✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Smart Grid期刊2025年issue5文章推送（第5期/共6期）。本期推送共包含10篇研究论文，内容聚焦于智能电网与新型电力系统关键技术，涵盖混合物联网终端部署策略、固态变压器应用、深度学习安全防护、可再生能源微电网控制、联邦学习与数字孪生、分布式状态估计、负荷数据生成、智能开关优化部署以及电动汽车充电负荷预测等多个前沿方向，集中展现了电力系统数字化、智能化转型中的创新理论与工程实践。
本期目录
📖 第1篇：面向电力系统大规模柔性负荷调度的混合物联网终端部署策略
📖 第2篇：固态变压器在有源配电网中的应用与服务——关键性评述
📖 第3篇：针对差动保护中基于深度学习的虚假数据注入检测的对抗攻击
📖 第4篇：面向可再生能源主导孤岛微电网的自适应数据驱动二次控制及现场测试
📖 第5篇：面向可再生能源主导微电网的最小成本自适应数据驱动频率控制
📖 第6篇：面向数字孪生驱动智能电网的自适应异步联邦学习
📖 第7篇：不平衡主动配电系统的分布式安全状态估计框架
📖 第8篇：SocioDiff：面向居民用电数据生成的社会感知扩散模型
📖 第9篇：考虑多重异构故障的三层协同韧性增强智能开关优化部署
📖 第10篇：多时间尺度深度专家系统在电动汽车充电站负荷预测中的应用
📖 第1篇
📌 面向电力系统大规模柔性负荷调度的混合物联网终端部署策略
Communication Accessibility Oriented Deployment Strategy of Hybrid IoT Terminals for Dispatching Large-Scale Flexible Loads in Power Systems
作者：Liya Ma，Hongxun Hui，Peng Liu，Yonghua Song
随着全球电力系统向清洁能源转型，可再生能源的波动性对电网稳定运行提出了严峻挑战。柔性负荷作为重要的调节资源，在应对风电、光伏等可再生能源出力波动方面展现出巨大潜力。然而，要实现柔性负荷的精准即时调度，电力系统对通信系统的本地接入服务提出了更高要求，包括海量终端接入、频繁交互和成本效益等关键指标。
本文创新性地提出了一种双层优化框架，通过部署混合物联网终端来调度负荷聚合商管理的大规模柔性负荷。该框架包含三个核心组成部分：首先，考虑不同通信性能的混合物联网终端部署策略；其次，整合电力系统调节方案与通信系统部署策略交互的双层优化模型；最后，解决负荷聚合商通信需求与不同物联网终端通信性能匹配的迭代算法。
在技术实现层面，研究团队针对电力通信系统面临的三大挑战提出了系统解决方案：面对海量电力与物联网终端接入需求，设计了基于百分位场景提取的通信需求预测方法；针对终端间频繁交互特性，建立了多维性能指标体系，包括数据传输速率、时延和流量等；为实现成本效益最优，构建了包含通信性能收费和数据流量收费的双重收益模型。
数值仿真结果表明，该部署策略在IEEE 33节点和123节点系统中均能有效提升通信可达性，明显改善本地接入服务质量。具体而言，通过合理配置电力线通信、微功率无线和ZigBee等混合物联网技术，在保证数据传输时延低于5秒的前提下，实现了最高750kbps的数据传输速率，同时将通信成本控制在负荷调节总成本的11.39%以内。
该研究的实用价值在于为电力系统运营商和通信系统运营商提供了协同优化的理论框架与实践路径，通过精准匹配柔性负荷调节策略与物联网终端部署方案，既确保了电网调节的实时性要求，又实现了通信资源的高效利用，为构建新型电力系统提供了重要的技术支撑。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11032171
📖 第2篇
📌 固态变压器在有源配电网中的应用与服务——关键性评述
Applications and Services of Solid-State Transformers in Active Distribution Networks—A Critical Review
作者：Felix Wald，V. M. Hrishikesan，Oriol Gomis-Bellmunt，Haoran Ji，Masoud Davoudi，Ali Bidram，Mazheruddin Syed，Martina Joševski，Sebastian Brüske，Chandan Kumar，Rafael Peña Alzola，Ilknur Colak，Sanjeev Pannala，Marco Liserre，Giovanni De Carne
配电网作为电力系统中最关键的组件，直接影响用户用电体验和电力公司声誉，然而长期被忽视。面对波动的能源消耗和生产，传统输电系统虽已大量采用基于电力电子设备的优化方案，但配电网仍急需灵活动态运行的解决方案。
固态变压器（SST）被视为传统变压器的替代或增强方案，除了电压转换功能外，还能在配电网能源管理中发挥核心作用。本综述由IEEE相关任务组撰写，系统评述了SST在配电网中的潜力、服务和技术挑战，聚焦科学趋势与待解决的关键问题。
SST基于电力电子技术，利用半导体调制电压，实现输入输出电流控制。与传统工频变压器相比，SST不仅实现电压变换和电气隔离，更提供了功率潮流控制、电压和频率调节、电能质量改善、直流连接及黑启动能力等额外服务，赋能有源配电网，并有机会产生额外收益以弥补较高的电力电子成本。
研究表明，SST在以下关键服务展现优势：
1. 有功功率潮流控制：通过低压侧DC/AC变换器控制，实现有功功率的重新路由，避免传统变压器过载，支持频率调节服务，减轻反向功率流。
2. 电压支撑：像静态同步补偿器一样运行，利用其无功功率注入支持中压网络电压，结合储能系统同时控制电压和功率调度。
3. 电能质量改善：电流注入高带宽控制支持谐波补偿，消除扰动，具备功率因数校正等功能。
尽管前景广阔，SST的广泛应用仍面临多重挑战，包括保护方案设计、绝缘协调、国际标准缺失、运营商经验及供应链适应性问题。特别在保护领域，由于SST无法输出传统变压器的短路电流，传统的选择性保护面临挑战。
多个全球示范项目展示了SST在提升电网灵活性、增强可再生能源集成方面的巨大潜力。随着宽带隙半导体等技术发展，SST将在未来配电系统扮演更重要角色，助力绿色能源转型。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11016957
📖 第3篇
📌 针对差动保护中基于深度学习的虚假数据注入检测的对抗攻击
Adversarial Attacks on Deep Learning-Based False Data Injection Detection in Differential Relays
作者：Ahmad Mohammad Saber，Aditi Maheshwari，Amr Youssef，Deepa Kundur
随着智能电网快速发展，基于深度学习(DLS)的虚假数据注入攻击(FDIAs)检测方案受关注。本文揭示了一个严峻安全隐患：精心设计的对抗攻击能够成功规避现有线路电流差动保护(LCDRs)中的FDIA检测DLS系统。
差动保护是输电线路保护核心组件，在微电网等对速度和灵敏度要求高场景中发挥关键作用。LCDRs对故障敏感，即使是高阻抗故障均可检测，且受分布式发电机影响小。但LCDRs完全依赖非安全通信，面临严重网络威胁，特别是FDIA攻击。
研究提出新颖对抗攻击框架，采用快速梯度符号方法(FGSM)，向LCDR远程测量引入微小扰动，利用DLS脆弱性。该攻击不仅使FDIA被误判为合法故障，还触发LCDR跳闸。攻击仅扰动远程测量，因本地测量通过铜线传输，增加攻击设计难度。
团队评估多种深度学习模型：多层感知器(MLP)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、残差网络(ResNet)。结果显示，所有模型在对抗攻击下均表现脆弱，尤其MLP成功率超过99.7%，ResNet相对更鲁棒，成功检测率达90.2%。
为防御该威胁，研究采用对抗训练作为主动防御机制，训练过程中暴露模型于对抗样本，显著增强抗对抗FDIA能力且不损害故障检测准确性。实时仿真测试验证方法有效性，检测时间小于2毫秒，满足实时性需求。
本研究揭示深度学习在电力系统安全应用中的潜在脆弱性，为提升智能电网网络安全提供关键技术支撑，对防止级联故障、维护电网稳定具有重要意义。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11032168
📖 第4篇
📌 面向可再生能源主导孤岛微电网的自适应数据驱动二次控制及现场测试
Adaptive Data-Driven Secondary Control for Renewables Dominated Islanded Microgrids and Field Tests
作者：Siyun Li，Wenchuan Wu，Zizhen Guo，Haotian Liu，Yuwei Cheng
随着能源危机与环境问题日趋严重，基于可再生能源的逆变器接口分布式发电日益受到关注。微电网作为智能电网重要组成部分，为分布式能源资源和负荷的整合提供了前景解决方案。本文针对由构网型逆变器主导的孤岛微电网，提出新型自适应数据驱动二次控制方法，无需精确网络参数。
创新点包括：基于微电网实测输入/输出数据，在闭环控制每运行点建立扰动相关数据驱动动态线性化模型；开发鲁棒递归回归方法在线学习动态线性化参数；引入观测器增益在线更新的自适应扰动观测器估计总扰动；开发具有迭代结构的自适应数据驱动协同控制器。
该方法实用价值显著，能有效调节孤岛微电网电压和频率，适应系统变化，尤其在可再生能源和负荷波动频繁条件下保持稳定。与传统方法相比，采用最大相关熵准则的鲁棒回归大幅降低对大噪声敏感性；自适应扰动观测器提升扰动与不确定性条件下控制性能；频率与电压控制被解耦为独立通道，简化设计。
通过仿真与100%光伏供电孤岛微电网现场测试验证，结果显示方法即使在较大测量噪声和负荷阶跃变化下，仍能快速恢复至参考值，具有优越性能。对比传统PI和既有自适应方法，在收敛速度、稳态精度、抗干扰性方面表现突出。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11016783
📖 第5篇
📌 面向可再生能源主导微电网的最小成本自适应数据驱动频率控制
Adaptive Data-Driven Frequency Control With Minimal Cost for Renewables Dominated Microgrids
作者：Yuwei Cheng，Wenchuan Wu
随着可再生能源在微电网中占比提升，实现高效频率控制同时降低运行成本成为挑战。传统模型依赖方法在孤岛场景中易受参数不确定性和拓扑变化影响。本文提出基于自适应扩展动态模态分解（AEDMD）的数据驱动控制策略，为可再生能源主导微电网提供最小成本的频率控制方案。
创新点包括：突破传统控制对精确数学模型依赖，基于Koopman算子理论实现非线性系统全局线性化，并用扩展动态模态分解（EDMD）高效近似。常规扰动难激发所有模态导致过拟合，AEDMD通过持续激励条件和主成分分析提取主导模态，显著减低数据需求。利用构网型变流器仿射结构设计控制矩阵，解决控制输入激励不足的辨识难题。
控制策略采用模型预测控制（MPC）实现快速频率恢复并最小化发电成本，协调分布式资源，实现频率稳定和最大可再生能源消纳。理论分析证明了有界输入有界输出的频率稳定性。
IEEE 9节点和33节点测试验证策略卓越性能。与传统EDMD和基于模型线性MPC相比，AEDMD快速适应变化，保持频率稳定同时提升可再生能源利用率至80%，且显著降低运行成本。优化耗时40-55毫秒，满足在线需求。实验总结方法工程可用性，未来拟进一步探索Koopman算子在振荡分析和源点定位中的应用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11045213
📖 第6篇
📌 面向数字孪生驱动智能电网的自适应异步联邦学习
Adaptive Asynchronous Federated Learning for Digital Twin Driven Smart Grid
作者：Zhuoqun Zhang，Haipeng Peng，Lixiang Li，Shuang Bao
智能电网引领电力行业智能化升级，对实时性、安全性和准确性有更高要求，但面临设备状态更新延迟、恶意攻击及用户信任缺失等严峻挑战，严重影响服务质量。
为解决问题，本文提出融合区块链和异步联邦学习的隐私保护智能电网分布式协同计算系统（PPSG），设计了专属数字孪生框架，实时模拟和反映电力设备状态，提升响应能力。针对非IID数据和模型时效性问题，创新引入双动态聚合因子异步联邦学习方案，结合数据相似性度量与基于牛顿冷却定律的模型时效性权重，显著提高服务准确性。
安全方面采用“贡献证明”区块链共识算法评估任务贡献，通过随机过程降低选举欺诈风险。算法综合设备计算能力、传输成功率及历史行为，具备抵御投毒攻击的韧性，兼顾效率与安全。
实验验证显示，PPSG在非IID数据和异构设备环境下学习性能优异。多基准数据集测试下，收敛速度较FedAsync和KAFL提升约30%，准确率提高5%以上。即使50%恶意节点攻击，准确率仍保持95%以上。真实电网数据短期负荷预测中，均方根误差降低16.7%，平均绝对误差降低33.6%，系统在1000节点规模下仍保持稳定和高效。
该研究将数字孪生、联邦学习与区块链深度融合，提供了智能电网数字化转型的创新技术方案，实现数据隐私保护、模型高效训练与系统安全统一，为下一代智能电网奠定基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11036541
📖 第7篇
📌 不平衡主动配电系统的分布式安全状态估计框架
A Distributed Secure State Estimation Framework for Unbalanced Active Distribution Systems
作者：Junjun Xu，Sheng Zhang，Tong Lin，Yusen Jiang，Xinyu Ruan，Shuheng Wei，Qinran Hu，Xinghuo Yu
随着信息物理系统深入主动配电，数据爆炸和恶意攻击风险急剧上升，特别是虚假数据注入攻击(FDIA)严重影响状态感知准确性。本文提出创新分布式安全状态估计框架，采用社区检测算法将大规模不平衡主动配电划分为多个电气耦合紧密且相互解耦的子区域，建立考虑测量设备不同加密等级的通用非完美FDIA模型。
针对传统集中式方法对分布式攻击的不足，提出基于改进无迹卡尔曼滤波的预测辅助状态估计算法。该算法增加测量冗余，协同处理预测和实测数据，有效提升FDIA检测和防御能力。通过分布式计算，相邻子区域边界交换状态实现鲁棒交互，显著降低局部攻击对全局影响。
首次综合考虑SCADA与微相量测量单元等异构设备安全特性及虚假数据敏感性，构建设备专属攻击风险模型，高保真模拟真实攻击场景，保持状态轨迹准确跟踪。
基于IEEE 123节点改进系统和实际300节点系统案例验证，该框架在对抗FDIA方面显著优于集中式和静态状态估计模型。在电压幅值和相角估计精度方面，平均绝对百分比误差分别降低42%和35%，计算效率提升约60%，系统韧性良好。面对针对子区域的分布式攻击，能迅速定位隔离，防止攻击蔓延。
该研究为智能配电系统安全运行提供重要技术支撑，分区策略和分布式求解为大规模不平衡配电状态估计开辟新途径，对提升系统网络安全防护具有重要价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11075890
📖 第8篇
📌 SocioDiff：面向居民用电数据生成的社会感知扩散模型
SocioDiff: A Socio-Aware Diffusion Model for Residential Electricity Consumption Data Generation
作者：Weilong Chen，Xinru Liu，Xinran Zhang，Jian Shi，Han Yang，Zhu Han，Yanru Zhang
当前能源数据收集中，弱势群体（如低收入家庭、农村居民）面临代表性不足，限制援助项目开发并影响能源政策科学制定，加剧系统性不平等及能源贫困风险。本文提出SocioDiff，一种基于扩散模型的居民用电数据生成方法，首次将社会人口统计信息融入生成流程。
传统生成方法局限显著：统计方法依赖假设和人工工程，机器学习方法如GANs面临模式崩溃和训练不稳，现有扩散模型虽突破质量但忽视社会特征。SocioDiff通过三大创新解决问题：提出社会感知结构化状态空间（4SD）算法，将社会属性嵌入工作流；开发双步扩散机制，分解全局趋势和家庭细节；引入对抗训练策略，加强对弱势群体数据表征。
爱尔兰能源监管委员会数据集实验显示，SocioDiff在最大均值差异指标上提升63.59%，下游负荷预测准确率提高4.4%，突出社会人口特征在生成公平、包容数据中的价值。
生成数据可助力政策制定、精准能源援助与需求侧管理，亦为能源公平研究提供高质量数据基础。通过对抗训练强化对弱势群体用电捕捉，为缓解能源不平等提供技术支撑。SocioDiff的成功标志着人工智能在能源公平领域的进步，对实现联合国“可负担的清洁能源”目标具备重要意义。未来该模型将扩展更多地区和社群，促进公平包容能源体系建设。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11021430
📖 第9篇
📌 考虑多重异构故障的三层协同韧性增强智能开关优化部署
Optimal Smart Switch Deployment With Tri-Layer Synergized Resilience Enhancement Considering Multiple Heterogeneous Faults
作者：Ziyao Wang，Tao Yu，Pengyi Fan，Zhenning Pan，Wei Chen
2023年世界气象组织宣布厄尔尼诺现象到来，极端天气频发严重威胁配电系统安全。传统提升策略低估配电网灵活性与故障严重性，难以应对大损失。本文提出三层协同韧性增强智能开关优化部署方法，考虑多重异构故障。
研究两大挑战为：多重异构故障（线路故障、变压器故障、开关故障）难统一建模；缺乏灾前运行与灾后多阶段故障管理拓扑耦合建模。构建三层协同韧性模型，通过远程控制开关（RCSs）和软开放点（SOPs）联合部署，提高故障隔离及网络重构能力。
提出基于韧性指标和故障拓扑指标的两阶段K-medoids聚类，从大量故障场景筛选关键场景，权衡计算效率与精度。将模型转为基于场景的两阶段分布鲁棒优化，采用列与约束生成算法高效求解，优于随机、鲁棒与启发式算法。
40节点与126节点城市配电网案例验证方法有效性。结果显示，考虑三类异构故障获得更全面韧性提升；SOP部署投资较高但通过快速故障隔离与灵活重构显著降低负荷损失；灾前主动孤岛策略有效阻止故障传播，减少开关部署成本。所提分布鲁棒优化法应对样本外灾害场景更佳，求解质量与效率均优于启发式算法。
研究为高可靠性柔性配电网提供实用智能开关部署方案，通过三层防御协同提升配电网极端事件响应能力，未来将聚焦负荷与可再生能源随机性建模及更高效优化算法。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11004034
📖 第10篇
📌 多时间尺度深度专家系统在电动汽车充电站负荷预测中的应用
Multiple Time Scale Deep Expert System for Load Forecasting of Electric Vehicle Charging Stations
作者：Hanjiang Dong，Shenglin Li，Xiyu Wen，Zipeng Liang，Haosen Yang，Chi-Yung Chung，Jizhong Zhu
随着全球气候变暖加剧，电动汽车推广加速，是减少温室气体排放重要途径。不同类型电动汽车充电站(EVCS)在峰谷平电价政策影响下负荷特征显著不同。本文开发多时间尺度协调的深度专家系统框架，能同时预测公共、高速、公交三类充电站负荷需求。
系统模拟人类专家决策，包含用户界面、推理引擎及知识库三部分。短期预测采用堆叠集成学习策略，结合MLP基础时序混合器(TSMixer)、分段循环神经网络(SegRNN)、CNN基础补丁混合器(PatchMixer)、倒置Transformer(iTransformer)四大神经网络，模块化允许灵活扩展，兼顾计算效率、长短期上下文及局部-全局特征提取，输出包含峰尖谷的15分钟级精细预测。
针对中期预测，提出多矩阵弹性网络(MMEN)方法。先用季节性趋势分解(STL)分解负荷序列为趋势、季节性及残差，再基于EVCS类型和TOU电价对日负荷曲线做多元时间序列K-Means聚类保证STL趋势一致。MMEN结合短期引擎月度聚合STL残差预测及带聚类标签的趋势分量，利用块坐标下降算法实现跨维度特征选择和收缩，经多元正则化生成月度负荷预测。
案例采用中国杭州某公司真实充电站15分钟采样负荷数据(2020-2022年)，结果显示该专家系统在15分钟级预测准确度显著优于单模型及传统机器学习，月度预测亦表现最优，为充电站运营商提供准确调度及长期采购扩容规划依据，促进电动汽车与电网协同发展。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11036851
点击关注 获取更多精彩