自感知能源互联网研究展望

高仕斌，高凤华，刘一谷，臧天磊，黄 涛，陈 奎

（1.西南交通大学电气工程学院,四川省成都市610031；2.四川大学电气工程学院,四川省成都市610065；3.都灵理工大学能源系,都灵市10129,意大利；4.中国矿业大学电气与动力工程学院,江苏省徐州市221116）

0 引言

随着物联网技术的发展利用以及物理网与物理网［1-3］、信息网与物理网的高度耦合［4-7］,形成精准感知、边缘智能、共建共享、开放合作的智慧物联体系和能源互联网生态圈［8］,实现能源系统的万物互联［9］,构建社会/人、能源、环境、交通和市场信息共享交互以及业务综合一体化的智慧能源服务系统［10］,成为了“数字新基建”的重点任务［11］（其中,社会是人与人之间的关系总和,也包括由人组成的不同机构的总和,本文用“社会/人”指代）。达成上述目标的核心路径是构建具有感知（awareness）能力的能源互联网,即系统能够实时依据内在和外在环境进行自我动态分析和决策,以持续满足系统的运行要求。

在现有能源互联网的感知研究中,从安全运行角度对网络进行（全景）态势感知（situation awareness）已有研究报道［12-15］,其基本思想是以大数据［16］为基础,对系统进行全方位实时动态风险评估,并依据评估的结果进行安全决策,以便增加系统的安全防御能力。然而,态势感知仅聚焦于系统安全检测、响应和预测,有必要进一步拓展感知的应用范围。与此同时,在物联网框架下,大量的移动设备组成了庞大的群智感知网络（crowd-sensing network）［17-18］,使得系统容易获取和分析社会/人的行为信息,进而依据行为信息动态调整系统的运行状态,实现人机的双向交互。因此,为实现安全运行、能源金融、人机交互等的综合一体化全息感知,并在此基础上构建一个具有自配置（selfconfiguration）、自 优 化（self-optimization）、自 治 愈（self-healing）和自保护（self-protection）等自主智能响应功能［19-21］的高度自治系统（autonomic system）,有必要研究能源互联网具有包括态势感知、群智感知在内的更高级别的感知能力——自感知（selfawareness）能力［22-23］。

自感知系统除了具有自治系统的智能响应功能以外,还应满足自预测（self-prediction）、自映射（self-reflection）和自适应（self-adaptation）3个更高级别的自特性能力［24-25］。当具有这3个自特性能力之后,系统能够依据获取的内在和外在环境信息进行记忆、理解和学习,进而建立智能自感知模型,通过推理和决策系统的行为应对当前的运行环境,持续满足系统的运行目标［26］。目前,自感知已在计算系统［27-29］、免疫网络［30］、信息物理系统［31-32］和视觉传感器网络［33］中被研究和探讨,然而,尚欠缺自感知在能源互联网中的研究。为实现数字化、网络化、智能化的智慧能源服务系统,建立自感知能源互联网理论与技术体系十分必要。

本文依据心理学自感知的概念,探讨了自感知能源互联网的基本内涵。在此基础上,分析了构建自感知能源互联网的核心部分——“神经”和“大脑”,即物联网,重点阐述了物联网在构建自感知能源互联网中的重要作用。进一步,以物联网为核心依托,阐述了自感知能源互联网的信息框架和数据模型,初步形成自感知能源互联网的基础架构。在此基础上,阐述了自感知能源互联网的关键问题。最后,从不同角度给出了自感知能源互联网的具体应用方向。

1 自感知的基本概念

自感知的概念来源于心理学和认知科学［34-35］,主要研究人对自身活动和外在环境做出回应和处理当前状态的能力。本章总结了心理学中自感知的基本概念,并将其映射到能源互联网中,探讨自感知能源互联网的基本内涵。

1.1 心理学中感知的4个阶段

从心理学角度来看,依据人对自身活动或外部环境做出回应与应答的能力,感知主要分为4个阶段:无 意 识（unconsciousness）阶 段、有 意 识（consciousness）阶段、自感知阶段和元自感知（meta-self-awareness）阶段［36］。

在无意识阶段,人存在一些心理活动,这些心理活动可能是长期的陈述性知识［37］。但是人不能依据该心理活动处理当前的意识行为,即不能对当前的内部或外界信息做出回应和处理,缺乏有意识的判断和处理能力［36］。

在有意识阶段,人能够感知自己与环境相关的位置和活动,并且能将当前的状态和过去、未来的事件联系起来,能够对知觉、感情、想法和记忆等现象学内容做出有意识的经验性理解［36,38］。

在自感知阶段,如图1所示,人能够同时具有公众自感知（public self-awareness）和私有自感知（private self-awareness）（红色虚线框内是元自感知特有的部分）。公众自感知能够感知物理和社会环境,并获得外在的知觉、经验和信息［36,39-40］。私有自感知能够通过反思自身的内部状态,以便获得有价值的概念性信息［33,36,39-40］。在此基础上,人能够利用公众自感知和私有自感知建立考虑自我状态和外在环境的实时自我心智模型,以此来调整自身的活动行为。此外,在自感知阶段,人也能反思过去以及预测未来（该未来具有可预见性）的活动或后果。

图1 人的自感知模型Fig.1 Self-awareness model of human

元自感知是自感知的最高级形式,具有多维智能感知能力,能够依据多维信息（包括价值、性质、类别）进行智能活动（包括观察、评估、分类）；相比自感知,元自感知除了能够依据外部环境,还能够综合考虑其他人的心智模型构建自身的心智模型［36,41］。

1.2 从无意识到自感知的能源互联网

随着信息技术的不断发展,能源的利用逐渐由传统控制、集中利用向智能控制、分布式利用发展［42-43］,如附录A图A1所示。从物理层面来看,传统的以电能为中心的能源利用方式逐渐转向多能源统一并存的方式,实现各种能源的物理连接和互补协同,使得能源互联网应运而生。从信息层面来看,以传统工业控制系统为基础的控制模式逐渐转向为以互联网为主体的智能控制模式。从用户层面来看,随着分布式能源的兴起,用户作为电能的消费者,逐渐变为产消者,并形成能源系统和用户融为一体的交互模式［44］,系统能够依据人的行为对自身的运行状态、供需关系、市场行为等方面进行感知。从上述3个层面来看,初期电网、智能电网和能源互联网本质上是从无意识到自感知的发展,即从传统电网需要借助于运行人员对系统进行决策和控制,转向为智能电网可以依据自身的状态和外部环境进行部分决策和控制,最终到能源互联网通过与外部环境感知互动以及依据自身的实时状态进行自我决策和控制的发展历程。

在传统电网中,系统内部存在信息孤岛、缺乏信息共享机制,系统的自愈和自恢复能力完全依赖于实体冗余,系统的自诊断能力差,一旦发生故障需要依靠运维人员的知识和经验进行诊断和修复。与此同时,传统电网与用户交互模式为单向流动［44］,系统不能依据用户的需求和行为调整自身的运行状态。另外,电网与环境（在特定情况下,也包括自身内在的运行环境）的交互能力差,电网不能依据当前的环境对自身的运行状态做出评估、决策和调控,而是高度依赖于人工操作。因此,初期电网的感知能力大致属于无意识模型。

随着以传统工业控制系统为主体的通信网络［45］在电网中广泛应用,电网逐步发展成一种有意识系统。通信网络能够实时监测系统的状态,并结合过去的信息进行实时动态分析、诊断和优化,为电网运行和控制提供辅助决策,从而实现系统的部分自主控制［46-47］。在此阶段,虽然电网实现了与用户的双向互动,但仍较少关注用户的体验,因此系统还不能依据用户的行为进行自主协调与分析。

无线传感网络、互联网等信息技术的发展,使得智能电网应运而生。与此同时,多种能源的互补与协同进一步增加,智能电网的外延进一步拓展,形成了能源互联网［48］。而随着物联网的部署和建设,移动计算［49-50］、边缘计算［51-52］、云计算和雾计算［53-54］的广泛应用,能源互联网与外在环境的交互更加频繁［44］,系统感知外部环境的能力进一步增强,此时系统具有多维智能感知能力。在充分考虑外在环境智能自感知模型的基础上,依据大数据［55-56］和人工智能等［57-58］先进技术,自感知能源互联网能够建立多维时空信息的智能自感知模型,以实时动态预测和分析系统的运行状态。因此,能源互联网已具备元自感知的实现条件。正如前文所述,元自感知是自感知的最高级形式,为便于论述,下文将元自感知和自感知统称为自感知。

2 自感知能源互联网的“神经”和“大脑”：物联网

能源互联网是一个多种能源高度耦合的物理系统。除了多能源之间的物理耦合,物理、经济、环境和社会/人之间的交互耦合也是能源互联网的重要特征［44,59］。这些耦合对能源的生产、传输、转换、存储和消费产生直接和间接的影响。因此,实现不同耦合实体（系统、经济、环境和社会/人）之间的信息交互,是构建自感知能源互联网的重要前提。然而,由于经济、环境、交通和社会/人与系统的耦合往往通过某种行为进行间接耦合（间接影响系统）,借助传统技术难以有效地量化这些耦合,一定程度上限制了能源互联网的自感知能力。随着电力物联网的部署和建设,除了能够感知能源系统之外,经济、政策和社会/人的行为也能随时随地被感知,实现了不同实体之间的交互耦合——万物互联。与此同时,通过大数据和人工智能等先进技术对不同实体的行为进行特征提取和分析,实现了系统决策和需求的快速响应。因此,物联网已成为自感知能源互联网的智能调控神经和大脑。与传统的信息网络相比,物联网具有以下特性。

首先,物联网能够感知和分析能源互联网中的社会/人行为,是社会/人之间的交互以及社会/人与系统之间交互的信息桥梁。由于人的行为特性分布广泛,物联网仅需要利用用户现有的感知设备（如平板电脑、智能手机）和网络通信设施对人的行为进行实时感知,不需要专门部署特定的感知设备,极大地降低了成本［18］。

其次,物联网为构建透明系统提供了基础,使得系统的信息透明化,提高了不同系统之间协调优化运行的能力。在物联网中,利用传感器（如社会网络或交通网络中的移动设备、能源网络中的智能传感器等）能有效地实现不同实体系统的部分信息透明（满足信息安全的前提下）,包括运行状态透明、设备状态透明、市场交易透明,形成了“透明能源系统”［60］,极大地提升了不同个体或组织在能源利用各环节的参与度,实现了不同系统之间的深度信息共享和交互,促进了自感知能源互联网的自适应交互。

最后,物联网能够获取大规模和细粒度的数据,提升了多维时空信息融合的能力。在传统的能源网络中,由于细粒度数据分散性强,难以获取和采集,导致细粒度数据的价值被忽略。物联网将极大地促进大规模的细粒度数据获取和连接,赋予自感知能源互联网实时全景感知的能力。

3 电力物联网下自感知能源互联网的信息模型解构

正如第1章所述,物联网能实现社会/人、系统、环境、市场等随时随地的交互融合［44］,并利用先进的信息技术对系统、设备和人员进行控制、协调和决策,以促进能源互联网的数字化、网络化和智能化。为达成上述目标,其核心是依托物联网的信息处理能力,从物理架构角度建立合理的信息交互模型。进而依托交互模型,建立完备的信息处理模型。因此,本章在物联网框架下,构建了自感知能源互联网的信息交互架构模型,并据此设计了自感知能源互联网的信息处理模型。

3.1 自感知能源互联网的信息交互模型

自感知能源互联网需要从系统内部和外部环境获取实时数据,并依据这些数据对自身的运行状态进行分析、建模和决策。为实现上述目标,系统需要合理地进行信息交互,以便提高对内部和外部环境的实时感知能力以及传输和处理数据的速度,从而确保系统能够快速地对当前的环境进行响应,进而动态调整自身的运行状态。在物联网框架下,从智慧能源服务角度来看,能源互联网主要分为感知层、网络层、平台层和应用层［8］。从信息驱动角度,依据信息的处理流程,自感知能源互联网的信息交互模型主要由感应层、交互层和处理层构成（如图2所示）。感应层是实现系统自感知的基本层和核心层,主要包括传感器（sensor）和效应器（effector）［61］。系统主要通过传感器实时获取和搜集系统的内在状态（如系统或设备运行状态、能源传输和消耗）和外部环境信息（如天气、交通、环境）［62］。除了专用传感器（如传统的电流互感器、电压互感器、温度传感器等）之外,其他设备也可以充当传感器,例如:麦克风可以充当噪声传感器、车辆导航仪可以充当交通流量传感器等。与此同时,效应器（或执行器）的作用是执行从交互层传来的指令、任务和决策,以便系统自适应调整运行状态。需要注意的是,在系统中可能没有专门的效应器,若系统以及系统中的设备、个体或组织能依据当前的指令、任务和决策进行自我调节,则可被视为效应器。感应层是自感知能源互联网感应内在状态和外部环境的“眼睛”,通过感应层,自感知系统能够实时洞悉系统的运行状态以及当前的外部环境特点。

图2 自感知能源互联网的信息交互模型Fig.2 Information interaction model of self-aware Energy Internet

交互层主要是连接感应层和处理层的“桥梁”,其重要功能之一是传输海量数据。其中,互联网是数据传输的核心。除了光纤通信网络、宽带通信网络传输之外［63］,移动互联网的广泛应用（如4G、5G和Wi Fi技术）,使用户行为（包括出行行为、消费行为）和城市生态环境（包括噪声污染、碳排放量等）能被随时随地上传至处理层。另外,借助GPS,系统能够精准感知可移动实体的实时位置,从而形成完备的多源时空数据。与此同时,交互层不再是简单地进行数据传输和中转。随着边缘计算的兴起,个体、设备和系统（这里的系统是指大系统中某个局部微型系统）的自身需求迁移至网络边缘［63-64］,即对于局部信息和微粒信息,不需要通过处理层进行间接调控,实现个体、设备和系统的内在状态和外在环境直接在交互层就地分析和智能化处理（主要是面向小样本数据的智能信息处理）,不仅有利于个体、设备和系统之间的直接交互和信息共享,也有利于对敏感数据的保护与隔离,提高了个体、设备和系统的运行安全。交互层是自感知能源互联网的“神经元”,实现系统内部之间互联互通,并且具有局部自我决策特点,实现系统的协调运行、精细分工和统一规划。

处理层是数据存储、分析和决策的核心场所。由于能源互联网是一个高度复杂的系统,且系统与外在环境高度交互融合,因此,系统将从内外环境中获得规模庞大的数据,这些数据不仅结构复杂多变,而且质量参差不齐。因此,亟须快速、实时、高效地存储、分析和处理数据,整合各种计算资源（如云计算和大数据）,配合人工智能和认知计算,以提供智能化、高效化的决策服务。处理层是确保系统依据内外部环境做出实时反馈和自适应调整的重要保证。

物联网的感应层、交互层和处理层是实现能源互联网自感知的信息基础架构。其中,在物联网中,边缘计算和云计算的协同化［65-66］、传感器的泛在化和数据处理的智能化是自感知信息交互模型的重要部分。

1）边缘计算和云计算的协同化

在当前能源互联网的建设框架中,主要依据云计算对数据进行处理,虽然控制中心的统一调控有利于系统内部的统一调度和协调运行,如电-热（冷）-气的统一优化运行,但是却降低了数据处理的实时性,增加了数据传输能耗,限制了系统实时动态自适应的能力。为此,有必要配合边缘计算,建立具有存储、计算、应用等功能为一体的分布式边缘响应平台［67］,提高数据的实时处理能力,对个体、设备和系统自身状态进行就地实时自适应调节,以提高与环境的快速交互和自身动态响应的能力。因此,在计算架构中,需要实现云计算和边缘计算的协同配合。一方面,在靠近数据终端一层,通过增加边缘计算服务器,实现就地计算,可实时高效就地对当前个体、设备和系统的数据进行处理分析,提高个体、设备和子系统的快速自适应能力；另一方面,为实现系统的全局优化,边缘计算将处理后的信息上传至中心服务器,通过云计算从全系统角度实现系统之间以及环境和系统之间的协调优化,从而提高全系统的运行质量。因此,云边协同计算不仅有利于个体、设备和子系统的协同自治,也有利于全系统的集中控制和管理,是实现分布-集中控制策略的有效途径。另外,云计算与边缘计算具有双向流动机制,边缘计算可以从云计算中心请求相关内容和服务,从而实时响应用户的就地需求,提高数据的处理能力。

2）传感器的泛在化

如前所述,在物联网中,除了系统自身的专业传感器之外,其他设备在实现自身基本功能的同时,也可以充当传感器,如手机、GPS导航仪。这些设备组成了庞大的信息网络,实现了社会系统和能源系统的交互融合,可获得能够反映行为、交通和能源等特征的多维时空关联数据。一方面,传感器的泛在化,使得数据具有分散化特点,单个数据能够反映个体或设备的自身特点,可为精准分析个体行为和设备运行特点提供有力的保证；另一方面,这些数据的融合能够揭示系统运行的整体性特点。因此,传感器的泛在化使系统能够实时获取更加丰富和完备的数据,为系统精准分析和决策提供重要保障,是实现自感知能源互联网的重要前提。

3）数据处理的智能化

一方面,虽然丰富的实时数据为系统的自我决策提供了更全面的认知,但同时也增加了数据的不精确性和不一致性。因此,需要借助于人工智能技术,实时分析数据特性,从而提高系统的自决策和自适应的精度,避免不良数据带来的影响。另一方面,为提高系统的自学习和自认知能力,认知计算将是实现自感知能力的关键技术。依据认知计算,系统不仅能够处理系统中的不精确、不确定以及部分真实的数据,而且能够依据系统内部和系统与环境之间的关联数据,进行感知、记忆、学习、分析和推理,不需要人工干预或辅助,实现智能化自主运行。

3.2 自感知能源互联网的信息自表达处理模型

正如引言所述,一个系统具有自感知需要满足3个特性:自预测、自映射和自适应。这3个自特性能力,可表述为:①自预测,系统不依赖当前的运行信息,仅依据历史信息便能达成下一个状态的运行目标；②自映射,系统能够依据其他系统（或外在环境）的经验和指导达成自身的运行目标；③自适应,系统能够依据当前特定的运行要求调整和决策,以达成最优的运行目标。这3个特征表明了系统在信息处理过程中可依据历史（实时）信息以及其他系统的共享信息对自身进行调整和决策,实现系统自身的最优运行。这3个特征本质上可视为心理学中的自表达（self-expression）过程。这3个特性要求系统需要具备认知外部环境和内在状态的能力,在此基础上,能够对数据进行处理分析,从而对系统进行综合决策评估,实现最优运行目标。因此,为了刻画信息处理模型的自表达特性,可将上述3个特性细化为自认知、自分析、自决策和自适应4个阶段,这4个阶段构成了反馈回路（feedback loop）,如图3所示。

在自认知（self-cognition）阶段,系统能够实时全面感知和理解当前的外在环境（如个人/社会行为、交通流量、天气状况、污染指数）和内在状态（如电力系统中的电压、电流等电气量）,以从不同实体中搜集多维时空数据。需要注意的是,对于个体、设备和子系统本身,搜集的外在环境数据也包括其他个体、设备和子系统的运行数据,即除系统之外的所有运行数据。另外,除了上述数据之外,来源于能源市场的交易信息、行政机构的政策信息等也是系统需要获取的信息。在此基础上,系统利用搜集的所有数据建立全息自感知数据库,为下一阶段的自分析提供丰富的数据支撑。

图3 自感知能源互联网的信息处理模型Fig.3 Information processing model of self-aware Energy Internet

在自分析阶段,自感知系统依据当前搜集的数据（包括其他个体、设备或子系统共享的非私有数据和模型）,并结合过去的历史信息,对数据进行智能清洗和补缺校正［68-69］,提取相关数据特征,建立群智能自感知模型（多感官信息处理模型）,如:建立多能流之间的能源转化和协调智能自感知模型,以便个体、设备和子系统之间能够协同优化运行,从而使全系统中的不同个体、设备和子系统的运行、管理、交易和行为都服从全局目标。在服从全局目标下,个体、设备和子系统依据获得的外在环境和内在状态的数据,建立满足内在需求的智能自感知模型,如监测健康状况的智能自感知故障诊断模型、产消者［44］的智能自感知经济交易行为模型等。需要注意的是,由于个体、设备和子系统之间存在交互影响,对于任意个体、设备和子系统而言,构建的智能自感知模型需要充分考虑其他实体的智能自感知模型,以确保自身在整个系统的运行、交易或管理等方面处于最优状态,满足自身的运行需求。

在自决策阶段,利用建立的智能自感知模型,对当前的个体、设备和系统进行综合在线态势评估和预测,如:为最大程度降低不确定的极端环境（包括极端灾害［70-71］、信息攻击［72-73］、恐怖袭击［74-75］等）对系统的潜在威胁,利用智能自感知灾变预警模型在线制定紧急预防方案；为规范产消者能源交易的经济行为,利用智能自感知经济交易行为模型制定市场交易政策,提高能源交易市场的公平性和透明性；为避免设备突发故障对系统产生影响,利用智能自感知故障诊断模型分析设备的剩余使用寿命,制定相应的设备检修运维与系统故障运行方案,提高系统的安全运行水平。

在自适应阶段,当面对不确定性威胁或事件时,个体、设备和系统能够依据当前制定的方案实时动态调整自身的运行目标,因此该阶段是系统自表达过程的最终体现。其中,针对紧急状况,系统需要依据决策方案进行快速调整,例如,当设备发生故障时,系统依据故障运行方案对系统的运行状态进行快速调整（如动态调整系统的拓扑结构）,实现系统自愈和重构,避免能源供应中断；针对长期运行,系统需要综合考虑当前的内在状态、外在环境（如考虑用户的接受程度）,例如,对个体、设备和系统进行实时分阶段调整；随着用户用能习惯的逐步改变,系统需要长期缓慢地调整多能源之间的转化和输出比,以实现节能增效,满足用户的用能习惯和需求。

上述4个阶段共同构成了自感知能源互联网的自表达过程。需要注意的是,这4个阶段是一个激励和反馈的过程。例如,当个体、设备和系统自适应调整自身的运行目标时,如果当前的运行目标未能符合预期目标,则个体、设备和系统依据当前的运行信息（自认知阶段感知的信息）重新调整或修正自感知模型,进而制定新的决策方案,优化调控当前的运行状态。

4 自感知能源互联网的关键问题

4.1 自感知能源互联网的协同优化运行

在自感知能源互联网中,所有个体、设备和组织都可以是自感知实体。对于任意一个自感知实体,通过对外在环境（包括其他实体）和内在运行状态的感知,实时调整自身的运行状态,以确保自身处于最优运行方式。当全系统资源有限或外在环境恶劣时,各实体为保证自身的最优状态,将可能引发各实体争抢有限资源或牺牲其他实体的利益,导致实体之间的运行冲突。因此,如何保证个体、设备和组织的协同优化运行将是自感知能源互联网的关键问题之一。

针对上述问题,如图4所示,首先建立主从协同的梯度控制机制。由于任何一个子系统都拥有自己的公众自感知和私有自感知,这些子系统能够单独形成自感知子系统,因此这些自感知子系统需要优先考虑系统的最优运行方式。在此前提下,自感知子系统实时自适应调整自身的最优运行状态。一旦与系统的运行目标冲突,自感知实体必须优先满足系统的运行目标。其次,建立同级别合作互补的控制机制。同级别的自感知子系统可通过合作博弈的方式,使系统中的各实体同时达到利益最大化。最后,建立智能冲突处理机构,一旦同级别的实体发生运行冲突,则交由智能冲突处理机构裁决,从而协调不同实体的运行。

图4 协同优化运行机制Fig.4 Collaborative optimization and operation mechanism

4.2 自感知能源互联网的信息透明与安全

在自感知能源互联网中,虽然信息透明有助于系统内部以及系统与外部环境信息交互和共享,以便系统能够实时依据当前的内部状态和外部环境自适应调节自身的运行方式。然而,信息透明也将带来不可忽视的信息安全问题。一方面,物联网将环境、社会、系统和市场通过信息技术有机的高度融合,使系统与环境、社会以及市场之间的交互处于信息透明模式,导致系统遭受的威胁日益增多,并且难以预防；一旦受到攻击,容易发生不同实体之间的交互级联故障。例如,社会网络的谣言传播［76］导致用户的用电行为发生改变,进而可能引起供需不平衡,导致电网的连锁故障。另一方面,系统依据内部和外部的信息自适应调节运行状态,由于这些内部和外部信息透明,袭击者往往能够利用这些信息对系统当前的运行状态进行推理分析,从而导致系统的运行完全暴露,增大了系统遭受不可逆威胁或袭击的风险。

因此,在构建透明自感知能源互联网的同时,必须提高系统的信息安全等级。可借鉴薛禹胜院士提出的方案,设置缓冲网［77］,如图5所示,避免易受攻击的公用网络与系统的内网直接连接。在缓冲网中,一方面,可利用区块链技术实时通过对公用网上传的数据进行信息安检,一旦发现不良数据,立即屏蔽和清除,从而保证数据的安全性；另一方面,通过在缓冲网中集成边缘计算,对公用网的数据进行自适应校正和补缺,从而保证数据的准确性和完备性。

图5 基于缓冲网的信息安全机制Fig.5 Information security mechanism based on buffer network

4.3 自感知能源互联网的自适应优先级

当系统面临多个决策或多个任务时,如何自适应调整系统的当前运行状态,以满足不同决策或任务的需求,即如何确定不同决策或任务的优先级,是另一个关键问题。如果不考虑不同任务之间的优先级,一方面,可能造成系统资源浪费；另一方面,对于需要紧急响应的决策或任务,可能延迟处理,导致系统自适应和自调整的能力下降,增加系统的运行风险。

针对上述问题,如附录A图A2所示,首先设置专网优先通道,对于级别较高的决策或任务,例如紧急电力需求响应、灾变（极端天气等）紧急预警控制,可通过专网专送,使系统能够优先执行紧急决策或任务,避免系统因响应过慢造成不必要的损失。对于需要长时间自适应的决策或任务（该任务级别不高时）,如社会用能行为分析,系统在依据该决策或任务调整当前的运行状态时,可同时处理其他快速响应的任务（如交通流量调控）,从而避免多个任务的长时间等待,提高任务处理的效率。另外,配合边缘计算、分布式并行计算［78］将有助于提高多个决策或任务的处理效率。

4.4 自感知能源互联网的多源信息处理

由于物联网获取的数据来源多样化,除了传统的信号数据之外,还包括文档、图片和视频数据,导致数据的类型和格式各不相同,有必要规范不同类型的数据格式,以提高系统对数据的认识和理解能力。

对不同类型的数据进行智能预处理,如附录A图A3所示,提高感知的数据质量,包括:准确性、一致性和完整性。在预处理中,利用数据清洗技术,对异常数据进行自适应校正和补缺,并通过冗余处理技术删除重复信息,采用标准化后的数据建立多源数据仓库［79］,提高数据的可利用性和可理解性,从而为自感知能源互联网提高精准的多源数据格式。

另外,在传输多源数据时,可以利用压缩技术［80］对数据进行压缩处理,以减少数据的传输时间和占用更少的存储空间。

4.5 自感知能源互联网的Model-free实时方法应用

物联网的部署与应用,能够实时获取用户特性和交通流量等社会行为,为能源互联网的精准规划、运行和控制提供保障。然而,由于多能流的不确定性和社会行为的复杂性,难以采用建模的方式精确刻画整个系统。随着大数据和人工智能技术的快速发展,免模型（Model-free）方法将为复杂能源系统分析带来机制突破与革新,如多源量测数据下的多场景适配的多能流在线状态估计［81］、实时量测数据下的在线强化学习的负荷频率控制［82］、大数据驱动下的灾变演化分析［83］等。Model-free实时方法能够依据历史经验数据对系统进行应答和响应,是构建自感知智能模型的重要手段之一。

然而,需要注意的是,Model-free实时方法高度依赖于数据样本,若样本数据过大,虽然能够有效地精准覆盖系统的特征,但是增加了实时应用的难度；若样本数据过小,虽然可以减少时间复杂性但是牺牲了部分数据特性。因此,可充分利用“云边协同”的优势,首先通过边缘计算对大量的微粒度数据进行特征提取,然后将提取后的数据特性通过云服务中心进行综合计算,以便在不损失数据特性的基础上兼顾应用的实时性。

能源互联网中不同能源子系统的“数据壁垒”是Model-free实时方法应用的突出难题。真正打破行业壁垒,为能源互联网中多管理主体带来数据融通价值,帮助多管理主体解决问题、降本提质增效,形成数据共享激励,是实现能源互联网全系统自感知的必由之路。在数据高效、可靠和实时共享的基础上,利用自感知大数据实现Model-free实时方法的应用,能改善和重塑能源管控流程,减少管理层级、提升管控效率、改进决策机制,提升能源互联网优化与调控能力。

基于数据的因果推理是Model-free实时方法的另一重要应用,涉及因果图建模、因果效应计算、事实反演计算、中介效应分析、泛化和数据融合、缺失数据恢复与因果发现等［84］。因果推理在自感知能源互联网中的应用将会实现3个因果层级:关联（能源自感知数据的统计相关性）、干预（能量调控策略及结果的自预测与自适应）和反演（社会行为或系统故障等事件的自映射）,将从数据科学角度引发能源互联网领域的一场“因果革命”。

5 自感知能源互联网的主要研究方向

能源互联网是由多类能源子系统组成的复杂系统,并且任意一个子系统又由若干个微系统组成。因此,依据需求和功能,能源互联网中任何个体、设备和组织都可以视为一个自感知系统。进一步,这些个体、设备和组织组合形成了更大的自感知系统,以此类推,最终构成了自感知能源互联网。本章从宏观（多能源网络耦合）到微观（局部配用电网络）视角,对研究对象逐步细化,如附录A图A4所示,探讨了自感知能源互联网的几个主要研究方向。从多能流耦合角度构建了多能流自感知耦合实时优化模型；从交通网和电网耦合角度构建了电力交通自感知实时协调模型；从输配电网一体化角度构建了电网自感知弹复性评估模型；从配用电网络终端角度构建了智能家庭自感知能源管理模型。

5.1 多能流自感知耦合实时优化模型

瑞士苏黎世联邦理工学院学者于2007年提出了能量枢纽的概念［85］,描述多能流系统中不同能源之间的转化、存储和传输等各种耦合关系［86］。在自感知能源互联网的能量枢纽建模中,可利用私有自感知从多能耦合系统中获取多能耦合状态,包括当前设备的运行状况（由设备的私有自感知获得）、能量传输、存储和转换状况,公众自感知从外部环境中获取用户的用能行为和实时天气状况等,如图6所示。由于多能耦合系统中,社会/人的各种行为（包括人与人之间的交互行为）直接或间接影响能源的生产或消耗,因此多能流之间的耦合不仅包括技术耦合,也包括行为耦合［44］,可利用公众自感知获得数据,然后通过缓存网将数据传输至内网,建立行为模型。

图6 多能流自感知耦合实时优化模型Fig.6 Self-awareness coupling real-time optimization model for multi-energy flow

另外,对于不受天气影响的能源产出,由私有自感知直接获得产出信息,而太阳能、风能等可再生能源受天气影响较大［87］,因此利用公众自感知实时监测和搜集天气状况,并结合历史气象数据分析和预测未来的天气状况,以预测和规划能源的产出。

在多能流自感知模型中,多能系统对能源输出是一个自表达过程。首先,通过对公众自感知和私有自感知获得的数据进行自感知能源枢纽建模,并依据当前和历史的用户能源消耗行为,利用大数据和人工智能技术对未来的能源产出进行合理的实时动态规划,以提高能源的利用率。与此同时,系统能够对当前和历史数据进行自认知,并通过对信息数据进行自分析,自决策出最合理的能源优化方案,系统依据该方案进行自适应调整。

由于多能流是由多种不同介质的能流构成［88］,对于各类异质能流需要分别构建子系统自感知模型。一方面,子系统需要依据自身条件优化能源配置与感知配置；另一方面,不同子系统间需要协同优化,以达到多能源系统全局最优。因此,多能流自感知模型是一个主从优化并行模型。在下层模型（从优化）中,多个子系统局部并行最优,在上层模型（主优化）中,实现全局最优。当局部最优和全局最优发生冲突时,按照优先级进行冲突调节［89］,实现全局最优。

5.2 电力交通自感知实时协调模型

电力交通协调模型是一个综合考虑天气、交通流量、社会/人行为、分布式能源和储能等方面的智能自感知模型,如图7所示。

图7 电力交通自感知协调模型Fig.7 Self-awareness coordinative model for electricity and transportation

在智能自感知协调模型中,通过交通流-电价自调节机制,实时自调节发电-交通负荷供需平衡和城市的交通流量,为城市提供最优质的实时交通负荷用电方案和畅通无阻的交通出行策略［90］。在该自调节机制中,主要考虑以下两个方面的问题。

1）充分利用可再生能源为城市电动交通工具提供电源［91］。利用公众自感知实时监测天气状况,以便实时追踪分布式可再生能源的发电出力。与此同时,由于移动设备（如智能手机）的广泛使用,通过移动互联网（可配合边缘计算技术）实时预测城市居民的出行状况,进而利用大数据和人工智能技术实时追踪和预测电动交通工具的交通负荷［92］。通过比较可再生能源的发电出力和交通负荷的供需关系实时制定电价方案。在某一时段内,当可再生能源的发电出力较多时,调低市场电价,鼓励更多用户在该时段内进行充电,与此同时,利用自动发电控制系统调低传统机组的发电出力；当可再生能源的发电出力过低时,调高市场电价,以减少在该时段对电动交通工具进行充电的用户数量,并且增加传统机组的发电出力。另外,也利用储能协调发电出力和交通负荷之间的供需差异,以确保供需关系的实时动态平衡。

2）保证城市交通的畅通,避免交通堵塞。对分布于城市各个路段的充电桩,依据当前的交通流量进行差异定价,以辅助调控各个路段的交通流量。例如,当某路段的交通流量过高时,适当提高该路段充电桩的充电电价,以引导电动交通工具选择其他路段行驶,从而达到调整交通流量的目的。

在智能自感知实时协调模型中,对天气、人的出行行为和交通流量信息进行精准搜集是其中一个重要环节。随着物联网的部署和建设,通过随时随地精准搜集、分析和预测当前和未来的天气、人的出行以及城市交通分布状况,可以确保电价实时动态自学习调整。市场电价和交通流量之间是一个动态反馈循环机制,因此协调优化模型的自感知特性为精准自适应当前的外部环境提供了保障。由于电力交通自感知模型高度依赖于交通、人和天气等微粒数据,数据具有分散性、不一致性和粗糙性,需要对其数据进行标准化处理和清洗,提高数据的精度。

综上所述,在构建的自感知实时协调模型中,目标函数为考虑能源需求、能源价格相关的社会和经济效益；在优化约束中,除了考虑传统的能源价格与能源需求之间的相互关系,还需要考虑天气条件、社会/人行为和交通流量三者的相互关系、交通流量与能源价格以及交通流量与能源需求之间的关系。

5.3 电网自感知弹复性评估模型

基于自感知的电网弹复性评估［89］模型是一个考虑地理信息、气象灾害和社会/人行为的综合智能评估模型,如图8所示。一方面,自感知电力系统能够依据公众自感知（包括天气预报系统［93］、舆情监控系统［94］、地理信息系统［95］等）获得地理信息、气象信息和社会行为信息,建立灾变预警系统［95］,通过自感知电网弹复性评估模型实时分析和预测电力系统潜在的威胁,从而提出预防灾变的紧急措施,有效降低系统级联停电的风险。另一方面,私有自感知能够获取系统运行的实时信息,包括电气量（如电压、电流等）、状态量（如智能开关的开闭状态等）和机械量（如设备中介质的压力、温度等）,通过对这些检测量进行实时分析,及时调整系统的运行状态,最大限度提高电力系统的安全运行水平。

图8 电网自感知弹复性评估模型Fig.8 Self-aware resilience evaluation model for power grid

在自感知电网弹复性评估模型中,依据弹复性的系统响应曲线［96-97］,将系统的安全评估划分为正常、预警、紧急和恢复4个阶段。在正常阶段,系统依据外部环境和当前的系统内在运行信息进行实时动态监测,并利用多种评估手段（如可靠性评估［98-99］、脆弱性评估［100-101］）,对当前的运行状态进行全方位、多角度综合态势自预测,通过数据挖掘技术［102-103］挖掘系统中隐蔽的威胁点,对这些威胁点进行重点监测和保护,以及时消除或降低潜在的威胁点对系统的影响。在预警阶段,当系统出现电压越界、过负荷、单相接地故障非正常运行状态［104］时,此时系统通过自调控手段（如智能检修、功率调整、线路运行方式切换）,将系统快速从非正常运行状态调整至正常运行状态。在紧急阶段（如极端天气、地质灾害和恐怖袭击）,利用大数据和人工智能技术,分析系统在极端情况下的系统多维时空的自主临界和系统稳定边界特性,实时快速预测级联停电的传播特性,利用虚拟电厂［105-106］、微网［107-108］对重要负荷进行故障隔离,以及时有效避免故障的蔓延传播,保障重要负荷的安全可靠供电。与此同时,也可通过虚拟电厂和微网的智能协调优化以及保护装置和智能开关的拓扑结构动态调整等自重构手段,制定重构和黑启动方案。在恢复阶段,依据重构和黑启动方案,对系统执行快速自响应机制,以快速恢复供电,实现系统自治愈。另外,对当前发生的级联事故进行特征挖掘和分析,并配合灾变预警方案对系统制定应急预案,避免二次级联事故的发生。

随着物联网的广泛应用,系统弹复性评估具有以下两个特点。

1）虚拟电厂和微网广泛应用,提高了系统的协同优化能力。通过对分布式能源和用电设备的调控,可以有效实时调节系统的供需平衡,避免系统运行资源紧张,降低系统的过负荷风险。与此同时,当系统频率波动、功角不稳定时,可借助系统虚拟电厂和微网对系统的频率和功角进行动态调节,从而有效提高系统的安全运行水平。需要注意的是,由于虚拟电厂和微网具有分布式特性,往往属于单一个体（如智能楼宇的虚拟电厂、智能小区的微网）,因此,在保证系统安全性的前提下,需要充分考虑单一个体的经济性,实现全系统的最大化经济运行。

2）弹复性评估采用分布式与集中式评估相协调的方式实施。将各个相互独立的微网和虚拟电厂分别看成是自感知系统,建立自感知微部弹复性评估模型,以提高各分布式微网和虚拟电厂的安全运行等级。在此基础上,通过对虚拟电厂和微网进行统一调控和协调优化,有利于提高配电网的弹复性,减少子系统的运行冲突,实现输配电网的坚强运行。进一步,对全网进行统一协调运行,提高全系统的弹复性。综上所述,未来物联网的部署,可通过提升虚拟电厂和微网的微部弹复性,来提升输配电网的局部弹复性以及整个系统的全局弹复性。至此,“微部-局部-全局”自感知弹复性评估,结合相互协调的分布式和集中式控制,将极大地保障“源-网-荷-储”各环节的安全运行。

5.4 智能家庭自感知能源管理模型

随着分布式能源（太阳能、风能等）的大力推广,未来用户逐渐从能源消费者转向为产消一体者［109-110］。此时,智能家庭能源优化模型不再仅仅依据电价对用电设备进行优化管理［111-112］,而是演变成一个综合考虑用户行为、外在环境（包括天气、温度和湿度等）、经济交易等因素的自感知能源管理优化模型,如图9所示。从能源价格角度来看,自感知能源管理优化模型依据当前的实时能源价格调整家庭的用电设备及其经济行为,主要考虑以下两个因素。一方面,当前市场交易电价高于用户可再生能源的发电成本时,用户将多余的电量卖出,以获得利润；当前市场交易电价低于可再生能源的发电成本时,用户可从市场中买入电量,以降低能源使用成本。另一方面,可根据各种能源的实时价格,使用不同的能源,例如,当燃气价格低于电价时,对于电-燃气一体化设备（如:电-燃气一体灶,电-燃气一体热水器）可自动切换至燃气一侧,减少用户的能源开支。

图9 智能家庭自感知能源管理模型Fig.9 Self-aware energy management model for smart home

在用户行为和舒适程度方面,通过移动互联网对用户的行为进行实时感知,如:用户的烹饪时间、用户娱乐时间等,自感知能源管理优化模型在考虑经济因素的基础上,依据用户的行为合理规划和自适应调整当前的用电模式,提高用户的舒适程度［113］。

综合考虑用户的用能习惯（能源消费水平）和舒适程度,建立Model-free的自学习和自适应的自感知能源管理动态优化模型。需要注意的是,在电力物联网环境下,移动边缘技术将是智能家庭能源管理优化的核心技术,此时数据不需要经过云端进行分析和处理,直接利用本地设备进行快速分析和特征提取,为用户提供更快的实时响应［114］。在一定程度上,也有助于保护用户的信息安全和隐私。

6 结语

物联网技术在能源互联网的广泛应用,将加快能源利用智能化、绿色化和服务化转型,切实推进信息化与工业化深度融合,从而实现能源系统各环节万物互联、人机交互。在此背景下,构建实时感知、动态控制和互动共享的能源互联网具有紧迫性和必要性。本文受心理学中的自感知行为启发,提出了自感知能源互联网的研究架构,分析了物联网在自感知能源互联网中的重要作用,解析了自感知能源互联网的信息模型特点,详述了关键问题和主要研究方向。

自感知能源互联网不仅能促进多能流管理主体的合作共赢,也可以实现灵活的需求侧响应。自感知数据从信息采集传输到统一融合,再到价值挖掘和应用,最终辅助管理调控决策,真正做到能量流的高效调控、信息流的全局统领、价值流的优化管理,实现能量流、信息流和价值流的统一协同。未来,可从本文给出的研究方向入手,进一步深入研究自感知能源互联网的基本理论和方法,促进能源互联网与电力物联网的实用化。