综合能源系统态势感知研究与实践

2021年中国电机工程学会年会论文集综合能源系统态势感知研究与实践鲍永，郝飞，解凯，蒲桂林，黄源烽，李晖南京南瑞继保电气有限公司,南京211102RESEARCHANDPRACTICEOFSITUATIONAWARENESSFORINTEGRATEDENERGYSYSTEMBAOYong,HAOFei,XIEKai,PUGui-lin,HUANGYuan-feng,LIHuiNRElectricCo.,LTD.,Nanjing211102,China.摘要：为了提升综合能源系统运行调度的智能化水平，增强预见能力，从系统的角度引入态势感知技术，完成了综合能源系统态势感知架构的设计，提出了一种综合能源系统通用的网络化能源运行案例的定义方法，并采用案例推理的方法对态势觉察、态势理解、态势预测3个过程进行重关键词：综合能源系统；案例推理；态势感知ABSTRACT:Inordertoimprovetheintelligentlevelofoperationandscheenhancetheabilityofforesight,thispaperintroducessituationawarenesstechnologyfromtheperspcompletesthedesignofsituationawarenessarchitectureofintegratedenergysystem,pmethodofnetworkedenergyoperationcaseofintegratedenergysystem,andusescase-situationawareness,situationunderstandingandsituationprecomprehensiveenergymanagementandcontKEYWORD:integratedenergysystem；casebasedreasoning；flownetwork；intelligentdecisionanalysis实现能源的经济、安全、高效利用的有效途径。综合能源系统（IntegratedEnergySystem，IES）的构建主要分为设计、投资、规划、开发和运行5个阶段。其中，在规划阶段要对能源的发生、传输、存储和使用各个环节进行优化配置，利用规划配置软件对系统配置的经济性 储”系统的建设，为系统的运行和能源服务运 备和子系统的数据进行采集和处理，实现一体化的集中监控，进而将电、热、冷、气多类能源的进行统一的建模；通过对“源-网-荷-储”各个环节进行的有机协调与优化，形成一体化的综合能源系统。面向调度运行人员，实现各种能源介质的优化调度，满足各类用户的实时用能需求。态势感知（SituationAwareness,SA）是基于系统信息采集、理解、预测的技术，其构成与综合能源系统的调度运行有很多相似之处。2021年中国电机工程学会年会论文集随着对高耗能企业的综合能源系统的研究的深态势感知技术有利于提升IES与各类应用功能的智能化水平，增强预见能力，可以有效提高能源的综合利用效率。文献[7]针对多维控制的电力系统，通过深度学习的智能算法的开发，实现了电网运行状态的实时态势感知；文献[8]在电网自动智能控制方面，为了对电网运行状态趋势分析及实时并对其应用过程中的关键技术和体系架构进行了系统性的研究；文献[9]将感知数据作为输入源，基于机器学习构建态势感知的方法，得到文献[10-11]从电力负荷侧资源管理发展趋势为背景，研究电价激励下的用户自主调节，进行调峰调频、削峰填谷等电网辅助服务，以推动自动需求响应架构下的智能化、自动化的发综上所述，态势感知技术的研究和应用大多分布在电力行业不同方向，在综合能源方面的应用还很少。本文为了提高IES的实时运行稳定性和可靠性，要提前获取IES系统的运行趋势，获取综合能源系统的实时运行态势；借鉴冶金流程工程学理论[12]，采用了一种IES的流程网络建模方法，设计了一种综合能源系统Reasoning,CBR)的方法与态势感知技术相融合，通过特征提取和相似案例的有效搜索和利用，形成了网络化的系统态势预测机制，为提高IES的综合运行效率提供切实可行的技术方2IES的态势感知架构设计针对IES实时运行和调度的需求，将态势感知分为态势觉察、态势理解、态势预测3个统网络为基础，实现感知层、理解层和预测层的迭代交互优化。在感知层实现IES“源-网-荷-储”各类能源数据采集，并考虑外界的影响因素；在理解层通过数据融合，建立模型与数据的映射关系，形成IES的流程网络模型，实迭代交互优化迭代交互优化现综合分析、案例断面管理和态势评估；在预测层以一体化管控系统为载体，自动识别网络化IES的未来状态特征，并采用案例推理的方法，在历史断面集合中，搜索发生过的高度相似案例，通过态势感知的技术手段，实现系统态势预警和智能决策分析。迭代交互优化迭代交互优化未来状态特征一体化管系统态势预警执行历史断面集合未来状态特征一体化管系统态势预警执行历史断面集合控系统控系统智能决策智能决策分析决策驱动驱动驱动数据采集影响因素数据驱动驱动数据采集影响因素数据融合流程综合分析综合能源系统网络案例断面案例断面态势评估迭代交互优化迭代交互优化Fig.1StructuremodelofSAforIES3IES态势感知的实现能源系统整体的运行变化和走向，因此首先应该完成系统的网络化建模，通过能量流、信息流和物质流将“源-网-荷-储”各个环节的设备有机连接起来，形成完整的能源产生、传输、转换、存储和消耗的能源网络。将IES的态势感知实现过程态势察觉、态势理解、态势预测和智能决策分析4个主要部分。电网运行驾驶舱是电力调度的顶层应用，监视和预警、信息挖掘、辅助决策与控制，服务于电网关键运行和调度决策[13]。借鉴POC的调度运行理念，以综合能源各子系统的监控内容为出发点，以系统性经济指标、安全指标、预警门槛等KPI数据为基础，完成IES系统的态势察觉的实现过程的设计，如图2所示。利用数据与模型的关联分析、专业知识、运行经验和先进的评价算法，实现关键设备的关键运2021年中国电机工程学会年会论文集大数据关联分析完备专业知识热力计算、性能计算、效率计算追踪参数、仿真测试评估结果丰富运行经验衡准确性和误报率先进评价算法跟踪变化趋势分析参数残差偏离预行参数的全工况关联分析、性能计算、效率计算、参数追踪等功能；通过两个区间（正常区大数据关联分析完备专业知识热力计算、性能计算、效率计算追踪参数、仿真测试评估结果丰富运行经验衡准确性和误报率先进评价算法跟踪变化趋势分析参数残差偏离预大范围负荷段全天候关联分析线线线线Fig.2Realizationprocessofobservation态势察觉是指对IES系统运行状态的集中监视。因此，在IES系统中态势察觉要基于智慧能源管控系统，面向多种能源子系统，实现各种数据采集，包括状态数据、量测数据、计量数据、计划数据、气象数据、环境数据。态势察觉需要完成IES相关数据和信息的智能归类与存储，并通过态势察觉指标体系的构建，形成多环节、多维度的体系结构，覆盖能源系统的“源-网-荷-储”各环节，并兼顾安全、优质、经济和环保4个维度。态势理解就是要对态势察觉过程中的关键要素进行提取，并能够融合更多的数据，依据关联和组合分析技术，对当前能源系统的运行状态进行更加有效和准确的判断。在IES中，不同类型的设备都是通过能源介质连接在一起的，彼此之间既有耦合和制约，又具有很强的互补特性。因此需要将设备、模型和数据有机组织起来，为准确把握IES的运行态势打下基础。在电力系统中，按照IEC-61970CIM模型，将电网中的设备连接起来，形成网络化的电网模型，并完成状态估计、调度员潮流、安全校核等功能。对于综合能源系统来说，采用冶金工程学中的流程网络模型建模方法，通过图模库一体化建模技术，实现设备与设备之间的连接和拓扑分析，实现系统的网络化建模[14]。能态势理解过程就是将整个网络化系统中的“源-网-荷-储”各个环节的设备、参数和数据存储案例断面中，并能够将断面的主要特征分析出来，以数据或状态的方式标记出来，以方便案例的相似度搜索。案例断面的特征是一个需要逐渐分析总结的过程，要根据能源网络中的各个设备的主要运行特征，进行提炼，并打上标签和特征标识，方便态势预测过程的搜索和调用。态势预测是IES态势感知的核心，在这个过程要根据态势察觉和态势理解提供的数据、模型或断面信息，对未来IES的运行态势进行趋势分析和预测。通过特定场景中的网络化能的实时运行态势。采用基于案例推理的方式，对现有能源系统的运行态势进行分析，并归纳出主要特征，然后在历史存储的众多案例断面中找到最适合当前运行工况的相似案例，并根据案例中的趋势数据，为调度员的问题处理和操作，提供决策信息。案例断面搜索要求能够快速地从当前案例提取所需要的特征信息，并快速地从案例库中找到1个或若干个与当前问题及工况匹配的案例断面。因此，充分利用案例库中案例断面的历史数据，采用海明距离和欧几里德距离反函数、时间序列相似性计算、时间序列数据挖掘等方法来计算两个案例间的相似性程度2021年中国电机工程学会年会论文集[15]。式中，权重wi代表第i个属性的重要度，标准的dist(xi,yi)通常表示成：dist(xi,yi)=xi-yi/max(xi)-max(yi)（3）RBR规则实时数据及扰动事件对于数字属性值，max(xi)和max(yi)分别代DTST=0，SIM有最大值1，则两个案例是相同的；反之，当DTST=1，SIMRBR规则实时数据及扰动事件基于时间序列的相似性搜索是从时间序列时间序列数据挖掘用于处理较复杂系统的案例规则推理和案例推理是两种典型的推理技术，集合的模式主要有4大类：并行、串行、主辅和转换。并行模式即采用并行推理，最后将推理结合合并；串行模式可以是先RBR后中间结果，第二步完成最终解决的推理；主辅模式根据需要解决问题的特点，将一种推理方法作为主推理，由主推理负责基本推理，辅推理技术进行优化或补充；转换模式在规则知识和案例知识存在共性时，可以将两种推理进行相互转化，其最大缺点是转换过程复杂，无法实现自动化执行。根据IES的调度运行特点，采用串行模式可以简化推理过程的复杂性，也可以提高混合推理引擎的执行效率，并可以充分利用案例断面中的设备和数据信息。混合推理的实现过程如下图所示，RBR规则根据调度员及能源系统设备参数、运行工况、专家经验来案例断面的特征，并结合实时数据及扰动事件进行监督和引导，实现对特征识别信息的处理；结合正向推理案例库对规则推理结果进行评估分析，对全新的工况通过增加案例断面，将其保存到案例断面库中；学习和修正环节处理来自与规则推理的特征识别信息，并根据特征模式库中的特征进行特征识别，从案例断面库中找到相似度最高的若干案例断面，结合CBR的推理，对找到的源案例断面进行综合处理，实现能源系统的决策分析，并将指导信息推送给调度人员。反向推理实例库学习和修正环节正向推理实例库特征识别监督和引导环节 评估分析特征识别信息处理CBR推理决策分析信息推送案例断面库反向推理实例库学习和修正环节正向推理实例库特征识别监督和引导环节 评估分析特征识别信息处理CBR推理决策分析信息推送案例断面库增加实例断面修正实例Fig.3Realizationprocessofhybridreasoning4IES的态势感知实践在高耗能企业中，存在多种能源介质的耦合协同运行，能源系统较为复杂。以长流程钢铁企业为例，包括电力、煤气、蒸汽、技术气体和水，其中最为复杂的是煤气系统和电力系统。在各自应用场景中，可以采用基于流程网络的建模方法，将能源介质的产生端和消耗用户，通过管网将相关节点连接起来，形成有向网络图，实现能源系统的网络化建模。在此基础上按照固定时间间隔生成案例推理的案例断面。在某些特定节点处，存在不同能源介质的转换、替代和关联调控，利用能源系统的态势感知，结合生产工艺的变化趋势，完成不同场景下的决策分析。2021年中国电机工程学会年会论文集Fig.4Dataseriesofcasesection（1）当煤气富余时，而煤气柜已到存储高需要调整电力系统中的发电机组，在调节约束满足的情况下，多用煤气进行发电，提高煤气的用量，减少放散。此时高炉煤气的产量会大幅度减少，会发生煤气产量不足，影响下游的正常生产。此时，可以通过减少煤气发电的出力，减少煤气用量。但是，要机组本身的约束，也要考虑企业供电关口的电力需量限值的约束，并对可能产生的费用进行评估。如果越限太多，将启动应急响应，推送信息给生产调度系统，减少下游生产单元的煤气用量。（3）当电力系统发生供电关口电力需量越这也就意味着要减少其他生产工序的煤气用量，加大煤气发电的煤气消耗；另一方面可以降低用户的用电负荷，根据负荷调整裕度来有计划地错峰，减轻供电关口的高负载，从而减少需量电费的支出。以银川某工业园为例，其能源系统，包含了燃气轮机、余热锅炉、燃气锅炉、光热锅炉、光伏、风机、水源热泵、低温储热、高温储汽、电池储电等环节，其能源系统结构如下图所示。低温储热低温储热光热锅炉光热锅炉风机 Fig.5ConstructionofareaIES根据该系统的调度运行与运维要求，构建了数字化综合能源管控系统，充分利用态势感知的态势察觉、态势理解、态势预测和智能决策，实现了IES系统的集中监控、运行管理、供需预测和优化调度。其中供需预测中，针对园区光伏、风机、光热锅炉的未来出力情况，通过获取能源子站的经纬度等地理信息与风速、风向、温度、气压、湿度、辐射强度等气象信息，结合设备的实时功率、工作状态等，采用功率预测算法，对其未来发电功率或蒸汽产量进行预测；针对园区电力负荷、蒸汽负荷结合气象、节假日以及负荷特性、用户计划等信息进行分析，建立负荷变化与关联因素的推理库，利用预测算法实现对系统负荷变化的预照日前优化→日内优化→实时优化的顺序梯次在工业园区、增量配电网示范区、区域综合能源系统中，利用各种能源的互补性，将电力、天然气、蒸汽、供热、储能等多种能源集成起来，进行生产、传输、转换、配送、使用等，构成了典型的园区综合能源系统，实现能源的就地消纳、梯级利用，最大限度提供高能本文根据IES系统的运行调度的特点，完成态势感知的架构设计，并对其实现过程进行了研究和论述，包括了态势察觉、态势理解、态势预测和智能决策四个过程；通过网络化建2021年中国电机工程学会年会论文集模方法的应用，将四个过程有机结合起来，并从系统的角度来研究IES系统的监控、运行、管理、预测和调度问题。通过高耗能企业及园区综合能源系统的应用分析，该方法具有很高的实际应用价值，为提高综合能源管控水平提供了有益的尝试，为智慧能源管控系统的技术发展和应用提供了新的思路。[1]李洋,吴鸣,周海名,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.LIYang,WUMing,ZHOUHai-ming,etal.Studyonsomekeyproblemsrelatedtoregionalmultienergysystembasedonuniversalflowmodel[J].PowerSystemTechnology,2015,39(8):2230-2237.[2]程林,张靖,黄仁乐,等.基于多能互补的综合能源系统多场景规划案例分析[J].电力自动化设备,2017,37(6):282-287.CHENLin,ZHANGJing,HUANGRenle,etal.Caseanalysisofmulti-scenarioplanningbasedonmulti-energycomplementationforintegratedenergysystem[J].ElectricPowerAutomationEquipment,2017,37(6):282-287.[3]吴志力,杨卫红,原凯,等.园区能源联网多能源协同优化配置发展构想[J].中国电力，2018,51(8):99-105.WUZhili,YANGWeihong,YUANKai,etal.Parkenergyinternetdevelopmentdesignofmulti-energysynergicoptimalallocation[J].ElectricPower,2018,51(8):99–105.[4]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.JIAHong-jie,WANGDan,XUXian-dong,etal.Researchonsomekeyproblemsrelatedtointegratedenergysystem[J].AutomationofElectricPowerSystems,2015,39(7):198–207.[5]陈柏森,廖清芬,刘涤尘,等.区域综合能源系统的综合评估指标与方法[J].电力系统自动化,2018,42(4):174-182.CHENBo-lin,LIAOQing-fen,LIUDi-chen,etal.Comprehensiveevaluationindiesandmethodsforregionalintegratedenergysystem[J].AutomationofElectricPowerSystems,2018,42(4):174–182.[6]曾鸣，杨雍琦，刘敦楠，等.能源互联网“源-网-荷-储”协调优化运营模式及关键技术[J].电网技术,2016,40(1):114-123.ZENGMing,YANGYongqi,LIUDunnan,etal.“Generation-grid-load-storage”coordinativeoptimaloperationmodeofenergyinternetandkeytechnologies[J].PowerSystemTechnoloy,2016,40(1):114–123.[7]王继业,马士聪,仝杰,等．中日韩电网关键技术发展及趋势分析[J]．电网技术,2016,40(2):491-499.WANGJiye,MAShicong,TONGJie,etal．CurrentdevelopmentandtrendanalysisofpowergridkeytechnologiesinChina,JapanandRepublicofKorea[J].PowerSystemTechnology，2016,40(2)：491-499(inChinese).[8]杨胜春,汤必强,姚建国,等．基于态势感知的电网自动智能调度架构及关键技术[J].电网技术,2014,38(1):3635-3641.YANGShengchun,TANGBiqiang,YAOJianguo,etal．Architectureandkeytechnologiesforsituationalawarenessbasedautomaticintelligentdispatchingofpowergrid[J]．PowerSystemTechnology,2014,38(1)：3635-3641(inChinese).[9]徐茹枝,王宇飞．面向电力信息网络的安全态势感知研究[J]．电网技术，2013，37(1)：53-57.XURuzhi,WANGYufei．Astudyonelectricpowerinformationnetwork-orientedsecuritysituationawareness[J].PowerSystemTechnology,2013,37(1):53-57(inChinese).[10]MENGWenchao,WANGXiaoyu.Distributedenergymanagementinsmartgridwithwindpowerandtemporallycoupledconstraints[J]．IEEETransactionsonIndustrialElectronics,2017,64(8):6052-6062.[11]徐成,梁睿,程真何,等.面向能源互联网的智能配电网安全态势感知[J].电力自动化设备,2016，36（613-18.XUCheng,LIANGRui,CHENGZhen-he,etal.Securitysituationawarenessofsmartdistributiongridoffutureenergyinternet[J].ElectricPowerAutomationEquipment，2016，36(6)：13-18.[12]殷瑞珏.从开放系统、耗散结构到钢厂的能量流网络化集成[J].中国冶金,2010,20(8):1-14.YINRui-y