Journal of Electrical Engineering and Automation
Journal of Electrical Engineering and Automation. 2025; 4: (3) ; 10.12208/j.jeea.20250082 .
总浏览量: 49
1 南京邮电大学 江苏南京
2 国网电力科学研究院有限公司（南瑞集团有限公司） 江苏南京
*通讯作者： 王卫民,单位： 南京邮电大学 江苏南京；
随着电力系统中信息技术与物理设备的深度融合，信息-物理耦合系统（Cyber-Physical Power System, CPPS）成为支撑新型电力系统运行的重要架构。本文系统梳理了CPPS在分层建模、协同仿真、智能控制、网络安全与韧性提升等方面的关键研究进展，重点分析了建模一致性不足、故障传播机制复杂、控制依赖增强等面临的问题，探讨了人工智能在状态估计、异常检测与自适应调度中的应用价值，并提出面向多源异构耦合的安全机制与优化策略。相关研究有助于构建具备高可观测性、可恢复性与智能协同能力的下一代电力系统运行框架。
With the deep integration of information technology and physical devices in power systems, Cyber-Physical Power Systems (CPPS) have become a crucial framework supporting the operation of modern power grids. This paper systematically reviews key research progress in CPPS regarding hierarchical modeling, collaborative simulation, intelligent control, network security, and resilience enhancement. It highlights challenges such as inconsistent modeling, complex fault propagation mechanisms, and increased dependency on control systems. The paper also explores the application of artificial intelligence in state estimation, anomaly detection, and adaptive scheduling. Additionally, it proposes security mechanisms and optimization strategies tailored for multi-source heterogeneous coupling. The findings contribute to the development of a next-generation power system operation framework with high observability, recoverability, and intelligent coordination capabilities.
[1] 胡钋,李莉莉. 智能电网的信息物理安全综述 [J]. 信息安全研究, 2019, 5 (12): 1068-1075.
[2] 阮广春,何一鎏,谭振飞,等. 面向新型电力系统运行的数据-物理融合建模综述 [J]. 中国电机工程学报, 2024, 44 (13): 5021-5037.
[3] 王东芳,刘水源,张勇军,等. “互联网+”形势下电力信息物理融合发展研究综述与展望 [J]. 电力自动化设备, 2020, 40 (06): 90-99.
[4] 彭莎,孙铭阳,张镇勇,等. 机器学习在电力信息物理系统网络安全中的应用 [J]. 电力系统自动化, 2022, 46 (09): 200-215.
[5] Ciraci S, Daily J, Fuller J, et al. FNCS: A framework for power system and communication networks co-simulation[C]. Proceedings of the symposium on theory of modeling & simulation-DEVS integrative. 2014: 1-8.
[6] 赖博宏,郝俊红,杨天缜,等. 数字孪生支撑下综合能源系统的智慧运维发展与挑战 [J/OL]. 中国电机工程学报, 1-17.
[7] Wagg D J, Worden K, Barthorpe R J, et al. Digital twins: state-of-the-art and future directions for modeling and simulation in engineering dynamics applications[J]. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering, 2020, 6(3): 030901.
[8] 阳育德,蓝水岚,覃智君,等. 电力信息物理融合系统的网络-物理协同攻击 [J]. 电力自动化设备, 2020, 40 (02): 97-103.
[9] 杨至元,张仕鹏,孙浩. 电力系统信息物理网络安全综合分析与风险研究 [J]. 南方能源建设, 2020, 7 (03): 6-22.
[10] 叶宇剑,吴奕之,胡健雄,等. 城市电力-交通耦合系统的联合推演与协同优化：研究综述、挑战与展望 [J]. 中国电机工程学报, 1-20.
[11] 刘日亮,李晓露,杜建,等. 基于智能电网架构模型的营配调贯通一体化模型构建方法 [J]. 电力信息与通信技术, 2022, 20 (07): 18-25.
[12] 张晶,胡纯瑾,高志远,等. 能源互联网技术标准体系架构设计及需求分析 [J]. 电网技术, 2022, 46 (08): 3038-3048.
[13] Photovoltaics D G, Storage E. IEEE standard for interconnection and interoperability of distributed energy resources with associated electric power systems interfaces[J]. IEEE std, 2018, 1547(1547): 2018.
[14] 张诗琪,李琰,徐天奇. 基于复杂网络理论的电力信息物理系统耦合建模方式研究与脆弱性分析 [J]. 云南民族大学学报(自然科学版), 2022, 31 (06): 762-769.
[15] 王子骏,刘杨,鲍远义,等. 电力系统安全仿真技术:工程安全、网络安全与信息物理综合安全 [J]. 中国科学:信息科学, 2022, 52 (03): 399-429.
[16] 胡健雄,汤奕,王琦,等. 面向在线动态安全分析的高时空分辨率状态估计：研究现状与方法框架 [J]. 中国电机工程学报, 1-22.
[17] 韩一宁,崔明建,罗光浩,等. 基于自适应联邦学习的输配网动-静态综合状态估计方法研究 [J]. 中国电机工程学报, 1-15.
[18] 王新迎,闫冬,施展,等. 机器学习赋能的优化算法及其在新型电力系统中的应用与展望 [J]. 中国电机工程学报, 2024, 44 (16): 6367-6385.
[19] 乔骥,赵紫璇,王晓辉,等. 面向电力系统智能分析的机器学习可解释性方法研究(二)：电网稳定分析的物理内嵌式机器学习 [J]. 中国电机工程学报, 2023, 43 (23): 9046-9059.
[20] 王小君,窦嘉铭,刘曌,等. 可解释人工智能在电力系统中的应用综述与展望 [J]. 电力系统自动化, 2024, 48 (04): 169-191.
[21] 张俊,徐箭,许沛东,等. 人工智能大模型在电力系统运行控制中的应用综述及展望 [J]. 武汉大学学报(工学版), 2023, 56 (11): 1368-1379.
[22] 严康,陆艺丹,于宗超,等. 配电网用户侧异构电力物联设备运行安全管控分析 [J]. 电力系统自动化, 2023, 47 (08): 53-61.