今天分享的是：《数据为中心的AI技术在电力系统运行控制中的应用》

（内容出品方：清华大学）

报告共计：48页

本文深入探讨了数据为中心的人工智能技术在电力系统运行控制中的应用，特别是针对电力系统调度决策的挑战，以及人工智能技术在电力系统分析控制中的局限性。文章提出了基于生成式人工智能的数据增强技术，以改善电力系统暂态稳定评估和断面安全裕度预测的准确性，并通过实证研究验证了这些方法的有效性。

研究背景与挑战：文章首先介绍了电力系统调度决策的重要性，并指出了系统中存在的挑战，如新型电力系统的结构和特性变化、海量的风能太阳能接入、系统规模巨大导致的决策变量高维性等问题。同时，也提到了人工智能技术在电力系统分析控制应用中的局限性，如场景数量的组合爆炸、运行不确定性、模型缺失等。

• 电力系统调度决策的重要性
• 新型电力系统的结构和特性变化
• 人工智能技术的局限性

生成式AI在电力系统应用的核心难点：文章详细讨论了生成式AI在电力系统应用中的核心难点，包括分类问题的类别不平衡、优化问题的数据质量提升以及多方数据的隐私保护需求。

• 分类问题的类别不平衡
• 优化问题的数据质量提升
• 多方数据的隐私保护需求

基于生成式AI的暂态稳定评估数据增强技术：文章提出了一种基于生成式AI的暂态稳定评估数据增强技术，通过生成对抗网络和模型迁移等方法，有效提升了暂态稳定评估的性能。

• 生成对抗网络在暂态稳定评估中的应用
• 模型迁移在暂态稳定评估中的应用
• 数据增强技术提高暂态稳定评估的性能

特定场景样本生成与AI回归：针对输电断面安全裕度的特定场景样本生成问题，文章提出了基于模型迁移和特征选择的方法，提高了生成样本的有效率和AI模型的准确率。

• 模型迁移和特征选择在特定场景样本生成中的应用
• 提高生成样本的有效率和AI模型的准确率

大规模机组组合AI加速方法：文章还探讨了以数据为中心的大规模机组组合AI加速方法，旨在使用AI技术提升机组组合问题的求解效率。

• 大规模机组组合问题的求解效率
• AI技术在机组组合问题中的应用
• 提升机组组合问题的求解效率

总的来说，本文提出的基于生成式AI的数据增强技术和特定场景样本生成方法，能够有效地提升电力系统暂态稳定评估和断面安全裕度预测的准确性，同时也要考虑到隐私保护和数据安全的问题。