在并网型光储微电网中为了充分发挥储能“峰谷套利”的作用降低微网运行成本，并减少光伏和负荷的功率波动对套利效果的影响，提出了一种基于分时电价以储能为主要调度控制对象的光储微电网源网荷储双时间尺度协调运行策略。在日前优化调度模型中，考虑储能充放电频次和深度造成的储能系统损耗成本，以微电网运行成本最低为目标建立目标函数以确定不同光伏出力和负荷情况下储能最优充放电时段和充放电量。在日内实时控制模型中，根据分时电价机制结合储能日前调度计划和充放电约束将各种光伏出力和负荷情况划分成不同的运行场景，并给出各运行场景下储能充放电功率计算公式以控制储能实时出力并调整日前出力计划，降低光伏和负荷的功率波动对套利效果的影响。通过仿真算例对所提控制策略进行验证，结果表明：所提策略很好地发挥了储能“峰谷套利”的作用，提高了微电网运行经济性，同时降低了光伏和负荷功率波动的影响。

针对我国供电企业保供电任务数量较多、占用极大的人力、物力成本的问题，综合考虑分布式光伏、用户侧储能和微电网应用于保供电领域的技术经济性，提出一种基于光伏投资商、储能投资商和微网运营商多方博弈的保供电型微电网的运营模式。首先，针对当前应急电源车或发电车保供电存在资产利用率不高、不环保、有噪声污染等问题，详细讨论了光储微电网代替应急电源车或发电车的保供电思路；然后，基于微电网参与保供电的效益与补贴，考虑光伏发电量及其售电价格在光-储-微网间的分配组成，分析了3个投资主体的投资成本与效益构成，并采用合作博弈的方法优化讨论了3个投资主体的利益均衡点，使得3个主体效益同时达到最优。最后，通过算例分析了所提运营模式的光伏投资商、储能投资商和微网运营商的经济效益。

随着插入式电动汽车和氢燃料电动车的快速发展，将混合能源补给站引入到微电网中是实现绿色低碳能源系统的重要方式。混合能源补给站是一种新型能源基础设施，其不仅可为插入式电动车充电，也可为氢燃料电动车补氢。当前对含混合能源补给站的微电网能源调度尚缺乏深入研究。由此，重点研究了多异构设备接入场景下含混合能源补给站的多微电网与虚拟电厂分布式能源调度问题。首先，构建混合能源补给站的精细化模型，提出一种基于云边协同的双层分布式能源调度框架，实现对电动车、储能设备和清洁能源等异构设备的优化调度，其中框架的上、下层分别考虑虚拟电厂和各微电网的能源优化调度。然后，运用基于目标级联法的分布式优化算法实现上、下层问题的解耦，进而实现虚拟电厂和各微电网的分散自治。最后，通过算例验证了所提出的云边协同方法在实现虚拟电厂和多微电网协同分布式层级优化的有效性。

在当前数字化时代，互联网数据中心（internet data center，IDC）（以下简称“数据中心”）作为大型的电力消耗者已经成为电力网络中的重要组成部分。首先采用数据中心余热回收技术建立了数据中心等值热参数模型，并将其融入到微能源网中以实现冷热电多能互补。其次对数据中心运行过程中所需制冷量与余热之间的复杂关系进行了深入分析，采用溴化锂吸收式制冷机和电制冷机来满足数据中心的冷负荷需求。为了更有效地应对批处理负荷在时间维度上的变化特性，制定了高度灵活的数据负荷分配策略，并建立了双层规划模型。使用场景削减的典型日选择方法以应对源荷不确定性，并引入基于Tent映射的灰狼优化算法（Tent mapping grey wolf optimization algorithm，TMGWO）和CPLEX进行联合求解。最后，通过对某含数据中心的微能源网系统进行仿真分析，数值计算结果表明所提出的方法能够有效提高系统的经济性和环保性。

将由激励型需求响应引起的微电网用户侧的利益考虑到经典的环境经济调度模型中，提出了改进的考虑多种混合负荷的用户满意度模型，并将其作为衡量用户侧利益的标准，建立了以最小化系统运营成本、环境成本、最大化用户综合满意度为目标的多目标调度模型。为提升灰狼优化算法在多目标问题中的求解表现，利用搜索种群变异因子、收敛因子非线性化余弦变换等策略对其进行改进，并将改进的算法应用到该多目标调度模型的求解中，并基于模糊集理论从Pareto解集中选择最优折衷解，同时对不同类型用户、多种负荷响应的调度结果进行分析比较，最后，仿真结果表明，设计合理的需求响应机制能保障用户用电满意度的前提下，提高经济和环境效益，实现系统、环境和用户利益的多重共赢，为构建绿色可持续的电力管理体系提供了理论支持。

“双碳目标”下随着我国能源市场的深化改革及分布式多能市场的逐渐形成，综合电源微网及其群落也将出现于用户侧。相邻微网互联构成的微网集群是一个综合能量系统，受多能强相互作用耦合、复杂的博弈决策关系和能量源荷不确定性等诸多因子的共同作用，因此该类综合能量体系的能量机制复杂，管理方案制定困难度较大。基于此，提出了一种基于合作博弈和高斯混合聚类的多主体综合能源微网群联盟能量管理策略。通过仿真算例分析可知，所提方法显著降低了各微网的运行成本，对于每个微网而言最高可达24 %，从而提升了整个微网系统的运行效率，实现了联盟效益的最大化，此外，较高源荷预测误差对各主体及联盟的运行成本影响小于3 ％。

为适应大量市场主体参与配电网投资建设的新趋势，提出了一种考虑多主体混合博弈关系的配电网源网荷储协同规划方法。首先，分析配电网运营商、分布式电源运营商、储能运营商和电力用户4类主体在规划中的交互行为和各自利益诉求，确立主从-合作的混合博弈关系。然后，构建以配电网运营商为领导者，内嵌源荷储侧跟随者联盟合作博弈的混合博弈规划模型。提出了一种目标级联分析法和自适应系数交替方向乘子法相结合的求解策略，实现双层模型的解耦和分布式迭代求解。最后，通过算例分析表明该规划方法可以有效均衡各方利益诉求，促进分布式新能源的投资利用，提升规划方案经济效益。

随着新能源渗透率不断提高，风光等新能源出力的强随机性导致电网频率不稳定及控制性能变差。为此，从自动发电控制角度探索一种多智能体强化学习方法，即高维协同软演员-评论家算法。所提算法通过在最大熵框架下鼓励智能体进行随机探索，以解决Q学习及其衍生算法无法快速更新Q表以适应环境变化的问题。同时利用高斯分布策略生成连续动作值，使算法可在高维连续状态空间中寻找协同最优解，以解决传统强化学习高维“状态-动作”的维数灾问题，从而来有效应对新能源出力强随机性所导致的频率不稳定及控制性能变差的问题。通过在改进的IEEE标准两区域负荷频率控制模型及华中三区域负荷频率控制模型上的仿真实验，验证了该算法的有效性，且相较于其他算法，具有更优的控制性能及频率稳定性。

随着新一代信息通信技术，如5G、云计算和人工智能的不断演进，世界正迅速迈入数字经济的快车道。针对数据中心中可再生能源和工作负载预测的不确定性，提出了一种基于多智能体近端策略网络的数据中心双层优化调度方法。首先，建立了数据中心双层时空优化调度框架，对数据中心工作负载、IT设备、空调设备进行详细建模；在此基础上，提出数据中心的双层优化调度模型，上层以互联网数据中心（Internet data center，IDC）运营管理商总运营成本最小为目标进行时间维度调度，下层以各IDC运行成本最低为目标进行空间维度调度；然后，介绍多智能体近端策略网络算法原理，设计数据中心双层优化调度模型的状态空间、动作空间和奖励函数。最后，针对算例进行离线训练和在线调度决策，仿真结果表明，所提模型和方法能够有效降低系统成本和能耗，实现工作负载的最佳分配，具有较好的经济性和鲁棒性。

为应对风电渗透率的提高对电网调频所带来的挑战，从风电场站配储能系统的储能成本、实时电量收益、一次调频收益等方面，建立以储能系统容量和储能系统功率为决策变量的风电场站配储能系统参与一次调频服务全寿命周期成本-收益计算模型。针对一次调频动作量难以精准评估的难点，采用电力系统频率闭环动态过程开环处理方法建立了考虑风电机组控制和储能系统荷电状态（state-of-charge，SOC）约束的风储联合系统调频模型，提出以全年频率曲线为输入的风储联合系统一次调频动作量开环计算方法。通过结合风储联合系统调频仿真模型与风电场全年运行频率和功率数据进行仿真分析，获得了储能系统年储能成本和年一次调频收益的变化规律。结果表明，装机容量为30 600 kW的风电场，当储能功率为4 553.6 kW、储能容量为9 822.6 kWh时风储联合一次调频收益达到最优。

点对点（peer-to-peer，P2P）交易为促进产消者可再生能源消纳与电力市场改革提供了新路径。然而，其依赖信息物理系统（cyber-physical system，CPS）传输信息，存在数据偏差、传输时滞等问题，加之产消者的信息保护需求，导致交易主体难以准确获知对方状态，形成信息不完全环境。同时，产消者在有限理性下的决策行为也加剧了交易不确定性。为此，提出一种不完全信息下基于随机博弈的P2P交易策略优化方法。首先，采用Harsanyi转换将不完全信息问题转化为完全但不完美信息，并结合前景理论修正转换结果以更贴合产消者实际心理偏好。其次，构建了产消者P2P交易随机博弈决策模型，并利用随机博弈中的Markov决策过程减少交易行为中的不确定性，从而提升交易策略的稳定性与有效性。之后，针对随机博弈中状态数量指数增长导致的“维数爆炸”问题，提出了一种状态树自适应削减技术，显著降低了计算复杂度。仿真结果表明，该方法能有效缓解不完全信息对交易的影响，降低行为不确定性，优化交易策略并提高经济效益。

随着中国核证自愿减排（China′s certified voluntary emission reduction，CCER）市场的重启，CCER效益主要通过碳市场的交易来实现，而基于碳市场的CCER碳减排策略和基于电能量市场的能量调度策略密切相关。为充分发挥综合能源系统（integrated energy system，IES）能-碳灵活性聚集效应，实施低碳和电能需求调度，以促进IES低碳高效运营和电力系统低碳转型，提出了考虑低碳效益的IES电碳市场化运营策略，构建了IES参与电碳市场联合出清的双层优化博弈模型，上层为IES电碳市场投标决策模型，构建了碳配额分配模型并量化了CCER凭证-碳配额抵消机制，以IES电碳运营综合成本最小为目标，制定异质能产能计划及电碳市场投标策略；下层为电碳市场出清模型，以市场社会福利最大化为目标，满足市场电碳需求出清。双层模型联立迭代求解，最后得出IES参与电碳市场运营的最优产能决策。算例结果验证了所提策略能够降低系统的碳排放，提升IES的运营效益。

为方便配电网的运行调控并降低配电网系统的线损率以提高其传输效率，提出了考虑多断面源荷特征匹配度的高比例分布式光伏接入配电网的集群划分方法。首先，综合讨论接入配电网的分布式光伏出力曲线与各区域负荷特性曲线，设计多断面源荷特征匹配度指标，以便使同一集群内光伏可被最大化利用，并综合设计考虑集群结构与电气距离的模块度指标，以及考虑集群功能的容量匹配指标和无功功率补偿指标，构建实现配电网集群划分的综合指标体系。然后，采用优化算法对配电网进行集群划分，增加基于网络邻接矩阵的约束，以避免集群划分中存在孤立节点。最后，以IEEE 33节点系统为例进行集群划分与集群划分后的光伏出力优化，结果表明所提的考虑多断面源荷特征匹配度的集群划分具有较好的源荷特征匹配性、较强的电气耦合性、较好的有功功率和无功功率平衡度。同时相比于未考虑集群划分的情况，对配电网集群划分后进行光伏出力优化可使配电网系统线损率降低，从而提高配电网传输效率。

尽管非侵入式负荷监测（non-intrusive load monitoring，NILM）已经得到了广泛的研究，然而现有的非侵入式负荷监测模型存在多工作状态电器预测困难的问题，导致预测精度显著降低。为此设计了一种基于多算法融合的非侵入式负荷监测模型。首先，对REDD低频数据集进行基于时间的插值、过采样等方式预处理数据。其次，模型采用图卷积神经网络（graph convolutional networks，GCN）和卷积神经网络（convolutional neural network，CNN）提取功率特征，将功率特征输入到自注意力机制和长短期记忆网络（long short-term memory，LSTM）中，有效提取了输入信号中的关键特征，提高多工作状态电器的预测精度。最后，利用预处理后REDD低频数据集进行仿真验证，实验结果表明所提出的模型在MAE、SAE和R^{\mathrm{2}}指标上均优于对比模型，能够有效实现负荷分解。

工业园区CO₂排放在全国CO₂排放总量中占比约31%，园区低碳发展对于缓解气候变化具有重要作用。以湖北省某工业区为例，对工业园区单、多CO₂排放源关键信息进行了反演研究。基于AERMOD系统建立了工业园区内CO₂扩散的正向模型，获取反演所需数据集。利用粒子群优化算法（particle swarm optimization，PSO）、鲸鱼优化算法（whale optimization algorithm，WOA）和鹈鹕优化算法（pelican optimization algorithm，POA）优化后的反向传播（backpropagation，BP）神经网络对工业园区中CO₂排放源位置及排放强度进行反演计算。结果表明：POA-BP反演模型对于单排放源坐标的反演结果R²为0.965，对排放强度的反演R²为0.938；对于多排放源坐标的反演结果R²为0.97，对排放强度的反演R²为0.988，相较于其他模型来说具有较高的反演精度和稳定性，可以对工业园区内CO₂排放源实现较为精确的定位，为工业园区应对气候变化和推进绿色转型提供决策支持。