《中国人工智能学会通讯》——10.9 狭义能源互联网系统结构及其特点

10.9 狭义能源互联网系统结构及其特点

综合目前现代能源互联网的研究状况,从大区域能源资源配置、多种能源互联结构和功能实现三个角度分为全球能源互联网、广义能源互联网和狭义能源互联网。全球能源互联网由跨洲、跨国骨干网架和各国各电压等级电网构成,连接“一极一道”大型能源基地,适应各种集中式、分布式电源,能够将风能、太阳能、海洋能等可再生能源输送到各类用户。广义能源互联网是将一个广泛区域内分散的能源碎片集聚形成一个扁平化结构的超级能源体,它将人类所使用的分散于不同地区的各种能源资源及信息资源深度融合,实现能源资源和信息资源生产消费的合理分配和互联共享[8-9] 。然而,这两类能源互联网均已探讨全球区域性能源战略和多种能源网络互连概念为主,其主要涉及到的是国际政治、社会体制、外交环境为主,并没有涉及到具体的技术问题。因此,笔者认为涉及到现代能源互联网功能实现的具象化的狭义能源互联网,应是从业者更为关注的问题。

1 . 狭义能源互联网狭义能源互联网是相对于广义能源互联网的一个概念,其可被理解为按照一定的拓扑结构,将一个区域内的能量生产设备、能量消耗设备和能量储存设备连接起来形成一个能源网络,并通过能量转换设备将该网络关联至传统能源网络,实现多种能源的绿色共享和互补利用。如图 1 所示,狭义能源互联网内部兼容了大量分布式可再生能源、多种能源产生装置和分布式储能装置,通过能源接口和能源路由器等关键设备,实现大规模可再生能源的即插即用、能量的相互转换、多种能源的高效互补利用,保证狭义能源互联网的安全可靠运行。

2 . 能源互联网与智能电网的联系与区别智能电网被称为“电网 2.0”,其是通过先进的传感和测量技术、信息通讯技术、分析决策技术和自动控制技术与能源电力技术,以及电网基础设施高度集成而形成的新型现代化电网,能够实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标[10] 。作为“智能电网 2.0”,能源互联网具有泛在互联、对等开放、低碳高效、多源协同、安全可靠等特点,其与智能电网存在许多相似之处。

(1) 与信息技术高度融合:能源互联网与智能电网都是基于信息通讯技术,通过先进的智能化控制技术,将能源网络与信息网络高度融合,实现整个网络中能源的“产 - 输 - 用 - 储”设备的协同优化与经济运行。

(2) 支持可再生能源接入:能源互联网与智能电网的构建目标均为探索一种绿色、环保、可持续发展的未来能源利用体系,该体系充分利用各种能源资源,支持大规模风光水等可再生能源的即插即用,通过各种能源精确、互补供能,满足网络中能源用户的多样化需求。

(3) 系统行为智能化:能源互联网与智能电网均具有与能源用户互动、故障自我修复、抵御外部物理破坏与信息攻击等能力,且能够支持存在充分竞争行为的成熟能源交易市场[11] ,两者相继提出表明了未来能源网络高度智能化的发展趋势。

然而,作为公认的下一代能源网络,能源互联网支持多种能源接入,具有独特的扁平化结构和对等、自由、实时的能源交易模式,与智能电网存在显著区别,具体体现在如下三个方面。

(1) 接入能源类型不同:智能电网以电能为主,能源互联网包括电、气、热等多种类型能源。但是,这不能简单的认为多种能源接入了就是能源互联网,一定要有针对多种能源的统一度量、统一建模和统一优化与调度。

(2) 接入方式不同:智能电网尽管强调了分布式发电在其中起到的作用,但是,从本质上,无论是调度模式,还是控制策略,都还是集中的垂直调控思想。即通过一个调控中心来进行统一的控制,任何能源提供设备的接入必须在上一级调控中心进行报备,并归入集中控制;而能源互联网采用的是分布式对等接入,各个能源提供设备可以实现即插即用。

(3) 信息利用模式不同:智能电网相对于传统电网的采集点和采集信息更多、更全面,但是对于信息的利用与传统的调度自动化并没有本质区别,信息与物理系统还是独立的,没有有机结合。能源互联网更为强调物理与信息系统的统一建模,特别是考虑了信息系统对于物理系统的影响。

时间: 2024-11-03 16:03:36

《中国人工智能学会通讯》——10.9 狭义能源互联网系统结构及其特点的相关文章

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——2016机器智能前沿论坛召开

2016 年 12 月 17 日,由中国人工智能学会.中国工程院战略咨询中心主办,今日头条.IEEE<计算科学评论>协办的"2016机器智能前沿论坛"暨"2016 BYTE CUP国际机器学习竞赛颁奖仪式"在中国工程院举办.论坛嘉宾包括中外顶尖的数据挖掘.机器学习,以及自然语言处理方向的专家学者. 与以往不同,本次论坛除介绍机器学习的重大进展和应用外,还着重讨论了机器学习技术在媒体数据上的应用,并为2016 BYTE CUP 国际机器学习竞赛的获奖选手进

中国人工智能学会通讯——混合智能概念与新进展

脑科学以阐明脑的工作原理为目标,近年来已成为最重要的科学前沿领域之一.脑功能计算.脑智能模仿再度成为学术界和产业界热议话题[1-4].欧盟.美国.日本相继启动了大型脑研究计划,强有力推动了人们对脑结构.脑功能和脑智能的探索和认识:另一方面,人工智能研究风起云涌,最近一个标志性事件是谷歌的AlphaGo以4:1战胜围棋世界冠军李世石[5],实现了围棋人工智能领域史无前例的突破.2016年9月斯坦福大学发布了<2030年的人工智能与生活>报告[6],全面评估了当前人工智能的进展.挑战.机遇与展望.

中国人工智能学会通讯——人工智能发展的思考

2016 年是充满了纪念意义的特殊的一年:80 年前的 1936 年,"人工智能之父"图灵提出了"可计算机器"的概念,为人工智能乃至现代信息科技奠定了基础:70年前的 1946 年,世界上第一台电子计算机ENIAC 在美国滨州诞生:60 年前的 1956年"人工智能"的概念首次被提出:50 年前的 1966 年,第一次颁发"图灵奖",到目前为止已经有 64 位获奖者:10 年前的2006 年,深度学习概念开始为大家所熟悉,并流

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智