机器学习在智能配用电领域中的应用:北美工程实践概述

• 作者: 李亦言 胡荣兴 宋立冬 贾乾罡 陆宁
• 来源期刊: 电力系统自动化
• 关键词: 机器学习 智能配用电 方法分析 工程实践
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 电力视角下能源转型的技术路径专辑|Special Topic on Technical Path for Energy Transition From Perspective of Electric Power
• 页码范围: 99-113
• 页数: 15页
• 语种: 中文
• DOI: 10.7500/AEPS20210320001

摘要

机器学习技术是助力能源转型、促进清洁能源消纳的重要工具.近年来,机器学习技术在电力系统中的应用已得到广泛关注.由于机器学习技术的"黑箱"特征,使其在可解释性、鲁棒性等方面仍有待提升,与电力系统高可靠性的运行要求存在一定矛盾,导致其实际工程应用滞后于理论研究.对于机器学习技术的实际应用情况,文中聚焦于北美地区配用电领域,从源、网、荷3个角度梳理了机器学习技术的典型工程实践项目,概述了每个项目的方法、效果以及从中得到的启示.进一步地,将以上项目归纳为态势感知、决策支持2个类别共计5个应用场景,并从工程实践角度分析了下阶段机器学习技术的研究方向.