文章快速检索     高级检索
  山东大学学报(工学版)  2016, Vol. 46 Issue (4): 103-110  DOI: 10.6040/j.issn.1672-3961.0.2016.220
0

引用本文 

褚晓东, 张荣祥, 黄昊怡, 唐茂森. 全球能源互联网物理-信息系统协同仿真平台[J]. 山东大学学报(工学版), 2016, 46(4): 103-110. DOI: 10.6040/j.issn.1672-3961.0.2016.220.
CHU Xiaodong, ZHANG Rongxiang, HUANG Haoyi, TANG Maosen. Synergetic physical-cyber simulation platform for global energy interconnection[J]. Journal of Shandong University (Engineering Science), 2016, 46(4): 103-110. DOI: 10.6040/j.issn.1672-3961.0.2016.220.

基金项目

国家电网公司总部科技项目资助项目

作者简介

褚晓东(1978—),女,山东济南人,副教授,博士,主要研究方向为电力系统稳定分析与控制, 能源物理-信息系统建模与仿真等. E-mail: chuxd@sdu.edu.cn

文章历史

收稿日期:2016-06-20
网络出版时间:2016-07-21 09:32:27
全球能源互联网物理-信息系统协同仿真平台
褚晓东1,2, 张荣祥1,2, 黄昊怡1,2, 唐茂森1,2     
1. 全球能源互联网(山东)协同创新中心,山东 济南 250061;
2. 山东大学电气工程学院,山东 济南 250061
摘要: 在分析全球能源互联网物理-信息系统耦合机制的基础上,对多层级能源网络的结构特点、仿真需求、方法工具进行了比较分析。针对负荷分散控制问题,搭建了物理-信息协同仿真平台。仿真结果表明,通信环境对负荷控制效果具有显著影响,协同仿真平台能够准确反映这一影响,说明了协同仿真的必要性。
关键词: 能源互联网    信息-物理系统    仿真    通信    系统动力学    复杂网络    
Synergetic physical-cyber simulation platform for global energy interconnection
CHU Xiaodong1,2, ZHANG Rongxiang1,2, HUANG Haoyi1,2, TANG Maosen1,2     
1. Collaborative Innovation Center for Global Energy Interconnection (Shandong), Jinan 250061, Shandong, China ;
2. School of Electrical Engineering, Shandong University, Jinan 250061, Shandong, China
Abstract: The coupling mechanisms between physical and cyber systems of the global energy interconnection were explained briefly. The structural characteristics, simulation requirements, and associated tools were compared for multiple levels of energy networks. A synergetic physical-cyber simulation platform was constructed for the decentralized load control scenarios. The simulation results reflected the great impact of communication environment on the load control effects, which could be correctly modelled by the synergetic simulation platform.
Key words: energy interconnection    cyber physical system (CPS)    simulation    communication    system dynamics    complex network    
0 引 言

面向解决关乎人类前途命运的能源可持续发展路径问题,全球能源互联网旨在构建以电网为核心的高度连通的综合能源网络,对多种能源形式兼容并蓄,实现全球范围内能源的优化配置与持续发展[1]。为了实现全球能源互联网的安全高效运行与健康持续发展,信息系统将发挥极为重要的作用,其安全评估与风险管理是亟需解决的核心问题。

目前,能源互联网信息系统的建模, 存在明显不足。信息系统是一个复杂网络, 具有脆弱性。信息系统的脆弱性是由构成系统的软硬件、相关协议及安全策略在设计与实施过程中的缺陷所导致的[2-3]。能源信息系统的不同元件之间进行信息传递,某一元件的脆弱性可能会影响信息系统整体的安全性。能源一次系统和信息系统之间存在物理依存性、信息依存性、地理依存性和逻辑依存性[4]。借助于能源一次系统对信息系统的依存性,信息系统的故障对整个能源系统的影响将会被放大,并可能引发系统的连锁故障。尽管到目前为止基于复杂网络理论的复杂连锁故障对系统的影响分析方面的研究已经较为完善[5-6],但是信息系统对能源一次系统的耦合和交互作用方面的研究还较少。

把握物理与信息系统之间的耦合机制与交互模式,构建物理-信息系统协同仿真平台,是全球能源互联网研究工作的“基础设施建设”。一方面,协同仿真平台为研究问题提供丰富的场景集合,另一方面,将为研究结论提供可信的验证平台。本研究在简要分析全球能源互联网物理-信息系统耦合机制的基础上,对多层级能源网络的结构特点、仿真需求、方法工具进行了比较分析,并给出了具体的实例。本研究反映了作者对全球能源互联网物理-信息系统协同仿真平台进行设计的路径选择。

1 全球能源互联网物理-信息系统耦合机制

全球能源互联网是一个高维、广域、多尺度的复杂系统。信息系统沟通了能源网络的物理实体、市场结构与社会机制。

全球能源互联网在生产、传输、消费过程中,衍生出的数据在信息系统中进行传播、处理及应用,数据源点、中继点、接受点构成动态链路,交叉、辐射形成广域多层级信息网络。信息网络具有数据来源多样、粒度不一、传播路径复杂的特点。

传输质量、人为攻击、自然灾害等因素导致信息安全被破坏。传输质量因素包括网络阻塞、时延、丢包;人为攻击表现为量测信号或控制指令的人为伪造;地震、飓风等自然灾害引起信息系统传输中断。信息畸变将对物理系统造成显著的影响,例如人为伪造的数据指令会引起设备非正常开断,进而影响系统的安全稳定运行,而社会、政治、经济信号对能源市场造成扰动,级联扰动可能使市场发生大幅震荡。

2 能源网络物理-信息系统协同仿真平台 2.1 本地能源网络

本地能源网络是指以地区电网为核心,包括其他能源配送网络(天然气网络、热力网络等)在内的能源配置系统,支持分布式电源(风电、光伏发电)与可控负荷(电动汽车、恒温控制负荷等)接入[7-8]。随着分布式电源的接入,配电网的结构与稳定性受到显著影响,对配电网的控制与完善成为智能电网建设的重点[9]。在我国,配电网的发展明显滞后于输电网,要发展智能电网必须要提高配电网的自动化、数字化、智能化[10]。要实现上述目标,首先要完善电力系统内的信息通信网络,实现电气信息数据在电网内的双向流动与有效利用,在此基础上实现电网调度中心对配电网的有效控制[11]

信息-物理系统(cyber physical system,CPS)的提出为电力系统融合信息通信系统并最终实现智能电网的建设提供了新的思路与途径。CPS的概念最早由美国国家基金委员会提出[12]:CPS是将计算与物理资源紧密结合在一起所形成的系统,主要包括计算系统、大规模通信系统、大规模传感器网络、控制系统和物理系统。与传统控制系统相比,CPS能够对物理系统进行实时监控、信息采集与传递、控制,使物理系统与信息系统交互作用、协同工作[13-14]

CPS是物理电力系统与信息通信系统耦合形成的网络,电力事件与信息事件同时发生,两个系统交互影响,共同决定CPS网络的运行状态。电力系统的数据通过信息系统进行传输,在传输过程中,信息系统的性能决定了数据能否安全、及时、准确地到达数据终端[15-17]。信息通信系统则利用电力系统的嵌入式控制设备与分布式组件进行数据的采集,从而实现对物理系统的控制。

以配电网为核心的本地能源网络CPS耦合示意图如图 1所示。分析图 1可知,380 V电压等级下,各配电终端采用基于WiFi的家庭网络(home area network,HAN)通信方式进行数据信息交流,而在用户内部,智能家居利用WiFi技术与自动控制技术,综合用户的行为习惯,优化家居内部用电效率。在10 kV电压等级下,各10 kV变电站之间采用远程无线通信方式(如WiMax,GPRS,3G/4G/5G)或者电力线载波通信方式进行数据信息的交换。在10 kV/380 V之间,采用无线广播站进行广播的方式将调度信息通知各配电终端。在110 kV电压等级下,各110 kV变电站之间以及110 kV/10 kV变电站之间采用光纤通信进行数据交换。在更高电压等级下,各变电站之间以及变电站与电网调度中心之间亦是通过光纤方式进行通信。基于多种通信媒介构成的信息网络,通过智能电表量测的用户负荷数据能够实时上传至电网调度中心。基于用户负荷信息与数据,电网调度中心综合本地区域内发电机组备用信息,通过信息网络下达调度指令,响应用户需求变化。在发电侧,多种能源资源可供电网调度中心选择,包括火力发电、风电与光伏发电等,其信息同样由信息通信网络负责上传至电网调度中心,同时接受电网调度中心下达的指令。在此过程中,电力流的输送由输、配电网完成。

图 1 本地能源网络物理-信息系统交互示意图 Figure 1 Interactions between physical and cyber sytems of local energy network

由于信息系统对电力系统运行具有显著影响,因此信息系统安全稳定运行对CPS至关重要。在本地能源网络CPS中,底层信息系统网络并没有采用电力专网,需要租用公共通信网络,其安全性、可靠性、通信质量都存在一定的问题。在安全性方面,当某些通信设备出现故障而无法工作时,可能会造成整个通信网络的中断而无法进行数据的有效传输;在可靠性方面,当通信网络由于操作失误或者人为攻击时,通信系统会出现数据丢失的情况;在通信质量方面,由于公共网络的带宽限制以及用户量巨大等因素,电力系统数据会出现阻塞而无法及时传输甚至丢失。上述情况的出现都会造成电力系统在出现意外故障时无法及时正常进行调度,从而造成损失。因此需要对CPS信息系统进行安全性、可靠性分析,采取预防措施,防止通信事故发生。

2.2 区域能源网络 2.2.1 以电网为核心的区域综合能源网络的交互

区域能源网络主要由区域电力系统、合成气网络、热力网络以信息网络紧密耦合而成。电力系统是多种能源形式相互转换的核心环节。随着天然气成本的降低,燃气机组在发电侧的比例提升,同时,采用电转气(power to gas,P2G)技术,利用可再生能源机组富余出力制备合成气,因此,合成气网络与电力系统的耦合日益紧密。电力系统与合成气网运行中产生的热能又可作为热源被有效地利用于热力网络之中。对于多物理系统,需要强大的信息网络对其进行协调与控制[18-19]

为了准确反映区域综合能源网络的特性,需要对多种能源形式所构成的能源生产、传输、使用的网络进行恰当的建模, 同时也应对采用多种通信技术、媒介构成的信息网络进行建模, 体现能源网络与信息网络的相互影响与相互作用。

对于区域电力系统,根据电网运行采集的数据,对电网进行一定的抽象简化,如将110 kV及以下配电网等效为终端负荷,从而对其进行建模仿真。根据区域电网具体特点。选用相应的发电机模型,将配电网简化为负荷模型,以节点电压为状态变量,根据采集的数据设定参数值,从而对区域电网的稳态模型进行描述,可实现潮流计算、故障分析等仿真实验[13]

随着页岩气技术的发展,天然气价格显著下降,推动燃气发电的快速发展。在能源互联网中,天然气网络将扮演重要角色。对于天然气网,通过仿真模型对其工艺流程和物理结构进行模拟,定义运输系统的设备元件参数,采用有向图来描述管网的逻辑结构,构成物理模型。有向图中包含了节点和元件,以系统的压力参考点或进出气点作为节点,采用节点压力、节点输入进行相关模型描述;同时,节点也承担着系统与外界联系的重要作用。元件则主要为各节点之间的输气设备,包括了管道、压缩机等设备形式[20]

热力网络由一定的环路构成,包括热源的循环水泵、供水网、热水站、回水网。热力网络模型的基本环节是节点和管网,节点包括热源、热力站、楼、房间、泵、换热器、阀门、除污器、补偿器、管件等,管网则主要是供热管道或管段。在完成对热力网络的建模后,就可以进行仿真,根据室外温度调度热源,根据室外温度、热源情况调度热力站,确定优化运行方案[21-22]

能源互联网的迅速发展,使相关物理系统之间的耦合越来越紧密。合成气网的运行直接影响着电力系统运行的经济性;同时,利用新近发展的P2G技术,在电网用电低谷时,利用富余的电能生成甲烷气体,再注入合成气网中,从而使电力系统与合成气网之间的能量流动由单向变为双向。分布式燃气发电会产生大量的热能,通过热电联产系统,可以将上述3种系统进行协同调度,极大地提高能源互联网的综合能效。

能源互联网的协调与控制,依赖于强大的信息网络,信息在各种设备之间的灵活传递是实现协调的基础[23]。现代电力通信网在电网运行控制与企业运营管理中发挥着至关重要的作用,其干线采用光纤、卫星、微波等通信方式,支路采用电力线载波、光缆等通信方式,构成综合通信网。其他能源系统也通过一定的专用或公用通信网络实现信息交互。

为了准确反映能源互联网内多物理、信息系统之间的耦合机制与交互模式,需要建立灵活的多系统协同仿真平台。各类系统常用的仿真工具如表 1所示。

表 1 多种系统的仿真工具 Table 1 Simulation tools for various systems
2.2.2 多系统网络协同仿真机制

在协同仿真平台中,针对不同系统的仿真工具在时间尺度、模型格式、数据存储方式上各不相同,难以相互兼容。为了实现不同系统的协同仿真,引入一种通用的模型封装接口(functional mockup interface,FMI)标准。这种标准最初由欧洲发展信息计划(ITEA2)提出,用于实现多种系统的协同控制。基于FMI标准,将不同系统的模型导出,生成模型封装模块(functional mockup unit,FMU),实现不同仿真软件协调控制,显著提高协同仿真的效率[24]

在区域能源互联网的研究中,基于FMI标准,可针对电力系统、合成气网、热网、信息网使用不同仿真软件分别进行建模,然后将不同的系统模型封装成FMU模块,加载到同样支持FMI标准的仿真工具上,便可进行实际的操作。协同仿真时,虽将不同系统模型基于FMI标准封装成了FMU模块,但仍然不能将不同的仿真工具直接相连,它们之间的耦合需要通过一个主控软件来管理[25],如图 2所示。主控软件对不同仿真工具之间的数据交换进行控制,同时,根据软件相互之间的连接关系,选取合适的仿真算法,并依据选取的仿真算法对协同仿真的实际运行进行控制[26]

图 2 基于FMI标准的协同仿真 Figure 2 Synergetic simulation based on FMI standard
2.3 洲际能源网络 2.3.1 系统动力学模型

根据全球能源互联网的发展蓝图,构建跨越区域、国家边界的洲际能源网络是实现全球能源高效配置、解决能源—环境危机的必由路径。为了适应洲际能源网络所呈现出的庞大规模、复杂维度以及巨量数据的特点,应突破现有的系统建模与仿真工具的局限,构建洲际能源网络的物理-信息协同仿真平台。

现有的系统建模与仿真工具大多根据系统特征,采用数值计算方法,对特定的动态/稳态过程进行描述与模拟,称之为基于过程的仿真。前述针对本地能源网络与区域能源网络的仿真工具都属于这一范畴。对于洲际能源网络而言,基于过程的仿真方法仅适用于对局部环节的处理,而不能适应网络整体特性的仿真需求。准确反映洲际能源网络在大时空尺度上的系统形态与交互模式,亟需突破基于过程的仿真范式的窠臼。为此,结合系统动力学与复杂网络理论,发展基于机制的仿真方法与工具。

系统动力学是研究系统结构、功能与动态行为之间关系的理论体系,以控制理论中的反馈机制为基础,借助计算机仿真技术,对系统整体进行描述与模拟,由MIT的FORRESTER J W教授于1956年创立[27]。系统动力学指出系统的动态行为及其变化主要由其内在机制决定,通过对系统组成环节之间的交互作用进行建模, 分析系统在参数或输入变化时的动态行为及其变化趋势。因其在非线性、高维、时变系统建模与仿真方面的优势, 系统动力学在社会、经济、环境、资源等学科领域中获得广泛应用[28-29]

系统动力学模型的基本构成环节包括两种:“元素”和“流”。“元素”包括状态、速率和辅助变量,“流”分成“实体流”与“信息流”。系统动力学模型包含3类组件:因果反馈图、方程式和流图。因果反馈图反映“元素”之间的因果关系;微分方程式描述系统的动力学结构;流图采用符号直观地表达系统的关系与结构[30]

伴随系统动力学理论的发展,系统动力学建模与仿真工具日益完善。产生于20世纪的SIMPLE是最早的系统动力学软件。目前,常用的系统动力学软件包括Stella/iThink、Vensim、Powersim及AnyLogic等[31]

本研究采用系统动力学方法,初步构建了包含3个国家的洲际能源网络模型,如图 3所示。对能源生产、消费、交易等行为进行抽象,建立能源供给、需求、路由等实体,将能源实体进行连接,能源流反映实体之间的能量交换,信息流反映市场信号传播。

图 3 洲际能源网络物理-信息实体交互示意图 Figure 3 Interactions between physical and cyber entities of intercontinental energy network
2.3.2 相互依赖网络模型

洲际能源网络的复杂性不仅体现在时空尺度与变量维度,多种能源网络之间及能源网络与信息网络之间的相互依赖加剧了复杂性。复杂网络理论为基于机制的洲际能源网络建模与仿真提供了另一个理论基础。这其中,尤其需要关注相互依赖网络之间的关联机制。2010年,Sergey V. Buldyrev等研究者在Nature上发表了论文,提出了相互依赖网络的级联失效机制[32],其后,若干有关相互依赖网络在故障或蓄意攻击下的脆弱性研究涌现[33-34]。研究的核心在于:各个构成网络的拓扑结构及其动力学特性,相互依赖网络的关联机制、结构及其动力学特性。

复杂网络理论植根于统计物理学、图论、计算机科学,目前已经发展成为了一个独立而活跃的体系。复杂网络建模与仿真工具非常丰富,若干工具既可以独立运行,也提供与其他工具的接口,为多种工具的联合仿真带来便利[35]

3 协同仿真平台实例 3.1 配电网物理-信息协同仿真平台

随着分布式电源、电动汽车和可控负荷的增多,传统的配网将面临诸如电压越限、双向潮流等问题。配网管理系统可以实现对配网的优化调度,但是状态估计和通信系统都是不确定性因素。研究者提出了一种协同仿真的思路,弥补了传统的物理-信息系统解耦仿真的不足之处[36]

该协同仿真平台由3种软件构建,信息系统仿真由Linux操作系统下的开源软件NS-2实现,物理系统仿真由Windows操作系统下的开源软件OpenDSS实现,NS-2和OpenDSS的连接由MATLAB实现。由于NS-2和OpenDSS均是事件驱动型仿真软件,所以MATLAB能够协调NS-2和OpenDSS的仿真。MATLAB的另一个功能是求解最优潮流模型,实现配网优化运行。协同仿真平台的实现机制如图 4所示,OpenDSS通过COM机制和MATLAB实现数据交互,MATLAB通过SSH/SCP机制实现与NS-2的数据交互[36]

图 4 配电网物理-信息协同仿真平台 Figure 4 Synergetic simulation platform for physical and cyber systems of distribution network
3.2 仿真实例

本研究利用配电网物理-信息协同仿真平台,仿真在非理想的通信环境中,对分散的可控负荷施加控制的效果。采用IEEE 13节点配电网模型作为算例,将区域内的空调负荷集群映射到相应的负荷节点,即在节点670聚合了2 000台总功率为1 000 kW的空调负荷,并且在5 s时全部关停,如图 5所示。

图 5 IEEE 13节点配电网模型 Figure 5 IEEE 13-node distribution network model

图 6示意了在NS-2中构建的上述IEEE 13节点配电网的信息系统模型。信息流经过3层节点由可控负荷传向控制中心,最底层是空调负荷集群聚合层映射到通信网络中所对应的节点,即节点0、1、3、4、5;中间层是4.16 kV电压等级节点(如台区节点670)在通信网络中对应的节点,即节点2、6;最高层是电力系统115 kV电压等级节点映射到通信网络中的节点,即节点7。区域负荷聚合节点0与节点1向2传送数据;同理,节点3、4、5则是向节点6传送数据,最终由节点2与节点6将负荷信息传送至节点7。图 6中线条表示数据的流动,竖直的方块则描述了节点2与节点6数据缓存队列存满而丢包,即数据的拥塞丢失。

图 6 NS-2网络设计示意图 Figure 6 Design of NS-2 network

图 7为通信线路的数据传输速率。由图 7可知,通信线路1→2的最大传输速率为100 kb/s,通信线路0→2的最大传输速率为200 kb/s,通信线路2→7的最大传输速率为300 kb/s。各条线路的传输速率并不是定值,而是随着时间出现波动。

图 7 通信线路数据传输速率 Figure 7 Data transmission rate of communication lines

图 8是在不同通信延时条件下,节点670的电压动态变化示意图,纵轴表示节点电压标幺值,横轴表示时间。如图 8所示,随着空调功率的下降,节点电压呈现上升的趋势。在不同的通信延时设置场景下,电压变化的速率不同。通信延时为0 s时,电压幅值与空调功率变化一致,都是在5 s时开始变化;通信延时为1 s时,电压变化也延时1 s,即电压在6 s时才开始变化;延时为3 s时,则电压变化也延时3 s。由图 8可知,在理想通信条件下,数据传递没有延时,节点电压能够立即对负荷变动做出响应,而随着通信延时的产生,上层节点由于不能及时接受负荷信息,因此节点电压变化也会产生延时。

图 8 通信延时下节点电压动态 Figure 8 Node voltage dynamics with communication delay
4 结 语

构建物理-信息系统协同仿真平台,是开展全球能源互联网研究的基础工作。本研究在简要分析全球能源互联网物理-信息系统耦合机制的基础上,针对局地能源配用网络、区域综合能源网络以及洲际能源供需网络等多层级能源网络,围绕结构特点、仿真需求和方法工具等方面,进行了分析。将能源互联网物理-信息系统的仿真方法进行了分类,指出基于过程和基于机制的仿真方法各自适用的场合。针对负荷分散控制问题,搭建了物理-信息协同仿真平台,仿真结果表明,通信环境对负荷控制效果具有显著影响,而协同仿真平台能够准确反映这一影响,表明了研究协同仿真的必要性。

参考文献
[1] 刘振亚. 全球能源互联网[M]. 北京: 中国电力出版社, 2015 . (0)
[2] 殷红旭.网络安全引起电力系统级联失效的建模和仿真分析[D].北京:华北电力大学, 2012.
YIN Hongxu. Modeling and simulation of power system cascading failures caused by network security[D]. Beijing:North China Electric Power University, 2012. (0)
[3] 王丹辉, 王安. 针对分组密码S盒的能量分析攻击效率研究[J]. 山东大学学报(工学版) , 2014, 44 (2) : 6-11
WANG Danhui, WANG An. The efficiency of power analysis attack based on S-boxes of block ciphers[J]. Journal of Shandong University (Engineering Science) , 2014, 44 (2) : 6-11 (0)
[4] RINALDI S M, PEERENBOOM J P, KELLY T K. Identifying, understanding, and analyzing critical infrastructure interdependencies[J]. IEEE Control Systems Magazine , 2001, 21 (6) : 11-25 DOI:10.1109/37.969131 (0)
[5] 陈晓刚, 孙可, 曹一家. 基于复杂网络理论的大电网结构脆弱性分析[J]. 电工技术学报 , 2007, 22 (10) : 138-144
CHEN Xiaogang, SUN Ke, CAO Yijia. Structural vulnerability analysis of large power grid based on complex network theory[J]. Transactions of China Electrotechnical Society , 2007, 22 (10) : 138-144 (0)
[6] 范文礼, 刘志刚. 基于复杂网络的电网连锁故障模型研究综述[J]. 电力系统自动化 , 2012, 36 (16) : 124-131
FAN Wenli, LIU Zhigang. An overview on modeling of cascading failures in power grids based on complex system[J]. Automation of Electric Power Systems , 2012, 36 (16) : 124-131 (0)
[7] 蔡巍, 赵海, 王进法, 等. 能源互联网宏观结构的统一网络拓扑模型[J]. 中国电机工程学报 , 2015, 35 (14) : 3503-3510
CAI Wei, ZHAO Hai, WANG Jinfa, et al. A unifying network topological model of the energy internet macro-scope structure[J]. Proceedings of the CSEE , 2015, 35 (14) : 3503-3510 (0)
[8] TOMSOVIC K, BAKKEN D E, VENKATASUBRAMANIAN V. Designing the next generation of real-time control, communication, and computations for large power systems[J]. Proceedings of the IEEE , 2005, 93 (5) : 965-979 DOI:10.1109/JPROC.2005.847249 (0)
[9] 庄伟, 牟龙华. 智能配电网信息物理融合保护系统的研究[J]. 电力系统保护与控制 , 2012, 40 (4) : 113-118
ZHUANG Wei, MU Longhua. Study on cyber-physical relaying protection system of intelligent distribution network[J]. Power System Protection and Control , 2012, 40 (4) : 113-118 (0)
[10] 董朝阳, 赵俊华, 文福栓, 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 grid to energy internet: basic concept and research framework[J]. Automation of Electric Power Systems , 2014, 38 (15) : 1-11 (0)
[11] 田世明, 栾文鹏, 张东霞, 等. 能源互联网技术形态与关键技术[J]. 中国电机工程学报 , 2015, 35 (14) : 3482-3494
TIAN Shiming, LUAN Wenpeng, ZHANG Dongxia, et al. Technical forms and key technologies on energy internet[J]. Proceedings of the CSEE , 2015, 35 (14) : 3482-3494 (0)
[12] National Science Foundation of the United States. Cyber physical system (CPS) program solicitation[EB/OL]. [2016-05-01]. http://www.nsf.gov/pubs/2010/nsf10515/nsf10515.htm. (0)
[13] 赵俊华, 文福栓, 薛禹胜, 等. 电力CPS的架构及其实现技术与挑战[J]. 电力系统自动化 , 2010, 34 (16) : 1-7
ZHAO Junhua, WEN Fushuan, XUE Yusheng, et al. Cyber physical power systems: architecture, implementation technologies and chanllenges[J]. Automation of Electric Power Systems , 2010, 34 (16) : 1-7 (0)
[14] 赵俊华, 文福栓, 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 systems[J]. Automation of Electric Power Systems , 2011, 35 (16) : 1-8 (0)
[15] ILIC M D, XIE L, KHAN U A, et al. Modeling of future cyber-physical energy systems for distributed sensing and control[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans , 2010, 40 (4) : 825-838 DOI:10.1109/TSMCA.2010.2048026 (0)
[16] LI W, FERDOWSIF M, STEVIC M, et al. Cosimulation for smart grid communications[J]. IEEE Transactions on Industrial Informatics , 2014, 10 (4) : 2374-2384 DOI:10.1109/TII.2014.2338740 (0)
[17] 刘东, 盛万兴, 王云, 等. 电网信息物理系统的关键技术及其进展[J]. 中国电机工程学报 , 2015, 35 (14) : 3522-3531
LIU Dong, SHENG Wanxing, WANG Yun, et al. Key technologies and trends of cyber physical systems for power grid[J]. Proceedings of the CSEE , 2015, 35 (14) : 3522-3531 (0)
[18] UNSIHUAY-VILA C, MARANGON-LIMA J W, DE SOUZA A C Z, et al. A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems[J]. IEEE Transactions on Power Systems , 2010, 25 (2) : 1154-1168 DOI:10.1109/TPWRS.2009.2036797 (0)
[19] SALDARRIAGA C A, HINCAPIE R A, SALAZAR H. A holistic approach for planning natural gas and electricity distribution networks[J]. IEEE Transactions on Power Systems , 2013, 28 (4) : 4052-4063 DOI:10.1109/TPWRS.2013.2268859 (0)
[20] 王寿喜, 曾自强. 天然气管网静动态仿真[J]. 天然气工业 , 1995, 15 (2) : 59-63
WANG Shouxi, ZENG Ziqiang. Static and dynamic emulation of nature gas pipeline network[J]. Natural Gas Industry , 1995, 15 (2) : 59-63 (0)
[21] 田子平, 鲍福民. 特大型热网的计算机实时仿真[J]. 上海交通大学学报 , 2000, 34 (4) : 486-491
TIAN Ziping, BAO Fumin. Real time simulation in computer for oversize heat network[J]. Journal of Shanghai Jiatong University , 2000, 34 (4) : 486-491 (0)
[22] ESPATOLERO S, CORTES C, ROMEO L M. Optimization of boiler cold-end and integration with the steam cycle in supercritical units[J]. Applied Energy , 2010, 87 (5) : 1651-1660 DOI:10.1016/j.apenergy.2009.10.008 (0)
[23] LIN H, VEDA S S, SHUKLA S S, et al. GECO: global event-driven co-simulation framework for interconnected power system and communication network[J]. IEEE Transactions on Smart Grid , 2012, 3 (3) : 1444-1456 DOI:10.1109/TSG.2012.2191805 (0)
[24] MODELISAR Consortium. Functional mock-up interface for model exchange version 1.0[EB/OL]. [2016-05-01]. https://svn.modelica.org/fmi/branches/public/specifications/v1.0/FMI_for_ModelExchange_v1.0.pdf. (0)
[25] HOPKINSON K, WANG X, GIOVANINI R, et al. EPOCHS: a platform for agent-based electric power and communication simulation built from commercial off-the-shelf components[J]. IEEE Transactions on Power Systems , 2006, 21 (2) : 548-558 DOI:10.1109/TPWRS.2006.873129 (0)
[26] CHATZIVASILEIADIS S, BONVINI M, MATANZA J, et al. Cyber physical modeling of distributed resources for distribution system operations[J]. Proceedings of the IEEE , 2016, 104 (4) : 789-806 DOI:10.1109/JPROC.2016.2520738 (0)
[27] FORRESTER J W. Industrial dynamics[M]. Cambridge, MA: The MIT Press, 1961 . (0)
[28] 于松青, 侯承昊, 孙英涛. 基于系统动力学的山东省电力需求预测[J]. 山东大学学报(工学版) , 2015, 45 (6) : 91-98
YU Songqing, HOU Chenghao, SUN Yingtao. Power demand forecasting in Shandong province with system dynamics[J]. Journal of Shandong University (Engineering Science) , 2015, 45 (6) : 91-98 (0)
[29] MORECROFT J D W. Strategic modelling and business dynamics: a feedback systems approach[M]. Chichester: John Wiley & Sons, 2007 . (0)
[30] STERMAN J D. System dynamics modeling:tools for learning in a complex world[J]. California Management Review , 2001, 43 (4) : 8-25 DOI:10.2307/41166098 (0)
[31] ADANE T F, NICOLESCU M. System dynamics analysis of energy usage: case studies in automotive manufacturing[J]. International Journal of Manufacturing Research , 2014, 9 (2) : 131-156 DOI:10.1504/IJMR.2014.062440 (0)
[32] BULDYREV S V, PARSHANI R, PAUL G, et al. Catastrophic cascade of failures in interdependent networks[J]. Nature , 2010, 464 (7291) : 1025-1028 DOI:10.1038/nature08932 (0)
[33] GAO J, BULDYREV S V, STANLEY H E, et al. Networks formed from interdependent networks[J]. Nature physics , 2012, 8 (1) : 40-48 (0)
[34] BOCCALETTI S, BIANCONI G, CRIADO R, et al. The structure and dynamics of multilayer networks[J]. Physics Reports , 2014, 544 (1) : 1-122 DOI:10.1016/j.physrep.2014.07.001 (0)
[35] PALSETIA D, PATWARY M M A, AGRAWAL A, et al. Excavating social circles via user interests[J]. Social Network Analysis and Mining , 2014, 4 (1) : 1-12 (0)
[36] CELLI G, PEGORARO P, PILO F, et al. DMS cyber-physical simulation for assessing the impact of state estimation and communication media in smart grid operation[J]. IEEE Transactions on Power Systems , 2014, 29 (5) : 2436-2446 DOI:10.1109/TPWRS.2014.2301639 (0)