为支撑新型电力系统建设与“双碳”目标实现，亟需明确新一代煤电技术的发展路径。通过文献综述与技术路线分析，系统梳理煤电在高效、灵活、低碳、智能转型中的关键支撑技术。研究结果表明：高性能金属材料是保障机组宽负荷、频繁启停下安全可靠运行的核心；宽负荷燃烧与氮氧化物协同控制、化学链燃烧（chemical looping combustion， CLC）、煤/生物质耦合及绿氨掺烧等技术可显著提升调节能力并降低碳排放强度，其中CLC碳捕集效率可达95%以上。结论指出，新一代煤电须承担“保供托底”与“灵活调节”双重使命，通过材料-燃烧-燃料-控制多维度协同创新，方能在保障能源安全的同时，有效支撑高比例可再生能源消纳与电力系统低碳转型。
为推动燃气轮机联合循环（gas turbine combined cycle，GTCC）系统向低碳化转型，亟需解决燃气轮机掺氢燃烧引发的燃烧不稳定与氮氧化物（NOₓ）过量排放等关键问题。通过文献综述系统分析氢气与天然气的物化特性差异，结合燃烧动力学与热力学原理，分析不同掺氢比例对燃烧稳定性、排放特性及循环效率的影响机制。同时梳理微混燃烧、富氢预混燃烧等先进氢燃烧技术的发展现状，并评估其在典型GTCC系统中的工程适用性。此外，结合材料科学与结构力学，探讨高温、高压环境下氢脆效应对压气机、透平叶片及燃料喷嘴等关键部件的失效风险。研究结果表明：当掺氢体积分数超过30%时，传统燃烧器易诱发热声振荡与局部高温区，导致NOₓ排放显著升高；而采用先进燃烧策略可降低NOₓ排放，并提升机组调峰能力；关键热端部件需通过材料升级与结构优化以满足氢燃料运行要求。因此，实现燃气轮机高比例掺氢乃至纯氢燃烧，需协同推进燃烧技术革新与整机系统适应性改造，为燃气轮机低碳转型提供系统性技术路径支撑。
碱性电解槽作为一种高效制氢技术，在绿氢制备中具有重要的应用前景。针对碱性水电解制氢系统，基于电化学原理和热力学分析，建立一个精确且适用性强的半理论半经验碱性电解槽模型。该模型将电解槽的小室电压和气体纯度视为工作压力、温度和电流密度的函数，并考虑法拉第效率对产氢速率的影响。基于文献中50 m3/h碱性电解槽在不同操作条件下的实验数据，通过非线性回归方法拟合得到模型参数，并利用实验数据来验证模型的准确性，同时分析了模型在不同操作条件下的适用性。研究结果表明，所提出的模型能够有效预测电解槽的性能参数，为电解槽的优化设计和控制系统开发提供了理论依据。
为解决智能楼宇在源侧光伏出力与荷侧用电需求双重不确定性下存在的供需失衡问题，并在降低楼宇储能投资与用电成本的同时，提升共享储能系统的经济性与鲁棒性，构建了一种基于混合博弈的共享储能双层优化配置模型，其中：储能运营商与楼宇用户构成主从博弈关系，运营商作为领导者制定内部交易电价，用户作为跟随者进行需求响应；楼宇间则采用合作博弈，通过双边Shapley值法实现成本公平分摊。源荷不确定性分别采用Wasserstein距离构建光伏出力模糊集，并结合条件风险价值（conditional value at risk， CVaR）刻画负荷波动带来的投资风险。利用KKT（Karush-Kuhn-Tucker）条件将双层模型转化为单层混合整数线性规划问题进行求解。基于江苏某园区智能楼宇群的仿真表明：所提策略可有效削减储能冗余容量12.3%，降低各楼宇平均用电成本8.7%，同时提升运营商收益并缩短投资回收期；相较于传统鲁棒与确定性优化方法，在保障系统鲁棒性的同时显著提升经济性。所提出的混合博弈优化配置策略能够协同处理源荷双重不确定性，实现共享储能资源的高效利用与多方共赢，可为智能楼宇群的低碳经济运行提供有效路径。
针对光伏发电功率因天气变化导致的间歇性和波动性从而导致预测精度较低的问题，提出一种基于自组织映射（self-organizing map，SOM）网络和K均值（K-means）算法（S-Kmeans）的协同聚类、改进的人工旅鼠算法（improved artificial lemming algorithm，IALA）优化的变分模态分解（variational mode decomposition，VMD）与时序卷积网络（temporal convolutional networks，TCN）-双向门控循环单元（bidirectional gated recurrent unit，BiGRU）联合构建的多层级短期光伏功率预测方法。首先，根据相关性分析选出关键气象因子，采用S-Kmeans的协同聚类将光伏数据划分为晴天、多云、阴雨3种典型天气类型。在此基础上，利用IALA对VMD参数组合进行自适应优化，实现光伏功率序列的最优分解，从而更好地捕捉信号的局部特征。最后，对每个子序列构建TCN-BiGRU模型，通过分量预测与全局重构得到预测结果，提升预测精度。实验结果表明，提出的优化模型在各项性能指标上均优于对比模型，验证了其在提高短期光伏功率预测精度方面的有效性。
针对农村地区清洁供暖需求迫切的问题，提出了采用间接式光伏光热（photovoltaic/thermal，PV/T）组件的热泵供暖系统。以兰州地区某乡村单户（64 m2）建筑为研究对象，在TRNSYS动态系统模拟软件平台上构建仿真模型，以小时、日、供暖期这3个时间尺度分析系统运行特性，探究热泵额定制热功率和蓄热水箱容积对系统性能的影响规律。研究结果表明：当热泵额定制热功率为2.50 kW、蓄热水箱容积为0.9 m3时，系统能有效降低蓄热水箱平均温度，将高峰时段总耗电量降至536.2 kW·h，PV/T组件平均发电效率达12.3%、平均热效率达35.35%，系统太阳能保证率77%，系统效率49%。该优化参数组合的PV/T热泵供暖系统在农村清洁供暖应用中表现出显著优势，能有效提高能源利用效率，降低运行成本，为农村地区清洁供暖技术提供了可行的解决方案。
随着大规模分散且多样化的分布式资源接入，虚拟电厂（virtual power plant，VPP）技术已成为有效管理和优化需求侧资源的重要工具。为使 VPP 更好地满足新型电力系统的发展需要，提出了一种考虑不确定性风险的 VPP 参与绿证-碳联合交易的优化调度模型。首先，构建了由风电机组、光伏机组、燃气轮机组、储能设备和用户侧柔性负荷组成的 VPP 优化运行模型，该模型以 VPP 运行成本最小为目标，并考虑了电市场、绿证-碳联合交易机制以及激励型需求响应。其次，综合考虑 VPP 中的源、荷以及需求响应等多重不确定性因素，运用条件风险价值（conditional value-at-risk ，CVaR）理论对不确定因素风险进行量化处理。最后，通过算例分析，验证了所提模型的经济性和环保性，所考虑的CVaR也为 VPP 利润与风险的平衡提供了有力的决策依据。
随着新能源发电技术的快速发展，风能、光伏等可再生能源不仅可作为重要的有功电源，其无功调节潜力也日益受到关注。针对高比例新能源接入下的虚拟电厂（virtual power plant，VPP）无功源不足及模型求解难题，提出一种基于改进成吉思汗鲨鱼优化（Genghis Khan shark optimizer，GKSO）算法的创新优化策略。首先，构建了包含风电、光伏、储能和燃气轮机等多种分布式电源的无功协同调控模型，通过参数敏感性分析揭示了新能源无功出力不确定性的关键影响因素。为准确表征不确定性，采用拉丁超立方抽样（Latin hypercube sampling，LHS）结合Kantorovich距离的场景生成与削减技术，建立了典型的风光出力场景集。在此基础上，建立了计及新能源无功不确定性的VPP多目标优化模型，并利用改进的GKSO算法进行高效求解。仿真结果表明：与粒子群优化（particle swarm optimization，PSO）算法及海鸥优化算法（seagull optimization algorithm，SOA）相比，优化调整后的GKSO算法在解决VPP无功优化问题时具有显著优势；而且对于装机容量较大的大型新能源场站，为降低运行风险，有必要充分考虑新能源无功出力的不确定性因素。
针对农村地区基础设施薄弱、电压稳定性差、可再生能源利用效率低等现实问题，构建了一种兼顾电压稳定性与经济性的分布式电源容量与选址优化模型。该模型以提高电压稳定性为目标之一，以降低分布式电源接入配电网造成的电能质量影响；同时，以分布式电源全生命周期的平准化度电成本（levelized cost of energy，LCOE）为另一优化目标，综合考虑投资、运维成本及发电能力，以提高系统经济性。采用双重深度Q网络（double deep Q-network，DDQN）算法求解该模型，制定兼顾电压稳定与经济性的最优方案。最后，以改进后的IEEE 33节点系统进行仿真验证，结果表明：采用该模型的改造方案能有效提高农村配电网电压稳定性并降低系统改造成本；通过与深度Q网络（deep Q-network， DQN）算法、非支配排序遗传算法（nondominated sorting genetic algorithm II ， NSGA-II）、多目标粒子群（multi-objective particle swarm optimization， MOPSO）算法进行对比分析，进一步验证了所提方法的优越性，体现出强化学习算法在解决复杂优化问题时的高效性与灵活性。
随着农村配电网分布式光伏并网容量的提升，在农村配电网规划设计过程中实现分布式光伏可测、可调、可控的柔性改造迫在眉睫。在此背景下，提出了一种分布式光伏柔性改造进程下的农村配电网滚动式近似动态规划模型。首先，考虑分布式光伏柔性改造进程，基于“多阶段规划、首阶段建设”思路，建立农村配电网滚动式多阶段随机规划（multi stage stochastic programming，MSSP）模型。其次，以基于马尔可夫决策过程（Markov decision process，MDP）的近似动态规划（approximate dynamic programming，ADP）算法为内核，构建滚动式近似动态规划算法，实现所提规划模型的滚动式求解。最后，利用改进的IEEE 33节点典型系统验证所提模型和算法，结果表明：所提模型能够有效应对农村配电网分布式光伏柔性改造进程，获得经济效益更优、对持续涌现的长期不确定性应对能力更强的优化配置方案。
清华大学出版社期刊中心
