新型电力系统的高比例可再生能源、高比例电力电子设备特性给电力系统分析与决策带来巨大挑战。以深度学习(deep learning,DL)为代表的数据驱动技术擅长应对大规模高维非线性数据建模问题,在电力系统分析与决策的应用愈发受到业界的关...新型电力系统的高比例可再生能源、高比例电力电子设备特性给电力系统分析与决策带来巨大挑战。以深度学习(deep learning,DL)为代表的数据驱动技术擅长应对大规模高维非线性数据建模问题,在电力系统分析与决策的应用愈发受到业界的关注。作为近年来的热门分支之一,图深度学习(graph deep learning,GDL)将DL技术拓展到了不规则拓扑关联数据的处理,加快DL技术实用化的步伐。该文对电力系统分析与决策各领域的任务需求、DL应用现状做了简要归纳,结合GDL的发展脉络与前沿热点技术,全面总结GDL在电力系统分析与决策应用优势与不足,围绕通用性/迁移性、可靠性以及可解释性等方面探讨GDL框架的未来发展思路。展开更多
文摘新型电力系统的高比例可再生能源、高比例电力电子设备特性给电力系统分析与决策带来巨大挑战。以深度学习(deep learning,DL)为代表的数据驱动技术擅长应对大规模高维非线性数据建模问题,在电力系统分析与决策的应用愈发受到业界的关注。作为近年来的热门分支之一,图深度学习(graph deep learning,GDL)将DL技术拓展到了不规则拓扑关联数据的处理,加快DL技术实用化的步伐。该文对电力系统分析与决策各领域的任务需求、DL应用现状做了简要归纳,结合GDL的发展脉络与前沿热点技术,全面总结GDL在电力系统分析与决策应用优势与不足,围绕通用性/迁移性、可靠性以及可解释性等方面探讨GDL框架的未来发展思路。
