✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Power Systems期刊2026年issue2推送（第4期/共6期）。本期推送共包含10篇研究论文，聚焦于高比例可再生能源接入背景下电力系统的稳定性、优化调度与控制等前沿领域。研究主题涵盖：扰动恢复与脆弱性评估、输配协同鲁棒调度、分布式能源频率控制辅助服务、概率小信号分析、LVRT相关暂态稳定性、氢能源数据中心调度、频率变化优化控制框架、数据驱动潮流线性化、以及数据-模型混合AGC和费希尔信息矩阵参数辨识。这些研究为应对新型电力系统面临的挑战提供了创新的理论方法与技术解决方案。本期内容兼顾方法学创新与工程验证，可直接为运行商、规划人员与研究者提供参考与落地路径。
本期目录
📖 第1篇：基于逆灵敏度最小化的电力系统扰动恢复条件确定方法
📖 第2篇：考虑决策依赖不确定性的输配协同系统分布式分布鲁棒调度
📖 第3篇：基于分布式能源的国家电力市场系统频率控制辅助服务
📖 第4篇：基于概率小信号分析的变流器集成电力系统动态交互特性表征
📖 第5篇：考虑邻近可再生能源低电压穿越切换的同步发电机全周期暂态稳定性研究
📖 第6篇：氢能源数据中心的柔性负荷调度：一种效率优先的非凸不确定优化方法
📖 第7篇：频率变化优化：面向新型动态频率响应服务的控制框架
📖 第8篇：广义数据驱动潮流线性化：方法、评估与挑战
📖 第9篇：考虑参数扰动的电力系统数据-模型混合驱动分层多目标自动发电控制
📖 第10篇：基于费希尔信息矩阵的电力系统动态模型参数辨识
📖 第1篇
📌 基于逆灵敏度最小化的电力系统扰动恢复条件确定方法
Determining Disturbance Recovery Conditions by Inverse Sensitivity Minimization
作者：Michael W. Fisher，Ian A. Hiskens
本文面向电力系统运行中对严重扰动快速评估的需求，提出了参数空间层面的恢复评估框架，明确了输入为扰动类型与参数集合，输出为能够恢复的参数集合及到边界的最短距离（安全裕度）。关键方法：参数空间恢复区域 的提出与形式刻画，核心创新在于引入安全裕度量化，以及基于逆灵敏度最小化的边界定位策略。与传统诺模图方法不同，本文直接在高维参数空间上定义恢复边界，并将状态空间吸引域边界的行为与参数敏感性联系起来，形成可计算的数值算法框架。该框架能够处理非线性与非光滑模型，输入/输出清晰，便于集成到运行决策流程中。
在实现细节上，算法通过对扰动后初始条件轨迹对参数的敏感性计算，构造目标函数并迭代求解恢复边界。实现流程包括：扰动建模→状态轨迹仿真→灵敏度数值估计→边界优化求解。约束与正则化方面为保证数值稳定，采用了步长控制与停机条件，关键实现要点为轨迹灵敏度数值估计 和边界最小化目标，优化器采用基于梯度的局部搜索与线性化近似交替策略以平衡精度与效率。方法支持用户指定精度与仿真预算，便于工程部署。
实验以IEEE 39节点系统为例展开，覆盖多种负荷模型与控制器设定。关键结果包括：算法在高达86维参数空间上验证成功，安全裕度计算通常在不到35次仿真内收敛；与广义诺模图相比，在低维场景中仿真次数减少数个数量级且精度提升数个数量级。研究还发现了一个反直觉现象：在某些高AVR增益下，恒定功率负载对恢复更有利。总体结论指出该方法适用于实时脆弱性评估与在线决策支持，工程价值显著。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11130380
📖 第2篇
📌 考虑决策依赖不确定性的输配协同系统分布式分布鲁棒调度
Distributed Distributionally Robust Scheduling for Coordinated Transmission and Distribution Systems Considering Decision-Dependent Uncertainties
作者：Minghao Guo，Hongjun Gao，Xiao Xu，Weihao Hu，Zhe Chen，Zongyang Liu，Junyong Liu
本文针对输电与配电协同调度中出现的决策依赖不确定性问题，提出了一个两阶段分布鲁棒优化模型。问题背景为集中式与分布式新能源并存导致的不确定性上升，目标是联合调度以提升灵活性与可靠性。整体技术路线包含：构建决策依赖概率分布集→两阶段鲁棒优化建模→分布式求解架构设计，输入为发电与负荷决策、边界耦合变量范围，输出为鲁棒调度策略与共识变量。论文的核心机制是对边界概率分布随双方决策变化的刻画，并将其内嵌进分布鲁棒框架中，从而比传统独立不确定性建模更加保守而实用。
实现上，作者提出了一个完全分布式求解方法，结合改进交替方向乘子法与自适应列约束生成策略，通过引入共识变量代表边界调整以减少迭代通信。求解流程包括：基线问题分解→列约束生成→局部子问题并行求解→共识更新。关键超参数为ADMM步长与列生成容忍度（容忍度阈值），并采用松弛与剪枝策略控制复杂度。部署要点在于利用输配天然解耦性以保证隐私与计算效率。
在基于IEEE测试系统的案例中，模型相比传统“自上而下”独立优化可使总运行成本降低约24%，且经济性接近全局优化，同时显著平滑联络线功率波动与降低阻塞风险。消融分析表明忽略决策依赖会导致机组组合不当与成本上升。结论为：所提分布式框架在保证收敛性与精度的同时显著提升了计算效率，适合大规模输配协同的鲁棒经济调度场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11146581
📖 第3篇
📌 基于分布式能源的国家电力市场系统频率控制辅助服务
Distributed Energy Resources-Based Frequency Control Ancillary Services for National Electricity Market System
作者：Hassan Haes Alhelou，Anuradha Annaswamy
针对澳大利亚国家电力市场（NEM）中分布式能源（DER）参与频率控制辅助服务（FCAS）的实践问题，本文提出了一个DER频率响应聚合模型与协调控制策略，用以将分散资源整合为可靠的频率支撑。研究明确了输入（各类DER动态与装机容量）、输出（可交付的FCAS容量与响应轨迹）和约束（国网规则与区域服务分配），并提出了跨区域FCAS分配策略来解决服务区域化问题。核心创新在于将异构DER的动态特性与同步机响应统一建模以进行系统级分析。
实现层面包括DER聚合器的在线优化与协调算法，使用了混合整数與连续优化的分层框架以满足市场规则与动态约束。关键实现要点为响应聚合器的实时调度与备用容量预留机制，优化器采用模型预测与鲁棒规划相结合的方式，考虑通信延迟与预留策略的可执行性，部署时强调区域化信息共享与隐私保护。
仿真以NEM区域工况为基准，结果显示在高DER渗透区域（如南澳），通过优化调度并预留2.2%功率裕度，可以在重大发电缺失事件中将频率偏差与ROCOF控制在标准内。定量指标包括频率偏差下降幅度、服务交付成功率等，表明DER在合理协调下可成为可靠的FCAS来源。研究结论为NEM及类似市场提供了DER参与频率服务的可行路径与实施原则。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11175518
📖 第4篇
📌 基于概率小信号分析的变流器集成电力系统动态交互特性表征
Enabling Characterisation of Dynamic Interactions With Probabilistic Small-Signal Analysis in Converter-Integrated Power Systems
作者：Luke Ian Benedetti，Agustí Egea-Àlvarez，Robin Preece，Panagiotis N. Papadopoulos
面对高比例变流器接入下系统运行点不确定性带来的稳定性评估挑战，本文提出了一个概率小信号分析框架，用于在整个运行空间中识别并表征动态交互。框架包含模态生成、基于参与因子的现象类别定义、以及模态聚类流程，目标输出为在概率意义上显著的动态交互列表及其稳定性分布。与传统单点小信号分析不同，本文关注模态的全局概率行为，并将模态参与因子与稳定裕度结合以突出高风险事件。
具体实现包括基于蒙特卡洛的运行点采样、每个运行点的线性化与模态计算、随后应用模态聚类归类大量模态，最终计算并排序由稳定性加权参与指数（SWPI）来识别高风险模态。关键实现要点为模态相似度度量与聚类算法的选择（如谱聚类或层次聚类），并加入对噪声与数据缺失的鲁棒处理。
在改进的IEEE 68节点上验证，发现了与GFM变流器内电压控制相关的次同步振荡(SSO)模态，以及由同步发电机主导的机电振荡簇。通过CDF分析量化了不稳定概率與稳定裕度分布，工具可输出用于规划与控制优先级的名单。本文方法为工程上识别与缓解变流器相关动态风险提供了可操作的概率信息和判别指标。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11175469
📖 第5篇
📌 考虑邻近可再生能源低电压穿越切换的同步发电机全周期暂态稳定性研究
Entire Period Transient Stability of Synchronous Generators Considering LVRT Switching of Nearby Renewable Energy Sources
作者：Bingfang Li，Songhao Yang，Guosong Wang，Yiwen Hu，Xu Zhang，Zhiguo Hao，Dongxu Chang，Baohui Zhang
本文揭示了同步发电机（SG）转子角振荡与周边采用电网跟随控制（GFLR）设备的低电压穿越（LVRT）控制切换之间的相互作用，重点在于从整个转子摇摆周期（而非仅首摆）分析暂态稳定性。问题设定为共址运行时的扰动响应，目标是识别可能引发多摆失稳的闭环机理，并提出判据与控制对策。关键发现包括LVRT切换-转子角耦合可能形成闭环放大效应，导致多摆失稳风险显著上升。
研究对两种典型LVRT限幅策略（圆形与矩形）进行了对比分析，提出了基于临界能量的保守稳定性判据用于在线安全评估。为缓解不利交互，作者设计了一种反馈线性化附加控制器，通过调整GFLR输出电流，将原有的负阻尼效应转为正阻尼并兼顾PLL稳定性。实现细节涵盖控制器参数整定与故障后恢复策略，关键实现要点在于控制器的快速切换与稳定性约束。
在EMT仿真与CHIL实验中验证，该控制能有效抑制由LVRT切换引发的多摆失稳并改善首摆稳定性。报告的工程指标包括故障后摆幅减小比例与恢复时间缩短等，研究显示在典型并网场景下控制器可将多摆失稳概率显著降低。结论对高比例新能源电力系统的暂态稳定性保障具有重要启示与实用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11183622
📖 第6篇
📌 氢能源数据中心的柔性负荷调度：一种效率优先的非凸不确定优化方法
Flexible Load Scheduling of Hydrogen Energy Data Centers: An Efficiency-Preferred Non-Convex Uncertain Optimization Approach
作者：Xinxin Long，Yuanzheng Li，Yang Li，Yun Liu，Pu Yang，Zhigang Zeng
本文面向氢能源数据中心在需求响应中的调度问题，提出了一种非凸集区间优化方法以兼顾经济性與可再生能源消纳。研究明确了系统输入（服务器负载、冷却、氢能双向转换與风光出力）與输出（调度曲线與储能策略），并在建模中强调效率优先建模以反映能量转换效率对调度的重要影响。与传统凸化或情景法相比，本文保持了更多原始非凸结构以提升实际可行性。
实现上采用精确凸松弛与等效线性化技术将非凸离散集转化为可求解的凸形式，优化器采用混合整数与分段线性编程相结合的策略以求全局优解。关键实现要点包括等效线性化与凸松弛容限的设定，此外设计了鲁棒性约束以应对电价与风电激励不确定性的偏离。
在改进的IEEE 24节点上对比5种前沿不确定优化方法，本文方法在多工况下表现优越，报告性能提升区间为2.3%–20.0%（相对于经典方法），同时显著提升可再生能源消纳率。实验还给出了时序调度示例与灵敏度分析，结论表明该方法在实际数据中心调度中具有良好的经济与工程可实施性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11134615
📖 第7篇
📌 频率变化优化：面向新型动态频率响应服务的控制框架
Frequency-Varying Optimization: A Control Framework for New Dynamic Frequency Response Services
作者：Yiqiao Xu，Quan Wan，Alessandra Parisio
本文提出了面向NESO新型动态频率服务（DR/DM/DC）的频率变化优化控制框架，用以协调大量资产的频率响应交付。问题为在随频率变化的等式约束下，如何分配与跟踪各资产的响应軌迹並在最大交付时间内完成交付，输入为ARU资产动力学與约束，输出为在线可执行的资产指令。方法将整体问题拆分为两个“最优轨迹跟踪”子问题，一为忽略动态的分配问题，另一为考虑资产动态的轨迹跟踪问题，便于分别处理静态优化与动态执行。
实现采用包含固定时间控制与前馈/反馈项的投影算法，并为考虑逆变器滤波器等动力学设计了固定时间收敛控制和状态/输入约束的在线投影步骤。关键实现要点为算法的时间常数与最大交付时间匹配（交付时间参数），以及对大规模资产的分布式实现策略。
在IEEE 14与39节点仿真中，框架能满足NESO要求的交付时间（DR=10s，DM/DC=1s），并在各种聚合规模下保持接近理想响应性能。指标包括响应交付误差、收敛时间與计算开销，结果显示系统可在线收敛且支持分布式部署，为实际ARU在传输与配电级别的应用提供了明确工程路径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11169504
📖 第8篇
📌 广义数据驱动潮流线性化：方法、评估与挑战
Generalized Data-Driven Power Flow Linearization: Methodologies, Evaluations, and Challenges
作者：Mengshuo Jia，Gabriela Hug，Ning Zhang，Zhaojian Wang，Yi Wang，Chongqing Kang
本文系统回顾并比较了数据驱动潮流线性化(DPFL)方法的训练算法與辅助技术，提出了统一的数学再表述并开展大规模数值评估。研究范围包括线性、分段线性及空间映射模型，目标是为不同应用场景选择合适的DPFL方法提供指南。文章梳理了模型能力、局限性與对物理知识融合的需求，并提出了可复现性的改善建议，如开源工具与标准化测试。
在实现层面，作者将方法分为训练算法与辅助技术两类，并对41种DPFL方法与4种物理方法在22个测试案例上比较。关键实现要点包括聚类与坐标变换策略的选择、递归方法在效率上的优势以及对数据共线性與噪声的鲁棒处理。文章同时发布了DALINE工具箱以便社区验证与扩展。
数值结果显示DPFL在精度上普遍优于经典物理驱动方法，但性能差异显著，且在面对零值或常量数据时存在失败案例。文章总结出九大挑战并给出未来方向，例如物理知识融合與拓扑变化适应性。对于工程应用，作者给出方法选择建议与性能预期，有助于在线潮流近似与市场/规划场景部署。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11173978
📖 第9篇
📌 考虑参数扰动的电力系统数据-模型混合驱动分层多目标自动发电控制
Hybrid Data-Model Driven Hierarchical Multi-Objective AGC for Power System Considering Parameter Disturbances
作者：Ningning Bai，Zhongwen Li，Zhiping Cheng，Xiaoyu Liu，Yaoqiang Wang，Jinmu Lai，Meng Zhang
本文提出了一种用于含参数扰动系统的数据-模型混合驱动AGC框架，采用分层结构连接发电公司级调度与机组执行层，目标在于同时实现频率稳定、经济性與低碳排放。核心模块包括降阶超局部模型(ULM)、改进滑模观测器与自适应无模型预测控制。该框架通过在线辨识与自适应控制来补偿模型失配，提高鲁棒性。
实现细节涉及ULM构建、噪声鲁棒的快速终端滑模观测器(IFTSMO)设计，以及在线参数辨识用于调节自适应无模型预测控制(AMFPC)。关键约束为频率偏差與机组动作速率限制，优化器采用滚动时域优化以实现实时多目标平衡。部署时强调分层信息流与本地可执行性以应对通信不确定性。
仿真结果显示，相较于PI与传统滑模控制，CPS1指标提升了12.51%，且通过多目标优化系统总发电成本下降44.69%、碳排放减少20.7%。结论证明该混合驱动框架在参数扰动与高可再生渗透场景下具备显著工程价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11197922
📖 第10篇
📌 基于费希尔信息矩阵的电力系统动态模型参数辨识
Identification of Power System Dynamic Model Parameters Using the Fisher Information Matrix
作者：Dawn Virginillo，Asja Derviškadić，Mario Paolone
本文提出了一种基于数值费希尔信息矩阵(nFIM)的方法，用于在复杂电力系统模型（含代数与微分方程约束）的情形下进行动态参数辨识与测量方案评价。研究目标为量化不同测量量对参数信息量的贡献，并据此选择信息最丰富的测量集合以指导后续优化辨识。该方法的优势在于不需要解析导数，可直接以EMT仿真结果进行FIM估计，便于与商业仿真软件耦合。
实现流程为：候选测量集合生成→通过EMT仿真估计置信椭球体积最小的测量组合→以最小二乘或类似优化器进行参数迭代辨识。文中强调了nCRLB（数值克拉美-罗下界）的使用以评价估计方差，并指出关键实现要点为仿真试验设计與测量噪声建模。
在IEEE 9节点仿真与瑞士孤岛系统现场数据的验证中，nFIM预测的参数方差排序与实际优化结果高度一致，且实测方差大于理论下界，符合预期。研究还发现对调速器参数的辨识中，频率测量优于有功功率提供更多信息。总体结论是nFIM在工程场景下具有很高的实用价值，特别适合孤岛、黑启动与控制器未知的情况下进行参数校准。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11180154
点击关注 获取更多精彩