0 引 言

自第二次工业革命以来, 化石能源被大规模应用到生产和生活之中, 从而导致目前不断恶化的生态环境与逐步紧张的能源供给局面。继美国学者杰里米·里夫金在《第三次工业革命》[1] 中提出多能源互联的概念后, 我国学者也比较系统地分析了信息物理能源系统(cyber-physical energy system, CPES)的架构[2-3]，即以电力系统为核心, 将分布式可再生能源、天然气系统、电气化交通系统以及信息系统融合为一体的新型能源体系, 旨在优化能源布局、提高能源利用效率、促进能源市场建设等。2012年5月, 欧盟召开了第三次工业革命方面的会议[4], 确定了能源互联网的核心地位。德国提出“E-Energy”计划[5], 在全国大力发展分布式可再生能源, 旨在建设新型能源互联网络, 实现整个能源领域互联的全数字化及计算机监控。美国国家科学基金会(National Science Foundation，NSF)资助建立了“未来可再生电能传输与管理系统[6]”, 旨在研发能实现即插即用的下一代电力能源系统, 并以此作为其CPES的基础模型。然而，由于CPES的构成相当复杂，在规划建设、优化分析等过程中是一个多学科交叉的问题，难以用一种方法全面分析CPES的所有问题。

目前，国内外在多能源系统互联方面已有一些研究报道。文献[7-9]从系统层面分析了CPES的基本架构, 但各有侧重。文献[7]比照互联网的特征, 从顶层设计的角度分析了能源互联网的特征与规划; 文献[8]以能源互联网的思维分析了推动能源供给侧改革的相关举措; 文献[9]探讨了CPES中存在的4类核心问题及面临的研究挑战。针对CPES的组成结构问题, 文献[10-12]考虑到分布式能源发电机组数量庞大, 提出了“分层优化”思想。文献[13-16]对CPES中电力系统和天然气网络的协调运行做了研究, 考虑了天然气网络和电力系统的约束条件。电动汽车作为一种新型的主动负荷接入电力系统, 会给系统的安全与经济运行带来新的问题甚至挑战, 如电动汽车对配电系统的影响[17-19]、电动汽车充电设施规划[20-21]等。文献[22]提出在物理路径上跟踪资金流的输电服务定价法在CPES中也有借鉴意义。此外, CPES中信息系统的安全性和可靠性也非常重要, 需要深入研究。

您是说，我一直跟着您？苏楠问，这有什么大惊小怪的？大不了，我又跟李峤汝多了一点共同的地方，也在文城长大。

从技术角度看, 信息物理融合系统(Cyber Physical System, CPS)[23]的发展促进了CPES的建立和发展。CPES强调信息系统与电力系统、天然气等能源系统以及电气化交通系统的深度融合, 以信息系统作为支撑来协调这些系统的生产与运行, 这给CPES的发展提供了理论与技术基础。随着能源系统的网络化、能量管理的信息化、能效分析的协同化以及能源市场的多元化, 信息物理能源系统已经成为一类“虚实结合”的CPS。犹如文献[24]中所指, 复杂系统内部各环节与外部环境中的信息、能量和物质交换较为频繁。CPES作为一类复杂大系统, 其内部与外部之间的传递与交换形式必然更加复杂。物质形式不仅包括传统的煤炭、石油、天然气等, 还有可再生能源; 能量形式也不局限于电能, 例如微网中的“冷-热-电”三联供、大规模的电能和化学能(储能电池)的相互转换等都将在CPES中出现;其信息也将是海量的, 电力系统运行的监控信息、天然气网络的调度信息、分布式发电的状态信息以及电动汽车与电力系统的互动信息, 这些繁杂的信息将呈现出典型的大数据特征。各种形式的物质、能量、信息和资金在时空层面上产生各种关联, 进而形成丰富的物质流、能量流、信息流与资金流的耦合。

紧凑的展厅内，富有设计感的大牌包装纸袋、纸盒交错而立，令到访者仿若误入了一间奢侈品商店。毫无疑问，这些堪称工艺品的佳作都是出自创业人之手。桂银太向我们一一展示关键工艺与设计思路。据他透露，创业人自从将自己定位为“做最好的精细包装解决方案提供商”后，就着力在创意设计与工艺开发上下功夫，每年创业人都会拨出专门的研发经费，供研发人员“自由发挥”；组织员工赴海外参加各种专业展览，寻找设计灵感，等等。功夫不负有心人，创业人的研发创新实力最终得到了高端客户市场的认可，创业人以此为敲门砖，扬名于业界。2016年4月，创业人在新三板正式挂牌，凭借资本市场的助力，踏上了更大的舞台。

因此，本文尝试从复杂系统角度对CPES宏观层面所表现出来的不同形式的“流”进行研究，进而构造能够反映CPES基本运行规律的分析模型，该模型以CPES的“物质流-能量流-信息流-资金流”多流协同特征为建模对象，可初步满足CPES优化运行分析的需求，并可作为进一步深入分析CPES内在特性的切入点。

其中，r代表记录，Boost(r)表示记录的权值；G(r)表示录入者身份，有首席专家、普通专家、一般录入者等，其取值在0～1之间；a表示记录加权因子，取值由项目实施的实际情况决定，默认值为100；C(r)表示点击数；D(r)表示评论数。

1 信息物理能源系统的复杂性分析

CPES是以电力系统为核心, 以互联网及其他前沿信息技术为基础, 以分布式可再生能源为主要一次能源, 与天然气网络、交通网络等其他系统紧密耦合而形成的复杂多网流系统[9]。

从定义可以看出, CPES的内部结构具有以下特征: (1) CPES是由电力系统、天然气网络、交通网络等自治系统耦合而成。(2)CPES不仅仅是能源的系统, 还将互联网等新技术运用其中；不仅包含物理实体, 还包括信息、能量、资金等其他形式的存在。(3)CPES会受人类活动、能源市场、政策法规等因素的影响, 从而引起内部结构发生变化等。

从人类历史的发展进程来看, CPES的提出具有一定的必然性。从分散式到集中式化石能源使用的传统时期(19世纪90年代以前), 过渡到使用火电、核电、水电的传统电网时期(19世纪90年代至21世纪初), 电力系统已经开始逐步减少对化石燃料的使用, 并且各系统之间不再孤立, 系统间的信息互联开始增加。在智能电网时期(21世纪初至21世纪30年代), 系统间的互联特征愈来愈明显, 且其内部实现了信息化、自动化、智能化。该时期的风力发电、光伏发电等新能源发电有了显著进步；大数据与云计算等新技术层出不穷, 为CPES (21世纪30年代以来)的发展奠定了坚实的基础。由CPES的定义可知, 其将分布式能源利用信息网络进行互联、互通, 并通过电力网络将效益发挥到最大。

第二天下午，才让领着我们上了一辆敞篷东风大卡车，他带我们去甘加草原。我仰面躺在一个软软的大麻包袋上，一路颤簸着，看着蓝天上偶尔飘过的云，听着那些完全听不懂的语言，不知不觉中睡着了。当我被唤醒时，夕阳西下，映照着山花烂漫的草原。草地上活跃着一群蚂蚱，烘托着惊喜的心情，我们来到了传说中的草原小木屋——才让在牧区的房子。

能源领域的构造与演化进程可用图1所示的发展历程来展示。

由图1中可以看出, 能源系统的构造性与演化性变得越来越复杂, 系统内部涉及到的元素越来越多, 各系统之间的耦合性也将大大增强。因此, 本文将对CPES中广泛存在的“多流”(“物质流-能量流-信息流-资金流”)特性展开论述。

图1 能源系统的构造与演化进程 Fig. 1 Structure evolution process of energy system

2 信息物理能源系统“多流”的基本特征

“流者, 动也”, “流”是具有流动性和变迁性的特质。流的概念是指某一形式的物质在不同的组元之间产生、流动, 并将各个组元联系起来形成具有一定结构、功能并能实现一定目标的客体。一般用“流量”和“流速”表征流的强度和速度, 所以在对“流”进行分析时, 大多会采用改变相应各股流的流量和流速的方法来达到目的。相较于文献[24]中只对3种形式的流进行初步描述，本文在研究了CPES中的能量流、物质流、信息流的特征与关系之外，还计及了资金流的影响，将4种不同的流进行了协同分析。图2展示了CPES中多流并存、交互的过程。

图2 信息物理能源系统中的“多流”示意图 Fig. 2 Multi-flow in CPES

2.1 物质流

在CPES中, 物质流是各种形式的可用来发电、生热、制冷的能源物质在生产过程中的传递、转化所形成的流动。同生态系统中的物质流一样, CPES中的物质也不能凭空产生和凭空消失, 总是从一种形态转化成另一种形态。

（3）在改革目标上，力争到“十三五”末，基本形成组织健全、功能完善、服务高效、布局合理、经营稳健的现代金融服务体系。金融服务创新能力明显提高，小微企业、“三农”等薄弱环节融资难以得到明显改善，金融服务覆盖率、满意度进一步提高。金融生态环境明显改善，测评结果在全省实现增比进位。区域金融业竞争力明显提升，实现经济、金融良性互动、健康发展，金融业增加值年均增长30%，金融业增加值占GDP比重达到6.4%，占第三产业增加值比重达到15%。

CPES中的物质流动大体上分为3个过程: 第1个过程是电力系统中用来发电的煤炭、石油等化石原料通过运输工具(如火车、汽车、轮船等)从开采、生产地运送到消费、消耗地(如发电厂、冶炼厂等), 以及天然气等燃料在燃气管道中的运输; 第2个过程是将化石燃料进行加工转变为其他形式的能量(如电、热、汽等); 第3个过程是包括电动汽车等在内的灵活储能装置, 为实现电力系统运行的动态平衡所产生的能量互动等。这些过程中还包含有煤炭等原料的储存保管、装卸等一些细小的过程。由图2可以看出物质在局部CPES中的流动关系, 其中涉及到天然气等各种形式的能源物质的转化过程。

2.2 能量流

当物质在不同的形态之间进行转化时将会有能量产生, 所以当物质流动时能量流也随之产生。CPES中能量流的复杂性将不仅仅是体现在流动过程中行为的实时性、不确定性和非线性等方面, 其能量形式也将不同于智能电网中单一的电能形式, 多种能量形式将共存并相互转化(如电能、热能和化学能等), 并且这些能量之间转化的复杂性给分析研究工作带来了一些挑战。如文献[25]在阐述自律协同的智能电网能量管理系统中提到, 从分布式发电到输配电、从变电站到电动汽车集群、从普通负荷到主动负荷, 能量的传递过程频繁且呈现出多元化(冷-热-电-汽)的趋势, “源-网-荷-储”的分布协同能量管理具有一定的挑战性。

2.3 信息流

一日清理橱柜，翻出了十四年前女儿出生时珍藏的一小布包胎发，郑重其事地交与女儿保管，希望当她有朝一日青丝变白雪之时，能手握这胎发想起已经消失的父母，想起艰难走过的岁月。

式中: pi是各生产环节的物质流比；cMi是各生产环节单位物质消耗的资金;f是物质流资金流子系统的耦合环节总和； hj是各环节消耗的能量流比；cEj是各生产环节单位能量消耗资金；g是能量流资金流的耦合环节总和。

2.4 资金流

能源市场中的资金流对物质和能量的运动具有较大影响，而物质流和能量流是资金流的驱动力。资金流是能源市场的另一种隐秘信息流，其载体形式常常表现为货币、众筹、竞价、拍卖、期货等。

（3）炼化产业产能过剩存在地区不平衡。整体来看炼化产业已经产能过剩，但从地区来看，在有些地区产能严重过剩的情况下，部分地区的产能利用率在90%以上，存在产能不足，一定程度上反映炼化企业存在地区分布不均衡，产能过剩严重的地区集中在中国东部和西部，而中部整体过剩并不明显。

随着直购电、配售分开等一系列改革措施的落实，CPES的商业模式可以归结为：能源零售竞争、能源系统运营与能源交易运营三大类[26]。文献[27]基于信息经济学原理，对能源信息深度融合提升市场资源配置效率的作用进行了分析，并提出了能源互联网交易微平衡理论。该独立开放的商业模式可以体现出，CPES中的资金流将具有支付形式网络化、透明化、直接化、全球化、周转快等特点。

2.5 “多流”的基本特征

综上所述, 物质流与能量流的时空序列与各个环节中物质、能量的积累和消耗相关, 体现了生产安排和负荷需求, 本质上由用户的利益驱动行为决定。在物质与能量随时间流动的过程中, 监测系统不断产生新的数据, 这些数据被加工、传递, 形成本文所述的信息流，同时，在此流动过程中，会产生大量资金的交易，即资金流; 信息流和资金流在整个生产过程中具有调度、控制和指挥生产等作用。因此, 物质和能量在空间上的流动路径体现了流的动态关系, 而信息系统和资金系统的时间结构由信息流和资金流在时间上的路径反映。

只要流动发生, 就一定有驱动流动的“势”和阻止流动的“阻”, 流是势与阻的商, 阻的本质为耗散。例如, 在电力系统中, 电势差导致电流的产生, 但是在电能流动的过程中, 遇到电阻就会产生能量的损耗。所以, CPES中的“多流”在流动过程中也存在“势”与“阻”。当有能源物质的需求时, 就产生了势, 当能源物质在生产等过程中被消耗时, 阻也就应运而生。在物质流的需求确定的情况下, 优化生产过程中的各个环节, 尽量减少中间过程中对物质的消耗, 增大物质流的势与阻的商, 将有助于物质的最优配比和生产协调优化, 降低无用的消耗。

在CPES中，资金流、物质流、能量流及信息流的有机统一，组成了新的商业模式。CPES中资金流的简便快捷，将有助于信息流的快速运转。CPES资金支付的低成本也能降低CPES的运行成本。全球化的CPES要求资金流必须跨越行业与地区间的边界障碍，通过网络支付的资金流其内在本质也是信息流的一种，同时实时性、安全性也相比传统支付方式要高。例如，目前的研究进展表明，能源区块链技术将具有明显的减小CPES中资金流的阻的作用[28]。

3 信息物理能源系统“多流”协同建模与分析

3.1 递阶协调控制原理

无论是CPES中的静态组织结构还是动态运行结构, 皆是由于物质、能量、信息和资金在时空维度上的流动形成, 即CPES中的各个环节就是“多流”在时空尺度上的互相协调、转化和制约的过程。

式中: Mi是实际产生物质信息流的第i个参数; Ci是实际的资金信息流的第i个参数; IMi和ICi是目标信息流的第i个物质信息流和能量信息流参数；h是在信息系统中能量流、物质流和信息流的耦合环节总和。

这名字一听就是有来历的，藏着一个古老的传说。但我无意探寻来龙山名的传说。我想探寻的，是一条上山的路，想沿着山路爬到山顶上去。

图3 信息物理能源系统的“多流”协同分析模型 Fig. 3 Multi-flow collaborative analysis model for CPES

LSTM的结构图如图1所示。其中最重要的组成部分是记忆细胞,它所存储的状态贯穿于整个网络,只进行少量的线性交互,这样可以保证梯度信息在长期传播过程中保持稳定[15]。另外LSTM中还包括3个门控单元(一种让信息选择性通过的结构):“遗忘门”决定需要从细胞状态中丢弃的信息;“输入门”确定添加到细胞中的新信息;“输出门”确定最终的输出。

(1)

式中: Bi表示控制矩阵 ( i =1,2,3,4, 分别对应于物质流、能量流、资金流和信息流子系统)；是被控制对象的一阶求导；方程组用微分方程分别描述物质流、能量流、资金流和信息流子系统，作为系统的数学模型表示能量流、信息流和资金流子系统对物质流子系统的耦合关系, 其他以此类推。若要实现该系统整体结构最优, 则要得到目标函数的最小值: 即εi→min。由图3可知, 当时, εi≈0, Ji的值也达到了最小。在计算系统的整体最优时, 要充分考虑各个子系统之间的相互耦合关系, 再进行相关计算。

同时，由图3中的递阶控制原理知道，在分析CPES的“多流”协同作用时, 可将整体协同划分为4个局部协同, 它们分别是“物质-能量-信息”协同子系统、“物质-信息-资金”协同子系统、“能量-资金-信息”协同子系统、“能量-物质-信息”协同子系统。这4个协同子系统相互关联、分布自治，最终实现整体的自律协同。

相比于物质流和能量流, 信息流是另一种形式的存在。在“互联网+”时代, 信息的重要性已经溢于言表。例如, 在电力系统的生产调度中, 大量的信息经由二次系统产生、传递, 调度中心要实时分析这些监测信息, 并对电力系统运行进行决策。然而, CPES不仅包含电力系统, 天然气网络、电气化交通网络等系统也在实时产生用于自身调度的信息。所以, CPES中的信息流将具有典型的大数据特征, 其在支撑整个系统稳定运行方面至关重要。

3.2 多流协同分析

基于图3所示的“多流”协同分析模型，本文初步探讨各协同子系统的分析方法。

例如“物质流-能量流-信息流”子系统的设计是按照CPES中物质流和能量流之间的依赖关系，以及信息对物质与能量的调控作用得到的。三者之间虽然看上去互相独立, 实则互相约束、互相影响。三者的外在表现是: 在CPES中, 物质流是整个系统的能量来源, 而能量流是催生物质流的转变和提供动力的主力; 同时, 物质流又将带来能量流的变换和消耗。若实现三者之间良好的协同, 便可实现CPES的能耗降低、原料消耗降低的目标, 尤其对环境的友好程度将大大增加。在CPES中, 生产过程中的能量流和物质流发生变化, 也将影响电力能源的产生, 调整好各个生产过程中的物质流比pi和能耗ei,协调能量流、物质流与信息流之间的关系，将生产满足需求的能耗降到最小。所以该子系统的目标函数就是使生产所需的能耗最小, 控制变量为各流的流速、流量等, 约束条件即为能量流、物质流与信息流的内在关系。其目标函数如式(2)所示：

(2)

式中: J1是生产所需能量所需要的能耗; pi是各生产环节的物质流比, 即本环节中生产单位能量所消耗的本工序的产品的量; ei是各生产环节的能耗, 即本环节中生产单位能量所产生的能耗; n为物质能量子系统中的耦合环节总和；Mi是实际产生物质流信息的第i个参数; Ei是实际的能量信息流的第i个参数; IMi和IEi是目标信息流的第i个物质信息流和能量信息流参数。J1的值越小, 生产中所产生的能耗越小, 生产过程的经济性就越好。

同理， “物质流-能量流-资金流”子系统协同模型的目标函数如式(3)所示：

(3)

CPES是能源与信息的深度融合，其信息流是伴随着物质流和能量流而产生的, 原料运输、能量传递等过程中都会有大量的信息生成、传递。图2所示的信息系统已经深入融合到CPES中的各个环节, 对CPES中的信息流价值进行充分的挖掘，将会给能源系统的稳定运行和资源配置带来巨大的指导意义，从而提高能源利用效率和经济效益。

由递阶协调控制原理, 可得CPES系统状态方程:

“物质流-信息流-资金流”子系统的目标函数如式(4)所示：

(4)

从大系统的角度看, CPES作为一个整体, 物质流、能量流、信息流和资金流分别是其中的一个子系统, 那么，采用递阶协调控制原理[29]进行分析, 就能更好地反映各子系统之间的协同关系, 使其互相协调、约束与合作, 从而实现各子系统在相关目标基础上达到全系统总目标最优。图3所示为结合递阶协调控制原理, 细化了4个子系统之间协调控制关系的CPES协同分析模型。其中J是总目标； R是总约束; ε1,ε2,ε3,ε4表示协同偏差；λ1,λ2,λ3,λ4表示协同变量；m1,m2,m3,m4表示假想变量；μ1,μ2,μ3,μ4是控制矢量，表示各个信息流的流速； x1,x2,x3,x4表示状态矢量，包含各信息流中的信息元组，信息元组是要分析的信息的最小单位；Aij表示对象矩阵。关于递阶协调控制原理，可参阅文献[29]。

M=(M1,M2,…,Mk);

协作与群体智慧之间的紧密关系早已引起学者们的关注。众多研究表明，群体智慧的主要成因是个体通过信息交互有效利用其他个体的工作成果，从而形成一种事实上的协作。Woolley等[1]基于多种任务形式对小型群体的交互与协作的效果进行了实验研究，并借用心理学方法测量群体的智慧，论证了群体智慧是可测量的，群体行为是可预测的。

(5)

式中: l是实际产生能量信息流的总数；Ei是实际产生能量信息流的第i个参数; Ci是实际的资金信息流的第i个参数; IEi和ICi是目标信息流的第i个物质信息流和能量信息流参数。

综上，可以得到全局优化的目标函数, 其约束条件与目标函数如式(6)所示：

(6)

s.t.

ei=(gαi+gβi)-(gβi+gξi);

gαi=f(pi),gβi=f(pi),gξi=f(pi);

gαi≥0,gβi≥0,gξi≥0;

pi>0，hj>0;

“能量流-信息流-资金流”子系统的目标函数如式(5)所示：

E=(E1,E2,…,El);

C=(C1,C2,…,Cg);

先有宋公明夜看小鳌山，被刘高陷害，引出了花荣、秦明和黄信一筹好汉大闹清风寨；后有梁山人马趁元宵节夜里百姓赏灯城中无备，袭击大名府，搭救玉麒麟；大聚义后，宋江一心招安，带着众心腹到东京探访李师师，不想忍了一肚子鸟气的黑旋风李逵狂性大作，杀将起来，将东京搅了个鸡犬不宁，同样是发生在元宵夜里。

I=(I1,I2,…,Ir);

M∈I，E∈I，C∈I.

式中: gαi是从本环节外部加入的能量流；gβi是本环节回收用于自身的能量流；gξi是本环节回收并用于其他环节的能量流；αi为外部加入能量的第i个环节；βi为回收用于自身能量的第i个环节；ξi为回收用于其他环节能量的第i个环节。

因此, CPES的“多流”协同是在各协同控制子系统达到局部优化的基础上, 通过将子系统集成进而实现全局协同优化, 式(6)中目标函数的极小化即是全局优化目标。从现实情况来看, CPES的全局最优就是使CPES在时空和功能上形成有序结构, 实现向节能减排、高效优质的现代绿色电力系统演化发展。

4 算例分析

前述所探讨的多流协同分析方法具有鲜明的时空特性，完备的算例分析复杂度较高，因此，为便于仿真设计，本文以文献[30]的算例为基础, 构造本文的仿真算例。仿真算例描述如下: 该区域能源系统包括2台风力发电机、2组光伏发电系统、2台天然气热电联产装置、1组火电机组及相关电/热负载, 如图4所示。各个装置的主要参数如表1所示[30]。选取光伏发电、火力发电发电、风力发电和天然气发电进行分析。该区域能源系统内的电力负荷为60 MW, 由风力发电、光伏发电、火力机组和热电联产装置提供; 热负荷由热电联产装置提供。其中预计1号风力机组发电6 MW, 2号风力机组发电20 MW, 1号光伏板提供12 MW, 2号光伏板提供10 MW, 1号天然气热电联产装置提供4 MW, 将消耗天然气500 m3/h, 2号天然气热电联产提供3 MW, 将消耗375 m3/h天然气, 1号火力机组提供5 MW。

1)设计一个零阶差分方程的系统实例:y(n)=x(n)+x(n-1)+x(n-2)+x(n-3)+x(n-4)+x(n-5)，得到系统单位脉冲响应 h(n)=[1，1，1，1，1，1]。

图4 仿真算例简图 Fig.4 A simplified diagram of a sample system

表1 某区域能源系统的主要参数 Table 1 Major parameters of a regional energy system

CPES中的物质形式多样, 在对这些能源物质进行实际计算时, 本文采用表2所示的折算规则[31], 即将生产过程中所需的能源物质和最终的电能、热能等换算成标准煤单位后, 再对物质流及能量流进行协同分析, 以求解最小能耗。

表2 一次能源的折标煤系数 Table 2 Standard coal coefficients of primary energy

其中，标煤的价格按700元/t计，天然气价格为2.2元/m3，风力发电与光伏发电的成本分别是0.4元/(kW·h)与0.8元/(kW·h)；各种形式的电能上网电价为：风电0.55元/(kW·h)、火电0.39元/(kW·h)、光伏0.88元/(kW·h)、天然气发电0.65元/(kW·h)。

对此算例中各子系统的最优值采用SPSS软件进行仿真分析, 结果如表3所示。

本算例的理论计算结果为: 当火电机组发电0 MW, 风电机组1号发电6 MW, 风电机组2号发电20 MW, 光伏板1号发电12 MW, 光伏板2号发电10 MW, 天然气热电联产装置1号及2号输出分别为1 MW和11 MW。此时, 系统中 J 取得最小值1.680 9×108, 其中各子系统的值如表4所示。虽然各子系统的值与最小值之间有一定的差距, 但可以通过调整生产计划, 在满足生产要求的情况下缩小与最低值之间的差值。

表3 J* 的仿真结果 Table 3 Simulation results of J*

注： 各设备出力按照(火电机组1号, 风电机组1号、2号, 光伏板1号、2号, 天然气热电联产装置1号、2号)顺序列出。

表4 整体最优时各子系统的值 Table 4 Value of each subsystem in whole optimal time

表5为SPSS对各系统进行相关性分析所得结果，可以看出，显著性结果为0.000，即各子系统之间都呈现出显著相关；皮尔逊相关系数体现出各系统之间的相关性强弱。由表5可见，在本模型中， J1 、 J2 、 J3 、 J4 之间有中等以上相关性强度，所以当某个子系统发生变化时，会影响其他子系统，从而对整个系统产生影响。因此，对CPES从物质、能量、信息与资金等方面进行协同分析具有一定的实际意义。

表5 各系统相关性分析 Table 5 Correlation analysis of each system

注：**表示在0.01 水平(双侧)上显著相关。

5 结 语

信息物理能源系统是能源领域中的一次革命, 其所涵盖的物质、能量、信息和资金形式繁杂, 本文采用协同学理论, 将信息物理能源系统抽象成能量流、物质流、信息流和资金流4个部分, 并通过子系统之间的协同优化分析, 获得系统的全局优化目标, 这也是复杂系统分析的基本方法。本文所研究的模型对信息物理能源系统减少能量产生、传递过程中的物质损耗、减轻环境负担，以及提高系统经济效益具有一定的指导意义。然而, 本文所阐述的分析方法仅是从宏观层面对CPES的整体结构进行了分析, 对于其中的微观层面没有进行详细讨论, 如系统自律协同的稳定控制、全系统混合仿真的精确描述、基于区块链技术的多能源系统交易等等，今后尚需做进一步的分析论证。

参考文献

[1] RIFKIN Jeremy. The third industrial revolution: how lateral power is transforming energy, the economy, and the world [M].New York: Palgrave MacMillan, 2011.

[2] 薛禹胜, 赖业宁. 大能源思维与大数据思维的融合(一)大数据与电力大数据[J]. 电力系统自动化, 2016, 40(1):1-8.

XUN Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: part one big data and power big data[J]. Automation of Electric Power Systems, 2016, 40(1): 1-8.

[3] 薛禹胜, 赖业宁. 大能源思维与大数据思维的融合(二)应用及探索[J]. 电力系统自动化, 2016, 40(8):1-13.

XUN Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: part two applications and explorations[J]. Automation of Electric Power Systems, 2016, 40(8): 1-13.

[4] European Commission. Recorded conference “Mission growth:Europe at the lead of the new industrial revolution” [EB/OL]. [2013-10-13]. http://ec.europe.eu/ avservise/video/player.cfm?ref=85716.

[5] Federal Ministry of Economics and Energy of Germany [EB/OL]. [2013-06-26]. E-Energy project official website: http://www.e-energy.de/en/index.php.

[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] 刘开俊.能源互联网发展路径探究[J].电力建设, 2015, 36(10): 5-10.

LIU Kaijun. Development path exploration of energy internet[J]．Electric Power Construction, 2015, 36(10): 5-10.

[8] 曾鸣,张晓春,王丽华.以能源互联网思维推动能源供给侧改革[J].电力建设,2016,37(4):10-15.

ZENG Ming, ZHANG Xiaochun，WANG Lihua．Energy supply side reform promoting based on energy internet thinking[J]. Electric Power Construction, 2016, 37(4): 10-15．

[9] 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.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart gird to Energy Internet: basic concept and research framework [J]. Automation of Electric Power Systems, 2014, 38(15): 1-11.

[10] CALLAWAY D S, HISKENS I A. Achieving controllability of electric loads [J]. Proceedings of the IEEE, 2011, 99(1): 184-199.

[11] YAO Weifeng, ZHAO Junhua, WEN Fushuan, et al.A hierarchical decomposition approach for coordinated dispatch of plug-in electric vehicles [J]. IEEE Trans on Power Systems, 2013, 28(3): 2768-2778.

[12] RUIZ N, COBELO I, OYARZABAL J. A direct load control model for virtual power plant management [J]. IEEE Trans on Power Systems, 2009, 24(2): 959-966.

[13] KRAUSE T, ANDESSON G, FROHLICH K, et al.Multiple-energy carriers: modeling of production, delivery and consumption [J]. Proceedings of the IEEE, 2011, 99(1): 15-27.

[14] KOEPPEL G, ANDERSSON G. Reliability modeling of multicarrier energy systems [J]. Energy, 2009, 34(3): 235-244.

[15] SALDARRIAGA C, HINCAPI R, SALAZAR H. A holistic approach for planning natural gas and electricity distribution networks [J]. IEEE Trans on Power Systems, 2013, 28(4): 4052-4063.

[16] UNSIHUAY-VILA C, MARANGON-LIMA J, DE SOUZA A, et al.A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems [J]. IEEE Trans on Power Systems, 2010, 25(2): 1154-1168.

[17] 杨俊, 文福拴, 汪震, 等.电动汽车与电力系统的交互作用[J]. 电力建设, 2015, 36(7): 14-24.

YANG Jun, WEN Fushuan, WANG Zhen, et al. Interactions between electric vehicles and power systems[J]. Electric Power Construction, 2015, 36(7): 14-24.

[18] ZHAO Junhua, WEN Fushuan, DONG Zhaoyang, et al.Optimal dispatch of electric vehicles and wind power using enhanced particle swarm optimization [J]. IEEE Trans on Industrial Informatics, 2012, 8(4): 889-899.

[19] SORTOMME E, HINDI M M, MACPHERSON S D J, et al.Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses [J]. IEEE Trans on Smart Gird, 2011, 2(1): 198-205.

[20] 唐晓瑭,倪桦,王永生.电动汽车供电能源优化组合及智能充电策略[J].电力建设,2013,34(12):111-115.

TANG Xiaotang，NI Hua，WANG Yongsheng．Energy supply optimization and intelligent charging strategy of electric vehicles[J]. Electric Power Construction, 2013, 34(12): 111-115．

[21] ZHENG Y, DONG Z Y, XU Y, et al.Electric vehicle battery charging/swap stations in distribution systems: comparison study and optimal planning [J]. IEEE Trans on Power Systems, 2014, 29(1): 221-229.

[22] 段刚, 王心丰, 白玮, 等. 输电服务定价的资金流—资金路径法[J]. 中国电机工程学报, 2003, 23(3): 48-53.

DUAN Gang, WANG Xinfeng, BAI Wei, et al. Monetary flows-monetary paths method for electricity transmission pricing[J]. Proceedings of the CSEE, 2003, 23(3): 48-53.

[23] 赵俊华, 文福拴, 薛禹胜, 等. 电力信息物理融合系统的建模分析与控制研究框架[J]. 电力系统自动化, 2011, 35(16): 1-8.

ZHAO Junhua, WEN Fushuan, XUE Yusheng, et al. Modeling analysis and control research framework of cyber physical power system [J]. Automation of Electric Power Systems, 2011, 35(16): 1-8.

[24] 龙妍, 黄素逸, 刘可. 大系统中物质流、能量流与信息流的基本特征[J]. 华中科技大学学报(自然科学版), 2008, 36(12): 87-90.

LONG Yan, HUANG Suyi, LIU Ke. Basic characteristics of material flow, energy flow and information flow in large-scale systems [J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2008, 36(12): 87-90.

[25] 孙宏斌, 张伯明, 吴文传, 等. 自律协同的智能电网能量管理系统家族: 概念、体系架构和示例[J]. 电力系统自动化, 2014, 38(9): 1-5.

SUN Hongbin, ZHANG Boming, WU Wenchuan, et al. Autonomous-synergetic energy management system family for smart gird: concept, architecture and cases[J]. Automation of Electric Power Systems, 2014, 38(9): 1-5.

[26] 陈启鑫, 刘敦楠, 林今, 等. 能源互联网的商业模式与市场机制(一)[J]. 电网技术, 2015,39(11): 3050-3056.

CHEN Qixin, LIU Dunnan, LIN Jin, et al. Business models and market mechanisms of E-Net(1) [J]. Power System Technology, 2015, 39(11): 3050-3056.

[27] 刘敦楠, 曾鸣, 黄仁乐, 等. 能源互联网的商业模式与市场机制(二)[J]. 电网技术, 2015, 39(11): 3057-3063.

LIU Dunnan, ZENG Ming, HUANG Renle, et al. Business models and market mechanisms of E-Net(2)[J]. Power System Technology, 2015, 39(11): 3057-3063.

[28] 颜拥, 赵俊华, 文福拴,等. 能源系统中的区块链:概念、应用与展望[J]. 电力建设, 2017, 38(2):12-20.

YAN Yong, ZHAO Junhua, WEN Fushuan, et al. Blockchain in energy systems: concept, application and prospect[J]. Electric Power Construction, 2017, 38(2): 12-20.

[29] 涂序彦, 王枞, 郭燕慧. 大系统控制论[M]. 北京: 北京邮电大学出版社, 2005.

[30] 孙秋野, 滕菲, 张化光, 等. 能源互联网动态协调优化控制体系构建[J]. 中国电机工程学报, 2015, 35(14): 3667-3677.

SUN Qiuye, TENG Fei, ZHANG Huaguang, et al. Construction of dynamic coordinated optimization control system for Energy Internet[J]. Proceedings of the CSEE, 2015, 35(14): 3667-3677.

[31] 中华人民共和国国家发展和改革委员会. 财政部关于印发《节能项目节能量审核指南》的通知[EB/OL]. http://hzs.ndrc.gov.cn/newjsjyxsh/200804/t20080425_206419.html.