电力系统增强智能分析初探

发布时间：2022-10-20 11:41

　　电力系统是保障国家经济发展和人民生活的核心基础设施,现已逐步向高维度、强耦合、开放复杂的社会物理信息系统演变。针对该系统的智能分析是一个复杂的多目标趋优问题,并面临维数灾难、可解释性差、状态弥散等难点。该文提出电力系统增强智能分析（powersystemenhanced intelligence analysis,PSEIA）的框架结构,提出的PSEIA是以"服务"为驱动的人机混合智能的全新运行模式,随后分析实现PSEIA的可行性,对其理论基础进行探讨。最后,针对实现PSEIA这一目标,讨论其中的关键科学问题和难点,拟为将来人工智能调控技术的实现提供参考借鉴。 

【文章页数】：10 页

【参考文献】：
期刊论文
[1]数据驱动下的智能发电系统应用架构及关键技术[J]. 刘吉臻,王庆华,房方,牛玉广,曾德良.  中国电机工程学报. 2019(12)
[2]深度学习在智能电网中的应用现状分析与展望[J]. 周念成,廖建权,王强钢,李春艳,李剑.  电力系统自动化. 2019(04)
[3]机器学习在能源与电力系统领域的应用和展望[J]. 程乐峰,余涛,张孝顺,殷林飞.  电力系统自动化. 2019(01)
[4]基于设备状态评价和电网损失风险的配电网检修计划优化模型[J]. 李二霞,亢超群,李玉凌,樊勇华,马国明,杜月.  高电压技术. 2018(11)
[5]电力脑初探:一种多模态自适应学习系统[J]. 尚宇炜,郭剑波,吴文传,马钊,赵丽娟,赵东方,韩路波.  中国电机工程学报. 2018(11)
[6]智联网:概念、问题和平台[J]. 王飞跃,张俊.  自动化学报. 2017(12)
[7]电网故障诊断的研究综述与前景展望[J]. 王守鹏,赵冬梅.  电力系统自动化. 2017(19)
[8]电力市场中的灵活调节服务:基本概念、均衡模型与研究方向[J]. 郭鸿业,陈启鑫,夏清,邹鹏.  中国电机工程学报. 2017(11)
[9]平行学习—机器学习的一个新型理论框架[J]. 李力,林懿伦,曹东璞,郑南宁,王飞跃.  自动化学报. 2017(01)
[10]基于深度自编码网络的电力变压器故障诊断[J]. 石鑫,朱永利,宁晓光,王刘旺,孙岗,陈国强.  电力自动化设备. 2016(05)



本文编号：3694430