【双高榜单】“人工智能技术在电力系统中的应用”方向高下载、高被引论文榜单揭晓

标题: 电力人工智能的演变与展望——从专业智能走向通用智能

作者: 李鹏，余涛，李立浧，张孝顺，潘振宁，黄文琦，黄展鸿

单位: 南方电网新型电力系统(北京)研究院有限公司，华南理工大学电力学院，中国南方电网有限责任公司，东北大学佛山研究生创新学院

摘要:

配电网规划领域期盼实现智能规划，其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下，新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术：基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术，尝试打破理论研究与数字化工程的壁垒。最后，对未来新型配电网数字化规划的发展进行思考和展望，为实现“以机为主，人机协同”的大闭环模式提供借鉴。

标题: 小样本学习技术在新型电力系统中的应用与挑战

作者: 贺兴，潘美琪，艾芊

单位: 电力传输与功率变换控制教育部重点实验室(上海交通大学)，上海交通大学国家电投智慧能源创新学院

摘要:

针对寒潮、台风、覆冰等极端天气下风电功率预测精度不足的问题，提出基于气象因子的极端天气事件判别方法，以及基于迁移学习和自编码器的极端天气事件自适应短期风电功率预测方法。首先，通过分析气象要素和机组出力间的耦合特性，定义极端天气判别标准，识别未来将要发生的天气事件类型。其次，基于自编码器预测模型的自相关机制增加长时间序列信息利用率，采用迁移学习的“预训练-微调”策略，先利用正常天气下的充足样本对预测模型预训练，再针对极端天气下有限样本数据进行微调，根据判别得到的天气事件，自适应地采用该类天气事件下的预测模型进行短期风电功率预测。选取12个风电场的数据集进行分析，通过分析模型在极端天气和所有天气条件下的预测表现，验证了所提方法的有效性。实验结果表明，所提方法可准确预知未来是否会发生极端天气事件，并大幅提升极端天气事件下的短期风电功率预测精度。

标题: 基于多智能体与改进目标级联法的输配协同优化调度

作者: 吉兴全，孙辰昊，张玉敏，杨明，叶平峰，韩学山

单位: 山东科技大学电气与自动化工程学院，电网智能化调度与控制教育部重点实验室(山东大学)，山东科技大学储能技术学院

摘要:

针对目前围绕同步波形测量数据展开的配电网故障定位研究较少、传统智能方法对电网物理拓扑结构与波形数据信息利用程度较低、高比例分布式电源接入降低了现有方法精度的问题，提出一种基于改进时空图神经网络的配电网故障区段定位方法。首先，将配电网的同步波形测量数据映射为时空图结构数据，通过结合电网物理结构信息，提高方法的鲁棒性；然后，通过时空融合图卷积最大化利用数据时空信息，提取故障位置特征，实现高比例分布式电源接入下的更精确故障区段定位。最后，引入残差连接与门控激活函数，扩大感受野，降低对量测条件的需求。仿真结果表明，所提方法能够在高比例分布式电源接入以及不同故障条件、噪声干扰环境下以较高的准确率定位故障线路。

摘要:

针对高比例分布式光伏并网导致的配电网电压越限问题，提出了一种基于改进深度确定性策略梯度算法的电压调控策略。首先，文中提出基于方差的改进自适应噪声奖励函数，以动态调节智能体在环境中不同方差区域的学习能力，有效缓解策略偏差问题。然后，将评价函数由确定值形式转换为概率分布形式，以提升智能体对不确定性环境的适应能力。最后，引入N步回报方法，通过在贝尔曼方程中添加N步的奖励值，提升智能体对长期效益的评估能力。IEEE 123节点配电系统的仿真结果表明，所提策略在降低电压越限率、减少网络损耗以及增强复杂运行环境中的策略泛化能力方面具有显著优势。

摘要:

近期，以ChatGPT和Sora为代表的大语言模型（LLM）在各领域引发广泛热潮，其基于海量数据训练并以大规模参数量为突出特点，且在多模态学习、多任务集成、智能生成及决策等方面的能力得到了显著提升。为了推进大模型技术在电力领域的应用探索，文中首先简要介绍了LLM的发展历程、基本原理、主要特点及其关键技术；其次，深入分析了新型电力系统智能化进程对于LLM代表性能力的需求；然后，从电力系统领域常见的数据类型及任务角度出发，介绍了可处理相关数据及任务的大模型方法；最后，针对LLM目前的发展状态，分析了其在电力系统领域可能存在的挑战及潜在应对措施。

摘要:

电力系统潮流调整须针对越限等问题动态修正控制变量，而结果判断和数据调整工作高度依赖人工且专家经验难以量化推广。大语言模型（LLM）技术快速迭代进步，由LLM驱动的智能体框架在处理复杂任务和实现自动化决策方面展现出强大的适应性、灵活性和鲁棒性。文中提出了一种基于LLM的电力系统潮流自适应计算调整方法，利用LLM的推理能力增强策略调整的适应性，调用潮流计算模块实时验证策略可行性，构建了动态感知、自主决策与持续优化的闭环工作流。在计算调整过程中引入检索增强生成技术以提供安全运行约束与辅助决策支持，实现了复杂约束下潮流计算及调整的全流程自动化。在IEEE 30节点和IEEE 118节点系统的算例分析验证了LLM在电力系统自动化计算分析方面的应用潜力。