新一代能源体系的建设和社会能源需求的发展，要求综合能源系统(Integrated Energy Systems, IES)到达安全、可靠、高效、经济的水平。相较于单个能源系统分析，无论在系统运行态势评估还是薄弱节点辨识等方面，综合能源系统的分析都会面临更多的挑战。主要体现在两个方面：
　　(1)系统物理规模更大、模型维数更高。随着多能源的深度互联和各种新型设备的接入，综合能源系统分析面对是对一个复杂非线性微分代数模型的分析，然而目前无法有效分析大型复杂系统的运行状态；(2)多能源子系统间的交互影响使得系统运行的波动性和时变性更严重。为此系统需要在更短的时间内完成状态分析，实时在线响应。然而目前无法做到对综合能源系统进行实时异常状态识别和薄弱节点辨识。
　　针对上述问题，本文从多能源系统特性出发，提出了一种基于多能流矩阵和数据驱动的综合能源系统薄弱点辨识方法，所完成的主要工作和成果如下：
　　(1)研究综合能源系统多能流模型和数据驱动方法基础理论。根据牛顿拉夫逊方法，建立含耦合元件的电-热-气多能流模型，推导多能流矩阵和统一潮流的计算。分析数据驱动下的矩阵统计方法，研究矩阵的极限谱函数M-P率(The Marcenko-Pastur Law)和圆环率以及线性特征值统计量的分布特性。
　　(2)基于多能流矩阵和数据驱动构建综合能源薄弱节点辨识方法。考虑能源种类和时间尺度问题，采用分离时间窗技术和标准预处理，将多能流矩阵和数据驱动结合形成多能流数据矩阵。计算数据矩阵的M-P率、圆环率和平均谱半径(Mean Spectral Radius，MSR)，定性定量识别系统异常状态并确定异常出现时间。结合增广矩阵和熵理论，增强节点数据与系统状态的关联性，计算节点薄弱性指标，建立薄弱节点辨识模型。
　　(3)对实际综合能源系统算例进行仿真验证。构建算例多能流模型，完成统一潮流，改变某一负荷能观察到整体状态数据的变化，表明多能流间存在交互影响。选取表征系统状态的不平衡量初值构建多能流数据矩阵，矩阵的M-P率、圆环率和MSR符合系统所有时刻的状态变化，能有效识别系统异常状态。结合增广矩阵和熵理论，建立节点薄弱辨识模型，以增设耦合装置、圆环率分布变化和状态数据变化三种方式检测了辨识方法的合理性
　　本文以多能流矩阵的不平衡量初值作为基础数据，利用数据驱动方法，提出了具有普适性的综合能源系统薄弱点辨识方法，减少了对系统物理模型机理的依赖，且无需进行潮流计算过程，具有良好的快速性和准确性，为综合能源系统分析带来了新思路。