1.5 信息能源系统的分布式协同控制

控制是多能源主体的必要环节，如何利用恰当有效的信息一致控制，保证和实现系统安全、可靠、稳定且高效灵活运行是一个重要的研究目标。截至2020年8月，检索到相关论文315篇。如图1.8所示，核心关键词“可再生能源”与“控制”相互结合，表明此研究方向得到了众多学者的关注。而从研究方法的角度来看，由于系统结构的复杂性，关键词“协同控制”“智能控制”“预测控制”“优化控制”“模糊控制”等成为关注热点。其中，2015年，东北大学孙秋野团队探讨了应用多智能体解决能源互联网领域参数协同控制问题，在该领域获得了较高关注。

上述分析结果表明，信息不仅仅只体现在数据上，还体现在边缘上先进的控制优化算法上。其中，通过分布式的无通信连接的控制方法实现精准的按容量比例分担是多能源网络研究中的一个关键问题。这在很大程度上能降低网络的投资成本，同时提高网络的可靠性和灵活扩展性。另外，针对下垂控制方法存在功率分担的不精确问题，基于多智能体一致性理论的分布式方法应运而生。考虑到工业过程往往具有非线性、时变性、强耦合和不确定性等特点，预测控制在工业实践过程中逐渐发展起来。针对协同一致控制问题，科研人员根据研究方法将其分为多能源终端的多主体主动致稳控制、多层级能量互补控制以及信息-物理交互的博弈控制三类。

图1.8 控制相关领域的聚类

1.5.1 多主体主动致稳控制

考虑信息网络在通信带宽和时延方面的限制，部分学者基于局部信息的分布式协同控制规律，从稳定性和安全性角度对多能源终端的信息能源系统的分布式协同控制进行了研究。2017年，孙秋野团队研究了采取能量路由器的分布式协同控制策略，实现信息能源系统功率的优化调度和协调分配，同时使控制系统输出相角和频率偏差稳定在一定范围内，保证了网络的正常运行。然而，由于该策略并没有考虑通信、变延时等问题，面对实际工程中通信问题和更多的不确定因素而言，其实际应用的推广还有很大的距离。孙秋野在2014年较早提出并研究一种含有单相/单相可再生能源分布式发电系统的混合微电网结构及其在孤岛时的功率分担协同控制策略，但提出的解决方案需要额外安装功率分配单元（PSU）设备，这将会增加额外成本。进一步地，南京邮电大学窦春霞提出了一种基于多智能体系统的事件触发混合控制方法，并建立了4种差分混合Petri网控制机制来实现分层混合控制。考虑到信息能源系统之间的相互作用更加灵活和复杂，清华大学团队在2019年建立了集成电力和供热系统的准动态一体化模型。此外，中南大学团队通过研究信息能源系统的状态偏移率，通过分析策略选择最优运行模式，为充分利用热电联产的调节能力提供了一种有效的方法。

1.5.2 多层级能量互补控制

随着信息网络与能源网络的深度融合，数据处理能力向能源终端下沉，终端具备更强的与环境交互的能力，智能性逐步提升，这种变化使得信息能源终端的智能优化控制成为研究的热点。一般使用模糊逻辑方法、转化为优化的动态规划方法、滑模控制方法、PID方法等协同管理多种互补能源和多层级能源，可以提高能源利用率，保证用能可靠性，提升用户满意度，解决能源可持续供应以及环境污染等问题。然而，综合能源系统具有多元大数据、源荷双端不确定、时空多维耦合等特征，亟需理论方法和关键技术的突破。对于综合能源系统，许多文章运用智能能源枢纽（Smart Energy Hub，SEH）、多能载波（Multi-Energy Carrier，MEC）、热电联产及冷热电三联产（Combined Cooling，Heating and Power，CCHP）的概念协调优化多种能源以实现经济性和社会性目标。

随着能源互联网的发展，综合能源系统中通信基础设施建设不断完善，信息网络日趋复杂，使得综合能源系统演变为典型的信息物理系统。信息能源系统中不仅存在电、气、热等多种能源形式的耦合，还存在能源网络和信息网络的耦合。信息网络中状态感知、数据传输、优化决策、指令执行的闭环过程中的任何一个环节出现问题都将会对能源网络的安全稳定运行产生不良影响。

从功能层面划分，信息能源系统可分为能源层、传输层和信息层。能源层负责电、热、气网能量流的传输与转换，此外还承担着能源网络实时运行数据的采集和控制指令执行的功能。能源网络的实时运行数据由远程控制终端（Remote Terminal Unit，RTU）的传感器采集后经上传通信信道上传至传输层中的通信子站（前置机），通信子站将信息转发至信息层的综合能源管理系统（控制中心），控制中心根据能源层实时运行状态做出优化决策指令并转发至通信子站，通信子站经下传通信信道再将指令发送至能源层的RTU执行器，实现控制指令的执行，更新能源层运行状态，从而实现状态感知—信息传输—优化决策—指令执行的整个闭环过程。为统一电、热、气网能量流模型的表达式，一般基于统一能路理论，将三个能源网络的能量流方程表示为统一的网络矩阵方程。然后，分别建立描述数据传输过程的传输层模型和描述控制中心优化决策过程的信息层模型，由此推导出信息能源系统的分层融合模型。

1.5.3 信息-物理交互的博弈控制

博弈论能够有效描述网络系统与外部环境的信息交互以及系统内部个体的耦合特性，根据网络系统控制与决策过程中涉及对象的差异化目标，分别建立关于其控制输入的收益函数，从全局的角度出发，解决系统内部的控制器设计和决策优化问题。例如，鲁棒控制可以建模为控制器和外部干扰两者间的零和博弈模型，并被广泛应用于外部干扰下控制器的设计；多智能体分布式优化以系统内部个体作为博弈的玩家，通过寻求纳什均衡策略，求解个体的最优控制输入，从而实现既定目标下系统的最优决策。博弈论为解决现代层级网络系统的决策和控制提供了强有力的理论支撑。

在物理层，实际物理系统动态行为大多可以建模为微分方程，由此，博弈论产生了一个重要的分支——微分对策。微分对策充分考虑物理层的动力学特点，是研究两个/多个玩家同时作用于一个由微分方程描述的动态系统，并最优化各自性能指标的理论。微分对策融合了博弈论和现代控制理论，是一个学科交叉的典范。它的本质是处理两个/多个玩家的最优控制问题。微分对策根据玩家之间关系的不同而衍生出多种类型，如零和微分对策、非零和微分对策、主从微分对策等，相应的成果广泛应用于经济、社会、工程等各个领域。例如，零和微分对策研究的是博弈中两个玩家支付函数之和为零的情况，既可用于玩家之间的对抗，也可用于研究系统内部控制器对不确定因素的对抗和抑制，被广泛应用于追逃、拦截等场景，以及鲁棒和最优控制等问题。

在信息层，大规模的网络系统中，信息的收集、交互、处理都对决策起着至关重要的作用。面向网络信息层的博弈需求是个体如何利用局部有限的信息做出合理的决策，从而使得群体智能涌现。在信息层，节点间往往存在资源共享、利益冲突的情形，倘若资源分配不协调、节点间不协作，则极有可能造成整体效益降低，甚至引发严重的干扰问题。博弈论为解决信息层的资源分配问题提供了强大的工具，催生出了大量的研究成果。其中，演化博弈论作为博弈论与生物学的交叉学科，模拟了生物感知环境并从中学习进化的过程，为解决大规模自组织网络系统中的资源分配问题提供了数学框架，解决了传统资源分配方案中信息量大、复杂度高的问题，同时保证了分配的公平性。此外，匹配博弈、讨价还价博弈、主从博弈等模型也被广泛地运用于解决通信资源的优化配置问题。例如，利用博弈论和合作控制方法解决风电场能源生产中的问题，使之能源生产效益最大化；利用分布式公式将不等式约束转化为可行的行动集，通过惩罚函数引入等式约束，并扩展到目标函数非凸或非光滑的实际情况，解决电力系统的经济调度问题；利用状态势博弈理论，设计分布式电力系统经济调度的一般方法，兼顾全网功率平衡约束与网络传输功率限制，同时实现主体间通信量极小化，因而具有较强的算法鲁棒性与实际应用价值。

现有研究结合多能源终端的分布式协同控制、信息能源终端的智能优化控制以及基于数据驱动的分布式能源预测控制等来实现信息物理系统的安全稳定运行。其中，美国工程院院士G.Heydt联合3位IEEE Fellow在国际权威刊物Proceedings of the IEEE（99(1)：133-148）上指出“分布式多智能体协同控制方法是解决能源互联网相关问题的重要方向”。但在实现目标的过程中，还有一些困境问题和未来趋势有待深入和完善。例如，随着5G等先进通信技术的发展，大规模的问题不再受现有平台计算能力和问题计算复杂性的限制，可以实现在线优化控制。同时，随着信息与能源网络融合程度的加深，能源主体更具智慧和自主能力，多能源主体交互的网络变得更加复杂。因此，在此基础上如何全面地分析系统的稳定性并从理论上给出设计稳定控制系统的指导方法仍然值得深入研究。