数据与知识联合驱动的人工智能方法在电力调度中的应用综述.pdfVIP

第48卷第1期2024年1月10日电力系玩自动化Vol.48No.1Jan.10,2024

DOI:10.620221030007AutomationofElectricPowerSystems

数据与知识联合驱动的人工智能方法在电力调度中的应用综述

（1.南方电网数字电网研究院有限公司，广东省广州市510663；

2.浙江大学南方电网人工智能创新联合研究中心，浙江省杭州市310058；

3.浙江大学计算机科学与技术学院，浙江省杭州市310058）

摘要：数据与知识联合驱动的人工智能方法是利用数据驱动和知识驱动各自优势、取长补短形成

的一种更优的联合方法。文中对联合驱动方法的特点和现状进行了分析，并对其电力调度重点应

用场景进行了分类统计。总结了各类场景中联合方法的创新性、相较于单一方法的提升以及应用

优势。归纳出了电力调度数据与知识联合驱动方法的3种联合建模方式：数据驱动优化知识驱动、

知识驱动辅助数据驱动、数据驱动与知识驱动混合模式。最后，从准确性和高效性的平衡、有效性、

可靠性等5个维度讨论了联合建模时存在的挑战性问题，对联合驱动方法在电力调度中的适用场

景进行了总结及展望。

关键词：电力调度；人工智能；数据驱动；知识驱动；联合驱动

0引言解释[6]

电力调度中知识驱动方法主要包括系统潮流计

电力系统不断向前发展更新，特高压交直流互

算、时域仿真法、系统频率响应（SFR)模型、扩展等

联大电网的全面推进、新设备的接人以及数字电网、

智能电网等的发展趋势，加剧了电网的复杂性[]面积准则（EEAC)等，常用于电力系统暂态稳定分

尤其是在电力系统双高特性的影响之下，电力系统析[7-8]、电力系统扰动后频率稳定分析与预测[9]、控

制优化[101等领域。知识驱动的认知过程与人的认

的不确定性、时变性等问题更加突出，调度任务所依

赖的信息量骤增，考量因素愈加多元，计算过程愈加知过程相似，擅长机理分析和提取隐藏的知识规则，

复杂。因此，当前智能电网调度方法所处的信息环可解释性高，具有全局性，并且不需要依赖数据。但

其缺点是针对大规模复杂问题的知识机理认知不够

境和数据基础发生了巨大变化，所表现出来的不安

全、不稳定、不可解释性等缺点愈发明显清晰、获取知识代价较高、难以持续学习进化、无法

国务院于2017年7月8日印发《新一代人工智平衡计算精度和计算效率等

能发展规划》2],明确指出需要研究数据驱动与知识电力调度中数据驱动方法主要包括将统计分

引导结合的新一代人工智能方法，完善知识驱动的析、机器学习等方法应用于电力系统故障诊断、感知

人机物三元协同与互操作理论。2020年，南方电网预测、稳定分析与控制、电力市场等电力调度场

提出“数字电网”的概念，用数字李生技术支撑以数景[12-15]。数据驱动方法不会过度关注研究对象的内

据为基础提炼出相关的机理规则和电网知识，将其部机理，而是以大量的历史数据为基础，进行关联性

与电网原生机理融合，以解决数字电网各环节时变分析，经过训练得出经验模型。其具有较强的通用

性、复杂性、建模困难之间的矛盾[3-4]。由中国工程性，能够持续进化学习，但过度依赖数据的规模和质

院批复的《中国人工智能2.0发展战略研究》5)指出，量，受限于特定场景的数据，并且可解释性较差。

人工智能2.0的显著特征在于将数据驱动和知识驱数据驱动方法和知识驱动方法各具优缺点，在

动相结合，使得数据驱动方法不仅智能，而且可很多方面具有互补性，例如：可解释与否、黑盒模型

与规则经验结合、局部特征与全局特征的结合等。

收稿日期：2022-10-30；修回日期：2023-03-1