作为有望解决人类社会'能源三元悖论'的一种重要手段，端对端能源交易（peer-to-peer energy trading）在近年涌现并快速发展。在端对端能源交易中，分布式能源（distributed energy resource, DER）直接互相进行能源的交易和共享。基于对相关学术论文、研究项目和工程实践的综合调研，本文总结并分析了端对端能源交易的全球发展现状，讨论了端对端能源交易的5个主要方面，包括市场机制设计、交易平台、物理和信息通信基础设施、社会科学视角以及政策法规；针对每个方面，对现有相关研究和实践均进行了批判性分析，并就未来的发展方向做出了展望；文末对主要发现和展望做了系统性总结。端对端能源交易是一个快速发展的领域，为全球的学术界和工业界提供了巨大的潜力和机会。
在电力系统的一系列最优化问题中，如何综合地考虑潮流约束和各种稳定性约束，而又不影响计算速度，始终还是个难题。至于概率安全性评估的计算负担就更加难以想象。为了解决此类问题，本文提出了安全域（SR）的方法论，该方法论是在经典的逐点法基础上发展起来的全新方法论。天津大学自20世纪80年代开始并长期坚持安全域的研究，至今取得了如本文所述的一系列原创成果。本文所介绍的安全域主要是定义在功率注入空间上的，包括确保静态安全、暂态稳定、静态电压稳定和小扰动稳定的安全域。对于既定的网络拓扑（以及暂态事故的发生地点和清除过程）和系统元件参数，它们是唯一确定的，并且与运行状态无关。本文通过11个命题和相应的注释，简明而系统地介绍了这些电力系统安全域的基本概念、构成、动力学性质、拓扑学与几何学特征、实用边界的实用数学描述及其快速计算方法，以期为成体系地认知安全域方法学、开展后续研究与应用提供支持。在拓扑学与几何学特征方面，最重要的发现是，在功率注入空间上，在工程实际所关心的范围内，安全域的边界可用一个或少数几个超平面的并集表示。基于该特征，电力系统安全约束优化问题和概率安全性评估（风险分析）的计算时间可以按数量级减少。
随着电力系统的去碳化和社会各部门的广泛电气化，电气新时代即将到来。为了充分发挥可再生能源的潜力，适应技术创新，培育新兴的产销者以及实现对纳米电网（nano-grid）、迷你电网（mini-grid）和微电网（micro-grid）的无缝衔接，电网需要像互联网一样智能。互联网建立在能够促进技术创新的分层架构上，它的智能分布在网络的各个层级上。本文分析了数据流和潮流之间的根本区别。当前电网的运营模式是由集中式的电网运营商负责维持电网中瞬时功率的平衡。新型分布式运营模式由各子电网共同承担维持瞬时功率平衡的责任并要求每个子电网维持其自身的功率平衡。基于这种新型运营模式，本文提出了一种像互联网一样智能的电网及其分层的网络结构和运营架构。
智能电网是一个结合了可再生能源与先进信息和通信技术的国家关键基础设施，为社会提供经济且安全的电力供应。为了应对可再生能源的间歇性特点并确保智能电网的安全性，应该进行更高频率的状态估计运算，而高频率的状态估计运算需要更加完整的系统状态信息。本文从智能电网状态估计数据完整性角度出发，将如何基于低频数据恢复高频数据的问题视为一个超分辨率感知（super resolution perception, SRP）问题。然后提出了一种新颖的基于机器学习的SRP方法，即超分辨率状态估计网络（super resolution perception net for state estimation, SRPNSE）来提高状态估计的数据完整性。此方法主要包含三部分：特征提取、信息补全和数据重建。算例证明了我们提出的SRPNSE方法在状态估计中从低频数据恢复至高频数据的有效性和实用价值。
本文提出一种针对拥有发电资产的住宅客户网络的可交易需求响应（TDR）方案，该方案强调了交易能源架构内的互操作性。完整的基于实验室的实施（据我们所知）首次实现了全面的TDR案例，该案例完全符合电气与电子工程师协会（IEEE）2030.5标准，解决了网络安全智能能源规范（SEP）应用协议的互操作性。通过使用基于Internet协议（IP） [局域网（LAN）和Wi-Fi]的通信协议和传输层安全性（TLS）1.2加密协议的商业硬件的完整系统集成来提供验证，而实证通过大量住宅智能电表数据仿真提供。需求响应（DR）方案旨在兼顾隐私问题，允许客户选择其DR响应水平，并提供激励措施以最大程度地提高其参与度。本文提出的TDR方案通过在交易代理（TA）和家庭能源管理系统（HEMS）代理之间实施SEP 2.0通信协议来解决隐私问题。客户响应由一个多入多出（MIMO）模糊控制器处理，该控制器管理客户代理和TA之间的协商。我们采用多代理系统方法实现邻域协调，通过TA在一个公共变压器上为多个客户提供服务，并在基于事件的优化过程中利用激励机制最大化客户的参与度。基于在较长时间内获取的一组智能电表数据，我们参与了多个TDR场景，并通过符合IEEE 2030.5标准的全功能实现证明了我们的方案可以在现实条件下将网络峰值功耗降低22%。
可再生能源（renewable energy source, RES）被认为是可靠的、绿色的发电资源。光伏（photovoltaic, PV）和风力涡轮机（wind turbine, WT）被用来为偏远地区提供电力。在独立环境中，确定混合型RES的最佳容量是一个非常重要的挑战。过去提出的元启发式算法依赖于特定算法的参数来获得最优解。本文提出了一种Jaya混合算法和一种基于'教与学'的优化算法（teaching–learning-based optimization, TLBO），称为JLBO算法，其用于确定PV-WT-电池混合系统的最优单位容量，从而以最小的年度总成本（total annual cost, TAC）满足消费者的负载需求。系统的可靠性由最大允许的供电损失率（maximum allowable loss of power supply probability, LPSPmax）来衡量。比较JLBO算法与原Jaya、TLBO和遗传算法的结果，结果表明，在TAC方面，PV-WT-电池混合系统是最经济的方案。与PV-电池和WT-电池系统相比，该系统可以为所有提出的LPSPmax值都提供一个经济有效的解决方案。
微震/声发射震源定位方法可以对结构潜在危险源进行预测与控制。然而，现有的定位方法中，由不规则结构和预测速度引起的定位误差问题却没有得到很好的解决。为了实现复杂三维含孔结构的高精度定位要求，本文提出了一种三维含孔洞结构的无需测速震源定位方法。该算法采用等距网格点搜索路径，避免了人工重复训练。引入了A*搜索算法，并利用网格点来适应具有不规则孔洞的复杂结构。它还利用了无需预先测速的定位方法的优点。将尺寸为10 cm×10 cm×10 cm的立方体混凝土构件，掏出一个尺寸为Φ 6 cm×10 cm的圆柱形空区。在该构件上进行断铅试验，来验证新方法的有效性。根据到时，分别用经典的Geiger法和新方法进行定位计算。结果显示，新方法的定位误差为1.20 cm，远小于Geiger法的2.02 cm。这表明新方法可以在含孔洞的复杂三维结构中进行有效定位，并能达到较高的精度要求。
人工智能（AI）在智慧社会中的运用需要对人类习惯进行分析，而这需要使用智能应用、智能基础架构、智能系统和智能网络的自动数据调度与分析。在这种情况下，培训和操作流程之间存在鸿沟，因此需要一种专门的方法来管理和提取海量数据，并进行相关的信息挖掘。本文提出的方法致力于在智能管理中使用接近零故障的高级诊断（AD）来缩小这种差距。该诊断程序在社会5.0的任何情况下都可以使用，由此降低所有管理层面的风险，并保证质量和可持续性。我们还开发了创新应用程序，可用于以人为本的管理系统，以支持操作流程维护工作的安排，从而降低培训成本、提高产量，并创建用于智能基础架构设计的人机网络空间。来自12家国际公司的研究结果证明，操作流程可进行全球标准化，因此我们设计了一种能够自主学习和升级的接近零故障的智能系统。本文提出的新方法为选择新一代智能制造和智能系统提供了指导，从而优化了人机交互以及相关的智能维护和教育。