2017城市能源互联网发展（北京）论坛暨能源互联网示范项目建设与合作研讨会于2017年12月1日在北京裕龙国际酒店一层宴会厅举办。
主题报告环节主持人：中关村能源互联网产业技术联盟秘书长 王百升
主题报告演讲者：华北电力大学能源互联网研究中心主任 曾鸣
演讲主题：能源互联网背景下分布式能源未来发展关键支撑技术
下面为您带来曾鸣主任的精彩演讲
曾鸣：
给大家准备的题目，能源互联网背景下分布式能源未来发展需要哪些关键的技术来支撑，及能源互联网的政策导向。
我再回顾一下，我想讲一下能源互联网对分布式能源发展支撑作用到底怎么表现，我们现在最关心还是分布式，能源互联网是集中式、分布式有机结合，周院士说了其中的一个特点，但是到底怎么来支撑分布式，分布式未来发展有哪些关键技术。
政策导向，最主要是纲领性文件，200号。除了7月份有200号文，《关于组织实施互联网智慧能源示范项目的通知》，还有《关于推进多能互补集成优化示范工程建设的实施意见》。
关于200号文，能源互联网试点示范，跨地区都有。创新示范试点，一个是电动汽车、灵活性资源，智慧用能。绿色能源和行业融合的创新互联网的试点示范。
多能互补集成优化示范工程实施意见。主要任务就是有两个，做终端一体化集成供能系统。
第二个任务，风光水火储多能互补系统，青海，2018年年底肯定要完工，好几千人的项目，原来国家电网公司没安排，鲁能作为业主拿到这个项目，这是集中的。其中这部分里头有一个专门的商业模式。张北有一个20万，这边有一个70万，70万再没商业模式，2019年不好运行，商业模式特别重要，国家电网一直在强调。
关于多能互补，一个是集中式一个是分布，我们今天主要讨论是分布。
关于建设的目标，文件上都有，到2020年要怎么建设，已有的是怎么回事，在文件里都已经明确了。
下面我就专门重点讲讲能源互联网对分布式能源发展支撑作用。
第一，能源互联网，我认为是提高分布式能源智能化、灵活 化的有效途径。要想让它有智能化、灵活化还真得靠能源互联网。具体说，分布式电站建设从最初的选址到建设后整个运行监控，开始选址、规划、建设一直到运行监控全过程，我们觉得利用能源互联网工具得出最优设计和最优方案。具体说在建设之前，通过数据统计来评估建站地区的光照、气侯等条件，为提出最优的建设方案提供依据，节省建设成本，这是在建设之前通过能源互联网的办法可以做到。在建设管理当中，通过能源互联网数据、平台、选取最合适的设备还有产品、相关服务提供商，通过能源互联网数据平台来选取。这样能够节省投标或者比选环节的一些时间还有成本，这是能源互联网的一些工具也能做。建设后运行，通过智能系统实时监测，系统运行、天气、电网的数据，进行大数据，发电预测，为用户提供最优的用电方案，用户用能的灵活性和智能水平都能得到显著提高。
第二，分布式发电与智能电网以及用户侧服务有机融合也要依靠能源互联网支撑。具体说，我们看一下，能源互联网平台将是各类分布式能源融合发展的一个关键支撑。分布式有多种，各类融合发展关键支撑也要靠能源互联网，具体说两句话。第一，随着能源互联网建设以及售电侧的不断推进，当售电侧有了能源互联网平台，和相关信息，用户才能根据需求进行用电选择，分布式电源才有机会深入用户侧的服务。
第二条，能源互联网开放型生态系统吸引更多的分布式能源进入能源价值链，形成一套全新的商业模式，营销模式、研发模式、运营模式、服务模式，分布式能源电网，智能微网的有机融合，能源互联网则是达成上述目标的有效支撑和纽带。还综合供热可靠性不能降低，制造不能降低，用户交的总的费用，和用传统能源费用，交的费用，比如水价、气价电价，热价加在一起比现在低。用户告诉你，用了综合性系统要多要费用，那就坏了，两高三低要实现，综合能效要高，能源效率稳定，老百姓交的费用要低，PM2.5的排放要降低，碳的排放要降低，两高三低的能源系统是真正的能源系统。
第三个，能源互联网有助于分布式可再生能源与金融的创新结合。 现在说分布式，一直说与金融融合，投资者也在关注，有了能源互联网就能融合。过去我们分布式发展受到各种因素制约，融资难的问题一直困扰，互联网+驱动下，当前能源行业正进行着一场能源互联网+金融的创新探索，基于能源互联网的融资模式极大改变了传统的电站融资方式能源互联网的实时数据更够力的支撑。
下面我简单说一下分布式能源发展需要关键技术。
第一，是云端大数据分析技术。有三个：具备普世性能量信息交互结合、云端信息传输分析技术、能源供需动态监测技术。
第二，信息能量交互分析技术。能源互联网框架下，各个能源互联网模块和模块，信息要充分互联互通，以强有力的交互技术为基础，一个是信息交互一个是能量交互，要开发一些新技术。
第三，广域综合能源协同集成调度技术，这就是控制技术。这个技术可以说我们国内清华大学是非常领先的。该项技术整合能源互联网框架下多个分布式能源模块的核心技术，主要应用在能源供应侧和能源需求侧两方面。
能源供应侧，通过机器学习、模式识别、大数据分析、趋势预测与建模技术，建立能源供需特性和周边环境因素，更好实现不同能源模块之间的协同。
能源需求侧，利用大数据技术对区域、微观能源消费数据区域用数据进行精细化预测分析，寻找能源消费数据与其它信息数据的之间的相互关系，建立差异化的大数据分析模型。
由于时间关系，我简单捋一捋思路，讲得不对的地方，请大家提宝贵意见。
（发言为现场速记整理，未经本人审核）
