Page 67 - 能源互联网背景下电力技术分析

第一章 能源互联网发展概述

向构建模型，从而提高对不可观环节的特性认知。
（3）机理 - 数据驱动的混合模型构建
当实际能源互联网系统非线性程度较大时，仅采用机理建模方法存在模型求

解复杂的问题，仅采用数据驱动建模的方法存在可解释性较弱的问题。因此将机
理建模方法与数据驱动建模方法相融合，在增大模型准确率的同时提高计算精度。
其建模思路在于首先建立机理模型，从而为数据驱动模型提供先验知识，再基于
数据驱动建模方法对机理模型进行降阶化简，两者互为补充，形成机理 数据混合

驱动的模型。
3. 平台支撑层
平台支撑层是构建数字孪生模型的保障，是镜像映射物理实体的前提。平台

支撑层需要具备多种技术以反映能源互联网多能源耦合关系，实现多源数据的特
征提取与融合、故障检测、状态评价和分析决策功能。
（1）多源数据管理技术
平台支撑层需要对多源数据融合计算并基于人工智能、机器学习等算法深度
挖掘数据特征及特征提取，实现不同层次数据的汇聚和分析。文献 [34] 设计开

发了一种针对多能源系统分析的数字孪生仿真平台 Cloud IEPS。主要基于大数据
分析实现对数据的智能化管理，能够自主灵活地实现不同层次数据的融合计算，
促进了以数字孪生为核心的能源互联网落地应用。

（2）模块集成编辑技术
平台支撑层需要构建灵活多变的模块化结构，用户可随时更改虚拟模型的设
备种类、设备间耦合关系以及设备的运行参数等，以实现快速、高效、便捷的模
型构建。其中，TRNSYS 平台是具有模块化组合功能的典型代表。
（3）系统优化分析技术

平台支撑层需要在满足约束条件的情况下，根据目标函数选取最佳运行策略，
并分析设备参数值发生变动时对仿真结果产生的影响。
（4）人工智能决策技术

平台支撑层利用深度学习、边缘智能等新型人工智能算法作为运行优化决策
引擎，实现系统行为模拟、自适应控制、生产过程最优决策功能。Cloud IEPS、
TRNSYS、HOMER 等仿真平台在制定能源系统规划、运行方案时均利用人工智
能决策技术辅助决策，使得实际能源系统的决策方案更加高效、智能和便捷。

59