✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Smart Grid期刊2026年issue2推送（第4期/共6期）。本期推送共包含11篇研究论文简介，内容聚焦于新型电力系统在极端事件下的韧性恢复、多能耦合与协同优化、新型负荷资源调度以及网络安全等前沿领域。具体涵盖了电力-交通-医疗耦合系统动态恢复、基于边缘计算的配电网信息物理协同恢复、工业负荷电-碳协同优化、电氢综合系统平衡调度、数据中心集群可调度容量评估、GNSS时间同步攻击与防御、生成式AI在综合能源系统异常检测中的应用、虚拟电厂频率调节、微电网实时调度、需求操纵攻击下的线路风险识别以及考虑行为偏好的换电推荐系统等关键研究方向。本期文章总体聚焦于提升电力系统在高可再生渗透与极端扰动下的可靠性与智能调度能力，强调理论方法与工程实践的结合以推动行业落地应用。
本期目录
📖 第1篇：考虑医疗系统运行的电力-交通耦合系统动态负荷恢复研究
📖 第2篇：基于边缘计算的主动配电网信息物理协同供电恢复方法
📖 第3篇：考虑绿证-碳交易与需求响应的电解铝负荷电-碳协同优化
📖 第4篇：基于多时间分辨率与碳税的三层鲁棒优化器实现电氢综合系统排放与经济平衡调度
📖 第5篇：面向电力系统运行的跨区域数据中心集群可调度容量评估
📖 第6篇：面向GNSS时间同步攻击的全通道异步欺骗技术
📖 第7篇：生成式AI增强的综合能源系统实时异常检测
📖 第8篇：基于电网规程的虚拟电厂管理：用于提供频率遏制储备
📖 第9篇：面向含广义储能的微电网实时调度：一种无需预测的在线优化方法
📖 第10篇：需求操纵攻击下高风险输电线路识别方法研究
📖 第11篇：考虑驾驶员行为偏好与多智能体强化学习的交互式换电推荐系统
📖 第1篇
📌 考虑医疗系统运行的电力-交通耦合系统动态负荷恢复研究
Dynamic Load Restoration of Coupled Power-Transportation Systems Considering Healthcare System Operation
作者：Meng Yang，Han Wang，Yin Xu，Yue Chen
本文针对极端天气下电力与交通耦合环境中如何在尽快恢复供电的同时保障医疗救援需求提出了完整的系统框架，研究目标为在多时段内协调电网、交通与医疗资源以最小化总经济代价并兼顾患者救治时效。整体技术路线由多时段动态决策模型驱动，输入包括配电网节点供电能力、交通路网拥堵状态、医疗机构接纳能力与新增伤员分布，输出为恢复路径与资源调度计划。核心模块涵盖电力恢复子模块、交通流预测子模块与医疗优先调度子模块，关键约束包括电力潮流约束、交通通行时间约束与医疗救治优先级约束。与传统断电恢复的静态离线方法不同，本研究通过耦合交通-电力-医疗的协同建模，提出了以患者创伤最小化为目标的救援优先机制，重点创新在于引入创伤系数优先级来动态权衡病患救治与功率恢复的冲突。
实现上，交通仿真采用基于细胞传输模型(CTM)的实时流模型，并用BPR函数估计移动资源（移动储能、抢修队、救护车）行驶时间；电力侧采用有功/无功协调潮流与分布式发电单元调度联合优化。为应对不确定性，研究构建了机器学习代理模型来近似复杂仿真器，以便在滚动优化中实现快速求解；关键实现要点包括滚动优化窗口长度与嵌入式代理模型的延迟约束，优化器采用带罚函数的混合整数线性规划近似求解，并在在线阶段通过快速启发式路径重构降低计算负担。
实验在改进的IEEE 33节点配电系统结合真实交通数据上开展，对比对象为传统静态离线恢复方案与仅电力侧优先恢复方案。关键指标显示本方法在多数灾情案例中能实现成本降低6.76%与患者创伤减少0.40%，平均抢修与救护响应时间亦有显著缩短。消融分析表明，创伤系数的动态权重设定对重伤优先级保障效果显著，代理模型提高了滚动优化的实时性但需额外建模成本。工程结论是该框架在具备交通实时感知与部分分布式发电控制能力的城市具有较好落地潜力，适用于应急指挥中心的协同恢复决策系统。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11224497
📖 第2篇
📌 基于边缘计算的主动配电网信息物理协同供电恢复方法
Edge Computing-Based Cyber-Physical Interdependent Power Restoration of Active Distribution Networks
作者：Hao Yu，Zhicheng Zhang，Peng Li，Haoran Ji，Guanyu Song，Jiancheng Yu，Jinli Zhao，Jianzhong Wu
在信息与物理系统可能同时受损的极端故障情境下，本文提出了一套面向主动配电网（ADN）的信息物理协同恢复框架，其目标为在通信受限条件下最大化负荷恢复并保障设备与通信节点的生存期。框架由两层协作结构组成：信息层通过EC设备自组织构建双层应急通信网络以支持策略下发与协同控制；物理层在各EC控制域内执行负荷切换与分布式能源协调恢复。输入为电力与通信设备的可用状态、DER可用容量与网络拓扑，输出为EC域划分、通信链路构建方案及分布式恢复调度计划。关键约束包括开关状态二进制决策、功率注入约束与通信连通性要求，本研究的核心创新为将EC自组织机制与快速分布式求解相结合，实现信息物理的协同恢复。
信息层采用贪婪搜索与改进的最短路径算法建立下/上层通信拓扑，物理层针对原始混合整数线性规划恢复模型提出了固定ADMM（F-ADMM）求解器，通过预分离并固定代表开关的二进制变量将问题分解为凸子问题以提高收敛速度。实现细节包含EC域内的控制域划分规则、迭代停止准则和每轮通信带宽预算，关键实现要点与约束为域间带宽限制与开关固定策略，使得在EC设备生存时间受限时也可完成一次有效协同恢复决策。
案例验证在IEEE 123节点与台湾94节点系统上进行，与不考虑信息物理耦合或采用就近分配策略的基线相比，所提方法能够显著减少失控终端数并更均衡地分配EC设备负荷；具体实验结果显示在典型故障情景下失控设备减少约27%、平均恢复负荷提高8.5%。敏感性分析表明通信带宽与EC节点布局对恢复效果影响显著。工程结论是通过边缘计算与专门的分布式求解器可以在通信受损情况下实现成本可控且快速的协同自愈，适合用于具备一定分布式能源与EC基础设施的配电系统。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11230619
📖 第3篇
📌 考虑绿证-碳交易与需求响应的电解铝负荷电-碳协同优化
Electricity-Carbon Collaborative Optimization of Electrolytic Aluminum Load Considering Green Certificate-Carbon Trading and Demand Response
作者：Xiaoyu Yue，Siyang Liao，Lijun Fu，Jian Xu，Yuanzhang Sun，Liangzhong Yao，Deping Ke
本文面向具有高能耗且可调节的电解铝负荷（EAL），提出一个在需求响应（DR）框架下联合碳交易与绿色证书市场的电-碳协同优化模型，目标为在满足生产安全与工艺约束的前提下最大化铝厂综合净效益。模型输入含铝厂生产能力、分布式光伏出力、不确定市场价格与碳配额，输出为电力调度、碳配额交易与DR响应策略。关键约束包括工艺稳定性、偏差惩罚与碳配额上下限；相较于分离考虑电力与碳市场的传统方法，本文通过耦合GCT-CET耦合机制精细刻画碳-绿证交互效应，提升经济与环境协同收益。
在实现细节上，模型采用随机优化方法来刻画光伏与市场价格不确定性，并引入阶梯式碳交易成本函数以更真实反映拍卖与配额成本；关键实现要点涉及阶梯式碳成本建模与DR补偿/偏差惩罚机制的参数设置。求解采用分层二阶段随机规划与灵敏度分析，数据处理包括对铝厂历史耗电与PV出力的概率建模及对DR响应收益的仿真评估，正则化策略用于抑制在极端价格下的不稳定交易行为。
对云南某实际电解铝厂的案例研究显示，所提模型能显著提高综合净效益并降低能耗与碳排放：在若干场景下实现了综合净效益提升12.3%、平均能耗下降约4.8%，并减少总碳排放。敏感性分析证明模型在补偿价格系数和碳配额拍卖比例变化下具备稳健性。工程意义在于为高载能工业用户参与多重市场机制提供可操作的决策支持，推动源-网-荷-储协同减排与灵活性释放。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11249460
📖 第4篇
📌 基于多时间分辨率与碳税的三层鲁棒优化器实现电氢综合系统排放与经济平衡调度
Emission and Economy Balanced Dispatching of Integrated Power and Hydrogen Systems via a Tri-Level Robust Optimizer Incorporating Multi-Time Resolution and Carbon Tax
作者：Wenwen Zhang，Gao Qiu，Junyong Liu，Youbo Liu，Hongjun Gao，Yikui Liu
本文研究电氢耦合系统（IPHS）在经济性与排放约束下的调度问题，提出了一个融入三层鲁棒优化器与多时间分辨率求解策略的整体框架。主问题（小时级）负责ADN与制氢站的宏观协调，子问题包含5分钟级电池调度以应对DRE的快速波动，以及物流层的VRP以优化氢能配送。模型同时引入全周期碳税以内部化排放成本，输入为DRE出力、输电网价格与需求预测，输出为发电、制氢、储能与运输调度决策。与直接分钟级建模相比，该框架通过分层耦合有效缓解了维数灾难并保有分钟级响应能力。
实现方面，第一层采用ADMM进行隐私保护下的ADN-HGS协同优化，第二层和第三层分别采用分钟级快速调度与VRP启发式求解器以处理NP-hard子问题；关键实现要点包括5分钟电池快速调度与VRP分段线性化，并通过鲁棒性集设计对DRE不确定性提供保障。算法在求解效率上通过分层并行与近似松弛取得可接受的工程性能。
数值结果在不同季节场景下表明，该策略可将碳排放降低至少20.5%，并将运行成本减少约7.6%，其中碳税机制有效抑制高排放制氢路径的使用，电池与VRP协同优化显著提升了经济性。工程建议是在多元主体合作情境下采用分层鲁棒求解以兼顾计算可行性与隐私保护。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11232499
📖 第5篇
📌 面向电力系统运行的跨区域数据中心集群可调度容量评估
Evaluating the Dispatchable Capacity of Cross-Regional Data Center Clusters Toward Power System Operation
作者：Jianpei Han，Ershun Du，Bojun Du，Yaowang Li，Jingrong Guo，Ning Zhang，Chongqing Kang
随着数据中心（DC）成为电力系统重要负荷，本文提出了面向跨区域数据中心集群（DCCs）的扩展时空灵活性模型与可调度容量评估方法，以量化DCCs在电力系统运行中的上/下调能力。研究明确考虑了工作负载的时空耦合特性、数据传输延迟与带宽约束以及跨中心调度的运算与通信开销，与传统的时空解耦方法相比，提出的模型能够更真实地刻画负载迁移与延迟敏感性之间的权衡。输入包括各DC的任务类型分布、传输带宽与最大容忍时延，输出为在给定风险容忍下的上下可调度容量边界。
模型实现引入了通用数据传输模型以考虑带宽与延迟限制，并采用条件风险价值（CVaR）来约束服务质量违约风险；关键实现要点为时空耦合调度算子与CVaR风险约束的数值求解。调度过程中对任务迁移成本、数据传输时延与处理能力进行联合建模，并采用分布式优化与近似算法以保证大规模DCCs可扩展求解。
在中国简化城市算力网络（3个与10个DCCs）的案例中，方法能够准确捕捉DCCs的时空灵活性边界；敏感性分析显示通信带宽和最大容忍时延对可调度容量影响显著，示例结果表明当带宽提升30%时，可调度容量提高约15%，而在严格CVaR约束下上调容量会下降约9%。结论指出，跨区域DCCs在具备充足通信资源和合理任务分配机制时，可成为电网调峰的重要可调度资源。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11207740
📖 第6篇
📌 面向GNSS时间同步攻击的全通道异步欺骗技术
Full-Channel Asynchronous Spoofing Technique for GNSS Time Synchronization Attack
作者：Wenhao Li，Minghan Zhong，Mingquan Lu，Hong Li
本文从安全性攻防角度研究GNSS时间同步攻击（TSA）的新型实现方式，提出了全通道异步欺骗策略——通过对各卫星通道伪距进行分时异步操控，以在不引发位置/速度异常超出固有误差阈值的前提下实现时间偏移。研究首先分析了传统全通道同步欺骗易被检测的特征，并证明只要位置/速度偏差被控制在GNSS本底误差范围内，即可规避常用PVT监测。文章构建了攻击参数空间模型，明确了欺骗增量、速率与通道操作序列之间的关系。
在实现细节上，攻击者设计了通道级的异步伪距增量调度、速率控制与周期性校准策略；关键实现要点包括伪距增量控制与通道操作序列设计，以保证整个欺骗过程中位置/速度偏差低于接收机固有阈值。文中还模拟不同检测器（TSARM、SCD-MF等）并分析了异步欺骗对这些检测方法的隐蔽性。
实验与仿真结果表明，在合理参数设置下该方法能够成功诱导显著时间偏移且对多种现有检测器具有强隐蔽性：在典型配置下时间输出偏移可达数百微秒级别，同时位置与速度偏差保持在接收机误差范围内（不触发PVT异常）。研究强调该攻击形式拓展了TSA的可行边界，也指出需发展新型跨通道与时序一致性检测方法以加强防护。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11206492
📖 第7篇
📌 生成式AI增强的综合能源系统实时异常检测
Generative AI-Enhanced Real-Time Anomaly Detection in Integrated Energy Systems
作者：Sobhan Badakhshan，Jie Zhang
为提高综合能源系统（IES）在面对罕见或新型网络攻击时的检测能力，本文提出了将WGAN-GP与LSTM结合的LSTM-GAN框架，用于时序预测与异常检测。框架通过生成器学习系统正常行为分布以生成逼真的合成序列，判别器则为实时数据打分，两者协同实现对异常的前瞻性识别。输入为多通道时序测量（电压、电流、温度等），输出为异常概率与预警信号；相比传统基于阈值或单向预测的方法，LSTM-GAN能在标注异常样本稀缺时仍有效工作。
训练上采用WGAN-GP的对抗训练稳定性技巧与LSTM的时序建模能力相结合，关键实现要点包括梯度惩罚正则化、滑动窗口长度与判别器概率阈值的选择。数据增强通过合成异常样本扩充罕见攻击类型，损失项由生成器预测误差与判别器评分共同构成，优化器采用Adam并设置学习率0.0002与小批量训练以兼顾收敛与泛化，部署时通过模型压缩与在线微调保证实时性。
在接入IEEE 118节点的IES测试平台上，LSTM-GAN在多种攻击场景下总体检测准确率达95%、精确率94%、召回率96%，在热电耦合导致的非平稳场景下仍能保持约88.33%的准确率与89.65%的精确率。消融实验表明生成器合成样本对提升罕见攻击检测能力至关重要。工程化结论是生成式AI为IES异常检测提供了强有力的补充，尤其适合标注资源匮乏的场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11232457
📖 第8篇
📌 基于电网规程的虚拟电厂管理：用于提供频率遏制储备
Grid Codes-Informed Virtual Power Plant Management for Frequency Containment Reserve Provision
作者：Mingyu Huang，Jiaxin Wang，Fei Teng，Yi Wang
本文针对虚拟电厂（VPP）参与频率遏制储备（FCR）服务时须满足电网规程动态指标的挑战，提出一种基于数据驱动的管理框架，以确保VPP聚合的异构分布式能源资源（DERs）在响应速度和上升时间等动态指标上满足规程要求。总体流程为将DER组合映射到聚合动态响应特性并将该映射嵌入到VPP调度优化问题中，输入为DER清单及各自动态模型，输出为可参与FCR的出力配置和备用容量。核心创新通过引入输入凸神经网络（ICNN）建模上升时间，将难以解析的动态约束转化为优化可处理的线性不等式表示。
具体实现上，利用ICNN对上升时间与DER组合关系进行训练并提取线性近似约束，关键实现要点包括ICNN凸性约束与基于原型的节点层聚合方法，以在节点层将大量DER简化为等效原型；网络层面采用基于电气距离的分区以减少优化规模。求解器保持线性规划形式以满足实时性要求，训练数据来源为高分辨率仿真或历史响应测量。
在欧洲低压馈线的案例研究中，该方法在确保FCR动态特性满足规程的情况下能最低化VPP调节成本，实验结果表明在若干配置下可將调节成本降低约11.2%且满足初始延迟低于规定2秒的要求。工程结论是数据驱动的动态约束表征加上两级模型简化能平衡实时性与精度，便于VPP参与高要求频率服务市场。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11222874
📖 第9篇
📌 面向含广义储能的微电网实时调度：一种无需预测的在线优化方法
Grid-Aware Real-Time Dispatch of Microgrid With Generalized Energy Storage: A Prediction-Free Online Optimization Approach
作者：Kaidi Huang，Lin Cheng，Ning Qi，David Wenzhong Gao，Asad Mujeeb，Qinglai Guo
针对微电网在高不确定性情境下的实时调度问题，本文提出一种预测无关的两阶段协调调度框架，该框架通过离线历史场景学习生成参考轨迹，并在在线阶段基于核回归动态合成SoC与机会成本参考以指导实时决策，从而避免了对未来精确预测的依赖。输入为历史净负荷、电价与当前测量数据，输出为微网内广义储能（GES）与可再生出力的实时调度操作序列。核心机制在于结合参考跟踪以提供全局视角与专家跟踪以实现步长自适应，解决了在线优化短视性问题。
实现细节包括离线阶段对GES事后SoC轨迹的求解、在线阶段的核回归参考合成以及基于自适应拉格朗日乘子的在线凸优化（OCO）算法；关键实现要点为步长自适应策略和参考更新频率，损失/约束名包括时变硬约束与机会成本正则项。算法在理论上提供动态遗憾与时变约束违反的次线性界，具备严格性能保证并易于实现。
基于澳大利亚能源市场运营商真实数据的仿真显示，本方法相较于MPC和Lyapunov优化分别降低运行成本约5.0%和6.2%，并减少电压越限事件。消融分析显示SoC参考贡献了约6.5%的成本降低，机会成本参考贡献约3.9%。结论是该框架兼具鲁棒性、可扩展性与实时可实现性，适合实际并网微电网部署。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11222877
📖 第10篇
📌 需求操纵攻击下高风险输电线路识别方法研究
High-Risk Lines Identification Under Manipulation of Demand Attacks
作者：Kang Yan，Qinglai Guo
本文聚焦于新型网络物理攻击——需求操纵（MAD）攻击，提出一种用于识别在MAD攻击下易受影响的高风险输电线路的分析与识别方法。研究首先建立了对被劫持的高功耗物联网设备（如智能空调）响应特性的异常负荷量化模型，并在此基础上构建了MAD攻击优化模型，以在不触发系统保护机制的情形下最大化目标线路潮流。输入为物联网设备分布、设备响应模型与电网拓扑，输出为高风险线路集合与对应的攻击配置。
在实现细节上，量化模型考虑了设备通过云平台或虚拟电厂入口被劫持的可能路径，纳入馈线继电保护动作模型以避免高幅度异常触发保护装置；关键实现要点包括继电保护动作建模与攻击约束化参数化，攻击优化问题通过非线性规划求解并结合多场景仿真评估攻击效果与可行性。
仿真在多个改进的IEEE测试系统（14、48、72、118节点）上进行，结果表明MAD攻击通常会导致比传统负荷重分配攻击更多的高风险线路。例如在IEEE 72节点系统中，MAD攻击可导致约75条线路（62.5%）成为高风险线路，显著高于传统攻击情形。研究结论提示运行方需关注公共互联网负载对电网安全的潜在威胁，并建议基于风险识别结果制定针对性的防护与隔离策略。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11298508
📖 第11篇
📌 考虑驾驶员行为偏好与多智能体强化学习的交互式换电推荐系统
Interactive Battery-Swapping Recommendation Considering Driver Behavior Preference and Multi-Agent Reinforcement Learning
作者：Fan Zhang，Huitao Lv，Yanjie Ji
针对外卖与配送场景中换电站调度与驾驶员接受行为的矛盾，本文提出了一个集成驾驶员偏好模型與多智能体强化学习（MARL）的交互式换电推荐框架，核心目标为在保证配送效率的同时提高驾驶员对换电推荐的接受率。系统采用集中训练—分散执行的IMAPPO算法，在训练阶段智能体共享全局信息以学习协同策略，执行阶段基于本地观测与行为模型判断是否触发换电推荐。输入为车辆电池电量、订单分布与换电站状态，输出为站点推荐与路径规划。
为了将真实人类行为融入模型，作者采用基于陈述偏好调查的离散选择模型来模拟驾驶员拒绝/接受推荐的概率，关键实现要点为离散选择偏好校准與IMAPPO集中训练机制；训练中使用真实外卖订单轨迹、换电站队列模拟与车辆能耗模型，并通过批量策略更新与熵正则化保障多智能体训练稳定性。
在南京市中心区的仿真验证中，IMAPPO相比规则方法和多种基线算法在关键指标上均有显著提升：例如在30站场景下平均换电时间由规则方法的65.7分钟降至23.3分钟，配送延误控制在0.4分钟，同时换电拒绝率明显下降。研究表明行为驱动的交互式推荐不仅提升驾驶员满意度，也有效提高系统整体运营效率，适合用于大规模城市物流的换电站调度系统。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11215644
点击关注 获取更多精彩