【目的】为推动电力行业绿色低碳转型与新型电力系统建设，实现“双碳”目标，亟需研究并建立全面、科学、合理的的电力减排技术标准体系，以指导电力行业碳减排工作有序开展。【方法】基于霍尔三维结构，采用一种“自上而下”与” 自下而上”相结合的分析方法，首先对电力碳减排技术标准发展现状进行了梳理，总结行业各利益相关方的标准需求，结合我国能源实际情况，最终研究电力碳减排技术标准体系。【结果】提出了“3+6+N+N”的多层次电力碳减排技术标准体系架构，包含基础支撑、核心实施、管理评价 3 个层级，基础通用、碳排放核算与核查、碳排放监测、碳减排技术与装备、碳排放评估评价、碳排放管理 6 项维度，20 个技术领域，33 项类目。从实施方向、路径、保障与发展四方面给出了具体实施建议。【结论】构建的多层级、全流程覆盖、可动态扩展的电力减排技术标准体系及提出具体实施建议，为电力行业碳减排工作提供了全面且适配未来发展的规范指引，为落实双碳战略、推进能源绿色转型的提供重要支撑。

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，EMDELSTM)、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。

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，GDMSCNN) 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。

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 4 570.1 kg，且实际碳排放略低于无偿配额 5%，可在有效利用低碳资源的同时，满足系统碳排放约束的要求。

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。

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。

随着新型电力系统建设加速，分布式光伏聚合商得以参与日前能量与备用联合市场交易并获取收益。然而，分布式光伏聚合商、市场交易中心及配电系统运营商因利益诉求差异，呈现出复杂的市场交易博弈行为。据此，构建分布式光伏聚合商参与日前电能量及备用联合市场交易的双层 Stackelberg 博弈架构。上层以最大化分布式光伏聚合商（领导者）收益为目标进行竞标策略优化；下层市场交易中心（跟随者 1）进行日前联合市场出清的同时，配电系统运营商（跟随者 2）在考虑变压器分接头、电容器投切的离散控制基础上对联合市场出清结果进行节点电压与馈线段传输安全校核。为求解该单领导者多跟随者博弈模型，首先利用 Karush-Kuhn-Tucker 条件及大 M 法将跟随者 1 问题等价转换，再利用数据驱动双层重构算法对包含连续和离散变量的单主单从博弈模型进行求解。最后，以 Q 市实际输配电系统验证该博弈模型及其求解算法的适用性和有效性。

近年来氢电混动汽车的快速发展有效地缓解了可再生能源“反调峰”特性造成的新型电力系统调峰问题，促进能源-交通耦合及低碳减排。本文重点考虑可再生能源出力不确定性及氢电混动汽车的充能响应对微网调度的影响，以氢电混动汽车作为连接微网多区域之间的纽带，建立了微网两阶段鲁棒博弈模型，同时为了缓解 C&CG 算法在迭代过程中不断往主问题中添加约束造成求解效率低的问题，提出 iNC&CG 算法进行求解。最后，仿真分析结果表明，所提微网两阶段鲁棒博弈模型能够实现微网与氢电混动汽车用户之间的利益均衡，并有效应对可再生能源出力不确定造成的影响，同时也验证了改进算法的优势。

为了解决西部矿区在全生命周期内负荷动态演化与可再生能源出力时空错配造成的消纳困难和供需不平衡问题，对井工煤矿能源系统开展全生命周期动态配置研究。基于矿井建设、开采前期、开采中期和开采后期4个阶段的生产组织，构建计及矿区多阶段负荷演化特性的能源系统配置模型，建立包含光伏、电储能、制冷机组及外部电热供给的多阶段混合整数线性规划模型，以设备投资、运维、外部购能和碳排放成本构成的全生命周期综合成本最小为目标，优化光伏、储能及电网一次侧设备容量，并通过典型日负荷与分年扩容决策刻画矿区源荷随时间的演化规律。以西部某典型井工煤矿为算例，设置传统静态一次性配置和全生命周期动态配置2种场景进行对比。结果表明：动态配置通过在关键年份分阶段扩容光伏与储能，使光伏平均配置容量和可再生能源渗透率显著提高，电网一次侧设备配置规模得到抑制，在开采中期基本实现“光伏+储能”替代火电供能，全周期弃光率明显降低。与静态配置相比，动态配置场景的全生命周期总成本降低约17.9%，碳排放成本降低约50.2%。研究表明，全生命周期动态配置方法能够在满足矿区安全供能前提下兼顾经济性与低碳性，为西部矿区乃至类似高耗能工业园区的清洁能源系统规划提供理论依据与工程参考。

为适应电力市场参与主体多元化发展态势，解决多虚拟电厂(virtual power plant, VPP)利益冲突问题，提出一种包含配电网运营商(distribution system operator, DSO)、虚拟电厂运营商(virtual power plant operator, VPPO)及用户聚合商(user aggregator, UA)多层架构的混合博弈策略，支撑多 VPP 的协同优化。首先，通过聚合光伏产消者、电动汽车充电站、综合能源负荷等多种灵活性资源形成 UA 集群；其次，面向 DSO、VPPO 以及 UA 的层级能源交易及 UA 主体间的能源交易，构建了“主从博弈- 主从博弈-合作博弈”的多层混合博弈模型；最后，利用二分法、Karush-Kuhn-Tucker 条件结合交替方向乘子法对上述模型进行求解。算例研究表明，所提出的多层混合博弈策略使光伏产消者 UA 与电动汽车充电站 UA 的运行成本分别降低了 4.5%和15.3%；同时，在 DSO 动态定价机制的引导下，系统运营商总收益提升了 2.7%。该策略能够有效均衡多方利益诉求，优化各运营主体间的能源交易及效益分配机制。

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，通过搭建 0.4 MW 一维沉降炉中试系统，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、SEM、XRD、XRF 及激光粒度分析等手段，系统研究了灰渣形貌、成分与粒度特性随工况的演变规律。结果表明，灰渣主要元素为 C、O、Si 和 Al，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。负荷由 0.2 MW 提高至 0.3 MW 时，灰渣变形温度由 1259℃提高至 1312℃，结渣指数由 1268 增至 1319，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 22μm 可增大至约 28μm，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。本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。

为解决虚拟电厂参与电力调峰时的资源聚合与投标决策优化问题，提出一种基于资源响应能力及信息间隙决策理论（IGDT）的决策优化模型。考虑响应潜力、波动程度、持续时间和响应速度 4 个维度构建分布式资源聚合指标体系，建立了兼顾期望响应收益最大化与偏差惩罚风险最小化的多目标聚合优化模型，筛选最优资源组合。设计虚拟电厂参与电力调峰的市场交易框架与投标决策机制，引入 IGDT 理论以刻画调峰补偿价格的不确定性，构建风险规避（RA）模型以优化投标策略。仿真结果表明，虚拟电厂聚合多目标优化模型可兼顾经济性和风险性的考量，可以为虚拟电厂聚合商筛选资源提供理论方法，使虚拟电厂偏差惩罚风险降低，基于 IGDT 的投标决策优化模型可帮助规避调峰补偿价格不确定性带来的交易风险，使虚拟电厂获得合理的响应收益。

针对现有区域分布式光伏功率预测依赖气象数据、运维成本高、数据质量差及结果可信性不足的问题，提出一种光伏功率电量联合可信预测方法。首先，基于电能表功率采集与日电量冻结数据，进行联合筛选、融合与归一化处理以提升数据质量；其次，构建多时间尺度高精度序列到序列（sequence to sequence，Seq2Seq）预测框架，结合区域集中式光伏电站历史与预测数据，通过计及功率与电量的多时间尺度损失函数来优化预测精度；最后，采用承诺-证明简洁非交互零知识证明（commit-and-prove succinct non-interactive argument of knowledge，cp-SNARKs）技术构造模型完整性验证方案，在保障结果可信的同时保护模型机密性。基于华北某城市实测数据的实验验证表明，该方法能显著降低功率电量预测误差，提高光伏功率预测精度。所提方法无需气象数据和系统改造，具有数据质量高、预测精度优、运维成本低和可验证性强的特点，可拓展至负荷预测、风电出力等时间序列预测场景。

振动监测与状态评估是保障大型风电机组安全运行的重要技术手段和管理措施，特别在云贵高原冬季凝冻环境下抗凝冻试验风电机组的振动监测和状态评估显得尤为重要。风电机组叶片结冰的随机分布可能导致三支叶片质量不平衡和气动外形变化，加之机组叶片防/除冰需要而新增设备或辅材的安装差异，综合作用或将引发机组振动而产生设备安全隐患。文中采用主动气热法构造3台5MW抗凝冻试验风电机组，深入分析机组振动主要影响因素；利用 3台 5MW 抗凝冻试验机组历时 4个月运行期间的振动监测数据，计算机组 9个关键振动状态变量参数并结合特征量限值综合评估试验机组振动状态，通过纵向/横向对比判定每台机组振动状态及发展趋势。评估结果表明，3台试验机组振动烈度及差异较小，均可长周期安全运行，叶片结冰以及抗凝冻改造对机组振动影响不显著。