人工智能技術在新型電力系統中的分析、診斷和控制研究

在碳達峰、碳中和目標的大背景下，以高滲透率的可再生能源、高比例的電力電子設備、高速增長的直流負荷“三高”為主要特征的新型電力系統正在逐步形成。新型電力系統的開放性、不確定性和復雜性使其對電力系統的規劃、調控、運行、分析提出了新的挑戰。通過人工智能技術與電力核心生產應用的深度耦合，針對新型電力系統的運行特點，運用數據挖掘、深度學習、智能算法等通用人工智能技術，可有效提高新型電力系統的分析決策速度，提升可再生能源消納比例。

為展示人工智能技術在新型電力系統中的分析、診斷和控制研究領域的最新成果以及相關新技術、新應用，《電力工程技術》編輯部開設了“人工智能技術在新型電力系統中的分析、診斷和控制研究”專題，本人有幸受邀擔任專題主編。專題收到大量具備理論創新與工程指導性的優質稿件，經同行評議、專家評定，最終選出5篇論文組成專題。

在用電負荷的精準化預測方面，中國電科院何桂雄等提出一種改進領域自適應神經網絡(DaNN)負荷預測模型，可有效提高綜合能源多能負荷預測精度；中國礦業大學董新偉等提出一種基于VMD-LSTMQR的負荷滾動概率區間預測方法，相較于傳統區間預測模型，所提方法在預測精度、區間寬度等方面有明顯改善。在電力設備狀態評價與運維決策方面，大連理工大學武天府等針對傳統變壓器故障診斷方法在處理樣本不平衡數據時的局限性,提出一種基于Focal損失棧式稀疏降噪自編碼器(SSDAE)的變壓器故障診斷方法,提升了變壓器故障診斷的準確率。在基于智能算法的配電網用電行為分析方面，華中科技大學蔡云芹等提出一種基于強化學習的異常用電判決方法，創新性地利用強化學習模型生成動態閾值，以適應差異較大的不同數據集；南方電網深圳供電公司裘星等提出基于V-I軌跡矩陣、功率及高次諧波多特征融合的負荷辨識方法，可準確區分功率特征相似但高次諧波含量不同的負荷。

本專題旨在展示人工智能技術在新型電力系統中的分析、診斷和控制研究領域的最新成果和進展，由于專題論文數量限制以及發表時間的安排,很多有價值的論文未能在專題中收錄,希望能夠得到所有作者和廣大讀者的理解。

衷心感謝有關專家學者對本專題的大力支持，衷心感謝《電力工程技術》編輯部為本專題的策劃、組織和出版所做的大量且細致的工作，最后也衷心希望本專題能夠為相關領域的專家學者提供交流的平臺，為人工智能技術在新型電力系統中的分析、診斷和控制等方面的研究與發展提供有益的參考。