随着双碳目标的快速发展，大量以风电、光伏为代表的分布式电源接入配电网，这将进一步加剧电源出力的间歇性与波动性。主动配电网动态重构属于一个复杂的高维混合整数非线性随机优化问题，传统算法在解决该问题的过程中存在着诸多不足之处。而深度强化学习算法结合了深度学习与强化学习的优势，非常适用于制定当前备受关注的主动配电网动态重构策略。该文首先对新型电力系统主动配电网特征进行总结，并对当前主动配电网动态重构研究在构建数学模型方面所取得的进展以及所面临的挑战进行了深入分析。其次，对配电网动态重构编码方式进行了探讨，并对深度强化学习算法进行了系统性地综述。进而，重点分析了现有算法在处理主动配电网动态重构时的不足之处，并对深度强化学习算法在主动配电网动态重构方面的研究现状与优势进行了总结与概括。最后，对主动配电网动态重构的未来研究方向进行了展望。

针对以往研究往往侧重台风或暴雨等单一灾害下的输电杆塔故障，忽视了台风灾害携带暴雨共同威胁输电杆塔安全。为此建立含降雨量修正的台风灾害下输电杆塔数据机理联合故障概率预测模型，以准确预测台风与暴雨复合作用下输电杆塔故障概率。首先，在数据驱动部分，通过生成对抗网络(generativeadversarialnetwork,GAN)解决数据量不足、数据信息不均衡等问题，并以支持向量回归、岭回归、随机森林、K近邻、极端随机树及自适应提升算法等6种机器学习算法预测输电杆塔故障概率。其次，在机理驱动部分，考虑降雨量对输电杆塔的影响，通过降雨雨压模型，计算降雨修正系数修正输电杆塔的故障概率。最后，以2022年登陆浙江省舟山市的台风“梅花”为例进行仿真验证，算例表明所提模型与实际情况更为相符，可精准地预测输电杆塔故障概率。

人工智能(AI)与量子技术是目前的战略性科技发展方向，两种技术的结合在高精度探测、加速计算、安全通信和新型材料设计等领域有巨大发展优势，在电力系统中展现出了广阔的应用前景。该文首先介绍了AI在电力系统中的应用现状，包括电力设备监测与运维、电力系统控制与规划、电力交易与市场管理、电力电子系统和电力设备设计与制造等应用场景，分析了AI技术具有的优势。然后，从量子测量、量子计算、量子通信和量子材料4个方面详细阐述了量子技术在电力系统中的应用现状，探讨了量子技术在电力参量高精度测量、电力系统快速规划与控制、电力系统安全通信和电力设备优化改进中的重要作用。接着，从“AI+量子测量”、“AI+量子计算”、“AI+量子通信”、“AI+量子材料”4个角度展望了AI与量子技术紧密融合在电力系统中的应用前景。最后，总结了AI与量子技术在电力系统中结合应用所面临的挑战和未来发展方向。

风电制氢作为一种全周期零碳排放的制氢方式，是实现碳中和目标、促进能源结构绿色转型的重要途径。针对风电制氢系统接入弱电网下主动支撑能力弱的问题，提出基于构网型储能虚拟同步机和虚拟直流电机的双虚拟电机控制策略，有效增强风电制氢系统电压、频率主动支撑能力，也为制氢系统直流母线提供可靠的惯量、阻尼支撑。基于小信号方法分析了两种控制策略中转动惯量和阻尼系数对系统稳定性及动态响应的影响情况。最后通过SIMULINK搭建的风-氢-储仿真模型进行验证，结果显示所提策略可为风电制氢系统接入弱电网提供可靠的电压、频率支撑，也能较好地改善制氢系统直流母线电压波动情况。

双馈风电场在低电压穿越策略下所输出的短路电流存在偏频特性，导致送出变压器传统差动保护动作延时过长。针对上述问题，首先，研究了低电压穿越策略下的双馈风机短路电流特性及其偏频特性对风电场送出变压器傅里叶工频算法提取二次谐波分量的影响；其次，分析了传统差动保护在双馈风电场送出变压器中的适应性；然后，提出了基于全相位快速傅里叶变换(all-phase fast Fourier transform,apFFT)的双馈风电场送出变压器差动保护新方法；最后，通过PSCAD/EMTDC仿真对所提方法进行了验证，结果表明，新方法不仅能够正确识别励磁涌流，而且提高了内部故障时差动保护的速动性。

我国负荷中心地区电网交流线路密集，存在潮流控制困难、短路电流超标等问题，交流电网的规模效应趋于饱和，亟需发展交直流混联新形态电网结构。为提高交直流混联电力系统的可控性、安全性和稳定性，首先分析了3种典型交直流输电方式的技术特点，包括全直流异步互联方式、全交流同步互联方式和常规交直流混联方式；然后，针对单交多直混联这一特殊网架结构，从潮流控制能力、N-1过载、短路电流、频率稳定性、电压稳定性、同步稳定性等方面分析该网架的运行特性，并给出单交多直混联网架的构建方法；最后，在一个单交多直典型算例中开展仿真分析，结果表明单交多直混联网架可以兼顾交直流电力系统可控性、安全性和稳定性需求，是一种极具应用前景的网架结构。

大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革，但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力，但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点，分析了两者应用于电力领域的主流方法，建立了面向电力领域的知识图谱与大模型相融合的技术架构，重点分析了各应用场景的可行性，并指出了未来面临的挑战和可能的研究方向。

鉴于非介入式及高时空分辨率的优点，基于场致二次谐波效应的电场测量方法近年来在气体放电与等离子体诊断等领域受到了广泛关注。基于基频激光空间分布特性，理论推导了二次谐波强度的完整表达式，结合搭建的场致二次谐波效应电场测量平台，讨论了基频激光光功率与偏振方向、电场空间分布及作用区域长度、瑞利长度等因素对二次谐波强度的影响，并分析了温、湿度对二次谐波强度的影响规律。理论上，产生的二次谐波几乎不随湿度变化，但可能由于高湿空气对二次谐波的散射导致实测值随湿度增大而降低。在20～30℃范围内温度对二次谐波强度影响较小，理论值和实测值均随温度增加而略有增大，且实测值增幅大于理论值。