随着风电、光伏等新能源在交流电网中的渗透率不断提升，电力电子变流器已成为影响系统安全稳定运行的关键设备，其并网控制性能关系到电能质量、系统稳定性及新能源的高效接入与消纳。近年来，人工智能算法因其出色的特征提取、自学习与非线性建模能力，在电力电子稳定分析与控制领域展现出广泛应用潜力。首先，概述了电力电子变流器并网系统失稳机理和控制原理，总结了当前方法在建模精度、稳定性分析和控制性能方面的局限。随后，系统梳理了基于人工智能的变流器并网系统小信号模型建立、稳定分析与高性能控制中的研究进展；同时，针对大信号暂态问题，也相应梳理了基于人工智能的模型建立、稳定分析与高性能控制。最后，结合当前研究趋势，展望了人工智能赋能新型电力系统稳定性控制的发展方向。

更多

针对多变量风速预测中存在的特征选择复杂、计算效率低及模型泛化能力不足等问题，提出一种融合场景划分与最优Copula选择的自适应风速预测模型。构建了“场景聚类-动态变量选择-滚动预测”的三阶段协同机制：首先，采用模糊C均值聚类算法将多维气象数据划分为具有相似特征的天气场景；其次，运用Copula函数构建多变量相关性模型，依欧氏距离筛选最优Copula函数，结合综合相关系数，实现场景自适应的动态变量选择；最终，设计分场景LSTM预测模型与实时数据滚动更新策略，通过动态匹配场景特征与预测模型提升预测精度。以欧洲某地区公开的天气数据进行验证表明，所提出的方法模型在风速预测准确性上优于单一场景预测模型。具体表现为，均方根误差降低3.6%，标准化误差降低5.2%，平均绝对百分比误差降低4.2%，决定系数提高4.5%。

更多

光伏发电功率的准确预测对于优化能源管理和电网规划及优化调度具有重要的意义。针对以往光伏发电功率预测方法预测精度不高，传统混合网络模型存在参数选择不确定性和收敛速度较慢的问题，基于历史气象数据和光伏发电数据，提出一种结合向量加权平均（weighted mean of vectors，INFO）算法、卷积网络（convolutional neural network，CNN）和双向长短期记忆网络（bi-directional long short-term memory，BiLSTM）的光伏发电功率预测方法。首先，选取与光伏发电功率预测相关的多种气象因素，含太阳辐射、温度、湿度、风速、气压等气象参数，并分析它们与光伏发电功率之间的关系，然后使用INFO算法对CNNBiLSTM混合网络预测模型的隐藏层节点数、初始学习率和L2正则化系数进行优化，INFO算法通过自适应调整这些参数，缩短了手动调制参数的时间，提高了超参数设置的精度和效率。实验结果表明，通过INFO算法优化的CNN-BiLSTM混合网络相比传统CNN-BiLSTM混合网络具有更高的预测精度。

更多

架空输电线路的载流量与其周围风速、环境温度等气象要素密切相关，实现该载流量的准确预测是充分挖掘线路载流潜能、提升新能源外送水平的根本。研究采用完全集合经验模态分解算法将各类气象要素的时间序列处理为若干局部平稳的分量，并引入变分模态分解算法对其中的高频分量进行二次处理，以进一步降低数据复杂程度；基于集成学习XGBoost模型对各类气象要素进行预测，旨在确保预测准确性与稳定性；采用核密度估计法拟合各类气象要素的预测误差数据，提出一种基于组合深度学习与核密度估计的架空输电线路载流量概率预测方法。算例分析表明，与两种传统架空输电线路载流量的概率预测方法相比，该方法的保守性指标分别降低28.54%和11.93%，验证了方法的有效性与优势。

更多

随着新能源产业逐步规模化，面向新能源消纳能力提升的电力系统，动态经济调度重要性日渐凸显。提出一种分布式多智能体强化学习算法来解决高比例新能源动态经济调度问题。首先，通过平均一致性算法得到每时刻电网功率总需求，利用投影优化方法求得满足耦合约束、完全消纳新能源的可行功率输出；同时，基于二次函数逼近评价网络的状态动作值函数，通过求解凸优化问题得到调度的另一个近似最优解；然后，构建动作网络用于直接学习总功率需求、新能源实时最大可用出力与各火电机组决策有功出力之间的关系，并运用大量训练所得经验，在动态电力系统中迅速作出最优输出功率预测，从而提高发电机决策效率；最后，通过IEEE 39节点算例验证了所提算法的有效性和鲁棒性。

更多

随着电力系统信息-物理耦合程度的不断加深，网络攻击威胁愈发严重。其中，虚假数据注入攻击（FDIA）能够隐蔽篡改量测数据，影响电力系统状态估计，进而对电力系统的安全、稳定、经济运行产生严重影响。为此，构建了一种考虑成本-效益平衡的混合FDIA模型，并提出了一种基于贝叶斯优化-门控循环单元-极限学习机（BO-GRUELM）的电网FDIA定位检测方法。该方法结合门控循环单元（GRU）提取时序特征和极限学习机（ELM）的高效多输出分类能力，设计了基于GRU-ELM的FDIA定位检测算法；而后，以检测性能指标值F2分数为目标，采用贝叶斯优化对GRU-ELM超参数进行全局优化，以提高模型检测性能。最后，依次基于实际电网数据改进的14节点和107节点电力系统开展仿真实验，以验证所构建混合FDIA模型的有效性，仿真结果表明了所提攻击定位检测算法在准确性、鲁棒性和泛化能力上的优越性。

更多

新型电力系统对电网安全稳定运行和灵活可控的要求越来越高，提高电力设备状态智能感知的水平，实现设备关键状态的全面、精准、可靠感知是设备智能运维发展的必然趋势。结合电力设备状态感知技术的研究和应用现状，提出了新型电力系统背景下电力设备状态感知的特征和需求，详细阐述了电力设备新型传感器、传感器可靠性保障、设备状态边缘计算和实时智能分析等设备状态感知关键技术的研究现状和发展趋势，探讨了相关技术在研究和应用中面临的主要问题，并对相关技术未来的应用前景进行了展望。

更多

智能电网的快速发展衍生出多模态、多源异构的海量电力数据，给人工智能模型在复杂电力场景感知带来了挑战，同时行业数据的敏感性和隐私保护需求进一步限制了通用模型在电力领域的跨场景迁移能力。对此，提出了一种基于Federated Learning与模型剪枝的电力视觉语言大模型。提出了一种基于类别引导的电力视觉语言大模型PowerVLM，设计了类别引导增强模块，增强模型对电力图文数据的理解和问答能力；采用FL的强化学习训练策略，在满足数据隐私保护下，降低域间差异对模型性能的影响；最后，提出了一种基于信息决议的模型剪枝算法，可实现低训练参数的模型高效微调。分别在变电巡检、输电任务、作业安监3种典型电力场景开展实验，结果表明，该方法在电力场景多模态问答任务中的METEOR、BLEU和CIDEr等各项指标均表现优异，为电力场景智能感知提供了新的技术思路和方法支撑。

更多

针对断路器机械特性异常诊断中的多源信号采集与分析问题，设计出一套分合闸线圈电流和触头行程信号的采集系统，并提出了相应的异常模拟方案。通过引入分段滤波和循环差分判别进行特征提取，机器学习算法采用CatBoost模型进行单源信号的异常诊断，结合遗传算法（genetic algorithm，GA）进行参数优化，实现了基于线圈电流和触头行程的高准确率诊断。同时，利用线性判别分析（linear discriminant analysis，LDA）方法进行特征融合，提升了异常诊断效果。此外，对多种融合方法的诊断结果进行对比分析。结果表明，LDA-GA-CatBoost的特征级融合方法与基于改进的D-S证据理论（dempster-shafer theory of evidence，DST）的决策级融合方法的异常诊断率最高，均为95.82%，但LDA-GA-CatBoost的模型训练时间仅为改进的D-S证据理论的一半，更具有应用优势。

更多

操动机构机械故障和电气回路故障属于断路器最主要的故障，研究其诊断方法对保障电力系统安全具有重要意义。目前国内外在断路器故障诊断领域中，主要针对单源信号进行识别诊断，存在识别范围小、诊断精度低等缺点。鉴于此，研究提出一种基于电流及振动信号的多源特征融合断路器故障诊断方法。首先，搭建故障模拟实验平台，模拟多种常见的断路器故障；其次，选择断路器运行过程中的电流信号以及振动信号作为监测物理量，对原始数据滤波之后进行特征提取；最后，分别使用支持向量机、K-最近邻、决策树、轻量级梯度提升机（LightGBM）、随机森林等5种机器学习算法建立故障诊断模型，并采用拼接融合和线性判别分析（LDA）两种方法进一步提高诊断准确率。经过验证，电流-振动多源特征融合诊断率达99.40%，该方法能够及时发现潜在的威胁，具有重要的工程应用价值。

更多

用户侧柔性负荷资源经过动态聚合参与调度是提高电网运行灵活调节能力的一种有效技术手段。提出了一种适用多辅助服务场景调节需求的柔性负荷资源动态聚合方法。首先根据电网辅助服务需求定义了反映柔性负荷响应能力的多维度评价指标，并通过建立反映响应能力及响应时间的功率响应特性模型，对温控负荷、分散式储能、电动汽车三类典型柔性负荷资源的响应特性进行了分析及量化评价；在此基础上，根据不同辅助服务场景调节需求，采用组合赋权法对聚类指标动态赋权，并通过改进的K-means++算法实现适用多辅助服务场景调节需求的柔性负荷资源动态聚合。最后基于输电网下改进的IEEE-33节点配电系统验证了所提动态聚合方法的有效性。和已有方法相比，所提动态聚合方法在资源优选分级参与电网灵活调节方面具有明显综合优势。

更多

随着区域能源互联规模的不断扩大，多能互补虚拟电厂之间存在弱通信同步现象，相邻虚拟电厂的状态信息无法完全同步，导致虚拟电厂一致性协同调控通信开销大、调控精度低。针对上述问题，首先构建面向区域能源互联的多能互补VPP协同调控架构，纵向上基于云边端的层次化管控模式协调区域内各个VPP的功率调控策略，横向上通过交换相邻VPP间的状态信息实现多能协同调控，优化目标为最小化总实时调控成本。其次，提出基于弱通信同步一致性的多能互补VPP协同调控优化方法，以VPP调控成本微增率为一致性变量，基于动态时钟的弱同步触发机制，在非实时、非连续的通信条件下利用相邻VPP的状态信息实现一致性迭代优化，有效降低了多能互补VPP协同调控的通信开销，提高了调控精度。最后，通过仿真算例验证所提算法在降低通信开销、提高调控精度等方面的有效性。

更多

虚拟电厂是电网分布式能源管理的重要解决方案，可以有效地应对能源就地消纳、分布式能源产生的不确定性问题。考虑参与碳交易可以提高整体收益，以及电动汽车接入虚拟电厂带来的各主体利益的冲突问题，提出了考虑碳交易市场的电动汽车虚拟电厂优化调度策略，虚拟电厂对分布式能源进行整合，同时对风光出力的不确定性进行处理，以虚拟电厂的整体利益最大作为目标函数，设计碳配额和分时电价双重激励，激励电动汽车用户更好的参与虚拟电厂制定的调度策略。算例分析表明，虚拟电厂通过整合电动汽车等多样化资源，并参与碳排放交易市场，能有效促进系统减少依赖传统燃煤发电机组，还可以通过向碳交易市场出售碳配额，增加系统整体收益。

更多