微网——未来能源互联网系统中的“有机细胞”

茆美琴, 丁 勇, 王杨洋, 张榴晨

(教育部光伏系统工程研究中心, 合肥工业大学, 安徽省合肥市 230009)

微网
——未来能源互联网系统中的“有机细胞”

茆美琴, 丁 勇, 王杨洋, 张榴晨

(教育部光伏系统工程研究中心, 合肥工业大学, 安徽省合肥市 230009)

从微网与能源互联网系统在内涵上互相渗透、联系的视角,梳理了二者发展现状和典型特征。进一步从位置本地性、源荷多元性、结构多样性、运行灵活性、整体可控性、电网交互性等六方面分析了微网在未来能源互联网系统中的“有机细胞”作用,包括改善电能质量,提高电网可靠性与弹性,增加不同区域之间能量的协调调度,增加负荷的主动调控能力,承载信息双向流动,提高能源总体利用效率等;总结了微网互联构成能源互联网系统可能的几种典型形式。最后对未来支撑能源互联网系统发展的微网关键技术与设备进行了评述和展望。

微网(微电网); 能源互联网系统; 电力系统弹性; 能量路由器; 电动汽车; 储能技术

0 引言

微网是配置在近用户侧,涉及冷/热/电/气多能源载体,包含微源、负荷(电、冷/热)、储能(含电动汽车(electric vehicle, EV))及相应控制、监控、保护装置和能量管理系统,可实现区域内源/荷/储协调优化的单一可控微型能源系统[1],通过适当的能量管理和协调控制优化分布式电源运行,是分布式发电的高级发展阶段[2];随着微网配置数量和网内能源主体越来越多,微网网络不断扩大,并正相互连接,形成多微网或微网集群系统。近十年来,国内外广泛深入的研究、开发与技术示范取得的成果推动了微网支持可再生能源接入、为用户提供优质能源服务、优化区域能源利用等功能的实现,多微网互联集成方式、运行控制和能量管理也在近几年逐渐得到了广泛重视[3]。

另一方面,可再生能源、EV和柔性负荷大量集成、需求侧管理技术、信息和控制技术广泛应用使得传统电力系统正逐步向“能源互联网系统(energy interconnection system,EIS)”演变。EIS是以电力系统为核心,多种能源互联互补,可再生能源广泛集成,交通网逐步电气化并积极参与能源网的新一代能源生产—供应—消费网络,是未来尽可能多地集成利用可再生能源,改善能源利用效率,实现能源自治的可行性技术方案[4-6]。

纵观微网和EIS,本文认为微网是分布式发电的高级阶段,同时又是EIS的初级阶段,是未来EIS构建过程中的“有机细胞”。经过多年研究与实践,微网已初步具备EIS的技术特征,能够实现局部能量自律优化,为EIS实现全域能量优化奠定了基础。若将EIS视为能源广域网(wide area energy network,WAEN),微网则是能源局域网(local area energy network,LAEN)。

本文首先对EIS和微网各自发展现状进行综述,并总结了二者典型技术特征。从特征入手说明微网本质契合EIS发展,进而阐述现阶段微网为EIS提供的具体“细胞作用”。最后展望了未来微网支撑EIS需要继续开发和探索的新技术、新设备和发展新趋势。

1 EIS和微网发展现状及典型特征

1.1 EIS发展现状及典型特征

EIS的出现源于需求牵引、技术支持和机制驱动。能源利用过程中出现的问题和新趋势,如传统能源危机及环境问题、不同能源系统的耦合、EV及储能发展提出的双向能流要求、负荷主动参与及用户对能源信息的需求构成了EIS的发展需求;能源领域(如电力电子技术、储能技术[7]、虚拟电厂技术、电动汽车入网(vehicle to grid,V2G)技术)和信息领域(如大数据、云技术、机器学习等)为EIS提供了强劲技术支撑;对口政策的实施为进一步促进其发展提供了驱动。以中国为例,2015年起中国相继出台了若干文件对EIS进行顶层设计[8]、支持EIS典型示范项目建设、从微网和配电网层面支撑EIS发展等。2017年7月,中国国家能源局正式公布首批55个EIS示范项目,标志着EIS在中国落地实践的正式展开。

根据现有文献报道,本文按时间顺序梳理了2008年以来国内外主要EIS项目及其分类[4-6,9-13],如图1所示,其中纵坐标表示相关EIS概念,横坐标表示年份。图中黑色字体显示相关概念的提出国家、分类和涉及能量载体,红色字体表示依托此概念实施的项目名称;其具体信息见附录A表A1。其中,根据信息与能源系统融合紧密程度和各自特点,本文将现有EIS概念划分成两类:一类主要侧重能源网,以信息互联网体系为指导或是少量利用互联网技术的EIS,称之为能源优先EIS,记为Ⅰ类EIS;另一类主要侧重信息互联网,利用信息通信技术(information and communication technology,ICT)实现能源系统优化运行的EIS,称之为信息优先EIS,记为Ⅱ类EIS。

图1 EIS概念发展总况Fig.1 Development of existing EIS concepts

EIS内涵还在不断丰富中。本文认为:EIS是ICT与能源技术深度结合,不同能源形式互联互补,可再生能源高比例渗透,能量流与信息流均双向,以电力系统为主的能源系统新架构。基于此,EIS的特征可总结如附录A表A2所示。

这些特征赋予了EIS这种新型能源系统 “开放”“透明”“对等”“灵活”“弹性”等新标签,与传统能源系统刚性、自顶而下树状的能源供给结构相比,EIS的能源供给更加多元化、柔性化,更具灵活性,能源输配更具可控性和弹性,各能源主体包括源、储和荷等“即插即用”,整个EIS将是源—输—配—储—用相互连接而织成的稳定、智能网状结构。

1.2 微网发展现状及典型特征

微网是可实现本地能量供需平衡的独立可控系统,既可以是仅包含电能终端的微网,也可以是包含冷/热/电/气等多种终端的多能源微网[14]。自概念提出以来,特别是经近十年来国内外广泛深入的研究、开发与技术示范,微网得到了快速发展,目前研究主要集中在规划设计、建模仿真、运行控制、能量管理、电能质量、通信技术、继电保护、与电网集成及多微网集成等方面,这些技术成果促进了微网在全球范围的发展。截至2017年6月,全球共建有1 842个微网项目,已投运微网容量达19.3 GW[15]。附录A表A3和表A4分别给出了部分国外和国内微网项目介绍。微网的典型特征可总结为位置本地性、源荷多元性、结构多样性、运行灵活性、整体可控性以及电网交互性等六大典型特征,具体说明如附录A表A5所示。

2 微网在EIS中的“有机细胞”作用

EIS是多种新兴能源技术、信息技术、新型能源交易模式集成的广域系统,其发展不是一蹴而就的。从事物发展客观规律来看,首先应进行各项创新使能技术的攻关,再在较小区域范围内整合相关技术进行综合示范应用,进而逐步向更大范围拓展。微网经十几年的发展,具备了EIS所有必备要素,如多能互补、双向能流、借助微网能量管理技术实现双向信息流指导微网优化运行等,可自主实现“细胞”内能量平衡,初步实现了EIS功能化,因而建设微网是构建EIS的优选和先遣方案。每个独立微网是广域EIS的“有机细胞”,宏观上“细胞”可看做整体可控的虚拟源/荷,互连而成的“细胞群”具有更大灵活性和可控性。对比附录A表A2和表A5可以看出,微网本身具备的特征十分契合EIS,其对EIS的支撑作用具体体现在改善电能质量、提高系统可靠性和弹性、增强不同区域间能量协调互动、实现负荷主动调控、有效承载信息双向流动、提高能源总体利用效率等六个方面。

2.1 微网本身技术特征对EIS的支撑

微网具有的六大基本特征与EIS的建设要点高度契合,具体如表1所示。其中,位置本地性彰显微网将更多地建设在EIS的能源配用侧[16],源荷多元性为EIS接纳更多可再生能源提供了条件,结构多样性方便构建灵活、稳健的EIS,运行灵活性则有助于EIS的灵活运行,整体可控性和电网交互性有助于提高局域能源子网间及局域与上级能源网间的互动能力,各局域能源子网互为备用,有助于整体系统的安全稳定运行[17]。

表1 微网对EIS的支撑作用Table 1 Supporting role of microgrid for EIS

2.2 微网在EIS中发挥的具体作用

1)微网可改善电能质量。微网为集成分布式发电单元而引入的电力电子接口,为系统电能质量管理提供了更多控制自由度。且由于微网多配置在配电网层,与用户侧联系紧密,微网提供的高质量电能将直接供应用户,满足EIS为用户提供优质能源的目标。

2)微网可提高电网可靠性和弹性。可靠性在电力系统中是评估用户获取电能的指标,表征电网面对相对大概率弱影响事件的应对能力。配置微网可以提高电网可靠性,因为:①微网内集成的多类型可再生能源发电与传统电网互为备用;②微网内配置的储能及EV在紧急情况可以向关键负荷供电;③微网配置在近用户侧,发电和负荷地理上接近,且可孤岛运行,受电网输配电线路及其他设备故障影响较小;另一方面,弹性表征电网在面对小概率高影响事件时的应对能力。现实中微网在电网遭受极端灾害事件时的优良表现,使得欧洲[18]、美国[19]及日本[20]等纷纷关注并分析微网在电网遭受极端事件后对电网弹性的改善作用。文献[21-24]定性地分析了微网可以从在故障时通过本地资源优化调度尽可能少切负荷[21-22]、故障后辅助关键负荷恢复[23-24]等方面改善电网弹性。而文献[25-26]则定量地分别提出不同电网弹性评价指标和方法评估微网对电网弹性的改善作用。

3)微网可增强不同区域间能量协调互动能力。本文将以微网为基本单元构建的EIS区域间能量优化按范围分为四类:单一孤岛微网内部优化、含单一微网的配电网(即单一并网微网)协调优化、多微网间协调优化及含多微网的配电网协调优化,如图2所示。图中:PCC表示公共耦合点。

图2 EIS各区域能量协调范围Fig.2 Different scopes of energy coordination in EIS

单一孤岛微网能量优化[27-29]实质是多约束多目标优化求解问题,利用不同智能优化算法,在满足功率约束、各微源出力约束、节点电压约束、储能单元约束等条件下,通过对可控单元的控制,如可调度微源出力管理、储能及EV充放电管理,实现以不同评价指标来衡量的经济、环境、技术效益等最大化;含单一微网的配电网能量协调优化[30-31]由于有配电网参与,需将微网和配电网交换功率额等纳入约束条件,配电网的稳定性和经济性指标等纳入优化目标;多微网是EIS建成前的过渡形式[3]。多微网间协调指不与配电网相连的多个微网之间互动,而含多微网的配电网协调指与配电网相连的多微网互动,包括各微网间以及各微网与配电网间的互动。前者主要发生在海岛及偏远地区多微网系统中[32],后者更易在EIS应用场景中出现[33-37]。

4)微网可实现负荷的主动调控。负荷在传统电力系统中多是以被动受能的角色出现,系统正常情况下,负荷可以正常获电,而一旦系统发生故障或者供不应求时,负荷就会失电或者被迫接受拉闸限电,很少主动参与电力系统的运行调度。需求侧(负荷)参与系统运行是EIS的典型特征之一,也是与传统电力系统明显区别所在。现有研究表明[38-41],通过合适的控制技术,微网内的特定负荷可主动参与电力系统调控,实现传统电力系统“跟随负荷”的电能供应方式向EIS “跟随供应”的负荷主动控制方式,乃至向“源荷互动”控制方式转变。

5)微网是信息双向流动的有效载体。目前微网内配置的能量管理系统使微网已经成为可控整体,信息的双向流动在微网内也已初步实现,图3给出了含多微网的配电网信息流示意图。其中配电网能量管理系统是多微网与上层配电网的接口,其主要作用在于下发根据电价、需求、运行信息等制定的协调调度指令给各微网,同时接收各微网上发的状态信息用于决策;各微网中央控制器(microgrid central controller,MGCC)接收配电网能量管理系统下发指令,并与其他微网互接发状态/调度信息,制定本微网内各单元控制命令并下发至本地控制器(local controller,LC)中;LC一方面接收本MGCC下发的控制指令,另一方面向其上传本地运行信息。

图3 含多微网的配电网信息流示意图Fig.3 Schematic diagram of information flow in a multi-microgrid system

6)微网可提高能源总体利用效率。在微网技术产生之前,不同的能源形式利用比较独立,电、热、天然气、交通等各网络基本处于独立发展演化状态,彼此间联系不明显,能源总体利用效率较低。事实上,一种能源往往需借助其他多种能源的转换配合才能实现高效率利用,而多源微网可以最大限度地提高一次能源利用效率及能源设备的平均利用率, 并且可借助于储电、储热、储气及储氢等储能技术,实现多能源有效协调和转换调峰。现实中已在部分地区得以应用的水/冰蓄冷系统、冷/热/电联供系统、电/热/气联供系统等,如中德生态园“泛能网”示范项目,通过能源梯级利用有效提高了当地能源综合利用效率和能源设备使用率,促进了风光等可再生能源的渗透[42]。

2.3 微网“有机细胞”互联形式

微网是EIS构建的“有机细胞”,需通过“细胞”间的互联才能组成EIS这一有机“组织”。本文将微网互联的形式分成三类,并给出含三种微网互联形式典型EIS场景,如图4所示。图中:PC表示功率变换器。

1)微网A以整体接入至微网B的一个内部节点上,实现微网B的扩容。图4中区域 A内微网A1和A2、区域B内微网 B2和B3、区域E内微网E1和E2即采用此方式互联。

2)微网A与微网B直接通过PCC或功率变换器相连形成更大区域微网。其主要是相邻区域微网间采取的互联形式。区域 B中微网 B2和B3互联后的微网与微网B1、区域 C和D内各微网,以及区域 E中微网 E1和E2互联后的微网与微网E3即采用此方式互联。

图4 基于互联微网的典型EIS场景Fig.4 Typical EIS scenario based on interconnected microgrids

3)微网A和微网B分别通过各PCC与已有主电网相连,微网A和B及其连接的主电网共同形成更大规模的EIS。此形式主要适用于距离较远的微网之间互联。区域 A,B,…,F中各区域微网即采用此方式互联。

图4中各区域微网内存在的不同电压等级、不同电压形式子微网需通过电力电子接口完成互联。附录A图A1给出了几种单一母线形式微网间互联示意图。其中互联变换器均使用具有双向能流功能的变换器,通过对互联变换器的控制,即可实现不同子微网间的能量协调。当具有多种不同母线电压形式和电压等级的子微网存在时,一种方式是使用多个独立双向变流器实现互联,如图5(a)所示,但多类型变流器增加了系统协调控制难度,有文献提出如图5(b)所示的第2种方式,即应用能实现多电压类型能量转换的能量路由器(energy router,ER)完成互联。

图5 多电能形式微网间互联结构Fig.5 Interconnection structures of multi-type microgrids

关于ER,广义上具有能量变换功能的变流器均可称为ER,而狭义ER是特指具有处理不同类型和等级电压能量变换能力的多端口电力电子设备,能实现不同子系统能量双向交互,是未来EIS中的关键设备之一[43-47]。常见ER基于固态变压器(solid state transformer,SST)及其拓展结构发展而来[43-45]。典型的基于SST的ER如附录A图A2(a)所示,其核心单元是双有源桥(dual active bridge,DAB),利用DAB模块可生成各种满足不同需求的ER;利用其拓展形式(如三有源桥[43]、多有源桥[44])配合基本变换器亦可以衍生出众多结构;文献[45]提出了一种Y型 ER,如附录A图A2(b)所示;文献[46]提出直流侧采用半桥,交流侧采用组式逆变器结构,可实现直流侧多模式运行,而交流侧三相独立模块化也有利于接入不同交流系统,如附录A图A3(c)所示。文献[47]则提出了基于模块化多电平换流器的ER方案。

3 支撑EIS的微网关键技术和装备

微网之所以可提供以上所述“细胞作用”,实现区域内能量自治和管理,要归功于电力电子技术实现各微源、储能及负荷等的柔性集成和能量管理技术依据电网要求和各主体实时状态实现对各单元的优化调度控制。电力电子技术和能量管理技术[48-49]为微网运行分别提供了硬件和软件支撑。其中微网能量管理技术实质上是在一定程度上将ICT引入能源系统的应用,是一系列技术，包括信息采集、通信协议和标准、信息处理和分析等的综合体现。未来微网发展最主要趋势是继续强化ICT与能源技术,尤其是电力技术的深度融合,同时沿信息和电气两条主线探索新技术新功能,在实现“两手抓,两手都要硬”的基础上,实现“两手握,两手需融合”,协同推进微网智能化水平飞速发展,最终借助新型电力电子设备及高效电力电子控制技术和信息通信领域新技术,灵活整合、管理、调度微网内各形式能源,优化微网运行模式,实现微网供能智能化、灵活化、高效化,并将尤其重视用户参与的主动性,根据实际调度需要积极调整用户用能模式,发挥负荷需求响应或间接(广义)储能作用,实现智能负荷控制,最大限度地实现微网整体效率最优。从微网到EIS需要能源产、输、配、储、用一系列革新性技术及设备提供支持,本节将对微网中支撑EIS发展的关键技术和设备进行梳理,对未来需继续深入探索的领域进行展望。

3.1 微网可再生能源消纳技术的创新

可再生能源高比例渗透是EIS典型特征之一,而当前新能源弃光弃风问题严峻。微网作为新能源消纳的一种有效形式,最大限度吸纳可再生能源是其作为EIS“细胞”单元所具备的功能,仍有很大发展空间,为此,需要发展如下新技术。

1)微网多能源系统优化配置方法。根据风、光、气、水等一次性能源与电、热等能源形式之间的演化规律,研究微网有机细胞的优化能源配置方法。根据微网安装地点的地理位置及风、光、气等一次性能源资源分布等进行多能源协同规划,利用博弈论、分形理论等技术建立规划模型,形成实现源—网—储—荷平衡的机组组合、结构组织、容量配置方法;使得微网“有机细胞”可以简单复制,并且可以根据运行环境变化进行自组织运行。

2)高精度、多时间尺度风光功率等可再生能源出力及负荷预测技术。开发统一多时间尺度预测方法,一方面可将大数据、云计算、机器学习以及其他智能技术引入可再生能源出力和负荷预测上;另一方面可以对预测结果二次改进,如使用误差叠加校正方法,在不依赖特定预测算法基础上,提高预测精度,降低储能配置容量,提高系统经济性[50]。

3)面向EIS的运行控制和能量管理。EIS高比例可再生能源渗透、多能流耦合、多时空尺度、多源大数据、多利益方等特性给EIS的运行控制和能量管理带来了新的挑战。一方面,可将较成熟的电力系统能量管理经验扩展至其他能源系统之中,实现各能源系统能量管理功能相似性;另一方面,从EIS运行控制和能量管理架构来说,应发展分布协同架构,快速、准确地通过子微能源网内部协同和多子微能源网协同实现EIS整体控制目标的趋同控制,多Agent技术和Gossip算法等分布式算法是EIS分布协同能量管理架构的重要实现手段,应予以重视。此外,应重点关注多时空尺度下EIS多源协同调度策略研究。

3.2 能源变换新技术新装备的开发

EIS主体是能源系统,能源变换包括电—电变换及电—非电变换,新技术新设备将助力EIS可再生能源高渗透、各主体对等接入、能量双向流动、结构灵活多样和用户友好管理,主要新技术趋势如下。

1)研制基于新型器件,如碳化硅、氮化镓和新型拓扑的可再生能源高效并网变换器和EV入网接口。这是保证可再生能源充分消纳和EV入网互动的物理基础,也为EIS内高效双向能流调度提供可能。

2)开发兼有电网稳定支撑、电能质量管理、故障穿越能力、信息交互等多功能集成的统一控制算法。其中电网稳定支撑和电能质量管理是当前大部分逆变器已具备的功能[51];故障穿越能力正愈来愈受关注[52],是增强可再生能源“吞吐”能力的关键技术;信息交互则是未来智能逆变器的必备功能,通过采集本地信息进行本地控制或通过信息传输通道上传至上级控制单元,以便获得协调控制指令。这些功能的集成将使逆变器更智能、高效、模块化。

3)需研究多机并联谐振机理及抑制策略,更好地实现逆变器在微网内的即插即用,这有助于系统的扩容和稳定,符合EIS允许设备对等接入要求。

4)基于电力电子变换器的智能软开关(soft open point,SOP)拓扑、控制及应用。馈线柔性互联的SOP[53]在提升新能源接入、平衡馈线负荷、降低网损、紧急供电、改善电能质量方面具有应用前景,但其经济性还有待商榷。未来一方面要继续丰富SOP拓扑和控制策略的研发,探索更多应用场合,如多微网互联和控制;另一方面还要考察其优化配置问题,尽可能地在保证经济性条件下最大程度地发挥SOP的灵活性和可靠性。

5)基于“电气弹簧(electric spring,ES)”的智能负荷技术。ES可实现负荷主动调控,并在负荷侧促进可再生能源消纳,目前ES研究多集中在拓扑结构[54]、控制设计[55]、系统应用[56-57]上,未来进一步研究方向包括:①多样化ES新型高效拓扑及控制设计,如交直流混合ES设计;②ES在EIS多场景下的应用,如可再生能源发电和负荷协调、微网稳定性改善、家庭关键负荷电压支撑、工业用电电能质量提升等;③ES负荷侧需求管理方法创新,探索其“广义虚拟储能”功能;④配置分散的ES分布协同群控技术,实现多目标控制。

6)ER作为EIS中重要设备,将被广泛配置。目前ER研究多集中在拓扑设计及特定应用上,对其内部控制策略研究相对偏少,且未来ER在EIS配置多且分散,协同ER控制非常重要。应在如下方面继续展开研究:①高效ER拓扑和系统集成方案;②ER本体控制研究,引入先进控制方法,如虚拟同步机控制、模型预测控制等,提高其控制性能;③多ER协调优化控制策略,如基于多代理和网络控制的分布式协调控制,提高系统整体经济性、可靠性和灵活性。

7)多能互补协同是EIS的关键特征之一,为此,部分文献提出了能量集线器(energy hub,EH)概念[58-59],在EH中,多能源载体可以相互转换、协调和存储,是多能源输入(电、气、热等)与多类型负荷(电、热、冷等)间的广义节点。目前对EH的概念、建模、规划、运行、管理和应用进行了一定研究,未来应继续研究:①EH更适用数学模型的建模,加入对动态过程的考虑,更精确地展示多能流的耦合机理;②单个EH内部多源协调优化和多EH优化算法;③含EH系统的用户主动参与需求响应策略。另外,对于多能流耦合动态特性分析,还可以借助键合图理论、宏观能量描述法等进行建模[60]。

3.3 传统储能和广义虚拟储能技术的协同

储能是EIS的关键使能技术,可实现能量的时空转移,应继续关注传统储能并积极探索广义储能技术,注重二者协同互补,并探索可能的新型储能商业模式。

1)传统储能技术在能源产、输、配、用侧均有应用需求[7],已成为微网核心技术之一。在EIS运行中,应继续使用传统储电技术,重视多元复合储电,实现短时功率调节和长期能量调节。此外,EIS还有储热、储气、储氢等需求,应根据实际场景利用EH技术等实现多类型储能的协调应用和优势互补。

2)大量EV参与EIS运行及空调、电热水器、电热泵等 “广义储能设施”的负荷参与电力市场所提供的“虚拟储能”功能为EIS提供了多样化创新性储能模式。未来应关注:①如何利用EV移动储能特性,借助双向充放电控制技术为电网提供调压调频服务[61]、削峰填谷、平抑可再生能源出力波动等服务; ②如何开发智能负荷控制算法和控制模型,兼顾用户使用习惯和电网要求,利用空调[62]、冰箱[63]、电热水器[64]、电热泵[39]、笔记本电脑[41]、水塔等蓄冷、蓄热和蓄势设备提供电网调峰、联络线平滑功率、稳定电压、支撑频率、消纳强随机可再生能源、平移负荷等类似于物理储能等“虚拟储能”服务;③如何在不影响用户使用和舒适度前提下,即考虑用户需求,对广义储能实时可调度容量进行预测;④如何在区域内广义储能可调度容量实时估计的基础上实现对海量个体差异化分布协同控制;⑤如何协同实际物理储能和“虚拟储能”实现EIS多层次多目标优化控制。

3)创新分布式储能商业模式,有效利用大量分布式储能,统一管理碎片化储能资源。云储能通过建立电网级云储能平台提供了一种新的储能商业模式:用户通过从云储能平台购置和出售云电池电量,可优化负荷曲线,降低购电成本,同时提高分布式储能使用设备使用率,盘活分布式储能资源。其技术要点包括:①云储能平台架构完善及相关使能技术,如数据分析、系统优化和双向通信研究;②云储能灵活运行机制和商业模式探讨;③依托于商业模式的系统建模方法和评价指标研究等。

3.4 ICT与能源系统的融合

EIS是典型的多维复杂信息物理系统,其一系列更高层次能源服务的提供离不开ICT与所依附能源系统的深度融合,主要新技术新趋势如下。

1)信息快速准确获取和传输共享技术。有效利用信息并指导系统运行,首先要保证信息获取准确性,这依赖先进传感设备和量测技术,在未来EIS中,应将传感单元与实际物理设备进行集成。在设备获取准确信息后,要能够不失真、快速地传输至控制中心或与其他设备实现共享完成对系统的协调控制,这依赖稳定高效信息传输通道,应加快光纤通信、移动无线通信及卫星通信技术的发展,根据不同场景信息处理要求选用不同技术,实现实时性、稳定性和安全性。

2)探索大数据和云技术在EIS中的应用。EIS是海量数据系统[65],涉及数据类型多样、数量巨大、增长迅速。因此,对EIS数据进行分析,可借助于大数据分析技术[66]。EIS的大数据特性及控制实时性要求有存储量大、分析力强、实时性高的数据分析和计算技术提供支撑,基于云计算的云平台是处理能源大数据的不二选择[67]。文献[68-70]分别探讨了大数据和云计算技术在短期负荷预测、电力负荷特性指标挖掘和高效用电等电力系统领域的应用。此外,文献[71]基于大数据分析和云计算,实现了多时间尺度EV可调度容量预测,为未来EV参与电网互动提供辅助服务奠定了基础。未来应进一步探索大数据和云技术在新能源出力和负荷预测与分析、广义储能 “虚拟”容量估计、为用户提供能源数据服务等方面的具体应用,增强EIS海量信息精确化处理能力,在保障EIS安全运行、EIS系统能量管理、为用户提供多样化优质能源服务、探索新型商业模式等方面发挥更大作用。

3)区块链技术在EIS中的应用探索。区块链去中心化、时序数据、集体维护、可编程及安全可信的特点[72]特别适应EIS发展,有助于促进多形式能源、各参与主体协同,最终促进信息和物理系统的融合和EIS更高层次的价值实现。关于区块链技术在微网[73]和EIS[74]中的应用,已有部分文献探讨,也已有了小规模实践,如美国的LO3 Energy在纽约布鲁克林建立了基于区块链系统的可交互分布式光伏售电平台TransActive Grid,不依赖于电力公司,可直接进行光伏电力交易;德国的RWE公司将区块链作为支付工具应用在EV充电桩的小额支付中。 总体来说区块链本身作为一种新型数据库技术,其在微网和EIS中的应用尚处于初级探索阶段。其本身技术发展水平和与EIS的融合程度是决定其能否在EIS中发挥更大作用的关键,未来应进一步提高区块链计算能力和响应速度,增强区块链应用安全性,提高其处理复杂多元物理信息能力,最终全面探索区块链与EIS结合在能源使用各环节上所能提供的高品质服务和应用领域。

4) 探索信息物理混杂系统融合建模方法,目前对电网信息物理系统的融合建模已有相关报道[75-76],未来要将电网物理信息融合建模方法,如有限状态机、混合逻辑动态模型、集合论方法等经完善后移植到EIS信息物理系统建模当中。此外,由于在能源系统中集成了信息系统,要务必增强EIS信息物理系统的安全性,提高系统对于网络攻击的抵抗能力。

3.5 能源交易模式的创新

EIS发展的一个愿景是在能源共享平台上实现能源灵活交易,3.4节介绍的基于区块链的TransActive Grid系统及transactive energy交易模式值得探索[77]。未来可研究将基于多因子评价方法的合同网竞标机制作为transanctive energy 节点间的交易机制的可行性,在解决多节点之间供求状态平衡的同时保证参与者与系统的整体利益相容。具体包括: ①合同网中transactive incentive signal(TIS)的计算方法。在考虑柔性负荷接入的情况下还须定量衡量改变柔性负荷给用户舒适度下降带来的损失;②节点参与多个合同网模式的可行性研究及在该模式下节点间交易的协调机制;③基于多因子的合同网竞标机制中竞标参数以及权重因子的选择与计算;④transactive energy 对于输配电阻塞管理的影响等。

以上探讨的五方面相关技术,将助力微网向EIS“有机细胞”转变,使其具备结构自相似性和功能自相似性,从而承担起EIS的“有机细胞”角色。具体地,高效接口变换器和统一控制算法及多机并联稳定性分析和改善策略为源、储、荷等单元“即插即用”提供了软硬件支撑,便于微网结构自拓展;具有结构自相似性的各微网可通过SOP,ER,EH等设备互联成“有机细胞群”;ES,ER,EH等设备为微网内多能源消纳、转化、控制和协调提供了硬件基础,而借助于多能源优化配置方法、高精度可再生能源和负荷预测技术、多元复合储能及广义虚拟储能技术、新型ICT,又可实现多源微网的“源—网—储—荷”实时平衡和自主协调,使微网具备功能自相似性,进一步夯实其“有机细胞”作用;此外transcative energy及云储能平台等新型能源(储能)交易模式为EIS在共享平台上实现能源灵活交易提供了可能。总之,这些新技术、新设备和新趋势将助力“开放”“透明”“对等”“灵活”“弹性”“共享”的EIS最终建成。

3.6 EIS经济性分析

经济性是影响未来EIS发展的重要因素之一。在对EIS的经济性评价上,要进一步完善含建设成本、运维成本和能源交易等直接经济指标和环境效益和可靠性指标等间接经济指标的指标体系,建立健全多场景EIS适用的统一经济性评价方法;另外在EIS中,能量和信息可以双向流动,使得能源交易在子微网内、多子微网间、子微网与上层电网间成为可能,且储能系统(含EV)的加入使得EIS运行更灵活,应在创新性能源交易模式和储能商业模式基础上进一步探索兼顾各主体利益的经济性改善策略[78-79]。

4 结语

本文通过对近十年来国内外微网技术发展现状的梳理并与EIS技术内涵的对比分析,预计微网未来将演化为可以复制的EIS的“有机细胞”。在拓展微网向EIS互联、演变过程中,还需要发展新的支撑技术与装备,尤其应重视多能源系统的规划设计、多能变换、多能耦合机理分析、多能能量管理等技术攻关,打破单一能源系统间藩篱,并同时构建与多能EIS系统匹配的商业模式和能源交易平台,真正推动源—网—储—荷协调发展、多能集成互补、能量梯级利用的EIS系统健康和有序发展。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] LASSETER R H, PAIGI P. Microgrid: a conceptual solution[C]// 2004 IEEE 35th Annual Power Electronics Specialists Conference, June 20-25, 2004, Aachen, Germany: 4285-4290.

[2] 王成山,王守相.分布式发电供能系统若干问题研究[J].电力系统自动化,2008,32(20):1-4.

WANG Chengshan, WANG Shouxiang. Study on some key problems related to distributed generation systems[J]. Automation of Electric Power Systems, 2008, 32(20): 1-4.

[3] 许志荣,杨苹,赵卓立,等.中国多微网系统发展分析[J].电力系统自动化,2016,40(17):224-231.DOI:10.7500/AEPS20150627003.

XU Zhirong, YANG Ping, ZHAO Zhuoli, et al. Analysis on the development of multi-microgrid in China[J]. Automation of Electric Power Systems, 2016, 40(17): 224-231. DOI: 10.7500/AEPS20150627003.

[4] 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.

[5] XUE Yusheng. Energy internet or comprehensive energy network?[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(3): 297-301.

[6] 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, 2011, 99(1): 133-148.

[7] YAO Liangzhong, YANG Bo, CUI Hongfen, et al. Challenges and progresses of energy storage technology and its application in power systems[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(4): 519-528.

[8] 中国国家能源局.关于推进“互联网+”智慧能源发展的指导意见[EB/OL].[2016-02-19].http://www.nea.gov.cn/2016-02/29/c_135141026.htm.

[9] Internet of Energy for Electric Mobility. Internet of energy technologies[EB/OL]. [2017-05-10]. http://www.artemis-ioe.eu/ioe_technologies.htm.

[10] European Commission. Future internet public private partnership[EB/OL]. [2016-05-10]. https://ec.europa.eu/digital-single-market/en/future-internet-public-private-partnership.

[11] KWASINSKI A. Towards a “power-net”: impact of smart grids development for ICT networks during critical events[C]// 3rd International Symposium on Applied Sciences in Biomedical and Communication Technologies, November 7-10, 2010, Rome, Italy: 1-8.

[12] KATZ R H, CULLER D E, SANDERS S, et al. An information-centric energy infrastructure: the Berkeley view[J]. Sustainable Computing: Informatics and Systems, 2011, 1(1): 7-22.

[13] ABE R, TAOKA H, MCQUILKIN D. Digital grid: communicative electrical grids of the future[J]. IEEE Trans on Smart Grid, 2011, 2(2): 399-410.

[14] 王成山,李鹏.分布式发电、微网与智能配电网的发展与挑战[J].电力系统自动化,2010,34(2):10-14.

WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems, 2010, 34(2): 10-14.

[15] Navigant Research. Microgrid deployment tracker 2Q17[EB/OL]. [2017-07-15]. https://www.navigantresearch.com/research/microgrid-deployment-tracker-2q17.

[16] 李振杰,袁越.智能微网——未来智能配电网新的组织形式[J].电力系统自动化,2009,33(17):42-48.

LI Zhenjie, YUAN Yue. Smart microgrid: a novel organization form of smart distribution grid in the future[J]. Automation of Electric Power Systems, 2009, 33(17): 42-48.

[17] 沈俭荣,文云峰,郭创新,等.基于产消方式的互联微网协同自治运行策略[J].电力系统自动化,2016,40(9):40-47.DOI:10.7500/AEPS20150419005.

SHEN Jianrong, WEN Yunfeng, GUO Chuangxin, et al. Prosumer-based autonomous-synergetic operation strategy for interconnected microgrids[J]. Automation of Electric Power Systems, 2016, 40(9): 40-47. DOI: 10.7500/AEPS20150419005.

[18] STRBAC G, HATZIARGYRIOU N, LOPES J P, et al. Microgrids: enhancing the resilience of the European megagrid[J]. IEEE Power and Energy Magazine, 2015, 13(3): 35-43.

[19] ABI-SAMRA N, MCCONNACH J, MUKHOPADHYAY S, et al. When the bough breaks: managing extreme weather events affecting electrical power grids[J]. IEEE Power and Energy Magazine, 2014, 12(5): 61-65.

[20] MARNAY C, AKI H, HIROSE K, et al. Japan’s pivot to resilience: how two microgrids fared after the 2011 earthquake[J]. IEEE Power and Energy Magazine, 2015, 13(3): 44-57.

[21] KHODAEI A. Resiliency-oriented microgrid optimal scheduling[J]. IEEE Trans on Smart Grid, 2014, 5(4): 1584-1591.

[22] CHE Liang. DC microgrids: economic operation and enhancement of resilience by hierarchical control[J]. IEEE Trans on Smart Grid, 2014, 5(5): 2517-2526.

[23] GAO Haixiang, CHEN Ying, XU Yin, et al. Resilience-oriented critical load restoration using microgrids in distribution systems[J]. IEEE Trans on Smart Grid, 2016, 7(6): 2837-2848.

[24] CHEN Chen, WANG Jianhui, QIU Feng, et al. Resilient distribution system by microgrids formation after natural disasters[J]. IEEE Trans on Smart Grid, 2016, 7(2): 958-966.

[25] KRISHNAMURTHY V, KWASINSKI A. Effects of power electronics, energy storage, power distribution architecture and lifeline dependencies on microgrids resiliency during extreme events[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2016, 4(4): 1310-1323.

[26] 高海翔,陈颖,黄少伟,等.配电网韧性及其相关研究进展[J].电力系统自动化,2015,39(23):1-8.DOI:10.7500/AEPS20150717002.

GAO Haixiang, CHEN Ying, HUANG Shaowei, et al. Distribution systems resilience: an overview of research progress[J]. Automation of Electric Power Systems, 2015, 39(23):1-8. DOI: 10.7500/AEPS20150717002.

[27] 郭思琪,袁越,张新松,等.多时间尺度协调控制的独立微网能量管理策略[J].电工技术学报,2014,29(2):122-129.

GUO Siqi, YUAN Yue, ZHANG Xinsong, et al. Energy management strategy of isolated microgrid based on multi-time scale coordinated control[J]. Transactions of China Electrotechnical Society, 2014, 29(2): 122-129.

[28] 张忠,王建学,曹晓宇.基于负荷分类调度的孤岛型微网能量管理方法[J].电力系统自动化,2015,39(15):17-23.DOI:10.7500/AEPS20140114001.

ZHANG Zhong, WANG Jianxue, CAO Xiaoyu. An energy management method of island microgrid based on load classification and scheduling[J]. Automation of Electric Power Systems, 2015, 39(15): 17-23. DOI: 10.7500/AEPS20140114001.

[29] 李鹏,徐伟娜,周泽远,等.基于改进万有引力搜索算法的微网优化运行[J].中国电机工程学报,2014,34(19):3073-3079.

LI Peng, XU Weina, ZHOU Zeyuan, et al. Optimal operation of microgrid based on improved gravitational search algorithm[J]. Proceedings of the CSEE, 2014, 34(19): 3073-3079.

[30] 陈洁,杨秀,朱兰,等.微网多目标经济调度优化[J].中国电机工程学报,2013,33(19):57-66.

CHEN Jie, YANG Xiu, ZHU Lan, et al. Microgrid multi-objective economic dispatch optimization[J]. Proceedings of the CSEE, 2013, 33(19): 57-66.

[31] 邢龙,张沛超,方陈,等.基于广义需求侧资源的微网运行优化[J].电力系统自动化,2013,37(12):7-12.

XING Long, ZHANG Peichao, FANG Chen, et al. Optimal operation for microgrid using generalized demand side resources[J]. Automation of Electric Power Systems, 2013, 37(12): 7-12.

[32] 周永智,吴浩,李怡宁,等.基于MCS-PSO算法的邻近海岛多微网动态调度[J].电力系统自动化,2014,38(9):204-210.DOI:10.7500/AEPS20131211005.

ZHOU Yongzhi, WU Hao, LI Yining, et al. Dynamic dispatch of multi-microgrid for neighboring islands based on MCS-PSO algorithm[J]. Automation of Electric Power Systems, 2014, 38(9): 204-210. DOI: 10.7500/AEPS20131211005.

[33] 龚正宇,刘继春,武云霞,等.含风光储的多微网接入配网的联合调度策略[J].可再生能源,2014,32(11):1665-1670.

GONG Zhengyu, LIU Jichun, WU Yunxia, et al. Joint dispatching strategy for connecting multiple micro-grids with WT/PV/ST to distribution network[J]. Renewable Energy Resources, 2014， 32(11): 1665-1670.

[34] 胡晓通,刘天琪,刘舒,等.基于动态奖惩电价的微电网与配网协调优化运行[J].电力自动化设备,2016,36(3):33-40.

HU Xiaotong, LIU Tianqi, LIU Shu, et al. Coordinated optimal operation between microgrid and distribution network based on dynamic award and penalty price[J]. Electric Power Automation Equipment, 2016, 36(3): 33-40.

[35] 江润洲,邱晓燕,李丹,等.含储能系统的多微网智能配电系统经济运行[J].电网技术,2013,37(12):3596-3602.

JIANG Runzhou, QIU Xiaoyan, LI Dan, et al. Economic operation of smart distribution network containing multi microgrids and energy storage system[J]. Power System Technology, 2013, 37(12): 3596-3602.

[36] 艾欣,许佳佳.基于互动调度的微网与配电网协调运行模式研究[J].电力系统保护与控制,2013,41(1):143-149.

AI Xin, XU Jiajia. Study on the microgrid and distribution network cooperation model based on interactive scheduling[J]. Power System Protection and Control, 2013, 41(1): 143-149.

[37] 吕天光,艾芊,孙树敏,等.含多微网的主动配电系统综合优化运行行为分析与建模[J].中国电机工程学报,2016,36(1):122-132.

LÜ Tianguang, AI Qian, SUN Shumin, et al. Behavioural analysis and optimal operation of active distribution system with multi-microgrids[J]. Proceedings of the CSEE, 2016, 36(1): 122-132.

[38] SHEN Jingshuang, JIANG Chuanwen, LI Bosong. Controllable load management approaches in smart grids[J]. Energies, 2015, 8(10): 11187-11202.

[39] NYBORG S, RØPKE I. Heat pumps in Denmark—from ugly duckling to white swan[J]. Energy Research and Social Science, 2015, 9: 166-177.

[40] 张志丹,黄小庆,曹一家,等.电网友好型空调负荷的主动响应策略研究[J].中国电机工程学报,2014,34(25):4207-4218.

ZHANG Zhidan, HUANG Xiaoqing, CAO Yijia, et al. Research on active response policy for grid friendly air conditioning load[J]. Proceedings of the CSEE, 2014, 34(25): 4207-4218.

[41] HATORI M. Peak-shift method for notebook computers—a power management approach for load leveling[C]// International Symposium on Electronics and the Environment, May 10-13, 2004, Scottsdale, AZ, USA: 117-121.

[42] 甘中学,朱晓军,王成,等.泛能网——信息与能量耦合的能源互联网[J].中国工程科学,2015,17(9):98-104.

GAN Zhongxue, ZHU Xiaojun, WANG Cheng, et al. Ubiquitous energy internet—new energy internet coupling with information and energy[J]. Engineering Sciences, 2015, 17(9): 98-104.

[43] FALCONES S, AYYANAR R, MAO X. A DC-DC multiport-converter-based solid-state transformer integrating distributed generation and storage[J]. IEEE Trans on Power Electronics, 2013, 28(5): 2192-2203.

[44] GU Chunyang, ZHENG Zedong, LI Yongdong. Control strategies of a multiport power electronic transformer (PET) for DC distribution applications[C]// 2015 IEEE Electric Ship Technologies Symposium (ESTS), June 21-24, 2015, Alexandria, USA: 135-139.

[45] KADO Y, SHICHIJO D, WADA K, et al. Multiport power router and its impact on future smart grids[J]. Radio Science, 2016, 51(7): 1234-1246.

[46] 盛万兴,刘海涛,曾正,等.一种基于虚拟电机控制的能量路由器[J].中国电机工程学报,2015,35(14):3541-3550.

SHENG Wanxing, LIU Haitao, ZENG Zheng, et al. An energy hub based on virtual-machine control[J]. Proceedings of the CSEE, 2015, 35(14): 3541-3550.

[47] SHOJAEI A, JOS G. A topology for three-stage solid state transformer[C]// 2013 IEEE Power & Energy Society General Meeting, July 21-25, 2013, Vancouver, Canada: 1-5.

[48] MAO Meiqin, JIN Peng, HATZIARGYRIOU N D, et al. Multiagent-based hybrid energy management system for microgrids[J]. IEEE Trans on Sustainable Energy, 2014, 5(3): 938-946.

[49] 茆美琴,张剑,张榴晨,等.基于IEC 61850的微网能量管理系统数据通信模型及其验证[J].电力系统自动化,2016,40(17):210-216.DOI:10.7500/AEPS20151209009.

MAO Meiqin, ZHANG Jian, CHANG Liuchen, et al. IEC 61850-based data communication model for microgrid energy management system and its verification[J]. Automation of Electric Power Systems, 2016, 40(17): 210-216. DOI: 10.7500/AEPS20151209009.

[50] MAO Meiqin, LING Jin, CHANG Liuchen, et al. A novel short-term wind speed prediction based on MFEC[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2016, 4(4): 1206-1216.

[51] XU Yunfei, XIAO Xiangning, SUN Yamin, et al. Voltage sag compensation strategy for unified power quality conditioner with simultaneous reactive power injection[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(1): 113-122.

[52] LI Ruiqi, GENG Hua, YANG Geng. Fault ride-through of renewable energy conversion systems during voltage recovery[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(1): 28-39

[53] 王成山,宋关羽,李鹏,等.基于智能软开关的智能配电网柔性互联技术及展望[J].电力系统自动化,2016,40(22):168-175.DOI:10.7500/AEPS20160620009.

WANG Chengshan, SONG Guanyu, LI Peng, et al. Research and prospect for soft open point based flexible interconnection technology for smart distribution network[J]. Automation of Electric Power Systems, 2016, 40(22): 168-175. DOI: 10.7500/AEPS20160620009.

[54] HUI S Y, LEE C K, WU F F. Electric springs—a new smart grid technology[J]. IEEE Trans on Smart Grid, 2012, 3(3): 1552-1561.

[55] 程明,王青松,张建忠.电力弹簧理论分析与控制器设计[J].中国电机工程学报,2015,35(10):2436-2444.

CHENG Ming, WANG Qingsong, ZHANG Jianzhong. Theoretical analysis and controller design of electric springs[J]. Proceedings of the CSEE, 2015, 35(10): 2436-2444.

[56] YAN Shuo, LUO Xiao, TAN S C, et al. Electric springs for improving transient stability of micro-grids in islanding operations[C]// 2015 IEEE Energy Conversion Congress and Exposition, September 20-24, 2015, Montreal, QC, Canada: 5843-5850.

[57] SONI J, KRISHNANAND K R. Load-side demand management in buildings using controlled electric springs[C]// 40th Annual Conference of the IEEE Industrial Electronics Society, October 29-November 1, 2014, Dallas, USA: 5376-5381.

[58] GEIDL M, KOEPPEL G, FAVRE-PERROD P, et al. Energy hubs for the future[J]. IEEE Power and Energy Magazine, 2007, 5(1): 24-30.

[59] BAHRAMI S, SHEIKHI A. From demand response in smart grid toward integrated demand response in smart energy hub[J]. IEEE Trans on Smart Grid, 2016, 7(2): 650-658.

[60] 葛海麟,陈皓勇,邱明.基于键合图的区域综合能源系统动态仿真研究[J].陕西电力,2017,45(2):37-42.

GE Hailin, CHEN Haoyong, QIU Ming. Dynamic simulation of integrated regional energy system based on bond graph[J]. Shaanxi Electric Power, 2017, 45(2): 37-42.

[61] MENG Jian, MU Yunfei, WU Jianzhong, et al. Dynamic frequency response from electric vehicles in the Great Britain power system[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(2): 203-211.

[62] YANG Chenxing, XU Qingshan, WANG Xufang. Strategy of constructing virtual peaking unit by public buildings’ central air conditioning loads for day-ahead power dispatching[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(2): 187-201.

[63] ZIRAS C, VRETTOS E, YOU Shi. Controllability and stability of primary frequency control from thermostatic loads with delays[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(1): 43-54.

[64] PAULL L, MACKAY D, LI H, et al. A water heater model for increased power system efficiency[C]// 2009 Canadian Conference on Electrical and Computer Engineering, May 3-6, 2009, St. John’s, Canada: 731-734.

[65] 刘世成,张东霞,朱朝阳,等.能源互联网中大数据技术思考[J].电力系统自动化,2016,40(8):14-20.DOI:10.7500/AEPS20151106007.

LIU Shicheng, ZHANG Dongxia, ZHU Chaoyang, et al. A view on big data in Energy Internet[J]. Automation of Electric Power Systems, 2016, 40(8): 14-20. DOI: 10.7500/AEPS20151106007.

[66] 曹军威,袁仲达,明阳阳,等.能源互联网大数据分析技术综述[J].南方电网技术,2015,9(11):1-12.

CAO Junwei, YUAN Zhongda, MING Yangyang, et al. Survey of big data analysis technology for energy internet[J]. Southern Power System Technology, 2015, 9(11): 1-12.

[67] 赵俊华,文福拴,薛禹胜,等.云计算:构建未来电力系统的核心计算平台[J].电力系统自动化,2010,34(15):1-8.

ZHAO Junhua, WEN Fushuan, XUE Yucheng, et al. Cloud computing: implementing an essential computing platform for future power systems[J]. Automation of Electric Power Systems, 2010, 34(15): 1-8.

[68] 牛东晓,谷志红,邢棉,等.基于数据挖掘的SVM短期负荷预测方法研究[J].中国电机工程学报,2006,26(18):6-12.

NIU Dongxiao, GU Zhihong, XING Mian, et al. Study on forecasting approach to short-term load of SVM based on data mining[J]. Proceedings of the CSEE, 2006, 26(18): 6-12.

[69] 马瑞,周谢,彭舟,等.考虑气温因素的负荷特性统计指标关联特征数据挖掘[J].中国电机工程学报,2015,35(1):43-51.

MA Rui, ZHOU Xie, PENG Zhou, et al. Data mining on correlation feature of load characteristics statistical indexes considering temperature[J]. Proceedings of the CSEE, 2015, 35(1): 43-51.

[70] 郭晓利,于阳.基于云计算的家庭智能用电策略[J].电力系统自动化,2015,39(17):114-119.DOI:10.7500/AEPS20150310017.

GUO Xiaoli, YU Yang. A residential smart power utilization strategy based on cloud computing[J]. Automation of Electric Power Systems, 2015, 39(17): 114-119. DOI: 10.7500/AEPS20150310017.

[71] MAO Meiqin, YUE You, CHANG Liuchen. Multi-time scale forecast for schedulable capacity of Electric Vehicle fleets using big data analysis[C]// 2016 IEEE 7th International Symposium on Power Electronics for Distributed Generation Systems, June 27-30, 2016, Vancouver, Canada: 1-7.

[72] 袁勇,王飞跃.区块链技术发展现状与展望[J].自动化学报,2016,42(4):481-494.

YUAN Yong, WANG Feiyue. Blockchain: the state of the art and future trends[J]. Acta Automatica Sinica, 2016, 42(4): 481-494.

[73] KONASHEVYCH O I. Advantages and current issues of blockchain use in microgrids[J]. Electronic Modeling, 2016, 38(2): 93-103.

[74] 张宁,王毅,康重庆,等.能源互联网中的区块链技术: 研究框架与典型应用初探[J].中国电机工程学报,2016,36(15):4011-4022.

ZHANG Ning, WANG Yi, KANG Chongqing, et al. Blockchain technique in the energy internet: preliminary research framework and typical applications[J]. Proceedings of the CSEE, 2016, 36(15): 4011-4022.

[75] 彭思成,刘涤尘,廖清芬,等.分布式新能源接入能源互联网的信息物理广域关联接口[J].中国电机工程学报,2016,36(8):2131-2141.

PENG Sicheng, LIU Dichen, LIAO Qingfen, et al. Wide-area cyber-physical associated interface device for energy internet-connected distributed new energy[J]. Proceedings of the CSEE, 2016, 36(8): 2131-2141.

[76] 马爽,徐震,王利明.基于集合论的电网信息物理系统模型构建方法[J].电力系统自动化,2017,41(6):1-5.DOI:10.7500/AEPS20160804007.

MA Shuang, XU Zhen, WANG Liming, et al. Set theory based modeling method of cyber physical system for power grid[J]. Automation of Electric Power Systems, 2017, 41(6): 1-5. DOI: 10.7500/AEPS20160804007.

[77] RAHIMI F A, IPAKCHI A. Transactive energy techniques: closing the gap between wholesale and retail markets[J]. The Electricity Journal, 2012, 25(8): 29-35.

[78] MAO Meiqin, JIN Peng, CHANG Liuchen, et al. Economic analysis and optimal design on microgrids with SS-PVs for industries[J]. IEEE Trans on Sustainable Energy, 2014, 5(4): 1328-1336.

[79] 茆美琴,孙树娟,苏建徽.包含电动汽车的风/光/储微网经济性分析[J].电力系统自动化,2011,35(14):30-35.

MAO Meiqin, SUN Shujuan, SU Jianhui. Economic analysis of a microgrid with wind/photovoltaic/storage and electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(14): 30-35.

Microgrid—An “Organic Cell” for Future Energy Interconnection System

MAOMeiqin,DINGYong,WANGYangyang,CHANGLiuchen

(Research Center for Photovoltaic System Engineering of Ministry of Education, Hefei University of Technology, Hefei 230009, China)

The state-of-the-art and typical characteristics of the energy interconnection system (EIS) and microgrid are reviewed from the interpenetration and interrelation perspective of the two systems. Six “cell” functions of microgrids to facilitate the future EIS, namely, improving power quality, enhancing reliability and resilience, coordinating energy dispatch among different areas, achieving load active control and bidirectional information flow, and promoting resources utilization efficiency, are further analyzed from the six features of microgrid including deployment localization, source/load diversification, structural diversity, operational flexibility, controllability, and interactivity. In addition, several typical microgrid interconnection types are presented. Finally, key technologies and equipment to promote EIS development in the future are presented and predicted.

This work is supported by National Natural Science Foundation of China (No. 51577047), International Science and Technology Program of Anhui Province (No. 1604b0602015) and Guangdong Innovative Research Team Program (No. 2011N015).

microgrid; energy interconnection system (EIS); power system resilience; energy router; electric vehicle; energy storage technology

2017-04-17;

2017-07-24。

上网日期: 2017-08-22。

国家自然科学基金资助项目(51577047);安徽省对外科技合作项目(1604b0602015);广东省引进创新团队项目(2011N015)。

茆美琴(1961—),女,通信作者,教授,博士生导师,主要研究方向:微网运行控制与能量管理、电动汽车与电网集成。E-mail： mmqmail@163.com

丁 勇(1991—),男,博士研究生,主要研究方向:微网中电力电子变换器控制。E-mail: yong_dsyuct@163.com

王杨洋(1993—),男,博士研究生,主要研究方向:微网能量管理技术。E-mail: wangyywork@126.com

(编辑 孔丽蓓)

( continued on page 45)( continuedfrompage11)