【目的】 在“双碳”目标与“东数西算”战略的双重驱动下，数据中心作为高功率密度灵活性负荷，其绿色转型与电力系统的协同优化愈发关键。针对枢纽节点新建数据中心80%绿电使用的政策要求，旨在探明不同绿电消费方式与算力负荷灵活性对数据中心运行成本及碳排放的影响机理，为算力枢纽的资源规划与协同调度提供决策依据。【方法】 首先构建了算力电力节点双向协同优化模型，统筹考虑负荷侧算力任务的时间与空间柔性特征以及多元绿电消费方式的物理与合同约束，包括绿电直连、购电协议（power purchase agreement，PPA）及网电补充。引入平准化度电成本（levelized cost of electricity，LCOE）与后果性碳排放因子作为双维度评价指标。针对甘孜地区算电融合项目群，设计了绿电直连比例从80%至20%梯度下降的仿真场景，并深入探究了数据中心负荷无灵活性、时间灵活、空间灵活及时空协同灵活4种方案下的运行特性。【结果】 仿真分析表明，在80%绿色电力消费比例约束下数据中心的LCOE随绿电直连比例的下降呈现显著的“U型”演变特征，时空协同灵活性调度通过全维度的资源寻优，实现了系统经济性与环境效益的帕累托改进，是实现大规模算电融合项目群低碳经济运行的最优调度范式。【结论】 所提模型及评估框架量化了物理直连与虚拟匹配的成本边界，并有效揭示灵活性策略的影响规律，对优化算力枢纽的数据中心配置具有参考价值。

【目的】 伴随数据中心绿色供能需求的持续攀升，如何有效协调风光不确定性与数据中心算力负荷需求间的匹配性面临严峻挑战。对此，本文提出一种考虑风光不确定性与算力灵活性的数据中心两阶段随机优化调度方法。【方法】 首先，针对风光出力的随机波动与时序耦合特征，构建基于一阶自回归与科列斯基分解的场景生成模型，捕捉风光时序相关性与互补性。其次，考虑延时容忍度差异特性，建立基于离散时间任务流的算力灵活响应模型，通过队列状态方程量化不同时延容忍度业务在时间维度上的迁移能力与积压约束。最后，以系统期望运行成本最小为目标，构建包含算力调度与多能协调的两阶段随机优化模型，决策算力任务的最优时序运行策略。【结果】 算例分析表明，所提策略可有效引导延迟容忍型任务从电价高峰时段向风光资源充裕的电价低谷时段平移，系统期望运行成本较传统刚性调度模式降低了4.1%。【结论】 所提方法能够有效挖掘算力负荷的调节潜力，降低运行成本，实现数据中心经济高效运行。

【目的】 在碳中和目标驱动下，亟须厘清新能源并网规模增加与维持电力系统安全稳定水平之间的矛盾，提出新型电力系统的关键要素和演化模式，分析其演化特点，基于电力系统新技术探索其演进路径。【方法】 探讨了能源电力系统演化的关键因素及发展模式，提出了支撑新型电力系统的三层技术创新模式；分析了新型电力系统发展过程中保供应、保安全、促消纳的矛盾演化规律；提出了源网荷储、主-配-微、调度交易要解决的主要问题和演进路径。【结果】 新型电力系统从“规模驱动”为主向“规模+技术”为主的双轮驱动模式转变。电力系统“两保一促”的风险将随着新能源发电占比的不断提升而增加。【结论】 相关结论可为未来新型电力系统构建中新能源、输电技术、配微电网、电力调度及电力市场技术的发展提供科学依据，推进其安全、高效发展。

【目的】 高渗透率分布式可再生能源接入使配电网面临源荷时空错配与场景概率偏差并存的不确定性挑战，亟需兼顾结构自治与不确定性适配的规划方法。提出一种运行反馈驱动的动态集群划分-规划配置-调度运行的闭环框架，建立风电、光伏等分布式电源（distributed generation，DG）、智能软开关（soft open point，SOP）与分布式储能系统（distributed energy storage system，DESS）的协同配置模型。【方法】 首先，构建关键时段加权归一化的源网荷储匹配度指标，并结合模块度指标形成刻画结构与资源协同的综合性能指标，以指导集群划分；其次，针对风光出力的不确定性，在场景概率存在偏差的条件下建立两阶段分布鲁棒协同规划模型；进一步，从运行调度中提取跨区互济与电压约束压力等运行边际信息，自适应调整分区边界，使分区结果更适配规划与运行需求，并采用外层分区迭代与内层列约束生成相结合的双循环算法进行求解。【结果】 在IEEE 69节点系统中，所提方法可在年综合成本、可再生能源消纳与弱耦合自治运行结构方面取得协同提升。【结论】 研究成果为DG与灵活资源协同配置提供了理论支撑，对配电网的规划运行具有重要意义。

【目的】 在“双碳”目标引领与能源转型驱动下，高比例分布式电源、柔性负荷、新型储能等多元主体规模化并网，推动新型配电系统呈现源网荷储深度耦合、形态结构动态演化等特征。传统依赖经验决策的规划模式已难以应对系统不确定性激增、多目标约束耦合等复杂挑战，亟需依托人工智能（artificial intelligence，AI）技术构建适配新型配电系统发展需求的规划新范式。【方法】 系统梳理新型配电系统规划的核心流程与技术痛点，分析规划知识图谱构建、源荷预测与场景生成、电力平衡、容量规划与网架优化、源网荷储协同规划等环节的核心挑战，系统阐述相关研究进展与技术应用范式。对基于人工智能的新型配电系统规划技术存在的多源异构数据融合效率低、模型跨场景泛化能力不足、规划决策可解释性欠缺、多目标优化权重动态适配困难、方案工程落地性考量不足等问题进行了总结与分析，并提出了融合图学习与物理约束提升模型适配性、依托迁移学习与数据增强技术强化跨场景及小样本应用能力、基于多模态融合技术深化数据挖掘、结合因果推理增强决策可解释性、构建人机混合智能体系提升规划实操性等关键技术发展方向。【结果】 相较于传统规划方法，人工智能技术凭借强大的数据处理与智能决策能力，为新型配电系统规划提供了高效、精准的解决方案，具备多场景适配、多目标协同的显著优势，但仍面临技术落地与工程实用化的系列瓶颈。【结论】 未来需持续推进人工智能与新型配电系统规划的深度融合，攻克核心技术难题，为配电网高质量发展提供技术支撑与决策参考。

【目的】 针对高渗透率分布式光伏并网引发配电网运营成本增大和电压越限风险加剧的问题，提出一种模型-数据联合、集中-分散结合的主动配电网日前-日内两阶段运行成本优化与电压越限控制方法。【方法】 第1阶段为模型驱动的日前有功-无功协调优化，建立计及电压安全约束的运行成本最优模型，协调源-网-荷-储各类可调资源，在优化运营成本的同时提升小时级电压安全水平。第2阶段为数据驱动的实时电压/无功分散控制：基于日前功率预测生成面向分钟级功率波动的多运行场景，通过潮流与无功网损优化计算，构建光伏与储能调压样本集；设计基于知识嵌入的自适应网络模糊推理系统的光伏和储能（battery energy storage system，BESS）电压控制器，利用样本集进行控制器学习以兼顾全局网损优化；各控制器依据本地实时电压和功率信息自适应决策最优无功出力，共同实现电压越限实时校正与系统网损优化。【结果】 仿真对比多种控制方法表明，所提两阶段方法能够有效降低系统运营成本，显著抑制实时电压越限，在运行经济性和电压安全控制方面均优于传统方法。【结论】 模型驱动与数据驱动相结合、集中协调与分散控制协同的调控架构，可充分发挥源网荷储的调节潜力，提升高比例分布式光伏接入配电网的运行经济性和电压安全性。

【目的】 在各行业数字化转型的浪潮下，数据中心产业蓬勃发展，并呈现出集群化和广域互联的新态势。鉴于数据中心普遍存在高能耗、高碳排放问题，旨在基于数据中心计算负载的时空灵活性，引导其积极参与电网低碳调度，以达成数据中心与电网节能降碳及经济运行目标。【方法】 提出了一种高精度的动态碳排放核算方法，该方法计及了网络损耗与碳排放时空差异，通过功率迭代溯源算法精准计算出关键的“节点碳势”信号，并基于该信号提出了互联数据中心与电网协同双层调度模型。其中，上层模型以运行成本、碳排放及可再生能源弃用量最小为优化目标；下层模型以最小化电-碳综合成本为优化目标。调度模型通过上下层之间的碳势和负载调整信号进行交互迭代，寻找系统最优的调度策略。【结果】 基于改进IEEE 39节点系统的案例分析表明，在所提协同调度策略下，数据中心在高碳势时段，主动将在线负载转移至低碳势节点处理，并延迟处理本地的离线负载；在低碳势时段，则会承接更多在线负载并集中处理先前延迟的离线负载任务，节能降碳效果显著。【结论】 所提双层优化模型，可有效引导数据中心实现经济与低碳的协同，为数据中心绿色转型和电网低碳调度提供新的技术工具。

【目的】 针对光储直柔（photovoltaic-storage direct current flexible，PSDF）微电网中可再生能源出力随机性与负荷响应延迟性带来的调度难题，提出一种考虑需求响应延迟特性的随机优化调度策略。【方法】 首先，构建包含能源运营商（energy producer， EP）与负荷聚合商（load aggregator， LA）的双层协同优化模型，引入可平移负荷、可转移负荷和可削减负荷3类柔性负荷的延迟响应特性，刻画用户侧实际调控行为。其次，基于纳什谈判理论建立非对称议价机制，综合考虑双方的议价能力差异，实现公平高效的电能交易定价。为应对风光出力与负荷的不确定性，采用蒙特卡罗场景生成与K-means聚类削减构建典型运行场景，并利用交替方向乘子法（alternating direction method of multipliers， ADMM）进行分布式求解。【结果】 仿真结果表明，所提模型可有效降低负荷聚合商成本1.17%，提升能源运营商收益4.07%，降低园区综合运行成本10.03%。【结论】 所提策略兼顾负荷侧经济性与系统功率平衡，实现了经济性、公平性与隐私性的统一，为高比例新能源接入下的微电网优化调度提供了可行方案。

【目的】 高压直流输电（high voltage direct current，HVDC）智能运维面临状态评估精度不足、风险预测前瞻性差及故障诊断实时性低等关键问题，传统方法在多源数据融合、小样本泛化与决策可解释性方面存在局限。本文旨在系统梳理知识图谱与预训练模型融合的技术路径，为构建新一代HVDC智能运维体系提供理论参考。【方法】 首先剖析了HVDC智能运维在状态评估、风险预测与故障诊断三大场景中的技术瓶颈；其次阐述了知识图谱与预训练模型的融合基础及协同机制；最后归纳了融合技术在三大场景中的关键进展与解决方案。【结果】 知识图谱与预训练模型的深度融合有效解决了数据孤岛、小样本泛化弱及决策黑箱等痛点，在多模态特征对齐、时序因果推理及云边协同诊断等方面取得了显著突破。【结论】 当前该领域仍面临知识自动更新、物理机理融合及实时性保障等挑战，未来应重点发展自动化知识工程、物理信息嵌入预训练模型及可信评估体系。

【目的】 针对传统电力系统暂态稳定判别方法难以处理高维非线性动态行为、效率与泛化能力不足的问题，提出基于图Transformer的电力系统暂态稳定智能判别方法。【方法】 融合短路故障起始时刻电气量与故障信息构建节点输入特征；采用图神经网络建模电网拓扑关系，结合拉普拉斯位置编码注入结构信息，利用Transformer多头自注意力机制挖掘节点间全局复杂依赖关系；通过PSASP平台生成多拓扑、多故障场景样本，采用最大池化聚合节点特征完成模型构建，并在IEEE 39节点与某区域1947节点系统开展试验验证。【结果】 IEEE 39节点特征消融实验表明，故障持续时间是影响暂态稳定判别最主要的因素；在1947节点系统验证集上，模型准确率达98.33%、召回率达97.36%，综合性能优于传统机器学习与主流深度学习对比模型；在电网拓扑变化场景下，模型各项性能指标波动小于0.25%，能够保持稳定且优异的判别效果。【结论】 所提方法兼具图神经网络拓扑建模与Transformer全局特征捕捉优势，在高维数据处理、复杂扰动适应与拓扑泛化方面性能突出，判别准确、鲁棒性强，可为电力系统紧急控制与安全防御提供可靠的决策依据。

【目的】 新能源的随机波动性对新型电力系统的安全稳定运行造成了挑战，电蓄热资源作为消纳波动性新能源的优质资源，已在我国“三北”地区大规模应用。蓄热介质参数值受其温度影响，电蓄热装备在实际运行中会发生蓄热参数漂移现象，导致对其调控偏离预期。鉴于此，提出一种计及蓄热体参数变化的电蓄热装备控制策略。【方法】 首先建立了一种考虑蓄热传递过程的电蓄热装备参数化动态模型，然后针对蓄热参数漂移问题提出了一种基于参数投影的模型参数在线辨识算法；在此基础上，构建了测-辨-控架构下计及蓄热体参数变化的新能源电蓄热协同调控模式，设计了基于动态模型在线自更新的电蓄热装备自适应模型预测控制算法，自动匹配电蓄热装备模型参数的时变特征。【结果】 算例分析结果表明，所提方法能有效应对电蓄热装备的参数漂移，与传统模型预测控制相比，所提自适应模型预测控制将蓄热体温度预测均方根误差由23.22 ℃降低至1.06 ℃，降幅达95.4%；系统日购电成本由431.32元降低至341.45元，降幅为20.8%。【结论】 该方法在控制精度、经济性等方面较传统方法具有明显优势，能够为高比例新能源环境下电蓄热的灵活调控和经济运行提供有效支撑。

【目的】 针对微电网中可再生能源接入带来的功率波动与用户用能需求多样化导致的负荷峰谷调节难以协同优化的问题，提出一种考虑源-荷双侧差异化需求的混合储能系统（hybrid energy storage system，HESS）协同优化配置方法。【方法】 首先，提出改进经验模态分解（empirical mode decomposition，EMD）方法将分布式电源（distributed generation，DG）出力分为高、中、低三个频段，结合不同储能类型的经济技术特性，实现多时频域下的HESS功率分配。其次，构建考虑电源侧最大波动量指标和新能源消纳率指标以及负荷侧峰谷差降低率指标的微电网源-荷双侧HESS协同优化配置模型。最后，提出基于改进交替方向乘子法（alternating direction method of multipliers，ADMM）的协同优化求解算法实现HESS协同优化配置模型的分布式优化求解。【结果】 仿真结果表明，所提方法在保障较好经济性的前提下，能有效平抑DG出力波动并实现负荷的削峰填谷，源-荷双侧协同优化后实现了新能源消纳率提高到99%，负荷峰谷差降低率达到了84.94%。【结论】 所提协同配置方法有效提升了微电网对新能源的消纳能力与对负荷峰谷差的调节能力，为微电网HESS的合理配置提供理论依据和技术参考。

【目的】 针对无储能光伏直驱空调系统在动态电价下面临的弃光率高、供需匹配难问题，提出一种融合电价响应与物理约束的优化控制策略。【方法】 首先，构建卷积神经网络-长短期记忆（convolutional neural network- long short-term memory， CNN-LSTM）预测模型，引入光伏板参数与建筑热容约束提升预测精度；然后，设计以动态成本最小为目标的阈值优化模型；最后，基于优化阈值与滞回比较器实现无储能协同切换。【结果】 以西北某图书馆为实例仿真，结果表明：利用建筑热惯性预冷，高电价时段负荷峰值削减18%，系统日均运行成本降低21.6%。【结论】 所提“预测—优化—控制”闭环框架有效提升了市场化环境下系统的经济性与灵活性，为公共建筑节能降碳提供了解决方案。

【目的】 明确国家核证自愿减排量（China certified emission reduction，CCER）机制下绿氢纳入引发的“碳价-电价-氢成本”动态传导效应，验证5%抵扣比例适配性，为多市场协同提供量化依据。【方法】 构建电-碳-氢系统动力学模型，耦合平准化氢成本与基于贝叶斯推断修正的质子交换膜电解槽学习曲线，模拟2024—2034年多市场系统演化路径特征及价格联动特征。【结果】 三市场间存在显著内生联动与反馈，现行5%比例适配性不足；在5%~9%抵扣区间、设备年运行1920 h及学习效应叠加下，绿氢有望于2030、2035年分别实现与蓝、灰氢平价。【结论】 动态CCER抵扣机制是平衡市场与减排的关键，绿氢规模化降本需政策与技术双驱并规避外购电溢价，本研究可为“电-碳-X”政策设计奠定方法论基础。

【目的】 多个综合能源微网与共享储能电站协同运行是未来能源发展的重要方向之一，然而可再生能源出力与电价的不确定性以及各微网与共享储能间交易的欺诈行为对系统运行构成挑战，为此，提出了一种考虑多重不确定性和博弈欺诈的多微网-共享储能系统运行优化策略。【方法】 考虑微网与共享储能间的协同运行，建立多微网-共享储能系统纳什谈判优化模型，并将原问题转换成系统电能交互和合作收益分配子问题。前者采用Wasserstein分布鲁棒应对新能源出力与电价的不确定性并实现系统效益最大化，后者建立考虑共享储能与微网间欺诈行为的中介交易机制，实现系统欺诈均衡。模型采用自适应交替方向乘子法进行分布式求解。【结果】 仿真结果表明，相较于独立运行，本文所提系统合作模型使收益提升8.05%，碳排放降低27.49%，验证了其提升主体效益的有效性。【结论】 Wasserstein分布鲁棒与欺诈中介交易机制确保了系统在不确定环境及欺诈风险下的鲁棒性与合作稳定性。