期刊名：Electricity

期刊主页：https://www.mdpi.com/journal/electricity

本期文献清单为您精选Electricity期刊2025年的4篇封面文章，涉及电网控制与拓扑，人工智能与预测技术，可再生能源系统等热门领域。

1.Grid-Forming: A Control Approach to Go Further Offshore?

构网型控制：迈向更远海域的关键路径？

by Rui Alves, Thyge Knuppel and Agustí Egea-Àlvarez

https://www.mdpi.com/2673-4826/6/1/4

这项研究主要探讨构网型（GFM）控制技术在通过长高压交流海缆接入电网的海上风电场中的应用潜力。文章将构网型控制与传统的跟网型（GFL）控制策略进行对比，系统分析了不同系统配置和电网强度下，两者在小信号稳定性方面的表现差异。

研究结果显示，构网型控制不仅能有效延长高压交流海缆的可行传输距离，还能显著提升系统的整体鲁棒性，尤其是在弱电网工况下优势更加明显。该成果为设计更具韧性和可靠性的海上风电并网系统提供了重要参考

2.Forecasting Electricity Demand in Renewable-Integrated Systems: A Case Study from Italy Using Recurrent Neural Networks

可再生能源并网系统中的电力需求预测——基于意大利案例的递归神经网络应用

by Alessandro Franco and Cecilia Pagliantini

https://www.mdpi.com/2673-4826/6/2/30

本文针对电力系统中的负荷预测问题展开研究。该问题与能源安全密切相关，尤其体现在当前能源系统管理日益复杂的大背景下——这种复杂性源于波动性电源渗透率的提高、用电模式的不断演变，以及对实时运行灵活性的更高要求。实际运行的电力系统正面临日益严峻的挑战，迫切需要更为精准的预测与更完善的控制策略。

研究展示了如何基于现有数据，利用特定的机器学习算法，对意大利电力系统的电力需求进行高精度预测。文中强调，数据驱动方法在性能上已逐步超越传统基于物理原理的模型，同时指出，若想进一步提高预测精度，未来可能需要在模型中引入一定的物理要素以增强其可解释性与泛化能力。

3.Hybrid SDE-Neural Networks for Interpretable Wind Power Prediction Using SCADA Data

综述：基于SCADA数据的可解释风电功率预测：混合SDE-神经网络方法

by Mehrdad Ghadiri and Luca Di Persio

https://www.mdpi.com/2673-4826/6/3/48

本研究提出了一种基于混合随机微分方程–神经网络（SDE-Neural Network）模型的可解释性风电功率预测方法，所使用的数据来源于一台Senvion MM92型风机的SCADA运行记录。该方法将随机微分方程与神经网络相结合，能够有效刻画风能中复杂且具有非高斯分布特征的波动特性。实验表明，该模型在预测性能上可与传统的RNN、LSTM及CNN-LSTM模型相媲美甚至更优，同时在预测精度与物理可解释性之间取得了良好平衡，可为电网调度与管理提供更具参考价值的信息支持。

4.Fourier Feature-Enhanced Neural Networks for Wind Turbine Power Modeling

傅里叶特征增强型神经网络在风力发电机功率建模中的应用

by Theofanis Aravanis, Polydoros Papadopoulos and Dimitrios Georgikos

https://www.mdpi.com/2673-4826/6/4/70

准确预测风力发电机的输出功率，对于提升可再生能源发电效率及促进其并网运行至关重要。然而，实际功率曲线往往呈高度非线性，包含启动风速、额定风速及切出风速等突变区间，这些特征在普通的多层感知机（全连接前馈神经网络）中常因频谱偏差而被平滑处理，导致细节丢失。

本研究基于2011年发布的10分钟分辨率公开数据集，对一台1 kW小型风机建立功率曲线模型，并比较了两种训练方式：一种是在归一化风速输入下训练的传统多层感知机，另一种在此基础上引入傅里叶特征编码。通过将风速映射到正弦特征空间，傅里叶增强模型能够更准确地捕捉功率曲线的突变区间，显著降低预测误差。结果证明，傅里叶特征在数据驱动的风机功率建模中具有重要价值。

期刊简介

期刊主编：Prof. Dr. Andreas Sumper, Universitat Politecnica de Catalunya, Spain

Electricity期刊（ISSN 2673-4826）是一个经同行评议的、学术的、开放获取的期刊，旨在为电气工程领域的高影响力研究提供一个先进的交流平台。期刊发文范围包括但不限于电力基础设施及应用、电力系统、智能电网、电力储存与转换、电动交通、绿色电力、电力市场和经济等。自2020年创刊以来，期刊已经被Scopus、ESCI (Web of Science)、EBSCO等数据库收录。

2024 Impact Factor：1.8

2024 CiteScore：5.1

Time to First Decision：26.9 Days

Acceptance to Publication：3.9 Days

编委团队招募

诚邀请优秀学者加盟 Electricity期刊编委团队，编委会成员的初始任期为两年，合同到期后可续签。此外，编委可以在本期刊免费发表文章。

（目前编委团队成员：https://www.mdpi.com/journal/electricity/editors）

招募条件：

(1) 获得博士学位，且具有副教授及以上职称；

(2) 在相关领域内发表过一定数量且具有学术影响力的研究成果；

(3) 主持过国家级科研项目并拥有海外经历者优先；

(4) 衷心为本刊发展做出贡献

编委主要职责：

•对您专业领域相关的新投稿进行预筛选并决定是否送审，以及对修改后的稿件做出最后决定；

•建议特刊主题，主持或监督与您专业相关的特刊；

•对期刊政策提出意见或反馈；

•在各重大学术会议、学术活动或其他学术渠道宣传和推介期刊；

•参加编委会议，对期刊发展提出相关建议；

•每年根据期刊需要评审一定数量文章。

申请方式：

申请方式：请将英文学术简历（包含个人基础信息，机构主页，教育背景，研究项目，任职情况等）发送至electricity@mdpi.com，邮件主题为“Electricity 期刊编委申请+姓名+机构”。