祝贺《电力信息与通信技术》
蝉联中国科技核心期刊
引文信息
庞传军，王珅，余建明．可解释机器学习在电网调控领域中的应用[J]．电力信息与通信技术，2024，22(5)：1-9．
PANG Chuanjun，WANG Shen，YU Jianming．Application of interpretable machine learning in power grid dispatching and control[J]．Electric Power Information and Communication Technology，2024，22(5)：1-9(in Chinese)．
01
研究背景
随着以新能源为主体的新型电力系统建设，电力系统的电源构成、网架结构、负荷特性比以往发生了重大变化，具有更强的不确定性、复杂性和非线性。电力系统中很多问题难以建立精确的数学模型或者难以单纯用数学模型描述。数据驱动的机器学习是新一代人工智能的核心技术，尽管该技术已经在电网调控领域取得了显著成果，但是可解释性差，阻碍了其在对安全可靠性要求极高的电网调控领域的实际工程应用。因此，提升电网调控领域机器学习技术的可解释性对提高其实用性至关重要。
02
主要创新点
本文研究了机器学习可解释技术及其在电网调控领域的应用，通过实际案例，重点介绍了在电力系统预测和稳定评估场景的应用。机器学习的可解释技术是人工智能领域的热门研究方向之一，未来将涌现出更多的机器学习解释方法，为解决机器学习技术在电网调控领域应用的不可解释问题，促进实际工程应用提供解决途径。
作者介绍
