在能耗双控向碳排放双控转变的背景下，传统以能量平衡为基础的规划方法难以准确衡量配电网的投资和运行成本，该文提出面向海量清洁能源接入的交直流配电网电碳耦合规划双层模型。首先，提出电碳耦合的交直流配电网规划方法，构建交直流电网潮流和碳排放的耦合上层数学模型，该模型以“电+碳”投资和运行成本最低为目标函数，考虑了配电网消耗化石能源在开采、运输、燃烧阶段的全生命周期碳核算和基于网络功率实时损耗的动态碳排放；其次，针对极端场景下的碳税波动问题，构建基于条件风险价值（conditional value at risk， CVaR）法的碳税修正下层数学模型，提出基于CVaR法的碳税修正策略，研究计及极端碳税的风险衡量方法，将碳税修正值反馈至上层规划模型，进一步优化规划策略使其适用于极端风险碳税波动情况。仿真结果表明，相较于传统交流电网规划结果，所提模型“电+碳”交直流配电网的规划结果更加准确，也能更好地适应碳税极端波动对规划结果的影响。
可再生能源出力的不确定性为微电网的优化调度带来了重大挑战。同时，传统的优化方法和调度时间尺度过于单一，导致调度结果存在较大误差，从而难以确保系统运行的可靠性与经济性。针对上述问题，提出了一种基于K-近邻（K-nearest neighbor，K-NN）算法、变模态分解（variational mode decomposition，VMD）、卷积神经网络（convolutional neural network，CNN）以及双向长短期记忆（bidirectional long short-term memory， BiLSTM）神经网络的微电网两阶段优化运行策略。首先，构建了基于K-近邻算法和混合BiLSTM功率预测模型，为两阶段优化调度模型提供准确的风光发电预测数据。其次，建立了两阶段优化调度模型。在日前调度阶段，引入阶梯式碳交易机制和激励型需求响应，以最小化系统总运行成本为目标制定日前调度计划；在日内调度阶段，则采用基于模型预测控制的方法，实现日内滚动优化调度策略，以调整量最小为目标对日前调度计划进行动态修正，从而降低因预测误差引起的功率波动。最后，以某微电网为例进行了仿真分析，结果表明：该方法不仅有效提高了预测精确性，同时也提升了微电网的经济性、环保性及稳定性。
为降低园区综合能源系统碳排放，基于园区能源需求和负荷特性，设计了基于电能替代技术的综合能源系统方案，建立全工况仿真模型。通过非支配排序遗传算法和Gurobi求解器对多目标协同优化问题进行求解，并采用熵权-优劣解距离法进行综合评价决策，从而确定最优系统容量配置和运行策略。案例分析表明：所提方案使园区碳排放强度降低77%，满足近零碳园区要求；年能源净成本降低61.2%，能源自给率提升至71.3%。优化后的综合能源系统显著提升了能源利用效率和安全性，降低了碳排放，增强了园区能源独立性。
针对传统综合能源系统存在的能源产物种类单一、污染气体排放量高以及经济性差等问题，提出一种集成电转氢（power to hydrogen，P2H）、氢转气（hydrogen to gas，H2G）、氢转氨（hydrogen to ammonia，H2A）等电力多元转换 （power to X，P2X）技术的电热联供综合能源系统构型。首先，在系统模型方面，通过引入碳捕集、利用与封存（carbon capture，utilization and storage，CCUS）与火电机组富氧/掺氨燃烧等技术，构建电转氢/气/氨（power to hydrogen/ gas/ ammonia，P2H/G/A）耦合系统；其次，在电力系统低碳经济转型方面，构建综合考虑富氧燃烧-H2G耦合模型碳减排、增加供热经济收益效果以及H2A-掺氨燃烧耦合模型降低煤耗成本和燃煤碳排放效果的综合能源系统目标函数；最后，基于内蒙古某示范基地构建算例，对比分析不同能源转化技术的经济效益与碳减排效果，结果表明：所提集成系统能够显著优化能源结构，实现多能协同低碳经济运行；相比传统综合能源系统，经济性成本减少了7.5×105元（19.5%），环保性成本减少了5.0×105元（11.5%）。
以电动汽车为代表的用户侧灵活性资源及分布式光伏等发电单元在配电网的广泛接入，可能会导致严重的电压越限以及线路潮流阻塞等问题，严重影响配电系统正常稳定运行，为配电系统运营商（distribution system operator，DSO）带来严峻挑战。为此，提出了面向配电网阻塞管理的用户侧电动汽车调控及本地灵活性市场出清方法。首先，建立本地灵活性市场（local flexibility market，LFM）运行机制，并构建灵活性聚合商的灵活性投标策略模型，从而根据LFM发布的灵活性需求进行灵活性投标；随后，基于交替方向乘子法（alternating direction method of multipliers，ADMM）的分布式出清算法，实现在不向LFM运营商披露DSO及用户侧灵活性资源隐私信息的情况下，确保LFM的出清；最后，通过算例分析，验证所提LFM机制和分布式出清算法的有效性，所提方法可以充分利用用户侧电动汽车的灵活性为配电网进行阻塞管理。
为响应“双碳”战略目标，阶梯式碳交易、绿证交易与需求响应的交互联动具有重要意义，其交互可减少园区的碳排放以及降低园区的运行成本。首先，构建绿证-阶梯式碳交易的数学计算模型；其次，引入需求响应机制，引导用户用电行为，促进新能源的消纳，降低系统运行成本；然后，将系统运行总成本与总碳排放作为多目标优化调度的目标函数，求解模型获得帕累托解集，采用逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）-灰色关联分析法来获取帕累托解集的理想解；最后，设置多个场景进行对比分析，验证了所提模型的实用性与有效性。
为深入探讨虚拟电厂在碳减排中的作用，实现低碳经济体系的有效运转，提出了一种考虑碳交易与需求响应的虚拟电厂低碳经济调度模型。首先，构建了虚拟电厂参与碳交易市场的模型，以约束其碳排放；其次，根据负荷需求响应的特性，分别建立了价格型和替代型需求响应模型；最后，设计了一个以最小化虚拟电厂总运行成本为目标的低碳经济调度模型。通过对4种情景结果进行对比分析，以验证该模型的有效性。此外，还考察了碳交易价格及需求响应参数变化对系统运行的影响。 研究结果表明：同时考虑碳交易与需求响应不仅能够显著降低系统总运行成本，还能减少实际碳排放量；系统总运行成本与碳交易价格呈正相关，而实际碳排放量则与之呈负相关；同时，需求响应参数的变化也会对运行成本和碳排放量产生一定影响。该模型在虚拟电厂调度过程中兼顾了系统运营的经济性与低碳性，实现了“削峰填谷”的效果，提升了系统运行灵活性。
燃气机组在新型电力系统中将长期发挥重要的支撑和调节作用。为推动燃气机组碳排放的精准监测，在常规碳排放计量方法的基础上，提出了基于机器学习与在线监测的数字化监测方法，以及基于电厂厂级实时信息监控系统（supervisory information system，SIS）进行在线数据与排放因子的核算方法。以某燃气机组为例，对比分析了统计期内通过4类计量方法（包括基于指南的人工核算、在线核算、基于冷干法和稀释法的在线监测以及数字化监测）所获得二氧化碳排放量的准确性。 结论如下：碳排放在线核算与人工核算之间相对误差控制在1%以内，两者可互为参考，以实现厂内数据校验；稀释法和冷干法所采用的在线监测技术均能获取准确的碳排放量，但稀释法需定期校准以维持其测量精度；通过大量机组运行数据建立起来的数字化监测模型能够实现碳排放量的实时预测，其准确度较高。在缺失二氧化碳在线监测数据时，该模型仍可为机组运行提供指导，并有望推广至同类型机组。
源荷不确定性是新型电力系统的典型特点之一，因此有必要对考虑源荷变化的电网概率潮流进行计算。针对随机响应面法（stochastic response surface method，SRSM）在构建多项式混沌展开式时通过随机抽样生成样本的盲目性，采用随机降阶法（stochastic reduced order method，SROM）选取重要样本以提高计算结果的准确性。将光照强度、风速参数和负荷作为随机输入变量，建立源荷概率模型并对其进行相关性处理，采用SROM选取三维输入变量的重要样本生成概率潮流的多项式混沌展开式；提出基于SROM-SRSM的电力系统概率潮流计算方法并给出详细计算流程；以改进的IEEE 33节点系统为算例，比较了不同多项式阶数下的模拟时间和精度，采用3阶多项式混沌展开式作为概率潮流计算的基础，比较了不同计算方法下的概率潮流计算结果，得到了潮流状态变量的概率分布。 结果表明：相对于传统的蒙特卡罗方法，所提的SROM-SRSM方法减少了计算耗时，采用随机降阶法优选样本提高了概率潮流计算结果的准确性。
在分布式光伏大规模接入的低压配电网中，现有剩余电流装置 （residual current device，RCD）无法区分剩余电流回路中的光伏异常漏电流与触电时的触电电流，容易发生误动作，导致低压配电网的用电安全和供电可靠性存在隐患。针对该问题，提出一种基于支持向量机（support vector machine，SVM）的漏电故障识别方法和基于极致梯度提升（extreme gradient boosting，XGBoost）的触电电流检测方法。首先，基于变分模态分解（variational mode decomposition，VMD）获取不同漏电场景下剩余电流信号的分量，建立故障特征集；然后，将故障特征作为输入，建立基于麻雀搜索算法（sparrow search algorithm， SSA）优化SVM的漏电故障识别模型，对漏电故障类型进行识别；针对发生触电事故时剩余电流无法真实反映触电的情况，建立基于网格搜索与交叉验证（grid search & cross validation，GSCV）优化XGBoost的回归分析模型，实现从剩余电流中精确提取触电电流。算例结果表明：相较标准SVM和核极限学习机（kernel extreme learning machine，KELM）模型，SSA-SVM模型对漏电故障的识别率最高，平均识别准确率达99.28%；基于GSCV优化的XGBoost回归分析模型提取的触电电流值与真实值实现了良好的拟合；所做工作为具备漏电故障识别和触电电流检测功能的新型RCD开发提供了理论依据。
清华大学出版社期刊中心
