长期以来，世界经济不断增长，能源消耗量持续增加，化石能源日渐消耗殆尽，且随着化石能源的大规模开采与消耗，环境问题日渐严重，全球气候变暖正在逐步威胁人类的生存。近年来，许多国家开始大规模建设风电、太阳能及核电等新能源发电厂，以解决能源枯竭和环境问题。虽然风电和太阳能等新能源具有可再生、污染小等显著优点，但其发电出力与天气密切相关，可控性差成了新能源大规模并网的最大障碍，且弃风、弃光现象普遍存在，造成资源的严重浪费。

美国著名学者杰里米·里夫金在其著作《第三次工业革命》一书中，提出了能源互联网的概念，引起了国内外学者的高度重视。能源互联网较之前的智能电网有了更加深远的内涵：首先，各种能源网络的一次侧、二次侧设备紧密相连形成复杂网络；其次，各种能源网络通过能源转换装置形成双向流动和互相转化；此外，各种类型的传输和储能设备支持可再生能源的广泛接入，实现了多种能源的协调交互与优化。

电力系统优化调度是指求得可控变量的最优组合以满足系统安全约束及负荷需求。与之类似，多能源系统的联合优化调度也是在已知各种能源需求及各种能源网络拓扑结构下，通过调节可控变量（如机组出力、气源出力等），以达到多能源系统运行的最优状态。(www.daowen.com)

为综合考虑多能源系统的经济效益与环境效益，本案例建立计及供能成本和碳排放的多能源系统优化调度模型，为精确描述系统的经济成本，供能成本考虑机组的阀点效应。本案例通过隶属函数将多目标优化问题转化为单目标优化问题。针对此目标函数不连续可微、非凸的非线性规划问题，解析法（如线性规划法、非线性规划法以及动态规划法）存在精度不够、要求函数连续可微以及“维数灾”等问题，难以对此模型进行求解，而智能算法对这种变量强耦合的复杂系统优化问题求解速度极慢。因此，本案例引入知识迁移Q学习算法和内点法构成级联式算法进行求解，即上层Q学习以机组注入有功功率作为控制变量，下层以内点法求解机组注入有功功率确定后的多能源系统优化模型，并通过知识迁移提高求解效率。最后通过拓展的能源中心测试系统验证了本案例所提模型和算法的有效性和可行性。