《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

简介: 本节书摘来自CCAI《中国人工智能学会通讯》一书中的第10章,第10.9节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。

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。image

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。

相关文章
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1678 55
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
845 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
994 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
人工智能 IDE 开发工具
拔俗人工智能辅助评审系统:如何用技术为“把关”提效
人工智能辅助评审系统融合大模型、提示工程与业务流程,实现上下文深度理解、场景化精准引导与无缝集成。通过自动化基础审查,释放专家精力聚焦核心决策,提升评审效率与质量,构建人机协同新范式。(239字)
826 0
|
机器学习/深度学习 人工智能 自然语言处理
拔俗AI人工智能评审管理系统:用技术为决策装上“智能导航”
AI评审系统融合NLP、知识图谱与机器学习,破解传统评审效率低、标准不一难题。通过语义解析、智能推理与风险预判,构建标准化、可复用的智能评审流程,助力项目质量与效率双提升。(238字)
774 0
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
2163 62
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
1600 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
1007 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
895 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
数据采集 人工智能 缓存
深挖“全栈智算”之力 中兴通讯开启AI普惠新纪元
深挖“全栈智算”之力 中兴通讯开启AI普惠新纪元
438 1