✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Smart Grid期刊2026年issue1推送（第6期/共6期）。本期推送共包含10篇研究论文简介，内容聚焦于电力系统在面对极端天气、网络攻击、高比例可再生能源接入等复杂不确定性挑战时的弹性提升、鲁棒控制与智能优化。研究主题涵盖：应对冰灾的弹性微电网构建、抵御网络攻击的需求侧资源管理与电压调控、适应动态变化的直流微电网可扩展控制、基于大语言模型的负荷监测、面向精细化电压可视化的智能电表调度、考虑小样本风光不确定性的系统调度、建筑暖通空调的灵活性量化与提供，以及具有安全保证的虚拟电厂频率调节等前沿方向。这些研究综合运用了分布鲁棒优化、深度学习、强化学习、大语言模型等先进方法，旨在为构建更安全、可靠、灵活和智能的未来电力系统提供创新解决方案。
本期目录
📖 第1篇：考虑冰灾停电缓解不确定性的弹性微电网构建策略
📖 第2篇：应对状态篡改攻击的鲁棒需求侧资源管理方案
📖 第3篇：直流微电网的可扩展电压控制：应对网络结构变化的鲁棒性
📖 第4篇：基于大语言模型的场景感知非侵入式负荷监测
📖 第5篇：面向数据驱动精细化用户电压可视化的智能电表调度策略
📖 第6篇：具有任意通信基础设施的配电网稳定性约束电压控制
📖 第7篇：应对小样本风光数据不确定性的电力系统两阶段分布鲁棒优化调度
📖 第8篇：建筑中暖通空调系统的不确定性感知灵活性：从量化到提供
📖 第9篇：面向频率调节的虚拟电厂：一种具有安全保证的学习型方法
📖 第10篇：基于视觉强化学习的配电网电压调控与攻击缓解策略
📖 第1篇
📌 考虑冰灾停电缓解不确定性的弹性微电网构建策略
Resilient Microgrid Formation Strategy Considering the Uncertainties of Ice-Storm Outage Mitigation
作者：Wenchao Bai，Meng Song，Ciwei Gao，Mohammad Shahidehpour，Jie Shen
冰灾是导致配电网大规模停电的主要自然灾害之一，传统应对策略往往忽视持续冰灾对微电网（MG）的长期影响，导致线路覆冰加剧和已恢复负荷的再次中断。针对这一问题，本文提出了一种创新的微电网构建方法，通过主动调整线路除冰电流来应对冰灾，并考虑决策依赖型不确定性（DDU），以提升配电网的弹性。传统微电网构建策略多关注灾后恢复阶段，而忽略了在持续冰灾过程中线路覆冰厚度随时间累积，故障概率动态变化。本文的创新点在于，首次将在线除冰操作（利用焦耳热融化线路覆冰）与微电网构建决策协同优化，引入线路停运概率与除冰决策紧密关联的决策依赖型不确定性。
为此，本文建立了动态DDU模糊集描述线路停运概率不确定性，构建两阶段决策依赖型分布鲁棒优化（DRO）模型。第一阶段决策微电网分区、移动能源资源（MER）配置和除冰调度；第二阶段在最坏线路停运概率分布下进行负荷时序恢复。该模型有效协调了除冰序列与负荷恢复，如靠近黑启动电源的线路能更早通电并开始除冰，降低故障风险。为了应对非凸非线性求解难题，设计定制列与约束生成（C&CG）算法，结合预处理技术提升计算效率。
仿真基于改进IEEE 33节点和123节点系统，结果显示相比不考虑除冰策略，负荷恢复量提升约25.59%。与传统鲁棒优化方法相比，结合DDU模糊集的分布鲁棒优化利用概率分布信息，获得更乐观且适应性更强的解决方案，在样本外测试表现优异。本研究为应对极端冰灾的配电网弹性提升提供系统性决策框架，实现微电网构建与在线除冰协同主动防御，具有重要理论与实用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11172359
📖 第2篇
📌 应对状态篡改攻击的鲁棒需求侧资源管理方案
Robust Demand-Side Resource Management Scheme Against State-Altering Attacks
作者：Yimeng Sun，Jiayao Chen，Zhaohao Ding，Mingyang Sun
随着能源系统向低碳化、智能化转型，电动汽车、数据中心、楼宇空调等需求侧资源（DSR）在提升电网灵活性与可持续性方面扮演关键角色，但其大规模、分布式、异构及随机行为给传统优化方法带来巨大挑战。本文提出基于深度强化学习（DRL）的鲁棒平滑对抗强化学习算法，增强系统在恶意状态篡改攻击下的鲁棒性。
研究将攻击者与控制中心间的动态交互建模为部分可观测马尔可夫博弈，刻画信息不完全对抗行为。构建鲁棒对抗训练框架，集成随机平滑技术，增强对未知动态攻击的防御。核心创新是算法通过交替更新控制与攻击策略，使控制中心以对抗最优攻击策略的方式学习到鲁棒控制策略。
理论上，算法提供鲁棒性保证，通过性能下界证明高概率维持可接受性能。仿真以电动汽车充放电控制为例，比较多种基准在不同攻击强度及策略下表现。结果显示，所提RSA-RL算法显著提升系统在攻击下的稳定性及奖励收益，证明了其卓越鲁棒性与实用性。本研究为未来能源管理系统的安全稳定运行提供关键技术支撑。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11205874
📖 第3篇
📌 直流微电网的可扩展电压控制：应对网络结构变化的鲁棒性
Scalable Voltage Control for DC Microgrids: Robustness to Network Structural Variations
作者：Aimin Wang，Minrui Fei，Yang Song，Dajun Du，Chen Peng，Kang Li
在直流微电网（DCmG）中，分布式单元（DGU）频繁接入与断开导致网络结构动态变化，给可扩展控制带来严峻挑战。传统方法多需昂贵重新设计或系统重构，限制灵活性与经济性。本文提出可扩展电压控制策略，实现真正的“即插即用”功能。核心创新在于构建统一多面体不确定模型，同时捕捉DGU、电力线路和ZIP负载的参数不确定性，克服孤立处理单一问题的局限。
基于此，开发结构化自由权重矩阵技术，缓解线路与负载不确定性对DGU影响，导出更易处理的线性矩阵不等式（LMI）公式，避免传统方法中的LMI不可行或过于保守。控制方法依赖本地DGU参数，无需线路、负载或相邻DGU信息，确保DGU耗散电压稳定性，保持全网耗散性。
最大优势在于DGU插拔时仅需相应新增或移除本地LMI条件，无需重新设计控制器或网络配置，控制器结构和参数得以保留。数值仿真显示，在动态插拔、电压参考变化及ZIP负载波动场景下，方法显著提升收敛速度与降低超调量，改善瞬态性能和鲁棒性。该工作为建设高灵活度、高可靠性的未来直流微电网奠定理论与实用基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11180064
📖 第4篇
📌 基于大语言模型的场景感知非侵入式负荷监测
Scene-Aware Non-Intrusive Load Monitoring Using Large Language Models
作者：Haiwen Chen，Jianning Chen，Yuanyuan Chai，Wei Guo，Chen Jia，Bin Yang，Zhen Xin
非侵入式负荷监测（NILM）技术通过总用电数据分解单个电器能耗，因低成本与部署便捷广受关注。但传统方法一般依赖数据驱动的特征提取及匹配，忽视用电场景信息和数据集的先验知识，导致当负荷特征相似时分解性能显著下降。本文首次将大语言模型（LLM）引入NILM领域，提出基于用电场景理解的新型负荷分解框架，推动NILM范式从特征匹配转向场景认知。
框架包括三大模块：设计面向场景的综合提示词构建方法，通过结构化提示整合背景信息（数据集来源、用电模式）、任务指令及133个全局统计特征，为LLM准确描述用电场景；开发基于LLM的负荷分解方法，利用预训练模型推理理解提示，并采用参数高效微调策略适应任务，初步估计电器功率；引入电器状态检测功率校正模块，利用卷积神经网络识别开关状态概率，修正LLM估计提升精度。
英国UK-DALE数据集实验表明，方法在洗碗机、冰箱、微波炉等电器上，相较先进方法平均绝对误差降9.26%，均方根误差降5.09%。消融实验确认背景信息与特征对性能的关键影响。创新点在于首次深度融合LLM的认知能力与NILM任务，通过场景理解有效解决负荷相似性难题，推动领域升级为更全面的场景认知分析。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11245588
📖 第5篇
📌 面向数据驱动精细化用户电压可视化的智能电表调度策略
Smart Meter Scheduling for Data-Driven Granular Customer Voltage Visibility
作者：Md Zahidul Islam，Yuzhang Lin，Wentao Zhang
随着分布式能源资源（DERs）大规模接入配电系统，电网电压波动明显增加，用户端电压质量受挑战。传统中压监控系统难以直接检测用户端电压，智能电表数据频率低（15-60分钟）且受通信带宽限制，无法捕捉DERs引发的分钟级短期波动。本文提出创新的高分辨率电压估计方法，实现低成本、高频率的全网用户电压监控。
核心为交错智能电表数据采集调度策略：根据用户电压曲线相似性划分电表簇，从每簇选择代表电表组成多个报告组，令报告组分时上报，均匀分散通信负载。基于当前报告组测量，采用极限梯度提升树（XGBoost）数据驱动模型实时估计未上报用户电压，实现“交错上报、实时估计”，从而在低频下实现分钟级高分辨率电压估计。
基于真实智能电表数据集的仿真验证显示，方法较传统同步上报、基于物理模型最小二乘估计及LSTM、Transformer深度模型，具备显著的估计精度和计算效率优势，且对通信噪声展现良好鲁棒性。研究为配电系统运营商在现有电表基础设施上实现高效、经济的用户端电压监控提供创新解决方案，支持电能质量提升和高比例DERs安全消纳。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11215656
📖 第6篇
📌 具有任意通信基础设施的配电网稳定性约束电压控制
Stability Constrained Voltage Control in Distribution Grids With Arbitrary Communication Infrastructure
作者：Zhenyi Yuan，Jie Feng，Yuanyuan Shi，Jorge Cortés
随着分布式能源资源（DERs）渗透率增强，配电网系统运行与电压稳定面临挑战。间歇性可再生能源引发的电压快速波动，需要有效Volt/Var控制。传统分散控制器设计依赖单调性保证闭环稳定，限制性能提升。本文创新提出统一设计框架，利用任意通信基础设施（即使部分或无连接），设计基于输入凸神经网络（ICNN）的无功控制器，实现电压调节与闭环稳定性保证。
框架放宽单个控制器单调性限制，替代以网络范围单调性约束为核心，给予更大设计灵活和较少保守性。设计自动满足该稳定性约束的控制器参数化方法，无需针对具体通信基础设施后处理。具备从无通信、分布式通信到全通信普适性，涵盖传统分散设计方法。
通过监督学习训练控制器逼近最优潮流（OPF）解，实现稳态更优电压调节。美国UCSD微电网平台仿真验证显示，通信基础设施提升控制性能，通信越全面性能越接近全局最优。理论证明系统对噪声和通信误差表现出输入到状态稳定性（ISS），展现良好鲁棒性。为异构通信配电网设计高性能、理论保障智能控制器提供实用新思路。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11164977
📖 第7篇
📌 应对小样本风光数据不确定性的电力系统两阶段分布鲁棒优化调度
Two-Stage Distributionally Robust Optimization Dispatch for Power Systems With Uncertain Small-Sample Wind and Photovoltaic Data
作者：Peng Lu，Hanqing Lan，Shuting Liu，Ning Zhang，Kangping Li，Mohammad Shahidehpour
极端天气事件（如寒潮）低概率高影响，给新能源主导的电力系统运行调度带来极大考验。核心难点是极端天气下风电、光伏历史样本稀少，难以数据驱动建模；且小样本风光数据概率分布不确定性难以准确刻画。本文提出针对该问题的两阶段分布鲁棒优化调度策略，旨在提升调度经济性与安全性。
创新点包括：基于条件生成对抗网络（CGAN）的通用建模方法，模拟极端天气下风电光伏每小时出力，填补样本不足；构建基于Wasserstein距离的两阶段分布鲁棒模型，纳入硬约束（输电容量）与软约束（预测误差），兼顾经济与安全；采用对偶理论和松弛近似转化模型为混合整数线性规划，并用迭代泰勒公式线性化，有效提升求解效率。
数值结果显示提出方法有效处理小样本不确定性，降低系统运行成本并显著提高模型求解效率，为极端天气下高比例新能源系统的安全经济调度提供有前景的解决方案，能够合理平衡经济性与系统安全风险管理。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11203248
📖 第8篇
📌 建筑中暖通空调系统的不确定性感知灵活性：从量化到提供
Uncertainty-Aware Flexibility of HVAC Systems in Buildings: From Quantification to Provision
作者：Julie Rousseau，Hanmin Cai，Philipp Heer，Kristina Orehounig，Gabriela Hug
随着可再生能源占比增加，建筑在不影响用户热舒适前提下灵活调节供暖成重要电网灵活资源。暖通空调系统灵活性预测依赖不确定的室外天气及有限精度热模型，长周期不确定性显著影响灵活性评估可靠性。本文提出基于机会约束规划的不确定性感知灵活性量化框架，通过收紧热舒适约束，预留模型误差和天气不确定安全裕度，确保灵活性服务时用户舒适概率高于置信水平。
研究表明，模型不准确性对灵活性潜力影响更大于天气预报误差。为避免考虑不确定性导致过保守，采用仿射反馈策略模拟实时基线功率调整，根据室内温度最新测量调整基线能耗抵消不确定性积累，采用预计算的平均或聚类固定反馈，轻微增加在线计算负担，同时有效增强灵活性边界与提供时长。
瑞士实际住宅UMAR参与德国二次调频市场案例表明，允许日内市场基线调整虽提高收入但牺牲热舒适，反观仅允许非灵活时段功率反弹调整，考虑不确定性量化方案更平衡经济与舒适性，避免反复热不适。研究强调热舒适成本纳入灵活性经济评估的重要性，为建筑灵活性资源提供全面市场参与方法论。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11193807
📖 第9篇
📌 面向频率调节的虚拟电厂：一种具有安全保证的学习型方法
Virtual Power Plants for Frequency Regulation: A Learning-Based Method With Safety Guarantee
作者：Mingyang Zhang，Yinliang Xu，Linwei Sang，Ye Guo，Nikos D. Hatziargyriou
随着可再生能源并网比例上升，系统旋转惯量与调速器阻尼降低，频率安全问题加剧。安装于配电网的逆变型资源（如光伏、储能、电动汽车）可通过电力电子技术快速响应，为系统提供惯性和一次调频支持。本文提出基于虚拟电厂（VPP）框架的学习型控制方法，聚合协调分散逆变资源提供频率响应。
核心创新为设计具有严格安全保证的非线性控制器参数化，并采用循环神经网络（RNN）强化学习训练最优策略，确保调控指令按备用容量比例公平分配。控制器设有轻量级安全层，通过高效投影确保频率最低点等约束不被违反，保障频率安全，解决现有学习控制安全证明不足的问题。
案例研究显示方法在保证频率安全的同时，性能与经济性显著优于传统线性及先进学习控制，阶跃扰动下总成本降低17.7%。方法具良好可扩展性，适应大规模分布式资源，支持高比例新能源系统频率安全与经济高效运行。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11195783
📖 第10篇
📌 基于视觉强化学习的配电网电压调控与攻击缓解策略
Visual-Based Reinforcement Learning for Voltage Regulation and Attack Mitigation in Distribution Networks
作者：Xiang Wei，Wei Qiu，Ka Wing Chan，Wenxuan Yao，C. Y. Chung
随着分布式电源大规模接入，配电网对虚假数据注入攻击等网络威胁脆弱。此类攻击通过篡改通信数据，造成电压越限，威胁安全。本文提出创新的实时电压调控框架，显著提升攻击环境下安全性与运行效率。
核心是基于视觉的强化学习方法。首先开发时频视觉模型，利用S变换提取同步相量数据中攻击“指纹”，并通过像素级视觉识别精准分类与定位攻击状态与持续时间。检测结果驱动重定向控制机制校正受损信号。
进一步将电压调控建模为马尔可夫决策过程，设计基于注意力机制的多智能体柔性执行者-评论家算法，使智能体聚焦全局重要信息，在复杂攻击环境做出更优决策。整合视觉检测与强化学习构成完整调控方案。 在改进IEEE 33节点和69节点配电网及真实同步相量数据中大量仿真，证明方法将电压偏差控制在0.02085标幺内，显著增强系统抵御攻击的韧性，性能优于模型驱动及其他深度强化学习方法。
本研究贡献主要在于：提出的能感知攻击状态和持续时间的时频视觉模型；针对不同攻击设计的重定向防御策略；以及基于注意力机制应对局部观测问题的多智能体强化学习算法，为构建安全自适应智能配电网提供新思路与方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11173844
点击关注 获取更多精彩