010,Buzios,RJ,Brazil:7p.[10]DEILAMI S,MASOUM A S,MOSES P S,et al.Real-timecoordination of p lu g-in electric vehicle char g in g in smart g ridsto minimize p ower losses and im p rove volta g e p rofile[J].IEEETrans on Smart Grid,2011,2(3):456-467.[11]HE Y,VENKATESH B,GUAN L.O p timal schedulin g forchar g in g and dischar g in g of electric vehicles[J].IEEE Trans onSmart Grid,2012,3(3):1095-1105.[12]CAO Y,TANG S,LI C,et al.An o p timizedτ-v char g in gmodel considerin g TOU p rice and SOC curve[J].IEEE Transon Smart Grid,2012,3(1):388-393.[13]RICHARDSON P,FLYNN D,KEANE A.Local versuscentralized char g in g strate g ies for electric vehicles in lowvolta g e distribution s y stems[J].IEEE Trans on Smart Grid, 2012,3(2):1020-1028.[14]GAN L,TOPCU U,LOW S.O p timal decentralized p rotocolfor electric vehicle char g in g[J].IEEE Trans on PowerS y stems,2013,28(2):940-951.[15]MA Z,CALLAWAY D S,HISKENS I A.Decentralizedchar g in g control of lar g e p o p ulations of p lu g-in electric vehicles[J].IEEE Transactions on Control S y stems Technolo gy, 2013,21(1):67-78.[16]茆美琴,孙树娟,苏建徽.包含电动汽车的风/光/储微电网经济性分析[J].电力系统自动化,2011,35(14):30-35.MAO Mei q in,SUN Shu j uan,SU Jianwei.Economic anal y sisof a micro g rid with wind/p hotovoltaic/stora g es and electricvehicles[J].Automation of Electric Power S y stems,2010, 35(14):30-35.[17]姚伟锋,赵俊华,文福拴,等.基于双层优化的电动汽车充放电调度策略[J].电力系统自动化,2012,36(11):30-37.YAO Weifen g,ZHAO Junhua,WEN Fushuan,et al.Achar g in g and dischar g in g dis p atchin g strate gy for electricvehicles based on bilevel o p timization[J].Automation ofElectric Power S y stems,2012,36(11):30-37. [18]张舒,胡泽春,宋永华,等.考虑电动汽车换电站与电网互动的机组组合问题研究[J].中国电机工程学报,2012,32(10): 49-55.ZHANG Shu,HU Zechun,SONG Yon g hua,et al.Researchon unit commitment considerin g interaction between batter yswa pp in g station and p ower g rid[J].Proceedin g s of the CSEE, 2012,32(10):49-55.[19]邹文,吴福保,刘志宏.实时电价下插电式混合动力汽车智能集中充电策略[J].电力系统自动化,2011,35(14):62-67.ZOU Wen,WU Fubao,LIU Zhihon g.Centralized char g in gstrate g ies of p lu g-in h y brid electric vehicles under electricit ymarkets based on s p ot p ricin g[J].Automation of Electric76㊃智能电网能量管理与运行控制㊃李正烁,等计及电动汽车充电预测的实时充电优化方法。