Salvador Acha，是英国帝国理工学院的研究员，也是帝国理工-森宝利集团合作研究团队的带头人。该合作旨在达成两个目标：在超市实施智能控制以提高能效，同时通过整体的能源投资决策可持续地减少森宝利的碳足迹。团队主要围绕能效策略、能源模拟及预测、低碳路线图进行研究。Acha博士的研究领域包括智能电网架构、插电式混合动力汽车推广、分布式能源资源优化管理、能源预测和环境报告。

《能源服务网络中的分布式能源模拟》介绍了一种对含嵌入式技术的能源服务网络进行集成稳态优化的建模框架。书中开发的新模型称为时间协调优化潮流（TCOPF）模型，此模型可通过一系列必要步骤计算天然气和电力网络的优化能流，同时计算插电式混合动力汽车（PHEV）和热电联产（CHP）装置的优化调度。因此，TCOPF工具可以管理及协调配电网运营商和分布式能源之间的相互关系。
《能源服务网络中的分布式能源模拟》中对分布式能源系统应当遵循的优化调度模式进行了描述，这种模式有望改善城市能源服务网络的性能。集成建模为希望有效协调分布式能源运行与能源公用事业运营策略的利益相关方提供了一个新的视角。结尾，本书结合用于模拟PHEV行驶状况的基于agent的模型对TCOPF模型框架进行了扩展，以便更好地评估PHEV所代表的负载灵活性。
综上，为开发由多种能源基础设施与嵌入式分布式能源集成的综合模型，《能源服务网络中的分布式能源模拟》涵盖了电力系统工程师所需要关注的各类关键元素。

译者序
原书序
原书前言
缩略语表
符号表
第1章能源资源、基础设施和转换技术有效管理所面临的挑战1
1.1全球城市化和能源系统效率1
1.2城市能源系统的演变5
1.3能源系统的综合管理8
第2章集成建模综述12
2.1关于分布式能源的建模问题12
2.1.1分布式发电面临的挑战12
2.1.2热电联产技术对电网的影响14
2.1.3PHEV技术对电网的影响17
2.2模拟多能源网络的方法22
2.2.1多联产分析22
2.2.2综合能源运输系统22
2.2.3能源枢纽建模23
2.2.4天然气和电力的一体化研究24
第3章能源服务网络建模26
3.1电网建模26
3.1.1电力系统的基本原理26
3.1.2定义电力潮流问题27
3.1.3节点公式和导纳矩阵28
3.2天然气网络建模31
3.2.1天然气系统的基本原理31
3.2.2定义天然气潮流问题32
3.2.3节点公式和关联矩阵33
3.3能源服务网络类比36
3.3.1部件和变量的建模36
3.3.2牛顿-拉夫逊算法37
3.3.2.1电力系统的雅可比矩阵38
3.3.2.2天然气系统的雅可比矩阵39
3.3.2.3潮流总结41
第4章能源服务网络中嵌入式技术的建模43
4.1有载分接开关（OLTC）变压器的建模43
4.1.1OLTC变压器的基本原理43
4.1.2OLTC模型方程45
4.2压缩机站建模47
4.2.1压缩机站的基本原理47
4.2.2压缩机模型方程48
4.3热电联产技术建模49
4.3.1热电联产机组的基本原理49
4.3.2含热电联产天然气网络的节点公式56
4.3.3储热管理方程58
4.4PHEV技术建模60
4.4.1PHEV的基本原理60
4.4.2含PHEV电网的节点公式68
4.4.3电化学储能管理方程70
第5章能源服务网络的时序最优潮流73
5.1TCOPF问题概述73
5.1.1问题描述73
5.1.2优化求解75
5.1.3TCOPF工具的输入数据和假设77
5.2TCOPF的目标函数78
5.2.1即插即忘78
5.2.2燃料成本78
5.2.3能量损失78
5.2.4能源成本79
5.2.5综合目标79
5.3TCOPF的数学公式79
5.3.1目标函数的公式79
5.3.1.1即插即忘情景80
5.3.1.2燃料成本最小化情景80
5.3.1.3能量损失最小化情景80
5.3.1.4能源成本最小化情景80
5.3.1.5多目标最小化情景（如现货价格成本与排放成本）81
5.3.2约束条件82
5.3.2.1关于电网82
5.3.2.2关于天然气网82
5.3.2.3关于嵌入电网的PHEV83
5.3.2.4关于嵌入天然气网络的热电联产装置83
5.3.3TCOPF问题和求解的特性84
第6章能源服务网络中的分布式能源优化：案例分析86
6.1TCOPF能源服务网络案例研究86
6.1.1输入数据和假设86
6.1.2案例研究和能源系统参数的说明89
6.2技术-经济性结果93
6.2.1概述93
6.2.2集成与非集成系统94
6.2.3天然气网络96
6.2.4热电联产技术100
6.2.5电网107
6.2.6PHEV技术110
6.3结果综述116
第7章能源服务网络中电动汽车流动性的建模119
7.1PHEV流动性的建模119
7.1.1建模方法119
7.2基于agent的模型与潮流模型的综合120
7.2.1车辆基于agent的模型121
7.2.2PHEV的优化潮流公式122
7.2.2.1PHEV充电成本最小化情景123
7.3PHEV充电的ABM-TCOPF案例研究124
7.3.1输入数据和假设124
7.3.1.1驾驶员资料124
7.3.1.2PHEV特性124
7.3.1.3城市布局124
7.3.1.4电力负载资料和网络特性125
7.3.2案例研究和能源系统参数126
7.4技术-经济性结果127
7.4.1基于agent的模型结果127
7.4.2优化潮流模型结果130
第8章结束语134
8.1总结和贡献134
8.2研究的受益者136
8.3未来的研究方向137
附录139
附录A城市群数据139
附录B英国的能流分析140
附录C电力负载潮流代码142
附录D天然气负载潮流代码145
附录E有载分接开关偏导数147
附录F标幺值148
附录GKKT最优化条件149
附录H牛顿迭代法149
参考文献151