分布式架构是未来能源系统的重要特征之一。在“双碳”目标背景下，分布式能源快速发展，能源生产逐步向集中式与分散式并重转变，系统模式由单一主体为主逐步向与海量异构分布式资源并行发展。发电侧与用电侧接入大量分布式可再生能源，需求侧管理也需要协调大量分布式主体。然而不同于集中式的系统优化，分布式系统的规划与控制需要考虑网络拓扑结构、节点通信约束、隐私保护以及求解空间过大等一系列问题。

为此，针对分布式储能系统规划的求解空间过大以及网络潮流非线性约束等问题，基于负荷数据，仿真优化各节点容量配置；针对分布式能源系统的运行优化，采用改进一致性控制算法协调多主体、实现用电成本优化；对于充电站通过协调异质、可变规模的电动汽车充电参与需求侧响应的问题，设计基于数据驱动和深度强化学习算法的分布式充电决策架构，共享单主体的强化学习算法与参数以提高训练与决策效率；对于分布式的台区日冻结量安全预警管理，首先利用基于国网上海电力公司的配用电大数据平台开发的台区画像辅助日冻结量预测算法给出台区预警等级，构建最小化激励成本与风险成本的优化问题，对台区进行需求侧响应并提供个性化激励，保证电力系统安全稳定运行并降低风险管理成本约75%；针对分布式需求响应中的隐私保护问题，考虑设计完全避免分布式主体与外界进行数据交换的分布式优化算法，分布式主体仅通过接收全局信息进行梯度估计和决策，理论分析表明一定条件下算法能够在避免数据交换的同时得到最优解。

相关研究成果已发表在IEEE Transactions等国际顶级期刊，获得发明专利授权1项，获得IEEE会议Best Student Paper Award，并获得2020中国工业工程与精益管理创新大赛特等奖和2022日内瓦国际发明特别展金奖。为分布式能源系统建模与优化提供理论基础与算法设计，助力我国未来低碳能源系统下分布式能源系统快速发展。

▲分布式能源系统研究成果

电化学储能是实现能源与交通系统电气化、低碳化的关键技术。电化学储能的老化是不可避免的复杂非线性过程，严重影响电化学储能的经济性与安全性。过去的电化学储能优化决策与经济评估缺乏对电化学储能老化特性的精确建模及老化成本的严谨定义，存在一系列不合理假设，影响了决策的最优性和评估的精确性。

为此，研究内嵌多物理场一致性的电解制氢与电池储能建模与控制方法，提出表征电化学多物理场参量分布特性的端口机理模型，基于数据驱动的方法精准辨识多单体多物理场参量分布不一致性，为电解制氢及储能的高安全、长寿命优化控制提供基础策略。进而，提出了电化学储能的跨期综合优化决策框架，涵盖短期调度与控制决策和长期运行规划和维护决策，形成多时间尺度耦合决策模型，基于美国加州电网的算例分析表明，与现有方法相比，所提出的决策框架可以实现30%以上的经济效益提升。

相关研究成果发表于Nature Energy、Joule、IEEE Transactions等国际顶级期刊，获得2022年日内瓦国际发明展金奖，为高比例新能源接入下新型电力系统的安全经济运行提供创新性解决路径，为我国健康有序发展氢能和储能技术产业、实现碳中和目标提供高质量政策建议。

▲储能建模与跨期决策研究成果

诸如光伏、风电、径流式水电的随机能源强烈依赖天气条件，已有发电功率预测研究关注于提升机器学习方法本身的泛化能力，将数值气象直接作为输入，强非线性对学习器性能提出严格要求。然而，忽视了风电、光伏发电与数值气象之间的物理规律。为此，提出解析模型与数据融合驱动的新能源预测模型，利用发电功率与数值气象解析模型刻画的关键特征作为输入，提升数据驱动方法的学习性能。相比国际已有的新能源预测模拟方法，所开展研究能够实现新能源随机发电资源的精细预测模拟。基于24小时前、分钟级颗粒度、3km×3km空间网格化的数值天气预报，由高空云图推演计算地球表面风速、直射/散射/反射光强、环境温度等数值气象特征。相关研究成果发表于Nature Communications、IEEE Transactions等国际顶级期刊，获得由Elsevier和国际太阳能协会全球两年举办一次的“可再生转型十佳奖”、全国发明展金奖、IEEE会议Best Paper Award等，为我国风电和光伏技术产业的快速发展提供基础理论工具，助力提升高比例新能源电力系统的可观性。

▲新能源预测及应用研究成果