Page 47 - 中国仿真学会通讯

储能设备、 短距离供能网络的合理规划， 发挥多能流的互联互济效应， 在保证用户多样化用能
可靠性的前提下， 减小系统投资和运行费用， 提升能源的利用效率。

２ 能源互联网规划建模的基础

能源互联网的规划是已知规划对象的物理特性和相应的约束条件， 选定合适的数学模型描

述规划对象的物理特性， 求解满足各项指标要求的合适的规划方案。 因而明确基础约束条件和

建立描述设备运行特性、 耦合能量流的数学模型是能源互联网规划建模的基础。 规划模型的基

础约束条件是用户的电、 气、 热多种能源的负荷需求。 能源互联网的规划所涉及的数学模型主

要是多能流的耦合、 转化模型和多能流系统的潮流模型。 多能流的耦合、 转化模型通常采用瑞

士苏黎世联邦理工学院提出的能量枢纽模型； 适应于规划的多能流潮流模型通常采用稳态潮流

模型， 即满足基尔霍夫定律（ ＫＣＬ、 ＫＶＬ） 并遵循相应物理特性的代数方程。

２ １ 多种能源的负荷预测

多种能源的负荷预测是建立规划模型的基础条件之一， 规划的主要目标之一即是通过增加

发电机、 气井、 ＣＨＰ 等装置或者新建线路、 管道以满足用户的多样化用能需求， 因而首先需要

对规划区域内用户的多种能源的负荷进行预测， 从而在规划模型中建立多种能量供应平衡约束。

对于能源生产环节， 规划区域内的各种能源资源的分布情况和用户的电、 气负荷预测值是

能源生产设备的选址、 定容的重要依据， 发电厂、 气井需要根据用户的用能需求增长而合理的

规划， 从而避免容量浪费， 提升系统的经济性； 对于能源传输环节， 能源需求的预测值决定了

是否需要在已有能源传输网络的基础上， 进行规划扩展， 保证能源的传输， 避免阻塞导致的供

能不足； 对于能源消费环节， 用户的电、 气、 热负荷预测值是 ＣＨＰ 机组、 储气、 储热等设备等

选址、 定容的基础， 用户对电、 气、 热不同比例的需求决定了设备的运行参数。 对于能源互联

网中用户的负荷预测， 可以采用大数据、 数据挖掘等新兴方法提升电［２１］ 、 气［２２］ 、 热［２３］ 负荷预

测的精度， 并将负荷预测和能源系统的优化规划、 运行更好的结合。

文献［２４］ 依据传热学原理， 考虑不同因素对建筑负荷的影响， 建立了可快速预测典型建筑

的冷热负荷的模型。 对于用户的负荷预测数据的应用， 文献［２５］ 分析了储能设备的容量和用户

负荷预测值对供能费用的影响， 并通过一个家庭能源系统和 ３ 个互联的家庭能源系统的实例验

证了储能设备的容量和电、 气、 热负荷的耦合关系。 依据大数据等新兴技术， 采用神经网络、

贝叶斯网络等方法可以较为精确地预测用户的电、 热、 气负荷［２６］ 。 精准的负荷预测数据是能源

互联网各个环节规划建模的基础， 有助于提升规划模型的精确性和实用性。

２ ２ 能量枢纽模型

针对耦合多能源系统的分析建模， 瑞士苏 黎 世 联 邦 理 工 学 院 于 ２００７ 年 提 出 了 能 量 枢 纽

（ ｅｎｅｒｇｙｈｕｂ， ＥＨ） 的概念， 作为描述多能源系统中能源输入、 输出、 存储、 耦合关系的端口模

型［１８］ 。 该模型通过能源输入到负荷输出端口的耦合矩阵［１６，１８］ 来表示电、 热、 气等多种能源形式

之间的转换、 存储、 运输等关系， 如式（１）—（２） 所示。 基于该模型， 国内外针对能源互联网的

物理系统———耦合多能源系统的最优潮流、 运行、 规划方面都已开展了一系列的探索研究。

Ｌ ＝ ＣＰ （１）

éê Ｌ１ ùú êéｃ１１ ｃ１２ …ùú éêＰ１ ùú

ê Ｌ２ ú êｃ２１ ｃ２２ …ú êＰ２ ú （２）
ê úê úê ú
ê︙ú ê︙ ︙ ⋱ú ê︙ú

ëê Ｌｎ ûú êëｃｎ１ ｃｎ２ …úû êëＰｎ úû

式中： Ｌｉ 表示耦合矩阵输出的电、 气、 热等各种形式的能源； Ｐｉ 表示输入耦合矩阵的各种形式

４３