✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Sustainable Energy期刊2026年issue2推送（第8期/共9期）。本期共收录10篇研究论文，内容聚焦高比例可再生能源并网背景下电力系统规划、运行与控制的前沿议题，主题涵盖海上风电的输电优化配置与电气汇集系统规划、风电场聚合建模、配电系统安全评估与电压控制、风电功率概率预测、多端直流输电柔性控制、以及数据驱动的能量与备用调度等方向。这些研究深入探讨了HVAC、HVDC、LFAC输电比较，基于N-1安全准则的电气汇集系统规划，采用符号回归的聚合建模，提出隐私保护的协同评估框架，发展了对缺失数据耐受的概率预测方法，基于多智能体强化学习与Transformer的短期预测模型等关键技术，为提升新型电力系统的经济性、可靠性与智能化水平提供了理论支撑与工程解决方案。
本期目录
📖 第1篇：面向远海风电场的中段电缆电抗补偿的 HVAC 输电优化配置
📖 第2篇：考虑N-1安全准则的海上风电场电气汇集系统优化规划
📖 第3篇：基于符号回归的物理信息驱动风电场详细聚合：结构、求解与泛化能力
📖 第4篇：高光伏渗透率配电系统多日运行安全的隐私保护协同评估
📖 第5篇：具备缺失数据耐受性的概率风电功率预测：一种端到端非参数方法
📖 第6篇：基于多智能体协同优化的智能配电网实时电压控制
📖 第7篇：缓解配电系统过电压的光伏逆变器区域下垂控制
📖 第8篇：基于强化学习的海上风电场接入多端直流输电系统柔性控制策略
📖 第9篇：考虑快速启动资源的风险主动鲁棒能量与备用调度：一种离-在线数据驱动框架
📖 第10篇：基于层次化特征依赖Transformer的恶劣海洋环境下短期海上风电功率预测
📖 第1篇
📌 面向远海风电场的中段电缆电抗补偿的 HVAC 输电优化配置
Optimal Configuration of HVAC Transmission With Mid-Cable Reactance Compensation for Far-Offshore Wind Farms
作者：Biao Zhao，Xinwei Shen，Yunfei Du
为解决远海风电场远距输电的工程问题，本文围绕海底电缆的“充电效应”与经济性展开研究，提出一套面向实际工程的优化配置框架。研究通过建立含中段电抗补偿的电缆模型，解析沿线电压与电流分布特征，指出电压存在“M”形分布、电流在近海端/中点/陆上端三处之一取最大值等关键规律。基于这些物理结论，作者识别出限制单根电缆传输的关键约束并构建了以最大传输容量为目标的优化问题，整体技术路线包括解析建模→约束识别→基于电力潮流近似的优化设计→经济性评估，输入为电缆参数、距离与风电场容量，输出为单缆额定功率与补偿配置方案。该工作在方法上与以往经验公式或纯数在仿真不同，强调物理解析与优化相结合，兼顾工程可实施性与经济评估。
实现层面上，本文采用基于DistFlow模型的潮流近似，将电压与电流限值、补偿位置等约束嵌入模型，并通过二阶锥规划（SOCP）求解最大单缆传输能力（MTC）。在数值实现上，作者对不同电缆类型与不同传输距离进行了参数扫描，考虑了电缆电抗、电容和阻抗随频率与温升的影响，并在优化中引入了电压上下限与导体热极限约束。为辅助工程决策，文中还提出了年化等效成本（AEC）评估框架——将初始投资、运行损失与运维费用进行年化处理，用以比较HVAC、HVDC与LFAC在不同距离与容量下的盈亏平衡点。关键实现要点包括对电缆模型的线性化近似、SOCP的稳定求解以及经济指标的敏感性分析。
实验与结论方面，本文在多组典型工况下给出定量结果，表明通过中段补偿可将HVAC的经济传输距离延长约10—100公里（随风电场容量而变），并通过AEC对比展示在多数远海场景下HVAC借助中段补偿可取得显著成本优越性。结果显示，在某些案例中单缆额定功率提高明显，传输成本下降并缩短盈亏平衡距离，工程结论指出：当电缆成本下降时HVAC优势更明显，而当海上平台集约化倾向增强时HVDC/LFAC竞争力提升。总体上，研究为远海风电输电方案选择提供了可量化的工程依据与优化工具，对于规划远海风电并网具有直接参考价值，供工程决策者在方案比选时采用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11124544
📖 第2篇
📌 考虑N-1安全准则的海上风电场电气汇集系统优化规划
Optimal Planning for Offshore Wind Farm Electrical Collector System Considering $N-1$ Criterion
作者：Haowei Yang，Xinwei Shen，Wenhao Gao，Xiaochi Ding，Yunfei Du，Qingxin Li
本文面向海上风电场的电气汇集系统（ECS）规划问题，目标是在满足N-1复合环可靠性准则下实现总成本最小化。不同于以往预设单一拓扑（如双环或单侧接入）并用启发式搜索的方法，作者提出一个基于场景集的数学优化框架，允许在优化过程中动态生成满足N-1约束的非预设拓扑结构。整体流程包括故障场景集生成→拓扑与电缆规格联合选择的整数规划建模→规模化求解加速策略。该方法的输入为风机位置、海底布线候选边、电缆规格与成本参数，输出为满足N-1约束的最优布局与电缆选型方案，技术路线旨在实现“可靠性约束下的全局寻优”。
在模型化细节上，本文将电缆选型与拓扑同步建模，形成含二进制与连续变量的混合整数线性规划。为应对大规模问题的计算挑战，论文提出多项求解加速策略：候选电缆集缩减、故障场景降维、非交叉约束松弛及基于热启动加速的启发式预解。这些技术在保留约束完整性的前提下显著降低了计算复杂度，使得模型可在工程尺度（几十到上百台风机）上求解出高质量可行解。此外，模型对成本项、可靠性约束与电缆物理约束进行了全面刻画。
在数值验证中，本文首先对36台风机的测试系统进行了对比实验，结果表明相较于传统双环路规划方法，总成本降低约16%—18%；当进一步加入电缆选型变量时，成本降幅可达19.7%。在Sheringham Shoal真实风电场（88台风机、两座海上升压站）验证中，所提方法相较于双环路基准节约成本17.1%，相较于CSI结构基准节约23.0%，证明了方法的可扩展性与经济优越性。这些结果表明，通过数学优化生成的N-1复合环拓扑在可靠性与成本间能取得更佳折衷，适用于大型与深远海风电场的工程规划。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11203283
📖 第3篇
📌 基于符号回归的物理信息驱动风电场详细聚合：结构、求解与泛化能力
Physical-Informed Detailed Aggregation of Wind Farm Based on Symbolic Regression: Structure, Solution and Generalizability
作者：Xingyu Shi，Duange Guo，Weiyu Wang，Yijia Cao，Mengxuan Shi，Yong Li，Lu Zhou
本文面向风电场并网后对电力系统多时间尺度动态响应的建模需求，提出一种符号回归结合物理信息的灰盒聚合方法，以兼顾长期机电动力学与短时电磁暂态特性。文章首先从集电网及DFIG子模块的物理约束出发，构建适用于电磁暂态的聚合结构，通过结构化的符号回归形式将物理先验与数据驱动有机结合，输入为多台机组的时域响应数据与机组参数，输出为低阶且物理可解释的聚合模型。与传统加权平均或纯参数辨识方法相比，本文方法在保留关键物理行为的同时显著降低模型复杂度，提高泛化能力。
在求解策略上，本文采用稀疏松弛正则化（SR3）进行解析优化，并引入稀疏化与正则化项以提升模型的可推广性与稳健性。训练/求解流程包括：数据预处理与特征构造→符号候选库生成→SR3求解稀疏回归系数→模型简化与物理一致性检验。关键实现包括对高维候选函数空间的稀疏化处理、对噪声数据的鲁棒正则化，以及基于近端梯度的泛化性证明。文中对超参数调优、采样频率与时间窗口敏感性进行了详细说明，指出在实践中应关注SR3算法的稀疏权重与正则化系数设定以平衡拟合与泛化。
数值验证覆盖5台至30台参数差异的DFIG风电场以及HVDC并网情形，结果指出：在HVDC并网场景下模型阶数从809阶降至56阶，计算时间由423秒缩短至10秒，有功、无功拟合精度分别达到0.98与0.97，说明聚合模型在保持高拟合精度的同时大幅提升仿真效率。作者还通过消融实验验证了物理先验与符号回归结合的必要性，并展示了对采样间隔与时间窗长度的敏感性分析。总体结论表明，该方法能在保持物理可解释性的前提下，为大规模风电场的稳定性分析与实时仿真提供高效且精准的模型工具。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11204537
📖 第4篇
📌 高光伏渗透率配电系统多日运行安全的隐私保护协同评估
Privacy-Preserving Collaborative Assessment of Multi-Day Operation Security in Distribution Systems With High Levels of PV Penetration
作者：Xutao Han，Zhiyi Li，Xin Fang，Zhihao He，Mohammad Shahidehpour
针对高渗透光伏配电系统在极端天气下跨日耦合不确定性与隐私信息共享的矛盾，本文提出一种隐私保护的协同评估框架。文中首先基于优化的鞅过程刻画了光伏与负荷预测误差的多日演变，将非线性误差增长近似为具有累加方差的高斯混合过程，从而得到可用于多日安全评估的误差边界。基于此不确定性刻画，作者构建了“乐观-悲观”两套评估模型，用以分别评估最佳与最差场景下配电系统的运行安全性，能够识别功率失衡、线路过载和电压越限等不同失稳类型。
为在保持各参与方隐私的前提下实现协同计算，论文提出了增强型Benders分解（EBD）算法的两种变体（O-EBD与P-EBD），通过统一的对偶割集與可行性恢复割集使配电网运营商（DSO）与微网主控制器（MMC）仅交换公共耦合点功率。该实现细节包括对偶变量的隐匿传递机制、收敛判据设计与子问题的并行求解策略。关键约束与损失考量囊括电能平衡、稳态电压限值及设备运行极限，且方法在理论上证明了收敛性与最优性保证。
数值实验在多种极端天气情景下验证了该方法的性能，结果显示在保护隐私的同时实现了对系统安全性准确的评估与快速的决策支持。作者强调该框架具有良好的隐私保护特性、时间可行性与收敛性与最优性保证，适合实际含多主体的配电系统在面临长时不确定性时作为运维与应急评估工具，能够提升系统对气候极端事件的韧性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11199884
📖 第5篇
📌 具备缺失数据耐受性的概率风电功率预测：一种端到端非参数方法
Probabilistic Wind Power Forecasting With Missing Data Tolerance: An End-to-End Nonparametric Approach
作者：Zichao Meng，Ye Guo，Chenhao Zhao
本文针对风电功率预测中常见的观测缺失问题，提出一种集成缺失插补与概率预测的端到端非参数方法。不同于传统的两阶段插补—预测流程，作者将插补过程嵌入预测模型训练，使插补结果在训练中受预测目标驱动，从而降低缺失数据对预测性能的负面影响。方法不依赖对输出分布的先验假设，直接学习条件分布的非参数表示，适用于非平稳与非高斯的风电功率序列。
在训练与在线推理过程中，本文采用了包括分位数回归的针球损失与均方误差项的复合损失函数以兼顾概率可靠性与插补精度，训练通过迭代更新插补与模型参数实现端到端收敛。文中给出关键实现超参数设置、批次训练策略与在线滚动插补流程，并对高缺失率场景（如50%缺失率）下的鲁棒性措施进行了说明。该方法利用深度网络的非线性逼近能力，有利于刻画复杂的时间相关性与预测不确定性。
在真实风场数据上的实验表明，所提方法在不同缺失率与多步预报任务中均优于传统两阶段插补—预测基线，在可靠性、锐度及综合技能分数上均有显著提升，且在高缺失率下性能仅轻微下降，体现了良好的工程适用性。文中还通过对比参数化端到端方法证明了非参数框架在多步概率预测场景的优势，结论表明该方法可以显著提升风电并网调度与备用容量规划的可靠性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11180899
📖 第6篇
📌 基于多智能体协同优化的智能配电网实时电压控制
Real-Time Voltage Control in Smart Distribution Network Through Multi-Agent Cooperative Optimization
作者：Na Xu，Chaoxu Mu，Liang Ma，Ke Wang
面对分布式可再生能源引起的配电网电压波动问题，本文构建了基于多智能体强化学习（MARL）的实时电压控制框架，将配电网中的每个可控节点建模为一个智能体，问题形式化为POMDP（部分可观测马尔可夫决策过程）。整体架构采用集中式训练、分布式执行（CTDE），在训练中引入合作优势函数以促进智能体间的协调，目标为在不可靠通信与观测噪声下仍保持电压在安全区间并最小化无功成本与网损。
技术实现上，本文设计了安全区域策略更新机制，使得策略在不同电压区间自适应调整更新频率与目标；同时引入合作优势函数来衡量联合动作的全局贡献，提升协同行为的收敛效率。训练细节包括状态/动作空间设计、奖励函数构造、经验回放机制与策略梯度优化器配置（如近端策略优化或其他基于策略梯度的方法），并讨论了部署时的通信负载与实时响应要求。
仿真实验在改进的IEEE 13节点/123节点及不平衡三相系统上展开，与传统集中式优化与单智能体方法相比，MARL方案在电压偏差积分、无功使用成本、有功网损和平均恢复时间等指标上均表现更优，且在高渗透可再生能源场景下保持鲁棒性。作者指出该方法能够实现更低的降低无功功率使用与更快的电压恢复，对于提高配电网的自愈能力与运行效率具有明显价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11124336
📖 第7篇
📌 缓解配电系统过电压的光伏逆变器区域下垂控制
Regional Droop Control of PV Inverters for Mitigating Over-Voltages in Power Distribution Systems
作者：Xuanyi Xiao，Yunmin Zhang，Zhiyi Li，Chun Chen，Xutao Han，Yijia Cao，Mohammad Shahidehpour
本文针对配电网光伏高渗透导致的过电压问题，尤其关注通信与数据不足的农村或基础设施欠发达地区，提出一种面向光伏逆变器的区域下垂控制策略。核心思想是在光伏密集区域内选择电压最高的母线作为统一的电压反馈点，使得区域内逆变器基于该统一反馈实现协同无功调节，从而在仅需少量通信链路的情况下显著提升过电压抑制效率。该方法在控制架构上介于完全本地化与集中式控制之间，兼顾了通信开销与控制效果。
为避免下垂控制引入的电压振荡，本文在控制律中加入了带记忆功能的惯性项，即通过引入惯性系数来平衡响应速度与动态稳定性。理论分析给出了单区域与双区域情形下电压动态稳定的充要条件。实现细节包括采样与滤波策略、逆变器无功上限保护与通信延时容忍设计，确保在实际工程中易于部署。
基于改进的33节点与51节点农村配电系统仿真表明，与传统局部下垂控制比较，该区域下垂方法在光伏高峰出力时段能吸收更多无功并将母线电压维持在允许范围内，从而将光伏渗透率提升约5.8%，年光伏消纳量增加约15万千瓦时。由于该方案仅需少量测量与通信资源且不依赖线路阻抗数据，因而在基础设施欠发达地区具有很高的推广价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11129975
📖 第8篇
📌 基于强化学习的海上风电场接入多端直流输电系统柔性控制策略
Reinforcement Learning-Based Flexible Control in MTDC System for Offshore Wind Farm Integration
作者：Yuanshi Zhang，Yiwen Feng，Fei Zhang，Haizhou Liu，Qinran Hu，Tongxin Xu，Bingxu Zhai，Liwei Wang
针对海上风电接入基于电压源换流器的多端高压直流（VSC-MTDC）系统，本文提出一种基于强化学习（PPO）的柔性控制策略，用于动态调整换流站本地下垂系数以实现稳健的电压调控与功率分配。传统基于模型的控制在面临强扰动与建模不确定性时往往力不从心，而RL方法通过与环境交互学习可获得自适应策略，适用于快速变化的海上风电场工况。
为加速训练收敛，本文提出了联合MTDC系统预评估與PPO初始化方法，在训练前使用系统状态信息对策略与价值网络进行初始化，避免盲目探索导致的收敛缓慢。此外，引入了PSVRE指标（功率分配与电压调控误差）将多目标问题转化为单目标优化，便于在训练中通过自适应加权平衡功率分配精度与电压偏差。实现细节包括状态与动作归一化、奖励设计、约束处理与仿真平台的工况生成。
在MATLAB/Simulink五端MTDC系统的动态仿真中，所提方法在应对大幅风电功率波动与换流站退出等事件时展现出更优的功率分配精度與更快的电压恢复能力，相较模型预测控制或分布式PI等基线方法在收敛速度与约束满足度上均具有明显优势。论文讨论了离线训练与在线部署的工程对接问题，指出RL策略在满足安全约束与可解释性方面仍需结合工程约束的混合方案以实现工业化应用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11301667
📖 第9篇
📌 考虑快速启动资源的风险主动鲁棒能量与备用调度：一种离-在线数据驱动框架
Risk-Proactive Robust Energy and Reserve Scheduling Considering Quick-Start Resources: An Offline-to-Online Data-Driven Framework
作者：Zhi Zhang，Yanbo Chen，Can Wang，Huanyu Hu
本文面向高比例可变可再生能源（VRE）并网情形中的能量與备用调度问题，提出了一种风险主动的鲁棒能量与备用调度（RERS）框架，实现离线风险学习與在线快速决策的耦合。核心思想是通过数据驱动方式量化运行风险并构建可调不确定集以替代传统静态不确定集，从而在两阶段鲁棒调度中自适应地调整备用配置，充分利用快速启动资源的灵活性。
具体实现上，本文采用保守稀疏神经网络（CSNN）学习不确定集边界到运行风险的映射，并用Big-M线性化将学习模型嵌入到混合整数优化中，避免分段线性化带来的精度损失。基于此构建了可调不确定集（AUS），使在线调度能在不同风险水平下动态调整备用容量；同时针对储能系统提出了包含模式切换的备用模型以挖掘快速启动资源潜力。为提升求解效率，论文改进了列与约束生成（C&CG）算法。
算例结果表明：使用CSNN所构建的风险映射能有效实现成本与风险的折衷，所提储能备用模型使VRE消纳能力显著提高，备用容量增长约45.5%；改进的C&CG算法求解速度比嵌套C&CG提高约6倍，具备工程实用性。综上，该离—在线数据驱动框架在面对VRE大幅波动与快速启动资源时，为经济安全的系统调度提供了新的可行路径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11225924
📖 第10篇
📌 基于层次化特征依赖Transformer的恶劣海洋环境下短期海上风电功率预测
Short-Term Offshore Wind Power Forecasting in Volatile Marine Environments Based on a Hierarchical Feature-Dependency Transformer
作者：Tianshuai Pei，Keqi Chen，Lina Yang，Xinzhang Wu，Yunxuan Dong
面对恶劣海洋环境下海上风电时空异质性和突变事件，本文提出Hieroformer，一种基于Transformer并融入物理归纳偏置的层次化特征依赖模型。该模型通过构建层次感知注意力与动态特征依赖结构来捕捉因果信息流，而非简单依赖静态相关性，从而在台风等极端事件中仍能保持预测可靠性。输入包括历史风速、风向、海况与功率序列，输出为短期多步功率概率预测或确定性预测结果。
模型设计上，本文引入了层次化特征依赖网络、物理归纳偏置的注意力机制及频域预处理（带通滤波器），并在Transformer自注意力中加入位置与频域信息以突破排列不变性的限制。训练细节涵盖数据增强、滑动窗口采样、损失函数中的加权组合（例如MSE与频域一致性项）、优化器选择与学习率调度等要点。模型还通过消融实验验证各组成模块的贡献，展示良好的泛化能力与工程可解释性。
在三个真实海上风电数据集上的实验结果显示，Hieroformer在MSE与MAPE等指标上平均相较基线提升约10%，并能在极端事件中保持稳定性。此外，作者通过经济分析说明预测精度提升可直接转化为降低备用容量成本，对电网运营的经济效益具有实际意义。整体上，Hieroformer为海上风电短期预测在动态复杂环境下提供了新的建模范式。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11159150
点击关注 获取更多精彩