针对大规模新能源接入导致新型电力系统源网荷储要素繁杂、系统复杂性激增以及传统平衡架构模式与分层分析方法难以适配的现状，文章全面梳理了新型电力系统下分层分区平衡架构的相关理论成果与研究技术。全文阐述了新型电力系统对分层分区架构的适应性需求，归纳总结了现有分层控制与分区策略的概念并对比分析典型策略，进而探讨层区间的融合机制，并从数据和建模层面分析了现有分层分区技术存在的问题与不足。分析结果表明，现有技术策略虽能缓解新能源控制压力，但在应对海量异构数据融合及复杂系统精确建模方面仍有不足，且层区协同机制较难满足系统的高动态平衡需求。未来分层分区平衡架构是支撑新型电力系统安全高效运行的重要方向，引入大模型与人工智能技术有望为实现“双碳”目标下新型电力系统的安全高效运行提供崭新的技术路径。

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。

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。

探讨碳市场、能源市场与绿色金融市场之间的风险溢出效应，并重点关注极端事件对这些市场的影响，以期为防范碳市场风险、促进其健康发展提供参考。在深入分析碳-能源-绿色金融市场间风险溢出机制的基础上，综合运用时变参数向量自回归（time-varying parameter vector autoregressive，TVP-VAR）-Diebold-Yilmaz（DY）和TVP-VAR-Baruník-Křehlík（BK）溢出指数方法，并结合溢出网络模型，基于2018—2023年中国碳市场、能源市场及绿色金融市场的历史数据，对各个市场之间的时频风险溢出效应进行了实证考察。结果表明：（1）碳-能源-绿色金融市场之间的溢出效应具有时变性，且易受到极端突发事件的影响。（2）在不同时间域和频率周期内，绿色股票市场和新能源市场均为系统主要的风险传导源；而碳市场在短期内表现为风险流入方，但在长期则转变为风险流出方。（3）绿色股票市场和新能源市场构成了系统溢出网络的重要中心。

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。

相比于盐穴和人工硐室，采用管线钢作为地面储气室对于小型分布式压缩空气储能（compressed air energy storage，CAES）系统更具优势。基于AMESIM软件，搭建了10 MW级分布式CAES系统全系统精细化动态仿真模型，研究了不同储能时长和不同地面储气室最高压力下系统的释能时长、地面储气室体积、系统效率和储能密度等参数，并对系统的经济性进行了分析。结果表明：储换热系统的热损失是造成系统能量损失的主要因素；随着储能时间的增加，地面储气室容积增加，系统效率不变，储能密度增加，系统静态投资回收期缩短速度趋于平缓；随着地面储气室最高压力的增加，储气室容积减小，系统效率降低，储能密度增加，系统静态投资回收期先减小后增加；地面储气室最高压力从9 MPa增加到14 MPa时，系统效率从67.59%减小到54.37%；当地面储气室最高压力为11.8 MPa时，系统静态投资回收期取得最小值8.29年。

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。

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。

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。

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。

为解决风光可再生能源出力波动性强导致电解制氢系统运行稳定性不足、单位制氢成本偏高的问题，针对风光耦合制氢应用场景，开展双通道混合制氢系统的优化控制方法研究。提出一种基于集合经验模态分解(ensemble empirical mode decomposition, EEMD)与Petri网启停修正的双通道电解槽优化控制策略，通过对风电与光伏功率信号进行EEMD分解，将不同频段功率分量分别分配至碱性与质子交换膜电解槽，并利用Petri网模型构建电解槽启停逻辑以抑制低负载频繁启停行为，同时建立以系统能量转换效率最大化和单位制氢成本最小化为目标的多目标优化模型，采用多目标粒子群优化算法进行求解。基于张北地区风光实测出力数据的仿真结果表明，优化后混合制氢系统的能量转换效率提升至58.64%，单位氢气生产成本降至2.3958美元/kg，相较于传统单一制氢方案，分别提升15.25%与降低1.7384美元/kg，且电解槽启停次数显著减少。研究表明，所提出的控制方法在提升系统稳定性、降低经济成本方面具有良好效果，为风光制氢系统的高效运行提供了一种切实可行的优化路径。

水下压缩空气储能（underwater compressed air energy storage，UWCAES）作为一种容量大、灵活性强的储能技术，在能源系统中发挥着平衡电力供需波动的重要作用。然而，柔性气囊在深海复杂环境及动态充放气工况下，面临瞬时超压与压力振荡的双重挑战。为此，提出一种基于模糊比例积分微分（proportional integral derivative，PID）控制的UWCAES气囊压力波动抑制策略。首先，构建包含水下环境参数的囊体动态压力传递模型；随后，提出一种以压力误差及其误差变化率作为输入，通过构建隶属度函数与模糊规则库，并实时动态调整PID参数，优化阀门开度调节速率的模糊PID控制算法；最后，通过算例进一步验证了该算法在涡流冲击等动态工况下的鲁棒性。结果表明，所提模糊PID控制策略可将气囊内压力波动标准差降至30.8 kPa，较常规PID控制降低26.7%，显著缓解了瞬时超压与压力振荡现象，为水下柔性压缩空气储能技术的工程应用提供了关键理论依据与技术支撑。

针对园区级电热氢综合能源系统中存在的用户侧灵活性资源利用不足、系统能源耦合程度不高等突出问题，提出一种计及等效储能的电热氢综合能源系统低碳调度策略。首先，考虑用户侧可调节资源，将用户侧多主体间分散的可调节能力聚合，提出等效储能概念；其次，建立包含电储能、氢储能、燃气掺氢热电联产机组等多能设备的园区多模式协同运行框架，刻画电热氢多能流系统的耦合关系，并引入阶梯式碳交易机制，联合等效储能聚合用户侧可调节资源，降低园区对高碳机组的依赖；最后，利用算例仿真验证所提策略的有效性。仿真结果表明，相较无等效储能情形，所提方法可降低系统总运行成本13.04%，并在阶梯式碳交易约束下实现碳排放削减29.62%，验证了所提策略的有效性。

针对高比例新能源接入导致系统惯量时变、传统火储调频策略适应性不足的问题，提出一种基于在线惯量评估与死区自适应优化的火储协同频率控制策略。该策略构建了分层协调机制：在小扰动工况下，利用储能作为快速分布式灵活性资源优先动作，通过低死区设计避免火电机组频繁磨损；在大扰动工况下，基于系统频率响应反演辨识等效惯量，自适应调整储能的虚拟惯量与下垂系数，实现对系统阻尼的动态补偿。此外，建立了包含循环寿命衰减的储能全生命周期成本模型，量化分析了策略的经济效益。仿真结果表明，所提策略在有效平抑系统振荡的同时，显著降低了综合调频成本，为分布式储能参与电网辅助服务及低惯量系统频率治理提供了兼具技术性与经济性的解决方案。

水下压缩空气储能(underwater compressed air energy storage, UW-CAES)采用水下柔性气囊储气，能够实现恒压储气与释气，是新能源消纳的有力工具之一。然而，目前鲜有研究能够通过参数优化，在降低UW-CAES成本的同时，有效提升电站的运行经济性。针对上述问题，提出了基于分布鲁棒机会约束(distributionally robust chance constraints, DRCC)的UW-CAES优化配置方法。首先，构建了UW-CAES系统模型，充分考虑输气管道压力损失对系统的影响；随后，构建了考虑管道压力损失的UW-CAES优化配置模型，以最小化投资成本、最大化运行收益为目标，优化系统关键参数；最后，通过DRCC将优化问题中的机会约束转换成线性约束，该方法能使优化问题便于求解，同时通过调整参数的方式实现优化结果经济性与保守性间的平衡。算例分析显示，通过所提优化配置方法求解得到的系统能够保持额定释能功率为60 MW，同时使额定储能功率变为53.2 MW，较原系统下降8.75%，提升了系统效率；敏感性分析显示，通过调整DRCC中的置信度与Wasserstein半径即可实现求解结果在经济性与保守性之间的平衡。

针对风电机组齿轮箱油池温度异常难以早期预警的问题，提出一种基于数据采集与监视控制(supervisory control and data acquisition, SCADA)数据的故障预警方法，以提升机组运行可靠性。首先，结合风速-功率分布特征，采用四分位法与基于数据离散度的纵向滤波剔除异常功率点；接着，利用随机森林算法筛选影响油池温度的关键输入特征，构建基于类别提升(categorical boosting, CatBoost)算法的温度预测模型，并采用树结构parzen估计器(tree-structured parzen estimator, TPE)优化其超参数；最后，基于残差分布，通过统计过程控制确定动态预警阈值。在某风电场实际故障案例中，该模型在齿轮箱故障发生前约5 h发出有效预警，残差超出控制限的时间点与故障发展过程高度吻合。所提方法能有效识别油池温度异常工况，具备良好的早期预警能力与工程应用价值。

在“双碳”目标驱动下，重力储能因其环保、无自放电及布局灵活等优势，成为新型电力系统的重要支撑技术。针对重力储能充放电过程中质量块调度引发的功率波动问题及电网有功/无功响应需求，以斜坡式重力储能为对象，分别构建了包含2类电机（电励磁同步电机与双馈感应电机）及3种典型控制策略（矢量控制、直接功率控制与滑模控制）的重力储能系统仿真模型，并建立了相应的数学模型与功率协调控制策略。仿真结果表明：在有功/无功功率调节性能方面，采用滑模控制的电励磁同步电机系统具有最优动态响应与稳态精度；而双馈电机结合滑模直接功率控制策略亦展现出良好的调节能力与鲁棒性。

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。

针对高比例分布式新能源接入给配电网带来的节点电压越限风险、反向潮流过载、供电可靠性下降等耦合问题，提出一种计及源储协同面向就地消纳与供电可靠性的储能优化规划方法。构建以年化综合成本(含储能投资、新能源弃电惩罚等)、节点电压波动性与净负荷波动性综合最优为目标的储能优化规划模型；采用改进型多目标粒子群优化算法求解该非凸非线性模型，通过自适应惯性权重与基于动态密集距离的非劣解集更新策略规避早熟收敛与局部最优陷阱问题。基于IEEE 33节点配网模型的仿真结果表明：相较于“新能源合理弃电”方案，“配储+新能源合理弃电”方案的新能源消纳率提升约12%，年度综合成本降低约5.6%；相较于“配储”方案，其年度综合成本降低约7.5%。

高比例可再生能源系统具有显著的不确定性，作为一种新型物理储能技术，先进绝热压缩空气储能（advanced adiabatic compressed air energy storage，AA‑CAES）有助于提升系统灵活性与调节能力。然而，传统鲁棒规划通常面向全场景采取保守配置，难以精细刻画储能越限风险。基于此，提出计及风光不确定性的AA‑CAES容量优化配置方法，通过机会约束在经济性与风险之间实现有效权衡。首先，构建机会约束模型，以置信水平分别约束压缩空气储能系统的充放电功率与储能容量越限风险，并采用二进制变量与大M线性化方法，将其重构为混合整数线性规划（mixed‑integer linear program，MILP）；其次，构建一个多场景随机规划框架，以反映可再生能源的时变特性；最后，进行仿真验证并开展置信水平敏感性分析。仿真结果表明，相较于不含机会约束的随机规划，该方法在控制越限概率的同时保持了较优的系统成本，实现了可靠性与经济性的协同提升。

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。

为有效识别和剔除风电机组实测数据中的异常数据，通过分析风电机组实测数据的高维特征，提出一种基于流形学习的异常数据识别算法。首先，采用k-近邻互信息算法实现风电机组特征变量选择；随后，使用将样本间距离度量替换为欧几里得度量和局部主成分分析(local principal component analysis, LPCA)差别加权和的优化t-分布随机近邻嵌入(t-distributed stochastic neighbor embedding, t-SNE)算法挖掘出高维流形数据中具有内在规律的低维特征，使得具有不同分布特征的数据在可视化二维空间中显著分离；最后，采用基于密度的噪声空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法对二维空间中的数据进行聚类。结果表明，与主成分分析(principal component analysis, PCA)算法、局部线性嵌入(locally linear embedding, LLE)算法和原t-SNE算法相比，所提方法能够对各种复杂工况数据进行可视化分离聚类，并对异常数据进行识别和剔除。

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。

为应对高比例新能源接入下区域综合能源系统面临的功率波动与爬坡需求挑战，聚焦先进绝热压缩空气储能(advanced adiabatic compressed air energy storage, AA-CAES)的爬坡支撑能力，构建计及AA-CAES爬坡能力的区域综合能源系统多时间尺度优化调度模型。首先，建立AA-CAES的运行模型，分析AA-CAES对火电爬坡的支撑能力；其次，提出计及AA-CAES爬坡能力的区域综合能源系统多时间尺度优化调度策略，长时间尺度优化在满足系统功率平衡的前提下，最小化区域综合能源系统的运行成本，短时间尺度采用模型预测控制方法实现功率的动态修正。算例仿真结果表明，计及AA-CAES爬坡能力的多时间尺度调度，可有效提升系统应对新能源波动的能力，避免火电频繁启停，同时降低运行成本、提升新能源消纳水平，为区域综合能源系统的经济稳定运行提供理论参考。

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。

为解决离网制氢系统储能合理配置问题，提出了离网制氢系统储能的优化配置方法。首先，分析构网型储能对离网系统电压、频率的支撑作用，明确了将构网型储能作为离网系统组网电源的构网方式；其次，结合可再生能源离网制氢系统的配置情况，制定了储能支撑离网系统黑启动的控制策略；然后，建立考虑系统单位制氢成本、系统弃电率的储能优化配置模型，采用了粒子群优化算法对模型进行求解；最后，选取大唐多伦风光制氢项目作为研究对象，通过对离网制氢系统经济性测算及稳定性分析，验证了离网制氢系统储能优化配置方法的有效性。

由于高比例新能源大规模并网，电网对频率调节提出了更高要求，针对传统火电机组由于频繁爬坡导致其调频损耗大和经济性差的问题，提出一种计及火电/压缩空气储能(compressed air energy storage, CAES)响应特性的混合储能系统(hybrid energy storage system, HESS)二次调频策略。首先，采用改进自适应完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)和多尺度排列熵(multiscale permutation entropy, MPE)的方法将自动发电控制指令分解为高频分量和低频分量；其次，依据火电机组与CAES在动态响应时间与调节惯性上的相似性提出一种火电-HESS协同控制方法，基于该方法完成高/低频分量在不同机组之间的合理分配，实现对系统调频性能的提升并降低火电机组的出力；最后，通过Matlab/Simulink搭建火电-HESS算例，对所提策略的调频性能和经济性进行仿真验证。仿真结果表明，所提策略可在二次调频过程中充分发挥火电/CAES相似性的特点，以及HESS兼备快速响应和大容量的优势，有效降低和平滑火电机组出力，提升火电-HESS的调频性能及经济效益。

随着新型电力系统有功-频率耦合特性逐渐复杂化，传统单一储能并网调频策略给电力系统一次调频带来巨大压力，多类型储能组合参与一次调频模式及储能协同控制下的电网频率特性亟需研究。该文分别研究基于下垂控制的电化学储能与基于虚拟同步机控制的飞轮储能的频率响应机理，在多类型储能参与电力系统一次调频时利用低通滤波环节对频率变化率信号进行处理，达到储能协调控制效果；接着，将多类型储能协调控制模型与包含新能源与传统火电的电力系统相结合，建立电力系统频率响应(system frequency response, SFR)模型，利用该模型量化分析储能相关参数对系统频率变化率和稳态频率偏差的影响，并进行参数灵敏度分析；最后，在Matlab/Simulink上搭建模型，验证多类型储能相关调频参数对系统频率特性的影响。研究证明，新型电力系统调频单元考虑多类型储能协调控制能够提升电力系统频率稳定性。

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。

挖掘电力负荷数据的潜在价值是电力行业的主要课题之一，针对直接聚类方法难以提取高维电力负荷数据的潜在特征的问题，提出一种基于一维卷积自编码器的负荷特征优化聚类方法。首先，采用一维卷积自编码器以最优化重构损失为目标，提取用户日负荷曲线的时序特征，实现对数据的非线性降维。其次，提出一种改进聚类结构信息的Cayley正交约束方法，对潜在空间内特征进行映射优化，提高聚类稳定性。然后，采用生成对抗网络(generative adversarial network, GAN)结合 K-means聚类方法优化聚类中心对编码部分进行微调。最后，基于用户负荷数据集，采用戴维斯-博尔丁指数(Davies-Bouldin index, DBI)、卡林斯基-哈拉巴斯指数(Calinski-Harabasz index, CHI)和轮廓系数(silhouette coefficient, SC)这3个指标进行有效性评估。结果表明所提方法在提升聚类结果簇间区分度和簇内紧密度方面的显著优势。研究表明该方法可以有效识别并提取各类负荷曲线的形态特征，可为虚拟电厂的需求响应和优化调度提供可靠支持。

随着孤岛微电网中可再生能源渗透率的提升以及电力需求的增长，加剧了源荷双侧的不确定性，给孤岛微电网的安全、稳定和经济运行带来严峻挑战。然而传统的鲁棒优化方法，过于注重系统的极端情况，以至拖累了系统运行的经济性。该文使用模糊理论生成了系统的随机优化场景，基于场景的发生概率与场景最小混合储能系统容量配置情况对场景进行了剔除，提出了一种基于随机优化的孤岛微电网调度方法。通过构建可再生能源与负荷的不确定性模型生成随机优化场景，建立数学模型，并在每一场景下进行需求响应调度，剔除极端场景。将所提方法应用于某岛屿微电网算例进行实验验证，结果表明：相较于传统鲁棒优化方法，所提出的方法使系统运行成本下降了20.17%，验证了所提方法的有效性与优越性。

阵列式换热器作为换热器网络的一种拓展，能够有效提升先进绝热压缩空气储能(advanced adiabatic compressed air energy storage, AA-CAES)发电系统的运行能力。然而，变结构阵列式换热器网络的复杂性会对AA-CAES运行能力产生显著影响。为此，提出了一种计及阵列式换热器的AA-CAES系统宽工况运行方法。首先，基于热电比拟理论建立了AA-CAES系统用阵列式换热器模型。随后，基于阵列式换热器的运行特点提出了一种AA-CAES宽工况运行方法，根据需求功率确定参与功率调节的换热器单元数量后，以功率偏差、导热油余能作为目标函数对阵列式换热器进行多目标优化。最后，基于某商业运行压缩空气储能电站参数进行算例分析，验证了所提方法的有效性。结果显示，相较传统换热器，阵列式换热器能够有效拓宽AA-CAES发电系统的运行可行域，减少功率跟踪偏差并增加导热油能量利用率。该研究将为压缩空气储能电站的灵活调控提供理论依据和技术支撑。

为应对“双碳”目标与能源转型背景下高比例分布式光伏接入配电网引发的电压越限、频率波动等问题，以及传统跟网型储能因被动响应特性难以支撑电网稳定运行的局限。以构网型储能为核心调控手段，构建“选址-定容-控制”协同优化的双层模型，采用场景分析法处理光伏出力不确定性，并结合改进粒子群算法与内点法的混合优化方法求解模型，实现经济性与技术性的多目标平衡。构网型储能可有效抑制光伏反送电现象，显著提升光伏消纳率；在故障场景下，可增强配电网的自恢复能力。通过融合虚拟同步机控制技术与多目标协同优化策略，突破了传统储能被动响应的技术瓶颈，为高比例新能源配电网的安全稳定运行提供了系统性解决方案。

为解决分布式储能因数量庞大、地理分散及参与多用户主体需求响应存在强不确定性，难以满足聚合商在线实时调度需求的问题，提出一种基于聚类的分布式储能聚合优化调度策略。首先，考虑储能物理状态参数与电气位置信息，建立储能全息状态模型，并采用K-Means++算法对储能单元进行聚类；其次，构建多用户主体的调频、调峰、分布式能源交易及调压需求，设计储能簇相应的服务综合指标，为每个需求确定性能优异的待优化储能集合；接着，计及聚合商参与多用户主体需求响应的收入与租赁储能的成本，以聚合商经济效益最优为目标对待优化储能集合进行优化调度；最后，通过算例仿真验证所提聚合优化调度策略的可行性。