0 引言

能源是人类社会活动的基础和保障，能源行业的新旧动能转换，关系到人类社会的可持续发展[1-3]。当前，以数字化为代表的科技革命和产业革命加速着能源行业及能源系统的数字化转型[4]，“互联网+智慧能源”（即能源互联网）相关的新技术与新业态正在形成。虚拟电厂、泛能网、综合能源系统、新一代电力系统等“互联网+智慧能源”新业态[5-6]，已出现在发电单元、输电配电、石油石化、电动汽车、新能源、城市燃气、信息通信等诸多行业[7-8]。近5年中国能源互联网企业的数量快速攀升，2020年能源互联网的市值已超过万亿元。然而，中国能源互联网的发展还处于初级阶段，部分能源互联网落地项目出现了经济效益欠佳、回收周期偏长、综合能效欠优等问题，这主要是因为能源互联网的理论体系、市场机制和关键技术还不健全。近2年，随着能源互联网在技术、业态和模式上的创新迭代，能源互联网的内涵和外延也不断完善。因此，对能源互联网早期所缺失的理论体系进行系统性阐述，将对能源互联网的理论研究和产业发展起到关键支撑作用。

能源互联网是一种将互联网与能源链条深度融合的新形态，数字化赋能能源系统是其鲜明的一个特征。量化这种赋能效果需要可观、可测、可控的理论手段与技术方法，用于挖掘并衡量能源数据的科学价值[9]。其中，信息熵理论就是分析数据信息价值的科学工具之一，并已初步用于能源系统的分析评价。例如，曾云[10]、周璇[11]、田立亭[12]、吴殿法[13]等基于信息熵分别研究了电价组合预测模型、中央空调日用能模式异常程度模型、综合能源系统评价模型、燃煤发电机组能耗评价方法。同样地，基于信息熵，Jia等[14]建立了级联故障风险评估框架；Fan等[15]提出了电网故障检测新算法；Meng等[16]建立了发电机组主蒸汽压力测试系统；Fu等[17]采用信息熵的方式量化了分散式能源系统中包含的不确定性；Luo等[18]把互信息作为评价分布式能源系统中供需匹配程度的参数；李浩等[19]研究了基于熵的能量与信息的一致标度方法，提出了分布式信息能源系统的系统优化配置方案。信息熵理论正越来越多地被用于构建消除信息不确定性的能源系统评价体系。

此外，信息熵也被认为是一种能够激活具有耗散结构特征的社会系统潜在能量，能够助力社会进入新的有序状态。就此，金坚[20]阐述了热力学熵、物理学熵与信息熵在社会系统中的相互转化和依存关系；李彩良[21]基于社会组织具有的耗散结构特性，论述了社会系统熵增、熵减的辨证过程；何焱洲等[22]构建了基于信息熵的乡村生产空间系统演化指标体系，揭示了乡村生产空间系统的演变规律和可持续发展能力。上述文献认为，社会发展的过程也是一个熵增过程，要实现社会可持续发展，需找到其自组织机制，并吸引外部负熵，不断抑制熵增。例如，供应和消费的能源种类越多样化，能源供给结构的“熵”越大，能源系统的“安全水平”越高[23]。

因此，信息熵理论不仅是判断信息有效性的重要手段，为数据作用于能量系统的机制研究提供思路，也能对宏观能源系统的发展机制给出解释和指导。能源互联网作为社会系统的重要组成部分，不仅遵循基本的热力学熵发展过程，也具有明显的耗散结构特征：①能源互联网是一个典型的信息能源融合的开放系统，这决定着其充满不确定性；②能源互联网内部各子系统、整体结构以及信息化调控都在实时变化，且呈现为一个自组织的非线性、多单元协同的复杂系统。数字技术驱动下的能源互联网发展理念，将如何通过“源、网、荷、储”等环节对能源信息的感知、传输、挖掘和应用，去实现能量系统的有序调控并对其进行评价，是本文拟回答的问题。

基于上述讨论，为进一步辨析和完善能源互联网的理论体系，并尝试构建基于熵理论的能源系统提质增效机制，以支撑能源互联网的高质量发展，本文首次从热力学熵和信息熵的视域建立能源互联网的熵作用机制，并揭示了能源互联网框架下多能互补综合能源系统和数字孪生能源物联网熵增熵减的基本原理。同时，以已公开的中国首批能源互联网示范工程的典型内容为例，论述了熵视域下能源互联网信息流改造能量流的具体措施、典型技术及具体成效。最后，基于熵机制的作用提出几点建议，为中国能源互联网的提质增效和可持续发展提供参考。

1 能源互联网及其国内外发展

1.1 国外能源互联网的发展

能源互联网的概念最早可追溯到The Economist 2004年发表的Building the Energy Internet文章。该文章指出，随着分布式能源占比不断增加，若要在各种新的不确定性下保障电网的稳定性和效率，需要借鉴互联网自愈和即插即用的特点，将传统电网转变为智能、响应和自愈的能源互联网。随后，里夫金在其著作《第三次工业革命》和《零边际成本社会》中对能源互联网进行了更加系统和全面的论述。近年来，随着可再生能源技术、通信技术以及自动控制技术的快速发展，能源互联网在全球表现出快速发展的态势，比如德国政府启动了E-Energy计划，美国提出了综合能源系统发展计划，日本建立了多个智能工业园区示范工程。

1.2 国内能源互联网的发展

随着国际能源互联网研究的深入，2013年北京市科委召开能源互联网专家研讨会，在“四个革命、一个合作”的基础上，中国能源互联网行动应运而生。如图1所示，各能源链条企业与研究机构开始布局能源互联网的相关研究或产业。从2010年到2022年，能源互联网相关的国家自然科学基金项目共获批300余项，国家部委共计发布数百项能源互联网相关政策法规。然而，从国家首批55个能源互联网实际工程来看，由于能源互联网的理论体系、市场机制和关键技术还不健全，能源互联网的经济、环境、效益并未完全释放。因此，实际能源互联网项目如何获得理论预期效益，成为能源互联网生态构建的核心问题。与早期能源互联网相关的试点示范相比，近3年能源互联网产业生态的发展驱使能源互联网的基本理论、概念模型和体系架构也进一步发展。

图1 能源互联网相关形态和特征（修改自[24]）
Fig.1 The architecture of energy Internet(revised from [24])

2 熵理论及其视域下能源互联网架构分析

2.1 熵理论

熵理论阐述了物体自发熵增的演变趋势，而对于耗散结构下的物体，引入负熵可使其向熵减发展。因此，物体“熵增”与“熵减”的对立、统一的运动促进社会系统从低级向高级演变[20]。

1）热力学熵及其熵增理论。

在宏观上，熵不仅能够定量描述热力学第二定律，还可作为系统热平衡的判据，并反映各种传递过程的不可逆性。在微观上，熵能够代表系统的无序度。熵理论在控制、信息、概率、数论、生命等领域都有重要应用，而熵理论起源于热力学。1868年，克劳修斯刻画了热二律下熵的宏观概念，并将熵定义为热量与温度的关系；1877年，玻尔兹曼推导了熵与状态概率的数学关系，用分子在微观状态下随机热运动状态的概率分布刻画热运动的混乱或无序程度。从统计学的角度来看，熵定律指出物质在自发状态下，会从概率小的状态向概率大的状态变化，从有序向无序变化。

2）耗散结构及其负熵理论。

耗散结构阐述了系统具有的开放性和自组织性，并说明在远离平衡态的状况下，引入负熵就可以使系统产生活力。普里戈金于1969年提出耗散结构理论，并指出系统从无序状态过渡到耗散结构，要求系统保持开放并远离平衡态。远离平衡态的开放系统与外界进行能量和物质交换，产生负熵流，进而使系统熵减少，形成有序结构。早在1929年，德西拉德就将熵的减少与获得的信息联系起来，提到进行物体测量时会使物体发生熵减。随后，香农认为，信息就是信源在单位时间内向信宿发出的信息量，并创立信息论，即信息越多、熵越小。

2.2 熵视域下的能源互联网架构分析

能源互联网的基础是能源系统，而能源系统的基本守则之一就是熵定律，即孤立系统熵增原理。实际上，社会系统及其能源子系统在能源的获取、转换、利用等各个环节，都不同程度地存在熵增[25]。热力学熵ΔSth，是用于表征能量系统无序程度的一个重要物理概念。克劳修斯提出经典热力学第二定律，表明孤立系统的熵会不断增大。也就是说，能源系统从供应到消费的过程存在着能量的浪费及品位的降低，伴随着熵增，即ΔSth≥0，如式（1）所示：

因此，为减缓熵增的速度，需要通过各种“提质增效”手段优化生产方式以及能源系统，尽可能地使其更加有序。纵观人类能源发展史，基于物理机制及因果关系的能量系统的提质增效，源于物理机制的建立和技术攻关，且受卡诺循环、传热温差等能量规律以及物性材料的限制，以现有局部、单一的技术实现进一步节能减排的空间似乎有限或昂贵了（如常规工况的燃煤发电机组、空调制冷机组、汽车发动机系统、输配电系统都已比较成熟）。同时，基于能量、质量以及传热传质等机制驱动的物理模型，或已难以胜任能源互联网具备随机性、大网络、强耦合、快响应的异质能源输入及输出的复杂能量系统的设计、运行及优化。

其次，能源系统的运行也将积累能够表征能源系统特性的大量数据，数据之间的相关关系成为新一轮能源系统提质增效的趋势。同时，“云大物移智链”等物联化、数字化理念和技术的发展，给能源系统、关键设备、运行工况以及关键参数之间相关关系的建立提供了有效手段，成为现阶段能源系统发展的重要方向[26]，这也集中体现出信息熵的基本原理及其对能量流的作用机制。例如，经典的信息反馈控制过程可以有效指导并降低系统的熵增。信息熵是用以对信息进行量化分析，解决不确定性问题的工具。香农借鉴热力学熵的概念，将信息中排除冗余信息的平均信息量定义为“信息熵”，如式（2）所示，信息熵ΔSin是一个负值，即ΔSin≤0。信息熵的绝对值越大，表示该随机变量的离散程度越高，描述或反映该随机变量所需的信息量也就越大。

因此，受热力学熵和信息熵的启发，本文把能源互联网分为多能互补综合能源系统及其对应的数字孪生能源物联网，如图2所示。一方面，多能互补综合能源系统借助能量梯级利用、换热网络优化、高效传热传质、多能互补等刻画“因果关系”的物理手段，实现能量系统物理层次的提质增效，降低熵增速度；另一方面，数字孪生能源物联网依托能源的物联化、数字化、智慧化发展理念，通过能源大数据的“相关关系”优化能量系统的有序化发展，实现能量系统信息层次的提质增效，降低能量系统熵增速度。需要说明的是，本文“数字孪生能源物联网”仅表示能源互联网在信息流层次的引申含义；同时，本文也不严格区分能源互联网的边界及尺寸大小，只抽象说明多能互补综合能源系统与数字孪生能源物联网的层次关系。

图2 能源互联网的理论示意图（修改自[27]）
Fig.2 The architecture of energy Internet(revised from [27])

3 熵理论视域下能源互联网提质增效机制

3.1 多能互补综合能源系统的热力学熵机制

多能互补综合能源系统一般可涵盖多种异质能源的输入，以及冷、热、电、气、氢等多品位的输出。从热力学熵的视域看，多能互补综合能源系统中的能量，其内外部都存在着能量的不可逆损失（如因换热温差、转换效率引起的转换损失）。热力学将系统熵变分成熵流和熵产两部分，其中熵流是系统与外界物质、能量交换引起的熵变化，熵产是系统内部的非平衡过程引起的熵变化，比如系统内部的化学反应、传热等非可逆过程。因此，多能互补综合能源系统的能量流动过程也是一个能量价值不断贬低的热力学“熵增”过程[26]，即ΔSth≥0。多能互补综合能源系统热力学ΔSth增速的优化降低，需要热力学完善度更高的能量过程或系统开发，如构建更高速率的传热传质过程、更节能的能源输配管网，采用更高效率的能量转换与提升技术、更匹配的能源存储与消费技术。

3.2 数字孪生能源物联网的信息熵机制

数字孪生能源物联网的构建，旨在充分利用能源大数据的信息熵，如多能互补综合能源系统伴随全生命周期的海量结构化数据（温度、压力、流量、电压、电流等）和非结构化数据（图像、音频、视频等）。一方面，这些大数据经过感知、清洗、挖掘而形成有用的控制信息流，可用以指导多能互补综合能源系统的能流更加合理地分布，实现能源系统的更有序化；另一方面，这些数据也存在不同程度的不确定性，比如功率预测和负荷预测的不确定性、测量误差引起的不确定性、信息管理存在的不确定性。数字孪生能源物联网的目的就是运用系统化思维和信息化手段，以能源信息管控平台为抓手，实现能源系统的全景感知、数据驱动与智慧运行。其内涵是通过云大物移智链等数字化的理念、理论和技术实现能源系统运行信息的感知、监测、预测、分析、优化、决策等，激发底层多能互补综合能源系统能量流的优化分配与重构，进而实现能源系统各环节的能源数字化和数字化能源，让能量流的流动趋向有序化。因此，信息流的大数据挖掘可被定性看作一个增加能源系统价值的“负熵”过程，即ΔSin≤0，等价于多能互补综合能源系统热力学层次的提质增效。

3.3 熵视域下的能源互联网与信息物理融合系统

熵视域下能源互联网的架构如图3所示，能源互联网可被看作多能互补综合能源系统与数字孪生能源物联网的整合，而能源的信息物理融合系统可被理解为多能互补综合能源系统与数字孪生能源物联网的交集。同时，信息物理融合系统在特定的能源系统时空尺度下，将与能源互联网交叉重合。

图3 熵视域下能源互联网的架构示意图
Fig.3 The architecture of energy Internet in the view of entropy

熵在热力学上和宏观上还难以形成统一的数学范式以及量化手段，甚至二者单位不一，不能直接相加。然而，含有信息的热力学过程与广义热力学体系是兼容的，信息势与信息流的关系可以对应到广义热力学理论体系中[19]。其中，在没有信息流入的情况下，由不确定性引起的熵增为[28]

式中：ΔSs表示由于不确定性存在不可做功部分引起的熵增；ε表示宏观能量系统变化对应的信息势；T0表示参考环境温度。

因此，加入信息后所引起的负熵可表示为

式中：εaHa/T0表示加入信息后由不确定性引起的熵增；εbHb/T0表示加入信息前由不确定性引起的熵增。

能源互联网或信息物理系统的总熵增ΔStot是由物理系统—多能互补综合能源系统的热力学熵增ΔSth和信息系统—数字孪生能源物联网的信息熵减ΔSin（即“负熵”）共同作用得到的：

信息流带来信息熵的负熵增程度小于其对应能源系统的热力学熵增程度，二者并不等价，如式（6）所示。其原因是，信息流的感知、存储、挖掘等过程需要付出一定的能源，即也伴随着能源系统的熵增。因此，能源系统（能源互联网或信息物理系统）的熵增总是不断增加的，符合热力学的熵增规律，如式（7）所示。

以能源互联网的典型业态—新能源微电网为例，如图4所示，高比例可再生能源（风能、太阳能等）接入引起的不确定性以及负荷需求的随机性必然存在，供需侧自发的能量匹配一般难以实现。从热力学熵视角来看，能源系统内外部都存在能量的不可逆损失，这种内在的无序性将导致系统不断的熵增。为降低系统的熵增，需要外界向系统“做功”。根据信息熵的视域及方法论，系统能量流对应的信息能够消除物理系统的不确定性，进而将信息作为一种“负熵”输入到微电网的系统中，有效降低不确定性对系统的影响，从而使能量的转化、输送及利用更加有序，实现能量的灵活管理与调控。具体地，在信息反馈体系中（数字孪生能源物联网），具有控制系统作用的内部有效信息可以减少热力系统的熵产，即内部反馈信息使得过程更接近可逆、更为有序，可认为信息体现了一种“负熵”[29-30]。

图4 熵视域下能源互联网典型场景研究示意图（以新能源微电网为例）[19]
Fig.4 The architecture of energy Internet in the view of entropy(new energy microgrids as an example)[19]

除此之外，分布式能源系统设备容量配置优化也已成为热力学熵和信息熵共同作用的另一典型场景。如图5所示，文献[28]采用广义信息功描述信息熵的方法，即用信息熵描述由不确定性引起的能量的不可用性，实现了热力学熵与信息熵的统一。进一步以系统总熵变（Stot）和本址发电满足负荷占比（OEF）作为评价参数，研究了多目标决策下分布式能源系统的容量配置优化问题。针对负荷预测在分布式能源系统中信息利用过程的模拟结果表明，当负荷预测误差（δ）由30%降低至10%时，信息利用所导致的负熵从356.14 kWh/K增加到638.68 kWh/K，该过程进一步论证了信息熵对宏观分布式能源系统中能量利用过程的作用机制。

图5 基于信息熵的能源系统优化（修改自[28]）
Fig.5 System optimization based on information entropy(revised from [28])

4 信息流改造能量流的赋能案例

信息流改造能量流已成为当前能源互联网研究的一大趋势 [31-33]。其中，对下层的多能互补综合能源系统而言，需解决系统内不同能源设备时空耦合复杂、冷热电气设备转化模型多样、多异质能源输入和多能源输出并存等问题；对于上层的数字孪生能源物联网，需研究供应侧多能流的优化分配及功率预测、网侧异质能流的灵活输运调控及储能侧设备的充释策略优化、需求侧负荷分析预测与需求侧响应等。

信息流改造能量流的能源互联网生态的建立，也离不开“产、学、研、用、金、政”各方的共同努力。2016年，三部委联合印发《关于推进“互联网+”智慧能源发展的指导意见》（发改能源〔2016〕392号），提出了能源互联网两阶段推进、先期试点示范、后续推广应用的指导思想。同时，明确提出“推动能源与信息通信基础设施深度融合”，包括促进智能终端及接入设施的普及应用、加强支撑能源互联网的信息通信设施建设、推进信息系统与物理系统的高效集成与智能化调控、加强信息通信安全保障能力建设等信息流赋能能量流的内容。

2017年7月，中国首批55个能源互联网示范项目（以下简称“首批示范项目”）进入实质性建设阶段。示范项目在理论技术、商业模式、机制体制等不成熟的挑战下，在全国范围内首次大规模开展全域多场景能源互联网试点示范，对设计能源转型的中国方案、增强能源产业发展新动能、推进体制机制深刻变革产生了深远影响。首批示范项目的建设，在促进能源互联网先行先试的同时，也体现着能源系统“源、网、荷、储”各环节信息流的贯通、释放能源互联网数字化价值和全局优化潜力的具体措施的落地，如表1所示。

表1 国家首批能源互联网示范工程案例分析（不完全统计、排名不分先后）
Table 1 Case study of energy Internet demonstration projects in China(incomplete statistics,ranking in no particular order)

首批能源互联网示范工程的建设反映出，当前能源互联网信息流改造能量流的措施已经遍布在智慧供热系统更精细的源荷预测、多资源共建的电网资源配置机制及技术、全业务数据共享的企业级、区域级及市域级能源大数据平台、能源生产过程智能管控及数据融合共享技术、基于数据挖掘与精准调节的能耗设备有序控制技术等各个方面。能源互联网下层多能互补综合能源系统能的梯级综合利用与上层信息流改造能量流的技术赋能，将在终端能源服务的全生命周期中不断完善，实现能源系统的低碳高质量发展和经济社会的可持续发展。

5 熵视域下信息流改造能量流的建议

发展能源互联网，深度融合先进能源技术、信息通信技术和控制技术，支撑能源清洁低碳转型，是实践“双碳”愿景的重要场景之一。熵视域下的能源互联网研究还处在起步阶段，特别是基于熵理论，对信息流改造能量流的科学范式、量化模型以及系统能耗方面的研究还非常少。因此，本文对基于熵视域的能源互联网熵增熵减机制的研究提出以下建议，以进一步明确能源互联网信息流改造能量流的理念和方法，促进能源互联网的快速发展。

1）熵视域下，如何构建能源互联网能量流与信息流融合的统一评价模型及优化体系[33-35]，并科学量化不同维度及属性的能源数据信息熵对热力学熵改进及优化的程度及关键参数，从而精准优化能源系统的架构及运行，将是能源互联网多目标优化、全生命周期分析及多属性评价的重要工作方向之一。与熵相对，在能源互联网的相关研究已引起关注[36,37]，该类研究能够揭示能源系统能流与流的分布，最终逐级、分块挖掘能源互联网的熵增环节及其节能潜力。

2）高比例可再生能源接入的不确定性、负荷需求的随机性以及测量误差的不确定性，存在于能源互联网信息流改造能量流的方方面面。因此，开发更精准的负荷预测与功率预测技术、标准化的能源枢纽系统建模方法以及多源异构数据全息感知及测量技术，构建全面感知、源荷互动的信息物理融合系统[38]，建立健全企业级、市域级以及国家级能源数据共享机制，都是充分挖掘能源互联网的能量流与信息流融合价值的关键。

3）信息化过程涉及海量数据的感知、传输、存储、挖掘和交易，信息化设备的计算及散热都需要能源的大量供给。此外，伴随着全息感知、动态响应能源大数据的发展，承载数据计算及挖掘的能量路由器、基站、数据中心等设备的数量及其能耗都将快速增长。因此，数字化的高效手段及其能源高效清洁的供应模式，将成为未来能源互联网规模化可持续发展的一个重要保障[39-40]。

6 结论

从能源系统现阶段的发展来看，信息流改造能量流的趋势日益明显。本文基于热力学熵和信息熵视域，论证了能源互联网及其关键组成单元的交互机制及发展趋势，并以能源互联网示范工程建设实践为例，说明了信息流改造能量流的机制及成效。主要结论如下。

1）熵视域下，能源互联网体现着信息流改造能量流的熵增与熵减的基本理念，能源互联网多能互补综合能源系统与数字孪生能源物联网的交叉融合，将充分激发能源互联网的自组织性，以实现能量系统的有序化。

2）在能源互联网信息物理融合的新业态下，系统能量流对应的信息能够消除物理系统的不确定性，在信息反馈体系中通过控制系统作用的内部有效信息减少热力系统熵产，进而将信息作为一种“负熵”输入到系统中，降低系统的熵增。

3）中国首批能源互联网示范工程的建设实践，促进了能源互联网的先行先试与产业发展，鲜明地体现了信息流改造能量流的理念和措施。未来，还需要进一步完善能源互联网的综合评价体系，构建能源互联网规划与管控平台，优化数字化过程的能耗增长。

参考文献

[1] 冯晟昊，王健，张恪渝，等.基于CGE模型的全球能源互联网经济社会效益分析：以中国及其周边地区为例[J].全球能源互联网，2019，2(4)：376-383.FENG Shenghao,WANG Jian,ZHANG Keyu,et al.Research on GEI’s economic implications based on the computable general equilibrium model:a case of China and its neighboring areas[J].Journal of Global Energy Interconnection,2019,2(4):376-383(in Chinese).

[2] 王永真，张宁，关永刚，等.当前能源互联网与智能电网研究选题的继承与拓展[J].电力系统自动化，2020，44(4)：1-7.WANG Yongzhen,ZHANG Ning,GUAN Yonggang,et al.Inheritance and expansion analysis of research topics between energy Internet and smart grid[J].Automation of Electric Power Systems,2020,44(4):1-7(in Chinese).

[3] WANG Z,LIU M M,GUO H T.A strategic path for the goal of clean and low-carbon energy in China[J].Natural Gas Industry B,2016,3(4):305-311.

[4] MIDTTUN A,PICCINI P B.Facing the climate and digital challenge:European energy industry from boom to crisis and transformation[J].Energy Policy,2017,108:330-343.

[5] 程耀华，张宁，康重庆，等.低碳多能源系统的研究框架及展望[J].中国电机工程学报，2017，37(14)：4060-4069.CHENG Yaohua,ZHANG Ning,KANG Chongqing,et al.Research framework and prospects of low-carbon multiple energy systems[J].Proceedings of the CSEE,2017,37(14):4060-4069(in Chinese).

[6] 曹军威，杨洁，袁仲达，等.电力电子装置智能化研究综述[J].电力建设，2017，38(5)：18-30.CAO Junwei,YANG Jie,YUAN Zhongda,et al.Review of intelligent power electronic device research[J].Electric Power Construction,2017,38(5):18-30(in Chinese).

[7] 杨挺，赵黎媛，王成山.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化，2019，43(1)：2-14.YANG Ting,ZHAO Liyuan,WANG Chengshan.Review on application of artificial intelligence in power system and integrated energy system[J].Automation of Electric Power Systems,2019,43(1):2-14(in Chinese).

[8] CHAO F,XIA L.An overview of “energy+ Internet” in China[J].Journal of Cleaner Production,2020,258:120630.

[9] 慈松.能量信息化和互联网化管控技术及其在分布式电池储能系统中的应用[J].中国电机工程学报，2015，35(14)：3643-3648.CI Song.Energy informatization and Internet-based management and its applications in distributed energy storage system[J].Proceedings of the CSEE,2015,35(14):3643-3648(in Chinese).

[10] 曾云.电力市场下基于信息熵理论的电价预测[D].广州：广东工业大学，2019.

[11] 周璇，字学辉，闫军威.基于信息熵的建筑空调异常日用能模式检测方法[J].建筑科学，2019，35(12)：88-98.ZHOU Xuan,ZI Xuehui,YAN Junwei.A method for detecting abnormal daily energy pattern of building air conditioning based on information entropy[J].Building Science,2019,35(12):88-98(in Chinese).

[12] 田立亭，程林，李荣，等.基于加权有向图的园区综合能源系统多场景能效评价方法[J].中国电机工程学报，2019，39(22)：6471-6483.TIAN Liting,CHENG Lin,LI Rong,et al.A multi-scenario energy efficiency evaluation method for district multi-energy systems based on weighted directed graph[J].Proceedings of the CSEE,2019,39(22):6471-6483(in Chinese).

[13] 吴殿法.大型燃煤发电机组广义能耗评价方法研究[D].北京：华北电力大学（北京），2019.

[14] JIA Y W,XU Z.Risk assessment based on information entropy of cascading failure in power systems[C]//2012 IEEE Power and Energy Society General Meeting.July 22-26,2012,San Diego,CA,USA.IEEE,2012:1-5.

[15] FAN J,NIU L T,HE X L,et al.A new algorithm combining discernibility matrix and information entropy for power grid failure detection[C]//2013 Fourth International Conference on Intelligent Systems Design and Engineering Applications.November 6-7,2013,Zhangjiajie,China.IEEE,2014:23-27.

[16] MENG Q,FANG F,LIU J Z.Minimum-information-entropybased control performance assessment[J].Entropy,2013,15:943-959.

[17] FU X,SUN H,GUO Q ,et al.Uncertainty analysis of an integrated energy system based on information theory[J].Energy,2017,122:649-662.

[18] LUO Y,SHI Y X,ZHENG Y,et al.Mutual information for evaluating renewable power penetration impacts in a distributed generation system[J].Energy,2017,141:290-303.

[19] 李浩.基于能量与信息耦合的分布式能源系统供需匹配提升机制研究[D].天津：天津大学，2020.

[20] 金坚.大数据时代信息熵的价值评价研究[D].长春：吉林大学，2019.

[21] 李彩良.基于熵理论的和谐社会评价与优化研究[D].天津：天津大学，2009.

[22] 何焱洲，王成.基于信息熵的乡村生产空间系统演化及其可持续发展能力[J].自然资源学报，2019，34(4)：815-828.HE Yanzhou,WANG Cheng.The evolution and sustainable development capacity of rural production space system based on information entropy[J].Journal of Natural Resources,2019,34(4):815-828(in Chinese).

[23] 许勤华.美国国家安全中的能源熵值及其启示意义[J].人民论坛·学术前沿，2020(23)：38-46.XU Qinhua.Energy entropy in American national security and its insight[J].Frontiers,2020(23):38-46(in Chinese).

[24] 艾芊，郝然.多能互补、集成优化能源系统关键技术及挑战[J].电力系统自动化，2018，42(4)：2-10.AI Qian,HAO Ran.Key technologies and challenges for multienergy complementarity and optimization of integrated energy system[J].Automation of Electric Power Systems,2018,42(4):2-10(in Chinese).

[25] HADDAD W M.Condensed matter physics,hybrid energy and entropy principles,and the hybrid first and second laws of thermodynamics[J].Communications in Nonlinear Science and Numerical Simulation,2020,83:105096.

[26] 王永真，张靖，赵伟.能源互联网的“热响应”与“冷思考”[J].能源，2019(9)：61-65.

[27] 孙宏斌，郭庆来，潘昭光.能源互联网:理念、架构与前沿展望[J].电力系统自动化，2015,39(19):1-8.SUN Hongbin,GUO Qinglai,PAN Zhaoguang.Energy Internet:concept,architecture and frontier outlook[J].Automation of Electric Power Systems,2015,39(19):1-8(in Chinese).

[28] 李浩，钟声远，王永真，等.基于能量与信息耦合的分布式能源系统配置优化方法[J].中国电机工程学报，2020，40(17)：5467-5476.LI Hao,ZHONG Shengyuan,WANG Yongzhen,et al.Optimization method on the distributed energy system based on energy and information coupled[J].Proceedings of the CSEE,2020,40(17):5467-5476(in Chinese).

[29] JARZYNSKI C.Nonequilibrium equality for free energy differences[J].Physical Review Letters,1997,78(14):2690.

[30] 甘中学，朱晓军，王成，等.泛能网：信息与能量耦合的能源互联网[J].中国工程科学，2015，17(9)：98-104.GAN Zhongxue,ZHU Xiaojun,WANG Cheng,et al.Ubiquitous energy Internet:new energy Internet coupling with information and energy[J].Engineering Sciences,2015,17(9):98-104(in Chinese).

[31] 宋永华，林今，胡泽春，等.能源局域网：物理架构、运行模式与市场机制[J].中国电机工程学报，2016，36(21)：5776-5787.SONG Yonghua,LIN Jin,HU Zechun,et al.Energy distribution network:infrastructure,operation mode and market mechanism[J].Proceedings of the CSEE,2016,36(21):5776-5787(in Chinese).

[32] 汤奕，陈倩，李梦雅，等.电力信息物理融合系统环境中的网络攻击研究综述[J].电力系统自动化，2016，40(17)：59-69.TANG Yi,CHEN Qian,LI Mengya,et al.Overview on cyberattacks against cyber physical power system[J].Automation of Electric Power Systems,2016,40(17):59-69(in Chinese).

[33] 原凯，李敬如，宋毅，等.区域能源互联网综合评价技术综述与展望[J].电力系统自动化，2019，43(14)：41-52.YUAN Kai,LI Jingru,SONG Yi,et al.Review and prospect of comprehensive evaluation technology of regional energy Internet[J].Automation of Electric Power Systems,2019,43(14):41-52(in Chinese).

[34] 李家熙，王丹，贾宏杰，等.面向可再生能源接入的综合能源系统熵态机理和分析方法[J/OL].电力系统自动化：1-22[2023-03-21].http://kns.cnki.net/kcms/detail/32.1180.TP.20221229.0900.002.html.LI Jiaxi,WANG Dan,JIA Hongjie,et al.Entropy state mechanism and analysis method of integrated energy system for renewable energy integration[J/OL].Automation of Electric Power Systems:1-22[2023-03-21].http://kns.cnki.net/kcms/detail/32.1180.TP.20221229.0900.002.html(in Chinese).

[35] 王梦雪，赵浩然，刘春阳，等.基于碳熵指标的电热互联综合能源系统碳轨迹追踪方法[J/OL].电力系统自动化:1-12[2023-03-21].http://kns.cnki.net/kcms/detail/32.1180.tp.20221013.1456.004.html.WANG Mengxue,ZHAO Haoran,LIU Chunyang,et al.Carbon trajectory tracking method for electric-thermal interconnected integrated energy system based on carbon entropy index[J/OL].Automation of Electric Power Systems:1-12[2023-03-21].http://kns.cnki.net/kcms/detail/32.1180.tp.20221013.1456.004.html(in Chinese).

[36] LI J X,WANG D,JIA H J,et al.Mechanism analysis and unified calculation model of exergy flow distribution in regional integrated energy system[J].Applied Energy,2022,324:119725.

[37] 黄宇，王宇涛，李淑琴，等.计及分析的综合能源系统多目标优化调度[J].太阳能学报，2022，43(7)：30-38.HUANG Yu,WANG Yutao,LI Shuqin,et al.Multiobjective optimal scheduling of integrated energy system with thermodynamic exergy analysis method[J].Acta Energiae Solaris Sinica,2022,43(7):30-38(in Chinese).

[38] 杨杰，郭逸豪，郭创新，等.考虑模型与数据双重驱动的电力信息物理系统动态安全防护研究综述[J].电力系统保护与控制，2022，50(7)：176-187.YANG Jie,GUO Yihao,GUO Chuangxin,et al.A review of dynamic security protection on a cyber physical power system considering model and data driving[J].Power System Protection and Control,2022,50(7):176-187(in Chinese).

[39] 杨挺，姜含，侯昱丞，等.基于计算负荷时-空双维迁移的互联多数据中心碳中和调控方法研究[J].中国电机工程学报，2022，42(1)：164-177.YANG Ting,JIANG Han,HOU Yucheng,et al.Study on carbon neutrality regulation method of interconnected multi-datacenter based on spatio-temporal dual-dimensional computing load migration[J].Proceedings of the CSEE,2022,42(1):164-177(in Chinese).

[40] 王永真，康利改，张靖，等.综合能源系统的发展历程、典型形态及未来趋势[J].太阳能学报，2021，42(8)：84-95.WANG Yongzhen,KANG Ligai,ZHANG Jing,et al.Development history,typical form and future trend of integrated energy system[J].Acta Energiae Solaris Sinica,2021,42(8):84-95(in Chinese).

收稿日期：2023-01-20；修回日期：2023-03-16。

作者简介：

孙艳玲

孙艳玲（1980），女，硕士，高级工程师，研究方向为能效提升与优化管理、多能互补能源系统、能源物联网及其智慧管控技术，E-mail：15836948053@163.com。

王永真（1988），男，副教授，博导，研究方向为能源互联网、综合能源系统、氢燃料能源系统。通信作者，E-mail：wyz80hou@bit.edu.cn。