✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Power Systems 2025年issue3最新研究精选（第4期/共6期）。本期聚焦电力系统前沿技术，涵盖次同步振荡定位（SSCI）、广域阻尼控制（WADC）、配电线路参数修正、瞬态稳定约束优化电力流（TSC-OPF）、非线性DAE模型降阶、DFIG风电场等效建模等核心议题。特别值得关注的是，多篇研究创新性地应用深度学习框架（如主从架构、图神经网络）和自监督学习技术解决大规模电力系统优化问题，同时涉及泵蓄水电站液压短路模式、区域间直流输电调度等工程实践突破，展现了人工智能与电力系统深度交叉的研究趋势。
本期目录
📖 第1篇：基于重定向瞬时频率的电力网络SSCI振荡定位新方法
📖 第2篇：基于模态特征值重新对齐的新型广域阻尼控制器设计
📖 第3篇：基于重合器数据的新型配电线路参数修正模型
📖 第4篇：实时瞬态稳定约束优化电力流的主从深度学习框架
📖 第5篇：保护结构的非线性微分代数方程电力网络模型的降阶方法
📖 第6篇：动态频率响应下的大型ES嵌入式DFIG风电场小信号等效建模
📖 第7篇：基于卷积图神经网络与参数迁移的区域光伏电力短期概率预测
📖 第8篇：自监督学习在大规模安全约束直流最优潮流中的应用
📖 第9篇：基于稳健软演员评论算法的电力系统风险调度方法研究
📖 第10篇：基于可再生能源的日内惯性预测预测与优化模型
📖 第11篇：泵蓄水电站最优短期调度方法：引入液压短路操作模式
📖 第12篇：大规模区域间直流输电调度：一种分解协调框架
📖 第1篇
📌 基于重定向瞬时频率的电力网络SSCI振荡定位新方法
A Realigned Instantaneous Frequency Approach for SSCI Oscillation Localization in Power Networks
作者：Taimur Zaman, Mazheruddin Syed, Zhiwang Feng, Graeme Burt
在电力网络中，由于次同步控制交互（SSCI）引起的电网振荡检测和定位面临诸多挑战。主要问题包括相量测量单元的有限报告速率、谱泄漏，以及因时间变化导致的频率干扰等。为准确检测振荡并定位参与源，本文提出了一种基于重定向瞬时频率的系统化方法，利用同步波形（synchro-waveforms）进行振荡模式提取。首先，借助时间频率变换提取振荡模式，构建了一种抗噪声和时变约束的重定向瞬时频率算法，并通过自适应窗体提升了能量集中度。随后，根据在不同操作条件下提取的模式构建了一个去耦合的导纳模型，以识别网络中复杂振荡的活跃和无功源。实验结果表明，所提出的方法在处理含有SSCI振荡的样本网络和实际数据时，表现出有效性和鲁棒性，特别是在噪声较大的环境中展现出优越的适应性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10705040
📖 第2篇
📌 基于模态特征值重新对齐的新型广域阻尼控制器设计
A Novel Modal Eigenvalue Realignment-Based Design of Wide-Area Damping Controller for Inter-Area Oscillations in Modern Power System
作者：Kundan Kumar, Abhineet Prakash, Khaled Al Jaafari, S. K. Parida
在现代电力系统中，间区振荡（IAMs）的不足阻尼问题日益突出，可能导致大规模停电。本文提出一种基于模态特征值重新对齐（MER）的方法，以提取单模反馈信号。相比于传统方法，作者的创新之处在于简化了信号选择过程。新设计的广域阻尼控制器（WADC）通过高压直流（HVDC）连接线和同步发电机的励磁器作为补充输入信号。研究表明，新的反馈控制结构在多变的操作条件下依然稳健，能够持续有效地抑制IAM的振荡。通过实时硬件在环（HIL）仿真，验证了所设计WADC在实际电力系统应用中的有效性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10848129
📖 第3篇
📌 基于重合器数据的新型配电线路参数修正模型
A New Distribution Line Parameter Correction Model Using Field Recloser Data
作者：Yitong Liu, Alireza Rouhani, Junbo Zhao, Mamadou Diong, Keith Scott
本文提出了一种新型的配电系统参数修正方法，该方法利用重合器的监控数据及SCADA系统所提供的可用数据，无需电压相位角信息。这一模型通过将参数修正问题分解为状态估计子问题和参数估计子问题。通过针对一个实际的、三相不平衡的2135节点的Dominion Energy配电系统进行测试，研究结果表明，与其他方法相比，提出的参数修正模型在参数准确性上有显著改善。研究表明，利用该新型参数修正模型不仅能提高配电系统中的参数估计精度，而且对于各阶段的功率流稳定性也有积极的影响。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10887364
📖 第4篇
📌 实时瞬态稳定约束优化电力流的主从深度学习框架
A Master–Slave Deep Learning Framework for Real-Time Transient Stability-Constrained Optimal Power Flow
作者：Yuchen Zhang, Yan Xu, Yateendra Mishra, Zhao Yang Dong
瞬态稳定约束优化电力流（TSC-OPF）是一种确保电力系统在经济调度环境中动态安全的有效方法。本文提出了一种主从深度学习框架，将TSC-OPF优化问题转换为机器学习任务。该框架通过一个专注于TSC-OPF学习的主模型和多个从模型构成，从模型负责验证个别故障下的TSC合规性。该框架与训练算法已在新英格兰和澳大利亚电力系统上进行验证，确认了数据驱动系统在毫秒级内交付实时TSC-OPF解决方案的能力。通过将瞬态稳定约束纳入实时调度中，TSC-OPF的实现显著提高了电力系统的可操作性，尤其是在可再生能源资源变化增大和系统强度降低的环境下。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10758230
📖 第5篇
📌 保护结构的非线性微分代数方程电力网络模型的降阶方法
Structure-Preserving Model Order Reduction for Nonlinear DAE Models of Power Networks
作者：Muhammad Nadeem, Ahmad F. Taha
本文探讨了一种针对电力网络非线性微分代数方程（NDAE）模型的降阶方法，旨在同时减少动态和代数状态的数量。提出的MOR技术具有以下特点：（i）无须对系统进行线性化处理；（ii）不需要转换为等效的ODE形式；（iii）保证降阶模型保持NDAE结构。在对2000个节点的电力系统进行的案例研究中，结果显示所提MOR技术能够有效降低系统阶数而不损失准确性。本文的贡献在于提出了两种针对非线性电力系统模型的MOR技术，能够促进电力系统动态过程的实时控制和状态估计。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10753627
📖 第6篇
📌 动态频率响应下的大型ES嵌入式DFIG风电场小信号等效建模
Small Signal Equivalent Modeling for Large ES-Embedded DFIG Wind Farm With Dynamic Frequency Response
作者：Wei Dai, Jun Xu, Hui Hwang Goh, Tonghui Shi, Zhihong Zeng
本文提出了一种新的频率响应等效模型，能够有效表示ES嵌入式DFIG风电场的动态特性。本文的创新之处如下：首先，提出了一种首次捕捉ES嵌入式DFIG的初级频率调节响应特性的等效模型；其次，基于多机等效模型，考虑多种运行状态的DFIG与ES间的协调控制；此外，建立了一种新的两阶段参数识别方法。通过对多大型风电场在两区四发电机系统下的验证，结果表明所提出的模型能有效地再现ES嵌入式DFIG风电场的频率响应特性，并在不同风速和负荷扰动条件下展现出良好的效果。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10690266
📖 第7篇
📌 基于卷积图神经网络与参数迁移的区域光伏电力短期概率预测
Short-Term Probabilistic Forecasting for Regional PV Power Based on Convolutional Graph Neural Network and Parameter Transferring
作者：Fan Lin, Yao Zhang, Hanting Zhao, Wei Huo, Jianxue Wang
本研究提出了一种新颖的端到端深度学习模型，用于短期概率区域光伏（PV）电力预测。该模型采用两层本地-全球结构。在本地层，构建了一个动态空间卷积图神经网络（CGNN）；在全球层，提出了一种动态图池化方法。为了避免过拟合，本研究还提出了一种基于参数转移学习的新训练策略。通过使用公共真实数据集进行实验验证，结果表明所提出的模型在提供高质量和可靠的短期概率区域PV电力预测方面优于现有技术。本研究的创新点包括：1) 提出了一种两层本地-全球框架；2) 开发了动态空间CGNN结构；3) 提出了动态图池化方法；4) 设计了一种基于参数迁移的训练策略。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10758703
📖 第8篇
📌 自监督学习在大规模安全约束直流最优潮流中的应用
Self-Supervised Learning for Large-Scale Preventive Security Constrained DC Optimal Power Flow
作者：Seonho Park, Pascal Van Hentenryck
本文提出了一种自监督的原始-对偶学习框架，称为PDL-SCOPF，以便在几毫秒内为大规模的SCOPF问题提供近似最优解。PDL-SCOPF 模仿增广拉格朗日方法（ALM），通过一个原始网络与一个对偶网络的联合学习。PDL-SCOPF不仅引入一个修复层，以确保功率平衡的可行性，还结合了一个二分查找层，用于在发生故障时计算发电调度。通过在六个特定测试场景中的实验，研究结果表明，PDL-SCOPF不仅保持了良好的可扩展性和准确性，还展示了在大规模电网优化中强大的应用价值。与现有的监督学习和自监督方法相比，PDL-SCOPF在没有任何约束违规的情况下，能以极小的最优性间隙提供预测。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10753018
📖 第9篇
📌 基于稳健软演员评论算法的电力系统风险调度方法研究
Risk-Based Dispatch of Power Systems Incorporating Spatiotemporal Correlation Based on the Robust Soft Actor-Critic Algorithm
作者：Jianbing Feng, Zhouyang Ren, Wenyuan Li
本文提出了一种基于安全深度强化学习(SDRL)的风险调度方法，称为考虑时空相关性的风险调度(SC-RD)。为有效解决SC-RD模型，本文提出了一种新颖的稳健软演员评论算法(R-SAC)。本文建立了一种基于约束马尔可夫决策过程(R-CMDP)的稳健模型，将风险指标定义为条件价值在险(CVaR)。在实际应用中，利用修改过的IEEE-39、IEEE-118及南卡罗来纳500个节点测试系统验证了所提出模型和解决方案的有效性。结果显示，考虑时空相关性的SC-RD模型在操作安全性和成本控制上均优于传统的风险调度方法。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10752422
📖 第10篇
📌 基于可再生能源的日内惯性预测预测与优化模型
Predict-and-Optimize Model for Day-Ahead Inertia Prediction Using Distributionally Robust Unit Commitment With Renewable Energy Sources
作者：Fu Shen, Yang Cao, Mohammad Shahidehpour, Xiaoyuan Xu, Chong Wang, Jian Wang, Suwei Zhai
本研究提出了一种预测-优化（PAO）模型，旨在通过分布式鲁棒单元承诺（DRUC）来改善日内惯性预测。该模型以核密度估计（KDE）为基础，首先获得日内惯性的 probabilistic prediction。通过将惯性预测方法嵌入到DRUC中，并结合相关特征与DRUC费用的闭环反馈，形成了一种新的基于成本的日内惯性预测方法。PAO通过滚动更新技术训练，以有效捕捉惯性的时间序列特点。经过对芬兰电力系统的案例研究，结果显示，所提出的PAO模型在预测精度上优于传统的PTO模型，同时带来的重新调度成本增量较小。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10754897
📖 第11篇
📌 泵蓄水电站最优短期调度方法：引入液压短路操作模式
Optimal Short-Term Dispatch of Pumped-Storage Hydropower Plants Including Hydraulic Short Circuit
作者：Francesco Gerini, Elena Vagnoni, Rachid Cherkaoui, Mario Paolone
本文提出了一种优化泵蓄水电站多台机组调度的方法，特别是引入了液压短路（HSC）操作模式。这一新模式允许同一电站的不同机组同时进行发电和抽水，从而优化电力 dispatch 和备用能力。研究首先介绍了原始的混合整数规划（MIP）问题及其计算复杂性，接着提出了一种通过高效解决一组凸优化子问题得到的最优调度算法。HSC 操作模式的引入，虽然带来了流量损失的问题，但同时使泵蓄水电站能够更好地参与到频率调节市场（aFRR）中。该优化方法展示了在优化泵蓄水电站的运行效率和调度灵活性方面的明显优势。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10684150
📖 第12篇
📌 大规模区域间直流输电调度：一种分解协调框架
Large-Scale Inter-Regional Tie-Line Dispatching: A Decomposition-Coordination Framework
作者：Jifeng Cheng, Jiajue Li, Junjie Sun, Yangyang Ge, Qiang Zhang
本研究提出了一种基于网络流（NF）的直流输电调度框架。本文创新性地提出了一种新的调度框架，该框架集合了增强的建模技术、高效的分解策略和改进的协调算法。首先，我们基于最小功率单元（MPU）构建了调度模型；其次，提出了一种称为虚拟节点解耦（VND）的模型分解策略；最后，发展了一种经过检查的拉格朗日松弛（CLR）算法。通过对IEEE-300系统的案例研究，验证了所提框架的有效性。结果表明，MPU-VND-CLR框架能够有效地获取可行的调度解决方案，并且在解决大规模问题时，模型规模减少至原来的1/8，求解时间缩短至1/3。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10758738
点击关注 获取更多精彩