现代的能源与电力行业正处于大幅度变革的时代，例如可再生能源占比逐渐提高；主动配电网、微电网迅速发展，市场参与主体迅速增加；新型综合能源管理开始试点应用。本文适合在企业工作的科技人员，不一定适合高校科研人员。对于企业工程师来说，我觉得以下的通用技术工具是值得关注的：

1）优化，这里的优化包括几个方面：将实际问题抽象建模成优化问题；将优化问题用成熟的商用或开源优化求解器来求解，而不是自己求解；优化结果用于实际的规划设计、计划安排、控制，真正发挥实际经济效益。以前很多的工业现场，都是完全没有考虑优化的，随着基础信息设施的建设，积少成多，优化将发挥巨大的经济效益。以后能够结合实际工程现场需求的优化人才将非常奇缺，我看好优化的前景，这甚至好于人工智能方向。

2）控制论，至少需要有基本概念，为什么有的系统控制效果不好，会有误差，或者有振荡，甚至失稳。分别采用什么样的控制措施才可以解决上述问题。许多开发电力控制软件的人都不懂控制论，这是因为控制对象可以近似为“准稳态”的，然后他们就直接当成静态断面的优化问题来处理了。随着新能源占比的逐渐提高，特别是在局部的微电网、主动配电网范围内，系统波动将更加明显，这时候需要考虑真正的控制问题。一般来说，考虑到实际问题的建模、同时便于利用优化工具，我个人觉得模型预测控制几乎是唯一可行的控制框架。当然，考虑到不确定性，可以加入自抗扰等概念来加强控制性能，甚至使用智能控制等手段。

3）数据分析，这里我不提时髦的“人工智能”名词，觉得人工智能炒作的太厉害了，但数据分析还是十分必要的。状态估计（用测量学的术语就是“测量平差”）其实就是利用冗余测量数据获得更小误差的数据分析方法，只不过是最简单的机器学习模型（最小二乘）。现代微电网、主动配电网，由于准确参数的难以获得，不确定性更大，不一定好用传统的基于潮流、灵敏度计算那样的分析方法。这时候可能需要直接利用数据来进行深入挖掘，甚至训练机器学习模型，这是有前景的。

  对于优化，显然模型越精确，效果越好。但是实际微电网、主动配电网等系统可能难以提供精确模型，这时候数据分析又可以派上用场。对于控制来说，也自然是模型越精确，效果越好，但是模型不精确，也要求控制效果要有鲁棒性。数据分析可能会对优化、控制起到一定支撑作用。因此上述3条，是相互补充的关系。