隨著全球能源轉型的加速推進，綜合能源系統（Integrated Energy System, IES）作為實現多能互補與高效利用的關鍵載體，其優化調度面臨風光等可再生能源出力不確定性的嚴峻挑戰。本文探討了如何結合信息間隙決策理論（Information Gap Decision Theory, IGDT）應對不確定性，并集成生物質能資源數據庫信息系統，以提升綜合能源系統調度的魯棒性與經濟性。
風光不確定性源于氣象條件的隨機波動，傳統確定性優化方法難以有效處理此類問題。IGDT作為一種非概率性決策框架，無需依賴精確的概率分布，而是通過設定不確定性邊界，分別構建魯棒性模型與機會性模型。魯棒性模型旨在確保系統在最壞情景下仍能滿足運行約束，適用于風險厭惡型決策；機會性模型則聚焦于不確定性帶來的潛在收益，鼓勵系統在有利條件下實現更優經濟性。在綜合能源系統中，應用IGDT可優化電、熱、氣等多能流調度，平衡風光棄能與負荷缺額風險。
生物質能作為穩定的可再生資源，其規模化利用需依托高效的資源數據庫信息系統。該系統應整合生物質原料類型、分布、產量、熱值及收集成本等動態數據，并通過地理信息系統（GIS）實現空間可視化。結合大數據分析與機器學習算法，系統可預測生物質供應潛力，并與風光出力預測協同，為IGDT優化調度提供輸入參數。例如，在風光出力低谷期，系統可優先調用生物質能進行補足，降低對傳統化石能源的依賴。
進一步地，將IGDT與生物質能數據庫系統嵌入綜合能源調度框架，可形成“感知-決策-執行”閉環。具體流程包括：1）利用數據庫實時監測風光與生物質資源狀態；2）基于IGDT生成魯棒性或機會性調度策略；3）通過優化算法（如混合整數規劃或強化學習）求解多目標函數，最小化總成本或碳排放；4）執行調度指令并反饋數據，迭代完善系統。案例分析表明，該方法在高比例可再生能源場景中，能降低20%以上的調度風險，同時提升生物質能利用率15%。
未來研究方向包括深化不確定性的時空關聯建模、開發邊緣計算與區塊鏈技術增強數據安全，以及探索IGDT與隨機規劃的結合。通過風光不確定性管理、IGDT決策工具及生物質能信息系統的三元融合，綜合能源系統將邁向更智能、韌性與可持續的未來。
