pyxesxxn 1.0.0

PyXESXXN - Python for eXtended Energy System Analysis - Independent multi-carrier energy system modeling and optimization library

PyXESXXN - Python for eXtended Energy System Analysis

独立、通用的多载体能源系统建模与优化Python框架

PyXESXXN（发音：pai-eks-es）是能源系统建模领域的优秀成功范例，一个完全独立、通用的免费闭源Python框架，专为多场景、多载体能源系统建模与优化设计。它提供了强大的工具来分析和优化包含多种能源载体（电力、热力、氢能、天然气等）的复杂能源系统，适用于各类能源系统建模场景，无需依赖任何特定能源系统建模库。

作为独立的能源系统建模框架，PyXESXXN展现了卓越的设计理念和技术实现，提供了全面的功能来建模能源转换设备（如电解槽、燃料电池、热泵等）、能源枢纽优化、多载体网络分析以及可再生能源集成。该框架特别适合研究人员、能源规划师和工程师进行能源系统转型研究、碳中和路径分析和综合能源系统设计，是能源系统建模领域的杰出代表。

PyXESXXN的成功在于其独立的架构设计、全面的功能覆盖、高性能的计算能力以及创新的功能模块，使其成为能源系统建模领域的优秀范例。

🌟 核心优势

作为独立的能源系统建模框架，PyXESXXN展现了以下核心优势：

• ✅ 独立性与通用性：不依赖特定能源系统建模库，可独立运行和扩展
• ✅ 多载体能源建模：支持电力、热力、氢能、天然气等多种能源载体
• ✅ 场景化设备库：覆盖城市、农村、港口、岛屿、工业、铁路等多种场景
• ✅ 高级优化算法：混合整数优化、多目标优化、不确定性分析
• ✅ 高性能计算：并行计算、分布式处理、内存优化
• ✅ 创新功能模块：故障精准定位与智能自愈决策
• ✅ 专业潮流计算：高可靠性、高精度的潮流分析
• ✅ 丰富的可视化：实时拓扑图、动态结果展示

🔄 灵活的API设计

PyXESXXN采用灵活的API设计，支持多种使用方式：

# 基础导入方式
import pyxesxxn

# 创建能源枢纽模型
hub = pyxesxxn.EnergyHubModel()

# 配置能源载体
hub.add_carrier("electricity", cost=80)  # 元/MWh
hub.add_carrier("hydrogen", cost=300)   # 元/kg
hub.add_carrier("heat", cost=60)       # 元/MWh

# 添加转换设备
hub.add_converter(
    "electrolyzer", 
    input_carrier="electricity",
    output_carrier="hydrogen", 
    efficiency=0.7,
    capacity=10  # MW
)

# 运行优化
results = hub.optimize()

网络模型创建示例

import pyxesxxn

# 创建多载体网络
network = pyxesxxn.MultiCarrierNetwork()

# 添加电力网络
network.add_electricity_network(buses=["bus1", "bus2"], lines=[("bus1", "bus2", 100)])

# 添加氢能网络
network.add_hydrogen_network(nodes=["node1", "node2"], pipelines=[("node1", "node2", 50)])

# 优化网络
results = network.optimize()

🌟 核心特性

作为独立的能源系统建模框架，PyXESXXN提供了全面的核心功能：

🔄 多载体能源转换

• 跨载体转换设备建模：电解槽、燃料电池、热泵、燃气轮机等
• 能源枢纽优化：多输入多输出的能源系统优化
• 转换效率建模：精确的热力学和电化学转换效率计算

📊 场景化设备库

• 通用设备库：标准化的设备参数和性能曲线
• 场景专用库：城市、农村、港口、岛屿、工业、铁路等场景
• 可扩展架构：支持用户自定义设备模型

🔧 高级优化功能

• 混合整数优化：支持离散决策变量的复杂优化问题
• 多目标优化：成本、碳排放、可靠性等多目标权衡（默认使用MOMTHRO算法 - 改进多目标田忌赛马优化算法）
• 时序优化：小时级到年度的时序优化分析
• 不确定性分析：可再生能源波动性和需求不确定性建模

🌍 可再生能源集成

• 多载体储能：电池、氢储、热储等储能系统建模
• 灵活性评估：系统灵活性资源和调节能力分析
• 碳中和路径：长期能源转型路径规划

⚡ 专业潮流计算

• 多种潮流算法：牛顿-拉夫逊法、快速分解法等
• 可靠性验证：潮流计算可靠性评估
• 敏感性分析：系统参数敏感性分析

🚀 高性能计算

• 并行计算：多核心并行处理
• 分布式计算：多节点分布式处理
• 内存优化：高效的内存管理
• 数值优化：高性能数值计算

📈 丰富的可视化

• 实时拓扑图：动态展示能源网络结构
• 动态结果展示：实时更新计算结果
• 多种可视化方式：Matplotlib、Plotly、Web界面

🛠️ 创新功能模块

• 配电网拓扑-量测数据融合：构建GNN可识别的图数据结构
• 多态数据预处理：归一化、异常值处理、数据增强
• 实时仿真与闭环验证：对接PSCAD/EMTDC、OpenDSS、MATLAB等
• 故障精准定位与智能自愈：AI辅助的故障诊断与恢复

🌍 地理空间分析

• 空间聚类：能源资源和负荷的空间聚类
• 区域分析：基于地理区域的能源系统分析
• 空间匹配：负荷与能源资源的空间匹配

🏭 专用场景支持

• 城市能源系统：城市综合能源系统建模
• 农村能源系统：农村分布式能源系统
• 港口能源系统：港口综合能源解决方案
• 岛屿能源系统：离网/并网岛屿能源系统
• 工业能源系统：工业企业能源优化
• 铁路能源系统：铁路牵引供电系统分析

🏗️ 框架结构

PyXESXXN 采用模块化设计，具有清晰的架构层次，确保了框架的可扩展性和可维护性。作为独立的能源系统建模框架，其核心架构如下：

📦 核心模块结构

pyxesxxn/
├── clustering/           # 聚类算法（空间和时序聚类）
├── components/           # 组件定义和管理
├── data/                 # 内置数据存储
├── data_interface/       # 数据接口和处理
├── definitions/          # 系统定义
├── dynamic_simulation/   # 动态仿真
├── equipment_library/    # 场景化设备库
├── geospatial/           # 地理空间分析
├── high_performance/     # 高性能计算
├── multi_carrier/        # 多载体能源系统建模
├── network/              # 核心网络组件和模型
├── optimization/         # 优化框架和算法
├── plot/                 # 可视化模块
├── scenario_evaluation/  # 场景评估
├── scenario_templates/   # 场景模板
├── statistics/           # 统计分析
└── thermodynamics/       # 热力学计算

🎯 模块功能说明

模块	主要功能
clustering	空间聚类、时序聚类、数据降维、能源资源和负荷聚类分析
components	组件定义、属性管理、类型系统、组件生命周期管理
data	内置数据存储、标准组件属性、设备参数库
data_interface	数据导入/导出、格式转换、数据验证、多格式支持
definitions	系统定义、结构规范、组件属性定义
dynamic_simulation	动态仿真、控制策略、时间序列分析、实时模拟
equipment_library	场景化设备库（城市、农村、港口、岛屿、工业、铁路等）、设备参数管理
geospatial	地理空间数据处理、区域分析、空间聚类、负荷资源匹配
high_performance	并行计算、分布式处理、内存优化、数值计算优化
multi_carrier	多载体能源转换、能源枢纽建模、跨载体优化、MOMTHRO算法实现
network	核心网络组件（母线、发电机、线路等）、网络拓扑管理、基础网络操作、潮流计算
optimization	优化模型构建、求解器接口、线性/非线性/多目标优化算法、正则化分解
plot	可视化模块、静态和交互式绘图、地图可视化、统计图表
scenario_evaluation	场景评估、经济性分析、环境影响评估、可靠性分析
scenario_templates	场景模板库、预定义场景配置、快速场景构建
statistics	统计分析、数据描述性统计、概率分布分析
thermodynamics	热力学计算、能源转换效率建模、热力学平衡分析

🔗 模块间关系

PyXESXXN 框架采用分层架构，各模块之间通过清晰的接口进行交互：

1. 底层基础：components、data、data_interface、definitions 模块构成框架基础
2. 核心功能：network、optimization、multi_carrier 模块提供核心建模和优化能力
3. 应用支持：equipment_library、geospatial、scenario_templates 模块支持不同场景应用
4. 增强功能：high_performance、clustering、statistics、thermodynamics 模块提升框架性能和分析能力
5. 可视化与分析：plot、scenario_evaluation 模块提供结果展示和评估功能
6. 动态仿真：dynamic_simulation 模块支持实时模拟和控制策略分析

🚀 快速开始

安装

PyXESXXN 可以通过 pip 安装：

pip install pyxesxxn

基础用法

import pyxesxxn

# 创建能源枢纽模型
hub = pyxesxxn.EnergyHubModel()

# 配置能源载体
hub.add_carrier("electricity", cost=80)  # 元/MWh
hub.add_carrier("hydrogen", cost=300)   # 元/kg
hub.add_carrier("heat", cost=60)       # 元/MWh

# 添加转换设备
hub.add_converter(
    "electrolyzer", 
    input_carrier="electricity",
    output_carrier="hydrogen", 
    efficiency=0.7,
    capacity=10  # MW
)

# 添加负荷需求
hub.add_load("hydrogen_demand", carrier="hydrogen", profile=[1, 2, 3])  # kg/h

# 运行优化
results = hub.optimize()

# 查看结果
print(results.summary())
results.plot_energy_flow()

高级示例：城市能源系统

from pyxesxxn.equipment_library.urban import UrbanEquipmentLibrary
from pyxesxxn.multi_carrier import EnergyHubModel

# 加载城市场景设备库
urban_lib = UrbanEquipmentLibrary()

# 创建城市能源枢纽
city_hub = EnergyHubModel(scenario="urban")

# 配置城市典型设备
city_hub.configure_from_library(urban_lib)

# 设置城市负荷特征
city_hub.set_urban_load_profile(population=100000, area_type="mixed")

# 添加可再生能源
city_hub.add_renewable_generator("solar", capacity=50, profile="solar_profile.csv")
city_hub.add_renewable_generator("wind", capacity=30, profile="wind_profile.csv")

# 添加储能系统
city_hub.add_storage("battery", capacity=100, efficiency=0.95, cost=200)
city_hub.add_storage("hydrogen_tank", capacity=50, efficiency=0.9, cost=150)

# 优化城市能源系统
results = city_hub.optimize(objectives=["cost", "carbon", "reliability"])

# 查看结果
print(results.summary())
results.plot_energy_flow()
results.plot_carbon_emissions()

# 生成详细报告
report = results.generate_report()
report.export_to_excel("urban_energy_system.xlsx")
report.export_to_html("urban_energy_system.html")

📊 功能特性概览

PyXESXXN作为独立的能源系统建模框架，支持以下核心功能：

🔄 多载体能源系统建模

• 多载体网络分析：电力、热力、氢能、天然气等多载体耦合网络
• 能源转换设备：电解槽、燃料电池、热泵、燃气轮机等复杂设备
• 时序优化：小时级到年度的多时段优化分析
• 能源枢纽优化：多输入多输出的能源系统优化

🎯 优化算法

• 混合整数优化：支持离散决策变量的复杂优化问题
• 多目标优化：成本、碳排放、可靠性等多目标权衡（默认使用MOMTHRO算法 - 改进多目标田忌赛马优化算法）
• 时序优化：小时级到年度的多时段优化分析
• 不确定性分析：可再生能源波动性和需求不确定性建模
• 正则化分解：高效求解大规模优化问题

⚡ 专业潮流计算

• 多种潮流算法：牛顿-拉夫逊法、快速分解法等
• 可靠性验证：潮流计算可靠性评估
• 敏感性分析：系统参数敏感性分析
• 扩展潮流计算：考虑多载体耦合的潮流分析

🌍 可再生能源集成

• 多载体储能：电池、氢储、热储等储能系统建模
• 灵活性评估：系统灵活性资源和调节能力分析
• 碳中和路径：长期能源转型路径规划
• 可再生能源波动性建模：光伏、风电等间歇性电源建模

📊 场景化设备库

• 通用设备库：标准化的设备参数和性能曲线
• 场景专用库：城市、农村、港口、岛屿、工业、铁路等场景
• 可扩展架构：支持用户自定义设备模型

🏭 专用场景支持

• 城市能源系统：城市综合能源系统建模
• 农村能源系统：农村分布式能源系统
• 港口能源系统：港口综合能源解决方案
• 岛屿能源系统：离网/并网岛屿能源系统
• 工业能源系统：工业企业能源优化
• 铁路能源系统：铁路牵引供电系统分析

🚀 高性能计算

• 并行计算：多核心并行处理
• 分布式计算：多节点分布式处理
• 内存优化：高效的内存管理
• 数值优化：高性能数值计算

📈 丰富的可视化

• 实时拓扑图：动态展示能源网络结构
• 动态结果展示：实时更新计算结果
• 多种可视化方式：Matplotlib、Plotly、Web界面
• 地图可视化：地理空间数据可视化

🌍 地理空间分析

• 空间聚类：能源资源和负荷的空间聚类
• 区域分析：基于地理区域的能源系统分析
• 空间匹配：负荷与能源资源的空间匹配

🛠️ 创新功能模块

• 配电网拓扑-量测数据融合：构建GNN可识别的图数据结构
• 多态数据预处理：归一化、异常值处理、数据增强
• 实时仿真与闭环验证：对接PSCAD/EMTDC、OpenDSS、MATLAB等
• 故障精准定位与智能自愈：AI辅助的故障诊断与恢复

🚀 创新模块：故障精准定位与智能自愈决策

PyXESXXN提供了多个创新模块，专门针对配电网故障定位与自愈决策场景：

🔄 配电网拓扑-量测数据融合模块

• 功能：将配电网拓扑结构与实时量测数据进行结构化融合
• 特点：支持多种中性点接地方式，构建GNN可识别的图数据结构
• 应用：为AI模型提供静态拓扑属性+动态时序特征的输入

from pyxesxxn.topology_metering_fusion import TopologyMeteringFusion

# 初始化融合模块
fusion = TopologyMeteringFusion()

# 构建拓扑图
graph_data = fusion.build_topology_graph(network_topology)

# 处理量测数据
processed_measurements = fusion.process_measurement_data(measurement_data)

# 创建GNN特征
gnn_features = fusion.create_gnn_features(graph_data, processed_measurements)

# 故障定位分析
fault_analysis = fusion.analyze_fault_location(gnn_features)

📊 多态数据预处理模块

• 功能：针对多源异构数据提供归一化、异常值处理、数据增强
• 特点：支持缺失数据补全、故障数据增强、数据质量评估
• 应用：提升AI模型的鲁棒性和泛化能力

from pyxesxxn.multimodal_preprocessing import MultimodalPreprocessor

# 初始化预处理模块
preprocessor = MultimodalPreprocessor()

# 完整预处理流水线
processed_data = preprocessor.preprocess_pipeline(
    raw_data, 
    data_type='measurement',
    steps=['quality_check', 'outlier_detection', 'imputation', 'normalization']
)

# 故障数据增强
augmented_data = preprocessor.augment_fault_data(fault_sample, augmentation_factor=5)

🔧 实时仿真与闭环验证接口模块

• 功能：对接PSCAD/EMTDC、OpenDSS、MATLAB等仿真平台
• 特点：支持仿真数据与PyXESXXN模型库的双向交互
• 应用：故障场景模拟、模型闭环验证与性能测试

from pyxesxxn.simulation_interface import SimulationInterface

# 初始化仿真接口
sim_interface = SimulationInterface()

# 运行仿真
sim_result = sim_interface.run_simulation(sim_config, network_data)

# 鲁棒性测试
robustness_results = sim_interface.run_robustness_tests(sim_config, network_data)

⚡ 专业潮流计算模块

• 功能：提供高可靠性、高精度的专业潮流计算功能
• 特点：支持多种潮流算法、可靠性验证、敏感性分析、扩展潮流计算
• 应用：电力系统稳态分析、故障分析、可靠性评估

from pyxesxxn.power_flow_enhanced import NewtonRaphsonSolver, PowerFlowMethod
from pyxesxxn.power_flow_reliability import assess_power_flow_reliability

# 初始化潮流求解器
solver = NewtonRaphsonSolver(network)

# 运行潮流计算
result = solver.solve(method=PowerFlowMethod.NEWTON_RAPHSON)

# 分析潮流计算可靠性
metrics, report = assess_power_flow_reliability(network, result)

print(f"潮流计算收敛: {result.converged}")
print(f"迭代次数: {result.iterations}")
print(f"最大误差: {result.error:.6e}")
print(f"可靠性等级: {metrics.overall_reliability}")

📈 高级可视化模块

• 功能：构建动态拓扑图，展示故障定位结果和自愈策略
• 特点：支持Web界面与Matplotlib/Plotly可视化、地图可视化
• 应用：实时展示故障区段、开关操作序列、供电恢复过程

from pyxesxxn.visualization import PowerGridVisualizer

# 初始化可视化模块
visualizer = PowerGridVisualizer()

# 创建拓扑图可视化
topology_plot = visualizer.create_topology_plot(network_data, fault_data)

# 生成综合报告
report_html = visualizer.generate_report([topology_plot, time_series_plot])

🔍 故障定位与智能自愈

• 功能：基于AI的故障精准定位和智能自愈决策
• 特点：支持多种故障类型、高精度定位、快速自愈策略生成
• 应用：配电网故障处理、提高供电可靠性

from pyxesxxn.fault_location_with_dg import FaultLocator

# 初始化故障定位器
fault_locator = FaultLocator()

# 进行故障定位
fault_result = fault_locator.locate_fault(network_data, measurement_data)

# 获取自愈策略
self_healing_strategy = fault_locator.generate_self_healing_strategy(fault_result)

🎯 集成示例：故障精准定位+智能自愈决策全流程

from examples.innovation_modules_example import integrated_demo

# 运行完整演示
results = integrated_demo()

# 查看智能自愈决策建议
fault_probability = results['fault_analysis']['fault_probability']
if fault_probability > 0.7:
    print("🔴 高概率故障检测，建议执行自愈操作")

📚 文档与教程

完整文档请访问：pyxesxxn.readthedocs.org

教程资源

• 快速入门指南
• 安装指南
• API参考文档
• 优化算法文档 - 详细说明MOMTHRO等多目标优化算法
• 创新模块API文档
• 测试套件指南
• 版本管理

示例集合

• 基础用法示例
• 高级用法示例
• 创新模块示例
• 多场景示例 - 城市、农村、港口、岛屿、工业、铁路等场景
• 综合演示

🔧 安装指南

PyXESXXN需要Python 3.11或更高版本。

安装方法

PyXESXXN可以通过pip直接安装：

# 安装核心功能
pip install pyxesxxn

# 安装完整功能（包括所有可选依赖）
pip install pyxesxxn[full]

# 安装特定功能集
pip install pyxesxxn[geospatial]  # 地理空间分析
pip install pyxesxxn[optimization]  # 高级优化功能
pip install pyxesxxn[visualization]  # 高级可视化

从源码安装

# 克隆仓库
git clone https://github.com/pyxesxxn/pyxesxxn.git
cd pyxesxxn

# 安装开发依赖
pip install -e .[dev]

# 运行测试
pytest

💡 使用示例

PyXESXXN提供了丰富的示例，展示其在各种能源系统应用中的强大能力：

基础能源枢纽优化

import pyxesxxn

# 创建能源枢纽模型
hub = pyxesxxn.EnergyHubModel()

# 配置能源载体
hub.add_carrier("electricity", cost=80)  # 元/MWh
hub.add_carrier("hydrogen", cost=300)   # 元/kg
hub.add_carrier("heat", cost=60)       # 元/MWh

# 添加转换设备
hub.add_converter(
    "electrolyzer", 
    input_carrier="electricity",
    output_carrier="hydrogen", 
    efficiency=0.7,
    capacity=10  # MW
)

hub.add_converter(
    "heat_pump",
    input_carrier="electricity",
    output_carrier="heat",
    efficiency=3.5,
    capacity=5  # MW
)

# 添加负荷需求
hub.add_load("hydrogen_demand", carrier="hydrogen", profile=[1, 2, 3])  # kg/h
hub.add_load("heat_demand", carrier="heat", profile=[10, 15, 20])  # MWh

# 运行优化
results = hub.optimize(objectives=["cost", "carbon"])

# 查看结果
print(results.summary())
results.plot_energy_flow()

多场景示例

# 城市能源系统示例
python examples/city_energy_system_test.py

# 农村能源系统示例
python examples/rural_energy_system_test.py

# 港口能源系统示例
python examples/port_energy_system_test.py

# 岛屿能源系统示例
python examples/island_energy_system_test.py

# 工业能源系统示例
python examples/industrial_energy_optimization_example.py

# 铁路能源系统示例
python examples/railway_energy_system_test.py

高级功能示例

# 可再生能源集成示例
python examples/renewable_integration_example.py

# 能源市场与需求响应示例
python examples/energy_market_demand_response_example.py

# 微电网与分布式能源示例
python examples/microgrid_distributed_energy_example.py

# 多场景耦合测试
python examples/multi_scenario_coupling_test.py

# 概率潮流计算示例
python examples/probabilistic_power_flow_example.py

# 连续潮流计算示例
python examples/continuous_power_flow_example.py

创新模块示例

# 创新模块综合示例
python examples/innovation_modules_example.py

# 集成创新示例
python examples/integrated_innovation_example.py

🔧 依赖项

PyXESXXN依赖于多个Python包，主要包括：

核心依赖

• numpy - 线性代数和矩阵计算
• scipy - 科学计算和优化算法
• pandas - 组件数据和时序数据存储
• xarray - 多维数组处理
• matplotlib - 静态绘图
• plotly - 交互式绘图
• seaborn - 统计可视化
• geopandas - 地理空间数据处理
• networkx - 网络计算
• highspy - 高性能求解器接口
• deprecation - 废弃功能管理

创新模块依赖

• scikit-learn - 机器学习算法
• pyyaml - YAML配置文件处理
• imbalanced-learn - 不平衡数据处理
• feature-engine - 特征工程
• dash - Web应用框架
• numba - 数值计算加速
• joblib - 并行计算

可选依赖

• tables - HDF5数据存储
• openpyxl, python-calamine - Excel文件支持
• netcdf4 - NetCDF文件支持
• cloudpathlib - 云存储支持
• cartopy - 地理空间可视化
• gurobipy, docplex, pyscipopt - 商业求解器接口

完整依赖列表请查看pyproject.toml文件。

🔧 求解器支持

PyXESXXN使用Pyomo建模优化问题，支持多种求解器：

• 开源求解器：HiGHS（默认安装，适合中小规模问题）
• 商业求解器：Gurobi、FICO Xpress（学术版免费，适合大规模问题）
• 其他求解器：CPLEX、SCIP等

求解器配置

import pyxesxxn

# 配置求解器
hub = pyxesxxn.EnergyHubModel(solver="gurobi")
# 或
hub = pyxesxxn.EnergyHubModel(solver="highs")

# 设置求解器参数
hub.set_solver_options({
    "time_limit": 3600,  # 求解时间限制（秒）
    "mip_gap": 0.01,     # MIP间隙容忍度
    "threads": 4         # 并行线程数
})

📖 引用

如果您在研究中使用了PyXESXXN，请引用：

@software{PyXESXXN2025,
  author = {PyXESXXN Development Team},
  title = {PyXESXXN: Python for eXtended Energy System Analysis},
  year = {2025},
  publisher = {PyXESXXN},
  version = {1.0.0},
  url = {https://pyxesxxn.org}
}

📄 许可证

PyXESXXN是一个免费闭源库。所有权利保留。详见CLOSED_SOURCE_NOTICE.md文件。

📞 联系方式

• 项目主页：pyxesxxn.org
• 文档网站：docs.pyxesxxn.org
• 技术支持邮箱：[e-mail]

🙏 致谢

感谢以广西科技大学徐骁楠（Xiaonan-Xu/Denver Xu）为核心贡献者的PyXESXXN开发团队和所有贡献者的努力，使PyXESXXN成为能源系统建模领域的优秀独立框架。

特别感谢在框架开发过程中提供技术支持和反馈的研究机构、能源企业和学术合作伙伴。

---

PyXESXXN - 构建可持续能源未来的智能工具