编辑推荐：
为解决 IES 可靠性评估难题，研究人员开展相关研究，提出新评估方法，有效提升评估效率与准确性。
在当今追求低碳高效社会的时代背景下，综合能源系统（Integrated Energy System，IES）迅速发展，成为解决能源需求增长与能源稀缺、能源利用与环境保护之间矛盾的重要战略方向。IES 将电力、热力、冷气、燃气等多种能源系统进行整合，实现了能源的协同优化利用，然而，其复杂的耦合关系以及能源源和负荷的多重不确定性，也给系统的安全可靠运行带来了巨大挑战。近年来，世界各地频发的大规模停电事故令人警醒。比如 2021 年美国得克萨斯州因极端寒冷天气引发大规模停电，致使供暖系统几乎瘫痪；2018 年巴西电网因断路器过载保护操作，导致大面积停电；2017 年中国台湾地区因燃气发电机组停机，造成电网容量损失。这些事故不仅严重影响了人们的生活，还对经济发展造成了巨大损失。由此可见，对 IES 进行准确的可靠性评估，及时发现系统潜在风险，已成为保障能源供应安全的迫切需求。
为了解决这些问题，相关研究人员开展了深入研究。本研究提出了一种考虑设备运行状态和连锁故障的 IES 可靠性评估方法，该研究成果发表在《Advances in Applied Energy》上。
研究人员采用了多种关键技术方法。首先，通过建立考虑运行状态的设备可靠性模型，结合设备的负荷率等运行参数来动态调整设备的故障概率，更准确地反映设备在实际运行中的可靠性变化。其次，运用事件树分析（Event Tree Analysis，ETA）结合顺序蒙特卡罗（Monte Carlo，MC）模拟，对系统中可能发生的连锁故障进行推理和预测，全面评估系统在不同故障场景下的可靠性。此外，利用最小二乘支持向量机（Least Squares Support Vector Machine，LSSVM）构建数据 - 模型混合驱动的最小负荷削减计算框架，提高了计算效率和模型适应性。
在研究结果方面：
- 模型合理性验证：与传统可靠性模型相比，改进后的模型在预测设备故障频率上表现更优。单设备故障频率比传统模型高 2.06% - 16.00%，双故障、三故障和四故障频率分别为传统模型的 5 倍、37 倍和 15 倍。在评估电力子系统可靠性时，随着备用发电容量份额减少，改进模型计算的停电概率（Loss of Load Probability，LOLP）增加了 179.13%，缺电期望（Expectation of Energy Not Supply，EENS）增加了 84.25%，而传统模型变化较小，这表明改进模型能更准确反映系统可靠性水平。
- 可靠性影响因素敏感性分析：改变热电联产（Combined Heat and Power，CHP）和燃气锅炉（Gas Boiler，GB）的装机容量进行研究。当 CHP 装机容量增加时，电力子系统和热力子系统的可靠性有所提高，但天然气子系统可靠性下降；GB 装机容量增加时，热力子系统可靠性提升，而电力子系统和天然气子系统可靠性降低。这说明能源子系统耦合度的变化对不同子系统可靠性影响不同，合理配置耦合设备的装机容量至关重要。
- 方法性能评估：通过对比深度神经网络（Deep Neural Network，DNN）、LSSVM 和优化模型在预测负荷削减方面的计算精度和速度，发现 LSSVM 具有更高的准确性和更快的计算速度，其各子系统负荷削减的平均相对误差百分比低于 3%，最大相对误差百分比低于 10%，单负荷削减计算时间减少了 99.59%。在可靠性评估中，基于 LSSVM 的联合驱动方法平均相对误差在 6% 以内，评估时间减少了 98.10%，展现出良好的实用性。
- 系统薄弱点识别：通过统计事故数据，发现能源传输设备故障频率较高，且较低阶故障虽然单次损失较小，但发生频繁，对总负荷削减贡献显著。如线路 3、线路 4 等设备是系统的薄弱环节，加强对这些设备的监测和保护，可有效提高系统整体可靠性。
研究结论和讨论部分指出，本研究提出的可靠性评估方法在连锁故障模拟和计算性能提升方面具有一定潜力。该方法解决了传统模型基于长期统计平均值导致的保守评估问题，明确了能源子系统耦合度变化对可靠性的影响范围，为系统规划和运行提供了重要参考。然而，研究也存在一定局限性，如设备可靠性模型未考虑新能源发电设备、储能设备等，运行状态建模未涵盖天气、人为等因素。未来研究将致力于建立更综合的设备可靠性模型，考虑更多耦合设备、可再生能源发电技术和储能系统的连锁故障，以及新能源输出和负荷变化的不确定性，进一步完善 IES 的可靠性评估体系。这对于提升综合能源系统的稳定性和安全性，推动能源行业的可持续发展具有重要意义。
