随着风、光新能源装机占比逐渐提高，电力系统灵活性需求不断增加，对水电发挥灵活调节能力提出了更高要求，仅在电站或流域层面开展水风光协同开发难以充分发挥水电灵活性价值，无法满足系统调节需求。因此，需要从系统层面出发，开展跨流域水风光协同开发研究，通过扩大水风光互补范围，最大程度发挥水电调节能力作用。通过构建跨流域水风光协同规划模型，量化分析西南地区八大流域干流水电可支撑新能源开发消纳的潜力。结果表明，与流域级水风光协同开发相比，西南地区跨流域水风光协同开发可大幅提升新能源装机规模及消纳电量，且在支撑西南地区本地新能源开发的基础上，具备支撑西北地区新能源开发、实现灵活调节资源跨区共享的潜力。

更多

微网在分布式新能源消纳、负荷优化、提高能源利用效率等方面具有重要作用。但新能源出力的间歇性、负荷侧用电行为的随机性导致微网成为一个动态的复杂系统，难以通过准确的物理模型刻画，给微网优化运行带来巨大挑战。深度强化学习（deep reinforcement learning，DRL）通过与环境交互试错寻找最优策略，不依赖于新能源出力和负荷的精确建模，适用于解决序贯决策问题，在求解含有大量不确定性的微网优化运行难题时具有优势。为此，从DRL原理、DRL在单个微网以及微网群优化运行中的应用进行了综述与分析，最后对应用中所面临的算法可解释性、奖励函数设置、用户隐私性等方面进行了展望。

更多

电动汽车（electric vehicle，EV）作为具有车网互动（vehicle-to-grid，V2G）能力的移动储能组件，为微电网的频率稳定提供了更为灵活的控制方案。但是，分布式电源与电动汽车所具有的强非线性，也给微电网频率控制带来了新的挑战。为此，提出了一种基于可进化PID的含电动汽车微电网频率控制策略。首先，考虑电动汽车移动性和用户充电行为随机性，以及电动汽车充电站容量在日内的阶段性突变，建立了由电动汽车充电站、微型燃气轮机与分布式电源组成的微电网系统。其次，将PID与深度确定性策略梯度（DDPG）算法进行互补，形成可进化PID控制器，根据微电网系统实际情况完成状态空间、动作空间与奖励函数的设计，从而对PID控制器实现自适应权重参数的调整，有效解决了电动汽车与随机扰动所带来的强非线性影响。最后，仿真结果表明：与传统PID算法相比，可进化PID控制器不仅能够更有效地抑制强随机扰动所引起的频率波动，还可以更好地适用于系统参数和结构随时间发生变化的复杂工况。

更多

孤岛微电网因线路阻抗各异，采用传统下垂控制无法实现功率按分布式电源容量比例分配，会产生电压/频率偏差。为此，提出一种基于DE-RBF混合优化算法的自适应下垂控制策略。首先，构建下垂控制的两逆变器并联微电网系统动态模型，应用差分进化 （differential evolution，DE） 算法获得多个平衡点的优化下垂控制参数。为提高系统的动态响应速度与稳定性，通过训练径向基 （radial basis function，RBF） 神经网络，对每个平衡点参数进行校正。进而，通过增加RBF神经网络的隐含层数量，推广至多个逆变器并联微电网。以采集的有功功率和无功功率作为训练数据，输出最优下垂系数，实现微电网的自适应下垂控制。最后，搭建Matlab/Simulink仿真平台，验证了所提自适应下垂控制方法相比于传统下垂控制，系统响应速度快，功率按照分布式电源容量比例分配。

更多

提出一种基于数字孪生及神经网络的电压扰动定位方法。首先根据配电网中大量的监测点信息以及网架结构参数构建配电网数字镜像模型，然后采用人工神经网络对数字镜像模型的历史数据进行学习训练，得到反映节点电压与暂降发生位置之间映射关系的神经网络模型。该模型可以根据暂降后各节点的电压数据得到反映各节点故障特征的信息，进而实现对暂降源的定位。以河南某县30节点的配电网为例，对所提方法的有效性进行验证，结果表明该方法能够实现对电压暂降源的准确定位。

更多

“双碳”目标下，中国电力系统将呈现“双高”特点，供需平衡面临新的挑战，亟需更加精确的电力负荷预测方法。为此，提出了一种将负荷数据图像化，并应用长短期记忆（long short-term memory，LSTM）人工神经网络进行短期电力负荷预测的方法。首先，研究图像化的负荷数据表达方法，包括时序负荷曲线转换为RGB（红绿蓝三原色）格式图片及其逆过程。其次，将图像化的时序负荷数据作为LSTM的输入进行预测。最后，将预测图片进行时序曲线转化得到最终的短期负荷预测结果。此方法在丰富了负荷数据表达方式的同时，还凸显了LSTM方法在图像分析和处理上的优势。实验结果表明，该方法在一定程度上提高了短期负荷预测的精度，满足实际工程需求。

更多

在电力系统和能源互联网的深度融合大背景下，电力通信网融合第五代移动通信技术（fifth generation mobile communication technology，5G）成为一种必然趋势，5G电力通信网业务编排成为支撑电力业务服务质量需求的关键手段。针对电网中现有业务编排优化存在的不足，提出了一种基于软件定义网络（software defined network，SDN）的5G电力通信网业务编排自主决策方法，利用Sarsa（state action reward state action）算法，通过不断与环境交互，在信息不确定的情况下实现接入网信道选择与核心网路由选择的联合优化，从而最小化电力通信终端数据包传输总时延，为电力业务超低时延需求提供保障。仿真结果表明，所提算法能够在传输环境突变的情况下，保持较低传输总时延，并降低波动，有效地提高了电力业务的传输质量。

更多

电力杆塔与5G站址开展共享共建，对提高资源利用效率、降低电信企业成本具有现实意义。构建电力杆塔与5G站址规划以及典型应用场景的规模化匹配方法，对于优化提升电力杆塔共享匹配度，摸底电力杆塔资源共享潜力，做好电力杆塔共享资源大范围推广后的统筹优化至关重要。针对电力杆塔和5G站址，构建了基于站距和站高的规模化匹配方法，以及考虑技术、政策和商业约束等情景的匹配度测算方法，并以福州长乐全域为例进行实证分析。结果显示，不同场景下电力杆塔和5G站址的匹配度差别较大，市人口密集区、工业园区匹配度可达50%，高铁沿线匹配度不足10%。若进一步考虑技术、政策、商业约束要素，则匹配度将进一步缩小，在四重要素叠加下，匹配度约为14%。虽然匹配程度不足，但考虑到全国电力杆塔和5G站址体量巨大，依然具备较大的共享潜力和良好的合作空间。

更多

随着新型电力系统建设的不断推进，电力终端和采集类设备的大范围接入，对变电站的巡检工作开展产生了巨大的挑战，实施难度大、定位精度无法保障。为此，设计了一种基于5G的大规模MIMO的融合定位算法，首先，利用静止波束成形方法拟合粗定位体系结构，确定直接定位方法的搜索区域。然后，推导四阶累积量拟合近场模型，并计算与远场基站关联的自适应权值。最后，构建了一种基于远场与近场联合直接定位的位置感知模型，将直接定位方法有效应用于粗定位区域，解决了依靠传统到达角定位方式密集小区误差大的问题。仿真结果表明，在相同的实验环境下基于5G基站的远近场景大规模MIMO融合定位技术具有更高的定位精度和稳定性，能够有效保证站内巡检定位的准确性。

更多

为实现区域清洁能源资源优化配置、保障电力可靠供应，澜沧江-湄公河 （澜湄）区域各国正在积极推进区域电力互联互通建设，未来区域电力交易规模也将进一步扩大。然而该区域现有的电力交易模式较为单一，无法适应未来更大规模和更加复杂的电力交易需求，因此有必要提出一套适应未来区域电力发展的新型电力交易模式。首先分析了澜湄区域跨国电力交易现状，在研判区域未来电力格局后，分析得出现有交易模式在应对未来电力贸易时所存在的问题。其次，对包括南部非洲跨国电力交易模式、欧洲多国电力市场耦合模式、美国PJM跨区电力交易模式等在内的多个世界典型跨国跨区电力交易模式的适用场景和优势进行了研究分析。在此基础上，有针对性地提出了分阶段构建澜湄区域电力交易模式的总体设想，相关研究结论为增强澜湄电力合作、促进区域经济协同发展提供了有益参考。

更多

质子交换膜 （proton exchange membrane，PEM）电解制氢运行灵活，具有优异的可再生能源波动适应性，是极具发展前景的绿色制氢技术。然而，在实际PEM电解制氢运行过程中，可能存在离子污染，对PEM电解堆的性能以及运行寿命产生很大影响。为此，首先分析了离子污染的来源，一方面来自水中的残余金属阳离子，如Na+、Ca2+、Mg2+等，另一方面来自电解堆内部关键材料和系统水循环管路因化学或电化学腐蚀产生的痕量金属离子，如Fe3+、Cu2+、Ni2+等；然后综述了不同离子污染对电解性能的影响，包括欧姆过电位、阴极反应过电位与阳极反应过电位；最后，综述了离子污染缓解策略，即如何避免规模化电解制氢过程中杂质离子污染带来的能效和成本问题。

更多

为提升综合能源系统（integrated energy system，IES）的能效水平，提出了一种考虑梯级碳交易机制和电转气（power-to-gas，P2G）两阶段运行的IES调度模型。首先引入碳捕获与封存技术（carbon capture and storage，CCS），解决了P2G所需碳源和热电联产机组的碳排放问题；同时在传统P2G的基础上引入氢燃料电池，研究P2G两阶段运行的多重效益；最后，运用梯级碳交易机制限制碳排放。在此基础上，建立以碳交易成本、系统运行成本、新能源利用率相关成本最小为目标的优化调度模型，利用IPOPT商业求解器进行求解，通过与其他传统模型对比分析，表明所提模型的经济性、低碳性和风光消纳能力较高。

更多