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。

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。

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。

近年来滨海城市台风频发，受台风影响的配电网线路及负荷的脆弱性日益增强。为此，提出了一种基于分层序列法的移动应急电源车优化调度模型。首先，构建了极端灾害条件下的故障率模型，并采用蒙特卡洛方法确定线路脆弱性模型。同时，考虑了分布式电源、储能系统和移动应急电源车等多种灵活资源在不同时空尺度下的协同作用，以制定孤岛与重构相结合的可靠配电网弹性评估模型。最后，通过二阶锥松弛技术，将原始非线性问题凸化为易于求解的标准混合整数二阶锥问题。该研究采用分层序列求解算法，以重要负荷供电率为主要目标，同时尽可能减少配电网整体负荷损失作为子目标。算例结果验证了该策略的有效性，与其他调度方法进行对比后进一步证明了该算法在准确性方面的优势。

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。

针对多园区电热系统在可再生能源大规模接入场景下存在的调度灵活性不足与运行成本攀升问题，提出一种基于边缘计算的梯级双时间尺度分布式电热系统最优调度模型。首先，构建包含物理设备层、边缘计算层与云层的三层协同架构，通过边缘计算实现园区间数据快速处理与分布式决策；然后，在改进目标级联法中引入双时间尺度策略，下层以5 min为尺度优化电能交互，上层以1 h为尺度协调热能交互，并采用增广拉格朗日法实现多时间尺度问题的解耦与滚动优化；最后，设计基于能源贡献度的收益再分配机制，通过非对称映射函数量化各园区在电热交易及可再生能源消纳中的贡献，确保利益公平分配。算例分析表明，所提模型较传统方法综合运行成本降低34.46%，可再生能源消纳率显著提升，且算法在8次迭代内收敛，验证了边缘计算与双时间尺度策略的结合可有效应对能流时空特性差异，为多能源耦合系统的协同优化提供理论支撑与实践参考。

虚拟电厂（virtual power plant，VPP）作为一种新型的电力系统调度模式，通过聚合分布式能源资源，实现对新能源电力的高效利用。然而，传统以经济性为目标的调度策略已无法满足当前低碳发展的需求。为此，提出了一种兼顾经济性与碳排放的VPP多目标优化调度策略。首先，在VPP系统中引入燃烧后碳捕集设备，并结合灵活的碳交易策略，构建考虑经济成本和碳排放量的多目标优化调度模型；其次，针对该模型采用增广ε-约束法求解Pareto解集，并运用熵权-优劣解距离（technique for order preference by similarity to ideal solution，TOPSIS）法对解集进行评价，以获得模型最优解；最后，围绕不同的碳捕集和碳交易策略开展多案例仿真实验，对比分析仅考虑经济性或低碳特性的单目标模型与兼顾经济性和碳排放的多目标模型在调度结果上的差异。实验结果表明：当采用阶梯型碳交易机制及相应的碳捕集运行方式时，VPP的碳排放量达到了最低水平；此外，与单目标模型相比，同时考虑经济性与碳排放的多目标优化策略能够有效降低碳排放并提升经济效益。

在“双碳”战略目标下，如何实现虚拟电厂（virtual power plant，VPP）之间的灵活交互并通过碳价作为激励促进VPP低碳运行，是一个值得研究的问题，为此，基于碳流理论研究VPP点对点（peer to peer，P2P）交易模型。首先，根据碳排放流理论分析碳流在网络中的分布特性，并引入天然气形成多能网络，建立低碳经济调度模型；其次，考虑各VPP参与交易的隐私问题，提出包含报量与报价交易信息的指标量化方法，建立基于综合优先权的P2P交易模型；同时，结合VPP在网络中承担的碳排放责任，在P2P交易机制中引入碳定价方法，建立基于碳税的“能源-碳”综合价格模型；最后，通过算例验证了所提方法不仅能降低VPP的运行成本，还能有效降低碳排放量。

大型风电场的动态等值建模是研究风电并网问题的基础，然而基于聚类的风电场等值模型无法高精度拟合其动态特性，且应用时泛化能力差是聚类等值的固有缺陷。针对该问题，提出一种基于粒子群算法-长短期记忆神经网络-误差校正模型（particle swarm optimization-long short term memory neural network-error correction model，PSO-LSTM-ECM）的风电场等值建模方法。首先，利用K-means聚类算法和容量加权法对风电场风电机组进行分群，构建风电场聚类等值模型；然后，基于详细模型和聚类等值模型的暂态响应误差构建ECM，通过PSO优化的LSTM网络训练得到校正模型，将网络的输出值补偿给聚类等值模型；最后，在PSCAD和Matlab平台进行联合仿真，对风电场详细模型、聚类等值模型和所提出模型进行对比分析，结果验证了提出模型的有效性与优越性。

将需求响应纳入虚拟电厂中，可以增强虚拟电厂的灵活性和经济性，但需求响应存在不确定性，给调度运行带来了困难；另外，多类型需求响应应用在虚拟电厂中的研究也较少。针对上述问题，提出考虑效益系数的激励型需求响应模型，在激励补偿的基础上增加了效益系数，降低激励型需求响应不理想情况下的激励补偿；提出考虑用户满意度的替代性需求响应模型，以反映用户满意度对替代型需求响应的影响；最后，构建多类型需求响应的多能源虚拟电厂模型，同时考虑3种需求响应，来达到更好的优化效果。算例结果表明：考虑效益系数的激励型需求响应模型能提升系统的经济性；考虑用户满意度的替代性需求响应模型能更准确地反映用户的潜在负荷变化，提高需求响应的精确度；多类型需求响应参与虚拟电厂的优化调度，整体效果最佳。

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“双碳”战略的深入推进，虚拟电厂（virtual power plant，VPP）在整合和调度新能源方面展现出显著优势，深入挖掘新能源在无功支持领域的巨大潜力是提升VPP运行经济性的有效手段之一。首先，构建了一套计及有功出力和逆变器约束的新能源无功容量评估体系。其次，为提升无功优化模型的求解速度，针对有功网损和潮流约束的非线性特性，提出基于潮流迭代的有功网损估计方法和基于变量空间优化选择的潮流线性化方法；并构建了计及新能源无功潜力和基于变量空间优化选择的VPP线性潮流无功优化模型。最后，以改进IEEE 33节点主动配电系统为例，验证了所提模型的有效性。结果表明：VPP充分利用新能源无功支持能力时，系统电压偏差减少0.673 pu，运行成本减少1 254.9元。

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。

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。

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。

新能源基地汇集工程一般会接入与汇集容量相等或略小于汇集容量的新能源装机。考虑到新能源出力具有随机性、波动性和间歇性的特点，汇集工程容量全年大部分时间未得到充分利用。从国民经济和新能源合理利用率的角度出发，汇集工程实际可接纳的新能源潜力有待进一步挖掘。以新能源基地汇集工程的度电成本最低为目标，根据风光电站出力特性，考虑电网调峰能力，对新能源基地各电压等级汇集站可接纳新能源潜力进行研究。对华北地区某新能源汇集场景的研究表明：所提方法可在满足新能源利用率要求的前提下多接入约50%的风电光伏装机，并降低新能源基地的整体度电成本；风光互补汇集站相较纯风电/纯光伏汇集站可接入更多的新能源装机。研究结果可为后续新能源基地汇集工程可接纳的新能源潜力提供参考。

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。

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。

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。

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。

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。

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。

水电机组尾水压力和水头波动造成的负载波动和流速变化会对水电机组调速系统产生外部扰动，使水电机组调速具有非线性动态特性，干扰低频振荡抑制的正常进行，无法有效降低水电机组的低频振荡幅值。为此提出基于反步滑模算法的水电机组调速低频振荡抑制方法。首先，量化分析水流速度变化、负载波动等外部扰动因素，辨识水电机组的非线性动态调速状态；检测非线性动态调速状态下振荡量、振荡幅值、振荡频率等低频振荡参数，作为振荡抑制的初始数据。然后，以水电机组调速状态的辨识结果与低频振荡参数的检测结果为输入值，基于反步滑模算法在调速状态中引入“滑模变结构”技术，使调速状态在有限时间内收敛至预定的滑模面上，生成反步滑膜控制律，用来补偿机组非线性状态和外部扰动，降低低频振荡，抑制非线性干扰。最后，自适应调整调速参数，实现水电机组调速低频振荡抑制。测试结果表明：在有、无外部扰动工况下，该方法均可使水电机组的低频振荡幅值明显降低，且在外部扰动影响下，低频振荡幅值振荡衰减率波动系数能够控制在0.1以下，即具有更优的扰动抑制和非线性动态适应效果。

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。

兆瓦级多模块变流器通常采用在交流侧集中布置滤波电容器的方式构建LCL滤波器，其系统稳定性受到控制装置与功率模块之间通讯延时及功率模块数量变化的影响，传统有源阻尼设计方法难以保证稳定运行。为此，提出了一种新型有源阻尼设计方法。该方法在离散域中建立了考虑通讯传输延迟的变流器有源阻尼等效控制模型，并引入等效传递函数根轨迹法。在不同通信延时和功率模块数量下进行有源阻尼反馈系数与准谐振控制器参数设计，并分析其对变流器参数选择和设计的影响。通过仿真和实验验证了所提方法的有效性，该有源阻尼设计可以快速获得大功率变流器稳定运行所需的控制参数，从而提升了装备研发效率。

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。

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。

共享储能通过调控多个区域资源，可以有效应对各自配置储能造成的低利用率和高成本问题。为进一步发挥共享储能在需求侧资源中的应用潜力，引入具有灵活储能特性的电动汽车和冰蓄冷空调，构建广义共享储能模型实现智能楼宇群用能方式的协调优化。针对能源输入侧光伏出力的不确定性，采用时间生成对抗网络（time generative adversarial networks，TimeGAN）模拟大量光伏出力场景，结合日辐照度数据挖掘其静态特征和动态特征，并通过K-medoids聚类得到典型场景。此外，引入阶梯式碳交易限制能源系统碳排放量，建立考虑运行成本、碳排放和用户舒适度的智能楼宇优化调度模型，调用CPLEX进行求解。算例表明，所提方法能够生成高质量的光伏出力场景，兼顾用户舒适性和成本的同时有效提升区域光伏消纳率。

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。

针对可重构电池储能系统在参与电网调频过程中，高频电力电子开关动作可能引发的控制干扰与设备损耗问题，提出一种基于协调拓扑结构的调频控制策略。首先，设计了可重构电池储能系统的运行控制方法，以提高电池储能系统的循环使用寿命、灵活性和安全性；其次，采用虚拟同步发电机控制提供调频服务，且为了降低高频电力电子开关的影响，提出了结合调频控制约束的可重构电池储能系统参与调频的控制策略，保障频率稳定。最后，通过仿真建模验证所提控制策略的有效性。

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。