✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Power Systems期刊2025年issue5文章推送（第3期/共6期）。本期共精选11篇研究论文，聚焦于电力系统韧性评估、暂态过电压预防控制、无功优化、智能电网能量管理、图神经网络泛化提升、发电规划与稳定性约束、测量数据转换、振荡源定位、不确定性量化、设备同步机制以及主动配电网鲁棒优化等前沿领域，展现了高比例可再生能源接入背景下电力系统安全稳定运行的最新研究进展。
本期目录
📖 第1篇：当水泵提供频率调节时评估电力与供水网络的韧性
📖 第2篇：基于CBAM-CNN与分段线性控制敏感度的暂态过电压预防控制
📖 第3篇：应对严重预测误差的输配电网协调无功优化：一种基于改进信念马尔可夫决策过程的强化学习方法
📖 第4篇：基于数据驱动的智能电网站性能提升能量管理策略
📖 第5篇：基于物理信息自监督预训练的大规模电力系统分析中图神经网络泛化能力提升研究
📖 第6篇：电力系统稳定约束下的发电规划与运行：魁北克水电公司案例分析
📖 第7篇：基于流形特征插值的静态测量向动态测量保证性转换方法
📖 第8篇：间谐波功率：电力系统振荡源定位的新概念
📖 第9篇：逆不确定性量化辅助电力系统动态仿真中的正向不确定性量化
📖 第10篇：电力系统设备的局部同步化研究
📖 第11篇：考虑离散跨时段约束的主动配电网多阶段鲁棒无功优化
📖 第1篇
📌 当水泵提供频率调节时评估电力与供水网络的韧性
Assessing Power and Water Network Resilience When Water Pumps Provide Frequency Regulation
作者：Anna Stuhlmacher，Seth Guikema，Johanna L. Mathieu
随着可再生能源在电网中占比的增加，电网需要更多灵活性资源来确保安全运行。饮用水分配网络中的水泵可作为灵活可控负荷，通过提供频率调节等服务来支持电网。然而，这种非传统运行方式不应降低水电网络应对极端事件的能力。本文评估了在采用最优水泵调度策略（最小化电费并提供频率调节）时，面对风暴引发的停电事件，水电分配网络的运行韧性。
研究比较了最优水泵策略与传统规则控制策略下供水网络的韧性表现。通过案例研究发现，虽然最优控制策略的成本显著低于传统策略（降低59.8%-69.9%），但在长期停电期间，最优策略下的水箱水位较低，可能降低供水可用性。值得注意的是，当最优水泵策略在最小化电费的同时提供频率调节服务时，水箱水位会保持在其限值更远的位置，从而改善了韧性指标。
研究采用迭代混合整数线性规划方法，改进了现有最优水泵调度模型，使其适用于变速水泵并确保在原始问题中的可处理性和准确性。通过高保真水力模拟器（两秒时间步长）验证了方法的性能。在模拟风灾事件时，考虑了木质电线杆的脆弱性曲线，生成500个风灾场景，评估不同运行策略下的网络性能。
研究贡献包括：改进最优水泵调度模型以纳入变速水泵；使用水力模拟器比较规则控制和最优水流策略在正常和极端条件下的性能；模拟风灾事件并研究水泵控制策略对供水网络运行韧性的影响；讨论如何将网络韧性纳入最优水泵调度问题。结果表明，为频率调节分配备用容量不仅能为电网提供服务，还能为供水网络应对灾害提供缓冲，这一发现为关键基础设施的协同优化提供了新思路。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10876764
📖 第2篇
📌 基于CBAM-CNN与分段线性控制敏感度的暂态过电压预防控制
CBAM-CNN Based Transient Overvoltage Preventive Control Considering Piecewise Linear Control Sensitivity
作者：Zhe Zhang，Boyu Qin，Tao Ding，Xin Gao，Yixing Zhang
随着中国资源与负荷逆向分布格局的深化，基于线路换相换流器的高压直流输电技术被广泛应用于可再生能源远距离传输。然而，换相失败故障可能引发暂态过电压问题，导致大规模可再生能源电站脱网事故，严重威胁电力系统安全稳定运行。
本文创新性地提出了一种融合卷积注意力模块与卷积神经网络的暂态过电压预防控制策略。该方法首先通过CBAM-CNN模型预测直流近区交流母线的过电压峰值，深入挖掘与电压动态过程相关的关键响应特性。与传统机器学习方法相比，该模型能够自动提取原始数据中的有效特征，避免人工特征选择导致的过拟合问题，显著提升预测精度。在测试系统中，该模型的预测准确率达到98.21%，较传统BP神经网络、决策树模型分别提升6.34%和8.72%。
研究进一步提出了分段线性控制敏感度指标，用于评估不同控制措施对暂态过电压水平的抑制效果。该指标突破了传统方法将控制措施改善效果视为恒定的简化假设，能够精确表征不同控制区间内的过电压抑制效果。通过趋势转换点识别算法，在控制量-过电压关系曲线上自适应确定关键分段点，实现了计算精度与复杂度的最佳平衡。
考虑可控资源的调节特性，研究建立了包含电网实际运行约束的优化控制问题，制定了保障电力系统安全稳定的最优预防控制策略。该策略充分协调了同步发电机、直流输电系统和双馈风机等多种可控资源，通过混合整数线性规划方法求解，确保在预期故障情况下以最小控制成本实现系统安全稳定。验证结果显示，该方法在实际省级电网测试中成功将过电压峰值从1.3302 p.u.降至1.2880 p.u.，显著降低了可再生能源机组高压脱网风险。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10907971
📖 第3篇
📌 应对严重预测误差的输配电网协调无功优化：一种基于改进信念马尔可夫决策过程的强化学习方法
Coordinated Reactive Power Optimization for Transmission and Distribution System With Gross Prediction Errors: A Modified Belief Markov Decision Process-Based Reinforcement Learning Methodology
作者：Yaru Gu，Xueliang Huang
随着分布式电源在输配电网中的渗透率不断提高，其显著的不确定性给系统运行带来了严峻挑战。本文针对存在严重预测误差的日前协调无功优化问题，提出了一种基于改进信念马尔可夫决策过程（MBMRL）的强化学习方法。
该方法将协调无功优化问题建模为部分可观测马尔可夫决策过程（POMDP），嵌入信念状态向量刻画含误差观测状态的概率分布，提升系统对真实状态的描述精度。创新之处在于引入误估计信念状态概率向量，将POMDP转化为改进信念MDP模型，显著提高系统置信水平。
在算法实现上，采用多智能体注意力评论家算法作为底层架构，将高置信的MBMDP模块输入网络。各智能体能独立捕获系统特征并输出最优决策动作，且通过注意力机制聚焦关键样本，提升学习效率及策略稳定性。
案例基于中国苏州地区真实历史数据训练，在不同规模输配电网仿真验证。结果显示，即使预测误差比例高达80%，MBMRL方案依然保持稳定功率交换及接近1.0p.u.节点电压，平均电压偏移仅为0.0076p.u.，优于传统分布式Q学习和数学优化方法，展现了模型强鲁棒性和高性能。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10839083
📖 第4篇
📌 基于数据驱动的智能电网站性能提升能量管理策略
Energy Management Strategy to Enhance a Smart Grid Station Performance: A Data Driven Approach
作者：Kannan Thirugnanam，Vinod Khadkikar，Tareg Ghaoud，Qais Qawaqneh，Hassan AlHammadi，Jassim Abdullah，Ahmed Saeed Habib Sajwani
本文提出了一种创新的能量管理策略（EMS），旨在提升智能电网站（SGS）的电能质量参数，包括电压不平衡、功率因数和频率偏差。将SGS建模为并网多微电网系统，配备分布式发电机（太阳能光伏和风力涡轮机）、电池储能系统、电动汽车充电站等多种设备。
针对建筑负荷功率需求随机性、制冷机动态行为和分布式发电机功率间歇性等挑战，采用人工神经网络方法预测各类负荷及功率需求，建立系统层面能源流和电网连接模型。
核心创新为基于模糊逻辑的P2P能量共享策略，通过独特的识别指数和能量共享指数实现相邻建筑间智能能量调配，结合电池储能系统的充放电控制与冷却能量需求削减策略，维护电能质量参数在阈值范围内。
实验基于迪拜实际SGS系统数据。结果显示，所提EMS有效保证了电能质量参数稳定，同时通过智能能量共享显著降低了冷却能量需求，为智能电网的可靠运行与电能质量提升提供了创新解决方案及工程价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10839053
📖 第5篇
📌 基于物理信息自监督预训练的大规模电力系统分析中图神经网络泛化能力提升研究
GNNs' Generalization Improvement for Large-Scale Power System Analysis Based on Physics-Informed Self-Supervised Pre-Training
作者：Yuhong Zhu，Yongzhi Zhou，Wei Wei，Peng Li，Wenqi Huang
面对大规模电力系统分析中高计算成本与泛化能力不足的挑战，本文提出了融合物理信息与自监督预训练的图变换器框架（PPGT），显著提升图神经网络在电力系统的泛化能力和可扩展性。
设计了两种自监督预训练策略：掩码特征预测和掩码边预测，使模型能从未标注数据中学习局部和全局拓扑特征，内化电力系统基本物理规律。
采用动态消息传递网络与图注意力机制相结合的架构，捕获长程依赖关系。团队在2000万个未标注拓扑上预训练包含1.45亿参数的模型，随后在下游任务上微调，性能相比现有方法平均提升超过13%。
在IEEE 300节点、省级1581节点及华东10532节点系统上验证，PPGT在潮流计算、最优潮流、故障筛选和停电预测等任务表现卓越。预训练模型对有限标注数据下表现显著，显示其在实际工程应用中的巨大潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10901974
📖 第6篇
📌 电力系统稳定约束下的发电规划与运行：魁北克水电公司案例分析
Generation Planning and Operation Under Power Stability Constraints: A Hydro-Quebec Use Case
作者：Alexandre Besner，Alexandre Blondin Massé，Abderrahman Bani，Mouad Morabit，François Berthaut，Luc Charest，David Ialongo，Yves Mbeutcha，Simon Couture-Gagnon，Julien Fournier
魁北克水电公司作为垂直一体化电力公司，面对独特电网架构与暂态稳定性约束挑战。该电网连接遥远北部大型水电站与南部主要负荷中心，通过735千伏输电网络，促使HQ开发了涵盖角稳定性、频率稳定性和电压稳定性等多重非线性现象的监测工具，生成稳定性限值。
针对传统基于混合整数线性规划（MILP）工具的不足，HQ创新性地将稳定性限值转换为MILP约束，通过抽象语法树解析、算术变换、简化规则及线性化实现，整合稳定性约束进发电规划与运行。
在运行规划中，HQ将操作窗口划分为年度、28天、日前及实时四阶段，通过ALFRED工具监测备用资源水平，确保足够备用且能启动恢复措施。针对水电机组组合，研发了RALPH工具，有效控制组合爆炸问题，精确模拟水力系统特性。
初步计算显示HTSCUC问题求解存在显著时间波动，涉及3万离散变量及20-40万连续变量。HQ正开发高性能C++求解器并探索约束线性化优化。此研究为全球电力公司应对稳态与暂态稳定性挑战提供了重要参考和有效工具。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10840282
📖 第7篇
📌 基于流形特征插值的静态测量向动态测量保证性转换方法
Guaranteed Conversion From Static Measurements Into Dynamic Ones Based on Manifold Feature Interpolation
作者：Lihao Mai，Haoran Li，Yang Weng，Erik Blasch，Xiaodong Zheng
面对可再生能源渗透提升及电动汽车负荷波动带来的电力系统稳定性挑战，关键在于获取动态测量数据。鉴于高分辨率测量装置如PMU在配电网中部署有限，本文提出融合自编码器与曲率正则化的流形特征插值框架，系统性解决高低分辨率数据插值问题。
通过几何优化实现最优插值，证明插值误差受流形曲率上界约束。采用带曲率正则化的自编码器提取低曲率特征空间，使动态轨迹近似线性演化。基于此，融入随机物理信息神经网络（SPINN），将随机微分方程作为物理约束，确保插值结果既符合物理规律又满足概率分布特性。
案例涵盖输电网4节点系统和含光伏的配电网123节点系统，实现采样间隔从0.3秒提升至15毫秒，以及智能电表15分钟数据插值至1分钟。相较于立方样条和传统PINN，该方法在KL散度指标上表现最优（4节点0.206，123节点0.198），有效捕获系统动态特性与不确定性。
该研究首次结合几何优化与物理约束提供理论保证的插值精度，为经济高效的电力系统动态监测提供新途径，对促进高比例可再生能源并网具有重要实践价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10891664
📖 第8篇
📌 间谐波功率：电力系统振荡源定位的新概念
Interharmonic Power–A New Concept for Power System Oscillation Source Location
作者：Wilsun Xu，Jing Yong，Horacio J. Marquez，Chun Li
随着逆变器基可再生能源大规模并网，电力系统振荡问题日益突出。准确识别振荡源对有效抑制至关重要。本文创新地从实际电压电流波形角度，提出基于间谐波功率的振荡源定位新方法。
发现间谐波分量的存在是相量振荡的充分必要条件。振荡实为波形拍频效应，由间谐波与基频波相互作用产生。间谐波的产生与传播是振荡的根本原因，开创性地提供了全新理论视角。
基于理论突破，团队开发两种振荡源定位方法：基于测量的监测与基于模型的系统研究方法。测量法通过分析发电机端电压电流，提取三相间谐波有功功率，确定振荡源及贡献；模型法通过二维频率扫描与新指标发电机参与因子、谐振参与因子量化参与程度。
多案例验证了方法有效性，包括励磁问题同步发电机振荡、多风电和太阳能电站谐振振荡及变频驱动间谐波。所有案例均证实间谐波功率能准确识别振荡源，测量结果与理论高度一致，且实现简单，可集成现有监测设备。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10857400
📖 第9篇
📌 逆不确定性量化辅助电力系统动态仿真中的正向不确定性量化
Inverse Uncertainty Quantification Assisted Forward Uncertainty Quantification in Power System Dynamic Simulations
作者：Yongbing Yao，Yijun Xu，Wei Gu，Kai Liu，Shuai Lu，Lamine Mili
随着可再生能源、负荷及模型参数误差对电力系统动态影响增强，正向不确定性量化成为研究热点。精确量化依赖于准确输入不确定性建模。对于负荷与新能源，可直接依据测量数据获不确定性；但对惯性、阻尼比等瞬态参数不易测，传统假设分布方法牺牲准确性。
本文首次提出基于逆不确定性量化的框架，为瞬态参数提供准确不确定性描述，辅助正向量化达致更佳精度。采用分散策略解决高维逆问题，提升模型可扩展性。
方法结合贝叶斯推断和马尔可夫链蒙特卡洛采样，解决维度灾难，基于PMU完全解耦发电机状态。通过核密度估计和高斯Copula，确保样本统计信息的完整性和有效性。
在IEEE 39节点系统案例中，框架准确描述瞬态参数的非高斯联合概率分布，提供最大后验点、置信区间及参数相关性。对比传统假设分布方法，本框架在各种噪声及先验条件下展现更优性能，显著提升动态仿真与控制的可靠性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10870130
📖 第10篇
📌 电力系统设备的局部同步化研究
Local Synchronization of Power System Devices
作者：Ignacio Ponce，Federico Milano
面对现代电力系统设备多样化，传统基于同步发电机的同步定义已不适用。本文提出基于终端电压与注入电流复频率差异的局部同步概念，构建有界局部同步和渐近局部同步数学定义，为电力系统稳定性分析提供全新视角。
该定义具备三大优势：面向设备，能在连接点独立评估；基于可直接观测电气量；彻底独立于传统稳定性概念，拓展系统运行分析框架。系统分析涵盖同步电机、ZIP负载、感应电动机、不同类型逆变器的同步机制。
案例验证表明，在同步电机-无穷大系统中，系统稳定与设备局部同步高度一致。Kundur两区域系统即便失稳，发电机仍保持局部同步，体现同步与稳定的解耦性。IEEE 14节点极限环工况表明数学稳定性不保证局部同步实现。
该研究开辟电力系统同步分析新范式，未来可结合复频率测量开发同步控制策略，并拓展至网络区域同步分析，具备广泛应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10891837
📖 第11篇
📌 考虑离散跨时段约束的主动配电网多阶段鲁棒无功优化
Multi-Stage Robust Reactive Power Optimization in Active Distribution Networks With Discrete Intertemporal Constraints
作者：Zhongjie Guo，Wei Wei，Xiaoyu Cao，Weihao Hu
随着大量分布式可再生能源接入，主动配电网（ADNs）面临功率波动和电压稳定挑战。无功调节关键于提升性能，但离散调节设备（如SCB和OLTC）受总动作次数限制，传统优化难以保证实时鲁棒性与非预期性。
本文将无功调节建模为多阶段序贯决策过程，构建包含连续与离散变量的鲁棒优化模型。针对SCB和OLTC动作次数约束，引入边界变量和非预期性约束，将复杂多阶段问题转为两阶段鲁棒优化，使用分解算法高效求解。
基于边界变量构建时间解耦的最优潮流（OPF）策略，放松跨时段约束同时保证解满足所有约束条件。实验中，在改进IEEE 33、69和123节点系统测试，显著提升了系统应对可再生能源波动的能力。
相比现有显式策略，计算效率提升49.4%，目标函数值降低21.4%-38.5%，且更具可扩展性。与随机优化方法相比，保证100%样本内鲁棒可行性，样本外测试中保持较高可行性。该方法为高比例新能源配电网安全经济运行提供了新思路。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10891855
点击关注 获取更多精彩