编者按：新型电力系统是新型能源体系的重要组成和实现“双碳”目标的关键载体。“双碳”目标确立后，我国新能源发展掀起新高潮，电力绿色低碳转型不断加速。新能源出力具有随机性、间歇性和波动性等特点，给电网的安全与经济运行带来诸多挑战，准确可靠的预测技术是解决上述问题的关键之一。同时，随着新型电力系统建设的推进，负荷特性变得更加复杂，负荷预测难度增大，准确的负荷预测可以帮助合理安排能源供需，缓解电力的短缺或过剩问题。综上，对新能源出力以及负荷的科学预测，对于保障能源供应安全、提高能源利用效率、加快构建新型电力系统具有重要意义。为探讨新型电力系统背景下源荷预测技术的发展与应用，共享最新学术和技术成果，进一步推动该领域的深入研究，《中国电力》编辑部特邀请中国农业大学叶林教授、国家电力调度控制中心张振宇副主任、浙江大学万灿教授、中国电力科学研究院车建峰高级工程师担任特约主编，特别组织策划“面向新型电力系统的源荷预测技术”专栏。现将专栏文章进行汇编，以飨读者！
01
作者：李卓, 王胤喆, 叶林, 罗雅迪, 宋旭日, 张振宇
单位：中国农业大学 信息与电气工程学院；中国电力科学研究院有限公司；国家电力调度控制中心
摘要：随着新型电力系统发电侧、输电侧和用电侧不确定性的日益增加，电力系统拓扑结构关系逐渐复杂、规模程度不断升级。常规欧式空间数据解析方法在表征多源异构和非规则的拓扑结构关系时，往往呈现性能较差、准确度不高的问题。图神经网络（graph neural networks，GNNs）能够捕捉到不同节点和边之间的复杂依赖关系，并有效挖掘非欧式空间数据结构中的时空特征，适用于复杂电力系统拓扑结构关系的感知与建模。针对于此，基于前人的研究进展，介绍了GNNs的定义和特点，并分析了GNNs不同变体的特点及其优势。然后，归纳和总结了GNNs在电力系统状态感知、预测、图潮流计算等方面的应用现状，从感知-预测-优化角度探讨了GNNs与新型电力系统的适配关系。最后，针对GNNs潜在的问题难点和未来可行的发展方向进行了总结和展望。
02
作者：李丹, 梁云嫣, 缪书唯, 方泽仁, 胡越, 贺帅
单位：三峡大学 电气与新能源学院；梯级水电站运行与控制湖北省重点实验室；新能源微电网湖北省协同创新中心
摘要：大量出力不确定的风电场并入电网会带来运行隐患和不可控风险，基于变分自编码器的场景生成模型方法能生成确定性场景集合以描述风电出力的不确定性。针对多风电场出力复杂的时空相关性以及在传统变分自编码器模型训练过程中可能存在的“KL坍缩”等问题，提出一种基于高斯混合聚类和改进条件变分自编码器的多风电场时空功率日场景生成方法。通过引入二维卷积技术提取时空相关性进行降维，并采用最大化最小夹角独立正则化技术，强化隐特征的独立性；采用超球面分布替代高斯分布，避免模型出现“KL坍缩”，提高模型场景生成训练的稳定性和准确性；另外，进一步考虑多风电场功率日场景的多样性和灵活性，引入高斯混合聚类技术，使模型可根据特定的条件标签生成具有差异化特征的确定性场景集。实际算例的结果表明，相较于常见方法，所提方法累积概率分布误差下降了17%~71%，时空相关性平均误差分别下降了85%~97%和55%~91%，且能精准生成不同风况类别占比的多风电场功率日场景集，提高了场景生成的多样性和灵活性。
03
作者：王蕊, 傅质馨, 王健, 刘皓明
单位：河海大学 电气与动力工程学院
摘要：新能源发电出力和负荷长期增长的不确定性增加了电网规划复杂性，开展新能源出力和负荷长时间尺度上的不确定性分析，对电网的规划与建设具有重要意义。提出了一种基于复杂特征提取和Sinkhorn距离的风光荷多阶段场景树生成方法。首先，为提高风光荷场景的聚类效率，提出基于堆叠稀疏自编码器的风光荷场景特征提取方法，并采用基于密度峰值改进的近邻传播算法对风光荷场景特征集合进行聚类，获得风光荷典型曲线，作为场景树的根节点；然后，考虑负荷不同增长率，逐年生成风光荷场景树，并提出基于Sinkhorn距离的场景树削减方法以降低场景树的规模；最后，算例仿真结果表明，所提方法计算效率高，生成的风光荷多阶段场景树可反映风光出力和负荷增长的不确定性。
04
作者：李翰章, 冯江涛, 王鹏程, 荣澔, 柴宇唤
单位：山西大学 自动化与软件学院；山西平朔煤矸石发电有限责任公司；山西河坡发电有限责任公司
摘要：精确预测光伏发电功率对电网的安全与经济运行具有重要的意义，但因光伏发电具有时序性、间歇性、波动性以及高非线性等特征，难以深度挖掘数据隐含信息。针对此类问题，提出了一种基于结合时变数据增强（time-varying data enhancement，TDE）、蛇优化算法（snake optimizer，SO）、自适应权重模块（adaptive weight module，AWM）和门控循环单元（gated-recurrent unit，GRU）的光伏发电功率预测模型，通过强相关TDE提升数据特征的表现力，并构造全新的输入矩阵，然后利用AWM对增强后的输入矩阵进行自动赋权处理进入GRU进行预测，同时考虑到组合模型超参数选择困难的问题，引入SO对模型的最佳阈值进行寻找以发挥模型最大性能。最后，使用某光伏发电站实际数据对模型进行验证，结果表明：所提模型可有效提升光伏发电功率的预测精度。
05
作者：陈璨, 苏紫诺, 马原, 刘佳林, 王玉庆, 王飞
单位：国网冀北电力有限公司电力科学研究院；华北电力大学 电力工程系；新能源电力系统全国重点实验室（华北电力大学）；河北省分布式储能与微网重点实验室（华北电力大学）
摘要：准确的区域分布式光伏功率概率预测可为有源配电网优化运行提供更全面的信息支撑。当缺乏气象测量或预报数据时，对分布式光伏时空相关信息的挖掘利用可以有效提升功率预测精度，然而，现有研究或难以针对性挖掘时空关联信息，或在建模过程中丢失大量有效信息。为此，提出了一种基于分层关联建模的区域分布式光伏功率超短期概率预测方法。首先，采用基于深度一致性的聚类方法对分布式光伏集群进行子区域划分，支撑对子区域内部时空关联的针对性建模；在此基础上，构建分层图结构以同步建模子域内与子域间时空关联关系，有效利用不同层级间关联信息；然后，提出了基于分层图卷积神经网络的概率预测模型，挖掘光伏电站之间的深度时空关联特征，提升区域分布式光伏超短期功率概率预测精度。最后，利用实际分布式光伏功率数据集验证了该方法的有效性。
06
作者：杨鹏伟, 赵丽萍, 陈军法, 甄钊, 王飞, 李利明
单位：国网冀北电力有限公司张家口供电公司；北京送变电有限公司；华北电力大学 电力工程系；新能源电力系统全国重点实验室（华北电力大学）；河北省分布式储能与微网重点实验室（华北电力大学）；北京清电科技有限公司
摘要：由于缺乏气象数据，分布式光伏在天气骤变场景下预测精度不高，提出了一种基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法。首先，将相似时段概念由日扩展至更灵活的时间段，并提出了一种历史功率与卫星遥感信息融合的匹配策略，旨在无须依赖气象数据的情况下，高效识别出对预测最为关键的相似功率时段。在此基础上，融合Transformer网络的强大时序建模能力，动态解析多源相似时段中的隐藏关联，深入挖掘功率关键特征信息，从而为天气骤变条件下的分布式光伏系统提供更为精确的超短期功率预测。最后，通过实际分布式光伏功率数据验证了所提方法的有效性。
07
作者：陈庆斌, 杨耿煌, 耿丽清, 苏娟, 孙京生
单位：天津职业技术师范大学 自动化与电气工程学院；天津市信息传感与智能控制重点实验室；中国农业大学 信息与电气工程学院；国网天津市电力公司综合服务中心
摘要：针对光伏功率随机性较强等问题，提出了一种基于相似日选取和数据重构的短期光伏功率组合预测方法。首先，利用核模糊C均值算法对光伏功率进行聚类分析，通过最大信息系数提取主要影响特征；其次，结合合作博弈思想计算预测日和历史日的综合相关系数，挑选相关性较强的历史日构建训练集；然后，利用变分模态分解将光伏功率分解为若干子序列，计算排列熵值并重构为趋势项、低频项和高频项；最后，对趋势项和低频项采用长短期记忆神经网络进行预测，对高频项采用卷积神经网络-双向长短期记忆神经网络-注意力机制模型进行预测，将结果叠加得到最终预测结果。经实例验证，在不同天气条件下，所提模型整体预测误差最小，可有效提高预测精度。
引文信息
李卓, 王胤喆, 叶林, 等. 从感知-预测-优化综述图神经网络在电力系统中的应用[J]. 中国电力, 2024, 57(12): 2-16.
Zhuo LI, Yinzhe WANG, Lin YE, et al. The application of graph neural networks in power systems from perspective of perception-prediction-optimization[J]. Electric Power, 2024, 57(12): 2-16.
李丹, 梁云嫣, 缪书唯, 等. 基于高斯混合聚类和改进条件变分自编码的多风电场功率日场景生成方法[J]. 中国电力, 2024, 57(12): 17-29.
Dan LI, Yunyan LIANG, Shuwei MIAO, et al. Daily power scenario generation method for multiple wind farms based on gaussian mixture clustering and improved conditional variational autoencoder[J]. Electric Power, 2024, 57(12): 17-29.
王蕊, 傅质馨, 王健, 等. 基于复杂特征提取和Sinkhorn距离的风光荷多阶段场景树生成方法[J]. 中国电力, 2024, 57(12): 30-40.
Rui WANG, Zhixin FU, Jian WANG, et al. A multi-stage scenario tree generation method for wind-solar load based on complex feature extraction and sinkhorn distance[J]. Electric Power, 2024, 57(12): 30-40.
李翰章, 冯江涛, 王鹏程, 等. 基于TDE-SO-AWM-GRU的光伏发电功率预测模型[J]. 中国电力, 2024, 57(12): 41-49.
Hanzhang LI, Jiangtao FENG, Pengcheng WANG, et al. Photovoltaic power prediction model based on TDE-SO-AWM-GRU[J]. Electric Power, 2024, 57(12): 41-49.
陈璨, 苏紫诺, 马原, 等. 基于分层关联性建模的分布式光伏功率超短期概率预测[J]. 中国电力, 2024, 57(12): 50-59.
Can CHEN, Zinuo SU, Yuan MA, et al. Ultra-short-term probabilistic forecasting of distributed photovoltaic power generation based on hierarchical correlation modeling[J]. Electric Power, 2024, 57(12): 50-59.
杨鹏伟, 赵丽萍, 陈军法, 等. 基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法[J]. 中国电力, 2024, 57(12): 60-70.
Pengwei YANG, Liping ZHAO, Junfa CHEN, et al. Distributed photovoltaic ultra-short-term power forecasting method based on temporal analog matching approach and transformer network modeling[J]. Electric Power, 2024, 57(12): 60-70.
陈庆斌, 杨耿煌, 耿丽清, 等. 基于相似日选取和数据重构的短期光伏功率组合预测方法[J]. 中国电力, 2024, 57(12): 71-81.
Qingbin CHEN, Genghuang YANG, Liqing GENG, et al. Short term photovoltaic power combination prediction method based on similar day selection and data reconstruction[J]. Electric Power, 2024, 57(12): 71-81.
专栏特约主编简介——叶林
叶林，中国农业大学电气工程领域首批领军教授、博士生导师，德国洪堡学者，教育部新世纪优秀人才，连续入选Elsevier电气工程领域“全球前2%顶尖科学家榜单”和“年度科学影响力排行榜单”。现担任中国电机工程学会电力系统专业委员会和新能源运行与控制专业委员会委员。主要研究方向为电力系统运行控制、新能源发电技术，人工智能在电力系统中应用等。曾获中国电机工程学会优秀论文一等奖。先后主持国家自然科学基金研究项目、教育部科学技术研究重点项目、教育部博士点基金（博导类）、霍英东青年教师奖励（基金）项目、北京市自然科学基金以及国家电网公司总部科技项目等60余项。在国内外顶级学术期刊上发表高水平SCI/EI收录论文100余篇，授权发明专利31项，获省部级科技奖励6项。现担任多个等国内外高水平期刊的编委。
专栏特约主编简介——张振宇
张振宇，国家电力调度控制中心副主任，教授级高级工程师，中国电力优秀科技工作者，主要从事调度运行与控制、新能源并网、通信管理等方面研究及工作。主持了国内首个千万千瓦级新能源基地并网及多个沙戈荒基地并网的控制方案编制，完成多项新能源并网技术标准编写。在新型电力系统研究中取得基于惯量比的频率稳定、概率化的电网平衡理论及多重风险评估及预控技术等方面创新成果，获得省部级科技奖励十余项。
专栏特约主编简介——万灿
万灿，浙江大学电气工程学院教授、博士生导师，主要从事新能源电力系统不确定性预测、分析与控制的研究工作，以第一作者出版学术专著一部，在电力系统领域国际顶刊发表IEEE PES Trans.论文40余篇， 3篇第一作者IEEE Trans. on Power Systems论文入选ESI高被引论文，单篇论文最高引用700余次，3篇论文入选F5000，获中国电机工程学会优秀期刊论文奖、CSEE JPES优秀论文奖，入选爱思唯尔“中国高被引学者” 、浙江省杰出青年基金、中国科协“青年人才托举工程”、中国电力优秀青年科技人才奖，主持国家重点研发计划课题1项、国家自然科学基金面上项目2项，作为参与人获国家科技进步二等奖1项、省部级自然科学一等奖2项。
专栏特约主编简介——车建峰
车建峰，中国电力科学研究院高级工程师，主要从事新能源发电功率预测技术研究及应用工作，承担多项国家/国家电网公司/中国电科院科技项目，出版专著1本，发表论文10余篇，授权发明专利30余项，编写各类标准10余项，获省部级科技奖励4项，牵头开展国内多家省级电网调控中心新能源功率预测技术服务。
欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！
往期回顾
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。
