元电力：新一代智能电网

doi:10.12096/j.2096-4528.pgt.22058

发电技术 ›› 2022, Vol. 43 ›› Issue (2): 287-304.DOI: 10.12096/j.2096-4528.pgt.22058

元电力：新一代智能电网

黄超¹^,², 卜思齐¹^,², 陈麒宇³, 李晓虹²

^1.香港理工大学电机工程学系, 香港特别行政区九龙 999077
^2.产品可靠性及系统安全研发中心, 香港特别行政区新界 999077
^3.中国电力科学研究院有限公司, 北京市海淀区 100192

收稿日期:2022-03-16 出版日期:2022-04-30 发布日期:2022-05-13
作者简介:黄超(1996)，男，博士研究生，主要研究方向为数字孪生驱动的电气设备健康评估和运维规划，carmel.huang@connect.polyu.hk；
卜思齐(1984)，男，博士，副教授，博士生导师，主要研究方向为电力电子化和智能化电力系统稳定控制分析与运行规划，本文通信作者，siqi.bu@polyu.edu.hk；
陈麒宇(1986)，男，博士，高级工程师，主要研究方向为含新能源的电力系统分析与规划，chen.qiyu2009@hotmail.com；
李晓虹(1990)，女，博士，主要研究方向为设备可靠性、系统安全性和精密微加工，rainbow.lee@cairs.hk。
基金资助:
国家自然科学基金(52077188)

Meta-Power: Next-Generation Smart Grid

Chao HUANG¹^,², Siqi BU¹^,², Qiyu CHEN³, Hiu Hung LEE²

^1.Department of Electrical Engineering, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong S. A. R. ?, China
^2.Centre for Advances in Reliability and Safety, New Territories 999077, Hong Kong S. A. R. ?, China
^3.China Electric Power Research Institute, Haidian District, Beijing 100192, China

Received:2022-03-16 Published:2022-04-30 Online:2022-05-13
Supported by:
National Natural Science Foundation of China(52077188)

摘要/Abstract

摘要：

元宇宙是数字化革命的新进程，它将宇宙打造成一个由多种技术支撑的具有强交互性和超时空性的生态系统。将元宇宙应用到电力系统能进一步提升电力系统的信息化和智能化程度，成为新一代智能电网。定义引入元宇宙的电力系统为元电力，元电力的多技术性促进了电力系统运行的灵活性、安全性和智能性，元电力的强交互性提高了电力系统监测和维护的便利性和沉浸性，元电力的超时空性突破了电力系统运行的时空局限性，有利于未来能源发展战略的评估推演。

关键词: 元宇宙, 智能电网, 数字孪生, 泛在物联网, 人工智能, 先进人机交互, 电力系统

Abstract:

Metaverse is a new stage of digital revolution,which transforms the universe to highly interactive and hyper-spatiotemporal eco-system supported by multiple technologies. The application of metaverse in the power system can further improve the informatization and intellectualization of the system,becoming the next generation smart grid. This paper proposed a new concept of meta-power to represent the power system introducing the metaverse. Multiple technologies of the meta-power can enhance the flexibility,security,and intelligence of the power system operation. High interactivity of the meta-power can enable the convenient and immersed power system monitoring and maintenance. Hyper-spatiotemporal feature of the meta-power can tackle the spatial and temporal constraints of the power system operation,and facilitate the evaluation and deduction of future energy development strategies.

Key words: metaverse, smart grid, digital twin, ubiquitous internet-of-things, artificial intelligence, advanced human-machine interaction, power system

中图分类号:

TK 01

黄超, 卜思齐, 陈麒宇, 李晓虹. 元电力：新一代智能电网[J]. 发电技术, 2022, 43(2): 287-304.

Chao HUANG, Siqi BU, Qiyu CHEN, Hiu Hung LEE. Meta-Power: Next-Generation Smart Grid[J]. Power Generation Technology, 2022, 43(2): 287-304.

图/表 9

图1 元电力框架

Fig. 1 Framework of meta-power

图2 现实电力系统的架构

Fig. 2 Realistic power system framework

图3 数字孪生更新流程图

Fig. 3 Update flowchart of digital twin

图4 虚拟电力系统模型

Fig. 4 Virtual power system model

图5 泛在电力物联网

Fig. 5 Ubiquitous power internet of things

图6 基于Hadoop的数据管理框架

Fig. 6 Hadoop-based data management framework

图7 电力行业人机交互系统发展进程

Fig. 7 Development process of human-machine interaction system in the power industry

图8 元电力四大场景

Fig. 8 Four scenarios of meta-power

图9 平行学习框架

Fig. 9 Framework of parallel learning

参考文献 78

1	申洪，周勤勇，刘耀，等．碳中和背景下全球能源互联网构建的关键技术及展望[J]．发电技术，2021，42(1)：8-19． doi:10.12096/j.2096-4528.pgt.20113
	SHEN H， ZHOU Q Y， LIU Y，et al ．Key technologies and prospects for the construction of global energy internet under the background of carbon neutral[J]．Power Generation Technology，2021，42(1)：8-19． doi:10.12096/j.2096-4528.pgt.20113
2	童光毅．基于双碳目标的智慧能源体系构建[J]．智慧电力，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
	TONG G Y ．Construction of smart energy system based on dual carbon goal[J]．Smart Power，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
3	SILBERMAN S ．The energy web[EB/OL]．(2001-07-01)[2022-02-21]．．
4	张瑶，王傲寒，张宏．中国智能电网发展综述[J]．电力系统保护与控制，2021，49(5)：180-187．
	ZHANG Y， WANG A H， ZHANG H ．Overview of smart grid development in China[J]．Power System Protection and Control，2021，49(5)：180-187．
5	谢清玉，张耀坤，李经纬．面向智能电网的电力大数据关键技术应用[J]．电网与清洁能源，2021，37(12)：39-46． doi:10.3969/j.issn.1674-3814.2021.12.006
	XIE Q Y， ZHANG Y K， LI J W ．Application of key technologies of power big data in smart grids[J]．Power System and Clean Energy，2021，37(12)：39-46． doi:10.3969/j.issn.1674-3814.2021.12.006
6	SMART J， CASCIO J， PAFFENDORF J ．Metaverse roadmap：pathway to the 3D web[R]．Metaverse：A Cross-Industry Public Foresight Project，2007．
7	NING H， WANG H， LIN Y，et al ．A survey on metaverse：the state-of-the-art，technologies，applications，and challenges[EB/OL]．(2021-11-18)[2022-02-21]．．
8	LEE L H， BRAUD T， ZHOU P，et al ．All one needs to know about metaverse：a complete survey on technological singularity，virtual ecosystem，and research agenda[EB/OL]．(2021-11-18)[2022-02-21]．．
9	SIYAEV A， JO G S ．Towards aircraft maintenance metaverse using speech interactions with virtual objects in mixed reality[J]．Sensors，2021，21(6)：2066． doi:10.3390/s21062066
10	NINAGAWA C ．Virtual power plant integration technology[M]．Singapore：Springer Press，2022． doi:10.1007/978-981-16-6148-8
11	米阳，王鹏，邓锦，等．孤岛交直流混合微电网群分层协调控制[J]．电力系统保护与控制，2021，49(20)：1-8．
	MI Y， WANG P， DENG J，et al ．Hierarchical coordinated control of island AC/DC hybrid microgrids[J]．Power System Protection and Control，2021，49(20)：1-8．
12	KHODAEI A， BAHRAMIRAD A， SHAHIDEHPOUR M ．Microgrid planning under uncertainty[J]．IEEE Transactions on Power Systems，2015，30(5)：2417-2425． doi:10.1109/tpwrs.2014.2361094
13	FLUHR J， AHLERT K H， WEINHARDT C ．A stochastic model for simulating the availability of electric vehicles for services to the power grid[C]//2010 43rd Hawaii International Conderence on System Sciences．2010：1-10． doi:10.1109/hicss.2010.33
14	Gartner ．Gartner identifies the top 10 strategic technology trends for 2018[R]．U S：Gartner，2018． doi:10.1049/et.2018.1021
15	RODIC B ．Industry 4.0 and the new simulation modelling paradigm[J]．Organizacija，2017，50(3)：193-207． doi:10.1515/orga-2017-0017
16	HARGREAVES P A， MECROW B C， HALL R ． Calculation of iron loss in electrical generators using finite-element analysis[J]．IEEE Transactions on Industry Applications，2012，48(5)：1460-1466． doi:10.1109/tia.2012.2209851
17	SANTOS H F DOS， SADOWSKI N， BATISTELA N J，et al ．Synchronous generator fault investigation by experimental and finite-element procedures[J]．IEEE Transactions on Magnetics，2016，52(3)：1-4． doi:10.1109/tmag.2015.2480546
18	RAMAYANTI S， BUDIANTORO P ．Design analysis of solar panel structure LAPAN-constellation satellite using finite element analysis[J]．IOP Conference Series：Materials Science and Engineering，2021，1041(1)：12020． doi:10.1088/1757-899x/1041/1/012020
19	TAO F， ZHANG M， LIU Y，et al ．Digital twin driven prognostics and health management for complex equipment[J]．CIRP Annals，2018，67(1)：169-172． doi:10.1016/j.cirp.2018.04.055
20	HUSSAIN M R， REFAAT S S ．Improvement in three-dimension al finite element modeling for high voltage power transformer in time domain[C]//2021 IEEE 19th International Power Electronics and Motion Control Conference (PEMC)．2021：460-466． doi:10.1109/pemc48073.2021.9432566
21	QU J， WANG Q， ZHANG J，et al ．3-D transient finite-element analysis and experimental investigation of short-circuit dynamic stability for air circuit breaker[J]．IEEE Transactions on Components，Packaging and Manufacturing Technology，2015，5(11)：1610-1617． doi:10.1109/tcpmt.2015.2475300
22	WANG Z， LIU Y， KONG X，et al ．Galloping characteristics of 10 kV overhead transmission line using finite element analysis method[C]//2021 International Conference on Electrical Materials and Power Equipment (ICEMPE)．Chingqing，China：IEEE，2021：1-4． doi:10.1109/icempe51623.2021.9509102
23	CONTI S， DILETTOSO E， RIZZO S A ． Electromagnetic and thermal analysis of high voltage three-phase underground cables using finite element method[C]//2018 International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial and Commercial Power Systems Europe (EEEIC/I&CPS Europe)．2018：1-6． doi:10.1109/eeeic.2018.8525354
24	YAMAZAKI K， MATSUMOTO M ．3-D finite element meshing for skewed rotor induction motors[J]．IEEE Transactions on Magnetics，2015，51(3)：1-4． doi:10.1109/tmag.2014.2348568
25	TSAO B， CHMIEL B， DEVILLIER A，et al ．Transient finite element simulation of a Lithium-ion battery pack thermal management system based on latent heat system materials[J]．ECS Transactions，2021，104(1)：61-71． doi:10.1149/10401.0061ecst
26	CANIZARES C， FERNANDES T， GERALDI E，et al ．Benchmark models for the analysis and control of small-signal oscillatory dynamics in power systems[J]．IEEE Transactions on Power Systems，2017，32(1)：715-722． doi:10.1109/tpwrs.2016.2561263
27	LATRECHE Y， BOUCHEKARA H R E H， NAIDU K，et al ．Comprehensive review of radial distribution test systems[EB/OL]．(2020-06-20)[2022-02-21]．． doi:10.36227/techrxiv.12578648
28	HE X， AI Q， QIU R C，et al ．Preliminary exploration on digital twin for power systems：challenges，framework，and applications[EB/OL]．(2019-09-16)[2022-02-21]．．
29	AGHAMOLKI H G， MIAO Z， FAN L ．A hardware-in-the-loop SCADA testbed[C]//2015 North American Power Symposium (NAPS)，Charlotte，USA：IEEE，2015：1-6． doi:10.1109/naps.2015.7335093
30	YANG Y， JIANG H T， MCLAUGHLIN K，et al ．Cybersecurity test-bed for IEC 61850 based smart substations[C]//2015 IEEE Power & Energy Society General Meeting．Denver，USA：IEEE，2015：1-5． doi:10.1109/pesgm.2015.7286357
31	CINTUGLU M H， MOHAMMED O A， AKKAYA K，et al ．A survey on smart grid cyber-physical system testbeds[J]．IEEE Communications Surveys & Tutorials，2017，19(1)：446-464． doi:10.1109/comst.2016.2627399
32	SONG X， JIANG T， SCHLEGEL S，et al ．Investigation of inventive tuning algorithm for the realization of digital twins of inverter model in inverter-dominated power distribution grid[C]//2019 IEEE PES Innovative Smart Grid Technologies Europe (ISGT-Europe)．Bucharest，Romania：IEEE，2019：1-6． doi:10.1109/isgteurope.2019.8905551
33	SAAD A， FADDEL S， MOHAMMED O ．IoT-based digital twin for energy cyber-physical systems：design and implementation[J]．Energies，2020，13(18)：4762． doi:10.3390/en13184762
34	LE F C， TAO Y ．Intelligent energy dispatching robot and its knowledge automation：information，physics and social integration：frame-work，technology and challenges[J]．Procedia CSEE，2018，38(1)：25-40．
35	杨挺，翟峰，赵英杰，等．泛在电力物联网释义与研究展望[J]．电力系统自动化，2019，43(13)：9-20． doi:10.7500/AEPS20190418015
	YANG T， ZHAI F， ZHAO Y J，et al ．Interpretation and research prospects of ubiquitous power internet of things[J]．Automation of Electric Power Systems，2019，43(13)：9-20． doi:10.7500/AEPS20190418015
36	GALLI S， SCAGLIONE A， WANG Z ．For the grid and through the grid：the role of power line communications in the smart grid[J]．Proceedings of the IEEE，2011，99(6)：998-1027． doi:10.1109/jproc.2011.2109670
37	ANCILLOTTI E， BRUNO R， CONTI M ．The role of communication systems in smart grids：architectures，technical solutions and research challenges[J]．Computer Communications，2013，36(17/18)：1665-1697． doi:10.1016/j.comcom.2013.09.004
38	YANG B， YAMAZAKI J， SAITO N，et al ．Big data analytic empowered grid applications：is PMU a big data issue[C]//2015 12th International Conference on the European Energy Market (EEM)．Lisbon，Potugal：IEEE，2015：1-4． doi:10.1109/eem.2015.7216718
39	THOLOMIER D， Kang H， CVOROVIC B ．Phasor measurement units：functionality and applications[C]//2009 Power Systems Conference．Clemson，USA：IEEE，2009：1-12． doi:10.1109/psamp.2009.5262468
40	MAHMOOD A， AAMIR M， ANIS M I ．Design and implementation of AMR smart grid system[C]//2008 IEEE Canada Electric Power Conference．Karachi，Pakistan：IEEE，2008：1-6． doi:10.1109/epc.2008.4763340
41	LEWIS R P， IGICT P， ZHOU Z ．Assessment of communication methods for smart electricity metering in the UK[C]//2009 IEEE PES/IAS Conference on Sustainable Alternative Energy (SAE)．Valencia，Spain：IEEE，2009：1-4． doi:10.1109/sae.2009.5534884
42	ZHANG D， SUN B， FAN H ．Remote online power system monitoring system based on multiinformation acquisition technology[C]//2004 International Conference on Power System Technology．Singapore：IEEE，2004：1147-1151．
43	SYED D， ZAINAB A， GHRAYEB A，et al ．Smart grid big data analytics：survey of technologies，techniques，and applications[J]．IEEE Access，2020，9：59564-59585． doi:10.1109/access.2020.3041178
44	魏梦飒，陆增洁，徐建清，等．基于大数据模型的电网风电场群总功率预测[J]．电子设计工程，2019，27(23)：64-67．
	WEI M S， LU Z J， XU J Q，et al ．Prediction of total power of grid-connected wind farm based on big data model[J]．Electronic Design Engineering，2019，27(23)：64-67．
45	赵川，孙华利，王国平，等．基于大数据的电力信息系统网络安全分析[J]．电子设计工程，2019，27(23)：148-152．
	ZHAO C， SUN H L， WANG G P，et al ．Network security analysis of power information system based on big data[J]．Electronic Design Engineering，2019，27(23)：148-152．
46	赵俊华，文福拴，薛禹胜，等．云计算：构建未来电力系统的核心计算平台[J]．电力系统自动化，2010，34(48)：1-8．
	ZHAO J H， WEN F S， XUE Y S，et al ．Cloud computing：the core computing platform for building future power systems[J]．Automation of Electric Power Systems，2010，34(48)：1-8．
47	TONG J， WU H， LIN Y，et al ．Fog-computing-based short-circuit diagnosis scheme[J]．IEEE Transactions on Smart Grid，2020，11(4)：3359-3371． doi:10.1109/tsg.2020.2964805
48	PENG N， LIANG R， WANG G，et al ．Edge computing based fault location in distribution networks by using asynchronous transient amplitudes at limited nodes[J]．IEEE Transactions on Smart Grid，2021，12(1)：574-588． doi:10.1109/tsg.2020.3009005
49	LIU Y， YANG C， JIANG L，et al ．Intelligent edge computing for IoT-based energy management in smart cities[J]．IEEE Network，2019，33(2)：111-117． doi:10.1109/mnet.2019.1800254
50	IBRAHIM M S， DONG W， YANG Q ．Machine learning driven smart electric power systems：current trends and new perspectives[J]．Applied Energy，2020，272：115237． doi:10.1016/j.apenergy.2020.115237
51	OGUZ K ．Big data applications in the energy sector[M]．Portugal：Instituto Superior Tecnico，2017． doi:10.23919/ropaces.2017.7916057
52	JIAO R， HUANG X， MA X，et al ．A model combining stacked auto encoder and back propagation algorithm for short-term wind power forecasting[J]．IEEE Access，2018，6：17851-17858． doi:10.1109/access.2018.2818108
53	ONETO L， LAURERI F， ROBBA M，et al ．Data-driven photovoltaic power production nowcasting and forecasting for polygeneration microgrids[J]．IEEE Systems Journal，2017，12(3)：2842-2853． doi:10.1109/jsyst.2017.2688359
54	KONG W， DONG Z Y， JIA Y，et al ． Short-term residential load forecasting based on LSTM recurrent neural network[J]．IEEE Transactions on Smart Grid，2017，10(1)：841-851．
55	WANG S， WANG X， WANG S，et al ．Bi-directional long short-term memory method based on attention mechanism and rolling update for short-term load forecasting[J]．International Journal of Electrical Power & Energy Systems，2019，109：470-479． doi:10.1016/j.ijepes.2019.02.022
56	RAFIEI M， NIKNAM T， AGHAEI J，et al ．Probabilistic load forecasting using an improved wavelet neural network trained by generalized extreme learning machine[J]．IEEE Transactions on Smart Grid，2018，9(6)：6961-6971． doi:10.1109/tsg.2018.2807845
57	YIN L， GAO Q， ZHAO L，et al ．Expandable deep learning for real-time economic generation dispatch and control of three-state energies based future smart grids[J]．Energy，2020，191：116561． doi:10.1016/j.energy.2019.116561
58	ZHANG X S， LI Q， YU T，et al ．Consensus transfer Q-learning for decentralized generation command dispatch based on virtual generation tribe[J]．IEEE Transactions on Smart Grid，2016，9(3)：2152-2165． doi:10.1109/tsg.2016.2607801
59	ISLAM M， LEE G， HETTIWATTE S N，et al ．Calculating a health index for power transformers using a subsystem-based GRNN approach[J]．IEEE Transactions on Power Delivery，2017，33(4)：1903-1912． doi:10.1109/tpwrd.2017.2770166
60	PENG X， YANG F， WANG G，et al ．A convolutional neural network-based deep learning methodology for recognition of partial discharge patterns from high-voltage cables[J]．IEEE Transactions on Power Delivery，2019，34(4)：1460-1469． doi:10.1109/tpwrd.2019.2906086
61	YAO S， KANG Q， ZHOU M，et al ．Intelligent and data-driven fault detection of photovoltaic plants[J]．Processes，2021，9(10)：1711． doi:10.3390/pr9101711
62	ABDELGAYED T S， MORSI W G， SIDHU T S ．A new approach for fault classification in microgrids using optimal wavelet functions matching pursuit[J]．IEEE Transactions on Smart Grid，2017，9(5)：4838-4846． doi:10.1109/tsg.2017.2672881
63	LIVANI H， EVRENOSOGLU C Y ．A machine learning and wavelet-based fault location method for hybrid transmission lines[J]．IEEE Transactions on Smart Grid，2013，5(1)：51-59． doi:10.1109/tsg.2013.2260421
64	LAAKI H， MICHE Y， TAMMI K ．Prototyping a digital twin for real time remote control over mobile networks：application of remote surgery[J]．IEEE Access，2019，7：20325-20336． doi:10.1109/access.2019.2897018
65	GOMES Jr D L， DE PAIVA A C， SILVA A C，et al ．Augmented visualization using homomorphic filtering and Haar-based natural markers for power systems substations[J]．Computers in Industry，2018，97：67-75． doi:10.1016/j.compind.2018.01.010
66	GORSKI F， GRAJEWSKI D，BUN P，et al ．Study of interaction methods in virtual electrician training[J]．IEEE Access，2021，9：118242-118252． doi:10.1109/access.2021.3106826
67	宋慧娟．基于混合现实的人工智能在电力巡检中的应用[J]．电网与清洁能源，2020，36(2)：75-79．
	SONG H J ．Application of artificial intelligence based on mixed reality in power inspection[J]．Power System and Clean Energy，2020，36(2)：75-79．
68	肖东裕，谢旭琛，王慧豪，等．基于虚拟成像技术的变电站运维系统设计[J]．通信电源技术，2019，36(8)：46-47．
	XIAO D Y， XIE X C， WANG H H，et al ．Design of substation operation and maintenance system based on virtual imaging technology[J]．Telecom Power Technology，2019，36(8)：46-47．
69	ZHANG P， LI F， BHATT N ．Next-generation monitoring，analysis，and control for the future smart control center[J]．IEEE Transactions on Smart Grid，2010，1(2)：186-192． doi:10.1109/tsg.2010.2053855
70	CHAE C H， JUNG N J， KO K H ．Mobile power facilities maintenance system using augmented reality[J]．Journal of Electrical Engineering & Technology，2021：1-13． doi:10.1007/s42835-021-00942-y
71	DAVIDSON E M， MCARTHUR S D J， MCDONALD J R，et al ．Applying multi-agent system technology in practice：automated management and analysis of SCADA and digital fault recorder data[J]．IEEE Transactions on Power Systems，2006，21(2)：559-567． doi:10.1109/tpwrs.2006.873109
72	TU C， HE X， SHUAI Z，et al ．Big data issues in smart grid：a review[J]．Renewable and Sustainable Energy Reviews，2017，79：1099-1107． doi:10.1016/j.rser.2017.05.134
73	BAZMOHAMMADI N， MADARY A， VASQUEZ J C，et al ．Microgrid digital twins：concepts，applications，and future trends[J]．IEEE Access，2021，10：2284-2302． doi:10.1109/access.2021.3138990
74	周博文，奚超，李广地，等．元宇宙在电力系统中的应用[J]．发电技术，2022，43(1)：1-9． doi:10.12096/j.2096-4528.pgt.21144
	ZHOU B W， XI C， LI G D，et al ．Metaverse application in power systems[J]．Power Generation Technology，2022，43(1)：1-9． doi:10.12096/j.2096-4528.pgt.21144
75	SAAD A， FADDEL S， YOUSSEF T，et al ．On the implementation of IoT-based digital twin for networked microgrids resiliency against cyber attacks[J]．IEEE Transactions on Smart Grid，2020，11(6)：5138-5150． doi:10.1109/tsg.2020.3000958
76	JAIN P， POON J， SINGH J P，et al ．A digital twin approach for fault diagnosis in distributed photovoltaic systems[J]．IEEE Transactions on Power Electronics，2019，35(1)：940-956． doi:10.1109/tpel.2019.2911594
77	BRANDTSTAEDTER H， LUDWIG C， HUBNER L，et al ．Digital twins for large electric drive trains[C]//2018 Petroleum and Chemical Industry Conference Europe (PCIC Europe)．2018：1-5． doi:10.23919/pciceurope.2018.8491413
78	NOWOCIN J K ．Microgrid risk reduction for design and validation testing using controller hardware in the loop[D]．Massachusetts：Massachusetts Institute of Technology，2017．

[1]	王翔宇, 陈武晖, 郭小龙, 常喜强. 发电系统数字化研究综述[J]. 发电技术, 2024, 45(1): 120-141.
[2]	刘洪波, 刘珅诚, 盖雪扬, 刘永发, 阎禹同. 高比例新能源接入的主动配电网规划综述[J]. 发电技术, 2024, 45(1): 151-161.
[3]	潘晓杰, 徐友平, 解治军, 王玉坤, 张慕婕, 石梦璇, 马坤, 胡伟. 堆栈式集成学习驱动的电力系统暂态稳定预防控制优化方法[J]. 发电技术, 2023, 44(6): 865-874.
[4]	陈皓勇, 黄宇翔, 张扬, 王斐, 周亮, 汤君博, 吴晓彬. 基于“三流分离-汇聚”的虚拟电厂架构设计[J]. 发电技术, 2023, 44(5): 616-624.
[5]	张春雁, 窦真兰, 王俊, 朱亮亮, 孙晓彤, 李根蒂. 电解水制氢-储氢-供氢在电力系统中的发展路线[J]. 发电技术, 2023, 44(3): 305-317.
[6]	吴灏, 许晓, 彭紫楠, 郭宁辉, 王淇锋. 基于电网云数据管理的电气设备大数据移动实验室及其应用研究[J]. 发电技术, 2023, 44(3): 417-424.
[7]	杜将武, 唐小强, 罗志伟, 刘敦楠, 陈积旭, 徐尔丰, 毕圣. 面向综合能源园区的丰枯电价定价方法[J]. 发电技术, 2023, 44(2): 261-269.
[8]	肖洋, 李志强, 程林, 汤磊, 夏潮, 梁英, 宋锐, 王东阳, 李贺文. 西北电网集中式调相机AVC综合协调控制策略[J]. 发电技术, 2023, 44(2): 270-279.
[9]	印欣, 张锋, 阿地利·巴拉提, 常喜强, 陈武晖, 李长军, 李雪明, 袁少伟. 新型电力系统背景下电热负荷参与实时调度研究[J]. 发电技术, 2023, 44(1): 115-124.
[10]	董宸, 吴强, 黄河, 章锐, 杨秀媛. 基于免疫算法的电网拓扑结构识别[J]. 发电技术, 2023, 44(1): 125-135.
[11]	高骞, 杨俊义, 洪宇, 孙小磊, 朱前进, 俞天, 王鑫, 王琳媛, 李泽森. 新型电力系统背景下电网发展业务数字化转型架构及路径研究[J]. 发电技术, 2022, 43(6): 851-859.
[12]	李建林, 丁子洋, 刘海涛, 杨夯. 构网型储能变流器及控制策略研究[J]. 发电技术, 2022, 43(5): 679-686.
[13]	霍龙, 张誉宝, 陈欣. 人工智能在分布式储能技术中的应用[J]. 发电技术, 2022, 43(5): 707-717.
[14]	李泽航, 周浩, 李浩秒, 王康丽, 蒋凯. 面向电力系统的液态金属电池储能技术[J]. 发电技术, 2022, 43(5): 760-774.
[15]	董瑞, 高林, 何松, 杨东泰. CCUS技术对我国电力行业低碳转型的意义与挑战[J]. 发电技术, 2022, 43(4): 523-532.

元电力：新一代智能电网

Meta-Power: Next-Generation Smart Grid

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 78

相关文章 15

编辑推荐

Metrics

本文评价