为了提升小干扰稳定预防控制措施制定的速度，本文提出基于卷积神经网络（CNN）灵敏度分析的小干扰稳定预防控制方法。针对系统中存在的若干弱负阻尼（阻尼比小于某一阈值）低频振荡模式，首先建立带小干扰稳定约束的优化模型，其次基于CNN阻尼比预测模型计算阻尼比相对于控制变量（可调发电机的有功功率）的灵敏度，通过灵敏度将小干扰稳定约束线性化，从而将优化模型转化为二次规划模型，最终得到发电机的有功功率调整量，通过多次迭代使阻尼比满足特定要求。WEPRI36节点算例分析结果表明，由CNN模型得到的控制措施十分有效，且较支持向量机模型更精准，控制措施制定的速度较传统特征值分析法快。本文研究思路也可用于暂态稳定预防控制。

在新型电力系统不断发展的背景下，为提升电力系统调节能力，满足电网调峰和顶峰需求，全国各地均在积极开展新型储能建设。新型储能具有双向传输、响应速度快等特性，在其接入电网后如何有效地提高主网网架的安全性，增强电网抵御故障冲击的能力，是储能规划选址阶段应重点考虑的问题。针对新型储能接入对分区电网脆弱性的影响，构建储能选址问题的多目标决策模型；考虑到传统电网脆弱性分析方法的不足，提出基于k-核分解的脆弱性评估方法，并将储能接入电网后不同典型运行场景下的主网系统脆弱性指标作为决策子目标，采用逼近理想解排序法（TOPSIS）综合评价储能目标接入点的最优解。以IEEE 39节点系统进行算例分析，验证了所提电网脆弱性评估方法和储能优化选址方法的合理性。

为综合考虑微电网调度过程中供给侧和需求侧的利益，本文建立计及需求响应的海岛微电网双层优化调度模型。该模型上层以微电网的净收益为目标优化各单元出力，下层以居民的综合舒适度为目标优化负荷曲线。采用一种改进的蜣螂优化算法对双层优化模型进行求解。通过Sinusoidal映射初始化种群，并利用准对立学习优化，增加了种群的多样性；在更新阶段引入哈里斯鹰的围攻策略和自适应t分布扰动，增强寻优能力，提高了解的质量；通过测试函数与其他算法进行对比，验证了改进蜣螂优化算法的优越性。算例分析结果表明，利用所提改进蜣螂优化算法求解双层优化模型，可在提高系统经济效益的同时，提升用户的用电舒适度和用能舒适度；与原始蜣螂优化算法进行对比，验证了所提改进算法的有效性。

低照度环境会导致变电站采集图像出现视觉质量低、细节损失、对比度低等问题，影响后续设备检测与监控等工作，因此本文提出一种基于低照度图像增强和非下采样轮廓波变换（NSCT）与离散余弦变换（DCT）技术的图像融合方法。首先，基于伽马参数对可见光图像进行自适应图像调节，增强可视度；然后，由NSCT将图像分解为高低频系数，对高频系数采用Sobel算子进行边缘信息提取，对低频系数采用改进DCT-离散傅里叶变换（DFT）进行分解整合，再对分解的振幅频谱与相位频谱分别采用对比度增强加权与基于奇异值分解（SVD）的局部能量最优规则进行融合；最后，由NSCT反变换得到融合图像。利用三组变电站常见设备图像，将所提方法与其他算法进行对比，结果表明本文所提方法的平均梯度、信息熵、互信息等指标更优。

针对电力市场中电价数据的非线性、波动性及时序性等特征，提出一种基于变分模态分解（VMD）和混合深度神经网络的短期电价预测方法。首先利用变分模态分解法将原始电价序列分解为多个平稳的子序列，其次采用混合深度神经网络预测模型对各子序列分别进行预测并叠加，得到最终的电价预测结果。该模型将卷积神经网络（CNN）和双向长短期记忆（BiLSTM）网络组合，提取原始电价数据的空间特征和时间特征，并结合Attention机制，对原始电价序列中不同时刻电价数据的重要性进行区分。最后，以美国PJM电力市场实际电价数据进行仿真分析，并与多种电价预测模型进行对比，结果验证了本文所提方法的有效性。

电动重卡充换电站快速发展，电池充电策略对站端运营成本和用户换电体验具有重要影响。如何在满足电动重卡用户日常换电需求的同时，最大限度地降低站端运营成本并缩短用户换电等待时间，是一个重点研究方向。首先，以某电动重卡充换电站为研究对象，使用统计分析方法，得到一天内各时段的用户换电需求；其次，提出以降低站端电池充电成本与寿命损失成本为目标的充电策略优化控制模型，结合换电需求与分时电价，使用遗传算法对一天内不同时段电池充电仓的充电倍率矩阵、充电截止电压进行求解；最后，通过算例验证了模型的有效性，也为其在实际充换电站的推广应用提供了参考。

针对级联储能应用领域大量绝缘栅双极型晶体管（IGBT）的开关损耗难以准确在线测量的问题，引入误差反向传播神经网络，建立IGBT开关损耗预测模型。首先采用级联H桥功率模块搭建开关损耗动态测试系统，通过调整直流母线电压、交流电流及冷却液温度，获得大量测试数据；然后将影响IGBT开关损耗的3个主要因素——集射极电压、集电极电流、结温作为预测模型的输入，采用粒子群优化算法优化开关损耗预测模型的初始权值和阈值，以提升预测开通损耗、关断损耗及二极管反向关断损耗的准确度并加速学习规律的收敛；最后与随机给定初始权值及阈值的开关损耗预测模型进行对比分析。结果表明，引入粒子群优化算法所建立的开关损耗预测模型的预测准确度更高，针对50组随机验证数据的最大百分误差为3.3%。

针对常规风机发电机散热预警问题，本文提出基于多元线性回归的风机发电机散热健康度评估方法。利用现有新能源集控大系统环境，采用皮尔逊系数分析并建立评估框架，通过多元线性回归计算形成机器学习模型。根据预测曲线与实际曲线，获得发电机散热性能偏差值曲线，建立发电机散热健康度评价指标，对风机发电机散热性能进行实时评估，进而形成一套通用的风机部件健康度评价方法。实例验证结果表明，该方法能够正确实现风机发电机散热预警。

现代电力系统可能发生非典型强迫宽频振荡，传统的强迫振荡源识别方法难以适用。本文利用宽频测量系统提供的宽频测量数据，提出基于电压振幅比（VOR）的强迫振荡源定位方法。电压振幅比为电压振荡量与电压稳态量的比值，可有效反映强迫振荡源处振荡电压相对幅度最大的物理规律，适用于低频振荡、次同步振荡和超同步振荡判别。该方法适用于不同电压等级，可减少互感器和宽频测量装置测量误差的影响。通过仿真案例和现场案例验证了该方法的有效性。

汽轮发电机定子冷水系统须保持良好运行状态，以保障发电机的可靠性和安全性。通常采用停机检修或温差阈值的方法进行热故障检测，但无法在发电机运行状态下及时有效地检出故障。为了更精确地发现定子热故障，本文提出基于Transformer架构的温度预测算法，并基于多测点的温度预测结果对未来温差进行估计，建立定子热故障诊断模型。为了缓解故障运行数据较少的问题，本文使用不同核函数的高斯过程生成多种模式的时间序列，并与原数据进行组合，极大地扩充了训练样本空间。最后，利用已有的测试数据开展实验。结果表明，本文所提预测算法的预测效果优于传统自回归积分滑动平均（ARIMA）模型和长短期记忆（LSTM）算法，基于本文所提预测算法建立的故障诊断模型，对运行状态的识别准确率达到91.9%，且具有较高的精度和召回率，从而确保了较低的误报警率和漏报警率。

本文介绍一起330kV气体绝缘金属封闭开关设备（GIS）母线气室超声波信号异常分析与处理案例。通过幅值定位、改变设备运行状态，判断缺陷来自主变侧母线气室。通过对局部放电超声波信号进行散点图和相位幅值图分析，确定该气室底部金属异物放电是产生异常超声波信号的主要原因。打开检修孔检查，发现罐体底部有一银白色金属尖锐异物，经排查确认该异物为生产阶段产生。此次GIS母线气室放电缺陷是一起典型的金属尖端放电处理案例，可为类似异常缺陷的处理提供参考。

随着电气设备性能的提升和智能化的普及，电气监控逐步由传统分散管理转为智能集中监控。在该趋势引领下，本文开发一套适配地铁商业板块需求的电气设备集中监控系统，以提升经营品质，减少运维成本。本文从商业需求角度入手，剖析该系统开发思路，介绍相关模块及上位机开发成果，并给出拓展方向及优化建议。

针对第三方检测机构在光伏现场检测过程中遇到的设备多样、数据储存成本高、处理效率低及数据同步等问题，本文提出一种基于物联网和云平台的光伏电站标准化模块检测系统，旨在提高检测效率、降低成本并增强数据的关联性。该系统通过部署标准化的检测模块，每个模块包含多种传感器和数据采集器，并利用网络协议实现时间同步，确保所有测量活动在同一参考框架下进行。同时，开发基于云计算技术的数据采集与管理系统，实现数据的云端存储、共享与协作，具有良好的扩展性。研究结果表明，所提检测系统能够有效解决现有检测中存在的问题。此外，该系统可显著降低设备部署成本，节省了大量人力和物力资源，适用于第三方检测机构的光伏电站现场检测，具有广泛的应用前景。

为同时提高地铁直流馈线保护的选择性与速动性，本文提出一种基于差动理论的直流馈线保护方案。通过分析地铁直流馈线特点、已有故障波形、差动保护细节、差动通信数据传递方式、差动数据计算方式、时钟同步可行性等，讨论现有可用技术，给出可行的实现方法，以及装置失效方式和闭锁应对方式。