特约主编寄语
新能源大规模并网给电力系统带来了较强的不确定性,电力电子化设备的广泛接入提升了系统运行的灵活性,分布式电源、储能、电动汽车的渗透增加了末端配电网分析与控制的复杂性,这些因素都给现代电力系统带来了新的挑战.随着能源互联网技术的不断发展,先进的数据量测、传输与存储技术为数据驱动的分析奠定了良好的基础,现代电力系统正在进入"数据密集"时代.数据驱动方法为电力系统研究提供了新的思路,可以分析电力系统中弱规律问题、复杂机理问题以及机理尚未清晰的问题,并能够从海量的电网广域信息数据里挖掘出系统内在的内禀知识,为运行人员提供较为透明、可理解的控制规则或决策支持,进一步增强系统运行人员的应急能力,在电力系统中得到了广泛的研究和关注.但是数据驱动方法在实际应用的场景中,其模型的输入可能出现测量噪声、数据丢包、通信延时等不良情况,因此需要研究具有抗干扰能力的数据库生成及训练策略,使得研究结果对于这些不利因素具有较强的容错性.近年来,深度增强学习技术在优化决策和最优控制领域得到了广泛的关注,并已经被应用在电网调频、调压、最优潮流计算等领域,未来可重点研究基于深度增强学习的电网稳定控制方法.
46
2022-01-13（万方平台首次上网日期，不代表论文的发表时间）
共2页
1-2
