✦ 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1期/共6期）。本期推送共包含10篇研究论文，聚焦于智能电网与电力系统前沿技术，涵盖电力负荷超分辨率重建、电动汽车与充电设施规划、直流微电网稳定性、配电网状态估计、窃电检测与隐私保护、光伏承载能力估计等关键研究方向，展现了电力系统在数据驱动、优化算法和新能源集成方面的最新进展。
本期目录
📖 第1篇：基于对比与内部学习的无监督电力负荷超分辨率重建
📖 第2篇：物流中心快速充电站双层迭代容量规划方法
📖 第3篇：自适压损与多车编组约束下自耦变压器供电系统的最优疏散列车运行图
📖 第4篇：基于拓扑引导的配电网聚类与边缘估计点分配监测方法
📖 第5篇：多源直流微电网模式切换中状态空间变化引发的电压失稳机理研究
📖 第6篇：考虑电动汽车最大功率消耗与注入的直流牵引系统潮流方程可解性条件
📖 第7篇：基于电动汽车聚合虚拟电厂与均值场博弈策略的二次频率调节
📖 第8篇：基于量化聚合异构电动汽车灵活性的可再生能源跟随策略
📖 第9篇：RE4ETD：基于相对熵优化的高效窃电检测与双重隐私保护方法
📖 第10篇：基于智能电表数据的DER丰富馈线光伏承载能力概率估计
📖 第1篇
📌 基于对比与内部学习的无监督电力负荷超分辨率重建
Unsupervised Power Load Super-Resolution Based on Contrastive and Internal Learning
作者：Yu He，Fengji Luo，Salil Kanhere，Gianluca Ranzi
本文针对电力负荷超分辨率中高分辨率数据难以获取的现实挑战，提出了一种创新的无监督负荷超分辨率系统。系统基于自学习技术，无需高分辨率负荷数据训练，即可生成高精度负荷数据。核心创新在于结合对比学习和内部学习机制。方法通过数据增强生成多样噪声负荷变体，并通过对比学习区分类似与差异负荷曲线。内部学习则学习低分辨率与降分辨率噪声数据间的关系，实现高分辨率重建，解决以往依赖高分辨率数据训练的局限。
系统实现包括增强变体生成、对比学习过程及噪声识别模块。采用无监督噪声识别提升重建精度，结合多尺度损失优化模型训练；数据增强和特征对比确保模型在无标签数据下稳定训练。该设计有效解决了传统方法中对成对数据的依赖，具备低数据需求与高鲁棒性。
在真实世界数据集上的实验表明，本技术在无监督条件下性能可比拟有监督方法，且对不同缩放因子负荷超分辨率任务均表现良好。尤其在含噪声场景中，系统显示出明显优于传统方法的鲁棒性。此外，该方法为智能电网中老化智能电表提供了经济且有效的重建方案，支持需求侧管理及异常检测应用。综上，所提无监督框架为高分辨率负荷数据稀缺问题提供了创新解决方案，具有广泛工程应用潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11032179
📖 第2篇
📌 物流中心快速充电站双层迭代容量规划方法
Two-Layer Iterative Sizing for Logistics Centers Equipped With Fast Charging Stations
作者：Xuan Jiang，Qianwen Xu
本文针对物流中心在交通电气化加速背景下快速充电站(FCS)集成问题，提出了面向北欧电力与平衡市场的双层迭代容量规划方法。方法创新构建了规划层与运行层的协同优化框架，规划层最小化储能系统(ESS)、光伏(PV)、充电桩及等待空间投资成本，运行层聚焦降低运营成本并参与日前市场交易及辅助服务。特别设计了自然聚合算法应对非线性约束，和随机加权鲁棒优化(SWRO)处理需求及发电不确定性。
实现上，双层结构中规划层与运行层通过迭代传递信息达成收敛。非线性M/M/s/N排队模型通过自然聚合简化。SWRO模型通过多样化不确定参数采样保证鲁棒。关键参数设计包括设备日成本折算与辅助市场收益计入，确保经济性与实用性的平衡。
案例以斯德哥尔摩物流中心为例，最优配置为3MWh储能容量、400kWp光伏装机、6个快速充电桩及2个等待车位。日均总成本为2008瑞典克朗，运行收益达到4182克朗。储能系统收益是投资回收关键，光伏容量达到场地最大，等待空间优化降低成本约10.71%。方法相较传统随机规划，运营收益提升43.54%，较单日鲁棒优化提升48.62%。该方法兼顾经济性与可靠性，对交通碳中和意义重大。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11005442
📖 第3篇
📌 自适压损与多车编组约束下自耦变压器供电系统的最优疏散列车运行图
Train Diagram for Optimal Evacuation With Self-Adaptive Voltage Loss and Multi-Train Organization Constraints in Autotransformer Supply Systems
作者：Junshan Liu，Haolin Li，Linbo Zhang，Zaibin Jiao，Haoran Geng
本文针对偏远地区电力系统故障引发牵引供电中断问题，提出通过互联微电网与疏散调度优化保障自耦变压器供电区段内电力机车的安全疏散。建立基于速度-时间网格的多列车运行组织约束，利用移动闭塞系统生成安全疏散运行图，有效避免碰撞。
设计自适应电压损失约束以保证复杂运行工况的电压安全，构建包含Vv变压器、柴油发电机、储能系统的设备模型，并建立完整三相潮流约束，实现疏散与电力供应的协同最优。模型线性化为混合整数线性规划，适用于单轨自耦变压器牵引变电站供电臂的数值验证。
数值结果显示，60公里供电区段内疏散时间最短为28分钟，计算效率为331秒，电压损失误差控制在1.69%以内，功率损耗最大仅0.63%，显著提升偏远地区铁路应急响应能力。该方案为电力中断下列车安全疏散提供实用技术保障，具有重要工程意义。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10962320
📖 第4篇
📌 基于拓扑引导的配电网聚类与边缘估计点分配监测方法
Topology Guided Network Clustering and Allocation of Edge Estimation Points for Monitoring of Distribution Networks
作者：Muneeb Mushtaq Sheikh，J. G. Sreenath，Praveen Tripathy，Ravindranath Adda
针对传统配电网向主动配电网转型下实时状态估计关键需求，本文创新性引入边缘计算架构。通过将大规模配电网划分为多个均衡规模集群，以及战略性分配边缘估计点，显著减少状态估计运行时间和通信延迟，提升数据处理效率。
方法通过构建包含成本、径向拓扑凝聚力、通信量及状态变量平衡四个目标的约束多目标优化模型，采用改进的非支配排序遗传算法II，结合引导径向突变、特征交叉及分区拓扑加速，提升算法收敛速度与最优解多样性。
在IEEE 123总线和37总线系统的仿真验证中，该方法产生与目标高度一致的集群划分，显著优化状态估计运行时间。解决方案融合远程终端与微相量测量，提升信息融合效率，改进算法实验证明了在多目标权衡中获得优异表现，具备良好的工程应用潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11039110
📖 第5篇
📌 多源直流微电网模式切换中状态空间变化引发的电压失稳机理研究
State-Space Variation Induced Instability During Mode Switching in Multi-Source DC Microgrid
作者：Shanshan Jiang，Zelin Sun，Jiankun Zhang，Hua Geng
本文研究多源直流微电网中模式切换过程的状态空间变化，及其引发的电压失稳机理。分析模式切换的动态行为，提出了一种针对状态空间切换稳定性的分析方法，并揭示由不同源控制策略耦合导致功率不平衡，加剧系统失稳的物理机制。
为解决该难题，构建了扩展模式调度控制策略，引入过渡模式集合，覆盖稳态及瞬态模式，增强系统瞬态调节能力。该控制策略通过调整系统切换轨迹，确保切换过程中系统持续稳定运行，有效改善稳定性，提升应急响应能力。
实验验证表明，该方法能够准确揭示失稳根源，且控制策略显著提高系统稳定性能。创新点包括状态空间切换稳定性分析方法及过渡模式调度，成果为多模式大规模直流网络系统提供理论与实践指导，助力提升数据中心、电动汽车等关键领域的系统安全性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11051022
📖 第6篇
📌 考虑电动汽车最大功率消耗与注入的直流牵引系统潮流方程可解性条件
Solvability Conditions of Power-Flow Equation for DC Traction Systems Considering Maximum Power Consumption and Injection of Electric Vehicles
作者：Xin Ge，Yajuan Guan，Yun Yu，José Matas，Josep M. Guerrero
本文关注于电动汽车广泛接入后，直流牵引系统在双向功率流条件下的潮流方程可解性问题。通过数学证明，揭示系统可行功率集的凸性特性，基于分离超平面理论，首次提出了基于线性矩阵不等式(LMI)的必要且充分可解性条件。
此外，利用Brouwer不动点定理，建立了第二类解析可解性条件，实现了对电动汽车最大功率消耗与注入功率的精准计算。该方法显著降低保守性并提升计算效率。实验验证进一步印证了条件的准确性，为直流牵引系统的稳定性分析与安全运行提供理论支撑。
创新点包括凸性特性证明、无保守性的LMI条件推导及最大功率边界分析。方法能有效评估系统极限状态，提前预警电压骤变风险，助力构建适应电动汽车快速发展的新型直流牵引系统，提升公共交通安全与可靠性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11006162
📖 第7篇
📌 基于电动汽车聚合虚拟电厂与均值场博弈策略的二次频率调节
Secondary Frequency Regulation via EV Aggregation-Based Virtual Power Plants: A Mean Field Game Strategy
作者：Kuan Zhang，Yawen Xie，Nian Liu，Yuyang Wang
针对可再生能源大规模接入引发的电力频率调节挑战，本文提出了基于虚拟电厂（VPP）聚合大规模电动汽车提供二次频率调节的均值场博弈（MFG）策略。方法解决了异质电动汽车间自利行为与高维信号分解难题，增强调节响应能力。
设计基于时空多图融合神经网络（TM-GCN）的滚动评估框架，准确估计地理分散的电动汽车调节能力，显著提升充电功率预测精度（误差较LSTM和GRU分别降低25.73%和51.89%）。同时构建分布式求解算法，确保均衡存在性与唯一性。
引入基于粒度计算理论的动态粒化方法，将电动汽车划分为同质子集，设计基于资源调节能力的动态激励机制，激发响应积极性。实证显示最大频率波动从0.4936Hz降至0.327Hz，800辆以上电动汽车组合近似度达99%，计算时间仅为传统方法的0.0004倍，表现出卓越实时指令分解性能。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11029625
📖 第8篇
📌 基于量化聚合异构电动汽车灵活性的可再生能源跟随策略
Renewable Energy Following Strategy via Quantified Aggregated Heterogeneous Electric Vehicle Flexibility
作者：Shuying Lai，Zhao Yang Dong，Hongming Yang，Yuechuan Tao，Christine Yip，Jing Qiu，Junhua Zhao
本文针对高比例可再生能源并网引发的供需失衡难题，提出了一种基于电动汽车聚合灵活性量化的可再生能源跟随策略，通过凸多面体仿射变换实现异构电动汽车聚合灵活性的高效数学量化。
基于量化灵活性，构建双层优化框架实现对可再生能源输出的系统追踪。设计分时电价与日内区块电价结合的定价策略，激励电动汽车参与充放电调节。该策略兼顾直接控制与价格激励，有效捕捉用户异质性行为。
实验结果显示，所提方法提升了可再生能源利用率62.04%，平均利润提升13.35%。跟随策略显著优化了能源匹配效率，为解决可再生能源接入挑战与维持聚合商利润提供了切实方案，具备广泛应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11037515
📖 第9篇
📌 RE4ETD：基于相对熵优化的高效窃电检测与双重隐私保护方法
RE4ETD: A Relative Entropy Optimization-Based Method for Efficient Electricity Theft Detection With Dual-Privacy Preservation
作者：Lei Cui，Feng Wu，Youyang Qu，Bruce Gu，Longxiang Gao，Shui Yu
面对智能电网中窃电检测隐私泄露与数据不平衡问题，本文提出了RE4ETD方法，实现用电数据和检测模型的双重隐私保护，同时保证检测性能。关键技术包括相对熵优化数据转换与分割学习训练互联模块。
方法中，边缘服务器将数据映射到与原始分布正交的分布Q，并随机采样传输，检测服务器提取特征后返回边缘端完成检测。通过集成学习技术有效缓解数据不平衡，兼顾隐私安全与实用效率。
实验结果显示，RE4ETD在F1-score和AUC指标上相较现有方法分别提升5至8个百分点，且通信成本降低。定制卷积核充分挖掘时序信息，将一维用电序列重构为三维，更好捕获周、月尺度用电模式，具备优秀实用价值与工程意义。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11005411
📖 第10篇
📌 基于智能电表数据的DER丰富馈线光伏承载能力概率估计
Probabilistic Estimation of PV Hosting Capacity in DER-Rich Feeders Using Smart Meter Data
作者：Liming Liu，Naihao Shi，Zhaoyu Wang，Matthew J. Reno，Joseph A. Azzolini
本文结合智能电表数据与有限网络信息，提出针对DER丰富馈线中住宅光伏承载能力(HC)的概率估计框架。通过构建变压器配对及基于优化的电压灵敏度模型，准确估计低压网络客户节点电压灵敏度，利用高斯混合密度网络建模头部母线电压多模态分布。
技术上利用地理及电气距离设计配对方法，减轻头部母线电压影响，采用联合优化估计相邻次级网络灵敏度。高斯混合密度网络的采用提高了模型对电压不确定性的灵活处理能力，超越传统参数模型。
在EPRI Ckt5电路验证中，概率框架相比线性回归模型，在95%置信区间内包含模拟基准HC，且平均绝对误差为0.87 kW，显著优于对比方法的7.49 kW。该框架为光伏承载能力评估提供有效工具，特别适用于智能电表数据不完备现场，具备广泛应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11037420
点击关注 获取更多精彩