6月20日，清華大學電機系長聘教授、青海大學副校長梅生偉在2025國家能源互聯(lián)網(wǎng)大會上作《人工智能賦能新型電力系統(tǒng)的探索》的主題演講，演講從數(shù)學角度出發(fā)，講述了深度學習在電力系統(tǒng)中的應用，分享了數(shù)字電力系統(tǒng)的概念及其在電力系統(tǒng)中的應用等。
他認為，新型電力系統(tǒng)作為國家戰(zhàn)略，其核心特征體現(xiàn)為：一是大規(guī)模風光基地的集中建設，二是依賴特高壓技術實現(xiàn)清潔能源的遠距離輸送。截至2023年底，我國已累計建成39條特高壓線路，年輸送清潔電量超3萬億千瓦時，堪稱工業(yè)史上的創(chuàng)舉。然而，高比例可再生能源接入與特高壓輸電也帶來了“雙高”（高比例新能源、高比例電力電子設備）挑戰(zhàn)：新能源強波動性顯著，且風光機組慣量支撐能力薄弱（光伏近乎為零，風機較弱），導致系統(tǒng)在量測感知、精確建模及優(yōu)化調控方面面臨嚴峻困難。
對此，他講述了數(shù)字電力系統(tǒng)的概念，并強調了其在控制物理系統(tǒng)方面的優(yōu)勢，面臨新型電力系統(tǒng)海量的仿真，詳細解釋了深度學習在增強感知、認知和決策方面的作用，并指出其主要作用于三個要素：數(shù)據(jù)、知識和決策。他認為，只要有歷史數(shù)據(jù)就可以搞訓練，揭示輸入和輸出的關系。
他表示，基于上述數(shù)字系統(tǒng)與增強閉環(huán)（感知-認知-決策），可將風機、光伏等發(fā)電單元接入電網(wǎng)模型，通過微分代數(shù)方程進行動態(tài)模擬，確保風光并網(wǎng)的友好性與穩(wěn)定性。該模擬對算力要求極高：在針對6800種不同潮流工況下的暫態(tài)故障情景仿真中，前80%用于訓練微分代數(shù)神經網(wǎng)絡，剩余20%用于暫態(tài)測試。結果表明，通過訓練后可以實現(xiàn)高精度擬合真實系統(tǒng)動態(tài)，誤差顯著低于傳統(tǒng)方法。
然而，新能源強波動性導致系統(tǒng)運行風險陡增，傳統(tǒng)安全邊界難以精確刻畫。面對工況多變、邊界模糊、隨機性強及計算復雜等挑戰(zhàn)，例如高比例電力電子設備引入的不確定性，亟須構建實時動態(tài)防御能力——其核心在于“快”。為此，引入生成對抗網(wǎng)絡，通過生成極端場景樣本與動態(tài)對抗訓練，快速識別脆弱環(huán)節(jié)并優(yōu)化安全策略，最后獲得非常快的調控方案。
最后，他總結，深度學習可以實現(xiàn)人工智能驅動的電力系統(tǒng)增強感知、增強認知和增強決策，助力新型電力系統(tǒng)發(fā)展。通過深度學習不斷挖掘海量數(shù)據(jù)中隱含規(guī)律，挖掘得越多，認知的越多，能做的也越多。除此之外，深度學習也將為電網(wǎng)調度、運行、維護人員提供更加精準的量測、更貼近實際的數(shù)學模型、更加智能高效的控制策略，大幅降低決策能耗，未來的目標是打造電力系統(tǒng)的數(shù)字孿生模型。
聯(lián)系地址：陜西省西安市北關正街35號方興大廈8樓
