为满足电力系统急需供电保电场景的要求，提高系统抢险应急能力和供电可靠性，本文应用变压器紧凑减重、设备减震隔震、抗机械冲击验证、舱体屋面防腐、防雷装置快速布置、二次设备模块化设计、撬装式移动变电站数字孪生等多项关键技术和方法，设计一种主变压器容量63 MV∙A、电压等级110 kV的大容量撬装式移动智能变电站，并以其在四川省乐山市某110 kV临时变电站新建工程项目中的实际应用为例，验证设计的有效性。实践表明，本文所设计的大容量撬装式移动智能变电站具有良好的推广价值和应用前景。

针对大部分光伏电站电弧故障历史数据缺乏的问题，本文在采集电弧超声信号并分析其特点后，提出一种基于超声波传感器与孤立森林的光伏系统串联电弧故障诊断方法。首先，利用S变换将发生串联电弧故障时的超声波暂态电压信号转化至时频域；接着，利用Teager能量算子放大频谱差异性，并通过时频熵提取电弧故障时频域特征；最后，基于动态阈值与孤立森林实现电弧故障诊断且无需历史数据。实验结果表明，所提方法能准确识别串联电弧故障，诊断准确率达到97.25%，且具备较强的抗干扰能力。

锂电池运行状态存在本体状态估计精度不足、电池组故障状态诊断难度较高的问题，因此本文提出一种考虑多因素影响的基于电热耦合模型的联合状态估计方法，并设计基于检测窗口和相关系数的多传感器故障诊断方法。针对锂电池本体状态，首先基于等效电路模型法构建锂电池的电热耦合模型；其次分析荷电状态（SOC）与健康状态（SOH）联合估计机理，采用扩展卡尔曼滤波算法（EKF）和粒子滤波算法（PF），结合在线参数辨识方法，构建涵盖锂电池全生命周期的在线联合估计模型，实现精确联合状态估计。针对电池组故障状态，采用基于检测窗口和相关系数的多传感器故障诊断方法，实现了短路和开路故障的精准诊断与定位。实验结果验证了所提方法的有效性，所提方法能够准确反映电池运行状态，具有一定的工程应用价值。

在大范围（省级、市级）内开展配电网供电可靠性分析时，需要建立宏观规划指标与供电可靠性之间的关联关系，而现有方法依赖详细的配电网拓扑结构，难以满足区域供电可靠性分析的要求。本文首先建立规划、建设、运行和管理环节的配电网供电可靠性宏观指标体系；然后考虑配电网自动化隔离和预安排停电相关因素，提出计及规划和管理环节的供电可靠性计算方法，通过等效评估模式划分和子模型参数计算，提出基于宏观指标体系的大规模配电网供电可靠性计算方法；最后通过某地市实际数据进行算例验证。结果表明，本文所提方法的计算结果与实际值的相对偏差在11%以内。本文所提方法仅利用宏观指标即可分析区域供电可靠性的整体水平，为配电网规划、可靠性管理和可靠性目标制定提供了一种具有一定精确度且操作性较强的方法。

配电网集群划分通过节点分区优化资源配置并实现负荷均衡。当前集群划分主要基于模块度和功率平衡指标，忽视了电动汽车（EV）可调度特性对配电网灵活性的影响。为此，定义负荷需求侧与EV响应侧匹配的双侧EV可调度容量作为新的子指标，结合组合赋权法构建综合指标。以IEEE 33节点系统为例进行仿真，设置不同指标类型、不同EV规模及不同时段等场景，对比分析各因素对集群划分结果的影响，验证了所提方法的有效性及实用性。

本文依托锡盟地区某电厂2×660 MW机组，研究电力系统次同步振荡/谐振问题，并提出基于附加励磁阻尼控制（SEDC）与机端次同步阻尼控制（GTSDC）的联合抑制措施。通过试验验证两种控制系统的作用机制，分析独立方案与联合方案在不同工况下的振荡衰减特征。结果表明，SEDC与GTSDC联合抑制措施，通过参数匹配与多时间尺度协调，实现高效协同控制，显著提升了抑制效果和响应速度。两起实际故障案例验证了联合抑制措施的有效性和可靠性。此外，转速信号的信噪比对抑制效果至关重要，由此提出优化转速测量系统可靠性的建议。本文研究表明，SEDC与GTSDC联合抑制措施能够有效解决机组次同步振荡问题，提升电力系统的动态稳定性，可为类似机组的次同步振荡治理提供技术参考。

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。

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。

针对锂电池健康状态预测准确度较低的问题，本文提出一种基于海鸥优化算法优化深度极限学习机的健康状态预测方法。首先，选取电池充放电循环的等压升充电时间和等压降放电时间作为预测健康状态的特征参数，并采用Pearson相关系数定量分析其与电池健康状态的相关性。然后，建立海鸥优化算法-深度极限学习机模型，通过学习健康状态和特征参数的样本，预测后续循环的健康状态值。最后，利用公开的电池数据进行预测，并分析预测结果，与极限学习机、深度极限学习机和其他研究的预测结果进行对比，引入最大绝对误差和方均根误差作为量化评价指标。结果表明，海鸥优化算法-深度极限学习机模型相较其他常见模型具有更高的训练测试精度、更短的预测时间，能够实现锂电池健康状态的准确预测，最大绝对误差和方均根误差均低于0.01，预测准确度高、适用性强。

工单派发是电力运维管理系统中的重要一环，及时、精准的派发模式可以有效提升工单的流转效率。本文在深入分析电力运维领域工单管理特征的基础上，提出一种基于工单适配度的运维工单自动下派模型。该模型采用CRITIC赋权与模糊综合评价法相结合的方式计算运维人员与工单的适配度，确定工单下派的最优人选，进而实现工单自动派发。实际应用结果表明，相较于人工派发，该自动派发模型可以有效提高工单派发的效率和准确率。