面向城市能源系统分布式资源的边缘智能技术综述

陈永东; 刘友波; 沈晓东; 许立雄; 刘进; 李利娟

doi:10.7500/AEPS20220321002

您当前的位置：

首页 >

文章列表页 >

面向城市能源系统分布式资源的边缘智能技术综述

“双碳”目标下的城市能源系统 | 更新时间：2025-06-16

- 面向城市能源系统分布式资源的边缘智能技术综述
- Review of Edge Intelligence Technology for Distributed Energy Resources in Urban Energy Systems
- 电力系统自动化 2022年46卷第17期页码：142-152
- 作者机构：
  
  1.四川大学电气工程学院,四川省成都市 610044
  2.华电(宁夏)能源有限公司,宁夏回族自治区银川市 750004
  3.湘潭大学自动化与电子信息学院,湖南省湘潭市 411105
- 作者简介：
  
  陈永东(1994—)，男，博士研究生，主要研究方向：配电网分布式资源边缘智能。E-mail：cydshore@163.com
  刘友波(1983—)，男，通信作者，副教授，博士生导师，主要研究方向：电力系统人工智能、边缘计算等。E-mail：liuyoubo@scu.edu.cn
  沈晓东(1975—)，男，副教授，硕士生导师，主要研究方向：人工智能及其在电力系统中的应用、多能源系统建模与规划等。E-mail：shengxd@scu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(51977133)
- DOI：10.7500/AEPS20220321002
  中图分类号：
- 收稿日期：2022-03-21，
  
  修回日期：2022-07-15，
  
  网络出版日期：2022-08-23，
  
  纸质出版日期：2022-09-10
- 稿件说明：
移动端阅览
陈永东,刘友波,沈晓东等.面向城市能源系统分布式资源的边缘智能技术综述[J].电力系统自动化,2022,46(17):142-152.

CHEN Yongdong,LIU Youbo,SHEN Xiaodong,et al.Review of Edge Intelligence Technology for Distributed Energy Resources in Urban Energy Systems[J].Automation of Electric Power Systems,2022,46(17):142-152.
陈永东,刘友波,沈晓东等.面向城市能源系统分布式资源的边缘智能技术综述[J].电力系统自动化,2022,46(17):142-152. DOI： 10.7500/AEPS20220321002.

CHEN Yongdong,LIU Youbo,SHEN Xiaodong,et al.Review of Edge Intelligence Technology for Distributed Energy Resources in Urban Energy Systems[J].Automation of Electric Power Systems,2022,46(17):142-152. DOI： 10.7500/AEPS20220321002.

摘要

在新一代通信、人工智能、超算等技术的驱动和深度助推下，城市能源系统数字化和智能化程度不断加深，但如何充分发挥其技术价值仍需探索。针对传统运行调控技术方法难点和痛点，围绕面向城市能源系统分布式资源的边缘智能技术，阐述了城市能源系统边缘智能背景、意义和发展，提出了城市能源系统边缘智能理念及其体系架构，探讨了其关键支撑技术，总结分析了其在城市能源系统场景中的具体应用，并对其在通信模式、安全隐私、智能算法、云-边协同、机制设计和业务场景等方面进行了展望。

Abstract

Driven and deeply boosted by the new generation of communication

artificial intelligence

supercomputing and other technologies

the digitization and intelligence of the urban energy system are deepening

but how to give full play to its technical value still needs to be explored. Aiming at the difficulty and pain points of traditional operation control technology

this paper focuses on the edge intelligence technology for distributed energy resources of the urban energy system

expounds the background

significance

and development of edge intelligence of the urban energy system

puts forward its concept and architecture

discusses its key supporting technologies

summarizes and analyzes its specific application in urban energy system

and presents the prospect for its communication mode

security and privacy

intelligent algorithm

cloud-edge collaboration

mechanism design

and business scenarios.

关键词

Keywords

references

郑玉平，王丹，万灿，等 . 面向新型城镇的能源互联网关键技术及应用［J］. 电力系统自动化， 2019 ， 43 （ 14 ）： 2 - 15 .

ZHENG Yuping ， WANG Dan ， WAN Can ， et al . Key technology and application of energy Internet oriented to new-type towns ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 14 ）： 2 - 15 .

PERERA A T D ， JAVANROODI K ， NIK V M . Climate resilient interconnected infrastructure： co-optimization of energy systems and urban morphology ［J］. Applied Energy ， 2021 ， 285 ： 116430 .

中华人民共和国中央人民政府 . 习近平主持召开中央财经委员会第十一次会议［EB/OL］.［ 2022-04-26 ］. http：//www.gov.cn/xinwen/2022-04/26/content_5687372.htm http://www.gov.cn/xinwen/2022-04/26/content_5687372.htm .

Central People’s Government of the People’s Republic of China . Xi presided over the 11th Meeting of the Central Financial and Economic Commission ［EB/OL］. ［ 2022-04-26 ］. http：//www.gov.cn/xinwen/2022-04/26/content_5687372.htm http://www.gov.cn/xinwen/2022-04/26/content_5687372.htm .

王彩霞，时智勇，梁志峰，等 . 新能源为主体电力系统的需求侧资源利用关键技术及展望［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 37 - 48 .

WANG Caixia ， SHI Zhiyong ， LIANG Zhifeng ， et al . Key technologies and prospects of demand-side resource utilization for power systems dominated by renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 37 - 48 .

THORNBUSH M ， GOLUBCHIKOV O . Smart energy cities： the evolution of the city-energy-sustainability nexus ［J］. Environmental Development ， 2021 ， 39 ： 100626 .

贾宏杰，穆云飞，侯恺，等 . 能源转型视角下城市能源系统的形态演化及运行调控［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 49 - 62 .

JIA Hongjie ， MU Yunfei ， HOU Kai ， et al . Morphology evolution and operation regulation of urban energy system from perspective of energy transition ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 49 - 62 .

WANG X F ， HAN Y W ， LEUNG V C M ， et al . Convergence of edge computing and deep learning： a comprehensive survey ［J］. IEEE Communications Surveys & Tutorials ， 2020 ， 22 （ 2 ）： 869 - 904 .

AUMAND P ， MARTINAC I . Distributed energy resources systems towards carbon-neutral urban development： a review and application ［J］. International Journal of Energy & Environment ， 2016 ， 7 （ 1 ）： 77 - 88 .

ADIL A M ， KO Y . Socio-technical evolution of decentralized energy systems： a critical review and implications for urban planning and policy ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 57 ： 1025 - 1037 .

龚静，彭红海，朱琛 . 配电网综合自动化技术［M］. 北京：机械工业出版社， 2008 .

GONG Jing ， PENG Honghai ， ZHU Chen . Integrated automation technology of distribution network ［M］. Beijing ： China Machine Press ， 2008 .

董晓峰，苏义荣，吴健，等 . 支撑城市能源互联网的主动配电网方案设计及工程示范［J］. 中国电机工程学报， 2018 ， 38 （增刊1 ）： 75 - 85 .

DONG Xiaofeng ， SU Yirong ， WU Jian ， et al . Scheme design and engineering demonstration of active distribution network supporting city energy internetwork ［J］. Proceedings of the CSEE ， 2018 ， 38 （ Supplement 1 ）： 75 - 85 .

任鹏哲，刘友波，刘挺坚，等 . 基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 55 - 62 .

REN Pengzhe ， LIU Youbo ， LIU Tingjian ， et al . Robust identification algorithm for distribution network topology based on mutual-information Bayesian network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 55 - 62 .

郭敏，夏明超，陈奇芳 . 基于能源自组织的能源-信息-交通-社会耦合网络研究综述［J］. 中国电机工程学报， 2021 ， 41 （ 16 ）： 5521 - 5540 .

GUO Min ， XIA Mingchao ， CHEN Qifang . A review of the energy-cyber-transportation-social coupling network based on energy self-organization ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 16 ）： 5521 - 5540 .

SHI W B ， LI N ， CHU C C ， et al . Real-time energy management in microgrids ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 1 ）： 228 - 238 .

WANG H W ， LI C J ， LI J Y ， et al . A survey on distributed optimisation approaches and applications in smart grids ［J］. Journal of Control and Decision ， 2019 ， 6 （ 1 ）： 41 - 60 .

ZHANG Z D ， ZHANG D X ， QIU R C . Deep reinforcement learning for power system applications： an overview ［J］. CSEE Journal of Power and Energy Systems ， 2020 ， 6 （ 1 ）： 213 - 225 .

CHEN J S ， RAN X K . Deep learning with edge computing： a review ［J］. Proceedings of the IEEE ， 2019 ， 107 （ 8 ）： 1655 - 1674 .

KHODAYAR M ， LIU G Y ， WANG J H ， et al . Deep learning in power systems research： a review ［J］. CSEE Journal of Power and Energy Systems ， 2021 ， 7 （ 2 ）： 209 - 220 .

CAO D ， HU W H ， ZHAO J B ， et al . Reinforcement learning and its applications in modern power and energy systems： a review ［J］. Journal of Modern Power Systems and Clean Energy ， 2020 ， 8 （ 6 ）： 1029 - 1042 .

赵鹏，蒲天骄，王新迎，等 . 面向能源互联网数字孪生的电力物联网关键技术及展望［J］. 中国电机工程学报， 2022 ， 42 （ 2 ）： 447 - 458 .

ZHAO Peng ， PU Tianjiao ， WANG Xinying ， et al . Key technologies and perspectives of power Internet of Things facing with digital twins of the energy Internet ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 2 ）： 447 - 458 .

ZHU S ， OTA K ， DONG M X . Green AI for IIoT： energy efficient intelligent edge computing for industrial Internet of Things ［J］. IEEE Transactions on Green Communications and Networking ， 2022 ， 6 （ 1 ）： 79 - 88 .

LI E ， ZENG L K ， ZHOU Z ， et al . Edge AI： on-demand accelerating deep neural network inference via edge computing ［J］. IEEE Transactions on Wireless Communications ， 2020 ， 19 （ 1 ）： 447 - 457 .

ZHOU Z ， CHEN X ， LI E ， et al . Edge intelligence： paving the last mile of artificial intelligence with edge computing ［J］. Proceedings of the IEEE ， 2019 ， 107 （ 8 ）： 1738 - 1762 .

DENG S G ， ZHAO H L ， FANG W J ， et al . Edge intelligence： the confluence of edge computing and artificial intelligence ［J］. IEEE Internet of Things Journal ， 2020 ， 7 （ 8 ）： 7457 - 7469 .

边缘计算产业联盟 . 边缘计算IT基础设施白皮书1.0 ［R］. 2019 .

Edge Computing Consortium . Edge computing it infrastructure white paper 1.0 ［R］. 2019 .

中国计算机学会 . 5G边缘智能与智慧城市［EB/OL］.［ 2020-10-19 ］. https：//www.ccf.org.cn/Focus/2020-10-19/709659.shtml https://www.ccf.org.cn/Focus/2020-10-19/709659.shtml .

China Computer Federation . 5G edge smart and smart city ［EB/OL］. ［ 2020-10-19 ］. https：//www.ccf.org.cn/Focus/2020-10-19/709659.shtml https://www.ccf.org.cn/Focus/2020-10-19/709659.shtml .

高仕斌，高凤华，刘一谷，等 . 自感知能源互联网研究展望［J］. 电力系统自动化， 2021 ， 45 （ 5 ）： 1 - 17 .

GAO Shibin ， GAO Fenghua ， LIU Yigu ， et al . Prospect of research on self-aware Energy Internet ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 5 ）： 1 - 17 .

高志强，鲁晓阳，张荣荣 . 边缘智能关键技术与落地实践［M］. 北京：中国铁道出版社， 2021 .

GAO Zhiqiang ， LU Xiaoyang ， ZHANG Rongrong . Edge intelligence key technology and mature practice ［M］. Beijing ： China Railway Publishing House ， 2021 .

李刚，李银强，王洪涛，等 . 电力设备健康管理知识图谱：基本概念、关键技术及研究进展［J］. 电力系统自动化， 2022 ， 46 （ 3 ）： 1 - 13 .

LI Gang ， LI Yinqiang ， WANG Hongtao ， et al . Knowledge graph of power equipment health management： basic concepts， key technologies and research progress ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 3 ）： 1 - 13 .

周欢，王芬，李志勇，等 . 虚拟电厂自趋优负荷跟踪控制策略［J］. 中国电机工程学报， 2021 ， 41 （ 24 ）： 8334 - 8349 .

ZHOU Huan ， WANG Fen ， LI Zhiyong ， et al . Load tracking control strategy for virtual power plant via self-approaching optimization ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 24 ）： 8334 - 8349 .

何光宇，孙英云，梅生伟，等 . 多指标自趋优的智能电网［J］. 电力系统自动化， 2009 ， 33 （ 17 ）： 1 - 5 .

HE Guangyu ， SUN Yingyun ， MEI Shengwei ， et al . Multi-indices self-approximate-optimal smart grid ［J］. Automation of Electric Power Systems ， 2009 ， 33 （ 17 ）： 1 - 5 .

WANG D ， QIAO J F ， CHENG L . An approximate neuro-optimal solution of discounted guaranteed cost control design ［J］. IEEE Transactions on Cybernetics ， 2022 ， 52 （ 1 ）： 77 - 86 .

ZHANG Z D ， ZHANG D X ， QIU R . Deep reinforcement learning for power system applications： an overview ［J］. CSEE Journal of Power and Energy Systems ， 2020 ， 6 （ 1 ）： 213 - 225 .

ASIM M ， WANG Y ， WANG K Z ， et al . A review on computational intelligence techniques in cloud and edge computing ［J］. IEEE Transactions on Emerging Topics in Computational Intelligence ， 2020 ， 4 （ 6 ）： 742 - 763 .

张涛，赵东艳，薛峰，等 . 电力系统智能终端信息安全防护技术研究框架［J］. 电力系统自动化， 2019 ， 43 （ 19 ）： 1 - 8 .

ZHANG Tao ， ZHAO Dongyan ， XUE Feng ， et al . Research framework of cyber-security protection technologies for smart terminals in power system ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 19 ）： 1 - 8 .

苏盛，汪干，刘亮，等 . 电力物联网终端安全防护研究综述［J］. 高电压技术， 2022 ， 48 （ 2 ）： 513 - 525 .

SU Sheng ， WANG Gan ， LIU Liang ， et al . Review on security of power Internet of Things terminals ［J］. High Voltage Engineering ， 2022 ， 48 （ 2 ）： 513 - 525 .

FUKETA H ， UCHIYAMA K . Edge artificial intelligence chips for the cyberphysical systems era ［J］. Computer ， 2021 ， 54 （ 1 ）： 84 - 88 .

ISOZAKI A ， HARMON J ， ZHOU Y Q ， et al . AI on a chip ［J］. Lab on a Chip ， 2020 ， 20 （ 17 ）： 3074 - 3090 .

清华大学，北京未来芯片技术高精尖创新中心 . 人工智能芯片技术白皮书2018 ［R］. 2018 .

Tsinghua University ， Beijing Innovation Center for Future Chips . White paper on artificial intelligence chip technology （2018）［R］. 2018 .

董旭柱，谌立坤，王波，等 . 电力定制化芯片应用场景及关键技术展望［J/OL］. 中国电机工程学报： 1 - 19 ［ 2022-02-13 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC2021111100A&uniplatform=NZKPT&v=3UDY-INjhgp4mIGmn_PoueG3ldxtm2pwKnJK4PhtNFZ1mXAx3yFY6DpSAmo9lh3_ https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC2021111100A&uniplatform=NZKPT&v=3UDY-INjhgp4mIGmn_PoueG3ldxtm2pwKnJK4PhtNFZ1mXAx3yFY6DpSAmo9lh3_ .

DONG Xuzhu ， CHEN Likun ， WANG Bo ， et al . Application scenario and key technology prospect of power specific integrated circuit ［J/OL］. Proceedings of the CSEE ： 1 - 19 ［ 2022-02-13 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC2021111100A&uniplatform=NZKPT&v=3UDY-INjhgp4mIGmn_Poue G3ldxtm2pwKnJK4PhtNFZ1mXAx3yFY6DpSAmo9lh3_ https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC2021111100A&uniplatform=NZKPT&v=3UDY-INjhgp4mIGmn_PoueG3ldxtm2pwKnJK4PhtNFZ1mXAx3yFY6DpSAmo9lh3_ .

杨珺，侯俊浩，刘亚威，等 . 分布式协同控制方法及在电力系统中的应用综述［J］. 电工技术学报， 2021 ， 36 （ 19 ）： 4035 - 4049 .

YANG Jun ， HOU Junhao ， LIU Yawei ， et al . Distributed cooperative control method and application in power system ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 19 ）： 4035 - 4049 .

KROPOSKI B ， BERNSTEIN A ， KING J ， et al . Autonomous energy grids： controlling the future grid with large amounts of distributed energy resources ［J］. IEEE Power and Energy Magazine ， 2020 ， 18 （ 6 ）： 37 - 46 .

张津源，蒲天骄，李烨，等 . 基于多智能体深度强化学习的分布式电源优化调度策略［J/OL］. 电网技术： 1 - 10 ［ 2022-05-07 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ &dbname=CAPJLAST&filename=DWJS20211028003&uni platform=NZKPT&v=chvihHo5Q36Zb4Vhsr5ZLonYBDXfQ a1MRozrJUjfTUlIQF1t1gGSnm26KAY1xcxB https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=DWJS20211028003&uniplatform=NZKPT&v=chvihHo5Q36Zb4Vhsr5ZLonYBDXfQa1MRozrJUjfTUlIQF1t1gGSnm26KAY1xcxB .

ZHANG Jinyuan ， PU Tianjiao ， LI Ye . Research on optimal dispatch strategy of distributed generators based on multi-agent deep reinforcement learning ［J/OL］. Power System Technology ： 1 - 10 ［ 2022-05-07 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=DWJS20211028003&uniplatform=NZKPT&v=ch vihHo5Q36Zb4Vhsr5ZLonYBDXfQa1MRozrJUjfTUlIQF1t1gGSnm26KAY1xcxB https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=DWJS20211028003&uniplatform=NZKPT&v=chvihHo5Q36Zb4Vhsr5ZLonYBDXfQa1MRozrJUjfTUlIQF1t1gGSnm26KAY1xcxB .

WANG S Y ， DUAN J J ， SHI D ， et al . A data-driven multi-agent autonomous voltage control framework using deep reinforcement learning ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 6 ）： 4644 - 4654 .

ZHAO T Q ， WANG J H . Learning sequential distribution system restoration via graph-reinforcement learning ［J］. IEEE Transactions on Power Systems ， 2022 ， 37 （ 2 ）： 1601 - 1611 .

刘友波，王晴，曾琦，等 . 能源互联网背景下5G网络能耗管控关键技术及展望［J］. 电力系统自动化， 2021 ， 45 （ 12 ）： 174 - 183 .

LIU Youbo ， WANG Qing ， ZENG Qi ， et al . Key technologies and prospects of energy consumption management for 5G network in background of Energy Internet ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 12 ）： 174 - 183 .

RUAN L N ， YAN Y ， GUO S Y ， et al . Priority-based residential energy management with collaborative edge and cloud computing ［J］. IEEE Transactions on Industrial Informatics ， 2020 ， 16 （ 3 ）： 1848 - 1857 .

张虹，申鑫，穆昊源，等 . 基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究［J］. 中国电机工程学报， 2020 ， 40 （ 1 ）： 117 - 127 .

ZHANG Hong ， SHEN Xin ， MU Haoyuan ， et al . Research on online optimal dispatching of residential energy consumption based on Multi-Agent asynchronous deep reinforcement learning ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 1 ）： 117 - 127 .

YU L ， QIN S Q ， ZHANG M ， et al . A review of deep reinforcement learning for smart building energy management ［J］. IEEE Internet of Things Journal ， 2021 ， 8 （ 15 ）： 12046 - 12063 .

DU G D ， ZOU Y ， ZHANG X D ， et al . Energy management for a hybrid electric vehicle based on prioritized deep reinforcement learning framework ［J］. Energy ， 2022 ， 241 ： 122523 .

SONG H ， LIU Y B ， ZHAO J B ， et al . Prioritized replay dueling DDQN based grid-edge control of community energy storage system ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 6 ）： 4950 - 4961 .

VÁZQUEZ-CANTELI J R ， NAGY Z . Reinforcement learning for demand response： a review of algorithms and modeling techniques ［J］. Applied Energy ， 2019 ， 235 ： 1072 - 1089 .

孔祥玉，刘超，王成山，等 . 基于深度子领域自适应的需求响应潜力评估方法［J/OL］. 中国电机工程学报： 1 - 12 ［ 2022-05-17 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ &dbname=CAPJLAST&filename=ZGDC20210901004&uni platform=NZKPT&v=3UDY-INjhgrPYfGnnIQbnDlwE5h8k dXhpnFJHqej4fn0S1JQiyX8AAsjnG1wPQIW https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20210901004&uniplatform=NZKPT&v=3UDY-INjhgrPYfGnnIQbnDlwE5h8kdXhpnFJHqej4fn0S1JQiyX8AAsjnG1wPQIW .

KONG Xiangyu ， LIU Chao ， WANG Chengshan ， et al . Demand response potential assessment method based on deep subdomain adaptation network ［J/OL］. Proceedings of the CSEE ： 1 - 12 ［ 2022-05-17 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20210901004&uniplatform=NZKPT&v=3UDY-INj hgrPYfGnnIQbnDlwE5h8kdXhpnFJHqej4fn0S1JQiyX8AAsjnG1wPQIW https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20210901004&uniplatform=NZKPT&v=3UDY-INjhgrPYfGnnIQbnDlwE5h8kdXhpnFJHqej4fn0S1JQiyX8AAsjnG1wPQIW .

WANG B ， LI Y ， MING W Y ， et al . Deep reinforcement learning method for demand response management of interruptible load ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3146 - 3155 .

ZHANG X Y ， BIAGIONI D ， CAI M M ， et al . An edge-cloud integrated solution for buildings demand response using reinforcement learning ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 1 ）： 420 - 431 .

曹望璋，李彬，祁兵，等 . 一种考虑业务可靠性的需求响应边缘云部署方法［J］. 中国电机工程学报， 2021 ， 41 （ 3 ）： 846 - 857 .

CAO Wangzhang ， LI Bin ， QI Bing ， et al . A deployment method of demand response edge cloud considering services reliability ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 3 ）： 846 - 857 .

孙毅，陈恺，陆旭 . 面向需求响应的多边缘网关协同信息缓存与分发策略［J/OL］. 中国电机工程学报： 1 - 15 ［ 2022-02-14 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ &dbname=CAPJLAST&filename=ZGDC20211111009&uni platform=NZKPT&v=3UDY-INjhgpAJMvx8c6dHymr-sbHX FJsr612RCZ-Iq21d4VnKWpKSZpZu4HEFED1 https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20211111009&uniplatform=NZKPT&v=3UDY-INjhgpAJMvx8c6dHymr-sbHXFJsr612RCZ-Iq21d4VnKWpKSZpZu4HEFED1 .

SUN Yi ， CHEN Kai ， LU Xu . An information caching and distribution strategy of demand response service considering cooperation of edge gateways ［J/OL］. Proceedings of the CSEE ： 1 - 15 ［ 2022-02-14 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20211111009&uniplatform=NZKPT&v=3UDY-INj hgpAJMvx8c6dHymr-sbHXFJsr612RCZ-Iq21d4VnKWpKSZp Zu4HEFED1 https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=ZGDC20211111009&uniplatform=NZKPT&v=3UDY-INjhgpAJMvx8c6dHymr-sbHXFJsr612RCZ-Iq21d4VnKWpKSZpZu4HEFED1 .

黄弦超，封钰，丁肇豪 . 多微网多时间尺度交易机制设计和交易策略优化［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 77 - 88 .

HUANG Xianchao ， FENG Yu ， DING Zhaohao . Design of multi-time scale trading mechanism and trading strategy optimization for multiple microgrids ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 77 - 88 .

宋航，刘友波，刘俊勇，等 . 考虑用户侧分布式储能交互的售电公司智能化动态定价［J］. 中国电机工程学报， 2020 ， 40 （ 24 ）： 7959 - 7972 .

SONG Hang ， LIU Youbo ， LIU Junyong ， et al . Intelligent dynamic pricing of electricity retailers considering distributed energy storage interaction on user side ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 24 ）： 7959 - 7972 .

WANG X D ， LIU Y B ， ZHAO J B ， et al . Surrogate model enabled deep reinforcement learning for hybrid energy community operation ［J］. Applied Energy ， 2021 ， 289 ： 116722 .

王丹，刘博，贾宏杰，等 . 基于强化学习的产消用户端对端电能交易决策［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 139 - 147 .

WANG Dan ， LIU Bo ， JIA Hongjie ， et al . Peer-to-peer energy transaction decision of prosumers based on reinforcement learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 139 - 147 .

MIAO Y M ， ZHOU M ， GHONEIM A . Blockchain and AI-based natural gas industrial IoT system： architecture and design issues ［J］. IEEE Network ， 2020 ， 34 （ 5 ）： 84 - 90 .

张粒子，唐成鹏，刘方，等 . 基于多智能体强化学习的电力现货市场定价机制研究（二）：结合理论与仿真的定价机制决策框架［J］. 中国电机工程学报， 2021 ， 41 （ 3 ）： 1004 - 1018 .

ZHANG Lizi ， TANG Chengpeng ， LIU Fang ， et al . Research on pricing mechanism of electricity spot market based on multi-agent reinforcement learning （part Ⅱ）： decision-making framework of pricing mechanism combined with theory and simulation ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 3 ）： 1004 - 1018 .

唐文虎，牛哲文，赵柏宁，等 . 数据驱动的人工智能技术在电力设备状态分析中的研究与应用［J］. 高电压技术， 2020 ， 46 （ 9 ）： 2985 - 2999 .

TANG Wenhu ， NIU Zhewen ， ZHAO Boning ， et al . Research and application of data-driven artificial intelligence technology for condition analysis of power equipment ［J］. High Voltage Engineering ， 2020 ， 46 （ 9 ）： 2985 - 2999 .

刘梓权，王慧芳 . 基于知识图谱技术的电力设备缺陷记录检索方法［J］. 电力系统自动化， 2018 ， 42 （ 14 ）： 158 - 164 .

LIU Ziquan ， WANG Huifang . Retrieval method for defect records of power equipment based on knowledge graph technology ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 14 ）： 158 - 164 .

张姝，王昊天，董骁翀，等 . 基于深度学习的输电线路螺栓检测技术［J］. 电网技术， 2021 ， 45 （ 7 ）： 2821 - 2829 .

ZHANG Shu ， WANG Haotian ， DONG Xiaochong ， et al . Bolt detection technology of transmission lines based on deep learning ［J］. Power System Technology ， 2021 ， 45 （ 7 ）： 2821 - 2829 .

WANG B ， MA F Q ， GE L J ， et al . Icing-EdgeNet： a pruning lightweight edge intelligent method of discriminative driving channel for ice thickness of transmission lines ［J］. IEEE Transactions on Instrumentation and Measurement ， 2021 ， 70 ： 1 - 12 .

WEISS T. Nvidia ， utilidata partner on software-defined smart grid chip development ［EB/OL］. ［ 2021-12-16 ］. https：//www.enterpriseai.news/2021/12/16/nvidia-utilidata-partner-on-softw are-defined-smart-grid-chip-development/ https://www.enterpriseai.news/2021/12/16/nvidia-utilidata-partner-on-software-defined-smart-grid-chip-development/ .

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 Systems ， 2019 ， 43 （ 1 ）： 15 - 31 .

岑伯维，蔡泽祥，武志刚，等 . 电力物联网边缘计算终端的微服务建模与计算资源配置方法［J］. 电力系统自动化， 2022 ， 46 （ 5 ）： 78 - 91 .

CEN Bowei ， CAI Zexiang ， WU Zhigang ， et al . Microservice modeling and computing resource configuration method for edge computing terminal in electric Internet of Things ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 5 ）： 78 - 91 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

模型和数据混合驱动的双边协商电力市场合约价格预测方法