目的 “双高”电力系统(高比例可再生能源和高比例电力电子设备)低惯性、低阻尼的特征使电网在频率、电压等稳定问题面临着严峻的挑战。构网型储能(grid-forming energy storage，GFM-ES)具有频率调节和电压控制的能力，针对其特性、应用场景和研究展望等方面进行综述。 方法 首先从GFM-ES和跟网型储能的区别以及控制方法等方面阐述了GFM-ES的主要特点；然后从频率支撑、电压支撑和黑启动等方面介绍了GFM-ES的主要应用场景；最后从GFM-ES的稳定性、优化配置和实际工程应用等方面提出了研究展望。 结论 构网型变流器的稳定性对储能机组的运行特性具有重要影响，需要进一步关注稳定问题的诱导原因、参数整定、控制和限流策略切换等；GFM-ES规划配置中，需要在功能性、复杂性、成本等方面进行权衡，以及构网型和跟网型储能的混合配置有待继续研究；加强GFM-ES机组之间的协调性和运行交互性，完善工程测试规范和标准，推动其在交直流混合电网及高压输电网络的应用。

目的 相变储热技术是近年来最受关注的能源存储与管理技术之一，对实现能源综合梯度利用和提高能源利用效率具有重要意义。水合盐基无机复合相变材料在能源存储和热管理领域表现出巨大的应用潜力。通过分析材料物性特征及其在电池热管理领域应用情况，明确其在物性改良以及应用层面面临的技术挑战，并提出相应的改进策略，为推动水合盐基无机复合相变材料的应用提供思路。 方法 通过分析近年来国内外有关水合盐相变材料的研究成果，讨论了添加剂改性、合理封装等方法对水合盐相变材料的过冷、相分离和液相泄漏等固有缺陷的改善效果，以及对相变温度、潜热、热导率等热物性和热循环稳定性的影响。 结果 改性技术明显改善了水合盐相变材料的固有缺陷，显著提高了材料的热导率和热循环稳定性。此外，水合盐基无机复合相变材料在锂离子电池热管理中表现出优异的性能，显著降低了电池最高温度和最大温差，从而提升了电池的整体性能和安全性。 结论 水合盐基无机复合相变材料的大规模应用仍面临材料热稳定性和成本等挑战，未来研究应进一步优化这些材料的组成和结构，开发新型封装材料和添加剂，以全面提高材料的综合性能。特别是在锂离子电池热管理方面，应加强材料热物性特征与电池电化学性能的耦合研究，为设计高效、安全的电池热管理系统提供充足的理论和实验依据。

目的 随着需求侧响应资源的不断增长，传统的能源调度模式难以满足新能源大量接入的系统需求。为实现小区内多种能源的合理调配，提出了一种基于用户需求侧响应的能源交易策略，旨在优化智能小区内能源的调度。 方法 针对含多栋楼宇的居民小区，对其中的分布式光伏、储能设备和柔性负荷进行统一调配，并根据小区运营商和用户负荷聚合商的定价交互，采用Stackelberg博弈建立两阶段调度优化模型。 结果 算例仿真模拟结果显示，相比传统的以热定电策略，所提模型可以降低40.22%的运行成本，提高22.57%的光伏消纳水平；相比传统的最优运行成本策略，所提模型可以降低29.66%的运行成本，提高6.78%的光伏消纳水平。 结论 所设计的策略在实现公平利益分配、缓解电力波动、灵活应对调度高峰需求、加强新能源整合及确保电网运行安全方面具有良好效果。

目的 天气和随机因素会改变误差的统计特征，因此考虑对影响风电功率的多种气候因素进行特征提取，为优化功率时序特征提取，提出基于多特征提取(multimodal feature extraction，MFE)-卷积神经网络(convolutional neural network，CNN)-长短期记忆(long-short term memory，LSTM)网络的风电功率预测方法。 方法 首先，对数值天气预报(numerical weather prediction，NWP)数据提取11种统计性特征，通过提取基本特征和统计性特征对原始数据进行聚类，并根据类别分别建立预测模型，以提高预测模型的适应性；其次，在网络架构上对LSTM进行改进，通过CNN的特征提取能力和LSTM的非线性序列预测能力，实现对风电功率历史信息和NWP数据的充分挖掘。最后，利用我国新疆某风电场数据，通过MFE消融实验、CNN消融实验，验证了所提短期风电功率预测方法的有效性和优越性。 结果 相比于自回归移动平均(autoregressive integrated moving average，ARIMA)、全连接循环神经网络(fully recurrent neural network，FRNN)模型和MFE-LSTM、CNN-LSTM模型，MFE-CNN-LSTM预测方法的均方根误差与平均绝对误差均有所下降。 结论 MFE-CNN-LSTM预测方法可有效提取特征，并且MFE与CNN有效提升了预测准确性。

目的 为研究高比例可再生能源接入所带来的电力系统功率平衡复杂性增加、潮流分布不确定性提升和电网安全稳定性要求提高的问题，提出了一种包含风电、光伏、蓄电池和氢储能的多微电网系统容量优化配置方法。 方法 在多微电网配电网框架下，建立双层优化模型。该模型外层目标为最低全生命周期成本，内层目标为最小化配电网的峰谷差、网损和电压偏移。基于IEEE 69节点系统，使用白鲨优化(white shark optimizer，WSO)算法和Cplex求解器对模型进行求解，并获取最优容量配置方案和规划运行结果。最后，通过不同储能组合进行案例分析。 结果 当系统各部件的容量配置达到最优时，风光发电系统与电氢混合储能系统的装机比例为1∶0.27。风-光-电氢混合储能系统在经济性和稳定性上优于风-光-单一储能系统。 结论 所提方法在优化系统联合最优成本的同时，还能够有效降低负荷峰谷差、配电网网损并提高电能质量。

目的 氨在实现“双碳”目标方面发挥着关键作用，然而氨燃烧速度低且NO _x 排放较高。为提高燃烧速度，提出了采用氨氢掺混燃烧的方法。 方法 采用计算流体力学与氨氢混合燃烧机理相结合的方法，对氨气、氢气和空气的预混燃烧进行了数值模拟，并分析了当量比和入口空气流量对燃烧特性和NO _x 排放的影响。此外，为了更好地控制燃烧过程中NO _x 的排放，使用Chemkin软件进行了氨氢掺混燃烧反应动力学分析。 结果 在旋流燃烧器中，增加入口空气流量和当量比可以有效降低NO的排放；NO的主要生成途径为亚氨基的氧化。 结论 研究结果为旋流燃烧器中氨氢掺混燃烧特性的分析以及降低NO _x 排放提供了参考。

目的 随着可再生能源接入日益增多，新型电力系统的复杂性大大增强，电力行业需要基于更大规模的多源数据融合、更复杂的分析决策，并通过更智能化的手段提高系统的灵活性和适应性。以大语言模型为代表的大模型因其强大的自然语言处理能力及其在多种复杂任务中的推理能力而受到极大关注。基于此，从大语言模型在电力行业应用的实现技术出发，归纳总结相关成果，为后续大模型技术应用提供借鉴。 方法 首先，介绍了大语言模型应用落地的关键技术，包括提示词工程、检索增强生成、模型微调和智能体开发，这些技术确保大语言模型在实际应用中更准确实用，拓宽了应用场景。其次，介绍了大语言模型在电力知识服务、电力辅助决策、设备故障诊断、电力系统预测等领域应用的研究进展。最后，分析了大语言模型在电力行业应用的挑战。 结论 大模型在电力行业的应用主要集中在以大语言模型为基础的场景且较为成熟，而基于多模态大模型、时序大模型及大小模型协同的更复杂场景的应用仍处于探索和快速发展阶段。

目的 随着电力系统向更高程度的智能化和自动化演进，强化学习(reinforcement learning，RL)作为人工智能领域的一项关键技术，在电力领域的智能化发展方向上展现出广阔前景。完善RL在电力领域的应用研究方案，对于深入挖掘其在电力系统运行、控制和优化等方面的潜力至关重要。为此，分析了RL在实际电气应用中的效能表现，并展望了未来可能的研究方向，以期为电力系统智能化进程提供助力。 方法 对RL在各类电气领域的关键应用进行了综述。系统性地介绍了RL的基本原理和标志性算法，详细探讨这些算法如何被应用于新型电力系统领域的实际问题中。对各研究中主流的RL算法进行归类，并对在这些算法中进行的结构化改进进行优缺点分析。 结果 相比于传统算法，RL显著提升了新型电力系统的智能化水平，并在多个应用场景中取得了显著成效，特别是在应对系统复杂性和不确定性方面表现出色。然而，尽管有诸多成功案例，但目前该领域仍存在一些亟待解决的问题，比如计算成本高、训练时间长、泛化能力不足等。 结论 RL为新型电力系统的智能化提供了新的解决方案，然而，要实现大规模应用，还需要克服一系列技术和实践上的挑战。研究成果可为电气工程领域的研究者和实践者提供参考和启示。

目的 随着我国光伏产业的不断发展，光伏产业逐渐从高度依赖政府政策补贴向平价上网方向发展，对光伏电站的经济效益提出了更高的要求。因此，对光伏电站的投资决策和经济评价进行了全面细致的研究。 方法 从场址太阳能资源分析、太阳能电池组件选择、逆变器选择等多个方面对某4.45 MW分布式光伏电站项目进行投资决策指导。通过计算项目建设投资和收入，对该项目进行经济性分析，研究了建设投资、经营成本、发电电价及发电产量对分布式光伏电站项目经济性的影响。 结果 通过经济性分析，得出该系统的项目投资财务内部收益率(税后)为7.43%，项目投资回收期(税后)为11.39 a，资本金财务内部收益率为11.43%，资本金投资回收期为10.38 a。 结论 该项目具有良好的经济效益，项目经济性对电价变化最为敏感，且该项目具有较强的抗风险能力。研究结果可为光伏工程的研究和应用提供理论参考和工程指导。

目的 随着国家“双碳”战略的深入推进，综合能源服务作为能源行业新模式、新业态，逐渐成为我国构建新型能源体系、打造能源领域新质生产力的重要抓手。为助力我国综合能源服务行业高质量发展，对综合能源服务发展趋势与对策进行了研究。 方法 通过深入分析综合能源服务国内外发展现状，采用结构-行为-绩效(structure-conduct-performance，SCP)分析模型，剖析了新形势下综合能源服务行业发展变革及趋势。 结论 从国家层面围绕“政策-改革-规划”提出综合能源服务行业高质量发展“三个协同”的对策建议，从企业层面围绕“布局-模式-科创-品牌”提出高质量发展“四个优势”的实施路径，共同助力综合能源服务行业健康可持续发展，为我国新型电力系统建设和“双碳”战略实施提供创新示范、价值贡献。

目的 在能源资源紧缺与环保需求加剧的背景下，分布式供能技术尤其是可再生能源技术因能效高、经济性好、安装灵活而备受关注。对于公共供电网无法覆盖的高原、边防、孤岛等偏远地区，孤岛微电网已然成为解决用电难的关键技术。然而，如何深入优化能量管理效能，仍是当前面临的一大挑战。为此，围绕孤岛微电网中电能的经济性和稳定性两大核心目标展开综述。 方法 首先分析了国内外孤岛微电网的发展现状及研究重点。然后探讨了孤岛微电网的基本功能和管理对象；此外，还介绍了微电网能量管理的技术路线和3种控制策略；最后，结合现有技术缺陷和新型技术的发展对孤岛微电网能量管理系统的研究方向进行了展望。 结论 研究结果能够有效应对可再生能源的波动性和不确定性，保证系统的稳定运行；可以有效降低储能成本，提高能源利用效率，从而实现更高的经济效益；也可为未来孤岛微电网与新型技术的深度融合提供参考和启示。

目的 随着大规模新能源入网，新型电力系统在对灵活性需求提出一定要求的同时，对预测技术也有了更高的精确性要求，而传统预测方法在处理动态复杂的场景时存在一定局限性，因此，亟需研究适用于新型电力系统的预测技术。大语言模型(large language model，LLM)是一种基于生成式人工智能(artificial intelligence，AI)的技术，具有多模态数据融合、少样本学习、多任务处理的能力，能够为电力系统中的预测任务提供更加智能化和精准化的解决路径。为此，针对LLM在电力系统预测领域的应用现状及优势展开分析。 方法 首先，对LLM的基本架构、训练方法及其应用现状进行阐释；然后，说明了其应用在预测领域的原理及实现过程，并重点探讨了在电力负荷预测、新能源出力预测和电价预测方面的优势和潜力；最后，从数据质量管理、隐私保护及计算资源3个方面分析了目前LLM在预测应用中存在的问题，并给出了可行的解决思路。 结论 通过对比各种预测任务研究发现，与传统预测方法相比，LLM在少样本学习和多模态数据处理方面的强大能力使其更适用于复杂多变的预测场景，对LLM合理有效的应用能够为电力市场预测提供新的解决方案。

目的 风电机组轴系数学模型是扭振特性分析的基础，轴系模型对分析结果可靠性至关重要。为更精准地分析虚拟惯量引入后对传动链扭振特性的影响，对含虚拟惯量控制的双馈风机轴系建模问题开展了研究。 方法 确定仿真模型后，设计了阻尼控制器，该控制器可以抑制虚拟惯量控制引起的轴系扭振。首先，通过建立各种轴系的数学模型，建立基于虚拟惯量控制的风机系统动力学模型，并采用模态分析方法确定了影响机组轴系扭振特性的关键状态变量；其次，从含虚拟惯量控制的风机扭振特性以及风机轴系、同步机动态交互2个方面，研究了风机不同轴系模型的适用性；最后，通过仿真分析验证了阻尼控制器的有效性。 结果 采用虚拟惯量控制可以有效地改善因风电并网而引起的系统惯性衰减问题，但同时也会降低系统的阻尼比。2质量模型扭振模态的可观性更强，2质量轴系模型对虚拟惯量参数的变化更敏感。3质量模型轴系扭振相较2质量模型变化更大。 结论 含虚拟惯量控制的2质量轴系模型更适合风机轴系扭振分析。

目的 为应对全球气候变化，中国承诺努力在2060年前实现碳中和，这必将给各行各业带来战略性变革，也是发展新质生产力的契机。为此，从技术创新的视角对我国碳中和目标可能带来的变革进行了解读。 方法 分析了我国实现碳中和主要面临的挑战，阐述了实现碳中和与发展新质生产力的关系，从零碳能源供应、化石资源化利用、CO₂捕集与利用等方面介绍了新质生产力技术的研究方向。 结论 我国碳中和的实现需要新能源的大规模发展、传统产业的高端化转型升级，特别是化石资源化利用，以及持续不断的科技创新研发与应用，乃至颠覆性技术的突破，碳中和的最终实现也离不开CO₂的捕集与利用。

目的 随着我国“双碳”目标所驱动的新型电力系统的建设和应用，以高比例可再生能源和高电力电子化等为特征的电力系统展现出前所未有的复杂动态特性，给电力系统安全稳定运行提出新的挑战。电力系统智能计算利用新一代人工智能技术，尤其是大模型技术、预训练技术等，实现了物理模型、数据驱动模型、知识模型的融合，形成了一种新型的电力系统计算分析方法。为此，综述和展望了电力系统智能计算方法和技术在新型电力系统分析、优化、运行、调度、控制等方面的应用。 方法 首先，阐述了电力系统智能计算的概念和关键技术；然后，以电力系统时序预测、安全域优化、多能微网协同优化等关键领域的智能化处理为例阐述了其技术路线；最后，展望了其应用前景。 结论 智能化算法在多个评估指标上优于传统方法，显著提高了电力系统的预测精度和控制效率，验证了智能计算在电力系统计算分析中的应用潜力，为新型电力系统提供了一种有效的智能化技术路线，对于电力系统的智能化发展具有重要意义。

目的 选择性催化还原(selective catalytic reduction，SCR)脱硝因脱硝效率高，运行可靠等优点，被广泛应用于锅炉烟气脱硝，然而高灰布置下脱硝烟气尚未进行除尘处理，烟气中的飞灰会使催化剂堵塞并对其产生磨损。为减轻飞灰颗粒对选择性催化还原催化剂的磨损与堵塞，设计并研究了SCR外置烟道对烟气中的飞灰颗粒进行捕集分离。 方法 基于仿真软件及其用户定义函数功能，开展了SCR外置烟道飞灰沉积特性与流场优化的数值仿真。 结果 烟气流速从1 m/s上升至2 m/s时，飞灰沉积率由24.0%下降至1.88%，随着流速的增大，飞灰沉积率快速下降；50 μm以下飞灰颗粒难以被捕集，但随着飞灰粒径的增大，飞灰沉积率快速上升，飞灰被SCR外置烟道捕集，脱硝反应器入口流速分布极为不均；在流场分析的基础上，提出脱硝反应器入口流场优化方案，通过导流板的优化设计改善了流场分布，使脱硝反应器入口的速度不均匀系数从93.7%下降至14.7%。 结论 研究结果可为SCR外置烟道现场运行提供可靠的理论指导。

目的 在“双碳”背景下，实现综合能源系统(integrated energy system，IES)的低碳经济运行尤为重要，然而，考虑电转气(power to gas，P2G)设备的综合能源系统往往忽略了产氢过程中的能量损失。为此，构建了一种考虑氢能多元化利用的IES日前低碳经济调度模型。 方法 首先，建立了以碳捕集电厂、P2G为主要能源耦合设备的跨区级IES数学模型。其次，考虑到氢能的清洁、高效性，构建了掺氢热电联产以及含P2G、氢燃料电池、储氢罐的数学模型，并且为避免能量的浪费，在P2G设备两阶段转化过程中加入热回收装置。再次，建立需求响应与绿证-碳交易机制的数学模型，并将其引入系统低碳经济调度中。最后，以绿证交易、碳交易、燃煤和购电、购气成本之和最小为优化目标进行求解。 结果 所提模型使系统总成本下降55%，并且实现了风电全额消纳。 结论 此调度模型有效缓解了系统运行中能量损失的问题，使综合能源系统的低碳经济性得到了大幅提高。

目的 导流板可以改变风电场流量分配，在现有风电场中，增设导流板是提高风力机捕获风能的有效方法之一。为量化导流板影响，通过设置导流板工况，得到不同工况下风场速度分布以及风力机输出功率。 方法 将导流板倾角、长度、导流板与风力机间距3个因素进行3水平正交组合，基于雷诺时均Navier-Stokes (Reynolds averaged Navier-Stokes，RANS)方法进行数值模拟，最大限度地提高风力机功率。 结果 不同的导流板倾角、长度、导流板与风力机间距，对风力机入流风速和输出功率产生了不同程度的影响。在这3种影响因素中，导流板倾角对风力机入流风速和输出功率的影响最为显著，其次是导流板长度，最后是导流板与风力机间距。 结论 研究结果为提高风力机输出功率提供了参考依据，有助于优化风能利用中导流板的设计与应用。

目的 绿氢、绿氨和绿色甲醇作为清洁能源和化工原料，对“双碳”目标的实现有重要作用，随着对清洁能源需求的日益增长，风光氢氨醇一体化产业应运而生，成为备受关注的新兴领域。然而我国风光氢氨醇一体化产业尚处于发展初期，产业链各环节仍存在大量问题，为此，有必要探索风光氢氨醇一体化相关技术并分析未来产业发展方向。 方法 首先，介绍了电解水制绿氢、合成绿氨、合成绿色甲醇的技术路线，并概述了应对风光电不稳定性相关技术；其次，分析了风光氢氨醇产业的经济性，介绍了多个重点项目的实施情况和近年来相关政策；再次，分析估测了制绿氨、绿色甲醇的电耗、水耗情况，并对制备绿氢、绿氨、绿色甲醇的成本进行预测，进一步针对风光氢氨醇产业化进程提出了技术创新、产业链协同和政策支持等产业发展建议；最后，分析了风光氢氨醇一体化产业未来的发展方向。 结论 未来风光氢氨醇一体化将呈现技术集成化、应用多元化、区域协同化、成本经济化趋势，成为实现“双碳”目标、重构能源体系的核心路径之一。

目的 发展未来能源不仅是当前国际竞争的焦点，也是我国构建新型能源体系、高质量推进中国式现代化建设的必由之路。基于此，探讨了未来能源技术类别、研究现状以及未来发展趋势，旨在为相关领域的研究和政策制定提供参考。 方法 基于国际权威机构报告及全球典型项目数据，采用多维度分析方法，系统介绍了绿色低碳电源、生物能、合成烃燃料及氢能的全球研发现状。通过技术成熟度分级框架，结合经济性指标、政策支持力度及商业化案例，重点解析了各技术路线的关键突破、应用瓶颈与协同潜力，并构建了跨技术类别的能源转型路线图谱。 结果 随着技术进步和政策支持力度增大，可再生能源在电力结构中的占比得到显著提升，成为主要电源的进程持续加快。同时，生物能、氢能、合成烃燃料、可控核聚变等新兴技术的发展将为能源转型提供新的解决方案。 结论 研究结果为推动能源绿色低碳转型提供了科学依据，对能源领域相关人员研究和制定相关政策具有重要参考价值。

目的 光伏-聚光太阳能发电(photovoltaic-concentrating solar power，PV-CSP)复合系统结合了PV低成本和CSP高可调度性的优势，但同时也面临弃电和储能利用率低的普遍问题。为实现PV弃电热转化储能利用，提出了一种配置电加热(electric heater，EH)装置的PV-CSP复合系统(PV-CSP-EH)。 方法 通过构建PV-CSP-EH复合系统准稳态模型，以1 h为时间间隔分析了系统全年运行特性。通过参数分析和帕累托寻优模型，得到了不同系统配置下的性能变化规律和平准化度电成本(levelized cost of electricity，LCOE)最优参数。 结果 PV-CSP-EH复合系统全年发电量和渗透率比传统PV-CSP复合系统分别提高了8.2%和16.2%；同时，其全年弃电量仅有2 GW⋅h，弃电回收率、转化率分别达到94.1%、35.2%；在最优配置下，其LCOE可低至0.138美元/(kW⋅h)，比传统PV-CSP复合系统降低了6.8%。 结论 PV-CSP-EH复合系统能够提高发电量和渗透能力，显著降低弃电量，以更经济的方式优化弃风弃光问题，为构建新型电力系统作出贡献。

目的 随着电力系统覆盖范围的持续扩大，综合能源系统结构日益复杂化，配电网作为能源系统的重要结构，这一趋势显著降低了配电网故障定位的精确度。因此，提出一种基于改进二进制粒子群优化算法的配电网故障定位方法。 方法 在二进制粒子进行每一次迭代的过程中，首先对粒子的位置实施了自适应变异操作；进一步地，在惯性权重的设置中引入了自适应方法，构建了一种具备双重自适应特性的二进制粒子群算法。 结果 在标准辐射型配电网和包含分布式电源的标准辐射型配电网中，改进后的二进制粒子群算法均能准确锁定故障区段。 结论 与传统的二进制粒子群算法和遗传算法相比，改进算法在收敛能力上展现出更强的稳健性，不会因故障类型的差异而受到影响，具有更强的可靠性，因此更加适用于复杂多变的配电网环境故障定位任务。

目的 抽水蓄能机组具有灰启动潜力，将其与综合能源系统(integrated energy system，IES)的多能互补优势相结合，可适用于系统在极端事件下恢复运行。为研究灾后IES的恢复机制，提出一种抽水蓄能灰启动下冷热电互补综合能源系统(cold-heat-electricity IES，CHEIES)优化调度模型。 方法 首先，通过随机场景优化处理风光冷热功率不确定性问题，采用拉丁超立方抽样生成大量随机风光冷热场景，并使用概率距离快速削减法对场景数量进行削减。然后，针对灰启动下的CHEIES，以抽水蓄能作为灰启动电源为热电联产机组提供启动电源，并以灰启动效益为核心考量因素，综合构建单目标优化调度模型，引入冷热电功率平衡约束，确保IES在各种负荷情况下的稳定运行。最后，对模型进行仿真求解，并分析了各种运行方案下的优化调度策略和经济效益。 结果 配置抽水蓄能灰启动的CHEIES在应对极端自然灾害情境下展现出较高的灵活性和运行效率，与未配置抽水蓄能灰启动的方案相比，系统运行成本降低了12.14%。 结论 所提方法可充分挖掘紧急状态下CHEIES的可靠性、经济性与灵活性，为极端事件灾后IES的快速恢复提供了策略支持。

目的 车载供氢系统作为氢燃料电池汽车的核心部件，如何实现供氢系统的氢气完全循环利用及提高氢气利用率，已成为制约氢燃料电池汽车发展的关键瓶颈之一，因此对车载供氢系统发展现状进行了分析。 方法 介绍了车载供氢系统的基本工作原理，概述了6种回氢循环供氢系统与2种非循环供氢系统模式的结构组成、工作原理和发展现状，对比了不同模式供氢系统的优缺点；梳理了车载供氢系统中储氢瓶、加氢模块、组合阀等关键部件的技术现状，并对减压阀、过流阀、手动阀等核心阀件发展现状进行了分析；最后，对车载供氢系统的发展趋势和攻关方向进行了展望。 结论 供氢系统循环模式是未来主要发展方向；先进信息技术、自动控制技术及智能决策算法等将逐步用于车载供氢系统；车载供氢系统各部件逐渐向轻量化、高可靠性、低成本、标准化和模块化方向发展。

目的 可再生能源电解水制氢作为一种重要的可持续能源技术，因其环保和低碳排放优势，得到了广泛关注。然而，传统电解水制氢技术在效率和成本方面存在挑战，人工智能(artificial intelligence，AI)的快速发展为解决电解水制氢技术的难点问题提供了有效途径。为此，探讨AI在优化电解水制氢系统效率和经济性中的关键应用及其发展前景。 方法 利用常用AI工具，如MATLAB、Python和SimuNPS，在电解水制氢系统中进行算法开发、深度学习模型训练和多物理场仿真。通过引入AI技术实现出力预测、系统容量优化与调度、故障诊断等应用，提升系统性能和稳定性。通过对比分析不同AI模型在多种实际场景下的表现，探讨其在提升系统性能与可控性方面的具体作用与实现方式。 结论 AI技术为可再生能源电解水制氢系统的效率提升与智能调度提供新思路。未来研究应重点聚焦AI在出力预测、调度优化和故障诊断等方面的应用，推动AI与系统运行的深度融合，探索其在智能监测、自动控制和多源协同中的创新应用，为构建高效、稳定、低碳的氢能系统提供有力支撑。

目的 超临界CO₂布雷顿循环具有效率高、结构紧凑、发电潜力大、可扩展性强等优点。采用CO₂基混合物作为循环工质，可调节临界参数、提升循环性能，是近年来关注的热点，综述其研究进展对于基础理论研究及工程应用具有重要意义。 方法 对应用超临界CO₂基混合工质布雷顿循环研究进展进行综述，总结了CO₂基常用的混合工质种类，在循环部件及结构层面开展了讨论，并分析了常用循环性能指标及研究工况等。 结论 应用混合工质可提升或降低CO₂的临界温度，但目前物性参数预测范围有限且实验数据欠缺。最常被探究的循环形式是再压缩循环结构，普遍关注的是循环的热力学性能和设计工况研究。建议加强和深化混合工质热物理性质的理论和实验研究，合理检验部件材料兼容性，针对混合工质的热力学特性提出新型循环结构，并应进一步探究分析循环的综合性能和动态特性。

目的 光伏阵列在复杂室外工作条件下，发生的故障类型多样且程度不同，为了判断光伏阵列的工作状态，提出一种基于改进灰狼算法优化极限学习机(improved grey wolf optimized extreme learning machine，IGWO-ELM)的故障诊断方法。 方法 首先，针对9种故障仿真输出特性进行分析，建立了由短路电流、开路电压、最大功率点电流、最大功率点电压、填充因子组成的5维故障特征向量。其次，针对灰狼算法初始位置分布不均匀、全局搜索和局部开发过程不均衡的缺点，引入Circle映射和非线性收敛因子，提出一种改进的灰狼优化算法，优化极限学习机的输入层权重和隐含层节点偏置，以提高算法性能。最后，搭建仿真模型和实验平台并获取故障数据，基于K折交叉验证对数据集进行划分，代入IGWO-ELM模型进行正确率验证，并与其他算法模型进行对比。 结果 IGWO-ELM模型对光伏阵列不同故障具有较高的识别率，对仿真数据和实验数据的分类正确率分别达到98.32%和95.48%。 结论 基于IGWO-ELM的故障诊断方法识别率高，迭代次数少，收敛速度快，可有效判断光伏阵列的工作状态。

目的 低温天气给包含高比例风电等新能源的电力系统运行带来了挑战，提升低温天气下的短期风电功率预测精度，将为电力系统的调度运行提供有效的决策信息。为此，提出一种低温天气下考虑机组运行状态聚类的风电功率预测方法。 方法 利用机组运行状态与保护控制信息，采用模糊C均值(fuzzy C-means，FCM)聚类算法对风电机组进行聚类；提出一种基于支持向量机的风机运行状态分组预测方法，预测风机是否处于正常运行状态；采用集成学习中的LightGBM算法预测风机正常运行时的功率值；基于运行状态和功率值的预测结果，给出风电场总体输出功率。最后，以冀北某风电场为例进行分析，验证所提方法的有效性。 结果 所提方法充分利用风机低温保护控制行为特征，准确预测了风电机组的关键切机时间，并给出停机容量，有效地拟合了风电功率曲线变化规律，将风电功率预测精度提升至90%以上。 结论 所提方法可为电力调度控制提供有效预测信息，也为大风等其他极端天气下的短期风电功率预测提供了参考。

目的 为应对新型核电系统在保障能源供应、推动清洁能源转型及实现“双碳”目标过程中面临的结构多样化、负荷不确定性、数据复杂性等挑战，并解决大语言模型应用于核电领域时存在的知识局限性、幻觉及推理成本高等问题，研究了大语言模型与知识图谱结合，特别是图检索增强生成(graph retrieval-augmented generation，GRAG)技术的应用潜力，以构建更智能、高效、可靠的核电系统信息处理能力。 方法 分析了大语言模型与知识图谱在核电领域的研究现状、各自优缺点及结合的互补性；重点介绍了GRAG技术相较于传统检索增强生成(retrieval-augmented generation，RAG)技术的优势，并探讨了其在核电风险评估、智能问答辅助、知识管理与决策支持、故障诊断与预测等场景的具体应用；梳理了引入并微调大语言模型、构建领域知识图谱、实现GRAG增强的技术路径。最后，从混杂数据下的知识图谱构建、大语言模型认知推理与决策、人机交互可控性等方面对未来研究进行了展望。 结论 结合知识图谱的GRAG技术能有效缓解大语言模型在专业领域的知识局限性和幻觉问题，增强生成内容的可解释性与可靠性。研究结果可为未来优化核电领域知识图谱的构建、提升大语言模型在复杂推理任务中的能力、开发与核电领域专家高效互动的人工智能体提供参考。

目的 氢能作为具有高能量密度和零碳排放的清洁能源，是未来能源系统的重要组成部分。针对园区氢电耦合系统(hydrogen-electric coupling system，HECS)，提出了考虑负荷需求响应和阶梯碳交易的两阶段鲁棒优化调度模型。 方法 首先，构建含风光发电机组、备用发电机组、储能系统以及氢电转换设备的园区氢电耦合系统。然后，将需求响应和阶梯碳交易引入到模型中，以系统购能成本、运维成本和碳排放成本之和最小为目标，构建该系统的确定性优化模型。最后，将源荷自适应不确定集整合到确定性优化模型中，以消除源荷不确定性对调度结果的影响，形成两阶段鲁棒优化模型，利用主从框架对该模型进行重构，采用列和约束生成法进行求解。 结果 在源荷不确定系数为12和6的情况下，可调占比为0.5以下的需求响应负荷可以降低系统1.6%的运营成本，阶梯碳交易的引入可以减少604.9 kg的碳排放量。 结论 所提模型可以提高园区HECS的抗风险能力，需求响应和阶梯式碳交易的引入可以保证园区HECS的经济性和低碳性运行。

目的 为应对极端高温天气对电力系统供需平衡造成的冲击，提出一种面向中长期的电力系统韧性提升方法。 方法 首先，模拟持续性极端高温场景下“源-荷”耦合出力特性，并利用时序运行模拟模型对系统韧性表现进行初评估；其次，基于运行模拟结果，在电力供需平衡的基础上以供电成本与负荷削减成本之和最小为目标，建立面向韧性提升的电力资源规划模型，得到韧性提升组合措施；最后，对韧性提升策略场景进行运行模拟，以验证其有效性。 结果 以2025年广东省为案例场景，与未实施电力系统韧性提升策略的场景相比，实施策略后极端高温天气下系统累积缺供电量、最大失负荷规模和因电力短缺而造成的经济损失分别降低了86.71%、60.72%和91.55%，系统最小供电水平提升了11.07%。 结论 通过协同供电资源扩容与负荷资源部署，电力系统韧性提升策略有效地提升了极端高温天气下系统的供电能力，同时降低了因电力短缺而造成的经济损失和社会代价。

目的 针对超临界机组燃水比(firing rate to feed water ratio，FR/FW)控制过程中存在强耦合性、负荷量大和抗扰动能力弱等问题，根据自耦PID控制理论提出了自耦PI(auto-coupling PI，ACPI)新型控制方法。 方法 将多变量FR/FW系统等效为多个单变量闭合回路系统，并将FR/FW系统的耦合性、已知或未知内部动态、外界扰动等一切复杂因素定义为总扰动，进而将FR/FW控制系统等价映射为线性扰动系统，构建了在总扰动激励下的受控误差系统。在此基础上，对每个单变量系统设计了基于速度因子的自耦PI控制器，并在复频域理论分析了控制系统的鲁棒稳定性和抗扰动鲁棒性。 结果 与PI、自抗扰控制方法相比，ACPI控制方法具有响应速度快、无超调的动态品质与抗扰动能力强的稳态性能。 结论 研究成果对提升超临界机组FR/FW系统的控制精度与鲁棒性具有重要意义。

目的 高压电源是电除尘器(electrostatic precipitator，ESP)的核心设备，脉冲电源可实现高比电阻粉尘的高效脱除，但存在脉冲电压高导致发热、电磁干扰等难题，影响运行稳定性，为此，在常规脉冲电源的基础上，设计改进了脉冲电源。 方法 提出了双路脉冲变压器，全膜油浸电容器，强制通风-油-自然冷却结合的散热系统，抗干扰系统和脉宽自适应算法等脉冲电源升级配套技术，并在660 MW燃煤机组同一台炉的A侧和B侧2台电除尘器上进行了对比试验，A侧前4个电场采用高频电源，第5个电场采用改进的脉冲电源，B侧作为对比，5个电场均采用高频电源。 结果 改进后的性能指标达到脉冲峰值电压100 kV，脉冲峰值电流350 A，脉冲重复率1~400 Hz。电除尘器配置改进的脉冲电源及控制系统后，电除尘出口粉尘质量浓度达到5 mg/m³以下，电除尘器高压电耗降低24.5%。 结论 改进后的脉冲电源提升了二次电压等参数，并解决了发热、电磁干扰等难题，提高了电除尘效率，对高比电阻粉尘捕集提效具有重要意义。

目的 目前胺法捕集烟气CO₂工艺系统中大多采用不锈钢填料塔，为了大幅度降低填料塔成本，提出采用聚丙烯材质规整填料替代高成本的不锈钢结构填料，从而降低燃烧后CO₂捕集系统中吸收塔的投资成本。 方法 采用塑料填料来代替不锈钢填料，将选用的聚丙烯材料和质量分数为30%的聚丙烯接枝马来酸酐(polypropylene grafted maleic anhydride，PP-g-MAH)颗粒料进行混合后，采用熔融共混方法将其制成规整填料。在搭建的填料流体力学性能和传质性能测试平台上，对不同填料性能进行测试。 结果 聚丙烯和PP-g-MAH熔融共混改性的规整填料410Y和350Y干塔压降与不锈钢填料500Y干塔压降接近。在相同公称比表面积规格条件下，改性聚丙烯填料350Y的有效比表面积接近不锈钢填料350Y。在CO₂-胺反应的吸收塔内的液相负荷条件下，聚丙烯填料350Y的有效比表面积约为不锈钢填料350Y的90%左右。 结论 改性聚丙烯填料与不锈钢填料性能接近，实际应用中可替代不锈钢填料，并大幅降低CO₂捕集系统中吸收塔的投资成本。

目的 质子交换膜燃料电池(proton exchange membrane fuel cell，PEMFC)作为极具潜力的清洁能源技术，在能源转换领域备受关注。然而，PEMFC系统的高度复杂性及运行过程中存在的不确定性，使其状态估计和故障诊断面临诸多挑战，严重影响系统可靠性与安全性。为有效应对这些难题，对人工智能(artificial intelligence，AI)技术在PEMFC状态估计和故障诊断中的应用策略与成效进行了研究。 方法 分析了当前PEMFC在状态估计与故障诊断领域的研究进展。在状态估计领域，解析了PEMFC非线性模型特性，介绍了基于AI的状态估计技术，分析了不同算法在PEMFC状态估计中的应用原理及优势。在故障诊断领域，总结归纳了PEMFC常见故障类型，分析了故障表现及内部成因，介绍了基于AI的故障诊断技术。最后，对基于AI的PEMFC状态估计与故障诊断技术的未来发展提出了建议。 结论 AI技术能够凭借其强大的数据处理和模式识别能力，准确估计PEMFC的状态，有效诊断系统潜在故障，从而显著提升PEMFC系统的运行效率和稳定性，增强系统可靠性与安全性。未来，可在AI算法创新、状态估计与故障诊断优化、智能体系构建以及与其他技术协同合作等方面开展研究。

目的 当水轮机发生空化故障时，机组效率下降、部件侵蚀加速，严重时甚至引发安全事故。因此，准确且快速识别水轮机空化状态，对水电站高效、安全运行至关重要。针对目前复杂卷积神经网络(convolutional neural network，CNN)模型存在的识别速度慢与简单CNN模型存在的识别准确率低等问题，提出一种基于知识蒸馏(knowledge distillation，KD)-CNN的水轮机空化状态识别方法。 方法 首先，引入知识蒸馏理论中教师模型与学生模型相互作用机理，定义3层CNN网络作为教师模型，定义单层CNN网络作为学生模型；然后，利用试验获取的空化声发射信号数据对教师模型进行训练；最后，将代表空化状态类型的数据标签替换成教师模型的输出，通过学生模型对替换标签后的新数据集进行学习，使交叉熵达到最小值。训练完成后的模型即为KD-CNN模型，利用该模型对各工况数据进行空化状态识别试验。 结果 KD-CNN模型在2 s内即可完成水轮机空化状态识别，且各工况的识别准确率均高于97%。 结论 KD-CNN模型结构简单，同时具有学生模型的识别速度与教师模型的识别准确率，为水轮机空化实时监测提供了新思路。

目的 随着光伏发电装机规模不断扩大，精确评价光伏阵列运行状态在光伏电站智能化运营中的作用日益重要。由于受云层、天气和环境等多种不可控因素的影响，光伏阵列出力具有很大的不确定性，这给光伏阵列运行状态的分析带来了挑战。为了解决这个问题，提出了一种基于非参数估计的光伏阵列效率分布特征建模方法，并利用建模结果对光伏阵列运行状态进行评估。 方法 首先，研究分析了光伏阵列效率的分布特性和影响因素；其次，采用核密度估计法建立了光伏阵列效率的分布模型；最后，通过设置置信度，获得了光伏阵列不同运行状态的阈值区间，实现了光伏阵列运行状态的识别。 结果 利用实际运行数据从光伏阵列输出电流、电压和效率等多个维度验证了所提方法可以有效划分光伏阵列运行状态。 结论 利用光伏阵列效率出力分布特征可以有效表征光伏阵列运行状态，解决了光伏阵列出力随机波动性带来的状态划分不确定性问题，实现了光伏阵列运行状态精确判别。

目的 保证电网稳定运行，需准确预测综合能源系统中多种负荷。为此，针对现行算法预测精度低和多元负荷之间耦合性等问题，提出一种基于组合相关系数(composite correlation coefficient，CCC)的预测算法。 方法 首先，采用Savitzky-Golay(SG)滤波器和麻雀搜索算法(sparrow search algorithm，SSA)优化变分模态分解(variational mode decomposition，VMD)，处理原始数据的特征；然后，利用组合相关系数分析耦合性，通过人工提取关联性大的一些特征输入结合编解码器(encoder-decoder，ED)的门控循环单元(gated recurrent unit，GRU)神经网络中，得到多元负荷预测结果；最后，基于前述算法，通过算例进行实验验证。 结果 相比于传统的GRU、长短期记忆网络、双向门控循环单元预测模型，所提算法的电负荷的预测误差分别降低了0.55%、0.49%、0.17%，冷负荷预测误差分别降低了0.71%、0.54%、0.19%，热负荷的预测误差分别降低了0.62%、0.55%、0.19%。 结论 所提算法模型能更好地捕捉关键信息，相比于其他算法有一定的优势，提高了预测的准确性。

目的 为兼顾新能源汽车的充能需求，同时促进可再生能源消纳，提出一种考虑电转氢和需求响应的风光储综合充能站优化运行策略。 方法 首先，基于Logistic函数响应机理构建充能站售电价格优化模型，并采用非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ，NSGA-Ⅱ)求解，从而引导用户充电负荷合理转移；其次，基于优化后的售电价格和负荷分布情况，综合考虑充能站购能成本、运维成本及功率平衡等相关约束，以日运行成本最小为目标函数，建立含电转氢装置的风光储综合充能站优化运行模型；最后，在MATLAB平台上开展仿真研究。 结果 考虑电转氢和需求响应后，充能站日运行成本降低了34.74%，风、光消纳率分别提高了25.84%和61.60%。 结论 通过实施电转氢和需求响应措施，能够明显降低综合充能站的运行成本，同时提高风光的消纳能力。

目的 针对核电厂低品位余热直接排放造成的海洋热污染问题，亟需探索高效解决方案以降低排海热负荷。为此，对不同类型余热源特性及其发电潜力进行了系统评估，为核电厂余热利用提供热经济性数据依据。 方法 总结了核电厂中各类低品位余热的特点，并分析了余热的不同利用方式及其发展现状；介绍了3种适用于该余热的发电技术，并结合实际案例对比分析了不同发电技术的热经济性能及不同余热源的回收潜力。 结果 核电厂二回路凝结饱和水的能质系数最高，发电利用潜力最大。此外，有机朗肯循环(organic Rankine cycle，ORC)是热经济性能最佳的余热发电方案，其平准化度电成本最低，为0.037 6美元/(kW⋅h)，相对于喷射式有机闪蒸循环和卡琳娜循环分别降低了84%和78%；ORC发电功率为462.2 kW，具有较好的可行性；在回收低压缸乏汽余热场景下，ORC的可减排热负荷为360.3 MW，环保效益显著。 结论 ORC等余热发电技术可大幅降低排海热负荷，为我国核电厂的低品位余热利用与降低排海热负荷提供重要参考。