基于AI的日前光伏功率预测决策支持管道:让每一个小时的阳光都算得准
An AI-Based Decision-Support Pipeline for Day-Ahead Photovoltaic Forecasting
面向新建光伏电站数据短、记录残缺的现实,提出一套部署导向的日前光伏功率预测管道:修正时间戳错位、构造防泄漏的太阳几何与晴空指数特征、加入短期天气上下文,并用验证集学出来的堆叠集成融合多个互补模型。
arXiv:2608.02088 · 2026年8月3日发布 · 南安普顿大学
UniWind：基于物理信息状态路由的统一日前风电功率预测
UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing
先算「物理上能发多少电」，再算「实际发了多少电」——把停机、弃风等隐藏运行状态也纳入预测。
arXiv:2607.01670 · 2026年7月2日（v1） · 华东师范大学
含不确定性量化的电池储能系统退化预测：概率框架
Predicting BESS Degradation with Uncertainty Quantification: A Probabilistic Framework for Battery Energy Storage Systems
电池老化预测不该只给「一个数」，要给出「有多大的可能区间」——把实验室电芯模型推广到整个储能系统。
arXiv:2607.13709 · 2026年7月15日（v1） · 慕尼黑工业大学
限流构网型逆变器电压崩溃的解析预测
Analytical Prediction of Voltage Collapse in Current-Limited Grid-Forming Inverters
用解析公式回答「限流器一动作，系统到底会不会立刻崩溃、又会在哪个电压崩溃」。
arXiv:2608.04740 · 2026年8月5日（v1） · 曼彻斯特大学
动态虚拟电厂联盟稳定与公平的奖励分配
A Coalitional Stable and Fair Reward Allocation for Dynamic Virtual Power Plants
怎么分钱才能让一堆分布式能源愿意抱团提供动态辅助服务？——用合作博弈论给出「既稳定又公平」的奖励分配方案。
arXiv:2606.31728 · 2026年6月30日（v1） · 苏黎世联邦理工学院
考虑截止时间的电动汽车充电调度与配电变压器过载缓解
Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation
充电桩太多、变压器太小，怎么排队充电才不烧变压器又不耽误赶时间的人？——软截止时间 + 在线调度。
arXiv:2607.00935 · 2026年7月1日（v1） · 机构未标注
多时间尺度负荷预测在氢能社区微电网能量管理中的运行价值
Operational Value of Multi-Horizon Load Forecasts for Energy Management in a Hydrogen-Enabled Community Microgrid
给强化学习能量管理系统装上「负荷预测眼镜」，一年能多省 325.97 澳元？——预测精度一般，但运行收益真实存在。
arXiv:2607.18903 · 2026年7月21日（v1） · 中央昆士兰大学、纳贾赫国立大学
从 Token 到能量弹性：面向 LLM 推理负载数据中心的量化赋能需求响应
From Tokens to Energy Flexibility: Quantization-Enabled Demand Response for Data Centers with LLM Inference Workloads
把 LLM 模型量化变成「可调度的精度旋钮」参与需求响应，数据中心总成本降 34.3% 且不掉 token。
arXiv:2606.18851 · 2026年6月17日（v1） · 清华大学、香港大学
稳定性约束电力系统规划中综合方法的价值
The Benefits of an Integrated Approach for Stability-Constrained Power System Planning
把稳定约束提前写进电网扩建规划一起优化，比「事后补稳定」更省钱、结构更优。
arXiv:2608.06349 · 2026年8月6日（v1） · 斯图加特大学
基于卫星散射计星座的近海风高技巧预报
Skillful forecasting of offshore winds from satellite scatterometer constellations
直接用卫星散射计观测学出海上风场预报，1 小时时效误差比 NWP 降 23%。
arXiv:2607.27152 · 2026年7月29日（v1） · 代尔夫特理工大学
基于物理信息合成历史的时间序列基础模型用于光伏冷启动预测
Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting
用物理模型造「合成历史」喂给时序基础模型，新电站零数据也能预测发电。
arXiv:2606.07457 · 2026年6月5日（v1） · 摩德纳-雷焦艾米利亚大学、马切拉塔大学
基于流体队列的电动汽车充电调度拥堵预测
Congestion Forecasting for Electric Vehicle Charging Scheduling with Fluid Queues
把充电站排队“看成水流”，预测未来站点的拥堵与可用性——调度时避开堵车，等待时间最多省 14%。
arXiv:2605.26970 · 2026年5月26日（v1） · 瑞典皇家理工学院
电池储能管理研究进展：控制与经济协同
Advances in Battery Energy Storage Management: Control and Economic Synergies
一篇综述：过去“搞控制的管电池健康、搞经济的管市场收益”各干各的，本文论证两者必须协同——用数字孪生把电池真实状态实时接进经济调度。
arXiv:2602.06365 · 2026年2月6日（v1） · 机构未标注
面向网络韧性微电网能量管理的不确定感知联邦学习
Uncertainty-Aware Federated Learning for Cyber-Resilient Microgrid Energy Management
黑客往光伏预测数据里“掺假”，能量管理就会被骗着乱调度、多花钱——本文用“联邦学习+不确定性量化+两级级联检测”把误报降 70%、把预测损失找回 93.7%。
arXiv:2511.17968 · 2025年11月22日（v1） · 机构未标注
SolarBoost：时变电网容量下的分布式光伏功率预测
SolarBoost: Distributed Photovoltaic Power Forecasting Amid Time-varying Grid Capacity
把分布式光伏的总功率拆成「单位容量出力 × 动态容量」两件事分别建模——容量变了模型不用重训，已在中国的多个城市落地部署。
arXiv:2510.21129 · 2025年10月24日（v1） · 机构未标注
风电功率预测中的图神经网络
Graph Neural Networks in Wind Power Forecasting
把「气象变量之间的关系」画成图，用图神经网络预测风电功率——发现 GNN 能和最强的 CNN 基准打得有来有回，是 CNN 之外的有力替代。
arXiv:2507.00105 · 2025年6月30日（v1） · 机构未标注
AutoPV：自动设计你的光伏功率预测模型
AutoPV: Automatically Design Your Photovoltaic Power Forecasting Model
把「挑模型、搭网络」这件事本身自动化：用神经架构搜索（NAS）在 250 万个候选架构里自动找出最适合你那个光伏预测任务的结构——不需要你是深度学习专家。
arXiv:2408.00601 · 2024年8月1日（v1） · 香港理工大学、东部理工学院
风电资产打包：面向风电功率预测的 Bundle-Predict-Reconcile（BPR）分层框架
Asset Bundling for Wind Power Forecasting
不满足于「单场预测 + 汇总求和」：BPR 先按时空相关性把风电场「打包」成中间层级，再在单场/包/机群三层预测，最后调和各层，让「总预测 = 各场预测之和」而且更准。
arXiv:2309.16492 · 2023年9月28日（v1） · 佐治亚理工学院
面向微电网能量管理的多目标强化学习框架（MORL）
A Multiobjective Reinforcement Learning Framework for Microgrid Energy Management
微电网调度常要同时满足「省钱」「减排」等互相冲突的目标——本文用进化算法显式搜索帕累托前沿、用免模型强化学习训练可执行策略，在康奈尔大学热电联产微电网（CU-MG）上实现了冬季减排 20%、夏季减排 25% 且不增加成本。
arXiv:2307.08692 · 2023年7月17日（v1） · 康奈尔大学
合成光伏与风电功率预测数据：面向机器学习预测研究的公开数据集
Synthetic Photovoltaic and Wind Power Forecasting Data
用德国真实气象实测 + 物理模型仿真出「逼真的合成功率」公开数据集：120 座光伏 + 273 座风电场、约 500 天、小时级分辨率，附 ICON-EU 天气模型输入特征与电站静态信息，并验证了合成数据上的预测误差与真实历史数据相当。
arXiv:2204.00411 · 2022年4月1日（v1） · 机构未标注
电动汽车充电调度与柔性服务运营（允许服务任务灵活提前/推迟出发的充电调度）
Electric vehicle charge scheduling with flexible service operations
充电桩不够用？那就让服务任务「稍微早走或晚走几分钟」——把充电与服务排程一起优化，充电基础设施最多可减少 57%，运营成本最多可省 5%。
arXiv:2201.03972 · 2022年1月11日（v1） · 机构未标注
深度时空风电功率预测（融合空间依赖与时间趋势的风机级功率预测）
Deep Spatio-Temporal Wind Power Forecasting
不再「先预测风速、再查功率曲线转功率」，而是用 GRU 编码器-解码器 + 邻居风机空间信息 + 风机嵌入向量，直接预测每台风机未来功率。
arXiv:2109.14530 · 2021年9月29日（v1） · 机构未标注
基于关联深度 Q 学习（CDQN）的微电网能量管理
Correlated Deep Q-learning based Microgrid Energy Management
把微电网里的储能、光伏、负荷都当成会「自己学习」的智能体，各自用 LSTM 深度 Q 网络做决策，再用「关联均衡」协调它们——储能智能体利润提高 40.9%，光伏智能体利润提高 9.62%。
arXiv:2103.04152 · 2021年3月6日（v1） · 机构未标注
探究概率电价预测中的校准挑战：为什么「恰当」的评分规则仍会给出统计上不可靠的不确定性估计
Investigating Calibration Challenges in Probabilistic Electricity Price Forecasting
现在流行的「恰当评分规则」只奖励又尖又窄的预测，却不一定保证它「说得准」——论文指出这正是概率电价预测过度自信的病根，呼吁把「校准」写进目标函数与模型架构。
arXiv:2606.09517 · 2026年6月8日（v1） · 机构未标注
寒冷环境下带电池热管理的电动汽车在线充电控制
Online Electric Vehicle Charging Control with Battery Thermal Management in Cold Environments
充电和加热本来就是「一台戏」——论文用排队模型 + Lyapunov 优化，让充电站在不知道任何未来信息的情况下在线协同调度「充多少电、加多少热」，又稳又省钱。
arXiv:2602.11561 · 2026年2月12日（v1） · 香港中文大学、阿尔伯塔大学
面向电池热管理系统（BTMS）设计多目标优化的基准测试套件
A Benchmark Suite for Multi-Objective Optimization in Battery Thermal Management System Design
现有测试函数太「假」，算法在假题上考满分没用——论文从真实电池热管理研究里提炼出 12 个带约束的多目标优化问题（RWCMOPs），用代理模型替代昂贵的 CFD 仿真，给进化算法发了一张「真卷子」。
arXiv:2510.25219 · 2025年10月29日（v1） · 中国科学技术大学
无模型耗散性神经控制：提升电力系统暂态稳定
Model-Free Power System Stability Enhancement with Dissipativity-Based Neural Control
不建模、直接学「耗散性」：神经网络从输入-状态数据里学出能当反馈增益的矩阵，顺手把控制性能也优化了。
arXiv:2510.22324 · 2025年10月25日（v1） · 机构未标注
基于频率扫描的高比例 IBR 电网稳定性分析综述
A Survey on IBR Penetrated Power System Stability Analysis Using Frequency Scanning
一张「工具地图」：把识别和抑制次同步振荡的方法按白/黑/灰箱归类，重点讲频率扫描怎么做、怎么判稳。
arXiv:2501.08516 · 2025年1月15日（v1） · 机构未标注
面向电力系统稳定性分析与控制的平滑限速率器模型
Smooth Rate Limiter Model for Power System Stability Analysis and Control
给「不连续」的限速率器造一个光滑替身：既能进状态空间模型做特征值分析，限速特性还分毫不差。
arXiv:2501.01776 · 2025年1月3日（v1） · 帕特雷大学
正则化用于电价预测：十种惩罚函数 × 两种模型结构 × 两个电力市场
Regularization for electricity price forecasting
电价预测模型普遍默认用 L1/L2 正则，本文系统比较 10 种惩罚函数，发现 LQ 正则与弹性网稳定优于最常用的 LASSO，且交叉验证选参好于 BIC。
arXiv:2404.03968 · 2024年4月5日（v1） · 机构未标注
电价预测的 Transformer 方法：纯注意力模型即可捕捉时序模式
A Transformer approach for Electricity Price Forecasting
不叠 LSTM/GRU，只用纯 Transformer 的注意力层就能抓住电价时序模式，在 5 个公开数据集中的 4 个上达到最先进（SOTA）水平，并开源代码促进可复现研究。
arXiv:2403.16108 · 2024年3月24日（v1） · 机构未标注
智能电网韧性教程：频率调节、短路保护与黑启动三大辅助服务如何延续
A Tutorial on Resilience in Smart Grids
新能源替代同步发电机后，惯量、短路保护、黑启动三大辅助服务告急；教程论证：韧性电网需要一个「同样韧性」的 ICT 系统来协调分布式资源。
arXiv:2308.15923 · 2023年8月30日（v1） · 机构未标注
面向电池退化最小化的电动汽车电池热管理优化
Optimal battery thermal management for electric vehicles with battery degradation minimization
把「冷却耗电」与「电池老化」放进同一个代价函数里用动态规划离线求最优，再提炼成「快冷 / 慢冷 / 保温」三规则在线执行——在线策略与离线最优的电池损耗差异不到 3%。
arXiv:2308.03056 · 2023年8月6日（v1） · 中南大学、新加坡国立大学
局部-全局方法：面向泛化的太阳辐照度预测
Local-Global Methods for Generalised Solar Irradiance Forecasting
不依赖目标电站的实时辐照度观测——用「全局模型」在 20 个英国站点上训练，就能给从没见过的「新电站」直接出预测；卫星影像 + CNN 效果最好。
arXiv:2303.06010 · 2023年3月10日（v1） · 机构未标注
贝叶斯方法用于太阳辐照度概率预测
A Bayesian Approach to Probabilistic Solar Irradiance Forecasting
用贝叶斯原理把「预测的不确定性」也建模出来——不只报一个数，还告诉电网这个数「有多没底」。
arXiv:2209.00792 · 2022年9月2日（v1） · 机构未标注
用于电价预测的分布神经网络（DDNN）
Distributional neural networks for electricity price forecasting
把神经网络的输出层从「一个数」换成「一个概率分布」，让电价预测直接给出整个分布——偏度、厚尾这些高阶矩全都派上用场。
arXiv:2207.02832 · 2022年7月6日（v1） · 机构未标注
自主智能电网故障检测
Autonomous Smart Grid Fault Detection
系统讲清智能电网故障检测的原理、自主化的新需求与技术挑战，并用世界最高电压等级的特高压换流站案例给出解决方案示范。
arXiv:2206.14150 · 2022年5月27日（v1） · 机构未标注
太阳辐照度预测中的周期时间信息嵌入
Embedding Cyclical Information in Solar Irradiance Forecasting
把「时间戳/周期信息」作为额外输入喂给 MLP 回归模型，用新加坡南洋理工大学气象站一年、1 分钟分辨率的辐照度数据证明：嵌入时间信息能显著提升预测精度。
arXiv:2110.09761 · 2021年10月19日（v1） · 机构未标注
智能电网中的时态模体（时序模式）
Temporal Motifs in Smart Grid
把智能电网看成随时间变化的网络，正式定义「时态模体」（消费者与生产者之间随时间的能量流模式），给出构造方法，并把它嵌入电网的电压层级结构。
arXiv:2102.01900 · 2021年2月3日（v1） · 机构未标注
电力价格预测中的迁移学习
Transfer Learning for Electricity Price Forecasting
用四个不同电力市场的海量数据预训练神经网络，再对目标市场微调——迁移学习让日前电价预测精度显著提升，数据越少时提升越明显。
arXiv:2007.03762 · 2020年7月5日（v1） · 机构未标注
电力系统稳定性的组合式、免平衡点条件——第一部分：理论
Compositional and Equilibrium-Free Conditions for Power System Stability -- Part I: Theory
用「δ-耗散性」给出不依赖全网平衡点的局部条件，把大电网稳定性证明拆成子系统级问题。
arXiv:2506.11406 · 2025年6月13日 · 机构未标注
基于量子机器学习的光伏功率预测
Photovoltaic power forecasting using quantum machine learning
用混合量子神经网络预测光伏功率：HQ-LSTM 误差降 40% 以上，HQ-Seq2Seq 免气象输入即可任意时域预测。
arXiv:2312.16379 · 2023年12月27日 · 机构未标注
基于校准概率模型的短期太阳辐照度预测
Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models
用概率模型 + 事后校准做短期辐照度预测：NGBoost 在分钟级全面领先，CRUDE 校准后小时级媲美数值天气预报。
arXiv:2010.04715 · 2020年10月9日 · 机构未标注
基于信息传递的电力系统稳定性表征
On Information Transfer Based Characterization of Power System Stability
不靠特征值分解，用「信息传递」度量系统状态之间的影响，直接揪出导致电力系统小信号失稳的发电机与状态。
arXiv:1809.07704 · 2018年9月18日（v1） · 机构未标注
基于三次指数平滑的太阳辐照度预测
Solar Irradiance Forecasting Using Triple Exponential Smoothing
用三次指数平滑抓住辐照度的「季节性」，结合晴空辐照度数据，提前最多 20 分钟预报辐照度，比持续法、平均法更准。
arXiv:1807.05872 · 2018年7月16日（v1） · 机构未标注
GEFCOM 2014：概率性电力价格预测
GEFCOM 2014 - Probabilistic Electricity Price Forecasting
在 GEFCOM 2014 竞赛数据上对比 ARMAX 与梯度提升回归，发现多模型方法误差显著更低，GBR 开箱即用地处理季节性与自相关。
arXiv:1506.06972 · 2015年6月23日（v1） · 机构未标注
面向低复杂度电动汽车充电调度的模型预测控制方法：最优性与可扩展性
A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Scheduling: Optimality and Scalability
充电站不知道未来谁会来充电、只知道统计规律——用 MPC 滚动优化做在线调度，复杂度压到 O(T³)，一阶周期场景甚至降到 O(1)，性能离最优解只差不到 0.4%。
arXiv:1502.01456 · 2015年2月5日（v1） · 机构未标注
电力系统稳定性的准稳态模型：局限、分析与补救
Quasi Steady-State Model for Power System Stability: Limitations, Analysis and a Remedy
准稳态（QSS）模型图快，却可能「假装稳定」——本文指出它会漏掉两类长期失稳，并从非线性系统框架分析原因，提出混合模型补救，数值例子证明它能抓住 QSS 漏掉的失稳行为。
arXiv:1405.1385 · 2014年5月6日（v1） · 机构未标注
非凸约束下的分布式负荷均衡：一种随机算法及其在电动汽车充电调度中的应用
Distributed Load Balancing with Nonconvex Constraints: A Randomized Algorithm with Application to Electric Vehicle Charging Scheduling
每辆车只有有限个可选充电曲线、约束还是非凸的——协调器广播信号，每辆车按概率随机挑曲线，算法几乎必然收敛，且最终解恰是纳什均衡，次优比上界 O(1/n)、实测低于 2.6%。
arXiv:1401.7604 · 2014年1月29日（v1） · 机构未标注
低转动惯量对电力系统稳定性与运行的影响
Impact of Low Rotational Inertia on Power System Stability and Operation
风电、光伏挤掉传统同步机组 → 系统转动惯量变低、频率变化更快——论文分析这对稳定性与运行的影响, 并给出「一次调频加速 + 虚拟惯量」等缓解方案。
arXiv:1312.6435 · 2013年12月22日（v1） · 机构未标注
智能电网仿真：智能体与多流网络的统一建模框架
Simulating the Smart Grid
先给智能电网仿真画一张「电力潮流+信息流+资金流」三流并行的智能体模型地图, 再横向比较 10 款免费仿真器、实测其中 4 款, 帮你选工具。
arXiv:1304.2503 · 2013年4月9日（v1） · 机构未标注
智能电网中的QoS 路由（服务质量路由）
QoS Routing in Smart Grid
电价信号晚到一秒都可能让智能电网「按错价用电」——论文从负荷-电价动态推导出通信网络的 QoS 需求, 再给出一个可分布式实现的 K-近似贪心路由算法。
arXiv:1003.2142 · 2010年3月10日（v1） · 机构未标注