0 引言
随着经济社会的快速发展，全球能源消耗量激增，能源压力正在逐步增大。传统的供能系统多以不可再生的化石能源为主，会导致环境问题加剧，并且各供能子系统之间的单独设计和运行也导致了能源利用率低下[1]，容易造成一次能源的浪费与可再生能源的消纳困难，这与可持续发展的理念背道而驰。现今，如何打破传统供能系统的壁垒，提高能源系统的综合利用率，保障其供能可靠性已然成为国内外的研究热点[2]。以电力系统为核心，由多种供能子系统耦合而成的综合能源系统（Integrated Energy Systems,IES）能够有机地协调各类能源的分配、转换、存储和消费，实现社会能源系统的转换利用、协同优化和耦合互补，将成为未来能源的主要承载形式[3-7]。
目前，对于IES 的研究已成为国内外能源领域未来发展的重要战略方向[8]。作为运行优化与稳定控制过程中的关键技术，IES 的运行可靠性评估方法得到了广泛的研究。运行可靠性定义为计及设备自身健康状况、外部环境条件、系统运行条件和系统运行行为时，系统在短期内按可接受的质量标准和所需数量不间断地向用户提供能量的度量[9]。与传统的可靠性评估不同，运行可靠性更关注设备在实时运行状态下的时变可靠性。IES 受设备故障及随机停运等内部因素的影响，同时外部的不确定性运行条件也给系统的可靠运行带来威胁。进行运行可靠性评估的主要目标不仅是实现对系统运行状态的实时评估与监测，而且可以基于系统运行实时状态信息，实现薄弱环节的精准快速定位，并对短期可能面临的运行风险进行科学预测，从而给出未来短时间内的综合控制方案、辅助决策、运行调度指导等关键信息，保障IES 持续高效安全的稳定运行。
IES 运行可靠性评估与电力系统运行可靠性评估的区别在于，IES 的运行可靠性评估中需考虑不同供能子系统的耦合带来的运行状态的改变，以及面临更多的运行不确定性。随着IES 内部设备数量的不断增加，以及子系统间耦合关系的日益紧密，影响系统运行稳定性的因素不断增多，系统运行数据库规模进一步扩大，因此，进行IES 的运行可靠性评估对多能耦合系统的故障定位、薄弱环节识别、保障系统安全稳定具有重要的指导意义。目前，电力系统及IES 的运行可靠性评估方法主要分为模型驱动和数据驱动两种。
模型驱动的运行可靠性评估主要借助具体数学模型对系统运行状态进行评估计算。文献[5]考虑系统的多时间尺度特性及热惯性和多能互济的运行策略，采用基于马尔可夫链的蒙特卡洛法评估IES的运行可靠性，但对热惯性的建模过程并未体现系统出力的实时特性。文献[10]分析了能源间的耦合逻辑关系和能源品味差异，建立考虑设备出力时序特性的IES 运行可靠性评估模型，但并未考虑供能子系统运行状态变化对整体运行可靠性的影响。文献[11]为量化多重不确定性因素对IES 运行可靠性的影响，提出了一种输配一体化的运行多指标评估方法。但在运行可靠性指标方面只采用传统的系统可靠性指标，在时间尺度上难以满足运行层面对系统可靠性进行实时评估的要求。
数据驱动的运行可靠性评估主要借助人工智能技术对系统运行状态进行评估。随着人工智能技术的发展，数据驱动的技术如机器学习法、模糊理论法等，因其强大的数据处理、非线性拟合能力及自学习能力，在电力系统及IES 的运行分析与可靠性评估方面得到了初步应用。文献[12]对IES 运行可靠性评估方法进行了综述，并提出了模型-数据混合驱动的评估新思路，但是在建模环节对耦合设备的考虑较少，且对混合驱动评估方法的研究现状介绍较少。文献[13]对机器学习在电力系统和IES 中的应用进行了综述，主要介绍了机器学习的原理及在系统调度优化和控制决策方面的应用，未对利用机器学习进行运行可靠性评估的问题进行阐述。文献[14]对数据驱动的IES 评估进行了研究现状的总结，但并未全面指出数据驱动技术在解决运行可靠性评估问题方面的局限性。文献[15]对典型的人工智能技术进行介绍，并综述了其在电力系统及IES中的应用，但对故障检测和可靠性评估方面的叙述并不全面。
目前，关于IES 运行可靠性评估的研究工作主要在设备运行可靠性建模方法、系统运行可靠性评估方法及运行可靠性评估指标体系三方面存在不足：
（1）在设备运行可靠性建模方面，现有的设备故障停运模型很难反映设备在可再生能源接入、负荷多样性等多重不确定因素下运行的时变特性，需深入挖掘导致设备故障停运的各因素之间的内在联系，建立全面考虑运行不确定性因素影响的符合设备运行层面要求与定位的运行可靠性模型；且随着系统规模逐渐扩大，电力系统中仅对独立设备进行运行可靠性建模的方法已经不适用于IES 的建模评估，对IES 中耦合设备及耦合环节进行准确的建模问题亟需解决。
（2）在系统运行可靠性评估方法方面，单纯依靠模型驱动的运行可靠性评估方法易受到计算速度与精度间矛盾的限制，已不适用于处理计算高维非线性系统的运行数据；数据驱动的可靠性评估方法虽然有处理速度与计算精度的优势，但其可解释性较弱，限制了其发展与应用。兼顾速度、精度与可解释性的运行可靠性评估算法尚待发展。
（3）在运行可靠性评估指标体系方面，考虑IES内部天然气与热力系统的传输具有明显的时延特性，现有指标体系尚不能实现IES 运行可靠性的多维度、多时间尺度的全面评估，且对于衡量多能耦合程度及能源出力优先级和在线识别系统薄弱环节等核心问题的IES 运行可靠性评估环节尚没有认可度较高的指标；另外，现有指标存在多样化且标准不统一的现象，存在大量信息重叠，指标体系内部的权重分配与重要程度排序尚未实现，上述指标体系内容的缺失与信息冗余均会导致最终评估结果较为粗糙。
本文对现有的IES 运行可靠性评估研究现状进行了进一步梳理，在此基础上提出了IES 运行可靠性评估的新思路。首先，从模型驱动及数据驱动两方面详细介绍了IES 设备运行可靠性建模的研究现状及各种建模方法存在的问题；然后，从模型驱动、数据驱动、模型-数据混合驱动三个方面详细梳理了IES 运行可靠性评估方法的研究现状，并分析总结其优势和不足；最后，对IES 运行可靠性分析建模与评估方法中的现存关键科学问题进行展望，并提出人工智能背景下模型-数据混合驱动的IES 运行可靠性建模与评估的新思路。为保证文章内容的完整性与连贯性，笔者组织了上下两篇系列论文，本文为上篇，主要内容为对模型驱动的IES 设备运行可靠性建模及IES 运行可靠性评估进行研究现状的综述，并对现存问题进行归纳总结。
1 模型驱动的IES 设备运行可靠性建模
对设备状态概率的时变特性及供需不确定性进行建模，是设备运行可靠性评估的内在需求，也是其区别于常规可靠性评估的特点[12]。设备的时变特性由运行条件的多样性等外部因素和设备本身故障的随机性等内部因素共同决定，而设备运行时的供需不确定性主要由负荷的多样性及可再生能源接入等带来的运行不确定性引起。对设备进行运行可靠性建模，是分析系统运行状态、评估系统运行可靠性的基础。
按照是否参与异质能流间的耦合转换与互补利用，IES 中的设备可分为独立设备及耦合设备两种。独立设备中电/气/冷/热各类能源维持自身特有的能质属性，不存在异质能流间的耦合转换问题，而耦合设备可以实现不同种能量间的转换利用[16]。如图1 所示，常见的独立设备有输电线路、燃气管道、热力管网及储能装置等；常见的耦合设备如参与电-气耦合的电转气（Power to Gas,P2G）装置、燃气轮机，参与气-热耦合的燃气锅炉，参与电-气-热耦合的热电联产（Combined Heat and Power,CHP）机组，参与电-气-冷-热耦合的冷热电联供）Combined Cooling Heating and Power,CCHP）机组，参与冷-热耦合的吸收式制冷机等。
图1 IES 耦合结构示意图
Fig.1 Schematic diagram of IES coupling structure
模型驱动的IES 设备运行可靠性建模方法主要有模型解析法及马尔可夫多状态法两种，其研究现状总结见表1。
表1 模型驱动的设备运行可靠性建模方法研究现状
Tab.1 Research status of model-driven equipment operational reliability modeling methods
1.1 模型解析法
基于模型解析法的设备运行可靠性建模通过建立故障设备的状态合集，以设备的实际运行状态和期望状态的偏差最小为目标建立优化模型，进而实现设备故障诊断与建模[17-18]。现有研究通常采用分段解析模型[18-19]或全解析模型[20]进行设备运行可靠性建模分析。
基于模型解析法的设备运行可靠性建模依靠较强的理论依据与数学基础，具有易实现、模型稳定、可靠性高等优点。但是，随着系统维度增高、运行状态增加及运行不确定性因素的影响，会导致设备模型过于复杂，造成求解困难等问题。在建模过程中，如果将高维影响因素和不确定性因素理想化处理，又会使建模不准确。利用模型解析法对设备进行建模时，如何在构建考虑多故障信息影响因素的同时提高模型的精度和效率，是后续需要重点研究的问题。
1.2 马尔可夫多状态法
基于历史数据的传统可靠性建模方法无法刻画设备及系统故障的实时特性。而马尔可夫过程认为系统下一时刻的状态只能与当前状态有关，而与历史状态无关，具有典型的“无记忆性”特点[35]。其数学表达式为
式中，Pr(tk+1)为系统在tk+1 时刻所处的状态概率。马尔可夫过程适用于建立基于实时运行条件的设备时变可靠性模型[36]，为系统运行状态的实时监测和可靠性建模提供了新思路。现有研究通常采用马尔可夫两状态[37-38]或多状态[39-40]法对设备进行建模。马尔可夫状态转移图如图2 所示。
图2 马尔可夫状态转移图
Fig.2 Markov state transition diagram
图2a 中，λ 和μ 分别为元件的故障率和故障的修复率；元件的平均无故障工作时间MTTF 和平均故障修复时间MTTR 与λ 和μ 的关系为[37]
图2b 中，λi 和μi（i=1,2,3,…,n）分别表示故障因素i 所引起的故障率和故障的修复率。马尔可夫多状态模型的状态概率转移矩阵为[35]
马尔可夫多状态法可以实现设备实时故障信息的定位，非常适用于考虑时变特性的设备运行可靠性建模。但是，马尔可夫多状态法认为导致设备停运的各个影响因素是相互独立的，忽略了故障因素内部的关联性[12]。随着IES 内部和外部影响因素逐渐增多，影响设备实时可靠性的因素大大增加，各因素相互关联且共同对设备运行可靠性产生影响，使用马尔可夫多状态法可能会导致模型不清晰，从而使运行可靠性模型存在局限性。
IES 的设备运行可靠性建模从建模原理上可分为模型驱动的建模及数据驱动的建模两种。关于基于数据驱动方法进行建模的研究现状及对现有建模方法所存不足的阐述，将在本系列论文的下篇中进行详细总结评述。
2 模型驱动的IES 运行可靠性评估
模型驱动的运行可靠性评估是一种具有广泛研究基础的评估方法，大部分依靠概率与数理统计等数学知识和数学模型来实现，具有简明便捷、容易应用的特点，模型推导过程缜密严谨，较为成熟。模型驱动的运行可靠性评估如图3 所示，模型驱动的IES 运行可靠性评估方法通常包括系统状态生成与选取、系统状态分析与评估、可靠性指标建立与计算三个主要步骤。下文对模型驱动的IES 运行可靠性评估的研究现状与存在问题进行详细综述。
图3 模型驱动的运行可靠性评估
Fig.3 Model-driven operational reliability assessment
2.1 研究现状
2.1.1 系统状态生成与选取
基于运行可靠性实时数据库及评估模型，系统状态生成与选取通常采用蒙特卡洛（Monte Carlo,MC）模拟法来实现。MC 模拟是使用概率分布函数来确定随机变量值的随机抽样模拟技术[43]，是在领域内生成海量仿真系统运行状态的理论基础[44]。MC 模拟可以通过仿真生成大量的运行可靠性场景数据，如系统的负荷大小、随机行为或者供能可用性等，为后续系统状态的分析提供了数据来源，在IES 的可靠性评估工作中起到了巨大的推动作用。
根据是否考虑系统运行状态的时序，MC 模拟一般分为序贯MC 模拟和非序贯MC 模拟两种。序贯MC 是指对系统运行状态的时序模拟，非序贯MC虽然不考虑系统的时间状态序列，但计算速度较序贯MC 更快[45]。MC 模拟是一种有广泛研究基础的统计实验方法，被大量应用于系统的状态抽样及运行可靠性评估。在足够长的仿真时间里，使用MC模拟可以考虑系统几乎所有的运行状态，如负荷的时变特性、设备的修复特性、运行的随机性、供需不确定性等，获得很高的计算精度。但是，MC 模拟需要较长的计算时间和较大的计算规模来保证结果的可靠性，如何在保证模拟精度的同时提升模拟速度，是应用MC 模拟亟需解决的问题。文献[46]采用非序贯MC 模拟对考虑不同运行模式的系统在单一或多种意外情况下的可靠性进行了评估，并提出用两步状态采样、区域划分和最小路径搜索等技术来提高模拟速度。文献[47]提出一种计及多状态离散型和连续型随机变量的扩展交叉熵法，并通过算例验证了该方法可以有效克服传统非序贯MC 模拟收敛慢的特点，实现高效评估。文献[48]基于序贯MC 模拟，提出一种考虑最优负荷削减和热负荷惯性的IES 可靠性评估方法。
另外，MC 模拟随机采样所得到的只是独立样本序列，而未考虑系统各个样本间的相互影响，不符合IES 中各部分深度耦合、各运行状态相互影响的特点，使用独立元素的抽样方法必然会使模拟结果存在偏差。为解决上述问题，文献[49]提出马尔可夫链蒙特卡洛法（Markov Chain Monte Carlo,MCMC），它将随机过程中的马尔可夫过程引入MC过程，以实现动态MC 模拟。其基本思路是：通过重复抽样，建立一个平稳分布与系统先验概率分布相同的马尔可夫链，从而得到系统的状态样本，并基于样本进行可靠性评估。此方法突破了传统MC模拟的静态局限，实现了MC 模拟的动态采样。又由于每条马尔可夫链均收敛于同一分布，使得MCMC 算法具有很好的收敛性。文献[28]利用马尔可夫过程对IES 中的能量耦合设备状态变化过程建模，并通过MC 模拟对其状态进行选择，将其状态随机变量纳入能源集线器（Energy Hub,EH）的能量平衡方程来评估系统的运行可靠性。文献[50]基于MCMC 法模拟IES 在很长一段时间的状态变化，得到系统的状态样本，并使用区域划分和最小路径搜索法对系统状态进行选择。文献[51]用实际算例证明了MCMC 模拟在收敛速度和算法稳定性上均明显优于传统MC 模拟。文献[52]基于三维状态转移概率矩阵对MCMC 法进行改进，以优化MCMC 法状态转移概率随状态持续时间增长而变化的问题。
2.1.2 系统状态分析与评估
系统状态分析与评估包含两部分：能流计算与负荷削减计算[50]。能流计算相当于对IES 进行稳态潮流的建模与计算；而当系统发生故障，供能系统无法满足所有负荷时，需要削减负荷以使系统恢复稳定运行，此过程中所产生的计算称为负荷削减计算。在系统进行负荷削减时，要充分考虑负荷的相对重要程度差异，优先保障重要等级更高的负荷的运行可靠性[2]。究其本质，能流计算与负荷削减计算都是对最优能流问题的求解。
目前，能流计算较为常用的方法为牛顿-拉夫逊法和前推回代法。文献[39]对气电耦合IES 的运行方式进行研究，建立了其供电可靠性评估模型，并提出耦合系统可靠性评估的解析算法。文献[53]对电网、气网及水网分别进行稳态建模后，结合IES内部耦合设备及耦合方程，进一步提出电-气-水混合潮流模型。文献[54]综合考虑不同耦合形式及能源供应模式下电网与气网的约束条件，给出IES 的完全解耦、部分解耦及完全耦合三种运行模式，并提出对应的潮流算法。文献[55]同时考虑电-气互联IES 系统中的能源耦合设备的作用、新能源机组出力不确定性及负荷随机变化，提出一种新的潮流顺序求解方法。文献[56]根据耦合设备CHP 机组与P2G 机组是否参与系统工作将IES 的运行模式分为四种，并提出四种不同模式下的IES 多能潮流的交替迭代形式和求解方法。文献[57]提出了顺序计算法和一体化计算法两种混合潮流计算方法，分别对子系统的潮流问题进行单独求解和对耦合系统的潮流问题进行统一求解，进而对IES 进行能流分析。文献[58]提出一种基于聚类抽样的随机潮流计算方法来提高计算速度和精度。文献[59]基于加强非支配解占优关系的多目标差分进化算法进行电-气互联IES 的最优潮流计算。文献[60]提出了一种分层解耦优化算法来优化负荷削减模型，并引入基于影响增量的状态枚举法和高阶偶发事件的规约法，进一步提高可靠性评估的计算速度。
IES 复杂庞大的耦合结构使得其能流问题求解过程愈发复杂，需求解大量的高维非线性能量流方程组。采用传统的牛顿-拉夫逊法会造成数值稳定性的问题，导致计算精度下降。文献[61]考虑IES 中的强非线性模块，采用了一种采用多点线性半不变量法的电-热互联IES 概率潮流算法。文献[62]提出了一种电-热互联IES 潮流线性化模型，克服了传统物理模型的数值稳定性问题。将非线性模块强行线性化处理，虽然提高了计算速度，但会使得模型的计算精度下降。
除了上述基本潮流计算的衍生算法外，学术界也对IES 能流分析进行了诸多有益探索。文献[63-66]基于电路理论中“场”到“路”的推演方法论，提出统一能路理论，分别对气网和热网进行基于能路理论的建模和分析，导出了与电力网络在数学形式上统一的网络矩阵和网络方程，并对模型进行简化和计算，进而分析IES 的运行状态。
随着系统耦合程度及运行状态的增加，IES 的能流计算问题过程中的高维非线性分量逐渐增多，传统计算方法只能通过简化或忽略非线性分量进行混合潮流计算，计算过程繁杂，计算难度高，容易造成数值稳定性问题，同时计算精度也无法保证。
2.1.3 可靠性指标建立与计算
可靠性指标建立与计算旨在量化分析系统运行风险发生的可能性及可能导致的严重后果，是系统状态的判断依据。建立合理的运行可靠性评估指标体系，有利于及时发现系统中的薄弱环节，并对其改造建设及优化运行提供合理的参考和指导。基于指标体系的评估结果，可实现定量分析影响系统运行可靠性的关键因素，实现系统薄弱环节的快速定位，为后续控制决策方案的制定及运行可靠性的提高提供参考。运行可靠性评估指标体系不仅要反映系统的供能裕度信息，还要充分考虑运行约束条件；不仅要能评估系统整体的运行可靠性，也要能够对关键设备、重要节点、能源转换环节的运行可靠性进行描述；不仅要实现实时的可靠性的描述，也要对未来的运行状态进行风险预测[9]。
目前，对于IES 系统及其内部各供能子系统的运行可靠性评估指标体系均有一定程度的发展。参照文献[9,67]对电力系统运行可靠性评估指标的归类方法，将IES 运行可靠性评估指标整理为四维体系，包括状态维、程度维、层次维及时间维，见表2。
表2 IES 运行可靠性四维评估指标体系
Tab.2 IES operational reliability four-dimensional assessment indices system
状态维指标将系统分为健康、临界和风险三种状态，对系统运行可靠性进行宏观描述；程度维指标大多为表示供能可靠性的裕度指标，能够量化系统的运行可靠性；层次维指标包括设备级、节点级、区域级及系统级四个层次，且区域级和系统级运行可靠性指标包含程度维的所有子指标；时间维指标分为以分钟级、小时级指标为代表的短期指标，以及以日级、月级、年级指标为代表的长期指标。
为方便理解，根据表2 对指标的整理与分类，本文列出 IES 运行可靠性评估的关键指标与定义如下：
1）状态维关键指标定义
健康状态概率（Probability of Healthy State,PHS）、临界状态概率（Probability of Marginal State,PMS）与风险状态概率（Probability of Risk State,PRS）的表达式分别为
式中，PSk(t)为系统状态Sk 在t 时刻的概率；DH、DM、DR 分别为系统处于健康状态、临界状态与风险状态的系统状态集合。
2）程度维关键指标定义
程度维中的供能不足期望（Expected Energy Not Supplied,EENS）、失负荷概率（Loss of Load Probability,LOLP）、系统平均停电频率（System Average Interruption Frequency Index，SAIFI）等指标均为衡量系统供能可靠性的经典指标，应用较为广泛，本文不再给出详细定义。下面依次介绍其他指标。
供能比例指标（Energy Supply Ratio,ESR）定义为
式中，NEN、NGN 分别为电力网络、天然气网络中负荷点的个数；
分别为初始状态和故障后，电力网络和天然气网络中第n 个负荷点的功率。
平均缺供能量（Average Energy Shortage,AES）定义为
式中，Pn 为负荷节点n 的平均负荷；Tn 为负荷节点n处的年平均停供时间；Nn 为负荷节点n 处的用户数。3）层次维关键指标定义 薄弱节点评估指标定义为
式中，εn 为节点修正系数；λ1、λ2、λ3、λ4 为权重系数；bn 为节点n 的绝对流介数；
为节点n 的M阶邻居数，旨在量化节点n 在m 步内可达到的节点总数；TFn 与TPn 分别为改进潮流冲击率泰尔熵及改进压力增长率泰尔熵，旨在进行IES 异质能源前提下的不平衡性分析。
介数权重节点度定义为
式中，VE、VG 分别为电力网络节点、天然气网络节点集合，Vm 为与节点n 相连节点p 的集合；KE,p 与KG,p 分别为节点p 与电力网络、天然气网络其余节点相连的边数；BL(n，p)为线路（n，p）的边介数。
设备ei 的阀级指标T(ei)定义为
式中，ψcmax 为在所有设备完全可靠的前提下IES 所能供给的最大总能量；ψcmax(ei)为仅设备ei 故障而其他设备完全可靠时，IES 所能供给的最大总能量。
综合能源自给率 ωCESR 及综合能源利用率ωCEUR 分别定义为
式中，Ee、Eh 和Eg 分别为IES 输出的电能、热能及天然气量；vLHV 为天然气燃烧低热值；vK 为电能与热能的单位转换系数；Eres 为可再生能源设备生产的电能；
分别为IES 买、卖的电能和购入的天然气量。
4）时间维关键指标定义
系统平均停电持续时间（System Average Interruption Duration Index,SAIDI）及用户平均停电持续时间（Customer Average Interruption Duration Index,CAIDI）分别从系统级与用户级两个角度来衡量能量缺供对运行可靠性的影响。由于上述两指标较为经典，应用较为广泛，故本文亦不再给出详细定义。
IES 规模与功能的提升使得影响系统运行可靠性的不确定因素增多，具体表现为：①可再生能源接入系统带来的不确定性。由于可再生能源固有的随机性和波动性，以及在消纳可再生能源过程中为了降低弃风弃光率而采用的供能策略等问题，给系统运行可靠性带来了挑战，且可再生能源如风、光等在空间和时间尺度上存在天然的互补性，如何利用其互补性指导储能规划及系统运行优化问题，进而提高IES 的运行可靠性水平尚待解决。②供能子系统间的耦合问题。能源系统已经从传统的电力系统转换为IES，现有针对电力系统运行可靠性的指标体系已经较为完善，但冷、热、天然气系统在传输过程中有明显的时延特征，导致IES 的运行可靠性评估问题需要考虑各子系统的多时间尺度特性，且各个供能子系统之间的耦合关系、联合出力及能源优先级问题都给IES 的安全稳定运行带来约束。③信息系统对IES 运行可靠性的影响。与传统电力系统相比，现有的IES 的能量处理能力在很大程度上取决于信息系统的可靠性，对信息流进行可靠性建模与评估也是IES 中亟需解决的问题。建立新的IES 可靠性评估指标时，可以从上述三方面进行考虑。
2.2 现有研究存在的不足
本节详细分析了现有模型驱动的IES 运行可靠性评估方法存在的不足，总结为三点：
1）系统状态生成与选取阶段，现有研究主要存在以下两方面不足：①系统运行状态生成方面，使用MC 模拟进行系统的状态抽样，获取的只能是设备或系统运行状态的独立样本序列，且计算收敛速度慢；MCMC 模拟考虑了系统各个状态间的相互影响，准确度更高且稳定性更强，但基于马尔可夫过程平稳状态概率进行状态枚举与后果分析，在当前状态下反映系统的实时运行可靠性层面亦存在困难。②在运行数据库获取方面，随着IES 规模逐渐增大，耦合结构日益复杂，运行数据不断增加，在运行可靠性评估中需要考虑的随机因素和约束条件越来越多。模型驱动的评估方法数据获取渠道窄，数据集成处理能力弱，无法考虑运行中面临的不确定因素和实时运行条件的改变对可靠性的影响，在生成运行可靠性实时数据库方面无法实现快速获取与准确评估。
2）在系统的能流计算与负荷削减计算中，计算效率与计算精度无法兼顾。IES 内部复杂的耦合结构使得最优能流计算问题要同时处理海量数据并计算一系列高维非线性问题，使用模型驱动的计算方法如牛顿-拉夫逊法及前推回代法等计算方法在实际应用过程中不得不通过削减状态变量、线性化处理等牺牲精度的手段来提高计算效率，且求解过程中可能会出现迭代时间长、计算效率低、评估结果不准确等一系列问题。模型驱动的能流计算方法在处理IES 的高维非线性方程中所体现出的精度与速度的矛盾日益明显。
3）运行可靠性评估指标体系需充分考虑运行层面的要求和定位。现有指标存在的问题主要体现在四方面：
（1）考虑冷热供能子系统延迟特性的指标尚不完善。对于冷热供能子系统而言，用户用能的本质是在一段时间内获得或保持一定的温度约束范围，仅依靠热力系统状态分析进行供热运行可靠性指标计算，对运行可靠性的参考意义并不大。所以，需要根据热惯性方程，将能量流动过程中的物理量转换为基于用户立场的物理量，并以此作为运行可靠性的评估依据[82]。另外，充分考虑供冷和供热系统供能间断的延迟效应，及管道传输中的损耗特性，在系统的综合评估中充分考虑能源时间尺度的差异性[5]，会使IES 运行可靠性的评估更加准确。
（2）缺乏描述耦合设备运行状态及系统内部耦合程度的指标。耦合设备如P2G 装置、燃气电厂及CHP 机组等承担着不同子系统间的耦合及IES 内部的能质转换任务，其运行状态直接影响IES 的运行方式及供能可靠性。若耦合设备发生故障，可能会导致系统内部的能源转换环节发生局部解耦，运行方式发生改变，严重威胁IES 的运行安全。建立耦合设备运行状态评估指标，能够实现对耦合设备的实时监测和故障概率预测，从而进一步保障系统的运行可靠性；各子系统间的耦合程度反映了各子系统的供能优先级问题，并能间接反映联合出力的占比和效率，故对子系统间的耦合程度进行评估也对系统的运行可靠性具有重要意义。
（3）定量化评估设备重要程度的指标尚不完善。IES 内部存在大量设备，设备的重要程度指标越大，对 IES 运行可靠性的影响越大[80]。对系统的设备重要程度进行评估，有利于提高对重要等级高的设备进行监测与保护的优先级，加快系统薄弱环节的识别。
（4）考虑指标中信息的冗余，对指标体系中重要指标的提取亟需解决。现存的可靠性评估指标体系存在多样化且标准不统一的现象，各指标内部可能存在大量的信息重叠，如何挖掘不同指标的内在联系，实现不同指标之间的协调配合及指标权重的分配，对保障IES 运行可靠性的评估工作的客观准确性具有重要意义。
3 结论
对 IES 进行运行可靠性评估不仅可以实现系统实时可靠性信息的获取与感知，而且可对当前系统在未来短时段内可能面临的运行风险进行预测，对提升系统的安全稳定性具有重要意义。本文从模型驱动的 IES 设备运行可靠性建模方法和运行可靠性评估方法两方面进行研究现状的综述，并总结出现有研究存在的问题。本系列论文的下篇将会对数据驱动及模型-数据混合驱动的IES 运行可靠性评估做详细评述，并对 IES 运行可靠性评估工作进行展望，在此基础上，提出基于模型-数据混合驱动的IES 运行可靠性建模与评估新思路。
[1]刘涤尘,马恒瑞,王波,等.含冷热电联供及储能的区域综合能源系统运行优化[J].电力系统自动化,2018,42(4):113-120,141.
Liu Dichen,Ma Hengrui,Wang Bo,et al.Operation optimization of regional integrated energy system with CCHP and energy storage system[J].Automation of Electric Power Systems,2018,42(4):113-120,141.
[2]刘文霞,杨粤,李征洲,等.考虑多能流传输与热惰性的综合能源系统序贯模拟可靠性评估[J].电力自动化设备,2020,40(7):10-18.
Liu Wenxia,Yang Yue,Li Zhengzhou,et al.Reliability evaluation of integrated energy system considering multi-energy flow transmission and thermal inertia based on sequential simulation[J].Electric Power Automation Equipment,2020,40(7):10-18.
[3]贾宏杰,王丹,徐宪东,等.区域综合能源系统若干问题研究[J].电力系统自动化,2015,39(7):198-207.
Jia Hongjie,Wang Dan,Xu Xiandong,et al.Research on some key problems related to integrated energy systems[J].Automation of Electric Power Systems,2015,39(7):198-207.
[4]贾宏杰,穆云飞,余晓丹.对我国综合能源系统发展的思考[J].电力建设,2015,36(1):16-25.
Jia Hongjie,Mu Yunfei,Xu Xiaodan.Thought about the integrated energy system in China[J].Electric Power Construction,2015,36(1):16-25.
[5]吕佳炜,张沈习,程浩忠.计及热惯性和运行策略的综合能源系统可靠性评估方法[J].电力系统自动化,2018,42(20):9-18.
Lü Jiawei,Zhang Shenxi,Cheng Haozhong.Reliability evaluation of integrated energy system considering thermal inertia and operation strategy[J].Automation of Electric Power Systems,2018,42(20):9-18.
[6]刁涵彬,李培强,王继飞,等.考虑电/热储能互补协调的综合能源系统优化调度[J].电工技术学报,2020,35(21):4532-4543.
Diao Hanbin,Li Peiqiang,Wang Jifei,et al.Optimal dispatch if integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society,2020,35(21):4532-4543.
[7]陈柏森,廖清芬,刘涤尘,等.区域综合能源系统的综合评估指标与方法[J].电力系统自动化,2018,42(4):174-182.
Chen Baisen,Liao Qingfen,Liu Dichen,et al.Comprehensive evaluation indices and methods for regional integrated energy system[J].Automation of Electric Power Systems,2018,42(4):174-182.
[8]余晓丹,徐宪东,贾宏杰,等.综合能源系统与能源互联网简述[J].电工技术学报,2016,31(1):1-13.
Yu Xiaodan,Xu Xiandong,Jia Hongjie,et al.A brief review to integrated energy system and energy internet[J].Transactions of China Electrotechnical Society,2016,31(1):1-3.
[9]程林,何剑.电力系统可靠性原理和应用[M].北京:清华大学出版社,2014.
[10]葛少云,李吉峰,刘洪,等.考虑多能耦合及品位差异的含储能微网可靠性评估[J].电力系统自动化,2018,42(4):165-173.
Ge Shaoyun,Li Jifeng,Liu Hong,et al.Reliability evaluation of microgrid containing energy storage system considering multi-energy coupling and grade difference[J].Automation of Electric Power Systems,2018,42(4):165-173.
[11]何宇斌,张伊宁,马光,等.输配一体化综合能源系统的运行多指标评估方法[J].电力自动化设备,2019,39(8):120-127,136.
He Yubin,Zhang Yining,Ma Guang,et al.Multiindex evaluation for integrated energy system operation connecting transmission and distribution levels[J].Electric Power Automation Equipment,2019,39(8):120-127,136.
[12]李更丰,黄玉雄,别朝红,等.综合能源系统运行可靠性评估综述及展望[J].电力自动化设备,2019,39(8):12-21.
Li Gengfeng,Huang Yuxiong,Bie Zhaohong,et al.Review and prospect of operational reliability evaluation of integrated energy system[J].Electric Power Automation Equipment,2019,39(8):12-21.
[13]程乐峰,余涛,张孝顺,等.机器学习在能源与电力系统领域的应用和展望[J].电力系统自动化,2019,43(1):15-31.
Cheng Lefeng,Yu Tao,Zhang Xiaoshun,et al.Machine learning for energy and electric power systems:state of the art and prospects[J].Automation of Electric Power System,2019,43(1):15-31.
[14]陈龙,韩中洋,赵珺,等.数据驱动的综合能源系统运行优化方法研究综述[J].控制与决策,2021,36(2):283-294.
Chen Long,Han Zhongyang,Zhao Jun,et al.A review of the research of data-driven methods on operational optimization of integrated energy systems[J].Control and Decision,2021,36(2):283-294.
[15]杨挺,赵黎媛,王成山.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化,2019,43(1):2-14.
Yang Ting,Zhao Liyuan,Wang Chengshan.Review on application of artificial intelligence in power system and integrated energy system[J].Automation of Electric Power Systems,2019,43(1):2-14.
[16]曾鸣,刘英新,周鹏程,等.综合能源系统建模及效益评价体系综述与展望[J].电网技术,2018,42(6):1697-1708.
Zeng Ming,Liu Yingxin,Zhou Pengcheng,et al.Review and prospects of integrated energy system modeling and benefit evaluation[J].Power System Technology,2018,42(6):1697-1708.
[17]江雪晨,王大志,张翠玲,等.利用模型诊断降维的电网故障完全解析方法[J].中国电机工程学报,2016,36(23):6371-6378,6602.
Jiang Xuechen,Wang Dazhi,Zhang Cuiling,et al.A complete analysis method for fault diagnosis of power systems based on model-based diagnosis for dimensionality reduction[J].Proceedings of the CSEE,2016,36(23):6371-6378,6602.
[18]徐彪,尹项根,张哲,等.电网故障诊断的分阶段解析模型[J].电工技术学报,2018,33(17):4113-4122.
Xu Biao,Yin Xianggen,Zhang Zhe,et al.A staged analytical model for power system fault diagnosis[J].Transactions of China Electrotechnical Society,2018,33(17):4113-4122.
[19]刘海涛,程林,孙元章,等.基于实时运行条件的元件停运因素分析与停运率建模[J].电力系统自动化,2007,31(7):6-11,44.
Liu Haitao,Cheng Lin,Sun Yuanzhang,et al.Outage factors analysis and outage rate model of components based on operating conditions[J].Automation of Electric Power Systems,2007,31(7):6-11,44.
[20]王秋杰,金涛,申涛,等.利用多因素降维的配电网区段定位完全解析模型[J].电工技术学报,2019,34(14):3012-3024.
Wang Qiujie,Jin Tao,Shen Tao,et al.A complete analytic model of section location in distribution network based on multi-factor dimensionality deduction[J].Transactions of China Electrotechnical Society,2019,34(14):3012-3024.
[21]Zheng Weiye,Hou Yunhe,Li Zhigang.A dynamic equivalent model for district heating networks:formulation,existence and application in distributed electricity-heat operation[J].IEEE Transactions on Smart Grid,2021,12(3):2685-2695.
[22]Zheng Weiye,Wu Wenchuan,Li Zhigang,et al.A non-iterative decoupled solution for robust integrated electricity-heat scheduling based on network reduction[J].IEEE Transactions on Sustainable Energy,2021,12(2):1473-1488.
[23]Zheng Weiye,Hill D.Distributed real-time dispatch of integrated electricity and heat systems with guaranteed feasibility[J].IEEE Transactions on Industrial Informatics,2021,DOI:10.1109/TII.2021.3083653.
[24]Zheng Weiye,Hill D.Incentive-based coordination mechanism for distributed operation of integrated electricity and heat systems[J].Applied Energy,2021,285(1):116373.
[25]王业磊,赵俊华,文福拴,等.具有电转气功能的多能源系统的市场均衡分析[J].电力系统自动化,2015,39(21):1-10,65.
Wang Yelei,Zhao Junhua,Wen Fushuan,et al.Market equilibrium of multi-energy system with power-to-gas functions[J].Automation of Electric Power Systems,2015,39(21):1-10,65.
[26]刘志坚,刘瑞光,梁宁,等.含电转气的微型能源网日前经济优化调度策略[J].电工技术学报,2020,35(增刊2):535-543.
Liu Zhijian,Liu Ruiguang,Liang Ning,et al.Dayahead optimal economic dispatching strategy for micro energy-grid with P2G[J].Transactions of China Electrotechnical Society,2020,35(S2):535-543.
[27]Zeng Qing,Fang Jiakun,Li Jinghua,et al.Steady-state analysis of the integrated natural gas and electric power system with bi-directional energy conversion[J].Applied Energy,2016(184):1483-1492.
[28]倪伟,吕林,向月,等.基于马尔可夫过程蒙特卡洛法的综合能源系统可靠性评估[J].电网技术,2020,44(1):150-158.
Ni Wei,Lü Lin,Xiang Yue,et al.Reliability evaluation of integrated energy system based on markov process Monte Carlo method[J].Power System Technology,2020,44(1):150-158.
[29]杨经纬,张宁,王毅,等.面向可再生能源消纳的多能源系统:述评与展望[J].电力系统自动化,2018,42(4):11-24.
Yang Jingwei,Zhang Ning,Wang Yi,et al.Multi energy system towards renewable energy accommodation:review and prospect[J].Automation of Electric Power Systems,2018,42(4):11-24.
[30]徐青山,李淋,盛业宏,等.冷热电联供型多微网主动配电系统日前优化经济调度[J].电网技术,2018,42(6):1726-1735.
Xu Qingshan,Li Lin,Sheng Yehong,et al.Day-ahead optimized economic dispatch of active distribution power system with combined cooling,heating and power-based microgrids[J].Power System Technology,2018,42(6):1726-1735.
[31]胡荣,马杰,李振坤,等.分布式冷热电联供系统优化配置与适用性分析[J].电网技术,2017,41(2):418-425.
Hu Rong,Ma Jie,Li Zhenkun,et al.Optimal allocation and applicability analysis of distributed conbined cooling-heating-power system[J].Power System Technology,2017,41(2):418-425.
[32]姚志力,王志新.考虑负荷特性的区域冷热电联供系统站网协同优化设计方法[J].电工技术学报,2021,36(22):4760-4772.
Yao Zhili,Wang Zhixin.Station and network coordination design method of regional combined cooling heating and power system consiferinh load characteristic[J].Transcations of China Electrotechnical Society,2021,36(22):4760-4772.
[33]张涛,朱彤,高乃平,等.分布式冷热电能源系统优化设计及多指标综合评价方法的研究[J].中国电机工程学报,2015,35(14):3706-3713.
Zhang Tao,Zhu Tong,Gao Naiping,et al.Optimization design and multi-criteria comprehensive evaluation method of combined cooling heating and power system[J].Proceedings of the CSEE,2015,35(14):3706-3713.
[34]边晓燕,史越奇,裴传逊,等.计及经济性和可靠性因素的区域综合能源系统双层协同优化配置[J].电工技术学报,2021,36(21):4529-4543.
Bian Xiaoyan,Shi Yueqi,Pei Chuanxun,et al.Bilevel collaborative configuration optimization of ICES considering economy and reliability[J].Transactions of China Electrotechnical Society,2021,36(21):4529-4543.
[35]蒋乐,刘俊勇,魏震波,等.基于马尔可夫链模型的输电线路运行状态及其风险评估[J].电力系统自动化,2015,39(13):51-57,80.
Jiang Le,Liu Junyong,Wei Zhenbo,et al.Running state and its evaluation of transmission line based on Markov chain model[J].Automation of Electric Power Systems,2015,39(13):51-57,80.
[36]Sun Yuanzhang,Cheng Lin,Liu Haitao,et al.Power system operational reliability evaluation based on real-time operating state[C]//2005 International Power Engineering Conference,Singapore,2005:722-727.
[37]张雪寒,余涛.计及风速与负荷相关性的电-气互联系统概率可靠性评估方法[J].高电压技术,2019,45(10):3263-3272.
Zhang Xuehan,Yu Tao.Probabilistic reliability evaluation method of electricity-gas integrated energy system considering correlation of wind speeds and loads[J].High Voltage Engineering,2019,45(10):3263-3272.
[38]Xiao Xiaobing,Fu Yu,Li Huan,et al.Study on reliability assessment of power supply in energy system[C]//2019 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC),Macau,China,2019:1-5.
[39]陈娟伟,余涛,许悦,等.气电耦合综合能源系统供电可靠性评估解析算法[J].电力系统自动化,2018,42(24):59-69.
Chen Juanwei,Yu Tao,Xu Yue,et al.Analytic method for power system reliability assessment of electricitygas coupled energy system[J].Automation of Electric Power Systems,2018,42(24):59-69.
[40]张文秀,韩肖清,宋述勇,等.计及源-网-荷不确定性因素的马尔科夫链风电并网系统运行可靠性评估[J].电网技术,2018,42(3):762-771.
Zhang Wenxiu,Han Xiaoqing,Song Shuyong,et al.Operational reliability evaluation of wind integrated energy systems based on Markov chain considering uncertainty factors of source-grid-load[J].Power System Technology,2018,42(3):762-771.
[41]赵书涛,王波,华回春,等.基于马尔科夫模型的直流断路器可靠性评估方法[J].电工技术学报,2019,34(增刊1):126-132.
Zhao Shutao,Wang Bo,Hua Huichun,et al.Reliability evaluation method of DC circuit breaker based on markov model[J].Transactions of China Electrotechnical Society,2019,34(S1):126-132.
[42]Yan Yuan,Ding Yi,Guo Chuangxin,et al.Operating reliability analysis of peaking generating units considering start-up failures and degradation[C]// 2016 Second International Symposium on Stochastic Models in Reliability Engineering,Life Science and Operations Management (SMRLO),Beer Sheva,Israel,2016:168-171.
[43]Chaudry M,Wu Jianzhong,Jenkins N.A sequential monte carlo model of the combined GB gas and electricity network[J].Energy Policy,2013(62):473-483.
[44]黄天恩,郭庆来,孙宏斌,等.模型-数据混合驱动的电网安全特征选择和知识发现关键技术与工程应用[J].电力系统自动化,2019,43(1):95-104.
Huang Tianen,Guo Qinglai,Sun Hongbin,et al.Hybrid model and data driven concepts for power system security feature selection and knowledge discovery: key technologies and engineering application[J].Automation of Electric Power Systems,2019,43(1):95-104.
[45]李慧,胡旭东,宣文博.电力系统可靠性评估的重要抽样影响增量方法[J].电力系统及其自动化学报,2020,32(7):117-124.
Li Hui,Hu Xudong,Xuan Wenbo.Importance sampling-based incremental impact method for power system reliability evaluation[J].Proceedings of the CSU-EPSA,2020,32(7):117-124.
[46]Bie Zhaohong,Zhang Peng,Li Gengfeng,et al.Reliability evaluation of active distribution systems including microgrids[J]. IEEE Transactions on Power Systems,2012,27(4):2342-2350.
[47]赵渊,王洁,耿莲,等.电网可靠性非序贯蒙特卡洛仿真的扩展交叉熵法[J].中国电机工程学报,2017,37(7):1963-1974.
Zhao Yuan,Wang Jie,Geng Lian,et al.An extended cross entropy method for non-sequential Monte Carlo simulation of power system reliability assessment[J].Proceedings of the CSEE,2017,37(7):1963-1974.
[48]崔艳妍,刘伟,苏剑,等.考虑最优负荷削减与热负荷惯性的综合能源系统可靠性评估[J].电力建设,2021,42(4):40-48.
Cui Yanyan,Liu Wei,Su Jian,et al.Reliability evaluation of integrated energy system considering optimal load and thermal load inertia[J].Electric Power Construction,2021,42(4):40-48.
[49]石文辉,别朝红,王锡凡.大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法[J].中国电机工程学报,2008,28(4):9-15.
Shi Wenhui,Bie Zhaohong,Wang Xifan.Applications of Markov chain Monte Carlo in large-scale system reliability evaluation[J].Proceedings of the CSEE,2008,28(4):9-15.
[50]黄玉雄,李更丰,别朝红,等.分布式综合能源系统可靠性评估[J].智慧电力,2017,45(7):43-50.
Huang Yuxiong,Li Gengfeng,Bie Chaohong,et al.Distributed integrated energy system reliability assessment[J].Smart Power,2017,45(7):43-50.
[51]朱晓荣,王羽凝,金绘民,等.基于马尔科夫链蒙特卡洛方法的光伏电站可靠性评估[J].高电压技术,2017,43(3):1034-1042.
Zhu Xiaorong,Wang Yuning,Jin Huimin,et al.Reliability evaluation of photovoltaic power plant based on markov chain monte carlo method[J].High Voltage Engineering,2017,43(3):1034-1042.
[52]朱晨曦,张焰,严正,等.采用改进马尔科夫链蒙特卡洛法的风电功率序列建模[J].电工技术学报,2020,35(3):577-589.
Zhu Chenxi,Zhang Yan,Yan Zheng,et al.A wind power time series modeling method based on the improved Markov chain Monte Carlo method[J].Transcations of China Electrotechnical Society,2020,35(3):577-589.
[53]赵霞,胡潇云,杨仑,等.考虑参数不确定性的区域电-气联合系统的概率-模糊能流评估[J].电力自动化设备,2019,39(2):135-142.
Zhao Xia,Hu Xiaoyun,Yang Lun,et al.Probabilisticpossibilistic energy flow evaluation of regional electricity-gas integrated system considering parameter uncertainties[J]. Electric Power Automation Equipment,2019,39(2):135-142.
[54]徐宪东,贾宏杰,靳小龙,等.区域综合能源系统电/气/热混合潮流算法研究[J].中国电机工程学报,2015,35(14):3634-3642.
Xu Xiandong,Jia Hongjie,Jin Xiaolong,et al.Study on hybrid heat-gas-power flow algorithm for integrated community energy system[J].Proceedings of the CSEE,2015,35(14):3634-3642.
[55]秦文萍,逯瑞鹏,高蒙楠,等.计及大规模新能源接入的电-气耦合综合能源系统稳定性评估[J].电网技术,2020,44(5):1880-1891.
Qin Wenping,Lu Ruipeng,Gao Mengnan,et al.Stability assessment of electro-gas coupled integrated energy system considering large-scale new energy access[J].Power System Technology,2020,44(5):1880-1891.
[56]吴桂联,张林垚,林婷婷,等.不同运行模式下区域综合能源系统多能潮流计算方法[J].电力系统及其自动化学报,2019,31(7):95-104.
Wu Guilian,Zhang Linyao,Lin Tingting,et al.Cauculation method for multi-energy power flow in district-level integrated energy system in different different operation modes[J].Proceedings of the CAU-EPSA,2019,31(7):95-104.
[57]Liu Xuezhi,Jenkins N,Wu Jianzhong,et al.Combined analysis of electricity and heat network[J].Applied Energy,2016,162:1238-1250.
[58]谢桦,任超宇,郭志星,等.基于聚类抽样的随机潮流计算[J].电工技术学报,2020,35(23):4940-4948.
Xie Hua,Ren Chaoyu,Guo Zhixing,et al.Stochastic load flow calculation method based on clustering and sampling[J].Transcations of China Electrotechnical Society,2020,35(23):4940-4948.
[59]刘明凯,王占山,邢彦丽.基于强化多目标差分进化算法的电-气互联系统最优潮流计算[J].电工技术学报,2021,36(11):2220-2232.
Liu Mingkai,Wang Zhanshan,Xing Yanli.Enhanced multi-objective differential evolutionary algorithm based optimal power flow calculation for integrated electricity and gas systems[J].Transcations of China Electrotechnical Society,2021,36(11):2220-2232.
[60]Lei Yunkai,Hou Kai,Wang Yue,et al.A new reliability assessment approach for integrated energy systems：using hierarchical decoupling optimization framework and impact-increment based state enumeration method[J].Applied Energy,2018,210:1237-1250.
[61]廖星星,吴奕,卫志农,等.基于 GMM 及多点线性半不变量法的电-热互联综合能源系统概率潮流分析[J].电力自动化设备,2019,39(8):55-62.
Liao Xingxing,Wu Yi,Wei Zhinong,et al.Probabilistic power flow analysis of integrated electricity-heat energy system based on GMM and multi-point linear cumulant method[J].Electric Power Automation Equipment,2019,39(8):55-62.
[62]卫志农,廖星星,薛溟枫,等.计及相关性及改进交叉熵法的电-热互联综合能源系统风险评估[J].电网技术,2021,45(4):1295-1304.
Wei Zhinong,Liao Xingxing,Xue Mingfeng,et al.Risk assessment of integrated electricity-heat energy system with improved correlation cross entropy method[J].Power System Technology,2021,45(4):1295-1304.
[63]陈彬彬,孙宏斌,陈瑜玮,等.综合能源系统分析的统一能路理论(一):气路[J].中国电机工程学报,2020,40(2):436-444.
Chen Binbin,Sun Hongbin,Chen Yuwei,et al.Energy circuit theory of integrated energy system analysis(I):Gaseous circuit[J].Proceedings of the CSEE,2020,40(2):436-444.
[64]陈彬彬,孙宏斌,尹冠雄,等.综合能源系统分析的统一能路理论(二):水路与热路[J].中国电机工程学报,2020,40(7):2133-2142,2393.
Chen Binbin,Sun Hongbin,Yin Guanxiong,et al.Energy circuit theory of integrated energy system analysis(II):hydraulic circuit and thermal circuit[J].Proceedings of the CSEE,2020,40(7):2133-2142,2393.
[65]陈彬彬,孙宏斌,吴文传,等.综合能源系统分析的统一能路理论(三):稳态与动态潮流计算[J].中国电机工程学报,2020,40(15):4820-4831.
Chen Binbin,Sun Hongbin,Wu Wenchuan,et al.Energy circuit theory of integrated energy system analysis(III):steady and dynamic energy flow calculation[J].Proceedings of the CSEE,2020,40(15):4820-4831.
[66]尹冠雄,陈彬彬,孙宏斌,等.综合能源系统分析的统一能路理论(四):天然气网动态状态估计[J].中国电机工程学报,2020,40(18):5827-5837.
Yin Guanxiong,Chen Binbin,Sun Hongbin,et al.Energy circuit theory of integrated energy system analysis(IV):dynamic state estimation of the natural gas network[J].Proceedings of the CSEE,2020,40(18):5827-5837.
[67]胡丽娟,刁赢龙,刘科研,等.基于大数据技术的配电网运行可靠性分析[J].电网技术,2017,41(1):265-271.
Hu Lijuan,Diai Yinglong,Liu Keyan,et al.Operational reliability analysis of distribution network based on big data technology[J].Power System Technology,2017,41(1):265-271.
[68]彭寒梅,李才宝,刘健锋,等.基于异质依存网络的电-气区域综合能源系统弹性评估[J].电网技术,2021,45(7):2811-2821.
Peng Hanmei,Li Caibao,Liu Jianfeng,et al.Resilience assessment of electric-gas regional integrated energy system based on heterogeneous interdependent network[J].Power System Technology,2021,45(7):2811-2821.
[69]余娟,马梦楠,郭林,等.含电转气的电-气互联系统可靠性评估[J].中国电机工程学报,2018,38(3):708-715.
Yu Juan,Ma Mengnan,Guo Lin,et al.Reliability evaluation of integrated electrical and natural-gas system with power-to-gas[J].Proceedings of the CSEE,2018,38(3):708-715.
[70]任海泉,贾燕冰,田丰,等.计及可替代负荷的电-气综合能源系统可靠性评估[J].电力建设,2020,41(12):39-46.
Ren Haiquan,Jia Yanbing,Tian Feng,et al.Reliability evaluation of electricity-gas integrated energy system with alternative loads[J].Electric Power Construction,2020,41(12):39-46.
[71]白牧可,唐巍,吴邦旭.用户侧综合能源系统评估指标体系及其应用[J].分布式能源,2018,3(4):41-46.
Bai Muke,Tang Wei,Wu Bangxu.Evaluation indexes of user side integrated energy system and its application[J].Distributed Energy,2018,3(4):41-46.
[72]周周京华,翁志鹏,宋晓通.兼顾可靠性与经济性的孤岛型光储微电网容量配置方法[J].电力系统自动化,2021,45(8):166-174.
Zhou Jinghua,Weng Zhipeng,Song Xiaotong.Capacity configuration method of islanded microgrid integrated with photovoltaic and energy storage system considering reliability and economy[J].Automation of Electric Power Systems,2021,45(8):166-174.
[73]Song Xiaotong,Zhao Yuxin,Zhou Jinghua,et al.Reliability varying characteristics of PV-ESS-based standalone microgrid[J].IEEE Access,2019(7):120872-120883.
[74]Yan Chao,Hu Yuan,Bie Zhaohong,et al.MILP-based combined power and natural gas system risk assessment in energy internet[C]//2018 2nd IEEE Conference on Energy Internet and Energy System Integration (EI2),Beijing,China,2018:1-6.
[75]Bao Minglei,Ding Yi,Singh C,et al.A multi-state model for reliability assessment of integrated gas and power systems utilizing universal generating function techniques[J].IEEE Transactions on Smart Grid,2019,10(6):6271-6283.
[76]Hu Yuan,Wang Chunxiao,Song Xue,et al.Risk assessment on combined natural gas system and power system with storage device[C]//2019 IEEE 8th International Conference on Advanced Power System Automation and Protection (APAP),Xi'an,China,2019:1-5.
[77]IEEE Transmission and distribution committee.IEEE Guide for Electric Power Distribution Reliability Indices– Redline:NY 10016—5997[S].New York:IEEE Standards Association,2012.
[78]陈炽野,文亚凤,刘自发,等.含有多种分布式电源的配电网综合评估方法[J].电力建设,2015,36(1):128-135.
Chen Chiye,Wen Yafeng,Liu Zifa,et al.Comprehensive evaluation method of distribution network including various types of distributed generation[J].Electric Power Construction,2015,36(1):128-135.
[79]胡哲晟,王蕾,孙可,等.考虑拓扑结构和运行状态的综合能源系统薄弱节点辨识[J].电网技术,2020,44(10):3709-3717.
Hu Zhesheng,Wang Lei,Sun Ke,et al.Weak node identification of integrated energy systems considering topological structure and operation state[J].Power System Technology,2020,44(10):3709-3717.
[80]李更丰,别朝红,王睿豪,等.综合能源系统可靠性评估的研究现状及展望[J].高电压技术,2017,43(1):114-121.
Li Gengfeng,Bie Zhaohong,Wang Ruihao,et al.Research status and prospects on reliability evaluation of integrated energy system[J].High Voltage Engineering,2017,43(1):114-121.
[81]林晓明,张勇军,陈伯达,等.计及多评价指标的园区能源互联网双层优化配置[J].电力系统自动化,2019,43(20):8-15,30.
Lin Xiaoming,Zhang Yongjun,Chen Boda,et al.Bilevel optimal configuration of park energy Internet considering multiple evaluation indicators[J].Automation of Electric Power System,2019,43(20):8-15,30.
[82]原凯,李敬如,宋毅,等.区域能源互联网综合评价技术综述与展望[J].电力系统自动化,2019,43(14):41-52,64.
Yuan Kai,Li Jingru,Song Yi,et al.Review and prospect of comprehensive evaluation technology of regional energy Internet[J].Automation of Electric Power System,2019,43(14):41-52,64.