中國儲能網訊：最近越來越多的朋友開始關注EMS，也討論了一些，這里簡單總結一下：
什么是EMS
大家理解的EMS各有千秋。
最狹義的EMS，也是歷史最悠久，學術概念最清晰的：
1、輸電網調度專業(yè)的EMS系統(tǒng)；
2、以220kV及以上電壓等級的網絡節(jié)點為計算對象，網絡較為復雜，對計算速度和計算精度都有較高要求；
3、側重于電力系統(tǒng)的安全穩(wěn)定運行，包括暫態(tài)和穩(wěn)態(tài)分析，考慮各種復雜情況如N-1；
4、與調度自動化SCADA系統(tǒng)融合；
5、與電力市場化結合，在穩(wěn)定計算的基礎上，考慮經濟調度需求；
6、除了少數(shù)電力大用戶之外，關注電力用戶的負荷側需求較少；
較為廣義的EMS
1、包括配電網EMS、微電網EMS、企業(yè)EMS等；
2、網絡節(jié)點數(shù)量少，網絡拓撲較為簡單，計算量和收斂速度較快；
3、側重于穩(wěn)態(tài)分析，大多數(shù)微電網目前也更多關注隨網場景（如源網荷儲一體化微電網），孤島運行的微電網較少；
4、電壓等級越低，與自動化系統(tǒng)的結合程度也越低；
5、多目標的需求更為強烈，在穩(wěn)態(tài)控制的基礎上，考慮靈活負荷調度、綠電消納最大化、現(xiàn)貨電價的實時跟隨、光伏-儲能收益率的最優(yōu)化、電池全壽命成本的優(yōu)化等多個目標，對EMS的高級分析提出不同的需求；
6、部分場景更關注負荷側的需求和管理；
最廣義的EMS
1、考慮多種能源的協(xié)同，是能源網絡管理，如能源微網；
2、“營配調”多業(yè)務的融合，比如設備資產管理、客戶銷售管理、電費電價管理、交易管理、能源優(yōu)化調度只是其中一個模塊；
3、電壓等級較低，主要是10kV～0.4kV；
4、電力網絡結構簡單，偏重于穩(wěn)態(tài)分析和多目標優(yōu)化；
5、熱網、暖通管網、氣網、氫網的能量管理，以及電-熱-氣-氫網絡間的最優(yōu)調度，復雜度較高；
6、與終端用戶、終端用能設備之間深入協(xié)同，甚至要考慮企業(yè)內部的低壓回路的監(jiān)測和管理；
EMS的層級
不同的EMS之間的關系，如下圖所示：
1、電網系統(tǒng)級
包括面向輸電網的調度EMS，與配電網EMS/DMS，歷史最悠久，功能最全面，技術最成熟；
2、園區(qū)系統(tǒng)級
面向園區(qū)能源管理部門的C-EMS（Community-EMS）,偏向于園區(qū)的微電網或者能源網絡管理；
3、用戶系統(tǒng)級
工廠F-EMS（Factory-EMS）、建筑EMS（Building-EMS）、家庭EMS（Home-EMS），以微電網為主要管理對象，結合源網荷儲一體化的需求，并部分考慮熱電（暖通-電氣）耦合；
4、設備子系統(tǒng)級
比如光伏系統(tǒng)的能量監(jiān)測（一般作為光伏管理系統(tǒng)的一部分），儲能系統(tǒng)的能量管理EMS；
不同層級的EMS，雖然都是EMS，但是應用場景、使用對象，應用需求、技術實現(xiàn)路徑都不太一樣，不能混為一談。
比如：用儲能系統(tǒng)的EMS邏輯，套到用戶微電網EMS系統(tǒng)，做出來的東西，功能就會走樣。
EMS的定位
EMS是電力系統(tǒng)的頭腦（電力系統(tǒng)包從特高壓輸電網，一直到0.4kV的微電網、納電網），頭腦包括小腦和大腦。
EMS的小腦功能，即負責電力系統(tǒng)運行協(xié)調，也就是輸出控制指令，指揮自動化系統(tǒng)和各類控制終端，使得系統(tǒng)穩(wěn)定在某一運行狀態(tài)，或者進行狀態(tài)之間的動態(tài)切換。
EMS的大腦功能，即進行管理、分析、預測（仿真），確定運行的策略。
EMS的趨勢
以前的電力系統(tǒng)，以集中式電源+輸電網系統(tǒng)運行穩(wěn)定為主，所以輸電網EMS最早發(fā)展起來，配網的智能化和自動化水平較低，可以說是“一個集中式頭腦”的階段。
隨著新型電力系統(tǒng)的出現(xiàn)，大量分布式電源、分布式儲能和可調節(jié)負荷在負荷側并網，一個大腦的模式很難適應，慢慢地變成類似章魚的一個集中頭腦+多個分布式頭腦+多個運動中樞的協(xié)作模式。
輸電網的EMS智能化、配電網的EMS、微電網的EMS，甚至需要另一個EMS去協(xié)調配電網和微電網群之間的能量平衡和交換過程。
出現(xiàn)了“分層-分區(qū)-分群”的趨勢，和“局部自治-動態(tài)自愈-自下而上”的智能化趨勢。
傳統(tǒng)的EMS+SCADA的技術模式也很難適應上述的趨勢，于是需要新一代的多目標、多價格、多代理、多場景、多角色的能源互聯(lián)網數(shù)字化架構。
哪怕在傳統(tǒng)的EMS應用中，基于復雜電力網絡的負荷預測、狀態(tài)估計、潮流分析，也出現(xiàn)了基于機器學習識別和預測的應用。
在同樣是非線性復雜系統(tǒng)的數(shù)值氣象預報領域，機器學習算法的預測準確度相較經典預測算法有了一定的提高。
如果再結合固態(tài)開關、電力電子變壓器（變流器）、電力電子型負荷（如變頻器），這些可快速切換和調整的電力元器件的逐步普及，
一個算力定義電力，算力-電力深度融合的時代，正在到來。
