电力数据能够反映社会的发展状况，具有巨大的开放及融合应用价值。为创造和释放电力数据的价值，需要构建一个面向全社会各行业的数据共享服务体系。然而在电力数据共享过程中存在隐私泄露、数据篡改、缺乏数据安全聚合方法等安全问题。目前，主要采用区块链、隐私计算、脱敏等技术来解决上述安全问题。通过梳理相关文献，构建出电力数据共享安全需求模型及隐私保护框架；介绍了3个电力数据共享安全防护技术，并详细分析对比了不同技术的融合和使用场景，描绘出电力数据共享安全防护与隐私保护的技术方法体系，为电力数据开放共享的安全保障提供参考。
本研究主要通过多目标进化算法对风光核储混合能源系统进行容量优化配置。混合能源系统包括光伏电池、风机、小型模块化钍基熔盐堆（smTMSR），以及蓄热系统等。以提高供电稳定性、减小发电成本、降低弃电率（ECP）和提高可再生能源在整个供电系统的出力占比（可再生能源占比（REF））为目标，选择光伏容量、风机容量，以及蓄热系统容量作为优化参数，并选取武威市当地的气象数据作为输入参数，通过对非支配排序遗传算法Ⅱ，Ⅲ（NSGA-Ⅱ，NSGA-Ⅲ），以及强度帕累托进化算法（SPEA-SDE）性能的比较，选择较优的算法对多目标优化问题进行求解得到帕累托解集。通过基于指标相关性的指标权重确定（CRITIC）方法确定目标权重，采用理想解排序法（TOPSIS）对得到的帕累托解进行排序，从而选择最佳折中解。结果表明NSGA-Ⅱ相较于其他算法收敛速度最快，但解集均匀性较差。NSGA-Ⅲ尽管收敛速度较慢，但相较于其他算法其解集均匀性最好。优化结果显示最优容量配置功率供应缺失率（DPSP）为0.968 6%，平准化电力成本（LCOE）为0.085 7美元/（kW·h），ECP为4.898 6%，REF为21.258 9%。其中弃电量主要来自核电弃电，可再生能源弃电量较少。敏感性分析结果表明：光伏容量对DPSP，ECP及REF的影响最为显著，风机容量对LCOE的影响最为显著。风光核储混合能源系统可有效促进可再生能源消纳，保证了系统供电的稳定性。
随着新型电力系统的快速发展，电力系统产生的数据数量不断增值、种类也愈发多样。复杂化的数据环境为电力系统异常数据诊断带来了新的挑战。对目前电力系统中常用的异常数据检测方法进行总结，介绍了基于传统技术、机器学习、深度学习的检测方法，并分析了3类算法的检测原理、特点以及不足。最后，对新型电力系统中异常数据检测会遇到的挑战以及发展趋势进行了展望。
针对5G通信不确定时延导致数据传输时间难以预测，从而影响馈线自动化（FA）系统故障响应及时性和决策准确性的问题，提出一种基于5G通信时延的配电网FA切换方法。首先，建立馈线终端之间的拓扑关系，根据FA系统中每一分支的最大通信时延计算得到FA系统的实时通信时延；其次，针对不同时延下不同FA策略故障处理速度的历史数据，通过层堆叠长短时记忆神经网络（LSTM）模型进行训练，学习出不同通信时延下故障处理速度最快的FA策略；最后，根据层堆叠LSTM模型的学习结果，选择切换到当前通信时延下故障处理速度最快的FA策略。试验结果表明：该方法能有效应对5G通信的不确定性时延对FA系统的影响，保障FA系统可靠运行；此外，与其他机器学习方法相比，层堆叠LSTM模型在预测准确性和预测时延方面具有优势，能够有效提高馈线终端系统的自适应能力和故障响应速度。
光伏耦合电解槽制氢是生产氢气的主要方式，但是光伏电池输出功率会因为太阳辐照度的波动而变化，并存在间歇性发电的问题。为提高太阳能的利用率及光伏制氢系统的稳定性，建立了由光伏电池和质子交换膜（PEM）电解槽组成的间接耦合制氢系统。系统由光伏电池、PEM电解槽、最大功率点跟踪（MPPT）控制器、直流-直流（DC-DC）转换器和蓄电池组成。该系统通过蓄电池对光伏电池产生的电能进行调控，在太阳辐照度较高时储存多余电量，在光伏电池发电量不足的情况下为电解槽供电。通过仿真验证了该系统的有效性，并对比了使用不同耦合方式的光伏制氢系统的效率和产氢速率。结果表明，间接耦合系统的总效率在所用耦合系统中最高，产氢速率不随太阳辐照度的变化而改变；优化耦合系统的产氢速率最高，但是电解槽的电解效率随太阳辐照度的增大而减小；直接耦合系统由于光伏电池与电解槽尺寸不匹配的问题，导致系统总效率和产氢速率极低。
大规模分散资源接入配电网改变了传统配电网的潮流分布，导致电压频繁越限。以模型为基础的电压控制方法对电力系统网络拓扑结构要求较高，求解时间较长，不能达到电压实时控制要求。为此，提出一种考虑异步训练的多智能体在线学习配电网电压分散控制策略。该方法将每个光伏逆变器都视为一个智能体。首先对智能体进行分区调整，然后将配电网的电压无功控制问题建模为马尔可夫决策过程，在满足系统分布式约束的基础上，采用多智能体强化学习分散控制框架，结合多智能体深度确定性策略梯度算法对多智能体进行训练。经过训练的智能体可以不需要实时通信，利用局部信息实现分散决策，制定光伏逆变器的出力计划，做到电压实时控制，减少网络损耗。最后，通过仿真验证了该方法的有效性和鲁棒性。
新型电力系统的核心目标是实现清洁、低碳、安全、灵活和高效的电力供应，同时是推动“双碳”目标的关键举措。然而，面对新能源的广泛接入、人工智能技术的深度融合以及智能电网和电动汽车等分布式能源的快速发展，传统的集中式数据处理模式在确保数据隐私和实现智能化管理方面显得力不从心。联邦学习（FL）作为一种创新的分布式机器学习技术，以其在数据隐私保护和智能化方面的潜力，为新型电力系统智能化管理、数据隐私保护和效率优化提供了新的解决方案。系统回顾了FL在新型电力系统中的应用，介绍了FL的基本原理和主要算法。重点探讨了FL在隐私保护下的负荷预测与异常数据检测、分布式电源控制与能源管理等方面的应用实例，分析了当前面临的技术挑战。最后，对FL在新型电力系统中的应用前景进行了展望。
风光互补发电制氢是促进风光资源就地消纳、减少弃风弃光的重要技术途径。然而风光出力的波动性与系统设备复杂性也对风光制氢系统的容量优化配置决策提出了挑战。为此基于全生命周期评价方法，将平准化制氢成本、单位氢气碳排放强度与系统能量损失率作为优化目标，结合改进的NSGA-Ⅲ多目标优化算法，构建了年产2万t氢气的离网型风光制氢系统容量配置优化模型，并进一步分析了系统碳排放与经济性收益。研究结果表明，结合内蒙古某地区风光资源特征，经优化后系统平准化制氢成本为25.88 元/kg，单位制氢碳排放量为0.59 kg/kg，同时全年风光利用率提升至91.09%，风光制氢系统的资源得到了高效利用。同时，结合全生命周期碳排放分析计算，系统碳排放总量为25.03万t，与典型煤制氢技术相比，单位制氢的碳减排量降低了97.05%。研究成果将为开展风光制氢综合利用提供了有益参考。
为了提高综合能源系统（IES）中设备间和能源节点间的能源和信息交互效率，降低能源生产和传输成本，实现多种能源的高效转化与灵活分配，构建了一种基于能源枢纽（EH）的集中-分布式IES架构。基于该IES模型，定义了基于子信息物理系统集群的信息物理系统，在信息侧提出了能源枢纽节点内部每个子信息物理系统运行模型以及基于子信息系统服务器的信息交互模型。计及IES中信息安全问题对系统可靠性的影响，结合不同类型能源互补、能源网络传输分配、储能和清洁能源动态接入等系统运行特性，分析了综合能源信息物理系统安全需求，并基于可信计算技术构建了一种三元三层可信安全防护架构。从各能源节点为入手点，该防护体系形成了基于节点可信、网络连接可信和应用可信的防护机制，以确保IES安全可靠运行。
阻抗分析法已经成为研究并网逆变器与电网交互系统稳定性的重要手段，为深入研究该问题，回顾了并网逆变器的2种控制模式，其次分析了阻抗建模对于电力系统的稳定性及抑制宽频振荡的重要意义，为解决新型电力系统宽频稳定问题提供理论基础，并详细讨论了dq线性化、谐波线性化的阻抗建模的分析方法以及基于神经网络的并网逆变器阻抗模型辨识方法。通过对比以上方法的应用特点，为实际应用中建模方法提供了理论依据;总结了现有电力电子化系统并网逆变器阻抗建模的优势、挑战，并对其未来研究方向进行了展望，对提高交互系统的稳定性提供了参考指导。
为提高可再生能源消纳能力，减少整流和并网等设备的投资成本，降低电解水制氢系统成本，实现可再生能源大规模制氢，构建了一个孤岛型可再生能源大规模制氢系统。该系统通过智慧能量管理，实现了提高系统经济性与安全性的目标。首先建立可再生能源大规模制氢系统的仿真模型，制定控制策略;其次，提出一种基于深度确定性策略梯度（DDPG）的能量优化调度策略。通过大量长期的训练，使用DDPG算法得到的智能体能够实现智能化的动态能量优化调度。将该策略与深度Q网络、粒子群优化和传统控制方法在经济性和安全性方面进行比较，结果表明DDPG算法在能量优化管理中可实现更高的经济收益，更好地利用可再生资源，并确保系统的安全运行。
随着清洁能源的发展，新能源汽车逐步进入市场。作为新能源汽车的能量储存设备和重要的组成部分，动力电池的性能会随着使用时间的延长和使用条件的变化逐渐下降直至退役。退役后的动力电池可以应用于其他领域，以提高其全生命周期价值。建立梯次利用动力电池储能系统的生命周期评价（LCA）模型和全生命周期成本（LCC）模型。采用LCA法对磷酸铁锂电池从生产到回收5个阶段的环境影响进行计算，分析了4个场景下的全球变暖潜值（GWP）、细颗粒物形成（FPMF）、酸化潜值（TA）、海洋富营养化潜值（MEP）和化石资源稀缺值（FRS），并对能耗、充放电效率等参数进行了敏感性分析。LCC法通过计算系统的净现值（NPV）和平准化度电成本（LCOE）进行分析，对影响LCOE的参数如储能效率、放电深度等进行了敏感性分析。结果表明：退役电池应用于风电储能、采用湿法回收具有最佳的社会效益，其GWP仅为194；系统的NPV为-4 206.6万元，当电站使用寿命为15年时，LCOE为2.44 元/（kW·h）。定量分析和优化梯次利用动力电池储能系统的社会效益和经济效益对我国资源综合利用、环境保护均具有重要意义。
随着能源互联网技术的发展，电网调度正向“源网荷储”协同优化运行模式转变，系统利用能源优化配置、多能互补控制、大数据分析等先进技术，实现清洁能源高效利用、系统资源交互共享、电力需求响应等特性，由于物理设备与信息系统的深度耦合，针对其信息系统的网络攻击可能会导致物理故障。为了评估网络攻击对源网荷储系统的影响，从攻击者角度出发分析网络攻击的影响并建立改进的攻击图，采用频繁模式增长（FP-Growth）关联规则分析方法确定攻击路径；根据漏洞评估与贝叶斯定理确定攻击目标被成功攻击的概率，将源网荷储遭受网络攻击产生故障的概率乘以负荷损失量作为风险评估指标。分别对源网荷储系统中配电网断路器与分布式电源遭受网络攻击的场景进行风险定量评估，验证了所提方法的可行性与有效性。
新型电力系统是一个典型的复杂系统，源荷双侧的强不确定性导致电力电量时空分布极度不平衡，电力电量平衡逻辑发生了根本性变化，电力平衡面临巨大的挑战。为建立源网荷储多元协同互动的新型平衡模式，根据分层可以弱化复杂系统复杂性的理念，提出了基于能量自治单元的分层自治电力平衡模式。能量自治单元具备自调度、自平衡能力，在不同市场模式下具备不同的具体形态，将成为多元海量资源参与电力市场的有效途径。基于软件范型理论，指出能量自治单元应具备多元融合的架构模型、自适应运行机理和持续演化的生命周期，同时介绍了基于软件定义的能量自治单元软硬件解耦构建思路。最后，对能量自治单元构建的关键技术进行了讨论和展望。
随着电网信息层和物理层的不断融通发展，信息流交互频繁，电力信息物理系统（CPS）面临巨大安全挑战，针对信息层的网络攻击传播至物理层，极易导致整个电力系统的崩溃。基于电力CPS的双层耦合结构，运用传播演化理论建立了一类新型的 S I A I B R A R B网络攻击传播模型，描述了网络攻击在电力网络节点中的传播行为。运用动力学分析方法分析网络攻击对电力CPS的攻击力和影响范围，提供预判网络攻击破坏力的具体算法；运用偏秩相关系数法和三维关联偏微分方法对系统参数进行敏感度分析，研究发现电力CPS的网络结构和传播概率对网络安全性至关重要，通过2个仿真模拟验证了上述理论结果的正确性。以南方电网有限公司历次典型设计和典型造价为例，梳理了电力系统网络安全防护体系实际建设费用变化趋势，建议从3个角度对安全防护体系进行精准定位建设，在降低电力CPS造价成本的同时保证系统的安全性。研究结果可为电网防御者在信息物理协同攻击威胁下制定新的防御方案提供参考。
在“双碳”背景下，园区作为节能降碳的主力军，需进一步降低碳排放量，提高能源利用效率。提出了一种计及电动汽车共享储能特性的园区低碳运行控制模型。首先，引入阶梯式碳交易机制，计算节点动态碳排放因子，并将电动汽车减排量纳入碳配额;然后，在源侧引入地源热泵，通过电-热转换，满足园区热负荷需求;在荷侧，考虑电动汽车共享储能特性，建立电动汽车共享储能模型;最后，考虑碳交易成本、购电成本、响应补贴成本等，以运行成本最小为目标建立园区低碳运行优化模型，并采用优化软件CPLEX进行求解。仿真结果表明：考虑电动汽车共享储能特性并采用改进阶梯式碳交易机制，能够有效降低园区运行成本，减少园区碳排放，验证了所提算法的经济性和低碳性。
“双碳”目标战略背景下，国内电力行业以构建新能源为主体的新型电力系统为目标，积极开展相关研究并探索转型之路。陕西省风光资源丰富的资源禀赋与位于“清洁大送端”的区位优势决定其自身的电力发展路径具有重要的示范意义。以陕西省实际情况为基点，从源网荷储4个环节入手，分析了陕西省电力行业的发展现状与面临的问题，提出了“源网荷储”协同助力新型电力系统建设的思路。电源侧以新能源为主体，传统机组兜底保障为发展目标；电网侧积极向适应高比例新能源并网、多元化负荷接入、多市场主体参与的方向进行转变；负荷侧加强主动响应资源管理，并尝试构建面向新能源消纳的多能互补系统；储能侧尽快建立健全相关机制，充分发挥储能的支撑作用与新能源消纳潜力。最后给出了相应的可推广至其他省市地区的应用建议。
随着分布式新能源、电动汽车等灵活性资源的不断接入，建筑能源系统具备巨大的节能降碳潜力。厘清建筑能源系统的发展趋势对于实现城市碳达峰、碳中和目标具有重要意义。围绕建筑能源系统的建设、运行及管理等全过程环节，从新型系统结构、能源供给方式、系统运行方式、数字化管理、需求响应、管控机制等方面对建筑能源系统产销一体化、低碳化、灵活化、数字化、标准化的发展新趋势进行了较为深入的分析展望，可为城市建筑能源系统的高质量发展提供参考。
提出了一种基于时序卷积网络（TCN）和Transformer结合的短期光伏发电功率预测方法。分析了风速、雨量、太阳辐照度、云量等影响光伏发电功率的主要因素；利用TCN提取序列的全局空间特征并采用Transformer提取序列中的长期依赖关系的时序特征，提出TCN-Transformer复合模型以实现高精度的光伏功率预测，并将其应用于光伏发电的确定性预测与概率预测中；通过澳大利亚沙漠知识太阳能中心（DKASC）数据集进行仿真分析。结果表明，改进后的TCN-Transformer模型在不同天气条件下均表现出优异的预测性能，有效提高了光伏功率的短期预测精度。
面对电网中分布式风电、光伏发电以及柔性负荷的广泛接入，将这些资源通过虚拟电厂（VPP）进行聚合，采用合理的电价机制来引导用户参与需求响应，可以有效提升新能源的消纳能力并降低整体运营成本。传统的分时电价机制往往难以实现需求响应负荷与新能源出力的良好匹配，可能会导致需求响应的不合理或过度反应。为此，针对包括分布式风电、分布式光伏发电和柔性负荷的VPP，提出了一种基于新能源出力的VPP内部定价机制，并设置电力交易优先级来引导VPP内部各资源优化运行，以VPP的整体运营成本最小化为目标，构建了一个VPP优化调度的混合整数线性规划模型。基于内蒙古某地区的实际数据进行仿真计算，结果表明，与基于传统分时电价的优化结果相比，该方法能显著提高新能源的利用率并降低VPP的运行费用。
