氢能作为全球能源转型与低碳发展的核心领域，其学科建设对支撑产业创新与人才培养具有重要意义。为此，国内外高校及科研机构正积极探索氢能学科体系的构建路径。文章基于对氢能学科建设的系统性研究，梳理中国氢能学科建设现状，围绕人才培养与课程体系构建等方面展开实践探索。从学科布局、课程体系、研究平台、师资队伍等维度出发，结合学科建设目标分析、教学方法创新与优势资源整合，阐述氢能学科在专业人才培养、技术创新推动及产业发展服务等方面取得的成果，同时剖析当前存在的问题与挑战，并提出针对性优化策略，旨在为中国氢能学科高质量发展提供理论参考与实践经验。研究结果表明，当前氢能学科建设存在跨学科融合不足、实践资源短缺以及国际化水平有待提升等问题；针对下一阶段的建设与探索，提出相应建议，以助力氢能产业高质量发展。
针对无烟煤在锅炉中燃烧时灰渣易熔融沉积、影响运行安全与经济性的问题，依托0.4 MW一维沉降炉中试平台，系统开展了多种负荷、配风比例及过量空气系数条件下的燃烧试验。结合灰熔融特性、扫描电子显微镜(scanning electron microscope，SEM)、X射线衍射仪(X-ray diffraction，XRD)、X荧光光谱仪(X-ray fluorescence spectroscopy，XRF)及激光粒度分析等手段，深入研究了灰渣形貌、成分与粒度特性随工况的演变规律。结果表明，无烟煤灰渣主要由C、O、Si、Al元素组成，主要晶相为石英、莫来石和赤铁矿，不同工况下晶相类型保持稳定。当负荷由0.2 MW升至0.3 MW时，灰渣变形温度由1 259 ℃升至1 312 ℃，结渣指数由1 268增至1 319，结渣风险显著增强。一/二次风比由2/8提高至4/6，灰渣未燃碳质量分数可由约37.5%提高至40%，中位粒径由约22 μm可增大至约28 μm，沉积倾向明显加剧；相比之下，过量空气系数由1.2提高至1.4，对灰熔融特性及结渣指数的影响较小。粒度分布以细颗粒为主、粗颗粒并存的双峰特征，细颗粒形成黏附基底层，粗颗粒通过惯性撞击强化沉积，共同促进结渣发展。研究表明，负荷是影响无烟煤结渣行为的主导因素，配风方式通过调控燃尽与颗粒特性间接影响结渣倾向。该研究为宽负荷工况下无烟煤锅炉的结渣预测与燃烧优化提供了中试数据支撑。
针对燃煤锅炉传统优化方法存在的系统性不足与炉内燃烧状态无法精确感知等问题，提出了一套融合智能感知与智能控制的锅炉整体优化系统。首先，通过部署红外测温阵列，结合梯度定位算法实现炉膛三维温度场的在线重构与可视化；其次，基于连续时间贝叶斯网络建立锅炉燃烧动态过程模型；最后，采用惯性权重动态调整的粒子群多目标优化算法进行在线寻优，构建了实时闭环的自适应智能燃烧控制系统。工程应用结果表明：该系统能有效感知燃烧状态，精准识别并预警结焦、偏烧等异常工况；系统投运后，锅炉效率提升不低于0.3%，氮氧化物生成量降低不低于12%。结论认为，该系统为解决电站锅炉运行优化难题，实现安全、经济与环保协同发展提供了有力的技术支撑。
为解决虚拟电厂聚合分布式资源过程中因风光出力随机、负荷波动及参数偏差等多源不确定性导致的调度失效与经济损失问题，构建了嵌入多源不确定性建模与参数在线校正机制的多时间尺度自适应调度框架。该方法基于两阶段鲁棒优化与改进量子遗传算法，日前阶段通过鲁棒优化生成预调度方案，日内阶段引入状态反馈机制，利用改进量子遗传算法滚动校正关键参数，构建闭环调度结构，并通过仿真试验验证效果。结果表明：在风光出力与电热负荷预测存在显著偏差时，所提方法较传统确定性调度实际运营收益提升约3.2%；参数在线校正策略使系统平衡成本在多数时段显著降低，降幅接近90%。该方法有效协同了调度方案的鲁棒性、经济性与自适应能力，为虚拟电厂在高不确定性环境下的安全经济运行提供了技术路径。
虚拟电厂(virtual power plant, VPP)是整合分布式能源的关键载体，可提升能效和促进可再生能源消纳，但单一VPP调节能力和竞争力有限，多VPP联合运行更具经济和低碳优势。基于此，提出一种考虑综合需求响应与多能源交互的多VPP优化调度方法，并用改进的Shapley值对收益进行分配。首先，构建了融合综合需求响应与能源交互的多VPP协同调度模型，通过需求响应引导负荷变化，起到削峰填谷的作用；通过多VPP的能源交互，充分利用供能侧的能源资源，提升系统经济性。其次，在收益分配中引入经济、能源交易和环境三维评价指标，改进传统Shapley值法，使利益分配的依据更全面。仿真结果表明，所提模型在降低运行成本、减少碳排放的同时，通过多维指标量化成员出力，更能全面反映各VPP的实际贡献。
传统评估方法多基于惯量中心频率指标，仅能反映全网平均频率动态，忽略了新能源高占比下系统惯量随时间变化、空间分布不均的显著特性。针对大规模风电参与惯量支撑与调频导致电力系统惯量水平变化的问题，提出一种计及惯量时空特性的含风电电力系统惯量需求评估方法。首先，构建含风电综合控制的系统频率响应模型，整合风电虚拟惯量响应与桨距角一次调频控制，推导系统传递函数及等效惯性时间常数计算公式，明确风电通过快速响应有功扰动以延缓频率变化率的支撑机理。其次，提出计及惯量时空特性的表征方法，基于节点功率-频率机理分析，构建节点惯量矩阵与时间动态模型，量化同一节点惯量的时间演化规律与不同节点惯量的空间分布差异，弥补传统惯量中心频率评估的局限性；通过获取系统功频方程与频率响应模型，构建惯性时间常数模型，形成考虑时空特性的惯量需求评估模型。最后，基于改进的 IEEE 10 机 39 节点系统进行仿真验证，结果表明：风电参与后可有效提升系统惯量支撑能力，所提方法能精准捕捉不同节点在不同时刻的惯量差异，通过惯量热力图实现时空特性可视化，为新型电力系统规划阶段的惯量配置与运行阶段的频率稳定控制提供量化依据。
为了探究云贵高原冬季凝冻环境下叶片结冰及抗凝冻改造对5 MW风电机组振动特性的影响，评估机组在复杂气候条件下的运行安全性，依托3台经主动气热法改造的抗凝冻试验机组，采集了其历时4个月的现场运行振动监测数据。研究选取机舱等关键部位的9个振动状态变量，计算特征参数并结合限值标准，通过纵向与横向对比分析，综合判定了机组的振动状态及演变趋势。结果表明：3台试验机组的振动烈度整体处于较低水平且个体差异微小，未见异常波动；叶片结冰引发的质量不平衡、气动外形改变以及新增防除冰设备带来的载荷变化，并未导致机组振动显著加剧。结论认为，在凝冻环境下，叶片结冰及抗凝冻改造措施对5 MW风电机组整体振动水平无显著影响，机组结构动力学性能稳定，具备长周期安全运行能力。
针对光伏发电预测中存在的数据噪声干扰、特征尺度差异及多尺度气象模式建模不足等问题，提出一种动态数据预处理与门控密集多尺度卷积神经网络(gated dense multiscale convolutional neural network，GDMS-CNN)的预测方法。首先，建立基于动态滑动窗口Z分数的异常检测机制，结合协方差加权多变量插值处理缺失值；其次，采用自适应分段归一化算法消除特征量纲差异，并构造云量修正因子与大气衰减因子来增强物理特征表达；最后，设计GDMS-CNN网络，通过深度可分离卷积模块优化特征提取效率，构建密集连接扩张卷积块来捕获多尺度时空关联特征，嵌入非对称门控通道注意力机制以动态校准特征权重。实验结果表明：所提方法在均方根误差(root mean square error，RMSE)上较最优基准模型遗传算法-变模态分解-回声状态网络(genetic algorithm - variational mode decomposition - echo state network，GA-VMD-ESN)降低16.4%，较传统随机森林法降低43.4%。该方法为光伏出力预测提供了新的解决方案，有效提升了电网调度的可靠性。
针对电力系统碳排放峰值预测中数据质量低、模型超参数耦合度高及峰值定位误差大等现实问题，提出了一种融合鲁棒数据预处理与改进灰色-卷积混合模型的预测框架。首先，建立基于动态分位数边界的离群值检测与多窗口加权鲁棒修复流程，并引入基于随机森林特征重要性的链式多重插值法，以解决非高斯分布数据中的离群干扰和高维缺失问题；在此基础上，构建融合变分模态分解、空洞卷积与注意力门控的改进卷积网络，嵌入改进灰色模型提取长期趋势，并通过灰色关联度引导的鲸鱼优化算法完成超参数寻优。实验结果表明：与遗传算法、粒子群优化及灰狼优化算法相比，所提算法将平均绝对百分比误差分别降低39.7%、32.5%、25.4%，峰值预测时刻偏差分别降低77.1%、71.4%、60.0%；与自回归整合移动平均(autoregressive integrated moving average, ARIMA)、长短期记忆网络-先知混合模型(long short-term memory-prophet, LSTM-Prophet)、时序变换器(time-series transformer，TST)、经验模态分解-长短期记忆网络(empirical mode decomposition - LSTM，EMDE-LSTM)、变分模态分解-门控循环单元(variational mode decomposition-gated recurrent unit, VMD-GRU)相比，所提模型将平均绝对百分比误差降至2.89%，峰值预测时刻偏差降至0.7 h，拐点捕捉率提升至93.8%。该研究为碳排放峰值精准预测提供了新的技术路径，并为电力系统减排策略制定提供了数据支持。
针对高比例可再生能源接入下电力系统输配协同调度存在的经济性、安全性和计算效率难题，提出一种多时段优化模型及自适应改进灰狼优化(adaptive improvement grey wolf optimization, AIGWO)算法。首先，建立了综合考虑经济成本、环境代价与安全风险的三维目标函数体系，并完整计及机组爬坡、储能充放电时序约束及网络安全边界条件；在此基础上，设计了非线性自适应收敛因子动态平衡全局搜索能力、知识引导种群初始化提升解的质量、混合二进制-实数编码协同优化连续/离散变量这3项创新机制，以解决传统算法收敛效率低及离散决策空间处理缺陷。基于改进IEEE 33节点系统进行分析验证，结果表明：与标准灰狼优化算法、粒子群优化算法、混合整数规划及深度Q网络相比，AIGWO将总成本降低1.72%~5.03%，线路越限量减少89.2%~93.5%，电压越限量降低82.4%~90.3%，计算时间缩短9.32%~94.22%。该算法为高波动性源荷场景下的输配资源协同优化提供了高效解决方案。
为解决高渗透率分布式光伏接入配电网引发的电压越限与稳定性下降问题，提出一种基于分布式光伏集群划分的配电网电压调控策略。首先，构建考虑净负荷与等效电气距离的双指标模块度函数，应用基于模块度的社区发现算法(fast-unfolding)实现光伏集群动态划分；其次，根据集群越限程度设计差异化调压，轻度越限采用群内无功调节，严重越限引入多设备分层协同控制，按响应速度与经济优先级分配任务；最后，建立以网损最小和电压偏移最小为目标的优化模型，采用改进的多组织粒子群优化(multi-organization particle swarm optimization，MPSO)算法结合小生境技术，求解最优调节顺序与设备动作量。仿真结果表明，该方法在改进IEEE 33节点系统与IEEE 123节点系统中可有效控制电压波动，降低网损，提升系统稳定性。
风力发电与光伏发电的不确定性，导致低碳调度方法的碳排放量与预期不符，因此，提出一种机会约束规划下的区域综合能源系统多时间尺度低碳调度方法。首先，以风光发电不同时段的功率作为随机变量，并引入置信水平量化约束，利用改进粒子群算法，确定最优决策变量；其次，引入碳捕集电厂对CO2进行捕集、封存与再利用，构建碳循环体系，设计阶梯式碳交易机制与用户需求响应机制；最后，设计多时间尺度实时滚动调控计划，构建实时调度目标函数与约束条件，实现区域综合能源系统的多时间尺度低碳调度。实验结果表明，所设计的调度方法的碳排放量相较无策略场景减少了
清华大学出版社期刊中心
