新型电力系统的“双高”特性使得基于物理模型的系统稳定性分析方法难以适用。人工智能算法有着强大的处理非线性问题的能力，利用人工智能的函数逼近能力学习电力系统的动态行为和复杂模式，有助于解决系统稳定分析的相关问题。如何构建融合物理机理和数据驱动模型的电力系统知识库，实现人机协同的稳定决策与控制策略的自适应更新和进化，是当前研究的热点之一。然而，人工智能算法在新型电力系统的应用面临着算法对训练样本的高要求、非预想故障适应性差、黑箱特性引发决策者不信任等诸多挑战。因此，亟需建立面向电力系统稳定分析的可解释增强智能技术体系，从提升样本质量、提高算法泛化能力、增强算法可解释性等方面拓展人工智能技术在电力系统中的应用前景。

刘崇茹教授课题组针对电网现场数据重建、多模态振荡数据生成、故障分类测距及暂稳评估可解释模型建立等电力系统稳定分析领域的关键技术难题，分别构建了可直接基于残缺现场数据训练的高细粒度数据重建算法，基于颗粒度对齐的强迫振荡数据泛化到实际系统次/超同步振荡领域的迁移算法，引入专家经验设计共享层参数的故障分类测距可解释多任务模型及基于注意力机制的可解释暂稳评估模型。由此解决了建模效果受样本质量影响大、非预想故障样本匮乏及模型泛化能力不足、“黑箱”特性引发不信任等关键难题，从多个角度提高人工智能技术在电力系统中的应用潜力，为实现更高水平的电力系统稳定提供关键支持。

▲故障分类测距可解释模型内部参数分布

2023年8月，该研究工作的系列成果“An Explainable and Robust Method for Fault Classification and Location on Transmission Lines”和“A Novel Method for Missing Data Reconstruction in Smart Grid Using Generative Adversarial Networks”等连续发表在国际顶级一区SCI期刊IEEE Transactions onindustrialinformatics等国内国外权威期刊上。该研究工作得到了国家重点研发计划课题、国家自然科学基金集成项目及重点项目等资助。

Reference：

J. Fang, K. Chen, C. Liu and J. He, "An Explainable and Robust Method for Fault Classification and Location on Transmission Lines," inIEEE Transactions on Industrial Informatics, vol. 19, no. 10, pp. 10182-10191, Oct. 2023, doi: 10.1109/TII.2022.3229497

J. Fang, L. Zheng and C. Liu, " A Novel Method for Missing Data Reconstruction in Smart Grid Using Generative Adversarial Networks," inIEEE Transactions on Industrial Informatics, doi: 10.1109/TII.2023.3306366.

J. Fang, C. Liu, L. Zheng and C. Su, " A Data-driven Method for Online Transient Stability Monitoring with Vision-Transformer Networks," in International Journal of Electrical Power & Energy Systems, Volume 149, 2023, 109020, ISSN 0142-0615, doi: 10.1016/j.ijepes.2023.109020.

房佳姝，刘崇茹，苏晨博，等.基于自注意力Transformer编码器的多阶段电力系统暂态稳定评估方法[J].中国电机工程学报，2023，43(15)：5745-5759

郝琪，刘崇茹，王瑾媛，等.基于深度子领域自适应的直驱风机次/超同步振荡源定位[J].电力系统自动化，2023，47(17):27-37

初审：房佳姝

复审：刘崇茹

审核：张洪