饶宏院士，毕天姝、丁肇豪、刘念教授 | 面向新型电力系统的人工智能：趋势与挑战
专属客服号
微信订阅号
中文版EI；英文版SCI，影响因子4.9，中国科学院1区Top期刊，JCR Q1区，中国科技期刊卓越行动计划梯队期刊，欢迎您阅读、关注！
原文信息：毕天姝, 丁肇豪, 饶宏, 刘念. 面向新型电力系统的人工智能: 趋势与挑战. 中国科学: 技术科学, 2026, 56: 2–20
相较于传统电力系统，新型电力系统在发展过程中对人工智能技术的需求已发生本质性转变。与此同时，人工智能技术在新型电力系统中的应用不仅面临其自身方法上的局限性，还需应对由电网物理特性带来的外部挑战。本文聚焦于人工智能技术在新型电力系统中的应用发展，系统梳理了当前研究现状，并围绕实际应用过程中面临的关键技术瓶颈，深入探讨了人工智能赋能新型电力系统过程中亟待突破的若干核心问题。本文相关分析与总结可为后续相关研究提供方向性参考与理论支撑。在“双碳”目标推动下，新型电力系统快速发展，呈现出源荷随机波动性强、电力电子化程度高、外部因素影响大等主要特征，给电网安全稳定经济运行带来了诸多挑战。与此同时，人工智能技术正经历快速变革，初步具备自主知识发现并进行知识推演的能力，推动科研范式发生从传统机理驱动、实验驱动到数据驱动、计算驱动的转变，为解决新型电力系统中的复杂问题提供了新路径。人工智能技术作为推动新型电力系统转型的关键工具，面向仿真分析、规划设计、调度运行、稳定控制和市场交易等多个电力系统核心环节，为新型电力系统的研究与发展提供了全新的科研范式。这些技术在电力系统仿真数据处理与决策分析、规划场景生成和方案优化、运行态势感知与调度决策、稳定控制参数优化和建模、电力市场设计监管及交易等多方面均发挥了重要作用。然而，人工智能与新型电力系统的深度融合应用仍面临着若干亟待解决的核心挑战。首先，当前不同类型电力先验知识尚缺乏统一标准化的表征方法，难以有效转化为可与数据联合计算的形式，因此数据-机理混合驱动模型无法在新型电力系统应用中确保其超越单一模型的性能优势。其次，人工智能模型训练往往依赖于大规模、完备的数据集，在新型电力系统小样本场景下知识提取和规律认知的能力存在明显欠缺。此外，电力系统具有高安全属性，对分析决策的可信度要求极高，这与人工智能黑盒模型在决策可解释性方面的不足形成矛盾，难以从新型电力系统物理意义上解释决策依据。最后，电力系统广泛应用人工智能后高度自动化，缺陷和后门被攻击利用的风险凸显，使用过程中也存在数据泄漏、数据注入等风险。
综上所述，应深度结合电力行业特点和应用场景特性，着力破解人工智能赋能新型电力系统过程中先验知识利用、小样本学习、高可信度决策和信息物理安全等方面的若干挑战，为新型电力系统发展问题提供新的解决途径。同时，还应推动数据开放共享、标准体系构建等配套措施，全面支撑电力人工智能模型的开发与应用，推动新型电力系统安全经济可持续发展。Electrical Engineering
