綜合能源系統運行可靠性評估評述I：模型驅動法

朱繼忠 駱騰燕 吳皖莉 李盛林 董瀚江

（華南理工大學電力學院 廣州 510641）

0 引言

隨著經濟社會的快速發展，全球能源消耗量激增，能源壓力正在逐步增大。傳統的供能系統多以不可再生的化石能源為主，會導致環境問題加劇，并且各供能子系統之間的單獨設計和運行也導致了能源利用率低下[1]，容易造成一次能源的浪費與可再生能源的消納困難，這與可持續發展的理念背道而馳。現今，如何打破傳統供能系統的壁壘，提高能源系統的綜合利用率，保障其供能可靠性已然成為國內外的研究熱點[2]。以電力系統為核心，由多種供能子系統耦合而成的綜合能源系統（Integrated Energy Systems,IES）能夠有機地協調各類能源的分配、轉換、存儲和消費，實現社會能源系統的轉換利用、協同優化和耦合互補，將成為未來能源的主要承載形式[3-7]。

目前，對于IES 的研究已成為國內外能源領域未來發展的重要戰略方向[8]。作為運行優化與穩定控制過程中的關鍵技術，IES 的運行可靠性評估方法得到了廣泛的研究。運行可靠性定義為計及設備自身健康狀況、外部環境條件、系統運行條件和系統運行行為時，系統在短期內按可接受的質量標準和所需數量不間斷地向用戶提供能量的度量[9]。與傳統的可靠性評估不同，運行可靠性更關注設備在實時運行狀態下的時變可靠性。IES 受設備故障及隨機停運等內部因素的影響，同時外部的不確定性運行條件也給系統的可靠運行帶來威脅。進行運行可靠性評估的主要目標不僅是實現對系統運行狀態的實時評估與監測，而且可以基于系統運行實時狀態信息，實現薄弱環節的精準快速定位，并對短期可能面臨的運行風險進行科學預測，從而給出未來短時間內的綜合控制方案、輔助決策、運行調度指導等關鍵信息，保障IES 持續高效安全的穩定運行。

IES 運行可靠性評估與電力系統運行可靠性評估的區別在于，IES 的運行可靠性評估中需考慮不同供能子系統的耦合帶來的運行狀態的改變，以及面臨更多的運行不確定性。隨著IES 內部設備數量的不斷增加，以及子系統間耦合關系的日益緊密，影響系統運行穩定性的因素不斷增多，系統運行數據庫規模進一步擴大，因此，進行IES 的運行可靠性評估對多能耦合系統的故障定位、薄弱環節識別、保障系統安全穩定具有重要的指導意義。目前，電力系統及IES 的運行可靠性評估方法主要分為模型驅動和數據驅動兩種。

模型驅動的運行可靠性評估主要借助具體數學模型對系統運行狀態進行評估計算。文獻[5]考慮系統的多時間尺度特性及熱慣性和多能互濟的運行策略，采用基于馬爾可夫鏈的蒙特卡洛法評估IES的運行可靠性，但對熱慣性的建模過程并未體現系統出力的實時特性。文獻[10]分析了能源間的耦合邏輯關系和能源品味差異，建立考慮設備出力時序特性的IES 運行可靠性評估模型，但并未考慮供能子系統運行狀態變化對整體運行可靠性的影響。文獻[11]為量化多重不確定性因素對IES 運行可靠性的影響，提出了一種輸配一體化的運行多指標評估方法。但在運行可靠性指標方面只采用傳統的系統可靠性指標，在時間尺度上難以滿足運行層面對系統可靠性進行實時評估的要求。

數據驅動的運行可靠性評估主要借助人工智能技術對系統運行狀態進行評估。隨著人工智能技術的發展，數據驅動的技術如機器學習法、模糊理論法等，因其強大的數據處理、非線性擬合能力及自學習能力，在電力系統及IES 的運行分析與可靠性評估方面得到了初步應用。文獻[12]對IES 運行可靠性評估方法進行了綜述，并提出了模型-數據混合驅動的評估新思路，但是在建模環節對耦合設備的考慮較少，且對混合驅動評估方法的研究現狀介紹較少。文獻[13]對機器學習在電力系統和IES 中的應用進行了綜述，主要介紹了機器學習的原理及在系統調度優化和控制決策方面的應用，未對利用機器學習進行運行可靠性評估的問題進行闡述。文獻[14]對數據驅動的IES 評估進行了研究現狀的總結，但并未全面指出數據驅動技術在解決運行可靠性評估問題方面的局限性。文獻[15]對典型的人工智能技術進行介紹，并綜述了其在電力系統及IES中的應用，但對故障檢測和可靠性評估方面的敘述并不全面。

目前，關于IES 運行可靠性評估的研究工作主要在設備運行可靠性建模方法、系統運行可靠性評估方法及運行可靠性評估指標體系三方面存在不足：

（1）在設備運行可靠性建模方面，現有的設備故障停運模型很難反映設備在可再生能源接入、負荷多樣性等多重不確定因素下運行的時變特性，需深入挖掘導致設備故障停運的各因素之間的內在聯系，建立全面考慮運行不確定性因素影響的符合設備運行層面要求與定位的運行可靠性模型；且隨著系統規模逐漸擴大，電力系統中僅對獨立設備進行運行可靠性建模的方法已經不適用于IES 的建模評估，對IES 中耦合設備及耦合環節進行準確的建模問題亟需解決。

（2）在系統運行可靠性評估方法方面，單純依靠模型驅動的運行可靠性評估方法易受到計算速度與精度間矛盾的限制，已不適用于處理計算高維非線性系統的運行數據；數據驅動的可靠性評估方法雖然有處理速度與計算精度的優勢，但其可解釋性較弱，限制了其發展與應用。兼顧速度、精度與可解釋性的運行可靠性評估算法尚待發展。

（3）在運行可靠性評估指標體系方面，考慮IES內部天然氣與熱力系統的傳輸具有明顯的時延特性，現有指標體系尚不能實現IES 運行可靠性的多維度、多時間尺度的全面評估，且對于衡量多能耦合程度及能源出力優先級和在線識別系統薄弱環節等核心問題的IES 運行可靠性評估環節尚沒有認可度較高的指標；另外，現有指標存在多樣化且標準不統一的現象，存在大量信息重疊，指標體系內部的權重分配與重要程度排序尚未實現，上述指標體系內容的缺失與信息冗余均會導致最終評估結果較為粗糙。

本文對現有的IES 運行可靠性評估研究現狀進行了進一步梳理，在此基礎上提出了IES 運行可靠性評估的新思路。首先，從模型驅動及數據驅動兩方面詳細介紹了IES 設備運行可靠性建模的研究現狀及各種建模方法存在的問題；然后，從模型驅動、數據驅動、模型-數據混合驅動三個方面詳細梳理了IES 運行可靠性評估方法的研究現狀，并分析總結其優勢和不足；最后，對IES 運行可靠性分析建模與評估方法中的現存關鍵科學問題進行展望，并提出人工智能背景下模型-數據混合驅動的IES 運行可靠性建模與評估的新思路。為保證文章內容的完整性與連貫性，筆者組織了上下兩篇系列論文，本文為上篇，主要內容為對模型驅動的IES 設備運行可靠性建模及IES 運行可靠性評估進行研究現狀的綜述，并對現存問題進行歸納總結。

1 模型驅動的IES 設備運行可靠性建模

對設備狀態概率的時變特性及供需不確定性進行建模，是設備運行可靠性評估的內在需求，也是其區別于常規可靠性評估的特點[12]。設備的時變特性由運行條件的多樣性等外部因素和設備本身故障的隨機性等內部因素共同決定，而設備運行時的供需不確定性主要由負荷的多樣性及可再生能源接入等帶來的運行不確定性引起。對設備進行運行可靠性建模，是分析系統運行狀態、評估系統運行可靠性的基礎。

按照是否參與異質能流間的耦合轉換與互補利用，IES 中的設備可分為獨立設備及耦合設備兩種。獨立設備中電/氣/冷/熱各類能源維持自身特有的能質屬性，不存在異質能流間的耦合轉換問題，而耦合設備可以實現不同種能量間的轉換利用[16]。如圖1 所示，常見的獨立設備有輸電線路、燃氣管道、熱力管網及儲能裝置等；常見的耦合設備如參與電-氣耦合的電轉氣（Power to Gas,P2G）裝置、燃氣輪機，參與氣-熱耦合的燃氣鍋爐，參與電-氣-熱耦合的熱電聯產（Combined Heat and Power,CHP）機組，參與電-氣-冷-熱耦合的冷熱電聯供）Combined Cooling Heating and Power,CCHP）機組，參與冷-熱耦合的吸收式制冷機等。

圖1 IES 耦合結構示意圖 Fig.1 Schematic diagram of IES coupling structure

模型驅動的IES 設備運行可靠性建模方法主要有模型解析法及馬爾可夫多狀態法兩種，其研究現狀總結見表1。

表1 模型驅動的設備運行可靠性建模方法研究現狀 Tab.1 Research status of model-driven equipment operational reliability modeling methods

1.1 模型解析法

基于模型解析法的設備運行可靠性建模通過建立故障設備的狀態合集，以設備的實際運行狀態和期望狀態的偏差最小為目標建立優化模型，進而實現設備故障診斷與建模[17-18]。現有研究通常采用分段解析模型[18-19]或全解析模型[20]進行設備運行可靠性建模分析。

基于模型解析法的設備運行可靠性建模依靠較強的理論依據與數學基礎，具有易實現、模型穩定、可靠性高等優點。但是，隨著系統維度增高、運行狀態增加及運行不確定性因素的影響，會導致設備模型過于復雜，造成求解困難等問題。在建模過程中，如果將高維影響因素和不確定性因素理想化處理，又會使建模不準確。利用模型解析法對設備進行建模時，如何在構建考慮多故障信息影響因素的同時提高模型的精度和效率，是后續需要重點研究的問題。

1.2 馬爾可夫多狀態法

基于歷史數據的傳統可靠性建模方法無法刻畫設備及系統故障的實時特性。而馬爾可夫過程認為系統下一時刻的狀態只能與當前狀態有關，而與歷史狀態無關，具有典型的“無記憶性”特點[35]。其數學表達式為

式中，Pr(tk+1)為系統在tk+1時刻所處的狀態概率。馬爾可夫過程適用于建立基于實時運行條件的設備時變可靠性模型[36]，為系統運行狀態的實時監測和可靠性建模提供了新思路。現有研究通常采用馬爾可夫兩狀態[37-38]或多狀態[39-40]法對設備進行建模。馬爾可夫狀態轉移圖如圖2 所示。

圖2 馬爾可夫狀態轉移圖 Fig.2 Markov state transition diagram

圖2a 中，λ和μ分別為元件的故障率和故障的修復率；元件的平均無故障工作時間MTTF 和平均故障修復時間MTTR 與λ和μ的關系為[37]

圖2b 中，λi和μi（i=1,2,3,…,n）分別表示故障因素i所引起的故障率和故障的修復率。馬爾可夫多狀態模型的狀態概率轉移矩陣為[35]

馬爾可夫多狀態法可以實現設備實時故障信息的定位，非常適用于考慮時變特性的設備運行可靠性建模。但是，馬爾可夫多狀態法認為導致設備停運的各個影響因素是相互獨立的，忽略了故障因素內部的關聯性[12]。隨著IES 內部和外部影響因素逐漸增多，影響設備實時可靠性的因素大大增加，各因素相互關聯且共同對設備運行可靠性產生影響，使用馬爾可夫多狀態法可能會導致模型不清晰，從而使運行可靠性模型存在局限性。

IES 的設備運行可靠性建模從建模原理上可分為模型驅動的建模及數據驅動的建模兩種。關于基于數據驅動方法進行建模的研究現狀及對現有建模方法所存不足的闡述，將在本系列論文的下篇中進行詳細總結評述。

2 模型驅動的IES 運行可靠性評估

模型驅動的運行可靠性評估是一種具有廣泛研究基礎的評估方法，大部分依靠概率與數理統計等數學知識和數學模型來實現，具有簡明便捷、容易應用的特點，模型推導過程縝密嚴謹，較為成熟。模型驅動的運行可靠性評估如圖3 所示，模型驅動的IES 運行可靠性評估方法通常包括系統狀態生成與選取、系統狀態分析與評估、可靠性指標建立與計算三個主要步驟。下文對模型驅動的IES 運行可靠性評估的研究現狀與存在問題進行詳細綜述。

圖3 模型驅動的運行可靠性評估 Fig.3 Model-driven operational reliability assessment

2.1 研究現狀

2.1.1 系統狀態生成與選取

基于運行可靠性實時數據庫及評估模型，系統狀態生成與選取通常采用蒙特卡洛（Monte Carlo,MC）模擬法來實現。MC 模擬是使用概率分布函數來確定隨機變量值的隨機抽樣模擬技術[43]，是在領域內生成海量仿真系統運行狀態的理論基礎[44]。MC 模擬可以通過仿真生成大量的運行可靠性場景數據，如系統的負荷大小、隨機行為或者供能可用性等，為后續系統狀態的分析提供了數據來源，在IES 的可靠性評估工作中起到了巨大的推動作用。

根據是否考慮系統運行狀態的時序，MC 模擬一般分為序貫MC 模擬和非序貫MC 模擬兩種。序貫MC 是指對系統運行狀態的時序模擬，非序貫MC雖然不考慮系統的時間狀態序列，但計算速度較序貫MC 更快[45]。MC 模擬是一種有廣泛研究基礎的統計實驗方法，被大量應用于系統的狀態抽樣及運行可靠性評估。在足夠長的仿真時間里，使用MC模擬可以考慮系統幾乎所有的運行狀態，如負荷的時變特性、設備的修復特性、運行的隨機性、供需不確定性等，獲得很高的計算精度。但是，MC 模擬需要較長的計算時間和較大的計算規模來保證結果的可靠性，如何在保證模擬精度的同時提升模擬速度，是應用MC 模擬亟需解決的問題。文獻[46]采用非序貫MC 模擬對考慮不同運行模式的系統在單一或多種意外情況下的可靠性進行了評估，并提出用兩步狀態采樣、區域劃分和最小路徑搜索等技術來提高模擬速度。文獻[47]提出一種計及多狀態離散型和連續型隨機變量的擴展交叉熵法，并通過算例驗證了該方法可以有效克服傳統非序貫MC 模擬收斂慢的特點，實現高效評估。文獻[48]基于序貫MC 模擬，提出一種考慮最優負荷削減和熱負荷慣性的IES 可靠性評估方法。

另外，MC 模擬隨機采樣所得到的只是獨立樣本序列，而未考慮系統各個樣本間的相互影響，不符合IES 中各部分深度耦合、各運行狀態相互影響的特點，使用獨立元素的抽樣方法必然會使模擬結果存在偏差。為解決上述問題，文獻[49]提出馬爾可夫鏈蒙特卡洛法（Markov Chain Monte Carlo,MCMC），它將隨機過程中的馬爾可夫過程引入MC過程，以實現動態MC 模擬。其基本思路是：通過重復抽樣，建立一個平穩分布與系統先驗概率分布相同的馬爾可夫鏈，從而得到系統的狀態樣本，并基于樣本進行可靠性評估。此方法突破了傳統MC模擬的靜態局限，實現了MC 模擬的動態采樣。又由于每條馬爾可夫鏈均收斂于同一分布，使得MCMC 算法具有很好的收斂性。文獻[28]利用馬爾可夫過程對IES 中的能量耦合設備狀態變化過程建模，并通過MC 模擬對其狀態進行選擇，將其狀態隨機變量納入能源集線器（Energy Hub,EH）的能量平衡方程來評估系統的運行可靠性。文獻[50]基于MCMC 法模擬IES 在很長一段時間的狀態變化，得到系統的狀態樣本，并使用區域劃分和最小路徑搜索法對系統狀態進行選擇。文獻[51]用實際算例證明了MCMC 模擬在收斂速度和算法穩定性上均明顯優于傳統MC 模擬。文獻[52]基于三維狀態轉移概率矩陣對MCMC 法進行改進，以優化MCMC 法狀態轉移概率隨狀態持續時間增長而變化的問題。

2.1.2 系統狀態分析與評估

系統狀態分析與評估包含兩部分：能流計算與負荷削減計算[50]。能流計算相當于對IES 進行穩態潮流的建模與計算；而當系統發生故障，供能系統無法滿足所有負荷時，需要削減負荷以使系統恢復穩定運行，此過程中所產生的計算稱為負荷削減計算。在系統進行負荷削減時，要充分考慮負荷的相對重要程度差異，優先保障重要等級更高的負荷的運行可靠性[2]。究其本質，能流計算與負荷削減計算都是對最優能流問題的求解。

目前，能流計算較為常用的方法為牛頓-拉夫遜法和前推回代法。文獻[39]對氣電耦合IES 的運行方式進行研究，建立了其供電可靠性評估模型，并提出耦合系統可靠性評估的解析算法。文獻[53]對電網、氣網及水網分別進行穩態建模后，結合IES內部耦合設備及耦合方程，進一步提出電-氣-水混合潮流模型。文獻[54]綜合考慮不同耦合形式及能源供應模式下電網與氣網的約束條件，給出IES 的完全解耦、部分解耦及完全耦合三種運行模式，并提出對應的潮流算法。文獻[55]同時考慮電-氣互聯IES 系統中的能源耦合設備的作用、新能源機組出力不確定性及負荷隨機變化，提出一種新的潮流順序求解方法。文獻[56]根據耦合設備CHP 機組與P2G 機組是否參與系統工作將IES 的運行模式分為四種，并提出四種不同模式下的IES 多能潮流的交替迭代形式和求解方法。文獻[57]提出了順序計算法和一體化計算法兩種混合潮流計算方法，分別對子系統的潮流問題進行單獨求解和對耦合系統的潮流問題進行統一求解，進而對IES 進行能流分析。文獻[58]提出一種基于聚類抽樣的隨機潮流計算方法來提高計算速度和精度。文獻[59]基于加強非支配解占優關系的多目標差分進化算法進行電-氣互聯IES 的最優潮流計算。文獻[60]提出了一種分層解耦優化算法來優化負荷削減模型，并引入基于影響增量的狀態枚舉法和高階偶發事件的規約法，進一步提高可靠性評估的計算速度。

IES 復雜龐大的耦合結構使得其能流問題求解過程愈發復雜，需求解大量的高維非線性能量流方程組。采用傳統的牛頓-拉夫遜法會造成數值穩定性的問題，導致計算精度下降。文獻[61]考慮IES 中的強非線性模塊，采用了一種采用多點線性半不變量法的電-熱互聯IES 概率潮流算法。文獻[62]提出了一種電-熱互聯IES 潮流線性化模型，克服了傳統物理模型的數值穩定性問題。將非線性模塊強行線性化處理，雖然提高了計算速度，但會使得模型的計算精度下降。

除了上述基本潮流計算的衍生算法外，學術界也對IES 能流分析進行了諸多有益探索。文獻[63-66]基于電路理論中“場”到“路”的推演方法論，提出統一能路理論，分別對氣網和熱網進行基于能路理論的建模和分析，導出了與電力網絡在數學形式上統一的網絡矩陣和網絡方程，并對模型進行簡化和計算，進而分析IES 的運行狀態。

隨著系統耦合程度及運行狀態的增加，IES 的能流計算問題過程中的高維非線性分量逐漸增多，傳統計算方法只能通過簡化或忽略非線性分量進行混合潮流計算，計算過程繁雜，計算難度高，容易造成數值穩定性問題，同時計算精度也無法保證。

2.1.3 可靠性指標建立與計算

可靠性指標建立與計算旨在量化分析系統運行風險發生的可能性及可能導致的嚴重后果，是系統狀態的判斷依據。建立合理的運行可靠性評估指標體系，有利于及時發現系統中的薄弱環節，并對其改造建設及優化運行提供合理的參考和指導。基于指標體系的評估結果，可實現定量分析影響系統運行可靠性的關鍵因素，實現系統薄弱環節的快速定位，為后續控制決策方案的制定及運行可靠性的提高提供參考。運行可靠性評估指標體系不僅要反映系統的供能裕度信息，還要充分考慮運行約束條件；不僅要能評估系統整體的運行可靠性，也要能夠對關鍵設備、重要節點、能源轉換環節的運行可靠性進行描述；不僅要實現實時的可靠性的描述，也要對未來的運行狀態進行風險預測[9]。

目前，對于IES 系統及其內部各供能子系統的運行可靠性評估指標體系均有一定程度的發展。參照文獻[9,67]對電力系統運行可靠性評估指標的歸類方法，將IES 運行可靠性評估指標整理為四維體系，包括狀態維、程度維、層次維及時間維，見表2。

表2 IES 運行可靠性四維評估指標體系 Tab.2 IES operational reliability four-dimensional assessment indices system

狀態維指標將系統分為健康、臨界和風險三種狀態，對系統運行可靠性進行宏觀描述；程度維指標大多為表示供能可靠性的裕度指標，能夠量化系統的運行可靠性；層次維指標包括設備級、節點級、區域級及系統級四個層次，且區域級和系統級運行可靠性指標包含程度維的所有子指標；時間維指標分為以分鐘級、小時級指標為代表的短期指標，以及以日級、月級、年級指標為代表的長期指標。

為方便理解，根據表2 對指標的整理與分類，本文列出 IES 運行可靠性評估的關鍵指標與定義如下：

1）狀態維關鍵指標定義

健康狀態概率（Probability of Healthy State,PHS）、臨界狀態概率（Probability of Marginal State,PMS）與風險狀態概率（Probability of Risk State,PRS）的表達式分別為

式中，PSk(t)為系統狀態Sk在t時刻的概率；DH、DM、DR分別為系統處于健康狀態、臨界狀態與風險狀態的系統狀態集合。

2）程度維關鍵指標定義

程度維中的供能不足期望（Expected Energy Not Supplied,EENS）、失負荷概率（Loss of Load Probability,LOLP）、系統平均停電頻率（System Average Interruption Frequency Index，SAIFI）等指標均為衡量系統供能可靠性的經典指標，應用較為廣泛，本文不再給出詳細定義。下面依次介紹其他指標。

供能比例指標（Energy Supply Ratio,ESR）定義為

式中，NEN、NGN分別為電力網絡、天然氣網絡中負荷點的個數；分別為初始狀態和故障后，電力網絡和天然氣網絡中第n個負荷點的功率。

平均缺供能量（Average Energy Shortage,AES）定義為

式中，Pn為負荷節點n的平均負荷；Tn為負荷節點n處的年平均停供時間；Nn為負荷節點n處的用戶數。3）層次維關鍵指標定義 薄弱節點評估指標定義為

式中，εn為節點修正系數；λ1、λ2、λ3、λ4為權重系數；bn為節點n的絕對流介數；為節點n的M階鄰居數，旨在量化節點n在m步內可達到的節點總數；TFn與TPn分別為改進潮流沖擊率泰爾熵及改進壓力增長率泰爾熵，旨在進行IES 異質能源前提下的不平衡性分析。

介數權重節點度定義為

式中，VE、VG分別為電力網絡節點、天然氣網絡節點集合，Vm為與節點n相連節點p的集合；KE,p與KG,p分別為節點p與電力網絡、天然氣網絡其余節點相連的邊數；BL(n，p)為線路（n，p）的邊介數。

設備ei的閥級指標T(ei)定義為

式中，ψcmax為在所有設備完全可靠的前提下IES 所能供給的最大總能量；ψcmax(ei)為僅設備ei故障而其他設備完全可靠時，IES 所能供給的最大總能量。

綜合能源自給率ωCESR及綜合能源利用率ωCEUR分別定義為

式中，Ee、Eh和Eg分別為IES 輸出的電能、熱能及天然氣量；vLHV為天然氣燃燒低熱值；vK為電能與熱能的單位轉換系數；Eres為可再生能源設備生產的電能；分別為IES 買、賣的電能和購入的天然氣量。

4）時間維關鍵指標定義

系統平均停電持續時間（System Average Interruption Duration Index,SAIDI）及用戶平均停電持續時間（Customer Average Interruption Duration Index,CAIDI）分別從系統級與用戶級兩個角度來衡量能量缺供對運行可靠性的影響。由于上述兩指標較為經典，應用較為廣泛，故本文亦不再給出詳細定義。

IES 規模與功能的提升使得影響系統運行可靠性的不確定因素增多，具體表現為：①可再生能源接入系統帶來的不確定性。由于可再生能源固有的隨機性和波動性，以及在消納可再生能源過程中為了降低棄風棄光率而采用的供能策略等問題，給系統運行可靠性帶來了挑戰，且可再生能源如風、光等在空間和時間尺度上存在天然的互補性，如何利用其互補性指導儲能規劃及系統運行優化問題，進而提高IES 的運行可靠性水平尚待解決。②供能子系統間的耦合問題。能源系統已經從傳統的電力系統轉換為IES，現有針對電力系統運行可靠性的指標體系已經較為完善，但冷、熱、天然氣系統在傳輸過程中有明顯的時延特征，導致IES 的運行可靠性評估問題需要考慮各子系統的多時間尺度特性，且各個供能子系統之間的耦合關系、聯合出力及能源優先級問題都給IES 的安全穩定運行帶來約束。③信息系統對IES 運行可靠性的影響。與傳統電力系統相比，現有的IES 的能量處理能力在很大程度上取決于信息系統的可靠性，對信息流進行可靠性建模與評估也是IES 中亟需解決的問題。建立新的IES 可靠性評估指標時，可以從上述三方面進行考慮。

2.2 現有研究存在的不足

本節詳細分析了現有模型驅動的IES 運行可靠性評估方法存在的不足，總結為三點：

1）系統狀態生成與選取階段，現有研究主要存在以下兩方面不足：①系統運行狀態生成方面，使用MC 模擬進行系統的狀態抽樣，獲取的只能是設備或系統運行狀態的獨立樣本序列，且計算收斂速度慢；MCMC 模擬考慮了系統各個狀態間的相互影響，準確度更高且穩定性更強，但基于馬爾可夫過程平穩狀態概率進行狀態枚舉與后果分析，在當前狀態下反映系統的實時運行可靠性層面亦存在困難。②在運行數據庫獲取方面，隨著IES 規模逐漸增大，耦合結構日益復雜，運行數據不斷增加，在運行可靠性評估中需要考慮的隨機因素和約束條件越來越多。模型驅動的評估方法數據獲取渠道窄，數據集成處理能力弱，無法考慮運行中面臨的不確定因素和實時運行條件的改變對可靠性的影響，在生成運行可靠性實時數據庫方面無法實現快速獲取與準確評估。

2）在系統的能流計算與負荷削減計算中，計算效率與計算精度無法兼顧。IES 內部復雜的耦合結構使得最優能流計算問題要同時處理海量數據并計算一系列高維非線性問題，使用模型驅動的計算方法如牛頓-拉夫遜法及前推回代法等計算方法在實際應用過程中不得不通過削減狀態變量、線性化處理等犧牲精度的手段來提高計算效率，且求解過程中可能會出現迭代時間長、計算效率低、評估結果不準確等一系列問題。模型驅動的能流計算方法在處理IES 的高維非線性方程中所體現出的精度與速度的矛盾日益明顯。

3）運行可靠性評估指標體系需充分考慮運行層面的要求和定位。現有指標存在的問題主要體現在四方面：

（1）考慮冷熱供能子系統延遲特性的指標尚不完善。對于冷熱供能子系統而言，用戶用能的本質是在一段時間內獲得或保持一定的溫度約束范圍，僅依靠熱力系統狀態分析進行供熱運行可靠性指標計算，對運行可靠性的參考意義并不大。所以，需要根據熱慣性方程，將能量流動過程中的物理量轉換為基于用戶立場的物理量，并以此作為運行可靠性的評估依據[82]。另外，充分考慮供冷和供熱系統供能間斷的延遲效應，及管道傳輸中的損耗特性，在系統的綜合評估中充分考慮能源時間尺度的差異性[5]，會使IES 運行可靠性的評估更加準確。

（2）缺乏描述耦合設備運行狀態及系統內部耦合程度的指標。耦合設備如P2G 裝置、燃氣電廠及CHP 機組等承擔著不同子系統間的耦合及IES 內部的能質轉換任務，其運行狀態直接影響IES 的運行方式及供能可靠性。若耦合設備發生故障，可能會導致系統內部的能源轉換環節發生局部解耦，運行方式發生改變，嚴重威脅IES 的運行安全。建立耦合設備運行狀態評估指標，能夠實現對耦合設備的實時監測和故障概率預測，從而進一步保障系統的運行可靠性；各子系統間的耦合程度反映了各子系統的供能優先級問題，并能間接反映聯合出力的占比和效率，故對子系統間的耦合程度進行評估也對系統的運行可靠性具有重要意義。

（3）定量化評估設備重要程度的指標尚不完善。IES 內部存在大量設備，設備的重要程度指標越大，對 IES 運行可靠性的影響越大[80]。對系統的設備重要程度進行評估，有利于提高對重要等級高的設備進行監測與保護的優先級，加快系統薄弱環節的識別。

（4）考慮指標中信息的冗余，對指標體系中重要指標的提取亟需解決。現存的可靠性評估指標體系存在多樣化且標準不統一的現象，各指標內部可能存在大量的信息重疊，如何挖掘不同指標的內在聯系，實現不同指標之間的協調配合及指標權重的分配，對保障IES 運行可靠性的評估工作的客觀準確性具有重要意義。

3 結論

對 IES 進行運行可靠性評估不僅可以實現系統實時可靠性信息的獲取與感知，而且可對當前系統在未來短時段內可能面臨的運行風險進行預測，對提升系統的安全穩定性具有重要意義。本文從模型驅動的 IES 設備運行可靠性建模方法和運行可靠性評估方法兩方面進行研究現狀的綜述，并總結出現有研究存在的問題。本系列論文的下篇將會對數據驅動及模型-數據混合驅動的IES 運行可靠性評估做詳細評述，并對 IES 運行可靠性評估工作進行展望，在此基礎上，提出基于模型-數據混合驅動的IES 運行可靠性建模與評估新思路。