摘要:跟网型 (grid-following, GFL) 变流器依赖锁相环 (phase locked loop, PLL) 实现同步，在弱电网下存在振荡失稳风险。为解决跟网型控制在弱电网下的失稳问题，在跟网型 PLL 控制架构的基础上引入构网型 (grid-forming, GFM) 惯性同步控制 (inertia synchronization control, ISC) 机制，提出一种跟 / 构网一体化同步控制方法。首先，阐述了 ISC 和跟 / 构网一体化控制原理。其次，构建跟 / 构网一体化控制变流器小信号模型，通过参与因子分析揭示弱网下跟 / 构网权重变化时 PLL-ISC 耦合对稳定性的影响机理。并基于根轨迹分析法研究控制参数、电网强度及运行工况对失稳模态的影响规律，量化分析 ISC 权重提升对系统弱电网稳定性的改善效果。理论分析结果表明，相比单一跟网控制，一体化同步控制能有效抑制弱电网下由 PLL 引起的振荡失稳现象，提升了变流器弱电网下的运行能力。最后，通过 PSCAD/EMTDC 电磁暂态仿真验证了理论分析的正确性。

摘要:针对传统变压器局部放电(partial discharge, PD)故障诊断方法在特征表达不足和小样本条件下识别性能受限的问题，提出了一种基于环面积图谱熵(ring area graph entropy, RAGE)和双层课程元学习(dual-level curriculum meta-learning, DCML)的变压器PD故障诊断方法。首先，利用改进的完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)对非平稳PD信号进行分解，筛选出与原始信号高度相关的有效固有模态分量(intrinsic mode function, IMF)。随后，将有效IMF的功率谱密度投影至极坐标系，计算其面积加权分布概率得到RAGE，从而定量表征PD信号的不确定性。最后，基于PD特征构建DCML模型，实现小样本条件下变压器PD故障的高效识别。实验结果表明，RAGE特征在多种模型对比中展现出显著优势，能够更为精细描述PD信号特征。

摘要:针对现代配电网规模扩大和结构复杂化的特点，为有效评估配电网中节点的关键程度并提升系统运行可靠性，提出一种综合考虑电气特性与拓扑结构的区内节点关键程度评估方法。首先，基于节点阻抗矩阵与灵敏度矩阵，提出了反映节点电气特性的关键程度指标。融合节点的局部拓扑结构与全局拓扑结构，提出了反映节点拓扑结构的关键程度指标，结合上述指标构建电气 - 拓扑综合关联矩阵 (electro-topological coupling matrix, ETCM)。其次，基于 ETCM 提出融合电气与拓扑特性的节点关键程度综合指标，评估基于全网信息的节点关键程度。并结合阈值法与高斯核函数法提出两级分区策略，将配电网划分为多个子区域。最后，通过各子区域对应的子矩阵 (sub electro-topological coupling matrix, SETCM)，评估基于子区域信息的节点关键程度，从而合理地评估节点在分区内的关键程度。通过改进的 IEEE33 节点系统进行仿真验证，结果表明所提方法能够有效评估节点的关键程度。

摘要:新能源和间歇性负荷的大规模接入加剧了变电站电压无功运行波动，对变电站电压无功控制 (voltage and reactive power control, VQC) 策略提出了更高的要求。深度强化学习 (deep reinforcement learning, DRL) 为此提供了新思路，但现有 DRL 方法在训练阶段普遍存在探索偏置，限制了所学策略的在线应用性能。为此，提出一种基于状态探索感知 DRL 的变电站 VQC 策略。首先，构建状态探索感知 DRL (state exploration-aware DRL, SEA-DRL) 框架，通过无监督表示学习刻画状态空间结构，并基于状态访问频次设计动态探索激励机制，引导训练过程兼顾低频状态探索与策略优化性能，从而提升策略学习的整体效果。然后，针对变电站调节设备的离散特性，结合 SEA-DRL 框架与软行动者 - 评论家离散算法 (soft actor-critic for discrete action, SAC-D)，构建基于 SEA-SAC 的变电站 VQC 策略。最后，在某 C 市 220 kV 变电站的仿真结果表明，所提方法在复杂运行场景下具有良好的控制效果。

摘要:海上柔性低频输电系统的故障响应特性与传统同步机组存在显著差异，可能导致传统电流差动保护拒动。为此，深入分析了柔性低频线路两侧电流所构成的电流曲线特性，提出一种基于相对距离偏差系数的纵联保护 (relative distance deviation coefficient-based pilot protection, RDDC-PP) 方法，可精准识别区内故障，并对异常数据和电流互感器测量误差具有固有鲁棒性。进一步利用洛伦兹变换对电流曲线进行改进，提出基于改进相对距离偏差系数的时域纵联保护方法 (improved relative distance deviation coefficient-based pilot protection, IRDDC-PP)，并设计自适应参数 α，使 IRDDC-PP 对同步误差和高斯白噪声等干扰也具有强耐受能力。采用数字 - 物理联合仿真平台对所提方法进行验证。结果表明，所提方法在不同过渡电阻、故障位置、故障类型及采样频率下均能准确动作，对电流互感器测量误差、异常数据、噪声和同步误差等干扰具有良好的鲁棒性，在速动性、灵敏性、信赖性和安全性方面均优于对比方法。

摘要:准确的故障测距是提升有源配电网供电可靠性的关键。分布式电源 (distributed generation, DG) 接入后，配电网故障电气量的分布规律发生变化，导致传统测距方法精度下降，甚至失效。针对这一问题，提出一种基于时域电压波形相似度比较的有源配电网相间故障测距方法。该方法利用故障线路两侧电压、电流的故障分量，在假设故障位置的条件下分别推算故障点时域电压，并通过比较两侧推算故障点时域电压的波形相似程度判断假设位置是否正确。当电压波形相似度不满足判据时，结合二分法迭代修正假设故障位置，逐步逼近真实故障点，实现准确测距。基于 PSCAD 搭建有源配电网仿真模型，并设置多种故障场景进行验证。结果表明，所提方法对 DG 具有较强适应性，测距精度高、收敛速度快，能够有效提高有源配电网相间故障测距精度。

摘要:分布式光伏配电网中三段式电流保护需加装方向元件，传统功率方向元件在光伏低电压穿越与负序电流抑制策略的影响下易出现拒动和误动的问题，且需安装电压互感器。针对此，提出一种适用于分布式光伏配电网的无压方向元件新判据。首先，在无法获取保护背侧系统拓扑结构和多光伏信息的情况下，提出一种将分布式光伏配电网简化为单光伏配电网的等效方法。在此基础上，建立复合序网，分析系统发生正向和反向故障时序电流间的相位关系，构建基于流过保护安装处的负序电流与同一母线上无源支路的正序电流间相位差的新型无压方向判据。经过分析，该方向元件具有无需安装电压互感器、不受过渡电阻影响和适用于高比例光伏接入场景等显著优点。最后，PSCAD 仿真算例验证了所提方向元件的性能优势和简化等效方法的精确性。

摘要:针对电动汽车变磁阻电机 (variable flux reluctance machine, VFRM) 驱动系统安装一个位置传感器和至少两个相电流传感器会增加成本和体积、降低运行可靠性的问题，提出了一种 VFRM 系统的无位置 - 单电流传感器控制策略。首先，构造一种频率自适应复矢量观测器，实现了 VFRM 转子位置和角速度的在线精确估计。然后，设计一种正交信号发生器并结合坐标变换思想，实现了 α、轴电流实时准确重构。最后，仿真和实验结果验证了所提控制策略仅利用一个安装在任一相绕组上的电流传感器就可实现 VFRM 系统的良好运行，为硬件装置提供了一种简单、节省空间和更可靠的工作模式。

摘要:针对电力电缆故障测距精度低、故障样本稀缺，以及故障随机发生时新增数据与历史数据难以协同使用等问题，提出一种基于多特征融合与增量学习的小样本电力电缆故障测距方法。首先，定义多维度特征评价体系，提出自适应最优波形选取策略，实现对数据的高质量筛选。其次，提出基于增量粒子群优化支持向量 (particle swarm optimization-support vector machine, PSO-SVM) 的波形识别模型。通过融合数据重要度与多样性的历史数据回放策略，实现新旧故障数据高效平衡利用，克服历史故障样本稀缺和模型的灾难性遗忘问题。最后，提出梯度差与差值搜索相结合的波形分叉点精确定位方法，提升了电力电缆故障测距精度。实验结果表明，所提方法在不同电力电缆故障距离测距中的误差均低于 4%，验证了其在小样本条件下进行电力电缆故障测距的有效性。

摘要:针对需要输出恒定电压的应用场景，提出了一种新型最优开关序列模型预测电压控制 (OSS-MPVC)。首先揭示了 T 型三电平逆变器产生的 27 个电压矢量可以分为零电压矢量、小电压矢量、中电压矢量和长电压矢量。利用小电压矢量可以实现中点电位平衡。基于此，构建了 48 个开关序列。为了减轻较高的计算负担，采用了一种简化的三步优化过程。步骤 1：利用中电压矢量的唯一性来识别候选扇区。步骤 2：根据上下直流母线电容电压的值，将候选开关序列的数量从 8 个减至 4 个。步骤 3：通过最小化成本函数，从 4 个候选开关序列中找到最优开关序列。最后，通过代码执行时间、稳态性能、动态性能和中点平衡性能方面的实验，评估了新型 OSS-MPVC 的可行性。

摘要:提出一种基于多源协同的非故障区域智能复电策略，构建了 “主网重构 - 联络线转供 - 多源协同” 三阶段分层恢复模型。首先通过主网故障判断模型确定恢复路径，然后依次进行主网重构与区域间的功率转供；最后针对剩余失电区域，采用 “分布式电源优先、移动储能补充” 的协同机制，动态调度移动储能车 (mobile energy storage vehicles, MESV) 构建孤岛微网。采用改进粒子群算法与二阶锥松弛方法对优化问题进行求解，取得了非常好的效果。仿真结果表明，所提策略能实现一级、二级、三级负荷恢复率均达 100%，且在总成本上也优于传统重构、转供及其他先进协同恢复方案。研究验证了该策略在提升极端灾害下供电恢复能力、经济性与工程实用性方面的综合优势。

摘要:针对电动汽车通过单相充电桩大规模接入低压配电网引发的三相负荷不均、电压偏移及线路过载等运行风险，以及传统调度方法难以刻画用户偏好的问题，提出一种面向电动汽车聚合商参与的三相不平衡治理与调峰协同优化方法。首先，构建 “用户模糊偏好 - 可量化满意度 - 多目标调度决策” 的闭环框架。利用语言术语集与直觉模糊数对用户接受充电功率调整、相位选择与响应意愿等方面进行刻画，实现语义信息向可计算满意度指标的转化。然后，考虑充电功率调节、换相开关控制及引导用户等多种调节手段，建立用户满意度与聚合商收益的多目标优化调度模型。最后，算例表明所提方法能够有效提升用户参与满意度和聚合商调度灵活性的同时显著降低单相充电集中接入所导致的三相不平衡程度，为电动汽车聚合商调度提供了可行的技术路径。

摘要:工业用户是激励型需求响应的主要参与者。然而，集中式求解其响应策略难以兼顾多主体利益，易引发隐私泄露风险。为此，提出了一种基于联邦学习交替方向乘子法 (federated learning alternating direction method of multipliers, FedADMM) 的工业园区分层分布式需求响应策略，在考虑聚合商和用户双方利益的同时，有效保护敏感数据。首先，建立兼顾多主体利益的分层响应模型。聚合商层以响应收益最大为目标优化用户级响应策略，用户层以额外收益最大为目标优化设备级响应策略。随后，提出改进的联邦学习交替方向乘子法 (improved FedADMM, IFedADMM)，通过对全局参数更新、传输信息加密、客户端迭代规则方面进行改进，实现了迭代过程隐私保护和计算效率的提高。接着，采用该方法分布式求解优化模型，双方动态更新补偿价格直至收敛至最优解。最后，通过某工业园区算例验证了所提方法在提高隐私保护和计算效率等方面的有效性。

摘要:目前，针对比例谐振 (proportional-resonant, PR) 控制器引入的相位滞后对并网逆变器输出导纳无源性的影响尚缺乏系统性研究，且已有相位补偿方法多依赖试凑，缺乏解析设计依据。为此，提出一种基于边界频率的无源性优化方法。首先，建立计及控制器相位滞后的逆变器输出导纳模型，归纳出两类无源区边界频率。基于两类边界频率间的相对关系，设计一种与 PR 控制器级联的一阶相位补偿器，将无源区拓展至奈奎斯特频率。在不增加传感器的条件下，进一步引入公共连接点 (point of common coupling, PCC) 电压前馈环节，增强边界频率处的无源鲁棒性。最后，基于一台 4.8 kW 逆变器样机开展实验验证，结果表明，所提方法在感性 / 容性弱电网条件及滤波器参数波动下，均能有效维持系统稳定运行。

摘要:为了解决小波分解模极大值算法对噪声敏感的问题，引入能量算子来度量信号频率加权的瞬时能量，采用多尺度信号综合来进行突变检测。针对 Teager 能量 (TEO) 存在能量值为负以及二阶导数不稳定的问题，提出采用一阶导数包络算子 (EDO)，获得各尺度能量的非负性和数值稳定性。提出采用多尺度非负能量值逐点相乘的算法，实现不同尺度下考虑频率加权瞬时能量检测。并采用偶对称 B 样条小波函数来配合 EDO 能量算子，进一步提高了测距的精度。基于 PSCAD/EMTDC 搭建配电网模型，利用不同故障下的仿真数据进行验证。结果表明：所提算法能有效提取行波波头特征，算法稳定，抗噪能力强，故障定位精度高，误差控制在 0.05% 以内，具有很好的实用性。

摘要:针对短期电力负荷强非线性特征及传统分解 - 集成模型存在的特征交互不足与线性重构误差问题，提出一种基于多尺度并行特征融合与柯尔莫哥洛夫 - 阿诺网络 (Kolmogorov-Arnold network, KAN) 重构的短期负荷预测模型。首先，构建特征优选与信号分解策略，利用皮尔森相关系数 - 最大互信息系数 (Pearson correlation coefficient- maximal information coefficient, PCC-MIC) 综合相关性分析剔除冗余气象特征，并引入变分模态分解 (variational mode decomposition, VMD) 降低序列非平稳性。其次，设计 Informer 与时间卷积网络 (temporal convolutional network, TCN) 并行提取的双通道架构。然后，引入自适应门控融合机制 (adaptive gated fusion mechanism, AGFM)，通过学习时变权重系数，自适应调节不同时间步的特征关注度，实现了多尺度特征的精准融合。最后，引入 KAN 替代传统线性输出层，依托其可学习 B - 样条激活函数，实现了从高维融合特征到负荷数值的自适应非线性映射。算例分析表明，所提模型在多项评价指标上均优于现有主流模型，具有更高的预测精度，为电力系统规划和稳定运行提供了可靠的依据。