机器学习在智能配用电领域中的应用:北美工程实践概述

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.