许文博
中国石油集团电能有限公司 黑龙江省 16300
摘要：综合能源系统是打破供电、供气、供冷／热等各种能源供应系统单独规划、单独设计和独立运行的既有模式，对各类能源的分配、转化、存储和消费等环节进行有机协调与优化，充分利用可再生能源的新型区域能源供应系统，是能源互联网的物理载体。目前，综合能源系统已成为国内外能源领域未来发展的重要战略方向，开展综合能源系统相关技术的研究，掌握关键核心技术，对推动我国能源战略转型，构建“清洁低碳、安全高效”的现代能源体系，扩大我国在国际能源领域的影响力具有重大战略意义。
关键词：综合能源系统可靠性评估的研究现状及展望
综合能源系统打破原有各能源供应系统单独规划设计与运行的模式，对不同供能系统进行整体上的协调、配合和优化，实现多能互济和能源梯级利用。发展分布式综合能源系统有利于提高能源利用率、促进可再生能源的开发利用和提高供能可靠性。
一、综合能源系统可靠性评估的研究现状
1.综合能源系统内部具有许多能源转换设备，以实现不同形式能源之间的转换。从系统的角度考虑，每个能源转换设备仅1个元件，其功能是将某种能源形式转换为另1种或多种能源形式。为了简洁地表示DIES内部的能源转换关系，本文引入能源集线器模型，即认为各能源形式之间存在着转换关系，但不考虑具体使用到何种能源转换设备及其复杂的转换过程。负荷的能源集线器模型，能源集线器表现为多端口形式，内部具有所有可能的转换关系。
2.电热水负荷建模。分布式综合能源系统具有电、气、冷、热等不同形式负荷，其中冷、热等负荷具有明显的动态行为，其可靠性评估有别于其他形式负荷。对于电负荷，电能供应中断即意味不能满足电负荷需求，认为出现供电故障。但对于冷、热负荷，以热负荷为例，热能供应中断后，负荷侧温度逐渐下降，当温度低于可接受下限时认为出现供热故障，即供热故障需要由热负荷的温度变化确定。本文以电热水负荷为例，分析热负荷动态行为对供热可靠性指标的影响。建立电热水负荷模型，基于线性能量平衡方法，对任意时刻的水温建模。最终电热水负荷的水温变化该模型描述了电热水系统与环境以及流入系统的冷水的热能交换过程。对于电热水系统，损失的热能当认为环境和热水器参数不变时，水温只与供能有关。如果将供热可靠性评估认为是一个静态问题，即不考虑热负荷动态行为，则在任一时间段内将热负荷需求认为是恒定负载。这种情况下，将水温维持在某一期望水温，所需要的功率认为是该时段热负荷需求。
3.综合能源系统的可靠性评估框架，采用蒙特卡洛模拟法生成系统状态，在状态分析中考虑不同能源网络中能量流动模型，例如考虑电力网络中电能的实时平衡以及天然气输气网络流量平衡等。进一步应用于综合能源系统风险评估采用解析法对考虑多能耦合的综合能源系统可靠性进行评估，但如前文所述，解析法需要列写系统可靠性指标的解析表达式，对复杂系统而言难以实现。基于智能体通信的综合能源系统可靠性评估方法，考虑了系统重构的影响。多能耦合的最优能流建模及其求解是系统状态评估的核心。近年来，多能流优化问题已取得初步研究成果。对考虑运行约束的区域电力一天然气一热力综合能源系统能量流优化进行了分析。一种考虑区域供热网络热惯性的综合能源系统优化运行模型。对综合能源系统负荷侧灵活的能源需求进行研究。
分别对冷一热一电联产系统的系统集成方案、运行分析与优化、经济性分析与优化等方面进行了较为深入的研究。在运行可靠性指标体系方面，电力系统运行可靠性指标的定位和定义。在常规可靠性指标基础上拓展，建立了配电网运行可靠性4维指标体系，包括状态维、程度维、层次维和时间维。天然气系统的可靠性指标常见于单条天然气管道及树枝状输气管网，指标涉及系统可靠度、系统故障率和系统可用度等，而针对大型天然气管网，目前仍缺乏一套客观、明确的可靠性评价体系。针对热力、天然气等管网系统，提出了系统平均故障频率、系统平均故障持续时间等可靠性指标，这些指标与配电网可靠性指标类似的。综上，现有的综合能源系统可靠性评估方法主要为模型驱动的方法，其涉及的最优能流问题在模型精度、求解效率上取得了初步进展。但值得注意的是，模型驱动的可靠性评估精度与样本数量成正比，为保证评估结果的精度，需要求解成千万个系统状态的能量流优化问题，且每个状态的求解需多次迭代计算，导致可靠性评估的计算时间长，效率低。在评价指标方面，综合能源系统中各供能子系统对可靠性的需求是类似的，即衡量供能安全性与充裕度，目前电力系统相较于天然气、热力系统，其可靠性指标体系更为健全。
二、展望
1.数据驱动的条件依存元件状态建模。元件发生故障后经过修理能再次恢复到原来的工作状态，这种元件称为可修复元件；元件发生故障后不能修复或虽能修复，但很不经济，这种元件称为不可修复元件。在运行可靠性评估中，当研究的时间范围较短而元件修复时间较长时，可采用元件的不可修复故障模型，简化可靠性分析过程；当研究的时间范围较长而元件修复时间较短时，依据元件类型采用可修复故障模型或不可修复故障模型。其次，针对元件短期可靠性参数的时变特性，现有方法一般逐一分析影响凶素与元件可靠性参数之间的相依关系，认为影响因素之间相互独立，在刻画多因素与元件可靠性参数之间的关联关系时存在局限性。近年来，数据驱动方法被应用于解决能源领域的实际问题，通过分析大量能源数据自动或半自动地获取知识，这里知识定义为对于数据间关系的定量描述。采用机器学习挖掘可靠性参数及其影响因素之间的关联关系的数据驱动方法，替代需要建立精确数学模型的模型驱动方法，有望解决元件状态难以准确建模的问题。其基本思路为确定元件状态的主要影响因素，包括环境相关因素、系统运行状态以及元件服役等；确定元件状态数，若采用两状态元件模型，则元件可能的状态包括运行状态和故障状态；确定学习器，如决策树将影响因素作为学习器的预测因子，元件状态作为标签；根据选择的学习器，确定学习算法并训练学习器，得到预测因子与标签数据之间的数学关系；保存学习器参数，用于预测元件在评估期间各时段处于各状态的概率。
2.在线评估环节。对于在线评估环节，导出数据驱动模型的参数，由系统实时的场景数据作为数据驱动模型的输入，可实时得到系统运行可靠性指标。基于此，对可靠性指标进行灵敏度分析，利用灵敏度分析的结果和重要度排序理论辨识综合能源系统的薄弱环节，由此制定系统运行可靠性提升策略，指导系统运行决策。采用模型驱动的可靠性评估方法仍以多能流计算及优化为核心计算可靠性指标，即标签数据，场景数据和标签数据构成训练数据驱动模型的样本集。然后，选取合适的机器学习算法，自主挖掘标签数据和场景数据之间的关联关系，并以模型参数的形式保存。该环节包含大量计算任务，以保证评估的准确性。结束语：运行可靠性评估作为规避系统短期风险、保障系统安全稳定运行的有效工具，对促进综合能源系统发展具有重要作用。但随着信息物理融合的发展，模型一数据混合驱动的运行可靠性评估方法，将成为未来的重要研究方向。
参考文献：
[1]李更丰，别朝红，王睿豪，等．综合能源系统可靠性评估的研究现状及展望[J]．高电压技术，2019，43（1）：114-121．
[2]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，2019，36（1）：16-25．