【目的】针对火电机组碳排放强度大,现行年度碳交易机制对系统季节性约束不足以及富氧燃烧与生物质混燃碳捕集电厂(biomass co-firing carbon capture power plants, BCCPP)协同降碳机制缺失等问题,提出一种考虑富氧燃烧与季节性碳交易的园区综合能源系统(park-level integrated energy systems, PIES)优化调度方法。【方法】首先,将富氧燃烧技术引入生物质混燃碳捕集电厂,构建富氧燃烧BCCPP模型,实现富氧燃烧与生物质混燃在碳捕集层面的技术协同,建立包含“能量层-碳管理层-调度层”的PIES运行框架模型;其次,为突破传统基准线法单一指标分配的局限,破解园区多碳排放主体间配额分配的公平性难题,提出考虑灰色关联度法(grey relational analysis, GRA)和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)的多指标碳配额分配模型,激励PIES内部多碳排主体低碳经济运营;最后,为适配PIES季节性特征,依据碳配额与实际碳排放量对阶梯式碳交易重新分级,并在阶梯碳价基础上引入奖惩因子,形成适用于园区实际运营的考虑奖惩机制的季节性碳交易机制。【结果】富氧燃烧与BCCPP协同运行使碳捕集能耗降低36.31%、机组碳排放减少56.15%。在结合GRA-TOPSIS的多指标碳配额分配和季节性碳交易机制后,PIES年度碳排量降低26 577.68 t,且运行成本降低约5.09×10⁶元,降幅达0.75%。【结论】算例验证结果表明,季节性碳交易机制通过配额差异化分配主动调整各季节配额盈缺状态,实现了跨季节碳配额的优化配置,在实现PIES经济与低碳效益的协同优化方面更有优势。

【目的】受气象变化及风电功率非平稳性的影响,风电功率序列具有较强随机波动特征,传统预测模型难以实现有效建模。为提高短期风电功率预测精度,本文提出一种基于双分支KAN增强模型与跨模态深度强化学习的预测方法。【方法】首先,采用皮尔逊相关系数筛选气象特征;其次,利用改进海狸行为优化算法（improved beaver behavior optimization,IBBO）优化变分模态分解参数,实现功率序列多尺度分解。进一步构建双分支预测模型,其中KAN增强Transformer模型用于提取全局时序特征,TCN-KAN模型用于挖掘局部动态特征。在此基础上,引入跨模态注意力驱动的近端策略优化（proximal policy optimization,PPO）动态融合模块,实现多模型预测结果的自适应融合,最终获得风电功率预测结果。【结果】基于某99MW风电场2020年全年运行数据开展实验,并与多种基础预测模型进行对比。结果表明,所提方法在全年独立测试数据中具有较好的预测精度。【结论】本文方法能够有效提升短期风电功率预测性能,在全年运行数据范围内表现出较好的稳定性。

【目的】针对多虚拟电厂与配电网运营商的主从博弈格局,现有动态定价模型未充分考虑新能源出力的不确定性对博弈策略影响的问题,且传统求解方法在高维决策空间时求解质量差,为此提出一种基于分布鲁棒优化的主从博弈动态定价模型及求解方法。【方法】建立以配电网运营商为领导者、多虚拟电厂为跟随者的主从博弈动态定价模型;在虚拟电厂优化模型中引入分布鲁棒机会约束描述风电出力不确定性,仅需对已知风电功率的一阶矩和二阶矩信息构造模糊集,通过Cantelli不等式将机会约束转化为确定性等价形式;提出基于神经网络增强的区域粒子群优化算法(neural network-enhanced regional particle swarm optimization, NN-RPSO),通过构建虚拟电厂行为预测模型替代频繁调用下层优化,结合区域划分策略实现高效搜索。【结果】决策者可通过调节风险预算参数在运行风险与成本间权衡;所提算法相较于区域粒子群优化算法在提升配电网运营商收益47.2%的同时,减少下层模型调用次数约67.4%。【结论】所提模型为决策者提供了灵活应对不确定性的建模手段,所提求解算法显著提升了求解质量,为多主体主从博弈问题提供了有效解决方案。

【目的】 为挖掘多市场环境下电动汽车（electric vehicle, EV）调节潜力,解决聚合商与用户间信息不对称及调度偏差问题,构建兼顾多方利益的优化调度模型。【方法】 建立“电力市场-聚合商-用户”三层Stackelberg博弈模型。聚合商作为领导者,统筹电能量、调频及绿色电力证书收益,采用鲁棒优化应对价格波动;设计基于维克里-克拉克-格罗夫斯（Vickrey-Clarke-Groves, VCG）的激励相容机制消除用户虚报动机;引入非线性电池损耗模型,利用逆向归纳法与线性化技术求解博弈均衡。【结果】 算例表明,所提机制使系统峰值负荷降低17.4%,用户综合成本下降16.27%;验证了如实上报私有信息为用户最优策略;聚合商仅需让渡不足10%的利润即可降低80%以上物理执行偏差。【结论】 VCG机制有效实现了用户侧风险隔离;多市场耦合与鲁棒优化显著提升了聚合商抗风险能力;明确了电池成本低于1000元/kWh为车网互动（vehicle-to-grid, V2G）规模化应用的经济临界点。

【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,提升大电网暂态稳定判别精度与拓扑适应性,为电网紧急控制与安全防御提供可靠决策依据。【方法】提出基于图Transformer的电力系统暂态稳定智能判别方法,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%,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】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,提升大电网暂态稳定判别精度与拓扑适应性,为电网紧急控制与安全防御提供可靠决策依据。【方法】提出基于图Transformer的电力系统暂态稳定智能判别方法,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%,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】为降低商业用户用能总成本,满足可再生能源电力消纳责任权重,提高新能源利用率,缓解配电变压器反向重过载,构建了价格型、准线型、基线型需求侧响应（demand response,DR）下的风光储自备电源配置策略,计及反向输电约束,对比评估其参与三类DR降低用能总成本的效果。【方法】以最小化用能总成本为目标,构建规划阶段自备电源配置、运行阶段负荷基线交替迭代的双层优化模型。上层模型考虑多条新能源预测曲线各时刻最大值,建立了自备电源配置模型,求解新能源容量、储能功率和标称放电时间;下层模型基于上层模型结果和多条新能源预测曲线概率,求解用能总成本的数学期望,并以输电曲线数学期望作为负荷基线反馈至上层模型,直至连续两次自备电源配置结果和负荷基线相同。按允许反向输送不超过20%的光伏发电量设定输电约束,并分析分时电价、基准激励价格和负荷准线的调整对经济性指标的影响。以我国沿海某省某商业综合体为例进行计算评估,从降低用能总成本方面验证策略的有效性。【结果】从数学期望看,相较于无自备电源的对照方案,采用所提模型方案的用能总成本降低2%~10%;参与基线型DR的相似度为98%~100%,显著高于参与准线型DR的82%~86%,参与基线型DR相比准线型DR用能总成本降低6%~10%。反向输送的光伏电量占比为0~10%。【结论】在满足省级电网可再生能源电力消纳责任权重需求下,所提策略求解的负荷基线和输电曲线相似度高,设定的反向输电约束增加了自备电源配置规模,显著降低了商业用户用能总成本。

【目的】为在电动汽车快速发展背景下响应其呈现的多元化充电需求,研究多类型充电桩协同的充电站规划方法。【方法】本文从电动汽车、交通网和电网的角度,首先,基于图论的思想,建立了车-路-网耦合下的充电站选址定容规划方法;然后详细表征了电动汽车车主的选桩特性,选取慢速充电桩（Slow charging post, SCP）、快速充电桩（Fast charging post, FCP）、移动充电桩（Mobile charging Post, MCP）和超级快速充电桩（Ultra -fast charging post,UCP）作为规划的主要设施,以年化社会总成本最小为目标,建立了含多类充电桩和多条件场景约束的充电站规划模型;再基于条件场景变换和二阶锥松弛方法将规划问题转化为混合整数二阶锥规划问题,并通过Gurobi求解器进行求解;最后,仿真结果有效验证了本文所提模型的高效益和有效性。【结果】结果表明,充分考虑SCP、FCP、UCP和MCP的规划结果最优,且MCP的引入有效发挥了充电需求高峰的应急作用,减少了17.82%的规划成本。【结论】本文所构建的充电站规划模型中,电动汽车车主能够在多类型充电桩中按照一定原则进行选桩,且多类型充电桩的协同配置比单一类型充电桩的规划配置更具有灵活性,能够在满足充电需求的条件下节省年化社会总成本。

【目的】在冰灾极端气候下,风光发电能力会急剧下降,同时电力设备故障概率显著提升,导致电力供应在持续数天的时间内出现严重失衡。为分析冰灾天气下高比例风光能源电力系统源网荷各侧之间复杂的相互耦合关系,并识别易发生故障外扩的薄弱节点。研究了冰灾气候条件下高比例风光能源电力系统“源-网-荷”时空分布的规律性、相关性、随机性,揭示电力供需双侧的概率化特征,构建了计及冰灾气候关键影响因素的电力系统“源-网-荷”概率模型。【方法】基于非线性动态系统理论,提出了电网节点电压被动/主动波动指标、网络整体波动指标以及节点电压越限指标,基于动态阻抗矩阵和源-荷频率耦合度提出了一种研究冰灾天气影响下电力系统源侧、网侧、荷侧各部分之间耦合关系的“源-网-荷”耦合特性与薄弱性分析方法,进而分析冰灾天气下“源-网-荷”协同变化的主要影响机理及其变化规律。【结果】改进IEEE 39节点系统和某地实际电网算例分析结果表明,系统整体的节点被动/主动波动指标逐渐增大,节点间相互影响增强,风光能源的波动性在冰灾场景下会放大耦合效应,降低电网抗冰灾能力。【结论】所提方法可揭示冰灾场景下“源-网-荷”耦合特性的动态演化规律,并辨识电网关键薄弱节点,为深入研究冰灾天气下的电力系统运行特性和优化调度提供了有效的工具。

随着“双碳”目标的驱动与新型能源体系建设的深化,以分布式电源、电动汽车和可控用户侧资源为代表的新型源荷发展迅速,占比达到新高度。新型源荷功率的波动性和随机性对配电网的安全运行和灵活调控提出了新的挑战,迫切要求配电网向现代升级、向智慧升级。针对现代智慧配电网发展面临的形势要求,分析了现代智慧配电网具备的内涵特征,阐述了配电网的智慧化需求及发展重点。针对配电网建设的多样性和差异化特点,结合微电网协调发展、充电设施高效承载、新型储能高效利用、城乡配电网升级、源网荷储高效协同五个典型场景,对传统配电网向现代智慧升级的关键技术进行了初步探讨。最后,围绕现代智慧配电网的内涵特征和发展重点,对未来配电网的技术发展方向和建设重点进行了展望。

“双碳”背景下,为进一步降低微网系统的碳排放量,提出了一种计及电动汽车协调充电及奖惩型阶梯碳交易机制的多微网综合能源系统低碳运行策略。首先针对微网中的电动汽车负荷提出了一种反映用户充电需求的动态紧迫性指标,建立以微网内总电负荷峰谷差最小为目标的电动汽车协调充电模型,然后在微网内加入两阶段电转气、分布式电源与热电联供单元协同运行模型;最后考虑多微网内存在电热交互,加入奖惩型阶梯碳交易机制对多微网的碳排放量进行约束,进一步提高多微网系统的低碳性与经济性。基于此,构建以多微网总运行成本最小的低碳经济运行目标,将原问题转化为混合整数线性规划问题进行求解,通过对比案例,分析验证了所提策略的有效性。