分散能源自治的能源系统建模综述

在优化过程中只考虑两个时间片（参见4.4.2)，以降低模型复杂度。在[60,76,104,106,111,124,144]中，不同的空间尺度被作为个案研究进行了比较，即家庭或居民的数量是不同的。然而，这些研究还没有提供关于能量自治ESS的最佳大小的指示。表8：根据世界银行[384]对案例研究在所审查文献中进行的国家进行的分类，以及在123份出版物中所占的份额。这一国家分类是根据人均国民总收入[384].收入组[384]人均国民总收入[384][$]国家和研究分享[%]低收入[0；1025）埃塞俄比亚[66、96]、卢旺达[144]、坦桑尼亚[140]、也门[31]中低收入（1025；3,995]孟加拉国[50,91,136]、喀麦隆[95,127]、埃及[113]、加纳[26,28]、印度[29,33,45-47,58,59,72,73,77,81,87,93,101,106,107,109,114,115,131,133]、印度尼西亚[32,120]、尼日利亚[27,137,139]、巴基斯坦[71,75,110]、菲律宾[98]、东帝汶[56]中上收入（3,995；12,375]阿尔及利亚[43,135]、巴西[118]、中国[69,80,82-84,130]、哥伦比亚[60]、古巴[132]、伊朗[25,34-36,41、61,63、65,68,88-90,125,126,128,129,141]、伊拉克[138]、马来西亚[62,64,119,121]、马尔代夫[55]、墨西哥[54]、土耳其[53]高收入（12,375；澳大利亚[40,57]、奥地利[117]、加拿大[38,39,105,122,145]、克罗地亚[51,79,116]、丹麦[52,100]、芬兰[104]、德国[30,70,78,92,94,124,146]、希腊[102,103]、香港[85,86,134]、爱尔兰[123]、意大利[44]、日本[143]、韩国[76]、阿曼[24]、沙特阿拉伯[42,108,142]、苏格兰[48]、瑞典[37]、瑞士[112]、阿拉伯联合酋长国[97,111]、美国（阿拉斯加）[49]12 4.2.2。在所有检讨的研究中，教育署的电力需求均包括在内。另一方面，只有30项（24%）或13项（11%）的研究考虑了供暖或制冷需求。正如在EA项目的第1节中已经指出的那样，这也表明了文献中对电力的关注。在大多数情况下，需求是基于事先确定或收集的时间序列。然而，也有一些EA案例研究的例子，如[30，92，124]，其中需求和负载配置文件是根据公开可用的数据自动确定的。第4.5节介绍了研究中使用的电和热生成技术。除了电和热之外，食品等其他需求产品也被间接考虑在内，例如通过土地使用竞争，如Schmidt等人所述。[117]。然而，在目前的文献综述中，只讨论了直接需求产品。这包括十项研究中考虑的对水的需求。在[28,46,47,63,93]中，这是由水泵的电力需求来考虑的。G.农用井。在[67,74,79,89]中，电子系统包含一个用于水蒸馏的海水淡化装置。在Fuentes-Cortés等人。[54]在分析中考虑了水与能源的关系，这意味着在能源供应中考虑了水的需求。在这种情况下，水的需求包括家庭淡水、用于调节热需求温度的水以及热电联产所需的副产品水。在优化模型的多目标函数中，水消耗与成本和土地利用一起包括在[54]中。因此，[54]特别指出了在未来关于自主性的研究中考虑水需求的一种合适的方法。这些研究[47、54、74、79]是考虑到所有三种需求（电、热和水）的唯一例子。4.2.3.消费部门在消费部门中，主要是住宅部门（102项研究；83%)，其次是商业部门（55项；45%)、工业部门（23项；19%）和运输部门（11项；9%）。

ES通常是为所有考虑的部门设计的。相比之下，在巴盖里等人。[38]住宅、商业和工业部门在单独的分析中加以审查。因此，工业部门的ES显示了在100%稀土的自治情况下最低的水平电力成本(LCOE)。虽然在偏远地区的研究中，有学校和医院的商业部门也很重要，但在市镇、城市、岛屿或较大地区的案例研究中，几乎只考虑较大的工业和运输部门。在[72，73]中，工业也被考虑在偏远的乡村。然而，它们被称为农村工业，在需求结构上可能更符合HIC的商业部门。有趣的一点是，在考虑热和工业的情况下，只有平衡的自治是分析的一部分。这可能是由于这样一个事实，例如，工业中的高温热量只能由特定的再发电厂产生，在完全自主的情况下，将与过高的成本相关联。对于住宅、商业和工业部门，通常在研究中提前了解需求。然而，为了考虑运输部门，采用了几种不同的方法。在[70,100,104,123]中，涵盖了传统车辆的固定燃料需求。在[51，52，116]中，电动汽车是在EnergyPLAN模型中考虑的。在Doroti'c等人案中。[51]克罗地亚Korcula岛上的所有车辆和渡轮13都被电力替代装置所取代。电动汽车不仅用作电池，还可以用于汽车到电网，即从电动汽车电池向电网供电。切雷等人。[116]分析克罗地亚杜布罗夫尼克市2020年、2030年和2050年不同电动汽车渗透率的三种情况。克拉贾奇奇等人。[79]和Oldenbroek等人。[99]在另一方面，包括燃料电池汽车在他们的ES分析。在[79]中的某些情况下，运输负荷100%由可再生氢覆盖。没有一项研究优化了电动或燃料电池汽车的数量。4.3.自主性的可行性和类型在回顾的文献中，完全自主性ESs的研究占多数，有110例(89%)，而平衡性LEA的研究仅有14例（11%）。分析这两种情况的唯一研究似乎是Sameti和Haghighat[112]，其中在三个有电网连接的场景和一个没有电网连接的独立变体中研究了净零能源区。一般说来，EA在案例研究中是可行的。唯一的例外是Alhamwi等人的研究。[30]他们在其ES模型中没有得到可行的解决方案，并得出结论认为，一个离网城市（165,000居民）在经济和技术上都不可行。然而，也有其他一些例子对LEA来说并不是一个有利的结果。克拉贾奇奇等人。[79]发现一个100%可再生岛的电力成本比目前（2009年）的电价高15倍。此外，在Oldenbroek等人。[99]只有20%的车辆是燃料电池汽车，才能实现100%的可再生供应。也是切雷等人。[116]得出结论，大的储存容量是100%可再生供应所必需的。詹森等人。[70]表明，一个示范城市的可利用生物量潜力足以100%提供电力和供热，但不能取代运输燃料。所有这些例子都有一个共同点，那就是它们把更大的地区、城市和岛屿作为欧洲高收入国家的案例研究。在完全自治ESs的研究中，由于脱离网格基础设施而引起的不确定性应该起到非常重要的作用，因为ES的非最优设计不能用进口来弥补。因此，如何稳健地设计这些ESs就显得尤为重要。

研究中有几种适当的方法。例如，在39项（32%）研究中，低于100%的可能供电安全性被实现为供电损失概率(LPSP)。在大多数情况下([34-36,45,47,58,59,63,65,69,71-73,81,82,84,85,89-91,95-97,101,109,113,114,127,129])，LPSP被建模为一个固定值或由其他固定值产生的结果。其他研究([37,61,68,83,98,106,115])将LPSP与权重或惩罚成本相关联，并因此将其纳入优化的目标函数中，这是一种改进。在哈基米等人案中。[61]对住宅、商业和工业部门假定了不同的处罚费用。在未来的研究中，所谓的损失负荷值可能是惩罚成本的合适估计。在Shivakumar等人案中。[388]例如，为欧洲联盟所有成员国的家庭计算了损失负荷的价值。基于相同方法的惩罚成本数据集可使研究结果更具可比性。不出所料，HICs中很少考虑LPSP，因为居民习惯于高度安全的供应。加拿大[145]、瑞典[37]和香港[85134]的四个案例研究是唯一的例子。然而，对于自治系统，这些LPSP变得更加重要。14进一步的研究试图通过考虑极端条件来稳健地设计离网ESs。在Petrakopoulou等人案中。[102，103],ES的工厂规模过大，并使用了互补技术。此外，Weinand等人的优化模型。[124]考虑需求特别高且没有风或太阳辐射的极端天气。4.4.时间结构和路径在这一节中展示了时间范围（第4.4.1节）、选择的时间分辨率（第4.4.2节）和ES转换的路径（第4.4.3节）。4.4.1.时间范围案例研究中的时间范围通常选择在15年至25年之间，这代表了估算ES的总贴现系统成本或LCOEs的适当选择。然而，也有向上和向下的变化：阿达马罗拉和埃尔。[28]和Drydale等人。[52]甚至分别考虑35年和45年。詹森等人。[70]，Moeller等人。[94]，Oldenbrock等人。[99]、§stergaard和Lund[100]以及'Aare等人。[116]考虑一年，而Kandil等人。[74]只使用24小时的时间范围。对于后一项研究，24小时的时间范围可能太短，即使只确定了自主ES的运行成本。至少应该考虑一个极端的一天进行这种分析。4.4.2.时间分辨率模型的时间分辨率在EA研究中具有特别重要的意义。对于完全自治的ESs尤其如此（参见第4.3节）。平衡能源自治系统的非最优设计可以通过从周围能源基础设施进口来弥补。这并不适用于完全自治。因此，当离网ESs设计时，就像Stephen等人所说的那样，在年度能量平衡的基础上进行了特别重要的评估。[122]。斯蒂芬等人。[122]调查一个离网的加拿大土著社区的住宅和商业能源供应。也有其他具有非常粗略的时间决议的例子，但这些研究只考虑平衡自治：Jenssen et al.[70]和Peura等人。[104]也进行能量的年度平衡（即一个时间步长），而Schmidt等人的优化模型。[117]是基于每年两个季节（冬季/夏季）（即两个时间步长）。在几乎所有的研究（91.74%）中，时间分辨率被设置为小时。时间分辨率较高的研究只有一项，即K"otter等人。[78]有15分钟的时间步长。科特等人。考察德国一个由17个子区域组成的区域的平衡EA。

然而，尚不清楚分析中使用了多少15分钟的时间步骤。基于每小时分辨率模型的完全自治ESs结果的鲁棒性至少必须受到质疑。在这些情况下，更重要的是考虑上一节中解释的方法，如LPSP或极端条件。此外，基于基础负载能力技术如生物质的ESs可以被认为比仅基于挥发性能源如风能或光伏(PV)的ESs更稳健（在4.5节中对此有更多介绍）。通常一年中的所有时间都是以每小时的分辨率来考虑的（91.65%中的59个）。15然而，总的来说，时间步数似乎随着模型的复杂性而减少，大概是为了避免计算时间问题：基于公共数据的RE^aason模型只使用了288[92]或432[124]个时间片，以及Fuentes-Cortés和Ponce-Ortega[54]或Yazdanpanah Jahromi等人的多目标优化。[125]分别只使用96和744个时间片。另一个例子是Fuso，Nerini等人根据世界银行的全球跟踪框架进行的多层目标优化（如不同需求的场景）。[56]，每年只有18个时间步。这是ES分析中的一个普遍问题。然而，如上所述，在包括完全EA在内的ES分析中，时间步长的数量更为关键。4.4.3.路径EA项目总是与ES在中长期内成为能源自治的目标相关联。这意味着将会有几年的过渡。然而，几乎所有的回顾性研究（115,94%）都选择过夜作为途径，即新的ES在短期内取代旧的ES而不是在几年内取代。由于需求和成本在所考虑的时间范围内可能会发生变化，这将对应于不准确地计算总的折扣系统成本或LCOEs。只在Doroti'c等人。[51]，Drysdale等人。[52]，Fuso Nerini et al.[56]，Krajaci'cet al.[79]，McKenna等人。[92]和Weinand等人。[124]该途径被模拟为一个过渡。多罗蒂奇等人。[51]从2011年到2030年，在EnergyPLAN中，似乎至少每隔一年就会模拟一次。系统的CO2排放量在减少，REs份额在增加，直到2030年达到最小值(0%CO2排放量）或最大值(100%RE)。德赖斯代尔等人。[52]也使用EnergyPLAN模型。然而，它们似乎只模拟了两年，2016年和2050年。福索·内里尼等人。[56]将系统优化模型OSeMOSYS应用于东帝汶的一个案例研究村。从2010年到2030年，作者们似乎每年都在优化。然而，如上所述，每年只考虑18个时间步（每天6个，每年3个季节），即总共360个时间步。因此，需求在时间范围内发生变化。例如，假设家庭在2025年达到目标水平。目标层将是五层之一：例如，家庭将在第二层获得普通照明、空气流通和电视，或在第三层获得小型电器。在Krajaci'c等人的H2RES模型中。[79]从2005年到2015年每五年模拟一次。这同样适用于McKenna et al.的Re^aason模型。[92]和Weinand等人。[124](2015年至2030年的时间范围）。然而，在后两项研究中，该方法是一种混合整数线性优化：所有四年同时优化，即决定何时安装哪个工厂或措施。通过考虑现有的基础设施（例如，已经安装的光伏模块），就像RETMASON模型一样，模型能够考虑过渡路径。4.5.正如第4.1节所讨论的，许多关于能源自治偏远农村地区的案例研究涉及系统中柴油的减少和REs的增加。

因此，如表9所示，柴油是研究中最常考虑的，仅次于光伏电池、风力电池和固定式电池。16当将生物质热电联产、水力发电厂、深层地热厂和传统发电技术归类为可承受基本负荷的发电技术时，仍有26项研究（21%）只考虑挥发性发电技术，其中包括柴油发电机和燃气热电联产/涡轮机等传统发电技术。在这26项研究中，有16项没有考虑氢储存、抽水蓄能或动力转化天然气等长期储存选择。在这种情况下，必须考虑到不确定性。在16项研究中的10项[34-36，65，69，84，90，114，115，134]中，这些不确定性至少通过LPSP和另一项研究[102]通过包括极端条件来解决。甚至比在其他研究中，Al-Shetwi等人的完全自主ESs的结果。[31]，Khan et al.[75]，Kim et al.[76]和MAS`UD[137]因此必须受到质疑，其中只考虑了不稳定的能源技术，而不考虑不确定性。研究加热或冷却技术的研究很少（参见表9)，这一事实与研究中对电的关注有关（参见第4.2.2节）。此外，不属于标准技术的技术，如光伏或风能，主要在欧洲HIC的案例研究中进行研究。例如，主要在德国（深层地热能:[124]；动力-天然气:[78，94]；区域供暖:[70，124])或丹麦（深层地热能（仅热能）:[100]；区域供暖:[52，100])分析了深层地热能、动力-天然气或区域供暖技术，而在克罗地亚的案例研究中主要审查了电动汽车[51，52，116]或燃料电池汽车[79，99，141]等非常规车辆。这表明，对偏远农村地区的研究主要关注该地区的电气化，而不是最佳能源技术的选择。另一方面，诸如深层地热能等技术（尽管在印度或撒哈拉以南非洲有很大潜力[389])由于固定成本高，对这些相当小的区域并不相关（见第4.2.1)。表9：所审查的文献中包括的技术的分类以及它们被考虑的频率。研究范围：可再生能源发电技术PV117（95%）风能（陆上）85（69%）生物质CHP39（32%）水力发电厂21（17%）聚光太阳能发电厂3（2%）深地热发电厂2（2%）加热/冷却技术10（8%）热泵7（8%）太阳能集热器6（5%）电热泵6（5%）储存技术93（76%）氢与燃料电池18（11%）热8（7%）泵-氢4（3%）动力-气体（甲烷化）2（2%）运输技术电动汽车（用电池建模）3（2%）燃料电池汽车3（2%）常规发电技术柴油发电机63（51%）燃气CHP6（5%）燃气轮机厂6（5%）。然而，对于基于REs的能量自治系统的稳健设计来说，波动和非波动发电技术以及不同的存储技术的结合可能是有利的。其中一些在完全自主的情况下可能有益的技术，如季节性蓄热，尚未进行分析。一般说来，所考虑的技术越多样化，设计的ES在经济或环境方面就越可持续。另一方面，ES模型的复杂度和计算时间随着技术数量的增加而增加。在任何情况下，仍然需要做的工作是考虑非常广泛的技术，并确定EA的最佳技术。

根据审查的研究结果，还不能确定实现EA的最经济技术的确切趋势（参见第4.7节）。4.6.网格基础设施的研究很少对网格基础设施进行建模。供暖网仅在[92，112，124]中实施，电网仅在[30，92，94，124]中实施。在[26，77]中，至少考虑了建立配电网的费用。有趣的是，所有四个考虑电网的案例研究都位于德国。在[92，124]中，电力和供暖网络仅用地区间的能量流动以简化的方式表示。然而，Weinand等人。[124]还包含了一个在任意城市设计区域热网的可转移方法。Sameti和Haghighat也设计了区域供暖系统[112]。虽然在[124]中，区域供热网络是为整个城市自上而下建模的，但[112]更适合作为自下而上的应用，适用于已知确切建筑位置和能源需求的地区。因此，根据应用情况，这两项研究为未来的分析提供了可能的方法。在默勒等人案中。[94],对德国各地区之间的电力传输网络的容量和连接进行了建模。该分析还根据RES的份额检查传输容量是否足够。在Alhamwi等人的FlexiGIS模型中。[30]，OpenStreetMap用于获得关于配电网络的线路和变电站的数据，以便确定城市地区电池储存的最佳位置。不幸的是，电网数据尚未完全包含在OpenStreetMap中，因此这种方法并不适用于每一个案例研究。在论文中，电网只是以一种简化的方式考虑。Morvaj等人的方法可能是未来研究的一个有希望的方法。[156]，其中配电网是根据线性化的交流潮流方法建模的。感兴趣的是二进制建模变量的实现，该变量根据添加到ES中的REs的数量和类型确定是否需要升级分配网格。在升级的情况下，REs的扩展将涉及额外的费用。然而，这项研究使用了IEEE欧洲低压试验馈线案例[390]的可用网格数据。由于这些网格数据不能用于任意的案例研究，因此必须估计网格容量。4.7.成本第4.1节已经表明，文献中的ESs大多是基于成本最小化而设计的。因此，对这些费用进行比较是合理的。在123项研究中，有83项（68%）对自主ESs的LCOEs进行了陈述（参见图3）。在图3中，研究中的LCOEs根据通胀率进行了调整，直到2019年[391]，并使用各自出版当年的平均汇率[392-394]换算成美元/千瓦时。由于除一项研究外，83项研究都考虑到了居民部门，因此不同国家的家庭电价（从电网进口的电价）被显示出来以供比较[395]。8个国家（如埃塞俄比亚[66]或也门[31])找不到家庭电价。18平均LCOEs为0.41美元/千瓦时（图3和表10中的黑点线）。因此，Khan等人的研究费用。[75]和Hosseini等人。[65]几乎是平均水平。100%RE的ES（图3和表10中的100%RE以及100%RE和供应安全<100%的案例研究）的LCOEs平均为0.42美元/千瓦时（在Askari和Ameri中没有异常值时为0.37美元/千瓦时[34])，而在使用常规能源的ES中达到0.39美元/千瓦时（在Shezan等人中没有异常值时为0.36美元/千瓦时[121])。不出所料，在考虑这两种情况的研究中，100%RE系统的LCOEs高于常规ESS。

同样，如果考虑供应安全低于100%的情况，则LCOE减少。此外，几乎每项研究的家庭电价都低于自治系统的LCOEs。唯一的例外包括在电价高于平均水平的国家进行的案例研究（澳大利亚[40]、克罗地亚[51]和德国[78，94])，或者图3中LCOEs最低的两项研究[106，109]。表10：根据能源系统的特点，在83项研究中平均水平的电力成本。LCOEs根据通胀率进行了调整，直到2019年[391]，并使用各自公布当年的平均汇率[392-394]换算成美元/千瓦时。能源系统的特征研究平均值LCOE[$/千瓦时]最高离群值[$/千瓦时]和各自研究平均值LCOE[$/千瓦时]所有能源系统0.413.27（Askari和Ameri[34])0.38包括常规能源0.370.95（Bekele和Palm[66])0.36包括常规能源（供应安全<100%)0.612.01（Shezan等）。[121])0.26100%RE0.411.57(Li[82])0.38100%RE（供应安全<100%)0.433.27（Askari和Ameri[34])0.2718在图3中的前20个向上离群值中应用了HOMER模型（对于另外两个，本文中找不到应用的模型），即ES的非最优设计可能是高LCOEs的原因（参见。第3.1节）。下面将讨论图3中LCOEs中向上离群值最高的三个研究（直到研究Li[82]，平均为1.57$/kWh)。Askari和Ameri在2009年的研究[34]中最高的LCOEs是由2009年至2019年伊朗的高通胀(+364%)造成的。因此，费用从最初的0.75美元/千瓦时调整为3.27美元/千瓦时。Shezan等人的研究。[121]对于2.01$/kWh的高LCOEs需要进一步研究，特别是由于这里考虑了0.01%的未满足负荷，这应该会降低LCOEs。不幸的是，通过对研究的分析，不可能真正确定HOMER模型如何实现最经济的ES与光伏，风力，柴油发电机和固定式电池的高LCOEs。然而，令人惊讶的是，研究中的一个数字显示了LCOEs为0.62美元/千瓦时的更现实的荷马结果，但这些LCOEs在文本中没有进一步讨论。在Li[82]中，预定义的ES设计似乎导致了1.54$/kWh的高LCOEs。事实上，假设中国100个家庭拥有500千瓦光伏和9.1MWh固定电池的ES。这个ES似乎太大了，这再次证明了在用HOMER设计ESs时需要很好地理解ES（参见4.1节）。另外，将光伏电池系统与光伏电池-燃料电池系统进行了比较，但不改变光伏和电池的容量。因此，很明显，光伏电池系统导致更低的成本。向下异常值的能量自治系统低LCOEs的原因更难确定，需要在单独的研究中进行深入分析。例如，在Rajanna和Saini的案例研究[106]19中，基本负荷水电和生物能源的潜力很大，这可能与0.07美元/千瓦时的低LCOEs有关。对LCOE相关原因的进一步研究将超出本文献综述的范围。然而，补充Excel文件中的详细表格可用于进一步的研究，以调查LCOE对研究特征的依赖关系，例如通过聚类或回归分析。补充的Excel文件和图3作为评估LEA未来研究的基础是有用的。例如，如果在未来的研究中，LCOEs偏离平均值0.41$/kWh[82]，那么应用的方法和结果必须进一步研究。由于大多数研究计算的是LCOEs，这些数字非常适合于比较LEA研究的结果。

然而，研究中很少显示另一个与必须支付自治教育费用的居民特别相关的费用参数：每个居民的总费用。这些只在Jenssen等人身上显示出来。[70](1.4-2.3K美元），Schmidt et al.[117]（比没有自主权的参考情景多220美元/年）和Weinand et al.[124](21.0-54.8千美元）。然而，为了评估EA项目的可行性，每个居民的成本应该包括在所有未来的研究中。在一些研究中，完全自治的ES的成本与电网连接的成本进行了比较[33,87,97,101,111,131]。在所有示例中，并网场景都不那么经济。这是由于这些研究只考虑了远离最近并网点的偏远地区。值得进行网络连接的距离的盈亏平衡点计算在[87，101，111，131]中。这也与能源自治市的最佳集中程度和最佳规模问题有关（参见第5节）。对能源自主性研究的批判性评价在本节中，对第4节的一些关键发现进行了进一步的批判性评价。首先，虽然很难概括所有123项审查的研究，但可以突出一些新出现的趋势：主要分析传统/既定技术，较少关注新兴但可能改变游戏规则的技术，如深层地热和燃料电池汽车；·部门重点是住宅，对工业和交通部门的考虑要少得多；⑵很少考虑网络基础设施，包括电力、燃气和热/冷；只有少数研究考虑了现有的基础设施，以及沿着过渡路径从这种状态向某种改进的未来状态的过渡；⑵大多数研究集中在完全EA上，一些（12%）研究平衡EA。大多数研究的时间分辨率是每小时，其中一项研究在15分钟的水平上进行了更详细的研究。为了长期规划的目的，小时分辨率是合适的，但它还应与更详细的分析和/或信息减少技术相结合，以产生时间类型和合成时间片。有一个既定的研究流集中于特定研究问题的最合适/所需的时间分辨率，对于具有重大可再生发电分数（例如[396，397])的ESs。研究区域和LEA也可以从探索这种方法中受益。否则，系统的尺寸不正确，不足以确保高峰需求时的供应安全，这对于自治/离网系统来说是潜在的关键。在地方尺度的环境影响研究中，也缺乏对非经济和非技术标准的关注。事实上，经济标准可以说是最重要的，但尽管它们是必要的，但还不够。除其他外，在第1节中已经强调，某些地区离国家电网非常远，因此独立系统是适当的。在这种情况下，将成本作为目标标准是合理的，然而，完全自治与电网连接情况的比较应该始终得到证明。否则，在未来的EA分析中，需要考虑更多的标准而不是成本。除了成本之外，市政当局成为能源自治的还有其他重要原因，如提高环境意识（参见第1节）。此外，与4.7节中的电价相比较，表明EA通常会导致明显更高的成本，因此从成本角度来看，EA是没有潜力的。

从中央规划者的角度来看，在高度可再生的自主ESs的建模方法中，线性规划（即优化）和仿真（即能量平衡的调度规则）明显占优势。令人鼓舞的是，许多研究人员也在捕捉非经济标准，如健康、噪音、水和接受问题（参见表7）。然而，这些贡献在这里回顾的那些贡献中仍然是少数，而且绝大多数都不能令人满意地反映现实世界中遇到的真正复杂性。通常的做法是将利害关系方的作用排除在研究或模型的范围之外，并在选定的技术可行性和经济可行性目标下，采用集中规划方法计算最佳自治过渡路径。然而，地方经济系统是一个复杂的社会技术系统，由不同的决策实体和受多级制度空间中的能量22政策管理的技术人工制品组成[11]。利益相关者之间的社会关系是一个主要的驱动因素或障碍，前文的评论也指出了这一点[4]。在这方面，采用行为方法有助于了解新技术存在的障碍类型，以及什么样的政策对增加传播是重要的。因此，实现LEA的潜力不仅仅是一个技术现实的问题，也是一个个人行为和群体动态的问题。相关的地方利益攸关方，如家庭或社区、能源生产者、能源供应商、服务提供者以及地方决策者，在实现其目标方面是相互依存的。未来的系统模型需要包括不同的利益相关者在现有的本地环境中扮演的异构角色，以及他们的决策可能产生的影响。一个可能的解决办法是在社会经济建模方法的帮助下扩展所提出的技术经济建模方法，如基于Agent的模型[398，399]或系统动力学模型[400]。案例研究中考虑了许多不同的空间尺度（例如家庭数量）（参见第4.2.1节）。虽然尚未确定能源自治区的最佳空间面积，但有趣的是，能源自治区的平均家庭和居民数量分别为340和18200（根据载有这一信息的56和49条）。这与最佳集权程度的问题密切相关[401]。关于需求和消费部门，也有一些改进的潜力（参见第4.2节）。例如，与能源密切相关的产品水需求或消费部门工业很少被考虑在内。对于后者，可以采用可转换的方法来确定任意区域工业的能源需求和负荷分布，这有助于其实施。在关于LEA的研究中，运输部门也几乎完全被忽视。一个特别有趣的方法是优化电动或燃料电池车辆的数量和使用。然而，总的来说，所有部门都应考虑在内，特别是在估计一个或多个能源自治区对周围环境的影响时。在本地ESs的背景下，验证是具有挑战性的，这可能解释了为什么很少有现有的研究试图这样做。通常缺乏关于现有ES的详细数据，对一些假设的未来场景的验证显然没有意义。用于获得洞察力以形成决策的研究的模型设计和数据假设应透明和可获得。这不仅允许对不同的利益相关者进行独立的审查，而且可以完全再现结果[402]。

虽然在更广泛的ES建模领域有一个开放源码模型和数据的强劲趋势[403]，但在所审查的模型中，没有一个是完全开放源码的，Homer和EnergyPlan只是开放访问。因此，LEA研究可以加大努力，公开发布数据和系统模型以及假设和结果解释，以便不同受影响的利益攸关方能够参与决策过程[402404]。在未来，大量（更多）开放数据的日益增加的可用性应该会促进数据驱动方法的实施。这些方法已经对能源生产和需求的不同方面提供了有益的见解。例如，机器学习方法能够捕捉非线性和复杂的关系，并且可以更经常地实现[405]。在未来的EA案例研究中，这些方法可以用于检测现有的可再生能源工厂[406]，预测可再生能源发电量[407]或预测能源需求[408，409]。因此，数据的可用性不仅可以促进23项结果的验证，而且还可以通过应用创新的方法来创造新的见解。改善数据质量应有助于提高分散能源系统的能源系统模型的准确性。此外，将LCOEs作为高可重用系统的基准的关注可能会提供潜在的误导性结果。虽然LCOE是发电成本的第一个良好指标，并允许跨技术进行比较，但它忽略了将不可调度的可再生能源技术集成到ES中的额外成本。如果要考虑RE技术的真正系统LCOE[410，411]，则应考虑三个额外的成本组成部分：压型成本，与满足剩余负荷的可调度发电技术的需求有关；⑵平衡成本，与预测和实际不可调度的可再生能源之间的偏差有关；与将可再生发电机连接到网络所需的新增电网加固和扩展（在所有电压等级）相关的电网成本。有人试图在大规模（例如国家）环境影响分析（例如[412-414])的背景下考虑这些费用构成部分。然而，正如本审查所表明的那样，在区域和市镇范围内，它们通常不包括在内。尽管事实上，当考虑平衡自治时，这些对周围环境的影响是特别重要的。平衡的EA和相关的可再生能源不断增加的馈电可以使网络扩展变得更加必要，也使新的电网费用分配系统成为必要[401]。其结果可能是与既定的集中发电、输电和配电系统相比，经济效率低下[415]。然而，在14项关于平衡自主的研究中，任何一项都没有考虑到可能的ES影响。因此，有必要进行进一步研究，以解决这些和上述缺陷。6.在过去三十年里，对分散自治能源系统的研究关注呈指数级增加，出版物的绝对数量和这些研究在能源系统建模文献中所占的份额表明了这一点。本文介绍了地方自治能源系统的研究现状和未来的建模需求。共对359项研究进行了粗略调查，其中123项是详细的子集。对这些研究的方法和应用的特点进行了评估，以便得出共同的趋势和见解。结果表明，大多数案例研究是在中等收入国家印度、伊朗和中国以及高收入国家德国进行的。