综合能源系统运行优化研究综述

Review of Research on Operation Optimization of Integrated Energy System

摘要: 综合能源系统(integrated energy system, IES)对电、冷、热、气等多种形式的能源实施多层次利用，实现各类能源在提高可再生能源消纳率方面的差异互补。由于不同系统之间的紧密耦合和能量流动的复杂变化，IES在运行优化方面具有独特性。本文全面综述了IES优化运行的研究现状。首先，介绍了IES设备的数学模型和IES运行优化模式。其次，阐述了IES优化的求解方法及其特点。最后，对IES综合效益评价体系进行了详细阐释并对该领域的未来发展进行了展望，以期为今后的研究提供参考。

Abstract: The integrated energy system (IES) implements multi-level utilization of various forms of energy such as electricity, cold, heat and gas, and realizes the complementarity of various energy sources in improving the consumption rate of renewable energy. Due to the tight coupling between different systems and the complex changes of energy flow, IES is unique in operation optimization. This pa-per comprehensively reviews the research status of IES optimal operation. Firstly, the mathemati-cal model of IES equipment and the optimization mode of IES operation are introduced. Secondly, the solution method and characteristics of IES optimization are expounded. Finally, the IES com-prehensive benefit evaluation system is explained in detail and the future development of this field is prospected in order to provide reference for future research.

1. 引言

能源领域的技术变革与创新贯穿人类社会发展史 [1] 。如何快速开发清洁能源，高效协调多种能源的利用，已成为世界能源领域的研究热点 [2] 。世界各国学者提出了多能源系统 [3] 、IES [4] 、能源互联网 [5] 等相关概念，并讨论了电、气、热、冷等多种能源的协调互补机制和开发应用模式的结构形式 [6] 。

随着化石能源过度消费和自然环境问题恶化，推进国家能源转型 [7] ，实现能源生产从“一煤独大”向清洁主导的转变。这将改变传统能源系统的能源结构、用能方式和市场模型。从能源利用的角度来看，多种类型的能源系统在不同的时间尺度上是相互联系和互补的，能量的储存和转移可以在多个时间尺度上进行 [8] 。因此，在IES的能量产生和利用过程中，IES的运行优化是未来研究的主要方向。本文围绕IES运行优化这一主题，梳理了IES设备单元的静态物理/经济模型，总结了IES的基本运行优化模式、IES的求解方法种类及其特点和IES效益评价方法。最后，基于IES发展存在的不足，提出了该领域的研究展望，以期为今后的研究提供参考。

2. IES设备模型

IES涵盖供电、供热、制冷、供气等多种能源网络，以及相关的信息设备和管理系统。IES设备复杂多样，不同设备构成的IES特性不同，其通用网络架构图如图1所示。

目前对IES中的独立型和双重耦合型设备的数学静态建模已接近实际设备正常运行时的效果。然而随着越来越多不同种类的能源联合运行的快速发展，需要四重以上耦合型设备机组也越来越多，这将使得数学建模变得更加困难，耦合关系也变得更加复杂 [9] ，然而目前对其相关的建模未有之。

IES中独立型设备只生产、传输、存储电能、热能、冷能和天然气 [10] 。其中相关设备的物理/经济模型见表1对应的参考文献。

在研究和应用中，系统的耦合模型可分双重耦合设备单元和三重及以上耦合型设备机组。IES中双重耦合型设备只限于不同的两种能源进行转化，主要有气转电、电转冷、热转冷、气转热、电转热和电转气等。三/四重耦合型设备机组也仅限气转电/热/冷，其相关设备的物理/经济模型见表2对应的参考文献。然而，目前对于气、电、冷、热、交通、水等网络彼此之间互联耦合的研究几乎没有触及。

3. IES运行优化模式

IES的研究涉及多个方面，其中IES的建模和运行优化研究是比较重要的。IES优化运行通常是在保证用户供能需求的前提下，考虑IES运行成本最低为目标，以便实现能源供能的总成本最低，保证能源的高效利用，从而实现系统的经济运行。目前，对于电–气联供IES、电–热联供IES以及电–气–热联供IES等运行优化模式的研究已经很成熟。然而，对IES能源枢纽的研究甚少。本文主要对电–气联供IES、电–热联供IES以及电–气–热联供IES进行简单介绍，重点在于介绍IES能源枢纽。

Figure 1. ES network architecture diagram

图1. IES网络架构图

Table 1. System resulting data of standard experiment

表1. 标准试验系统结果数据

Table 2. Physical/economic model of coupled IES equipment and references

表2. IES耦合型设备的物理/经济模型及参考文献

3.1. 电–气互联IES运行优化

电–气互联IES将电力系统和天然气系统通过耦合元件结合到一起，充分将电能和天然气的不足彼此互补，从而提高了电力、天然气系统的稳定性，其通用模型架构如图2所示。

Figure 2. IES model architecture of electricity-gas interconnection

图2. 电–气互联IES模型架构

电–气互联IES的运行机制，一般其目标函数是以系统运行成本和污染物排放最小，并考虑相关的技术约束，其公式表达式见表3对应的参考文献。

Table 3. IES constraint expression of electrical-gas interconnection and references

表3. 电–气互联IES约束表达式及参考文献

文献 [61] 以运行成本与碳排放最小为目标函数和以配电/气网与耦合装置作为约束条件来求解考虑综合需求响应的电–气综合能源系统低碳经济调度。文献 [62] 以机组成本与气井产气成本和以电力/天然气系统和耦合元件作为约束条件求解考虑精细模型的电–气综合能源系统优化运行

3.2. 电–热互联IES运行优化

电–热互联IES耦合了电能和热能，调动了电力、热力系统的互动，其通用模型架构如图3所示。

Figure 3. Electric-thermal interconnection IES model architecture

图3. 电–热互联IES模型架构

电–热互联IES的运行机制，一般其目标函数是系统运行成本最小，并考虑相关的技术约束，其公式表达式参考文献 [43] 。文献 [63] 以发电、弃风/光与储能成本为最小和以电/热平衡、运行设备与储能设备作为约束条件来求解考虑风电消纳的电–热综合能源系统优化运行。文献 [64] 以煤耗量最小为目标函数，且以电力/热力需求、机组利用率、设备运行和装机作为约束条件来求解电热综合能源系统框架下蒙西电网电源容量最优配比研究。

3.3. 电–气–热互联IES运行优化

电–气–热互联IES耦合了电力、热力以及天然气而组成的一个大型系统，使得系统结构极其复杂，其通用模型架构如图4所示。

Figure 4. IES model architecture of electricity-gas-heat interconnection

图4. 电–气–热互联IES模型架构

电–气–热互联IES的运行机制，一般其目标函数是以系统运行成本最小，并考虑相关的技术约束，具体约束条件表达式见表4对应的参考文献。

Table 4. IES constraint expression of electricity-gas-heat interconnection and references

表4. 电–气–热互联IES约束表达式及参考文献

文献 [69] 以外系统购买的电、气能的费用为目标函数和以能源平衡、储能设备与机组作为约束条件求解计及用户行为的电–气–热互联IES日前经济调度。文献 [70] 以系统总运行成本最小为目标函数和以电/气/热网、耦合设备与CCUS装置作为约束条件求解考虑CCUS的电–气–热综合能源系统鲁棒优化调度。

3.4. IES能源枢纽运行优化

IES能源枢纽是一个允许不同能量流输入和输出、相互转换和储存的单元。目前，应用于IES的能源枢纽模型一般只包含用于实现电、热、冷之间转换的部件，其通用模型架构如图5所示。

电–热互联IES的运行机制，一般其目标函数是系统运行成本最小，并考虑相关的技术约束，其公式表达式参考文献 [43] 。文献 [63] 以发电、弃风/光与储能成本为最小和以电/热平衡、运行设备与储能设备作为约束条件来求解考虑风电消纳的电–热综合能源系统优化运行。文献 [64] 以煤耗量最小为目标函数，且以电力/热力需求、机组利用率、设备运行和装机作为约束条件来求解电热综合能源系统框架下蒙西电网电源容量最优配比研究。

文献 [71] 以运行费用最低为目标函数和以能量枢纽分配系数、电/热平衡、运行设备作为约束条件，对能量枢纽进行优化运行求解。文献 [72] 以安装、运行及可靠性惩罚成本之和最小为目标函数和以电/热平衡、设备、储能、分配系数、负荷旋转备用和可靠性作为约束条件来求解计及可靠性的电–气–热能量枢纽配置与运行优化。

能源枢纽运行优化问题的目标函数和约束条件通常可概括为如下表达方式。

3.4.1. 目标函数

能源枢纽总体趋向是主要以考虑日优化调度问题，合理安排各单元在每个时间间隔的处理，以能源枢纽购买电力 $C_p$ 和天然气的费用 $C_G$ 与污染物排放交易成本F之和最小为目标，其目标函数为。

$\min C=C_G+C_p+F$ (1)

Figure 5. Energy hub model architecture

图5. 能源枢纽模型架构

$C_G={\displaystyle \underset{t}{\sum }{\pi }^G}\left(\frac{P_t^{\text{CCHP}}}{{\eta }^{\text{GT}}}+\frac{H_t{}^{\text{GB}}}{{\eta }^{\text{GB}}}\right)\frac{\Delta T}{{\lambda }_{\text{gas}}}$ (2)

$C_P={\displaystyle \underset{t}{\sum }\left({\pi }_t^{\text{Tou}}{P}_t^{\text{PG}}-{\pi }^{\text{s}}{P}_t^{\text{s}}\right)\Delta T}$ (3)

式中， ${\pi }^G$ 、 ${\pi }_t^{\text{Tou}}$ 和 ${\pi }^s$ 分别为购气价格、购电的分时电价和售电价格； $P_t^{\text{PG}}$ 为时刻t的购电功率； $P_t^s$ 为时刻t的售电功率，其中售电只包括新能源生产的电力。

3.4.2. 约束条件

(1) 系统运行约束。

系统运行约束表达式如下所示：

$0\le P_t^{\text{PG}}\le P_{\max }^{\text{PG}}$ (4)

$0\le f_t^{\text{GT}}+f_t^{\text{GB}}\le f_{\text{gas}}^{\text{max}}$ (5)

式中， $P_{\max }^{\text{PG}}$ 和 $f_{\text{gas}}^{\max }$ 分别为能源枢纽的购电、气容量上限。

(2) 电动汽车约束。

电动汽车(electric vehicle, EV)约束表达式如下所示 [73] ：

$S_{k.\min }^{\text{EV}}\le S_{t.k}^{\text{EV}}\le S_{k.\max }^{\text{EV}}$ (6)

$P_{t.k}^{\text{EV}}=0,t\notin \left[t_k^{\text{ari}},t_k^{\text{dep}}\right]$ (7)

$S_{\text{dep}.k}\ge S_{k.\min }+d_k^{\text{dri}}/d_{k.\max }$ (8)

$0\le P_{t.k}^{\text{EV}\text{.ch}}\le P_{t.k}^{\text{EV}\text{.max}}$ (9)

式中， $S_{k.\max }^{\text{EV}}$ 和 $S_{k.\min }^{\text{EV}}$ 分别为第k辆电动汽车蓄电池荷电状态的最大最小值； $t_k^{\text{ari}}$ 和 $t_k^{\text{dep}}$ 分别为电动汽车接入和断开系统的时刻； $S_{\text{dep}.k}$ 为第k辆电动汽车离开电力系统时可以满足出行距离 $d_k^{\text{dri}}$ 的荷电状态SOC值， $S_{\text{dep}.k}$ 限定了电动汽车的可调度时段； $d_{k.\max }^{}$ 和 $P_{t.k}^{\text{EV}\text{.max}}$ 分别为第k辆电动汽车的最大续航里程和充电功率。

(3) 储电(electric storage, ES)设备约束。

$S_{\min }^{\text{ES}}\le S_t^{\text{ES}}\le S_{\max }^{\text{ES}}$ (10)

$0\le P_t^{\text{ES}\text{.ch}}\le {\mu }_t^{\text{ES}\text{.ch}}{P}_{\max }^{\text{ES}\text{.ch}}$ (11)

$0\le P_t^{\text{ES}\text{.dis}}\le {\mu }_t^{\text{ES}\text{.dis}}{P}_{\max }^{\text{ES}\text{.dis}}$ (12)

式(10)为ES荷电状态约束，式(11)和式(12)为充放电功率约束。其中， $S_{\max }^{\text{ES}}$ 和 $S_{\min }^{\text{ES}}$ 分别为ES荷电状态的上下限； $P_{\max }^{\text{ES}\text{.ch}}$ 和 $P_{\max }^{\text{ES}\text{.dis}}$ 分别为ES的最大充、放电功率； ${\mu }_t^{\text{ES}\text{.ch}}$ 和 ${\mu }_t^{\text{ES}\text{.dis}}$ 表示ES在时刻的充、放电状态的二进制变量。

为保证ES不能同时充放电，需满足以下约束：

${\mu }_t^{\text{ES}\text{.ch}}+{\mu }_t^{\text{ES}\text{.dis}}\le 1$ (13)

为了保证优化调度的连续性，在ES每日调度的结束时刻T的荷电状态要与初始时刻的荷电状态相等，即

$S_1^{\text{ES}}=S_{\text{T}}^{\text{ES}}$ (14)

(4) 储热(heat storage, HS)设备约束。

$W_{\min }^{\text{HS}}\le W_t^{\text{HS}}\le W_{\max }^{\text{HS}}$ (15)

$0\le H_t^{\text{HS}\text{.ch}}\le {\mu }_t^{\text{HS}\text{.ch}}{H}_{\max }^{\text{HS}\text{.ch}}$ (16)

$0\le H_t^{\text{HS}\text{.dis}}\le {\mu }_t^{\text{HS}\text{.dis}}{H}_{\max }^{\text{HS}\text{.dis}}$ (17)

式(15)为HS储热量状态约束，式(16)和式(17)为储/放热功率约束。其中， $W_{\max }^{\text{HS}}$ 和 $W_{\min }^{\text{HS}}$ 分别为储热量的上下限； $H_{\max }^{\text{HS}\text{.ch}}$ 和 $H_{\max }^{\text{HS}\text{.dis}}$ 分别为HS的最大储、放热功率； ${\mu }_t^{\text{HS}\text{.ch}}$ 和 ${\mu }_t^{\text{HS}\text{.dis}}$ 表示HS在时刻t的储、放电状态的二进制变量。

为保证HS不能同时储热和放热，且一个调度周期始末HS的储热量相同，即

${\mu }_t^{\text{HS}\text{.ch}}+{\mu }_t^{\text{HS}\text{.dis}}\le 1$ (18)

$S_1^{\text{HS}}=S_{\text{T}}^{\text{HS}}$ (19)

(5) 用户舒适度约束。

① 室内温度约束。

${\theta }_{\min }^{\text{in}}\le {\theta }_t^{\text{in}}\le {\theta }_{\max }^{\text{in}}$ (20)

式中， ${\theta }_{\max }^{\text{in}}$ 和 ${\theta }_{\min }^{\text{in}}$ 分别表示室内温度的上下限，这确保室内温度保持在用户期望的舒适温度区间内。

② 用户意愿的水温约束。

${\theta }_{\min }^{\text{ws}}\le {\theta }_t^{\text{ws}}\le {\theta }_{\max }^{\text{ws}}$ (21)

式中， ${\theta }_{\max }^{\text{ws}}$ 和 ${\theta }_{\min }^{\text{ws}}$ 分别为用户意愿的水温上下限，以保证用户一天都有热水可用。

(6) 燃气锅炉(gas boiler, GB)运行约束。

$0\le H_t^{\text{GB}}\le H_{\max }^{\text{GB}}$ (22)

式中， $H_{\max }^{\text{GB}}$ 表示GB的热力出力上限。

(7) 燃气轮机(gas turbine, GT)运行约束。

$0\le P_t^{\text{GT}}\le P_{\max }^{\text{GT}}$ (23)

$0\le H_t^{\text{GT}}\le H_{\max }^{\text{GT}}$ (24)

$\left|P_t^{\text{GT}}-P_{t-1}^{\text{GT}}\right|\le \Delta P_{\text{max}}^{\text{GT}}$ (25)

式中， $H_{\max }^{\text{GB}}$ 和 $P_{\max }^{\text{GT}}$ 分别表示GT的热力和电力出力上限； $\Delta P_{\text{max}}^{\text{GT}}$ 表示GT发电的爬坡上限。

(8) 功率平衡约束。

① 电功率平衡约束。

$P_t^{\text{EV}\text{.ch}}+P_t^{\text{L}}+P_t^{\text{ES}\text{.ch}}-P_t^{\text{ES}\text{.dis}}+P_t^{\text{EC}}=P_t^{\text{GT}}-P_t^{\text{S}}+P_t^{\text{pv}}+P_t^{\text{CCHP}}$ (26)

$P_t^{\text{ES}\text{.ch}}={\lambda }_t{P}_t^{\text{L}}$ (27)

式中， $P_t^{\text{L}}$ 为基本电力负荷； ${\lambda }_t$ 为在[0, 1]在区间内的系数，其表示储电设备为基本负荷所提供的电功率占基本负荷需求的比例。由于建设储能设备到多种负荷的成本较高，考虑只有基本负荷可通过储能设备放电供能，制冷需求和电动汽车的电能需求只能通过电网供能。

② 热功率平衡约束。

$H_t^{\text{GB}}+H_t^{\text{CCHP}}=H_t^{\text{L}}+H_t^{\text{HS}\text{.ch}}-H_t^{\text{HS}\text{.dis}}+H_t^{\text{WS}}+H_t^{\text{AC}}$ (28)

式中， $H_t^{\text{L}}$ 为基本热负荷；由燃气锅炉和余热锅炉为系统供热，产生的热能供给基本负荷、热水负荷和吸收式制冷机。

③ 冷功率平衡约束 [74] 。

$\left(E_t^{\text{AC}}\cdot CO{P}_{\text{AC}}\right)+\left(E_t^{\text{EC}}\cdot CO{P}_{\text{EC}}\right)=H_t^{air}$ (29)

式中， $E_t^{\text{AC}}$ 和 $E_t^{\text{EC}}$ 分别为吸收式制冷机和电制冷机的输出功率； $CO{P}_{\text{AC}}$ 和 $CO{P}_{\text{EC}}$ 分别为吸收式制冷机和电制冷机的制冷系数，分别为0.7和3。

4. IES运行优化的求解

由于多种能源系统间的相互连接，综合能源系统的耦合性不断增强，这将使得IES优化求解的计算量变大，所以需要能够找到一种高效的求解方法。目前，IES优化运行模型尚无统一的求解方法，只能根据需要寻找适合具体优化模型的求解方法。IES常用的求解方法包括数学优化算法和智能优化算法。从算法上来讲，目前针对IES的优化调度多是结合数学规划算法或启发式算法进行的 [75] 。

4.1. 数学规划算法

数学规划算法是经典的数学优化算法 [76] ，包括线性规划、非线性规划Benders分解法等。一般而言，数学优化算法适用范围广、计算速度快、最优解准确等优点，但受变量类型、约束条件的线性情况、目标函数的个数、问题的凸性等影响较大并且在处理非线性、非凸或非连续问题时会陷于局部最优中 [77] 。使用数学规划算法解决IES优化调度问题有几个前提：研究对象的数学模型清晰、约束条件明确、物理过程简单。文献 [66] 针对系统运行中电、热、天然气耦合问题，采用基于拉格朗日松弛协同优化方法进行解耦。该方法仅适用于确定性模型。文献 [78] 采用原对偶内点法来求解考虑到电热综合能源系统实时优化调度运行的不确定性。

IES规划与运行调度涉及设备间的相互耦合，属于非线性求解问题。数学模型相互之间的约束比较复杂，求解维度较高 [79] 。因为，IES中设置有大量热设备和热力反应设备，设备模型始终具有非线性，使用数学规划算法时常常需要对这些设备进行线性化处理。文献 [80] 以总成本最低为目标函数，通过分段线性化，转化为混合整数线性规划问题进行求解。文献 [81] 建立了考虑储能设备的电–气区域IES日前调度模型，利用二阶锥松弛将模型线性化。

4.2. 启发式算法

相较于数学规划算法，启发式算法可以更好地处理IES调度问题。启发式算法主要以智能优化算法为代表，它能够很好地处理有关非凸优化问题。目前，比较成熟的智能式算法包括灰狼算法、禁忌搜索算法和模拟退火算法等 [82] ，这些算法被广泛应用于IES优化调度的研究中。智能优化算法为许多复杂困难问题的求解提供了可行有效的策略，具有简单、通用、便于并行处理等特点，针对不同情况下的IES需要合理选择算法进行求解。具体如下表5所示。

Table 5. Heuristic algorithm corresponding to IES optimization problem

表5. IES优化问题对应的启发式算法

目前，IES规划与运行优化中的求解方法过于繁多。许多研究都采用启发式算法来解决综合能源系统的优化问题。那么对于统一建立模型与求解法索引体系，是值得研究和创建的。

4.3. 求解流程及步骤

IES运行优化建模是基于具体场景中不同元素的角色和作用，建立各能源供给设备之间协调互补的能量流关系。根据IES的典型特征和运行机制，对IES运行优化模型的求解步骤和流程如下：

IES运行优化模型一般求解流程如下图6所示：

IES运行优化模型求解步骤如下：

步骤1：根据所建立的运行场景输入优化模型所需的数据

步骤2：设置各出力设备的出力约束、传输约束、爬坡率及电网交互约束等运行参数。

步骤3：根据优化模型选择合适的智能算法。

步骤4：根据输入的基础数据和参数设置，在系统约束条件下利用智能算法计算目标函数值。

步骤5：输出优化决策的运行策略结果。

Figure 6. IES operation optimization model solving process

图6. IES运行优化模型求解流程

5. IES综合评价体系

5.1. IES综合效益评价指标

近年来对IES的研究主要集中在规划、调度、负荷预测等方面。其中，IES预测、决策和控制都是以相关评价指标为指导。IES与评价指标之间的强耦合关系要求我们在进行综合评价时，全面、深入地考虑IES对安全、经济、环境和社会的影响，且在进行综合评价时，必须考虑各评价对象的独特性指标，IES效益评价指标具体如表6所示。

本节构建的IES效益评价指标体系涵盖了经济、社会、环境、安全4个方面的效益情况，但二级指标设置较少，尚不能全面、深入地反映IES能够带了的效益情况。例如，设备利用率、投资回收期、可再生能源渗透率、用户端能源质量等效益指标未进行考虑，有待于补充更新。

此外，有学者对IES评价指标进行了深入研究。文献 [94] 提出了区间多属性决策方法和模糊语言多属性决策模型。最后，构建了综合能源系统效率评价的数学模型。文献 [95] 实施了一种新的评估方法，将热经济学分析与可靠性和可用性评估相结合，以优化能源枢纽系统的设计。文献 [96] 建立了综合评价指标，有效地评价了连锁故障的严重程度。文献 [97] 建立了以不同主体的评价体系，对区域IES的综合效益进行定量评价。文献 [98] 对农村IES在经济、环境、技术和社会进行了指标评价。

Table 6. IES benefit evaluation index system

表6. IES效益评价指标体系

目前，国内外已有大量的研究工作涉及到的IES效益评价，但是应用于实际工程的IES效益评价标准并不完善。

5.2. IES综合评价方法

IES效益评价是保障系统规划和运行优化决策的重要依据。不同的评价方法对系统整体性能的评价会产生不同的结果，对优化的目标导向也会产生不同的影响。评价方法一般包括3种 [99] [100] [101] [102] [103] ：Pareto非支配解多目标优化方法、多指标加权综合评价和统一的单目标综合优化方法。

多目标优化后得到Pareto非支配解，包括一系列可行解。例如，文献 [104] 以性能因子指标为目标函数，采用改进的遗传算法对区域IES进行优化。性能因子指标由年总成本、年能源交易成本、二氧化碳排放量和负荷峰谷比组成；文献 [105] 综合考虑经济效益、能源效益和环境效益，建立了IES评价指标体系，并利用NSGA-II对不同建筑和模式进行了优化。文献 [106] 采用粒子群优化算法，以投资成本、一次能源消耗、CO₂排放和供能可靠性5个评价指标，对含CCHP的微能源网络容量和运行策略进行优化。

对于多指标加权综合评价，文献 [107] 基于9个二级指标，操纵FCA对园区IES进行性能分析和评价；文献 [108] 等提取了区域IES评价在能源环节、装置环节、配电网环节和用户环节的指标，采用网络分析和反熵权法相结合的方法计算了各指标的权重和评分函数；文献 [109] 等建立了能源、环境、经济综合评价模型，对分布式IES的综合效益进行评价；文献 [110] 采用技术、经济、环境、社会等多指标综合评价方法对IES进行评价，并采用秩相关分析法和熵信息法分别获得主观权重和客观权重；文献 [111] 提出了一个涵盖源、网、荷、储技术特性以及经济、环境、可靠、智慧等多维度的评价体系，用于工业园区IES的性能评价；文献 [112] 从能源效率、经济性、环保性、社会效益等二级指标出发，建立了基于主客观信息融合的港口IES综合评价体系。

统一的方法是通过转换系数将每种物质转换为统一维度的数据。常用的方法有㶲环境法和生态能值法。文献 [113] 采用能量效率、㶲效率、CO₂排放量等指标对IES的能量、㶲经济和环境性能进行了分析。结果表明，单纯的能量和㶲效率评价并不能描述太阳能在混合系统中的作用。文献 [114] 基于能值系数建立了可再生能源与冷热电联供系统的综合评价体系，并采用模糊综合评价方法分析了系统的综合性能。文献 [115] 计及㶲效率的区域综合能源系统综合评估模型，从多个维度科学有效地评估了区域综合能源系统。

由于我国的IES尚处于发展的初级阶段，其效益评价方法也应该是一个不断发展的过程。

5.3. IES综合评价流程

随着IES的发展，综合评价的基本步骤和系统架构方法需要进一步规范。综合相关文献资料 [94] - [118] ，IES综合评价的基本流程图和步骤具体如下。

IES的效益评价流程图如下图7所示：

Figure 7. IES comprehensive evaluation flow chart

图7. IES综合评价流程图

IES的效益评价步骤如下所示：

步骤1：确定待评价系统方案。

步骤2：获取综合评价指标，对原始评价指标数据进行标准化处理。

步骤3：计算标准化评价指标。

步骤4：确定主成分指标，并计算其得分。

步骤5：确定指标权重，计算得分。

步骤6：对结果进行评价分析。

6. 结论

目前，我国IES不断蓬勃发展，在社会上各个层面发挥出巨大的作用和影响。但是，同时也正面临越来越多的问题急需学术界和产业界不断进一步地深入研究和在实践中加以论证解决。具体问题表述如下所示：

1) IES的优化一般都是按照理想化来处理，那么如何处理数据采集系统在采集的过程中存在的不确定因素，而造成理论与实际的误差。

2) 目前的设备元件模型主要为静态模型，那么如何建立设备元件的动态模型并能够更好地进行分析不确定性。

3) 对于多种能源的高度融合与互联，如何提高气网、热网、电网、冷网和交通网等网络之间的匹配性和高效性。

4) 目前，对于IES运行模式研究的种类很少，有待结合实际工程扩展运行模式种类。

5) 在IES规划与运行优化中，采用什么样的方式，才能更好实现系统的合理配置和高效高质运行。

6) 对于IES的效益评价指标太多，无法直接应用于实际工程，那么可以采取什么样的方式来更好地准确细化和有效量化。

本文在IES现有研究文献的基础上，介绍了IES设备单元的静态物理/经济模型和IES运行优化模式，重点介绍了IES能源枢纽运行优化模型。其次，总结了IES的求解方法种类及其特点。最后，总结了综合评价方法和构建了综合评价体系。结尾对IES未来的下一步深入研究发展要面对的问题进行了概述，以便能够为今后的研究提供参考。