2026年 第48卷 第1期    刊出日期：2026-01-25

封面下载    目录下载   

上一期   

AI 驱动的新能源功率预测与优化

基于Res-MobileCom并行网络的光伏发电功率等级分类

殷林飞, 周扬钢

2026, 48(1):  1-12.  doi:10.3969/j.issn.2097-0706.2026.01.001

摘要 ( 6 )   HTML ( 6 )   PDF (1251KB) ( 7 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

为了提高光伏发电功率等级分类准确性以适应行业要求，提出了一种基于Res-MobileCom并行网络的分类模型。在数据处理中使用去归一化的双线性插值法最大限度保留数据特征，然后通过简化残差网络（ResNet）和用于移动视觉的高效卷积神经网络（MobileNet）结构并行训练后将其输出联合输入信道估计-信号检测网络（ComNet）中进一步提取数据特征，最终得到分类结果。试验结果表明：相比于常见的深度学习模型，Res-MobileCom模型保持了ResNet和MobileNet的特征提取能力和轻量性，模型具备较好的平衡性和泛化能力；采用去归一化双线性插值法和进一步提取数据特征的ComNet后，模型准确率提高了10百分点以上，为提高光伏发电功率等级分类模型的准确率提供了新的方法和思路。未来工作将围绕稳定性优化、跨任务验证及工程化部署展开。

基于CEEMDAN-DBO-VMD-TCN-BiGRU的短期风电功率预测

陈旭东, 卞礼杰, 马刚, 陈浩, 詹孝升, 彭乐瑶

2026, 48(1):  13-22.  doi:10.3969/j.issn.2097-0706.2026.01.002

摘要 ( 7 )   HTML ( 2 )   PDF (2395KB) ( 2 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

提升风电功率预测的准确性对于保障电网安全与稳定运行至关重要。然而，风电具有高度的随机性和波动性，传统预测方法在特征提取和建模能力方面存在不足。为此，提出一种融合完全自适应噪声集合经验模态分解（CEEMDAN）、蜣螂优化（DBO）算法、变分模态分解（VMD）、时间卷积网络（TCN）与双向门控循环单元（BiGRU）的短期风电功率预测模型CEEMDAN-DBO-VMD-TCN-BiGRU。利用CEEMDAN对原始风电功率数据进行分解，提取内在模态函数（IMF）以捕捉时间序列的关键特征；通过样本熵与K-means聚类将IMF划分为高频、中频和低频分量，选取高频分量采用DBO优化的VMD进行二次分解，以提高特征提取效果并降低计算复杂度；所有分量经归一化处理后输入TCN-BiGRU组合模型进行预测，各分量预测结果经叠加与反归一化处理获得最终预测值。试验结果显示，相较于对比模型，该模型的预测精度最优，验证了所提模型的有效性、稳定性和应用潜力。

综合智慧能源系统优化与调度

能源岛多能互补自适应变步长SMPC分层优化调度研究

李阔, 唐洋, 刘博涛, 黄浩城, 邵贤杰, 尹高俊, 魏赏赏

2026, 48(1):  23-33.  doi:10.3969/j.issn.2097-0706.2026.01.003

摘要 ( 5 )   HTML ( 2 )   PDF (1111KB) ( 9 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

基于多目标分层优化求解方法，兼顾系统平衡与调度经济性，构建海上能源岛多能互补系统分层协同优化模型。为应对风电与光伏出力的波动性与随机性对系统调度的影响，采用随机模型预测控制（SMPC）方法对海上能源岛系统调度进行优化求解。提出一种自适应变步长SMPC的调度方法，该方法在SMPC滚动优化环节，通过偏差参考系数追踪实时的调度偏差程度并据此动态调整滚动优化步长，解决了传统SMPC调度方法在滚动优化环节存在的调度精度缺失与易陷入局部优化的问题，兼顾了调度的精确性与全局性。仿真结果表明，该方法可有效提升调度精度，缩短计算时间。

数据驱动的综合能源系统运行优化研究

徐聪, 徐静静, 江婷, 薛东, 闫立辰

2026, 48(1):  34-42.  doi:10.3969/j.issn.2097-0706.2026.01.004

摘要 ( 9 )   HTML ( 3 )   PDF (1076KB) ( 10 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

近年来，物联网、大数据和人工智能等数字化技术的快速发展给综合能源系统（IES）运行优化带来了新方法。提出了基于数据驱动的IES运行优化方法，针对北方某自备能源站的产业园区，采用深度学习长短期记忆神经网络模型进行多元负荷联合预测和光伏发电功率预测，为能源站运行优化提供精准依据；通过数据驱动的机器学习算法对主要供能设备进行全工况建模；分别以能效、经济和综合效益指标为优化目标，利用粒子群优化算法求解，得到典型日运行优化结果。能效指标最优情况下，系统综合能源利用率达83.0%，运行成本为64 802元；经济指标最优情况下，系统运行成本低至64 590元，综合能源利用率为79.3%；综合效益最优情况下，与能源站实际运行情况相比，综合能源利用率提升了7.5%，运行成本节约了6 444元。结果表明，本运行优化方法对指导IES运行优化具有实际应用意义。

基于SC-SAC算法的REHMIS-IES优化调度策略

潘雷, 丁云飞, 庞毅, 王宇璇, 陈建伟, 高瑞, 张立阳

2026, 48(1):  43-58.  doi:10.3969/j.issn.2097-0706.2026.01.005

摘要 ( 3 )   HTML ( 2 )   PDF (1504KB) ( 9 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

可再生能源-制氢-制甲醇一体站（REHMIS）通过利用可再生能源发电制取绿氢，并进一步将绿氢与二氧化碳合成甲醇，从而实现绿氢对传统化石能源制氢的替代。为了同时满足REHMIS的甲醇负荷需求及其配套建筑的多能源需求，设计了新型综合能源系统（IES）拓扑结构REHMIS-IES。为获得REHMIS-IES高效运行策略，提出了一种基于严格约束的软演员-评论家（SC-SAC）算法执行框架。将所建数学模型转化为马尔可夫决策过程，同时引入状态约束机制（SCM）以避免储能系统状态出现剧烈波动。在SC-SAC算法的执行阶段，将训练后的Q网络与动作约束转化成混合整数线性规划（MILP）模型，以保证调度决策能够满足各项运行约束。多场景仿真结果表明：所提系统在保障多能需求的同时可有效降低运行成本；与其他深度强化学习算法相比，SC-SAC算法可使系统能量不平衡度降低约16.2%，运行成本至少下降11.7%。

基于双重特征处理的园区综合能源系统供热负荷预测研究

薛东, 徐静静, 江婷, 王晓海, 徐聪

2026, 48(1):  59-66.  doi:10.3969/j.issn.2097-0706.2026.01.006

摘要 ( 4 )   HTML ( 2 )   PDF (1057KB) ( 8 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对园区综合能源系统供热负荷受多能流影响以及现有预测模型特征提取能力不足的问题，提出一种基于集成改进型自适应白噪声完备集成经验模态分解（ICEEMDAN）与多变量相空间重构的双重特征处理热负荷预测模型。运用ICEEMDAN法对热负荷时间序列进行分解，计算各分量的样本熵值并进行重构，再结合气温等输入特征组成不同频率下的多变量时间序列数据集；利用关联积分法确定序列的最佳延迟时间和嵌入维数，以此获得各数据集的高维相空间；利用参数优化后的双向长短时记忆神经网络模型对热负荷分量进行预测，并将预测结果叠加后得到最终的热负荷预测值。案例结果表明，与其他模型对比，所提方法取得了良好的预测效果。

电力系统智能控制与数据分析

高比例分布式光伏接入下配电网电压有功-无功鲁棒控制

龙宇, 刘晓峰, 刘怀, 刘国宝, 李峰, 于子翔

2026, 48(1):  67-77.  doi:10.3969/j.issn.2097-0706.2026.01.007

摘要 ( 4 )   HTML ( 1 )   PDF (1336KB) ( 9 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

随着配电网大规模接入分布式光伏，配电网电压波动及越限问题日益突出，且传统的单一电压控制方法难以实现快速动态电压控制。为此，针对高渗透率分布式光伏接入下的配电网，提出一种分布式电源变流器及静止无功补偿器协同作用下的鲁棒控制策略。搭建分布式电源和静止无功补偿器的电压控制模型。在分布式电源和静止无功补偿器的控制模型基础上，引入电压灵敏度矩阵构建配电网-电压控制模型。通过将有功和无功电压控制相配合，充分利用系统的有功调压能力，实现快速动态电压控制。在此基础上考虑配电网运行过程中带来的系统参数不确定性并结合鲁棒H_∞（系统传递函数的无穷范数）性能约束，设计鲁棒控制策略。基于IEEE 33节点系统，搭建光伏出力波动及负荷突变场景进行算例分析，结果表明，所提策略实现了快速稳定的电压控制，能够有效抑制外部扰动引起的电压波动，验证了所提策略协同控制的快速性和有效性。

基于大数据技术的分布式发电电能质量分析

刘超然, 刘玲玲, 王凤

2026, 48(1):  78-84.  doi:10.3969/j.issn.2097-0706.2026.01.008

摘要 ( 5 )   HTML ( 1 )   PDF (1025KB) ( 9 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

在大数据技术和数字电网建设不断推进的背景下，电网智能化运行面临着困境和机遇。为充分利用电力系统运营积累的大量数据，提出了一种新的大数据分析挖掘策略。基于电力系统运行实测数据，通过建立大数据分析算法和可视化模型，从故障类型和时间尺度维度开展多维统计分析，以了解分布式发电电网运行状况和电能质量故障规律，并进一步探讨其故障机理。研究结果表明，所提出的大数据分析挖掘策略能充分利用电力系统实际运行数据，更直观地了解分析电网运行规律和电能质量故障规律，为分布式发电智能化运营和高质量供电提供了有力的技术支撑。

基于评价因子重构与DECN-BiGRU的海岛微电网负荷预测

梁富光, 马忠强

2026, 48(1):  85-97.  doi:10.3969/j.issn.2097-0706.2026.01.009

摘要 ( 5 )   HTML ( 2 )   PDF (1878KB) ( 3 )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对海岛微电网负荷的强非线性、非平稳性及多源耦合特性，提出一种基于评价因子重构的鲁棒经验模态分解（REMD）结合细节增强卷积网络（DECN）与双向门控循环单元（BiGRU）的负荷预测方法。通过REMD与评价因子重构，实现多尺度特征解耦；构建DECN-BiGRU混合架构，融合局部差异与全局依赖特征；引入多任务学习优化分量耦合关系。试验表明，模型较传统方法的平均绝对百分比误差降低 68.78%，较深度学习模型的平均绝对误差降低 68.97%，验证了多模态特征融合与双向建模的有效性。研究结果为海岛微电网的电力调度与储能配置提供了参考。