Development of Energy and Mining Governance System Based on New-Generation Information Technology

  • Guofa Wang 1, 2 ,
  • Tiegang Zhang 3 ,
  • Chengshan Wang 4 ,
  • Yihui Pang 1, 2 ,
  • Ting Yang 4 ,
  • Chunsheng Sun 5 ,
  • Yahui Hu 3 ,
  • Peng Zhang 5
Expand
  • 1.CCTEG Coal Mining Research Institute, Beijing 100013, China;
  • 2.Tiandi Science & Technology Co., Ltd., Beijing 100013, China;
  • 3.School of Mechanical Electronic and Information Engineering, China University of Mining and Technology (Beijing),Beijing 100083, China;
  • 4.School of Electrical and Information Engineering, Tianjin University, Tianjin 300392, China;
  • 5.CCTEG Coal Industry Planning Institute, Beijing 100120, China

Received date: 29 Oct 2021

Published date: 28 Mar 2022

Abstract

In view of the risks and challenges facing China’s energy and mining security, this article analyzes the changes and development pattern of China’s energy demand under the target of carbon peak and carbon neutrality. The coupling development of new and fossil energy resources is an inevitable path for ensuring a stable supply of diversified energies in China in the future. In this article, we study the characteristics of fifth-generation communication, big data, blockchain, and artificial intelligence technologies and their application prospects in the energy and mining fields, and propose a technological path for reforming China’s energy and mining governance system based on the new-generation information technologies. Specifically, we explore the integration of the newgeneration information technologies with the energy and mining development technologies and their application to energy production, transportation, consumption, market, and government regulation. Moreover, we propose a strategic approach of building a new governance model of energy and mining industries based on the new-generation information technologies. To this end, it is necessary to strengthen basic research and equipment development, support new infrastructure construction in energy and mining fields, provide policy and fund guarantee, and establish a national intelligent platform for energy and mining safety production and trade.

Cite this article

Guofa Wang , Tiegang Zhang , Chengshan Wang , Yihui Pang , Ting Yang , Chunsheng Sun , Yahui Hu , Peng Zhang . Development of Energy and Mining Governance System Based on New-Generation Information Technology[J]. Strategic Study of Chinese Academy of Engineering, 2022 , 24(1) : 176 -189 . DOI: 10.15302/J-SSCAE-2022.01.019

一、前言

能源与矿产资源是人类社会发展的重要物质基础,是支撑社会经济可持续发展的支柱产业。当前,世界能源形势正在发生深刻变化,我国能源安全面临的风险日益严峻 [1,2],如何大幅提高能源与矿产资源的开发利用效率、降低成本、提升能源与矿业的治理能力,已经成为支撑国家高质量发展的重要环节。
伴随着第四次工业革命的快速发展,第五代移动通信技术(5G)、大数据、人工智能、区块链、物联网等新一代信息技术发展迅猛,现阶段 5G 已经逐步开展商用,在医疗、矿山等行业已经取得了较好的应用效果 [3];大数据技术及算法在金融业、制造业、物流业等行业取得了很好的应用效果,数据治理技术正逐步渗透到我们生活的各个方面 [4];区块链技术具有可追溯、不可篡改、不可伪造、智能合约、去中心化等特征,促使其在金融行业、机械行业、食品与药品行业、财务领域等进行了深度应用,改变了传统的业务模式 [5]。基于新一代信息技术特征,将新一代信息技术与能源、矿产资源的开发利用技术进行深度融合发展,必能极大地改变传统能源与矿产资源开发利用方式,促进能源、矿产资源产业链上的生产、配送、存储、消费、利用升级发展,为推进能源技术革命、构建清洁低碳、安全高效的能源与矿业体系提供技术支撑,推进我国能源与矿业治理体系现代化建设。

二、“ 双碳 ” 目标下能源与矿业面临的挑战

(一)“双碳”目标下我国能源格局变化
改革开放以来,我国在大力发展社会经济的同时也一直致力于维护地球生态可持续发展,并于 1992 年签署了《联合国气候变化框架公约》,是最早签署该公约的国家之一 [6]。2015 年,我国向公约秘书处提交了《强化应对气候变化行动——中国国家自主贡献》相关材料,确定了在 2030 年左右实现二氧化碳达到峰值的目标。2020 年 9 月,习近平总书记在第七十五届联合国大会上郑重承诺,我国二氧化碳排放力争于 2030 年前达到峰值,努力争取 2060 年前实现碳中和。碳达峰并不是能源达峰,碳中和也不是零碳排放,在今后相当长一段时间内,我国经济社会发展仍将依赖化石能源,但必须要走安全高效开发与低碳清洁利用的道路。
2019 年,我国人均一次能源消费为 3.47 tce,居全球第 48 位,远低于发达国家 [7]。随着我国工业化、城镇化、信息化和农业现代化建设的稳步推进,中等收入群体数量逐渐增多,消费逐渐升级,而能源与矿产资源作为经济社会发展的物质基础,其需求与碳达峰之间仍然有很大发展空间。
“双碳”目标下我国的能源格局将发生变化,但基于我国的资源禀赋与发展需求,在今后相当长一段时间内煤炭仍将是我国的能源基石,煤炭资源在能源结构中的主体地位短期内无以替代。在进一步加强煤炭、煤电对能源稳定保障的同时,“双碳” 目标将助力我国煤炭资源开发向绿色、清洁、低碳与高效开发利用发展。新时期下煤炭市场多种不确定因素增加,市场对煤炭需求的弹性要求提高,国内煤炭市场供需结构将发生重大改变,煤炭现有生产与供给模式将难以适应新发展要求,亟需建立基于新一代信息技术的新型柔性煤炭生产与供给保障体系,确保国家能源安全。
风、光等新能源短期内难以形成稳定可靠供给,且恶劣天气下其不稳定供给增加了新能源体系的脆弱性,美国德州在极端天气下的大规模停电,以及近期国内煤炭价格大幅上涨、国内部分区域拉闸限电等均体现了新能源的脆弱性。在大规模低成本储能技术未获得突破的前提下,新能源难以实现全面或高比例纳入现有能源供给体系。利用化石能源尤其是煤炭、煤电作为提升新能源占比的稳定器和压舱石,实现新能源和化石能源相互助力、耦合发展将是今后我国形成多种能源融合稳定供给的必由之路。
(二)“双碳”目标下能源与矿业面临的新挑战
传统产业转型升级困难。当前,我国“三高一低”产业的占比仍然较大 [8],虽然在部分行业取得了一定的创新成果,但产业结构的转型升级仍面临自主创新不足、关键技术“卡脖子”、能源资源利用效率低、各类生产要素成本上升等问题,同时我国的能源低碳化和能源利用效率都相对较低,在短时间内转变经济增长方式仍面临巨大挑战。
可再生能源大规模应用面临着诸多难题。可再生能源发电由于自身技术特性影响,存在着波动性和间歇性的特点,近中期内仍需要火电发挥调峰的兜底保障作用。非化石能源规模化、产业化的普遍应用不仅面临诸如调峰、远距离输送、储能等技术问题,还面临一些体制机制问题。我国的电力市场还处于发展阶段,缺乏完善的可再生能源市场消纳机制,在一定程度上将制约可再生能源的发展。
低碳技术仍处于研发试验阶段,大规模经济、可靠的应用技术成熟度较低。低碳技术涉及高碳原料低碳化利用、CO2 捕捉和工业化利用等技术,现有技术尚不成熟,存在环节复杂、成本高等问题,亟需进行系统性技术创新。
针对“双碳”目标下能源与矿业发展面临的技术挑战,充分利用新一代信息技术与能源及矿产资源开发技术的融合,推进现代能源与矿业治理体系建设,是落实能源安全新战略,推动能源革命,支撑国家治理体系和治理能力现代化的关键,对国家经济快速持续健康发展具有重大意义。

三、新一代信息技术发展与体系特征分析

(一) 5G 通信技术
移动通信使人们摆脱了有线的束缚,实现更自由灵活的网络接入、数据获取和信息交互。移动通信延续着每十年一代更新的技术演进规律,每一次代际跃迁都极大地促进了各相关应用产业的革命性升级和社会经济的发展。
国际电信联盟(ITU)在 5G 设计之初就确定了三大应用场景,即增强型移动宽带 ( eMBB)、超可靠低时延(URLLC)和海量机器通信(mMTC)[9]。三大场景与能源矿业生产、消费、市场和监管治理需求有着诸多契合之处,图 1 给出了基于网络切片技术的 5G 在能源与矿业多场景的应用服务。 eMBB 技术能够有效支撑矿山超高清视频传输等大带宽业务需求;URLLC 技术能够满足无人采矿车、无人挖掘机等矿山智能设备间的通信需求;mMTC 技术能够更好地支持多种煤矿安全监测等传感数据的采集需求 [10]。因此,将 5G 通信技术应用于能源矿业治理体系中,将为全面开启能源矿业智能化开采搭建信息高速公路,成为未来智能绿色矿山建设的必由之路。
图 2 5G 网络切片技术在能源与矿业领域的多场景应用服务
(二)大数据处理技术
大数据技术是进行智能分析决策的关键,为了推进大数据技术的发展,国务院印发了《促进大数据发展行动纲要》,指出数据已经成为国家重要的战略资源,亟需推动实施国家大数据战略。
大数据技术具有数据体量大、数据特征多、数据价值密度低等特征,大数据处理和分析技术的目标是借助对数据的理解辅助人们在各类应用中做出合理的决策。从技术层面分析,大数据处理技术按照过程可细分为数据采集过程中的前端预处理技术,传输过程中的数据压缩技术,以及在控制决策过程中的数据融合及数据挖掘技术等。在前端传感器数据采集过程的数据预处理主要包括数据清洗、数据补全、数据归约转换等 [17~19]。通过数据预处理,实现原始采样数据降噪、异常数据辨识和修复,提升大数据质量。数据压缩可实现在保证辨识精度的情况下对数据量进行有效削减,缓解系统信息载荷,常用的方法包括基于数字编码、矩阵转换、张量分解等的压缩方法 [20,21]。大数据融合与挖掘技术则是将多源数据经过数学方法进行整合处理,提取特征信息,并在推理决策作用下将特征数据与知识库匹配,进而做出决策判断,挖掘出大数据内在蕴含的巨大价值。
从应用角度分析,将大数据技术应用于能源和矿产资源开发利用过程中,可实现对矿产资源开采、供电、通风、排水等的智能分析决策与控制 [22]。通过将大数据技术应用于能源和矿山设备健康状态诊断,可实现能源和矿山设备的远程运维 [23]。此外,大数据技术还可应用于新能源生产和管理,通过与人工智能算法相结合,实现对风电、光伏等分布式清洁能源的预测 [24],从而有力支撑能源生产的精细化和集约化,助力我国“双碳”目标实现。
(三)人工智能技术
人工智能(AI)是通过让计算机模仿人类的思维逻辑从而实现机器的自主感知、分析与控制。人工智能涵盖了群体智能算法、模糊逻辑、专家系统、机器学习等多种技术,并仍然在不断演进 [25]。其相关技术正逐渐应用于智能制造、智能矿山建设等相关领域,并获得了较好的应用效果。
将人工智能国家战略与能源革命国家战略相融合的具体体现即是 AI 技术在能源与矿业治理体系中深化应用。其将能够实现智能传感与安全生产相结合、数据驱动与优化决策相结合、智能分析与运行控制相结合,从而有效提升国家监管治理复杂多能源耦合体系的能力,助力国家能源革命。
笔者在文献 [26] 中以煤矿智能化建设为例,详细分析了人工智能在煤矿智能化开采过程中存在的核心技术短板及亟待攻克的技术难题,如复杂煤层自动割煤智能决策与控制技术等,提出亟需新一代人工智能算法实现对振动、图像等多种煤岩信息的准确识别,进而突破智能决策和智能装备研发技术瓶颈。
(四)区块链技术
区块链技术也被称为分布式分类账技术(DLT),是一种能够在完全分布式环境中实现可信数据共享与状态共识的分布式存储机制。区块链的基本结构框架如图 3 所示,其包括:①数据层:解决区块数据和交易消息格式的问题,在记录数据时采用 Merkle 树的方式,将交易数据和状态变化组织起来;②网络层:各参与方通过特定的 P2P 协议彼此连接成网络,实现每个参与方与周围邻居交互消息;③共识层:其作为区块链的核心,保证所有区块链参与方能够形成统一账本;④合约层:封装区块链系统的各类脚本代码、算法以及由此生成智能合约,是实现区块链系统灵活编程和操作数据的基础;⑤应用层:区块链通过调用协议层及智能合约层的接口开发去中心化应用,为用户提供各种服务和应用场景,实现了整个区块链的丰富生态 [27]
图 4 基于区块链的能源与矿业供应链管理新思路

四、新一代信息技术在能源与矿业领域的应用

能源矿业是一个庞大而复杂的运行体系,其包含能源生产、能源运输、能源消费、能源市场与政府监管五大环节,其各部分之间的关系如图 5 所示。
图 6 基于新一代信息技术的智能绿色矿山
3. 物联网、大数据与人工智能技术助力提升井下安全生产
瓦斯、顶板等事故一直是困扰井下安全生产的难点 [31],而地下巷道环境狭小密闭、设备众多,且设备动态移动,导致井下安全监测与预警难度增大。运用物联网和大数据将有效实现实时、多维度安全监控,并通过人工智能算法的融合应用,可从海量监测数据中敏锐发现隐藏的安全隐患,从而进行超前预警,消除安全隐患。运用数字孪生和虚拟现实技术,构建地上、地下智能化矿山,全面应用智能化技术、矿山机器人等替代人工作业,实现人 – 机 – 环 – 管信息实时联动高效协同自动化运行。
4. 区块链、大数据技术助力矿产资源深加工环保监管巡查
矿产资源深加工技术是提高矿产资源低碳、高效利用的重要手段,以煤炭深加工为例,主要包括洗选焦化技术、气化与液化技术、水煤浆技术、高炉喷吹粉煤技术、型煤与配煤技术、洁净煤联合循环发电技术等 [32,33],但传统煤炭深加工过程对环境的友好度差,产生大量废液、废气和废渣,其成分复杂且处理难度高。区块链、大数据技术将助力矿产资源深加工环保监管巡查,在减轻监管巡查人力、物力成本的前提下,通过区块链的去中心化、信息共享和数据不可篡改性等特征保证监管全过程的公开、公平、公正。另外,将人工智能技术运用在矿产资源深加工过程中,将有效提升如捡矸、排矸等大型机械系统的智能化水平 [34,35]。
5. 人工智能技术实现清洁能源发电预测,助力高比例清洁能源新型电力系统建设
以风电、光伏、生物质等清洁可再生能源为代表的分布式发电技术是缓解我国能源储量不足、调整能源结构不合理、助力实现可持续发展目标的有效途径之一。风、光发电受气候条件和环境因素的影响较大,具有强随机性、间歇性和波动性。我国的风电、光伏储量分布与能源消费区域存在明显的区域性不协调,随着可再生能源开发力度的加大,将可能导致严重弃风、弃光现象发生,其根本原因则是源 – 荷不匹配造成的。通过运用人工智能技术可以实现复杂因素影响下的清洁能源长短期发电预测,从而引导电力系统达到源 – 荷互济,实现高比例清洁能源并网的新型电力系统 [36,37]。
(二)新一代信息技术助力能源与矿业运输
我国特有的能源生产基地与主要消费市场逆向分布的特点决定了我国北煤南运、西气东输、西电东送的能源运输格局将长期存在,这就必然需要良好高效的能源矿业运输体系支撑。能源矿业综合运输通道体系主要包括铁路、公路、海运、输油气管道及高电压等级的长距离输电网络等,其运输效率对国民经济的发展具有决定性作用,将 5G、大数据、人工智能、区块链等新一代信息技术应用于能源与矿业运输领域,将助力实现运输、装卸、仓储、配送、信息一体化的能源运输新格局。
1.“供应链 – 区块链”双链融合技术提升能源与矿业运输效率
我国北部和西部广大地区是能源富集地区,而消费区域则集中在经济发达的东部和南部沿海地区,这种供给和需求在空间上存在较大偏差,同时在能源需求时间上也呈现明显的季节性。因此必须建立畅通高效、安全可靠、应变能力强的现代能源与矿业供应链体系。将区块链赋能供应链,打造能源与矿业领域的“供应链 – 区块链”双链融合技术体系 [38],将有效解决当前我国突出的供 – 消时空错位难题:①探索能源与矿业上下游不同参与方信息获取与传输、链式数据块结构和点对点网络构建问题,以及供应链信息的分布式架构和存储等技术,在能源与矿业企业形成新的信息共享和协作机制;②通过规范开发环境和接口标准,构建双链融合的系统自治、分工、共享和协作机制,健全双链融合的技术标准和法律保障;③探索能源与矿业领域双链协同模式、资源与能力保障机制以及绩效提升机制,构建基于“供应链 – 区块链”双链融合技术的物流、信息流、资金流体系。
2. 5G 与大数据共享技术解决能源矿业运输、仓储与装卸高成本难题
煤炭、石油、天然气等能源原料具有运输危险性大、仓储成本高、物流装卸过程中损耗浪费严重等诸多难题 [39]。其形成原因则主要是当前物流企业对供需双方信息获取不够及时完整,运输仓储管理不科学,装卸机械化、智能化水平低等。通过 5G 与大数据共享、并融合区块链技术,建立能源与矿业运输管理信息平台,保证物流运输各方信息的准确性、及时性和可追溯性,实现具有强制信任和运输全环节透明化的协作优化传输,提高系统效率和安全品质。
3. 人工智能技术助力输配电系统的可靠安全运行
电力具有传输速度快、运输过程对环境污染小、便于分配和调度的优势,是目前能源大范围快速传输的最有效方式之一。输电系统的稳定运行关系发电与用电双侧的系统安全和电力可靠性,并且随着电压等级的不断升高,其重要程度越发凸显。为保证电能安全可靠传输,需要研究输电线路的全信息量测、准确故障研判和快速处理方法 [40],实现准确识别故障类型、确定故障位置以及快速消除故障,以增强互联大电网的安全性,以及加强系统运行的经济性。人工智能技术将在故障分析与处理方面发挥巨大作用,如捕获来自输配电过程中多源数据的时间特性,进行输电系统中线路跳闸故障的预判 [41],利用人工智能图像识别技术优势,结合电力系统“五遥”(遥测、遥信、遥控、遥调和遥视),实现对输电走廊线路、变压器 / 换流器、绝缘子等多状态量监控和故障诊断等 [42]
(三)新一代信息技术助力能源与矿业消费
能源是人类社会发展的重要物质基础,其消费与安全也是国家安全的重要组成部分。作为世界上第一大能源消费国,在经济飞速发展的同时,能源与矿产资源消费总量将激增,消费模式日趋多元化。随着碳达峰、碳中和国家战略目标的提出,我国能源消费模式必将发生革命性变化,以大数据、人工智能、5G 和区块链等新技术为抓手,能源与矿业消费将从总量扩张迈入以智能化、数字化为特征的提质增效新阶段。
1. 新一代信息技术实现能源消费模式剖析
我国部分特殊能源、矿产资源拥有量不高,储备潜力有限。为了科学、高效地发展能源产业及其替代产业,需对中国未来的能源消费模式进行较为精确的预测分析。通过新一代信息技术可以获取、存储分析大量的能源消耗数据,并且可以利用先进的人工智能算法更准确地分析能源消费数据,探索能源消费模式,获取每一类能源消费模式背后隐含的能源消费行为,对能源消费模式发展进行宏观预测和消费引导。如基于大数据平台的“能耗管理系统”可以实现工厂能源消费趋势预测 [43]。同时,新一代信息技术在能源、矿产资源消费场景中的负荷检测和分解技术等也在逐步推广,对能源互联网的发展、用户互动化服务、需求响应支撑、用户节能等方面意义重大,是制定智慧用能、节能策略的基础 [44]
2. 人工智能助推能源消费模式升级
利用新一代信息技术可以实现用户画像与用户能源消费行为特征分析。用户画像作为真实用户的虚拟代表,是建立在真实大数据上的用户模型,是挖掘用户需求和价值,进行分类和精准能源营销的基础。基于 5G 通信的智能量测终端、非侵入式负荷分解技术使能源用户的数据得以实时高密度采集 [45],利用 AI 技术分析这些能源大数据的自相关性和互关联性,解析用户用能习惯和行为特性 [46]。基于这些信息建立的用能特征可进一步进行能源消耗量预测,为需求侧响应决策提供消费侧用能依据。
3. 多技术融合促进能源消费平台智能化发展
基于大数据、5G、人工智能等新一代信息技术,打造多式联动能源消费综合服务平台,实现在不同地区、不同企业主体之间构建合作网络,将推动矿山企业、港口及物流园区等企业的能源消费信息共享、资源互通。
(1)智能化能源消费平台将具备能源监控、分析、管理、交易、运营等功能,通过监测能源交易状态,实现消费全景动态展现。
(2)通过构建客户画像,提供差异化服务策略;通过能源消费结算,满足多类型能源消费需求,为能源传输、销售等服务提供运营平台与数据支撑。
(3)通过平台对用户的用热、用电、用水、用气等能源消费数据开展实时监测,利用大数据分析技术开展区域能耗分析,对区域总体、各行业、各类型用户的能源消费开展监测对比,帮助政府掌握区域能源供需动态,支撑政府部门开展区域节能降耗、优化能源消费结构等 [47]
(四)新一代信息技术助力能源与矿业市场交易
在市场环节主要从交易机制、交易平台及市场风险量化评估等角度进行探讨。其中,传统的能源矿业交易机制以集中式优化决策的资源配置方式为主,难以适用大量分布式新能源及新型矿业产业参与的交易场景;而传统交易平台分布具有明显的聚集性、地域性,导致其区域分化、各自为政以及交易信息壁垒等问题较为突出 [48];在市场风险量化评估中则存在缺少跨区域的市场规范化和标准化的监管评估手段,同时存在大量不正当套利空间甚至作弊行为,导致市场自我优化资源配比能力丧失,增加了市场系统性风险 [49]。上述问题亟需新一代信息技术的助力,以提高对市场的认知和监管能力,以应对市场中不断凸显的不稳定性和不确定性所带来的挑战,避免重大突发事件所带来的巨大损失。
1. 基于区块链技术的能源与矿业交易新机制
随着分布式能源的广泛接入,分布式能源交易呈现出参与者海量、单笔小额、位置分散等特点,增加了交易中心的处理难度、风险性和运行成本。同时,分布式能源交易还涉及多部门、多层级的补贴政策落实、消纳责任考核等问题。针对上述问题,可以利用区块链技术去中心化、透明可追溯、易实现智能合约等特点构建新型能源与矿业交易新机制,实现交易的发起、报送、订单合约生成、结算等各环节的自动化,以降低数量巨大的新能源交易流程复杂度和管理成本。同时,区块链平台还提供了透明可追溯的访问机制,利用特有的数字加密技术提供持久、双向平等和安全的访问机制 [50]。此外,还可将传统的交易审查审阅、公开账本维护工作交给由相关政府部门认证通过的第三方机构,利用区块链技术的可追溯性,实现对每笔交易的辅助监管,快速准确识别恶意节点或存在的隐秘违规行为,维护能源与矿业交易市场的健康秩序。
2. 基于新一代信息技术的跨行业能源交易平台
全球能源组成结构由单一化石能源为主向化石能源与清洁能源多能融合驱动方向发展。不同能源在生产侧、运输侧和消费侧等不同环节以及在物理和信息等不同层面均存在互相渗透和相互融合特征,因此亟需构建开放、标准、安全的多层次国际化跨行业能源交易平台,以实现多能源互通、各行业信息共享以及公平开放交易。为此,可利用 5G 通信技术实现针对能源交易过程中产生的海量账本、图像、视频、文本数据的敏捷可靠传输,实现各能源供应主体(煤炭、矿业、电力、天然气、石油等运营商)和终端用户之间高效安全的数据交互 [51]。同时,利用先进的数据中台技术,收集并处理平台内市场参与者详细的生产、运输、仓储和消费数据,将海量碎片化信息转化为高质量数据资产,并使用人工智能 + 大数据分析算法挖掘数据内在规律,对市场趋势、价格走势等问题进行预测,为上层业务提供底层数据基础 [52]
3. 基于大数据和人工智能技术的市场风险量化评估
能源与矿业市场风险评估是指对其潜在问题可能导致的风险及其后果实现量化评估,确定其严重程度,并做出正确的防范策略,执行防御措施。鉴于现代能源矿业市场所面临的风险复杂多样性,以及期货市场的不可预测性,通过建立不同市场主体风险预警体系,采用大数据和人工智能技术根据不同风险交易过程产生的数据量化各损失指标;随后发挥大数据的预判功能和人工智能的风险辨识能力,实现对重点、高危主体的交易数字化管控,主动发现、纠正扰乱市场秩序的违法行为,实现对市场的主动监管、动态监管和全程监管。
(五)新一代信息技术助力政府监管
能源与矿业是关系国计民生的基础产业,也是高投入、高污染、高风险产业,需要政府部门全面监管,以规范企业行为,保障生产安全、市场有序,并实现特定政策目标。在能源与矿业体系治理和监管应用中,新一代信息技术已在安全、市场、环保等监管领域进行了试点,在加大政府监管力度、拓展监管宽度、推动监管平台信息化建设等方面取得了良好效果 [53,54]。
1. 新一代信息技术促进安全监管工作的深入开展
在能源矿业生产运输过程中,设备系统分散,人员、车辆流动性强。为了保障能源与矿业安全生产,需要在各个生产和运输主体中加装大量的监测传感器、射频终端、高清摄像头、激光雷达等,并对各类监控设备所产生的海量感知数据进行实时采集、整理、分析,保证生产及运输的可靠运行。
5G 技术具备全新的网络架构、至少十倍于 4G的峰值速率、毫秒级的传输时延和千亿级的连接能力,是提升能源矿业安全监管响应能力的重要手段 [55]。人工智能技术则能够提升系统和执行机械的智能化水平,进而代替人类完成能源与矿业全过程中复杂危险的监管作业,精准区分各种潜在危险,有效提升安全生产、运输的感知能力 [56,57]。大数据与云计算技术在多样化信息资产的应用,使得监管系统能够快速整合各级能源监管部门之间的安全监管数据,消除信息孤岛,实现信息共享,便于监管机构从全局角度进行管理 [58],如图 7 所示。
图 7 能源与矿业生产运输监管
2. 大数据和区块链技术助力能源交易市场监管能力提升
构建政府监管下的政企分开、公平竞争、开放有序、健康发展的能源与矿业市场体系是能源体制改革的基本目标,而加强能源矿业市场监管是推进这一体系建设的重要保障。因此,亟需建立能源与矿业市场政府监管统一平台,对交易主体、能源价格等进行全面有效的监管和约束。平台可通过大数据挖掘技术提取能源市场监管有价值的信息,监测能源商品及其衍生品对金融市场产生的影响,便于政府采取相应措施避免能源市场被操纵或滥用,防范金融风险和能源价格失控,增强能源市场监管的靶向性和稳定性 [59]。同时,可利用区块链技术提升监管数据的安全性,防止伪造监管数据等情况发生,保证政府对交易源头的监督、审查和依法惩处 [60]
3. 物联网技术支撑环境保护监管的有效运行
融合物联网技术、遥感成像技术和基于人工智能的图像分析技术,构建智能化环境监管立体感知体系,实时感知能源生产过程中的环境变化,实现能源生产过程全周期、全覆盖的实时监测,对突发恶性事件进行快速甄别、快速响应,将能源矿业生产过程中的环保污染遏制于源头。

五、新一代信息技术支撑能源与矿业治理体系重构

随着国家经济的飞速发展和能源产业升级,综合考虑国际政治经济形势变化,传统的能源矿业体系与治理模式已经落后于产业实际发展,不能满足需求。新一代信息技术将极大地提升对能源矿业体系中各个环节的监测、分析、研判、监管和治理能力。
通过分析能源矿业领域全产业链环节的特性,实现新一代信息技术助力下的能源与矿业治理体系重构。
(1)实现能源矿业消费治理,形成绿色能源消费治理体系,提升能源利用效率和节能减排水平。
(2)实现能源矿业制度治理,对内根据发展现状加强相关方面的约束和治理,为自身的发展提供更为坚实的基础,对外为国际资本的合理涌入提供更为优越的环境。
(3)实现能源矿业技术治理,推动环境问题治理,推进全球环境污染治理进程。推进能源与矿业治理体系的组成系统化、治理高效化。
(4)实现能源矿业供给治理,切实保障国家能源供应安全,缓解能源博弈对经济社会发展的危害。(5)实现能源矿业对外治理,缓解国内能源供需矛盾,促进能源经济的健康发展,加强国际话语权以促进国家能源新格局、新秩序的建立。
通过以上五大治理能力的提高,全方位构建能源矿业体系治理新模式,全面助力国家能源产业革命。

六、措施建议

( 一 ) 建立国家能源与矿业安全生产、交易智能化平台
建立国家级能源与矿业安全生产智能化平台,将能源生产的主要危险源、高危作业岗位、安全生产监测系统等信息纳入平台,实现能源生产全流程智能化运行。基于“5G+ABCD”技术支撑,即 5G 与人工智能(AI)、区块链、云计算、大数据等信息技术的紧密结合,建设矿企 – 集团 – 省级 – 国家四级煤炭生产和交易共享智能化平台,构建现代能源矿业治理技术体系。实现对各类能源与矿产资源存量信息、消耗量信息、交易信息等全面及时可靠采集与监管;通过易货交易、数字货币等方式实现能源交易“去美元化”,保障我国能源与矿山资源的交易安全。
( 二 ) 开展关键基础理论、短板技术和装备专项攻关
设立国家自然科学基金基础研究重大专项、科学仪器重大专项、重点研发计划等,深入开展海量多源异构数据融合分析、多场景的海量大链接低延时高可靠通信标准构建、人工智能弱稳定性突破和泛化能力提升、基于区域链的能源矿业交易智能合约技术构建等基础理论研究。建议将智能装备纳入国家智能制造发展规划,加大对于高端智能化装备、机器人等的研发和应用,并给予财税政策支持。
( 三 ) 支持能源与矿业领域新基建及关键性矿产资源储备
将新型基础设施建设、关键性矿产资源储备纳入国家战略发展规划,加大对能源与矿业领域 5G 网络部署优化技术、矿山数据特征筛选及融合技术、区块链等基础设施建设,加大关键矿产资源安全与管理研究,切实保障关键矿产资源安全。
( 四 ) 加强政策支持和资金保障
按照“政府主导、政策推动、企业实施”的原则,从国家层面设立能源与矿业治理信息平台专项资金,推动全国统一、部门联合、行业协同的国家级能源、矿业安全生产与交易智能化平台的顶层设计与基础建设,支持国有能源与矿业企业信息平台智能化改造。从省级层面出台能源与矿业新基建招商和产业扶持政策,积极争取金融机构贷款,加大金融机构融资力度,引导社会资本加大投入,挖掘企业自筹资金潜力,提升企业资金保障程度。
[1]
吴立新. 双碳目标下煤炭的责任和发展[J]. 煤炭经济研究, 2021, 41(7): 1. Wu L X. The responsibility and development of coal industry under carbon peak and neutrality goals [J]. Coal Economic Research, 2021, 41(7): 1.

[2]
王祥喜. 数字驱动转型发展 智慧引领国家能源 [J]. 高科技与 产业化, 2021, 27(6): 48–51. Wang X X. The restructuring and development of national energy industry by data driven and intelligent technology[J]. High Technology & Industrialization, 2021, 27(6): 48–51.

[3]
王国法, 赵国瑞, 胡亚辉. 5G技术在煤矿智能化中的应用展望 [J]. 煤炭学报, 2020, 45(1): 16–23. Wang G F, Zhao G R, Hu Y H. Application prospect of 5G technology in coal mine intelligence [J]. Journal of China Coal Society, 2020, 45(1): 16–23.

[4]
吴群英, 蒋林, 王国法, 等.智慧矿山顶层架构设计及其关键技术 [J]. 煤炭科学技术, 2020, 48(7): 80–91. Wu Q Y, Jiang L, Wang G F, et al. Top-level architecture design and key technologies of smart mine [J]. Coal Science and Technology, 2020, 48(7): 80–91.

[5]
方晨, 郭渊博, 王一丰, 等.基于区块链和联邦学习的边缘计算隐 私保护方法 [J/OL]. 通信学报, 1–13(2021-10-25)[2021-10-28]. http://kns.cnki.net/kcms/detail/11.2102.TN.20211025.1100.006. html. Fang C, Guo Y B, Wang Y F, et al. Edge computing privacy protection method based on blockchain and federated learning [J/ OL]. Journal on Communication, 1–13(2021-10-25) [2021-10-28]. http://kns.cnki.net/kcms/detail/11.2102.TN.20211025.1100.006. html.

[6]
王国法, 任世华, 庞义辉, 等.煤炭工业“十三五”发展成效与“双 碳”目标实施路径 [J]. 煤炭科学技术, 2021, 49(9): 1–8. Wang G F, Ren S h, Pang Y H, et al. Development achievements of China’s coal industry during the 13th Five-Year Plan period and implementation path of “dual carbon” target [J]. Coal Science and Technology, 2021, 49(9): 1–8.

[7]
秦艳, 王东燕, 杨美艳, 等.山西省“十四五”煤炭消费总量控制 目标与对策研究 [J]. 中国煤炭, 2021, 47(9): 41–47. Qin Y, Wang D Y, Yang M Y, et al. Discussion on the goals and countermeasures of total coal consumption control in Shanxi during the 14th Five-Year Plan [J]. China Coal, 2021, 47(9): 41–47.

[8]
王国法, 庞义辉, 任怀伟.智慧矿山技术体系研究与发展路径[J/ OL]. 金属矿山 , 1–12(2021-07-26)[2021-10-28]. http://kns. cnki.net/kcms/detail/34.1055.TD.20210726.1042.002.html. Wang G F, Pang Y H, Ren H W. Research and development path of smart mine technology system [J]. Metal Mine, 1–12(2021- 07-26) [2021-10-28]. http://kns.cnki.net/kcms/detail/34.1055. TD.20210726.1042.002.html.

[9]
Foukas X, Patounas G, Elmokashfi A, et al. Network slicing in 5G: Survey and challenges [J]. IEEE Communications Magazine, 2017, 55(5): 94–100.

[10]
王国法, 赵国瑞, 胡亚辉. 5G技术在煤矿智能化中的应用展望 [J]. 煤炭学报, 2020, 45(1): 16–23. Wang G F, Zhao G R, Hu Y H. Application prospect of 5G technology in coal mine intelligence [J]. Journal of China Coal Society, 2020, 45(1): 16–23.

[11]
杨绿溪, 何世文, 王毅, 等. 面向5G无线通信系统的关键技术综 述 [J]. 数据采集与处理, 2015, 30(3): 469–485. Yang L X, He S W, Wang Y, et al. Key technologies for 5G wireless communication system [J]. Journal of Data Acquisition and Processing, 2015, 30(3): 469–485.

[12]
Ahmed I, Khammari H, Shahid A, et al. A survey on hybrid beamforming techniques in 5G: Architecture and system model perspectives [J]. IEEE Communications Surveys & Tutorials, 2018, 20(4): 3060–3097.

[13]
Gao H, Su Y, Zhang S, et al. Joint antenna selection and power allocation for secure co-time co-frequency full-duplex massive MIMO systems [J]. IEEE Transactions on Vehicular Technology, 2021, 70(1): 655–665.

[14]
贾向东, 纪珊珊, 范巧玲, 等. 基于非正交多接入的多层全双工 异构网回程方案及性能研究 [J]. 电子与信息学报, 2019, 41(4): 945–951. Jia X D, Ji S S, Fan Q L, et al. Backhaul scheme and performance study of full-duplex multi-tier heterogeneous networks based on non-orthogonal multiple access [J]. Journal of Electronics & Information Technology, 2019, 41(4): 945–951.

[15]
Ordonez-Lucena J, Ameigeiras P, Lopez D, et al. Network slicing for 5G with SDN/NFV: Concepts, architectures, and challenges [J]. IEEE Communications Magazine, 2017, 55(5): 80–87.

[16]
苟建国, 吕高锋, 孙志刚, 等. 网络功能虚拟化技术综述 [J]. 计 算机工程与科学, 2019, 41(2): 260–267. Gou J G, Lyu G F, Sun Z G, et al. Review on network virtualization technology [J]. Computer Engineering & Science, 2019, 41(2): 260–267.

[17]
郝爽, 李国良, 冯建华, 等. 结构化数据清洗技术综述 [J]. 清华 大学学报(自然科学版), 2018, 58(12): 1037–1050. Hao S, Li G L, Feng J H, et al. Survey of structured data cleaning methods [J]. Journal of Tsinghua University (Science and Technology), 2018, 58(12): 1037–1050.

[18]
刘国龙, 赵俊华, 文福拴, 等. 面向配用电侧负荷数据的深度 端到端超分辨率感知方法 [J].电力系统自动化, 2020, 44(24): 28–35. Liu G L, Zhao J H, Wen F S, et al. Deep end-to-end superresolution perception method for load data at distribution side [J]. Automation of Electric Power Systems, 2020, 44(24): 28–35.

[19]
Gupta S, Kar A K, Baabdullah A, et al. Big data with cognitive computing: A review for the future [J]. International Journal of Information Management, 2018, 42: 78–89.

[20]
高强, 张凤荔, 王瑞锦, 等. 轨迹大数据:数据处理关键技术研究 综述 [J]. 软件学报, 2017, 28(4):959–992. Gao Q, Zhang F L, Wang R J, et al. Trajectory big data: A review of key technologies in data processing [J]. Journal of Software, 2017, 28(4): 959–992.

[21]
冯贵兰, 李正楠, 周文刚. 大数据分析技术在网络领域中的研究 综述 [J]. 计算机科学, 2019, 46(6): 1–20. Feng G L, Li Z N, Zhou W G. Research on application of big data analysis in network [J]. Computer Science, 2019, 46(6): 1–20.

[22]
王国法, 范京道, 徐亚军, 等. 煤炭智能化开采关键技术创新进 展与展望 [J].工矿自动化, 2018, 44(2): 5–12. Wang G F, Fan J D, Xu Y J, et al. Innovation progress and prospect on key technologies of intelligent coal mining [J]. Industry and Mine Automation, 2018, 44(2): 5–12.

[23]
高文. 煤矿监控类系统远程故障分析平台 [J]. 工矿自动化, 2019, 45(2): 105–108. Gao W. Remote fault analysis platform of coal mine monitoring [J]. Industry and Mine Automation, 2019, 45(2): 105–108.

[24]
舒胜, 谢应明, 杨文宇, 等. 光伏发电预测方法研究进展[J]. 热能 动力工程, 2020, 35(11): 1–11. Shu S, Xie Y M, Yang W Y, et al. A review of photovoltaic power generation forecasting methods [J]. Journal of Engineering for Thermal Energy and Power, 2020, 35(11): 1–11.

[25]
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 T, Zhao L Y, Wang C S. Review on application of artificial intelligence in power system and integrated energy system [J]. Automation of Electric Power Systems, 2019, 43(1): 2–14.

[26]
王国法, 赵国瑞, 任怀伟. 智慧煤矿与智能化开采关键核心技术 分析 [J]. 煤炭学报, 2019, 44(1): 34–41. Wang G F, Zhao G R, Ren H W. Analysis on key technologies of intelligent coal mine and intelligent mining [J]. Journal of China Coal Society, 2019, 44(1): 34–41.

[27]
Li Z, Barenji A V, Huang G Q. Toward a blockchain cloud manufacturing system as a peer to peer distributed network platform [J]. Robotics and Computer-integrated Manufacturing, 2018, 54: 133–144.

[28]
张妍, 王龙泽, 吴靖, 等. 区块链与综合能源系统:应用及展望 [J]. 中国科学基金, 2020, 34(1): 31–37. Zhang Y, Wang L Z, Wu J, et al. Blockchain and integrated energy system: application and prospect [J]. Bulletin of National Science Foundation of China, 2020, 34(1): 31–37.

[29]
孙继平. 煤矿智能化与矿用5G和网络硬切片技术 [J]. 工矿自动 化, 2021, 47(8): 1–6. Sun J P. Coal mine intelligence, mine 5G and network hard slicing technology [J]. Industry and Mine Automation, 2021, 47(8): 1–6.

[30]
范京道, 闫振国, 李川. 基于5G技术的煤矿智能化开采关键技术 探索 [J]. 煤炭科学技术, 2020, 48(7): 92–97. Fan J D, Yan Z G, Li C. Exploration of intelligent coal mining key technology based on 5G technology [J]. Coal Science and Technology, 2020, 48(7): 92–97.

[31]
蒋星星, 李春香. 2013—2017年全国煤矿事故统计分析及对策 [J]. 煤炭工程, 2019, 51(1): 101–105. Jiang X X, Li C X. Statistical analysis on coal mine accidents in China from 2013 to 2017 and discussion on the countermeasures [J]. Coal Engineering, 2019, 51(1): 101–105.

[32]
冯帆, 于娟, 张曜, 等. 水煤浆快速热解特性及影响因素研究 [J/ OL]. 热能动力工程, 2021(11): 133–140 (2021-12-02) [2021-12- 15]. https://doi. org/10. 16146/j. cnki. rndlgc. 2021. 11. 019. Feng F, Yu J, Zhang Y, et al. Study on characteristics and influencing factors of coal-water slurry pyrolysis [J/OL]. Journal of Engineering for Thermal Energy and Power, 2021(11): 133–140 (2021-12-02) [2021-12-15]. https://doi. org/10. 16146/j. cnki. rndlgc. 2021. 11. 019.

[33]
Wang Z, Wang Z, Xu G, et al. Sustainability assessment of straw direct combustion power generation in China: From the environmental and economic perspectives of straw substitute to coal [J]. Journal of Cleaner Production, 2020, 273: 122890.

[34]
杨慧琴, 孙磊, 赵西超. 基于区块链技术的互信共赢型供应链信 息平台构建 [J]. 科技进步与对策, 2018, 35(5): 21–31. Yang H Q, Sun L, Zhao X C. Build mutual trust supply chain information system based on blockchain [J]. Science & Technology Process and Policy, 2018, 35(5): 21–31.

[35]
Li M, Duan Y, He X, et al. Image positioning and identification method and system for coal and gangue sorting robot [J]. International Journal of Coal Preparation and Utilization, 2020: 1–19.

[36]
杨辉明, 雷勇. 基于改进马尔科夫链的风电日前不确定性建模 方法 [J]. 南方电网技术, 2021, 15(7): 54–60. Yang H M, Lei Y. Day-ahead uncertainty simulation method of wind power based on improved markov chain [J]. Southern Power System Technology, 2021, 15(7): 54–60.

[37]
舒胜, 谢应明, 杨文宇, 等. 光伏发电预测方法研究进展 [J]. 热 能动力工程, 2020, 35(11): 1–11. Shu S, Xie Y M, Yang W Y, et al. A review of photovoltaic power generation forecasting methods [J]. Journal of Engineering for Thermal Energy and Power, 2020, 35(11): 1–11.

[38]
谭征. 区块链视角下物流供应链重构研究 [J]. 商业经济研究, 2019 (5): 83–86. Tan Z. Reformation of logistic supply chain on the aspect of blockchain technology [J]. Journal of Commercial Economics, 2019 (5): 83–86.

[39]
Zhang J, Wang Z, Liu S, et al. Prediction of hydrate deposition in pipelines to improve gas transportation efficiency and safety [J]. Applied Energy, 2019, 253: 113521.

[40]
刘云鹏, 许自强, 李刚, 等. 人工智能驱动的数据分析技术在电 力变压器状态检修中的应用综述 [J]. 高电压技术, 2019, 45(2): 337–348. Liu Y P, Xu Z Q, Li G, et al. Review on applications of artificial intelligence driven data analysis technology in condition based maintenance of power transformers [J]. High Voltage Engineering, 2019, 45(2): 337–348.

[41]
侯仁政, 张岩, 张小易, 等. 基于多源数据融合的电力系统故障 诊断与评估平台开发 [J]. 机电工程, 2017, 34(10):1173–1179. Hou R Z, Zhang Y, Zhang X Y, et al. Power system fault diagnosis and evaluation platform based on multi-source data fusion [J]. Journal of Mechanical & Electrical Engineering, 2017, 34(10): 1173–1179.

[42]
黄山, 吴振升, 任志刚, 等. 电力智能巡检机器人研究综述 [J]. 电 测与仪表, 2020, 57(2): 26–38. Huang S, Wu Z S, Ren Z G, et al. Review of electric power intelligent inspection robot [J]. Electrical Measurement & Instrumentation, 2020, 57(2): 26–38.

[43]
Marinakis V, Doukas H, Tsapelas J, et al. From big data to smart energy services: An application for intelligent energy management [J]. Future Generation Computer Systems, 2020, 110: 572–586.

[44]
Zhang Y, Ma S, Yang H, et al. A big data driven analytical framework for energy-intensive manufacturing industries [J]. Journal of Cleaner Production, 2018, 197: 57–72.

[45]
Yang T, Zhao L, Li W, et al. Towards healthy and cost-effective indoor environment management in smart homes: A deep reinforcement learning approach[J]. Applied Energy, 2021, 300:117335.

[46]
Devlin M A, Hayes B P. Non-intrusive load monitoring and classification of activities of daily living using res-idential smart meter data[J]. IEEE Transactions on Consumer Electronics, 2019, 65(3): 339-348.

[47]
Suoniemi S, Meyer-Waarden L, Munzel A, et al. Big data and firm performance: The roles of market-directed capabilities and business strategy [J]. Information & Management, 2020, 57(7): 103365.

[48]
郭庆来, 王博弘, 田年丰, 等. 能源互联网数据交易:架构与关键 技术 [J]. 电工技术学报, 2020, 35(11): 2285–2295. Guo Q L, Wang B H, Tian N F, et al. Data transactions in Energy Internet: Architecture and key technologies [J]. Transactions of China Electrotechnical Society, 2020, 35(11): 2285–2295.

[49]
杨锦春, 刘慧. 能源互联网的资源配置效应研究 [J]. 技术经济 与管理研究, 2020 (1): 109–113. Yang J C, Liu H. Research on resource allocation effect of energy internet [J]. Journal of Technical Economics & Management, 2020 (1): 109–113.

[50]
Thakur S, Breslin J G. Peer to peer energy trade among microgrids using blockchain based distributed coalition formation method [J]. Technology and Economics of Smart Grids and Sustainable Energy, 2018, 3(1): 1–17.

[51]
Kim Y M, Jung D, Chang Y, et al. Intelligent micro energy grid in 5G era: Platforms, business cases, testbeds, and next generation applications [J]. Electronics, 2019, 8(4): 468.

[52]
刘永辉, 张显, 孙鸿雁, 等. 能源互联网背景下电力市场大数据 应用探讨 [J]. 电力系统自动化, 2021, 45(11): 1–10. Liu Y H, Zhang X, Sun H Y, et al. Discussion on application of big data in electricity market in background of energy internet [J]. Automation of Electric Power Systems, 2021, 45(11): 1–10.

[53]
王湘军, 庞尚尚. 新技术赋能市场监管智能化:图景、障碍与进 路 [J]. 行政论坛, 2021, 28(3): 107–116. Wang X J, Pang S S. Intelligence empowerment of market regulatory by new technology [J]. Administrative Tribune, 2021, 28(3): 107–116.

[54]
陈冬勤, 常鹏飞, 彭阿辉, 等. 基于物联网的高速公路建设期环 境保护监管系统设计 [J]. 无线电工程, 2020, 50(4): 280–284. Chen D Q, Chang P F, Peng A H, et al. Design of environmental protection supervision system in highway construction based on internet of things [J]. Radio Engineering, 2020, 50(4): 280–284.

[55]
王国法, 任怀伟, 赵国瑞, 等. 煤矿智能化十大“痛点”解析及对 策 [J]. 工矿自动化, 2021, 47(6): 1–11. Wang G F, Ren H W, Zhao G R, et al. Analysis and countermeasures of ten pain points of intelligent coal mine [J]. Industry and Mine Automation, 2021, 47(6): 1–11.

[56]
马小平, 杨雪苗, 胡延军, 等. 人工智能技术在矿山智能化建设 中的应用初探 [J]. 工矿自动化, 2020, 46(5): 8–14. Ma X P, Yang X M, Hu Y J, et al. Preliminary study on application of artificial intelligence technology in mine intelligent construction [J]. Industry and Mine Automation, 2020, 46(5): 8–14.

[57]
路亚彬, 张新晓, 马良俊, 等. 危险化学品装卸运输一体化安全 风险预警平台设计与研究 [J]. 中国安全生产科学技术, 2019, 15(5): 179–184. Lu Y B, Zhang X X, Ma L J, et al. Design and research of integrated safety risk early warning platform for hazardous chemicals handling and transportation [J]. Journal of Safety Science and Technology, 2019, 15(5): 179–184.

[58]
庞义辉, 王国法, 任怀伟. 智慧煤矿主体架构设计与系统平台建 设关键技术 [J]. 煤炭科学技术, 2019, 47(3): 35–42. Pang Y H, Wang G F, Ren H W. Main structure design of intelligent coal mine and key technology of system platform construction [J]. Coal Science and Technology, 2019, 47(3): 35–42.

[59]
孙秋野, 杨凌霄, 张化光. 智慧能源—人工智能技术在电力系统 中的应用与展望 [J]. 控制与决策, 2018, 33(5): 938–949. Sun Q Y, Yang L X, Zhang H G. Smart energy: Applications and prospects of artificial intelligence technology in power system [J]. Control and Decision, 2018, 33(5): 938–949.

[60]
李彬, 覃秋悦, 祁兵, 等. 基于区块链的分布式能源交易方案设 计综述 [J]. 电网技术, 2019, 43(3): 961–972. Li B, Qin Q Y, Qi B, et al. Design of distributed energy trading scheme based on blockchain [J]. Power System Technology, 2019, 43(3): 961–972.

Outlines

/