深度｜园区能源互联网多能源协同优化配置发展构想

摘要：园区能源互联网是低碳经济背景下开展多能源协同利用与综合能源服务的最佳应用场景之一，对推动中国能源结构的优化与调整具有重要的战略意义。介绍了园区能源互联网的基本概念，剖析了园区能源互联网的主要特征与功能特点，并列举了国内外典型园区能源互联网示范工程的建设目标、内容与应用效果;通过分析传统园区供用能系统存在的不足，指出园区能源互联网规划面临的关键技术难题，提出系统化的园区能源互联网规划方法的理论框架以及关键要素，应从系统优化配置、信息平台、多能源互动3个方面进行工程实践建设，并提出了相应的建设思路与原则。

关键词：园区能源互联网 分布式能源 综合能源服务 优化配置 工程实践

引言

现代社会的发展使得能源需求日益增加，能源与环境之间的矛盾日益突出，可持续发展战略目标面临严峻挑战[1]。园区能源互联网(park energy internet，PEI)[2-3]，由于具有清洁能源利用、能源综合利用效率高等特征，受到广泛关注且发展迅速。

PEI具有较高的灵活性，可将各类型分布式能源、负荷、储能等装置以及控制系统进行有效集成，满足用户各类能源需求。对PEI内部各单元进行优化配置，对PEI内多种能源互补和可再生能源的充分消纳利用，降低系统运行成本具有重要支撑意义。然而，由于PEI的能源输入、输出方式多样，且涉及复杂的能源转换，亟需新的优化配置理论。目前，关于PEI优化配置理论的研究已取得了一定的成果，并开发了相应的设计软件，如美国新能源国家实验室(NREL)开发的HOMER模型及设计框架、Hybrid2模型及设计框架[4-7]，伯克利劳伦斯国家实验室(LBNL)开发的DER-CAM模型及设计框架[8]，加拿大政府资助开发的RetScreen模型及设计框架[9]，天津大学开发的PDMG双层优化模型及设计框架[10]、合肥工业大学研发的MGMEG模型及设计框架等[11]。不同优化配置模型具有各自不同的特点和适用范围，多数软件已在实际的示范工程建设中得到应用，并收到很好的应用效果。

现有的PEI在优化配置过程中多侧重于分析系统中电环节的需求，而将与之相关的其他能源环节(气/冷/热)以约束的形式纳入优化配置模型，在对设计方案的电力、热力、燃气、各类管网部分进行分析和故障校核时，还需单独调用相关算法进行计算，运算效率较低且能考虑的约束和场景都较为简单。考虑到PEI中的电、气、冷、热环节存在非常紧密的耦合关系，处理妥当与否关系到系统运行效果。因此，本文对PEI多能源协同优化深入探索，综合考虑PEI的功能特征，汲取国内外相关示范工程建设经验，分析PEI优化配置面临的关键问题，提出PEI优化配置方法理论框架，为系统规划人员提供PEI优化配置的整体解决思路。

1 园区能源互联网的内涵

1.1 基本概念与主要特征

目前并无针对PEI的内涵、特征以及技术内容的明确定义。本文定义的PEI是一种包含多类型可再生能源，集冷热电联供系统、电/冷/热储能系统、地源热泵系统等为一体的混合能源系统。PEI可充分挖掘冷/热等低品位能源对高品位电能的替代作用，实现能源梯级利用以提高能源利用效率;可通过系统内横向电、气、冷、热环节的优化利用，纵向多能流协同有效平抑高渗透率可再生能源引起的波动，从而提高可再生能源渗透率和用户的用能品质，降低用户的用能成本等。发展PEI对提高能源利用效率、减少环境污染、加强能源安全、优化能源结构起到积极的促进作用，为短期大幅减少化石能源的消耗提供有效的技术手段。PEI的典型构成如图1所示。

PEI的主要特征如下：(1)PEI可容纳多种分布式能源，且电、气、冷、热多能源系统联合运行，各能源系统之间存在较强的耦合性;(2)各类型DER利用比例高，随机出力波动性强，系统运行状态复杂多样;(3)具有多维、多态信息源融合、大数据、高并发、强互动、快变化等特征;(4)PEI内存在冷热电多种能源利用需求，用能品质要求高，供能路径丰富多样。

1.2 主要功能

PEI是容纳各种分布式能源，电气冷热多能源联合运行系统，其主要功能有：(1)通过电、气、冷、热不同能源的互补，能源生产、转换、传输、存储、利用环节的互动提高可再生能源的消纳能力与综合能源利用效率;(2)通过多品位能量梯级利用同时满足用户电、热、冷需求，可将能源综合利用率大幅提升至80%以上;(3)基于不同能源的互补替代潜力，利用协调控制手段，通过资源管理降低设备容量需求，提高能源利用效率，降低建设成本;(4)通过信息物理技术的应用来促进不同能源系统之间的融合，提升各方参与积极性，需要一种最优的运营模式提供综合能源服务的解决方案。

2 国内外园区能源互联网示范工程

2.1 国外园区能源互联网示范工程

2.1.1 欧洲

PEI建设最早起源于欧洲地区，主要是为实现可再生能源的集成利用与节能减排。其中，欧盟已经通过实施SAVE-II能效行动计划以推动PEI的发展[12]，在欧盟框架下众多科技项目(如Intelligent Energy、Trans-European Networks、Intelligent Energy、Edison、i-Next、Horizon 2020等)资助下，对PEI的配置、运行、控制、保护、运营模式等技术开展了深入研究，相继建立了包括德国科隆/波恩机场PEI、意大利都灵内燃机冷热电PEI、英国华为大学PEI、曼彻斯特机场冷热电联供PEI、Victorian时代宾馆PEI、丹麦的Bornholm PEI[13-15]等在内的一大批示范工程。欧洲PEI的主要运行方式是将各类型分布式清洁能源或可再生能源转换为电能后，汇集于交流母线，重点突出电能在不同能源利用形式中的核心地位，并研发了相应的分层控制策略、能量管理方法、保护方案等，以体现系统可靠性、可接入性和灵活性等特征，并借此向公众展示PEI在不同能源集成消纳方案中的优越性。

2.1.2 北美

美国有关PEI的建设在1978年美国颁布《公共事业政策管理法》后得到推广，并于2010年提出“CCHP 2010年纲领”[16-18]。美国现已建成以天然气分布式能源为主的PEI项目6000多处。美国政府将PEI的建设纳入长期建设目标，相应制定了具体的阶段规划目标：争取到2010年，20%的新建商用或办公建筑使用“分布式冷热电联产”供能系统;5%现有的商用写字楼改建成“分布式冷热电联产”系统。到2020年时，在50%的新建办公楼或商用楼群中，采用“分布式冷热电联产”系统，将15%现有建筑改建成“分布式热电联产”系统。在美国能源部(DOE)的支持下，美国电力可靠性技术协会(CERTS)、国家可再生能源实验室(NREL)、知名大学、跨国企业等众多机构，先后建设了许多PEI实验平台和示范工程，如：可口可乐工厂园区PEI、通用电气公司PEI、Waistfield PEI、San Ramon PEI、Walnut PEI、哥伦布Dolan技术中心微网、加州大学San Diego分校PEI等[19]，这些示范项目及相关研究重点关注PEI的组网方式、运行与控制策略;Sandia国家实验室PEI、劳伦斯伯克利国家实验室PEI、Santa Rita Jail PEI、Palmdale PEI、Fort Collins PEI、IIT PEI、Borrego Springs PEI、OkaRidge CCHP PEI、Maryland CCHP PEI[20]等则致力于多种能源高效利用，更多关心冷热电联供技术在PEI中所起作用。

加拿大政府启动的ICES(integrated community energy solutions)研究计划，重点关注PEI技术在各类社区供能环节的应用，特别强调各类分布式能源的集成利用和与社区公共设施(交通、医疗、通信等)的相互支撑。在ICES项目资助下，加拿大先后建立了包括Kasabonika PEI、Bella Coola PEI、Ramea PEI、Nemiah PEI、Quebec PEI、Utility PEI、Hydro Boston Bar PEI、Calgary PEI等在内的诸多示范工程，并计划在2020年前，在全国构建2 000余个PEI系统。

2.1.3 日本

日本在新能源产业技术综合开发机构(NEDO)的资助下，分别在Aichi、Kyoto、Hachinohe、Kyotango、Shimizu和Sendai等地建立了多项PEI示范工程[21]。主要利用从主结构对PEI进行控制，应用上层能量管理系统控制储能设备及分布式能源以平衡系统功率。此外，在日本JSCA(Japan Smart Community Alliance)协会倡导资助和包括Tokyo Gas在内的众多能源公司积极参与下，日本也在积极开展PEI供用技术的研究，其理念与加拿大ICES类似。

2.1.4 小结

欧洲PEI示范工程侧重于通过多能协同对可再生能源进行充分消纳;北美则更关注通过三联供技术提升能源综合利用效率;日本则突出多能互补能量管理的优化。世界各国均结合自身需求对PEI开展了广泛建设。然而，目前尚缺乏从经济性、能源利用率、供电可靠性、清洁性等不同角度进行综合考虑的工程。

2.2 国内园区能源互联网示范工程

中国PEI的建设开展较晚，但随着科技进步以及能源结构调整需求，PEI建设技术发展十分迅速[22]。国家发改委与能源局下发了《关于推进多能互补集成优化示范工程建设的实施意见》，明确指出要通过三联供、分布式可再生能源等方式，实现能源的梯级利用以提高利用率，其中PEI技术是其示范的重点方向。国家《可再生能源法》和《可再生能源中长期发展规划》已将冷热电联供技术列入重点发展领域。大量示范项目获得了建设和应用，如中新天津生态城动漫园PEI、天津大学滨海工业研究院PEI、上海浦东国际机场PEI、中电投高培中心PEI、申能能源中心PEI、广州大学城PEI、长沙黄花国际机场PEI、北京市燃气集团控制中心大楼PEI、上海交大紫竹园PEI、上海市北燃气公司PEI、中关村软件园区软件广场PEI等[23-26]。中国PEI发展迅猛，应用主要集中在经济发达的广州、上海、天津和北京等大城市。

中新天津生态城动漫园PEI是全国首例实现多种能源技术智能耦合高效利用的PEI，已在中新天津生态城投入运营[27-28]，该站有地源热泵、光伏发电等可再生能源技术，水蓄能、燃气三联供四大节能技术，实现了不同类型能源的充分利用，可满足动漫园内约24万m2公共建筑冷暖需求，每年可节约标准煤1 904 t、减少二氧化碳排放4 971 t、减少二氧化硫排放46 t、节约用水1万t。

国网客服中心北方园区能源互联网拥有光伏发电系统、地源热泵、冰蓄冷、太阳能空调系统、太阳能热水、储能6个子系统。园区各能源的优化调度均通过园区能源互联网运行调控平台实现，突破了以电能为单一外购能源的综合能源供应服务模式，能够有效落实“两个替代”和多能源互联应用。园区年平均可再生能源占比大于32%，最高达到了58%[29]。

3 园区能源互联网优化配置面临问题

PEI中的电、气、冷、热环节存在非常紧密的耦合关系，因此处理得当则可充分挖掘不同能源的互补替代能力，从而大大提升PEI运行特性和降低PEI运行成本。现有的PEI优化配置方法未能将电力环节其他能源环节(气、冷、热)以统一形式纳入优化配置模型，应用场景考虑相对单一，且缺乏可涵盖电、气、冷、热各环节的PEI优化配置综合评价指标体系。

总体来看，PEI的优化配置理论研究仍存在以下关键问题。

(1)多能耦合与运行机理复杂。对PEI而言，电、气、冷、热多类型能源耦合紧密，各类能源环节多时间尺度上的动态特性复杂，工况多变且呈现高度非线性。多能源供需不确定性和时空多尺度性的解析是优化配置方案设定的前提。

(2)规划目标多样化与动态化。多能源融合的特征使PEI优化配置目标变得更加多元化。不同能源环节在设备级、系统级均存在差异化运行目标及约束，不同用能主体间呈现博弈特性，需要明确PEI在生产运行中对能源利用效率的影响因素以及相关因素的作用机理，并在此基础上提出适用的多目标动态优化配置方法，来满足未来PEI多维度复杂规划要求。

(3)高度依赖于信息及通信系统。信息及通信系统主要用于信息的提取、存储与分析，是实现PEI多能源协同控制等基本功能的保证。传统PEI优化配置方法不考虑信息与通信系统，无法适应PEI的发展要求，目前仍缺乏适用于PEI信息与通信系统的优化配置方法。

(4)投资成本与效益的重新定义。不同能源设备及控制方法的使用改变了PEI的成本效益构成，与传统PEI的运维报废成本存在一定区别。因此，PEI优化和配置需要引入新的成本与效益分析方法。

(5)完善建模与仿真方法。当前PEI仿真分析软件虽然集成了DER建模工具，但模型库并不完善，仿真分析技术也无法适应PEI规划需要，亟需可综合考虑DER运行特征的建模与仿真工具，并对系统可能遇到的各种不确定性场景进行精细化运行模拟，可为优化配置提供边界约束信息，提升优化配置方案的多场景适用性。

总之，由于尚缺乏可综合考虑各种能源耦合的PEI优化配置理论体系及应用工具，该问题已成为制约PEI技术大范围推广应用的一个重要瓶颈，亟需得到解决。

4 PEI优化配置方法框架与发展构想

4.1 优化配置框架

PEI优化配置框架如图2所示，主要包括多尺度全工况动态综合建模方法、多场景模拟仿真技术、多目标动态规划方法以及对优化配置方案的评价。PEI优化配置的对象是多类型供/用/储能单元、控制设备、通信网络与能源管网的集合体。

4.1.1 PEI多尺度全工况动态综合建模方法

PEI多尺度全工况动态综合建模是优化配置的重要根基，适当的建模方法可以对PEI的运行特性进行描述。为此，建模工作将分为单元、网络以及系统3个层级：(1)在单元级，主要考虑PEI各供用储单元及可响应负荷的运行特点及互动机理，并进行综合建模;(2)在网络级，对PEI网络层的单元设备、控制系统、通信系统等进行综合建模;(3)在系统级，研究各类模型之间的数据接口技术，实现不同时间尺度下，各类模型之间的信息交互，完成PEI的集成建模。PEI多尺度全工况动态综合建模方法充分考虑设备的运行状态及约束条件，能够实现能源设备、能源管网以及通信网络的有效互联。

4.1.2 PEI优化配置的多场景模拟仿真技术

考虑到不同能源之间的互补优化特性、DER及可响应负荷的灵活性，构建PEI多能源协同负荷预测技术;建立PEI未来运行场景的模拟场景库以支撑PEI的优化配置决策，对于PEI运行场景的模拟技术能够充分考虑可再生能源的不确定性以及各类能源负荷复杂的多时间尺度特性;从可靠性、能源利用效率、经济性等方面对优化配置方案并进行评估，完善方案。

4.1.3 PEI多目标动态规划方法

PEI的优化配置需考虑电、气、冷、热多元系统的融合，优化目标以及约束条件的选择尤为重要。适用于PEI的多目标动态规划方法及智能求解方法将是研究的重点方向。由于PEI各阶段的运行状态差异明显，应针对系统不同阶段的运行特性相应调整优化配置方案，实现动态配置，确保方案与优化目标的一致性。

4.1.4 PEI优化配置方案的评价

考虑到用户开展PEI优化配置时，往往存在多样性需求，在生成初始配置方案时，会导致设计方案的多样性。要妥善处理PEI中的电、气、冷、热环节存在非常紧密的耦合关系，亟需建立可涵盖电、气、冷、热各环节的一套综合评价指标体系，覆盖经济性、清洁性、可靠性、综合能效、用户满足度等多种关键指标，从不同侧面评价配置方案的适用性，并重点关注PEI多元主体的博弈特征。由于各种能源之间耦合关系复杂，且PEI中很多因素难以量化或根本无法确切量化，在计算很多相关指标时，需要新的求解方法的支持。

4.2 发展构想

为适应综合能源服务业务的开展，未来PEI应着重在系统优化配置、信息平台、多能源互动等方面进行建设。

4.2.1 PEI系统优化配置

面向未来综合能源服务业务，综合考虑不同区域差异化特性以及多类型能源综合利用过程所产生的大量不确定、不精确、不可量化因素，提出PEI电、冷、热、气以及源-网-荷-储的一体化优化配置理论体系，搭建具备工程实用价值的优化配置平台，支撑综合能源服务，为后续运行优化服务提供硬件支撑。

4.2.2 PEI信息平台建设

PEI系统的优化配置依托于信息平台的建设。信息平台能够汇集不同信息系统，将PEI系统优化调度等核心基础数据进行集中管理，以保证数据的“及时性、准确性、完整性”，实现PEI建设及运维的全过程优化管理，为优质综合能源业务的开展提供全过程的数据支撑。

4.2.3 多能源融合业务

多能源融合是PEI应用的基础，后续将结合区域特征，针对具体PEI开展能源优选、能源设备选型配置、运营管理、运行维护、商业模式等全环节、全流程技术的研发，提升综合能源服务业务竞争力。

5 结语

未来PEI将成为能源互联网建设的主要形式。完善PEI优化配置方法，对于在绿色经济背景下开展综合能源服务，提高可再生能源利用水平，提升能源安全性、可靠性、经济性具有重要意义。本文深入分析了PEI的基本概念、主要特征与功能特点，并对国内外典型园区能源互联网示范工程的建设目标、内容与应用效果进行了评述，指出园区能源互联网在规划过程中存在的关键技术问题，进一步明确PEI多能源协同优化配置理论框架，同时指出PEI未来发展应从系统优化配置、信息平台、多能源互动等方面进行建设，并提出了建设思路与原则。

作者：

吴志力 , 杨卫红 , 原凯 , 宋毅 , 孙充勃 , 穆云飞 , 陈晚晴 , 王世举

参考文献

[1]LASSETER R H. Smart distribution: Coupled micro-grids[J]. Proceedings of the IEEE, 2011, 99(6): 1074-1082. DOI:10.1109/JPROC.2011.2114630 (1)

[2]杨苹, 陈滢, 张经纬, 等. 园区能源互联网能效评估指标体系研究[J]. 科技创新导报, 2017, 14(25): 157-160. (1)

[3]邓伟, 丁一, 王永惠, 等. 面向智慧园区的能源互联网架构研究[J]. 电子设计工程, 2018, 26(8): 110-113, 118.

DENG Wei, DING Yi, WANG Yonghui, et al. Research of the energy internet architecture for smart park[J]. Electronic Design Engineering, 2018, 26(8): 110-113, 118. (1)

[4]NAYAR C V. PHILLIPS S J, JAMES W L. et al. Novel wind/dicsel/battery hybrid energy system[J] Solar Energy, 1993. 51 (1): 65-78 (1)

[5]BARING-GOULD E I. The hybrid system simulation model user’s manual[R]. National Renewable Energy Laboratory, 1998 (0)

[6]亓伟, 耿世彬, 高虎衫. 基于HOMER仿真的太阳能混合发电系统设计[J]. 电工电气, 2011(8): 27-32.

QI Wei, GENG Shibin, GAO Hushan, et al. Design of hybrid power system with solar energy based on HOMER simulation[J]. Electrotechnics Electric, 2011(8): 27-32. (0)

[7]徐路, 冯平, 易斌, 等. 基于Hybrid2仿真的风光柴蓄复合发电系统设计与分析[J]. 电网与清洁能源, 2015, 31(1): 92-96.

XU Lu, FENG Ping, YI Bin, et al. Design and analysis of wind-solar-diesel-battery hybrid power generation system based on Hybrid2 simulation[J]. Power System and Clean Energy, 2015, 31(1): 92-96. (1)

[8]LBNL. Distributed energy resources customer adoption model (DER-CAM)[EB/OL]. (2012-05-12)[2018-03-15]. http://der.lbl.gov/der-cam. (1)

[9]LENG G J, 蔡学娣. 国际RETScreen~ (TM): 一种评估潜在的可再生能源计划的决策支持和能力培养工具[J]. 产业与环境, 2001(3): 22-23. (1)

[10]肖峻, 白临泉, 王成山, 等. 微网规划设计方法与软件[J]. 中国电机工程学报, 2012, 32(25): 149-157.

XIAO Jun, BAI Linquan, WANG Chengshan, et al. Method and software for planning and designing of microgrid[J]. Proceedings of the CSEE, 2012, 32(25): 149-157. (1)

[11]茆美琴, 丁明, 张榴晨, 等. 多能源发电微网实验平台及其能量管理信息集成[J]. 电力系统自动化, 2010, 34(1): 106-111.

MAO Meiqin, DING Ming, ZHANG Liuchen, et al. Testbed and information integration of EMS for a microgrid with multi-energy generation systems[J]. Automation of Electric Power Systems, 2010, 34(1): 106-111. (1)

[12]欧盟发布能效行动计划[J]. 中国经贸导刊, 2007(8): 52-53 (1)

[13]刘烨. 分布式冷热电联产系统的优化设计[D]. 北京: 华北电力大学, 2012 (1)

[14]李莹莹. 30 kW微燃机冷热电联供系统的性能研究[D]. 哈尔滨: 哈尔滨工业大学, 2012 (0)

[15]尤石, 宋鹏翔. 丹麦区域能源互联网发展综述[J]. 供用电, 2017, 34(12): 2-7.

YOU Shi, SONG Pengxiang. A review of development of integrated district energy system in Denmark[J]. Distribution & Utilization, 2017, 34(12): 2-7. (1)

[16]ZHANG X, SHAHIDEHPOUR M, ALABDULWAHAB A, et al. Optimal expansion planning of energy hub with multiple energy infrastructures[J]. IEEE Transactions on Smart Grid, 2015, 6(5): 2302-2311. DOI:10.1109/TSG.2015.2390640 (1)

[17]VERMESAN O, BLYSTAD L C, ZAFALON R, et al. Internet of energy connecting energy any-where anytime[M]. Berlin: Springer Berlin Heidelberg , 2011: 33-48 (0)

[18]胡小坚, 王忠平, 张雪梅, 等. 分布式天然气CCHP系统应用研究现状与前景[J]. 煤气与热力, 2011, 31(4): 4-9.

HU Xiaojian, WANG Zhongping, ZHANG Xuemei, et al. Application research status and prospect of distributed natural gas CCHP system[J]. Gas & Heat, 2011, 31(4): 4-9. (1)

[19]杨秀, 杨菲, 王瑞霄. 微电网实验与示范工程发展概述[J]. 华东电力, 2011, 39(10): 1599-1603.

YANG Xiu, YANG Fei, WANG Ruixiao. Development overview of microgrid laboratories and demonstration projects[J]. East China Electric Power, 2011, 39(10): 1599-1603. (1)

[20]胡小坚, 张雪梅, 蔡路茵. 冷热电三联供系统(CCHP)的优化研究进展[J]. 能源研究与管理, 2010(2): 13-16.

HU Xiaojian, ZHANG Xuemei, CAI Luyin. Recent research progress of optimization for combined cooling heating and power systems(CCHP)[J]. Energy Research and Management, 2010(2): 13-16. (1)

[21]华贲. 广州大学城分布式冷热电联供项目的启示[J]. 沈阳工程学院学报(自然科学版), 2009, 5(2): 97-102.

HUA Ben. An inspiration to Guangzhou university towns DES/CCHP project[J]. Journal of Shenyang Institute of Engineering(Natural Science), 2009, 5(2): 97-102. (1)

[22]GEIDL M, ANDERSSON G. Optimal power flow of multiple energy carriers[J]. IEEE Transactions on Power Systems, 2007, 22(1): 145-155. DOI:10.1109/TPWRS.2006.888988 (1)

[23]董朝阳, 赵俊华, 文福拴, 等. 从智能电网到能源互联网: 基本概念与研究框架[J]. 电力系统自动化, 2014, 38(15): 1-11.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart grid to energy internet: basic concept and research framwork[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. DOI:10.7500/AEPS20140613007 (1)

[24]李琼, 陈冠益, 郑雪晶, 等. 中新天津生态城动漫园冷热电联供系统优化[J]. 煤气与热力, 2012, 32(12): 25-29.

LI Qiong, CHEN Guanyi, ZHENG Xuejing, et al. Optimization of combined cooling, heating and power aystem for animation park in Sino-Singapore Tianjin Eco-city[J]. Gas & Heat, 2012, 32(12): 25-29. DOI:10.3969/j.issn.1000-4416.2012.12.008 (0)

[25]忻奇峰. 冷热电三联供系统在浦东国际机场的应用[J]. 电力需求侧管理, 2004(5): 40-42.

XIN Qifeng. Application of three union supply system in Pudong International Airport[J]. Power Demand Side Management, 2004(5): 40-42. (0)

[26]朱晓红. 中电投高培中心分布式供能系统的配置与优化[D]. 上海: 上海交通大学,2008 (1)

[27]许云洲. 中新天津生态城动漫产业园项目可行性研究[D]. 天津: 天津大学, 2010 (1)

[28]李琼. 天津中新生态城动漫园三联供能源系统优化分析[D]. 天津: 天津大学, 2012 (1)

[29]李思维, 李树泉. 一种以电能为中心的绿色复合型能源网设计 [J] 中国电力, 2015, 48(11): 117-122

LI Siwei, LI Shuquan. A composite green energy network design based on electric energy[J]. Electric Power, 2015, 48(11): 117-122 (1)