针对电力现货市场日前电价预测中普遍存在的时序特征提取不足、特殊日类型场景适应性差的问题，提出一种基于Transformer架构的改进预测模型。引入Patch机制增强局部时序特征提取，结合通道独立结构增加多变量特征学习效率，通过多头注意力机制捕获全局电价波动规律。基于广东省电力现货市场历史数据进行方法验证，与基准Transformer模型相比，周末场景的平均绝对误差从32.95降低至 23.88，节假日场景的平均绝对误差从78.33降低至70.33。对量价偏移现象的适应性显著优于基准模型，在竞价空间大于6万MW时能准确捕捉价格下限上升趋势，所提方法在不同场景（特别是特殊场景）预测精度显著提升，对量价偏移现象适应性好。

基于容量电价政策导向，在充分评价各区域煤电项目亏损风险区域的基础上优化煤电项目的市场化机制，对构建清洁、安全、经济、灵活的新型电力系统具有重要意义。本文以3类典型煤电机组为研究对象，引入等效机组概念提出改进区域煤电平准化度电成本（levelized cost of electricity，LCOE）模型，测算并比较引入容量电价前后省域煤电机组度电成本。在此基础上，设计煤电机组投资收益率模型，依据现行上网电价并结合容量电价政策识别区域煤电机组的收益—风险区域。结果显示：容量电价机制引入后，对区域煤电平准化发电成本产生了显著影响，推动该成本水平整体下降；与此同时，区域煤电机组的平均收益区间向上调整。值得注意的是，西部与东北地区的煤电项目收益水平仍较低，这表明此类项目在运营过程中仍面临亏损可能性，需对其经营风险予以关注。研究结果可为区域煤电价格制定提供理论支撑，同时也为煤电市场化改革提供决策依据。

针对电氢耦合储能直流微网中母线电压易波动和储氢状态（state of hydrogen，SOH）易越限的问题，提出了一种考虑SOH和直流母线电压稳定性的电氢耦合储能直流微网协调控制策略。首先，氢储能系统（hydrogen energy storage system，HESS）采用基于模糊算法的下垂控制策略，综合考虑母线电压波动和SOH对HESS的输出功率进行动态优化。其次，电池储能系统（battery energy storage system，BESS）采用基于类似虚拟同步发电机（analogous virtual synchronous generator，AVSG）的控制策略模拟电容的充放电特性，对直流母线电压的动态性能进行优化。最后，考虑母线电压波动幅值，通过控制HESS和BESS的运行模式对母线电压进一步协调优化。在Matlab/Simulink平台中搭建了电氢耦合储能微网仿真模型，验证所提策略的有效性。结果表明：所提协调控制策略能够在源荷波动场景下提升直流微网母线电压的稳定性、改善氢储能系统的过充过放情况。

在新型电力系统背景下，配电网分布式能源渗透率不断提高，负荷特性日趋多元，传统短期负荷预测方法难以有效捕捉高维非线性时序特征。为此，提出一种基于Transformer-集成学习的短期负荷预测方法。首先，构建多维特征嵌入层，融合负荷时序、周期特征及环境变量；其次，采用多头自注意力机制建立跨时段动态关联，提取负荷的时空耦合特性；然后，设计分层随机化前馈网络，结合Dropout增强模型隐空间的多模态表征能力；最后，集成多个差异化Dropout模型，通过多次前向传播采样实现对预测不确定性的贝叶斯评估。实验结果表明，所提方法在预测精度与稳定性上均优于现有基准模型，可为配电网优化调度提供有效支持。

传统的确定性负荷预测无法提供负载的不确定性信息，概率负荷预测能够生成预测值不确定性的概率分布，为电网调度决策提供更丰富的信息。为了进一步提高概率负荷预测的精度，提出了一种包含最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）及门控脉冲神经P系统（gated spiking neural P system，GSNP）的LASSO-GSNP模型。首先，运用LASSO从最低温度、最高温度、平均温度、平均湿度和降雨量等外部特征中提取关键特征；随后，提出了改进的GSNP模型实现概率负荷预测，以提升长时间序列预测的性能。使用2个不同尺度的长时间序列数据集作为算例，结果表明，所提模型在预测精度指标和预测区间质量上均优于其他几种典型模型。

针对因通信中断导致故障恢复延迟的大范围信息盲区负荷恢复难题，提出一种考虑无人机（unmanned aerial vehicle，UAV）恢复临时通信的有源配电网故障恢复策略。首先在有限无人机资源约束下，构建以最大化盲区高优先级负荷覆盖为目标的通信网络快速恢复模型，优化确定无人机最佳部署位置及各盲区所需应急通信设备的配置方案。在此基础上，通过协调区域内的可调度资源，同步实施孤岛划分与网络拓扑重构，实现无人机部署方案与抢修调度的协同优化，从而最大化故障负荷恢复量。最后，通过仿真实验结果验证所提故障恢复策略的有效性和优越性，相比于人工进行通信网络检修的故障恢复策略，所提策略失电负荷完全恢复时间缩短了60%。

为了精准检测配电网电压、电流数据异常，并解决配电网正常运行状态下异常数据稀缺导致检测模型准确率较低等问题，提出一种基于改进的混沌优化算法（improved chaos optimization algorithm，ICEO）-双重注意力机制Transformer（dual attention mechanism-Transformer，DAM- Transformer）的异常数据检测方法。该方法首先利用强度可控的扩散异常合成方法（strength-controlled diffusion anomaly synthesis，SDAS）生成部分异常数据，以缓解真实异常样本稀缺导致模型识别准确率不足的问题；其次创新地提出了DAM-Transformer模型，通过融入双重注意力机制实现对不同时间尺度和特征空间中复杂模式的协同建模，有效提升配电网数据异常背景下多尺度特征耦合关系的辨识效果；最后采用ICEO对 DAM-Transformer 的超参数进行迭代优化，进一步改善模型的优化效率与复杂场景下的泛化性能。结果表明：该方法与传统模型对比，配电网异常电压识别准确率提升 12.81%、异常电流识别准确率提升 12.22%，在数据稀缺场景下的识别准确率显著优于传统模型。该方法有效解决了配电网异常数据识别中样本稀缺与多尺度特征建模难的核心瓶颈，提升了异常识别的精准性与模型运行稳定性，为智能配电网的数字化巡检、实时故障预警及运维决策优化提供了关键技术支撑，具有工程应用前景。

虚拟电厂通过通信网络协同调度储能资源辅助参与电网二次调频，有效增强了电网频率韧性。然而，储能装置的动态接入/退出可能导致二次调频控制系统的结构不确定性。为此，提出考虑虚拟电厂储能资源动态接入/退出的二次调频策略。首先，将二次调频控制系统建模为依赖于储能资源参与状态的子系统集合；其次，为降低通信冗余度，提出了基于动态事件触发的通信方案，仅当二次调频系统性能退化至预设阈值以下时才触发信息交互；最后，考虑通信延时导致控制参数滞后于储能资源参与行为调整的异步切换特性，基于平均驻留时间技术得到了控制参数的设计约束和更新准则。仿真表明，与现有周期触发控制方案相比，所提方案的网络带宽占用率和调频设备动作次数可降低50.63%以上。

针对电碳耦合环境下虚拟电厂（virtual power plant，VPP）与配电网协同优化面临的高维非线性、隐私保护及计算效率难题，提出一种基于上镜图理论的分布式协同运行模型。首先，构建涵盖新能源机组与碳捕集系统的电碳耦合市场框架及多元分布式能源模型；其次，建立双层数学模型，上层旨在实现虚拟电厂电碳市场综合效益最大化，下层通过优化购电与碳配额成本实现系统成本最小化；最后，利用上镜图理论通过函数转化与等效投影建模，将原问题转化为高效的分布式求解形式，在保障各主体隐私的同时突破非线性约束瓶颈。仿真结果表明，在IEEE 33节点系统中，相较于传统的双层模型求解，总运行收益提升3.04%，与此同时，所提方法不仅提高了计算效率，还有效保护了各主体的隐私。

继电保护装置的时间同步对新型电力系统故障后的事故分析和动作追溯至关重要。为解决传统时钟监测覆盖不全、同步校正依赖人工、缺乏统一管理平台的问题，建立基于录波数据的全域继电保护时钟失步智能校核系统。系统依托现有录波主–子站架构，在主站侧部署继电保护时钟失步在线监测单元，统一接入多厂站录波数据，设计分时段远程启动监测和同源数据比对监测两类方案，实现故障与非故障场景下的全域保护装置时钟偏差在线监测。在此基础上，系统内置以“时钟偏差-漂移率”为状态变量的卡尔曼滤波智能校核算法，在考虑测量噪声影响的条件下对多时刻观测结果进行滤波与预测估计，生成更精准的偏差校准量。应用结果表明，系统可有效监测出时钟失步的继电保护装置，并可将同步校准后装置时钟偏差稳定控制在20 ms以内，有利于开展继电保护装置时钟失步下的事故后分析和时钟同步状态运行维护。

在低频工况下，为抑制六边形变换器（Hexverter）子模块电容低频电压纹波，须提升直流电容容量，致使变换器体积与成本显著增加。为降低对直流电容的设计需求，提出一种电容电压纹波抑制机理及控制策略。基于Hexverter交流正序网络模型，分析子模块电容的充放电功率特性，建立了电容电压纹波的解析模型。通过Hexverter零序网络模型，推导零序交流环流与零序转移功率之间的定量关系，阐明基于特定次零序交流环流注入的电压纹波抑制机理。在此基础上，基于传统Hexverter控制策略，提出含电压纹波抑制控制环节的Hexverter复合控制策略，实现对子模块电容电压纹波抑制。仿真结果表明，所提控制策略能够显著降低电容电压纹波，验证了该电压纹波抑制机理的正确性与有效性。

超短期电力负荷预测是新型电力系统实时调度的关键支撑技术，其精度直接决定新能源消纳能力、机组组合经济性及储能系统充放效率。针对负荷数据的强时序性、气象敏感性、日期敏感性及异常波动挑战，提出动态权重混合专家模型（dynamic weight-mixture of experts，DW-MoE）用于超短期负荷预测。首先，该模型通过双向长短期记忆网络（bi-directional long short-term memory，BiLSTM） 捕捉负荷序列的周期性时序特征，借助极端梯度提升树（extreme gradient Boosting，XGBoost）刻画气象因子、日期因子与负荷的非线性关联，利用生成对抗网络（generative adversarial networks，GAN）实现异常负荷模式的精准检测。然后，设计基于滑动窗口误差反馈的动态权重机制，实现多专家输出的自适应融合。最后，引入在线更新机制，基于最新采样数据对模型参数进行增量式优化，提升模型对非平稳负荷波动的动态响应能力。实验结果表明，相较于单一模型及传统混合方法，DW-MoE模型在超短期电力负荷预测精度和收敛速度上均表现出明显优势，尤其在异常负荷场景中预测误差降低显著，验证了模型对突变负荷模式的鲁棒性。

氧化锌避雷器是防止配网线路雷击事故的主要装置。在实际运行过程中，避雷器的运行工况复杂多样，在遭受由非垂直安装方式、风力和水平拉力等因素导致的多种不平衡受力，叠加雷电冲击作用的热应力，是导致避雷器老化和故障的重要原因。考虑多种不平衡受力和多重雷击的影响，基于电-热-力多场耦合的原理，搭建了避雷器运行参数计算的仿真模型。分析了整支10 kV避雷器在不同工况下的内部电、热、力分布情况。计算结果表明，多重雷击较单一雷击在避雷器内部氧化锌电阻片界面处应力有15%左右的增加；不平衡受力和雷击联合作用下氧化锌电阻片界面处应力比不平衡受力与雷电冲击分别单独作用时的应力之和增加了25%左右；热应力和机械应力的相互耦合，出现了应力非线性增强现象。研究结果为从应力的角度分析复杂运行工况下避雷器的故障原因提供参考。

在“双碳”目标下，集中式光伏电站已成为新能源电力系统的重要支撑，但光伏发电功率受季节、天气等因素影响具有强间歇性与波动性。针对实际应用中输入数据动态演变导致模型性能衰减，且传统更新方式易引发灾难性遗忘的问题，提出一种基于深度学习的在线增量功率预测模型。该模型引入深度经验回放++（deep experience replay，DER++）增量学习机制，构建“分块特征提取-在线知识保留”双核心框架，通过补丁令牌策略捕捉多尺度周期性特征，利用自注意力机制挖掘多变量依赖关系，结合经验回放技术缓解灾难性遗忘。基于某光伏电站实测数据表明，所提模型的累计精度衰减率远低于传统模型，展现出更强的适应性与泛化能力，为集中式光伏功率在线动态预测提供了有效解决方案。

为应对海上风电出力不确定性对电力系统频率安全与输电网规划带来的挑战，提出了一种考虑解析化动态频率约束的输-储协同鲁棒规划方法。首先，构建了包含输电网上层规划与下层运行调度的双层优化框架，上层以系统投资与运行总成本最小为目标，规划满足负载率约束的输电线路；下层考虑输电网与储能系统（energy storage system，ESS）的协同运行，并引入频率响应特性建模，确保系统在扰动下具备动态频率安全性。随后，利用强对偶理论将双层模型转化为易于求解的单层模型。进一步，采用对抗场景生成（adversarial scenario generation，ASG）方法构建极端风险场景，基于1-∞范数混合不确定集描述海上风电与负荷的概率分布不确定性，并利用条件风险价值（conditional value-at-risk，CVaR）度量其带来的风险损失，从而建立输-储协同分布鲁棒优化模型，同时使用列与约束生成（column and constraint generation，C&CG）算法进行求解。基于IEEE 24节点系统的仿真结果表明，该方法在提升系统频率安全性的同时，能够有效缓解线路重载问题，得到经济性与鲁棒性兼顾的规划方案。

随着电力系统惯量下降导致扰动后系统频率问题加剧，配置构网型储能逐渐成为一次调频的重要手段。若构网型储能参数设置不当反而可能加剧系统暂态稳定风险，且现有研究普遍忽略储能自身荷电状态（state of charge，SOC）约束。为此，提出一种考虑SOC约束和有功调频系数的构网型储能一次调频方法。首先，建立构网型储能与同步发电机协同参与一次调频的详细数学模型，推导系统频率响应传递函数；其次，基于轨迹灵敏度分析，识别出影响暂态频率稳定的关键主导参数并构建以最小化系统最大频率偏差为目标，计及储能SOC安全运行区间、出力限制及系统频率变化率（rate of change of frequency，RoCoF）约束的参数优化模型，采用序列二次规划算法进行求解；最后，通过仿真算例验证，结果表明所提方法在满足SOC与RoCoF约束条件下，使系统最大频率偏差降低43.3%，频率最低点显著抬升，有效提升了系统暂态频率稳定性能。

现有风电功率预测大多依赖数据驱动或物理驱动的单一方法，少有研究将物理模型与数据驱动相结合，而这两种方法之间存在显著的互补潜力。建立了基于K均值聚类、经验模态分解与并行加权长短期记忆网络的数据驱动模型，并构建了融合物理驱动与数据驱动的风电场预测方法。以山西某风电场的实测数据为案例进行验证，所提物理数据融合方法的预测精度比纯数据驱动方法高21.67%，比基于经验尾流物理模型驱动方法高35.17%。该结果证实了物理数据融合方法在风电场功率预测中具有一定优越性及可靠性，能够满足风电场功率预测精度的要求。