在电力市场交易中，电价预测逐渐成为能源企业决策机制的一个必不可少的环节，是市场参与者制定竞价策略的重要依据。准确的电价预测有助于电力市场各交易主体降低竞价风险，实现利益最大化，因此，研究电价预测具有重要意义。然而，由于气象条件、负荷需求、线路阻塞及政策导向等多重因素的影响，电价呈现出复杂的不确定性和显著的波动性。为了解决这一问题，电价预测的方法日益多样化。但由于高质量电力交易数据匮乏以及预测算法存在缺陷等问题，精准的电价预测面临诸多挑战。该文梳理了国内外关于电价预测的相关研究成果。首先，对电价形成机理及其影响因素进行了分析，并归纳了相关理论研究方法；其次，详细介绍了最新的电价预测方法，将其分为时间序列预测模型、传统机器学习模型、深度学习模型和混合模型这4个主要方面，并对各类方法进行了深入探讨与分析；最后，从影响因素、数据预处理、方法选择及评价指标等角度，对未来电价预测的发展趋势进行了展望。
“双碳”背景下，随着传统电力系统向新型电力系统转型升级，推动了“光储虚柔车”等新一代配电网主动能量体（active energy agent，AEA）的井喷式增长，但目前电力现货市场难以适应多种AEA的差异化物理经济特性和多样化交易需求，同时也难以厘清交易的附加环境价值。在此背景下，为量化AEA发用电方式对碳减排的贡献，首先提出基于合约完成率的信誉值评估模型，结合AEA信誉值和交易安全校核结果对交易次序与报价/报量进行调整更新；然后，设计基于电力潮流碳标签的区域动态碳排放因子和计及用户负荷-新能源（user load - new energy resource，UL-NER）曲线形态相似性指标的环境权益分配机制；最后，搭建目标函数为社会福利最大化的能量块匹配出清模型，使用Gurobi优化求解器对模型进行求解。算例分析与方案对比结果表明，所述交易机制在增加AEA自身收益及社会效益的同时提高了自身的降碳、减排能力。
在分布式发电渗透率逐渐上升的背景下，点对点（peer-to-peer，P2P）交易是提高能源利用率的有效途径之一；然而，交易过程中，签约用户的违约行为及电量传输损耗可能导致交易效率降低和成本增加。基于此，提出一种基于分布式信誉和距离驱动的迭代拍卖机制，旨在促进信誉良好用户和电力需求相近的对等方之间的能源交易。结合历史交易表现和用户之间的用电距离，构建了信誉-距离指数，并将其引入拍卖匹配过程中；接着，采用基于博弈论的自适应算法对迭代拍卖进行建模，以实现纳什均衡。案例研究表明，所提出的分布式能源交易机制能够有效降低网络损耗和调峰负荷，保障电力可靠性，提升经济效率和社会福利。具体而言，与不考虑信誉和距离的传统模型相比，所提出的机制能减少54%的网络损耗，提升7.95%良好信誉用户的市场份额，提高10%的经济效率，并增加13.58%的社会福利。
随着可再生能源的快速发展，风电作为一种重要的清洁能源，其功率预测的准确性对电力系统的稳定性和经济性至关重要。为了解决风电功率预测中存在的非线性和非平稳性问题，提升预测的准确性和可靠性，提出了一种基于变分模态分解（variational mode decomposition，VMD）、K-means聚类分析算法和TimesNet深度学习模型的新型风电功率预测模型。首先，通过VMD算法将非线性及非平稳的时间序列信号分解为多个本征模态函数（intrinsic mode function， IMF），以便分析并提取风速与发电量数据中的趋势和周期成分。其次，采用K-means聚类算法对所获得的IMFs进行分类，从而识别出风电功率波动模式的特征，这一过程有效增强了模型在不同风况下捕捉功率变化规律的能力。最后，将聚类处理后的结果输入TimesNet深度学习模型进行预测，并与多种现有风电功率预测模型进行对比实验，结果表明，使用所提出的预测模型能显著降低风电功率预测误差。
随着新型电力系统建设的不断推进，西北地区新能源消纳能力不足与东部地区电力供应短缺的问题日益突出。因此，将西北地区富余的新能源电力输送至东部发达地区成为实现跨区域能源平衡的有效手段。针对远距离、大容量的新能源外送需求，提出了一种电氢协同的新能源外送方式。首先，构建了包含电能输送与氢能输送通道的新能源外送系统框架；其次，从新能源外送过程中的源端、传输端和负荷端出发，考虑设备的成本与损耗因素，并设置供需平衡、损耗、容量以及外送时间的约束条件，以最小化总成本和总损耗为优化目标，构建了电氢协同的新能源外送规划模型；最后，以甘肃地区4个新能源外送工程为例进行仿真分析。结果表明，采用电氢协同的外送规划方案使得系统总成本降低了5.72%~7.74%，验证了所提模型的有效性与合理性。
准确预测风电低出力是保障高比例新能源电力系统供电安全的关键。为此，提出了一种基于门控循环单元-降噪自编码器（gate recurrent unit -denoising auto encoder，GRU-DAE）-DLinear的风电低出力并行预测方法，采用无监督学习方法刻画低出力典型波动特性，并通过针对性建模提升预测准确性。首先，提出了基于GRU-DAE的低出力事件分类方法，利用时序神经网络的序列数据降噪归纳和重构能力辨识典型低出力事件。然后，建立了基于DLinear的低出力事件并行预测模型，对不同类型低出力的时序特性独立建模，从而提升整体预测准确性。最后，基于中国北方某风电场的实际运行数据验证了所提方法的有效性。
新能源制氢是“双碳”背景下最具潜力的制氢方式，针对离网型新能源混联制氢系统缺乏协同控制策略的问题，提出一种基于质子交换膜（proton exchange membrane，PEM）电解槽期望运行区间的多级功率置换策略。当制氢侧功率指令发生变化时，首先由PEM电解槽的快速调节来响应指令变化，然后结合PEM电解槽的期望运行区间制定功率置换策略，利用碱性电解槽的大容量支撑能力，逐步将PEM电解槽期望区间外的功率转移由碱性电解槽承担，充分发挥了多类型、多时间尺度响应能力。最后，将所提出的策略在自研的新能源制氢一体化仿真平台进行测试，运行结果表明：所提出的策略可充分发挥2种电解槽的多时间尺度响应能力，在提升功率指令响应速度的同时保障制氢系统的安全性，并且能够满足新能源离网制氢稳定性的要求，具有较高的实用价值。
吉瓦时级大容量储能电站可为新能源消纳、系统安全运行与调控能力提升提供关键支撑。然而，随着吉瓦时级电池储能电站中储能单元和电池单体数量的显著增加，电池不一致性风险也随之加剧，这将严重影响储能电站的安全与高效运行。为此，基于电池单体一致性、储能单元一致性对储能电站充放电能力的影响分析，提出了储能电站充放电能力计算与评估方法。构建了计及储能电站级-虚拟子系统级的储能电站双层功率分配模型。在电站层级，根据储能单元电池健康状态（state of health，SOH）将储能电站分为若干虚拟子系统，以子系统平均荷电状态（state of charge，SOC）一致性为原则设计子系统的总体充放电策略，计算子系统总功率需求。在虚拟子系统级，建立以储能单元的SOC方差最小为优化目标的储能单元功率分配策略。所提的功率分配方法可延缓低SOH储能单元的寿命衰减，加快储能单元SOC一致性收敛速度，提升储能电站可利用率。通过仿真试验和青海托格若格270 MW/1.080 GW·h电池储能电站工程，对所提功率分配与能量管理策略进行了分析。结果表明，该方法在实现电池一致性管理方面具有良好的有效性。
随着电力系统的不断发展和环保意识的提高，可再生能源发电比例在电力系统中不断增长，单一的火力发电机组调度已经变为多能源发电协调调度模式。为解决含储能装置的多能源电力系统调度优化问题，建立了以系统发电成本最低和污染排放最少为目标的风-光-火-储能电池-抽水蓄能的多能源电力系统调度模型；引入了基于迭代次数的自适应策略以优化位置更新系数，通过高斯变异对算法种群进行扰动，并将蚁狮算法中精英策略与蝗虫算法相结合，用改进多目标蝗虫算法对所提调度模型进行求解，对真实算例在Matlab平台进行仿真分析，提出了一种最优多目标电力系统调度方案。通过对测试函数和仿真实例进行仿真分析，验证了改进算法的优越性和所建模型的合理性。
清华大学出版社期刊中心
