跳到主内容

v0.34.0 版本说明

EnerOS v0.34.0

发布日期：2026-03-21
版本代号：Adapt
Git Tag：v0.34.0
支持状态：稳定（Stable）
Crate 总数：72（新增 6 个）
测试用例数：9300+（新增 700）

概述

EnerOS v0.34.0「Adapt」是自适应调度专题版本，将电网调度从「预设策略 + 人工干预」升级为「拓扑感知 + 实时优化 + 自动调整」的自适应调度体系。本版本基于 v0.31.0 的 AI Agent 能力与 v0.32.0 的 ML 运行时，构建了能够根据电网运行状态、负荷变化、新能源波动动态调整调度策略的智能调度内核。

Adapt 版本的核心设计哲学是「拓扑即策略」——调度策略不再是固定的规则表，而是从电网拓扑、设备状态、约束边界中实时推导出来的。当拓扑发生变化（开关操作、设备投退、新能源接入）时，调度策略会自动重新计算并下发，无需人工重新配置。这使得 EnerOS 能够应对高比例新能源接入带来的拓扑频繁变更与潮流双向流动。

本版本引入五大核心能力：自适应调度引擎、动态拓扑感知、负载均衡器、优化调度策略库、实时调整执行器。所有能力均通过 eneros-adapt、eneros-adapt-topology、eneros-adapt-balance、eneros-adapt-strategy、eneros-adapt-executor 五个新 crate 实现。

关键数据

指标数值说明
调度策略计算延迟45ms1000 节点
拓扑变更响应< 200ms策略重算
新能源消纳率提升8.3%对比固定策略
线路负载均衡度0.92Gini 系数
新增 Crate6调度相关
新增测试700+含 110 个端到端

新特性

1. 自适应调度引擎

新增 eneros-adapt crate，提供内核原生的自适应调度引擎，替代传统的固定策略调度器。引擎以电网拓扑、实时潮流、负荷预测、约束边界为输入，输出最优的发电出力分配与潮流控制指令。

调度优化目标

目标权重说明
经济性30%发电成本最小化
安全性25%约束裕度最大化
新能源消纳20%弃风弃光最小化
网损15%传输损耗最小化
均衡性10%线路负载均衡

调度引擎 API

use eneros_adapt::{AdaptiveScheduler, ScheduleConfig, Objective};

let scheduler = AdaptiveScheduler::new(&ctx)
    .config(ScheduleConfig {
        objective: Objective::MultiObjective {
            economic: 0.30,
            safety: 0.25,
            renewable: 0.20,
            loss: 0.15,
            balance: 0.10,
        },
        horizon: Duration::minutes(15),
        resolution: Duration::minutes(5),
        solver: Solver::InteriorPoint,
        max_iter: 200,
        tolerance: 1e-6,
    })
    .build().await?;

// 执行自适应调度
let schedule = scheduler.optimize().await?;

println!("调度方案:");
for unit in &schedule.generator_dispatch {
    println!("  {} -> {:.1} MW (成本: {:.2} 元/MWh)",
        unit.bus_id, unit.target_mw, unit.cost);
}
println!("总发电成本: {:.0} 元", schedule.total_cost);
println!("新能源消纳率: {:.1}%", schedule.renewable_utilization * 100.0);
println!("最大线路负载率: {:.1}%", schedule.max_line_loading * 100.0);

调度周期

周期时间尺度触发条件优化范围
超短期5-15 分钟实时全网
短期15 分钟-4 小时定时/事件电气岛
中期4-24 小时定时区域
长期1-7 天日级系统

2. 动态拓扑感知

新增 eneros-adapt-topology crate，使调度引擎能够实时感知拓扑变更并自动重算策略。当开关操作、设备投退、故障隔离导致拓扑变化时，调度策略在 200ms 内完成重算与下发。

拓扑变更响应

use eneros_adapt_topology::{TopologyAwareScheduler, TopologyEvent};

let topo_scheduler = TopologyAwareScheduler::new(&scheduler, &network);

// 订阅拓扑变更事件
network.on_event(|event: TopologyEvent| {
    match event {
        TopologyEvent::SwitchOpened(switch_id) => {
            // 开关断开，可能改变电气岛结构
            topo_scheduler.trigger_recompute(
                Reason::TopologyChange,
                Priority::High,
            );
        }
        TopologyEvent::GeneratorTripped(bus_id) => {
            // 发电机跳闸，紧急重新调度
            topo_scheduler.trigger_recompute(
                Reason::GeneratorLoss(bus_id),
                Priority::Critical,
            );
        }
        TopologyEvent::RenewableSurge(bus_id, mw) => {
            // 新能源出力突增，调整消纳策略
            topo_scheduler.trigger_recompute(
                Reason::RenewableSpike(bus_id, mw),
                Priority::Medium,
            );
        }
        _ => {}
    }
});

电气岛感知调度

// 调度引擎感知电气岛边界，避免跨岛调度
let islands = network.topology().find_islands();

for island in &islands {
    let island_schedule = scheduler.optimize_island(island).await?;
    // 岛内自平衡，必要时通过联络线支援
}

拓扑变更场景

场景响应策略延迟
开关操作重算电气岛、重平衡< 200ms
发电机跳闸紧急切负荷/调配备用< 100ms
线路故障故障隔离、负荷转移< 150ms
新能源接入更新消纳策略< 500ms
设备投退调整可调资源池< 300ms

3. 负载均衡器

新增 eneros-adapt-balance crate，在调度优化中显式考虑线路负载均衡，避免单一线路过载而其他线路轻载。

均衡算法

算法原理适用场景
均匀分配按线路容量比例分配常规
加权最小负载选择剩余容量最大的路径实时
拓扑优化调整开关状态改变潮流分布计划
灵敏度法基于发电转移分布因子优化

负载均衡 API

use eneros_adapt_balance::{LoadBalancer, BalanceConfig, BalanceMetric};

let balancer = LoadBalancer::new(&ctx)
    .config(BalanceConfig {
        metric: BalanceMetric::GiniCoefficient,
        target: 0.90,        // 目标 Gini 系数
        max_loading: 0.85,   // 单线最大负载率
        sensitivity: true,   // 启用灵敏度分析
    })
    .build().await?;

// 计算当前均衡度
let balance = balancer.evaluate(&network).await?;
println!("当前 Gini 系数: {:.3}", balance.gini);
println!("最大负载率: {:.1}%", balance.max_loading * 100.0);
println!("过载线路: {:?}", balance.overloaded_lines);

// 生成均衡建议
let suggestions = balancer.suggest(&network).await?;
for s in &suggestions {
    println!("建议: {} (预计改善 {:.1}%)",
        s.description, s.improvement);
}

4. 优化调度策略库

新增 eneros-adapt-strategy crate，内置多种电力领域经典调度策略，支持策略组合与动态切换。

策略矩阵

策略类型适用场景计算复杂度
经济调度（ED）经典常规运行低
最优潮流（OPF）经典精细化运行中
联合调度（UC）经典日前计划高
深度强化学习AI复杂场景中（推理）
模糊控制智能不确定场景低
多目标帕累托优化决策支持高

策略选择与切换

use eneros_adapt_strategy::{StrategyRegistry, Strategy, StrategySelector};

let mut registry = StrategyRegistry::new();
registry.register(Strategy::economic_dispatch())?;
registry.register(Strategy::optimal_power_flow())?;
registry.register(Strategy::reinforcement_learning("rl-dqn-v2"))?;
registry.register(Strategy::multi_objective_pareto())?;

// 动态策略选择器
let selector = StrategySelector::new()
    .rule(|ctx| {
        if ctx.renewable_ratio > 0.4 {
            Strategy::reinforcement_learning("rl-dqn-v2")  // 高新能源比例用 RL
        } else if ctx.has_congestion {
            Strategy::optimal_power_flow()  // 拥塞时用 OPF
        } else {
            Strategy::economic_dispatch()   // 常规用 ED
        }
    });

// 自动选择并执行
let strategy = selector.select(&ctx).await?;
let schedule = strategy.execute(&ctx).await?;

策略评估对比

// 对比不同策略的效果
let comparison = registry.compare_all(&ctx).await?;

println!("策略对比:");
println!("{:<20} {:<10} {:<10} {:<10} {:<10}",
    "策略", "成本(元)", "消纳率", "网损", "均衡度");
for result in &comparison {
    println!("{:<20} {:<10.0} {:<10.1}% {:<10.2} {:<10.3}",
        result.strategy_name, result.cost,
        result.renewable_pct, result.loss_mw, result.gini);
}

5. 实时调整执行器

新增 eneros-adapt-executor crate，将调度策略转化为可执行的设备控制指令，并实时监控执行效果形成闭环。

执行闭环

use eneros_adapt_executor::{Executor, ExecutionResult};

let executor = Executor::new(&ctx)
    .max_ramp_rate(0.05)   // 每分钟最大调整 5%
    .dead_band(0.02)       // 2% 死区
    .feedback_loop(true)   // 启用闭环反馈
    .build().await?;

// 执行调度方案
let result = executor.execute(&schedule).await?;

match result {
    ExecutionResult::Success => {
        println!("调度方案执行完成");
    }
    ExecutionResult::Partial(failures) => {
        for f in &failures {
            println!("设备 {} 执行失败: {}", f.bus_id, f.reason);
        }
        // 自动回退到上一可行方案
        executor.rollback().await?;
    }
    ExecutionResult::Rejected(reason) => {
        println!("方案被约束引擎拒绝: {}", reason);
    }
}

执行安全约束

约束说明默认值
爬坡率发电机出力变化速率5%/min
死区最小调整量2%
延时设备动作间隔30s
并发同时调整设备数10
校验执行前约束预检强制

闭环反馈

// 执行后监控效果，偏差过大时自动修正
executor.on_feedback(|feedback| {
    let deviation = (feedback.actual - feedback.target).abs() / feedback.target;
    if deviation > 0.05 {
        // 偏差超过 5%，触发修正
        executor.correct(feedback).await?;
    }
}).await?;

改进

  • 潮流计算：牛顿法求解器增加稀疏矩阵预处理，118 节点计算从 32ms 降至 18ms
  • 约束引擎：新增暂态稳定约束，支持 3 秒动态安全校验
  • 时序引擎：实时数据写入支持 WAL 异步刷盘，吞吐提升 30%
  • Agent 运行时：调度 Agent 支持优先级抢占，紧急任务可中断低优先级
  • 可观测性：调度链路全流程追踪，支持方案回放与对比

Bug 修复

  • 修复 eneros-adapt 在多电气岛场景下岛间功率交换计算错误的问题（#3404）
  • 修复 eneros-adapt-topology 拓扑变更事件在并发场景下丢失的问题（#3410）
  • 修复 eneros-adapt-balance Gini 系数计算在单线路场景下除零错误（#3416）
  • 修复 eneros-adapt-strategy 策略选择器在高新能源比例下频繁切换的问题（#3422）
  • 修复 eneros-adapt-executor 爬坡率限制在多设备并发时未正确应用的问题（#3428）

破坏性变更

  • AdaptiveScheduler::optimize：返回类型从 Schedule 改为 Result<Schedule>
  • Strategy trait：新增 evaluate 方法，需实现效果评估
  • Executor::execute：参数从 &Schedule 改为 &SchedulePlan

升级指南

  1. 更新 Cargo.toml 中的 eneros 依赖至 0.34.0
  2. 运行 eneros adapt init 初始化自适应调度配置
  3. 在 eneros.toml 中配置调度策略与安全参数
  4. 参考 eneros adapt benchmark 评估新旧策略效果

致谢

感谢 30 位贡献者提交的 450+ 个 commit，以及调度自动化专家提供的策略验证。

在 GitHub 上编辑此页