人工智能技术和电力系统专业知识，这两方面真正融合的电力大模型才能把各种电力系统的决策、交易、稳定、运行安全真正解决好。
——清华大学电机系长聘教授，副主任 陆超
6月20-21日，以“AI赋能能源互联网，创新发展新质生产力”为主题的“2024国家能源互联网大会”在北京盛大召开。会上，清华大学电机系长聘教授，副主任 陆超带来题为《电力系统稳定分析控制中人工智能的应用与挑战》的报告。
报告重点摘录如下：
在人工智能领域的深度学习，业界普遍关注是从2016年AlphaGo开始。作为电力系统来讲，人工智能还面临更多更大的挑战，包括网络节点数要远大于围棋几百个点，且每个节点的状态都是连续分布的、离散化、变量多的组合，电网中很难实现各个电压等级的完整观测，想做到95%以上挑战非常大。
在算力要应用到实际电网中，要解决电力系统安全稳定控制问题时，往往面临非常多的问题。
首先，高校学习训练的问题。实际上，即使最简单标准的算力，做出它的电源、负荷、故障位置的量化组合至少130多个样本。系统样本量多这个问题企业和高校都没能解决。
第二，仿真样本偏差的问题。现在的电力系统复杂，设备和新能源越来越多，仿真的系统模型和实际的系统模型差别很大。
第三，可观性和不完全可观。电力系统实际上是具有不完全可观性的。
第四，安全性约束问题。所有空间的估计都需要对原来的电力系统有很深入的认识。
第五，可解释性。
在科学计算方面，大模型指导加速实验的发展，理论分析的支撑方面都已取得进展。
在调度中，首先要判据电压稳定，使用的就是简单的电压曲线，低于多长时间就失稳了。但缺乏充分的理论支撑，因为是非线系统的分析，系统规模一大就无法分析。他认为存在三个问题。
第一，怎样选取失稳和非失稳的关键特征。监测点、阈值都是算出来的，而不是靠经验一成不变。
第二，融合的问题。要将表达能力和可解释性折中。
第三，样本和训练的问题。实际上对系统来讲，错峰代价很敏感，就需要大量有经验的专家才能解决。
最后，基于大模型，需要有能够理解电力系统的、非常深入专业知识的专用大模型。
电力大模型初步把语言、CV、图像、视频应用之后，后面更加深入的应用需要特别深入的人工智能技术和电力系统专业知识，这两方面真正融合的电力大模型才能把各种电力系统的决策、交易、稳定、运行安全真正解决好。
（北极星电力网根据现场速记整理，未经专家审核，转载请获取授权！）
