✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Smart Grid期刊2025年issue6文章推送（第3期/共10期）。本期推送共包含10篇研究论文，聚焦于智能电网优化调度、可再生能源集成与电力系统安全控制等前沿领域，涵盖船舶-电网协同运行、电动汽车充电管理、多微电网电压控制、数字孪生技术应用等关键技术方向，为电力系统绿色转型与智能化发展提供了创新解决方案。
本期目录
📖 第1篇：考虑电池热力与电压电化学-热耦合约束的船舶-电网优化调度
📖 第2篇：智能电网最优防御资源分配：面向大规模场景的网络分区方法
📖 第3篇：考虑荷电状态依赖峰值充电率的在线截止时间感知电动汽车充电调度
📖 第4篇：网络约束下的P2P交易：一种安全感知的分散式多智能体强化学习方法
📖 第5篇：基于负序控制的逆变器孤岛多微电网电压不平衡传播抑制策略
📖 第6篇：互信息增强的NARX神经网络数字孪生在智能电网电力电子应用中的研究
📖 第7篇：基于学习驱动模型预测控制的分布式可再生能源配电网多目标能量管理策略
📖 第8篇：基于生成对抗网络的多长度动态Shapelets方法在非侵入式负荷监测中的应用
📖 第9篇：基于柔性分布式能源的暖通空调多智能体分层深度强化学习控制
📖 第10篇：配电网中无模型隐私保护潮流分析
📖 第1篇
📌 考虑电池热力与电压电化学-热耦合约束的船舶-电网优化调度
Optimal Ship-to-Grid Dispatch Considering Battery Thermal and Voltage Electrochemical-Thermal-Coupled Constraints
作者：Chao Lei，Shuangqi Li，Yu Christine Chen
随着海运脱碳进程的推进，电动船舶（ES）因其能够显著减少排放而受到广泛关注。本文提出了一种创新的船舶-电网（S2G）优化调度模型，将岸上和/或海上风能转换系统（WECS）与岸对船和/或海上浮动充电站相结合，使船载电池储能系统（BESS）能够有效平滑不稳定的风能输出。研究团队基于电化学-热耦合模型，首次将电池单元的热力和电压约束纳入优化调度框架。该模型能够在恒流（CC）充电模式下实现快速满容量充电，同时确保电池运行在安全限值内。
传统方法在考虑电池温度变化时，通常仅基于初始温度和充放电速率进行近似估计，忽略了与电池荷电状态（SoC）的依赖，可能导致次优甚至不可行决策。针对电压约束，现有研究在恒流充电模式下未充分考虑极化效应，特别是在接近满容量充电时，这种近似不再适用。本文创新性地开发了基于电化学-热耦合模型的精确温度约束表达，采用分段线性化方法近似处理非线性热产生函数，并建立考虑极化效应的电压约束模型，形成混合整数二次规划模型。
数值仿真结果表明，提出的调度方案有效避免电池温度超限，实现电池满容量充电，满足长航程运输需求，且能精确跟踪风能输出波动，提供可靠电网服务。在环境温度由27°C升至30°C时，调度方案仍表现稳定，显示良好鲁棒性。这项研究为电动船舶与可再生能源的协同运行提供理论支撑和实践指导，对推动海运业绿色转型具有重要意义。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11119670
📖 第2篇
📌 智能电网最优防御资源分配：面向大规模场景的网络分区方法
Optimal Defense Resource Allocation in Smart Grid: A Network Partition-Based Approach for Large-Scale Cases
作者：Bowen Xu，Mengxiang Liu，Ruilong Deng
面对智能电网规模持续扩大，传统最优防御资源分配（ODRA）方法难以在大规模系统中保持有效性。本文提出基于网络分区创新方法，通过系统分析局部资源部署对全网防御的影响及分区带来的最优性损失，设计了分层谱聚类算法，实现了子网算法最优性与全网完整性的平衡。
每个子网的ODRA问题采用带初始化池的黏菌算法（SMA-IP）求解。该进化算法引入惩罚项处理非线性约束，利用初始化池确保种群可行域演化，成功解决了传统算法难以处理的混合整数非线性规划问题。
案例研究显示，所提方法扩展到符合实际场景的交流模型，在IEEE 118、145、300节点系统中，其可行性、最优性和实时性能优于现有算法。特别是在处理非线性攻击成本函数时，本文方法仍能提供竞争力解决方案，显著提升智能电网的主动安全防御能力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11083577
📖 第3篇
📌 考虑荷电状态依赖峰值充电率的在线截止时间感知电动汽车充电调度
Online Deadline-Aware EV Charging Considering State-of-Charge-Dependent Peak Charging Rate
作者：Xiaowei Wang，Yize Chen，Liang Du，Yue Chen
随着电动汽车快速增长，电网运行面临挑战。基于有限充电功率供应，本文提出在线电动汽车充电调度方法，旨在最小化能源供应成本，同时确保充电需求满足。创新构建截止时间感知充电队列模型，将具有相同剩余停车时间电动汽车需求存储于同一队列，设计截止时间分化Lyapunov函数，融合进Lyapunov优化框架，显著降低计算负担。
针对容量浪费问题，系统整合荷电状态依赖峰值充电率物理约束，在队列级Lyapunov优化中实时更新，按电池荷电状态分配充电功率，确保分配功率真实可接受。该方法无需预测即可适应随机到达、可再生能源输出及电价波动，展现出强鲁棒性。
数值仿真显示，与传统方法相比，所提方法在能源成本和需求满足率均优越。在相同充电容量条件下，需求满足率提升超过20%。该研究为充电站运营提供高效在线调度工具，助力基础设施利用率提升及运营成本降低。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11087422
📖 第4篇
📌 网络约束下的P2P交易：一种安全感知的分散式多智能体强化学习方法
Network-Constrained P2P Trading: A Safety-Aware Decentralized Multi-Agent Reinforcement Learning Approach
作者：Qianyi Ma，Zifa Liu，Yujian Ye，Xiao Liu
针对网络约束的点对点（P2P）交易，本文提出基于信任域概念的分散式多智能体安全感知学习（MASAL）方法，以系统安全为前提，创新性地将系统安全条件分为五类，区分内生性与外生性违规，针对不同条件设计预防性与响应性策略。
方法解决传统安全强化学习计算负担大、随机探索导致违规动作、无法区分违规来源等问题。案例显示，该方法在正常和临界条件下均优于安全层和拉格朗日松弛方法，表现出强鲁棒性和可扩展性。
应用于中压配电网多微电网（MMG）重复双重拍卖市场中的网络约束P2P交易，保障系统安全且优化经济效益。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11087389
📖 第5篇
📌 基于负序控制的逆变器孤岛多微电网电压不平衡传播抑制策略
Negative-Sequence Control to Avoid Voltage Imbalance Propagation Across an Inverter-Based Islanded Multi-Microgrid
作者：Miguel Castilla，José-Pascual Chico-Villegas，Jaume Miret，Ángel Borrell，Josué Duarte
电压不平衡传播是逆变器基孤岛多微电网亟待解决的关键技术。本文提出创新的负序控制方法，通过扩展相对增益阵列（RGA）方法至复值变量的动态系统模型，实现消除公共连接点负序电压，同时优化逆变器负序电流分配。
通过建立多变量控制系统，优化逆变器与PCC节点配对，显著降低交叉耦合。实验验证表明，该方案不仅完全消除负序电压，还实现负序电流合理分配，且能适应通信延迟、数据丢包等通信约束，保持系统稳定。
相较传统非RGA配对方法，本文方案有效避免电流增大或系统不稳风险，为高比例可再生能源接入的微电网群提供稳定电压保障，对智能电网发展意义重大。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11082417
📖 第6篇
📌 互信息增强的NARX神经网络数字孪生在智能电网电力电子应用中的研究
Mutual Information-Enhanced NARX-NN Digital Twins for Power Electronics in Smart Grid Applications
作者：Radosław Nalepa，Karol Najdek
提出创新数据驱动框架，构建互信息增强非线性自回归（NARX）神经网络数字孪生，验证于闭环电压控制的DC-DC升压变换器。通过时滞嵌入技术，重构隐藏动态吸引子，有效捕捉脉宽调制周期内动态特性。
创新性整合互信息理论优化采样频率（250kHz）、输入预选及反馈输入时滞，结合虚假最近邻准则确定嵌入维度4D和5D。基于高保真MATLAB-SIMULINK模型训练两种NARX配置。
实验表明，5D模型显著优于4D，频域内（最高50kHz）幅值跟踪准确性大幅提升。通过离线迁移学习，稳态误差降至±1%，瞬态误差仅为百分之几，峰值误差-13%出现在未训练饱和条件。数字孪生轻量化（<1 GFLOPS）、时滞感知且具强可解释性，适合集成于智能电网。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11131160
📖 第7篇
📌 基于学习驱动模型预测控制的分布式可再生能源配电网多目标能量管理策略
Multi-Objective Energy Management Strategy for Distribution Network With Distributed Renewable Based on Learning-Driven Model Predictive Control
作者：Cheng Li，Jianxing Liu，Xiaoning Shen，Zhuang Liu，Yabin Gao，Jose I. Leon，Leopoldo G. Franquelo
面对高比例可再生能源接入带来的不确定性，本文提出基于学习驱动模型预测控制的多目标能量管理策略。设计混合时序卷积网络框架，结合小波包分解捕捉光伏时频特征，采用多TCN估计子空间信号并线性加权重构，提高阴天条件下预测性能，均方根误差降低32.4%。
提出改进多目标粒子群优化算法，引入拉丁超立方采样优化初始化与自适应学习系数策略，有效平衡目标间关系。利用帕累托前沿和TOPSIS方法对发电成本与环境成本进行多维实时分析和权重动态调整，消除主观偏差。
基于真实电网数据与改进33/118节点系统验证，所提策略将发电成本降低高达8.6%、总成本降低5.9%，弃风弃光率保持在约2%水平，证明其在复杂环境下的经济与环保双重优势。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11130449
📖 第8篇
📌 基于生成对抗网络的多长度动态Shapelets方法在非侵入式负荷监测中的应用
Multi-Length Dynamic Shapelets Approach for Non-Intrusive Load Monitoring via Generative Adversarial Networks
作者：Xiaohan Fang，Xianfa Tang，Keke Li，Hanting Xi，Yuan Fan，Tianhong Pan
针对非侵入式负荷监测（NILM）中传统方法对低采样频率与有限样本依赖的问题，本文提出基于生成对抗网络（GAN）的多长度动态Shapelets方法（MLDS）。形状片段（Shapelets）作为高判别性时间序列子序列，有效捕捉负荷特征，解决单长度识别缺失。
通过GAN替代机械搜索生成动态Shapelets，生成器产出高相似Shapelets，判别器确保特征的统计真实性，提高判别能力及生成效率。Shapelets转换为距离特征供集成压缩激励网络（SENet）分类器，提升识别准确率。
在COOLL和BLUED数据集上测试，低频场景（30Hz）下，F1分数较传统Shapelets提升7%，较对抗自编码器提升6%。少样本场景中展现更强鲁棒性，性能下降幅度显著低于对比方法。该方法适合采样受限场景，具有显著实用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11083658
📖 第9篇
📌 基于柔性分布式能源的暖通空调多智能体分层深度强化学习控制
Multi-Agent Hierarchical Deep Reinforcement Learning for HVAC Control With Flexible DERs
作者：Yansong Pei，Yiyun Yao，Junbo Zhao，Jun Hao，Fei Ding，Jiyu Wang
针对建筑用电增长及HVAC系统高能耗问题，本文提出基于分层多智能体深度强化学习（DRL）方法，平衡舒适度与节能需求。下层智能体优化HVAC控制，上层智能体基于HVAC结果优化分布式能源资源（DER）配置，降低峰值需求和总体电费。
通过采用软演员-评论家（SAC）算法及基于聚类的HVAC-DRL策略，提升系统扩展性和学习效率。应用集成学习解决DER计费中需求延迟奖励问题，无需需依赖精准负荷预测。
在美国南加州包含413栋建筑的真实微电网测试，结果显示仅HVAC负荷灵活性减少峰值需求1.89%、能耗减2.23%；结合DER优化后，电费支出进一步降低30.39%，展现卓越节能减排效果。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11123597
📖 第10篇
📌 配电网中无模型隐私保护潮流分析
Model-Free Privacy Preserving Power Flow Analysis in Distribution Networks
作者：Dong Liu，Juan S. Giraldo，Peter Palensky，Pedro P. Vergara
针对智能电表数据隐私顾虑与配电网拓扑不完整，提出融合局部随机化策略和零知识证明数据采集机制的隐私保护潮流计算框架，解决数据采集隐私泄露难题。
通过不可逆改造功率数据保证强隐私保护，零知识证明机制确保隐私安全交互。框架在三个数据集上验证，一小时内高效采集一个月智能电表数据，电压幅值估计误差大部分低于0.01标幺值。
引入基于Wasserstein距离的增量学习策略应对负载季节变化，动态维持潮流计算精度。该框架增强数据隐私保护，满足欧盟《通用数据保护条例》，为未来配电网智能化提供安全保障。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11098734
点击关注 获取更多精彩