西北工业大学冬青学会组织的《冬青论坛2022-动力强国与能源高效利用系列讲座》特邀国内动力与能源领域的权威专家，针对“双碳”战略驱动下的动力与能源领域新发展、新技术和新机遇进行专题讲授，旨在帮助行业内青年教师和学者明晰前沿学术热点和技术变革的趋势。

2022年12月17日上午10点，应西北工业大学陈映雪副教授邀请，华中科技大学人工智能与自动化学院李远征副教授围绕《人工智能赋能的智能电网优化运行》进行了一场精彩的学术报告。

“十四五”是实现碳达峰的关键期、窗口期，着力提高利用效能，实施可再生能源替代行动，深化电力体制改革，构建以新能源为主体的新型电力系统是国家重大战略之一。我国电力能源系统逐步向高比例新能源系统演变，实现以新能源为主体的新型电力系统的关键问题是高比例新能源高效消纳。

针对构建以新能源为主体的新型电力系统问题，李远征副教授基于自身研究提出了三点挑战。挑战1—认知难度大:新能源“风光无限”但“变化无常”，在高比例增益作用下，更显得“扑朔离迷”。挑战2—优化难度大:新能源不确定性给电网安全经济运行带来了“繁剧纷扰”，可能导致弃风弃光、电能质量衰减、电压失稳、线路过载等问题，导致“四面楚歌”。挑战3—决策难度大:电网作为世界上最为庞大的人造系统，运行决策难以寻优，“星罗棋布”的新能源并网后导致电网决策更加“步履维艰”。

针对以上提出的三点挑战，李远征副教授提出了三点相应的解决方法。

首次，针对新能源认知难度大的问题，李远征副教授以净负荷不确定性表征做切入点认识新能源。随着新能源并网比例逐渐攀升，净负荷不确定性难以有效刻画，极大地影响电网运行调度。净负荷不确定性的传统表征方法为在预测值的基础上，利用经典概率分布、混合高斯分布,狄利克雷混合模型拟合净负荷的预测误差。传统方法存在数据信息未充分利用的问题。为此，李远征副教授提出数据关联的狄利克雷混合模型，考虑净负荷时序关联性并结合改进EM算法获得先验信息，使得到的混合模型更加准确，收敛性更快更好。

其次，针对电网优化难度大的问题，李远征副教授提出深度强化学习众目标优化的解决措施。随着新能源并网比例逐渐攀升，其随机性与波动性使得配网安全运行难以保障，并进一步引发了弃风、弃光现象。通过对配网拓扑结构进行调控，改变支路电流通路，从而降低网损、均衡负荷、改善电压质量与配网运行安全等。但是传统的重构方法存在单一或少量目标难以包含更多有效信息，难以全面刻画配网运行状态，从而较难合理地配网拓扑结构调控的问题。李远征副教授提出众目标配网重构方法与基于深度强化学习的优化算法。但是这又引起了新的问题。高维目标空间致使非支配解数量产生指数级增长，致使传统多目标优化算法(NSGA-I,MBFO)丧失选择压力，算法寻优效率下降。为此需要利用深度强化学习与配电网模型交互，从而学习状态、动作、奖励间的隐式关系，进而指导多目标优化算法种群运动，实现帕累托前沿的快速逼近。

然后，针对电网决策难度大的问题，李远征副教授提出证据推理多属性决策的方法。新型电力系统自动化水平更高，优化调度决策逐步向全面自动闭环发展。运行方式多变，不确定性水平高——调度人员知识和经验积累跟不上新型电力系统发展。传统决策方法存在不足：在决策方法方面没有考虑多属性之间的权重关系，在距离方法方面计算量较大而且会“扭曲”相关信息顺序结构，在评估方法方面没有考虑决策者认知的不确定性。为此，李远征副教授提出基于证据推理方法解决电力系统多属性优化决策问题，并提出详细的多层评估框架来执行证据推理，为实际的电力系统多目标调度提供科学参考。

最后，李远征副教授对自己的研究进行总结与展望，并分享了自己在科研工作中的经验和感悟。

讲座专家简介

李远征，现任华中科技大学人工智能与自动化学院副教授，曾任新加坡南洋理工大学Research Fellow，英国利物浦大学—华南理工大学联合培养博士，英国曼彻斯特大学访问学者。主要研究领域为人工智能及其在智能电网中的应用，深度学习，强化学习,大数据分析，运筹优化等。主持了国家自然科学基金面上和青年项目、国家电网总部科技项目课题2项，腾讯科技项目、参与了国家重点基础研究发展计划(973计划)—大规模风力发电并网基础科学问题、广东省创新团队计划—智能能源网及其自动化团队等课题，其中主持/主研完成的研究成果遴选为新能源电力系统国家重点实验室优秀成果、973计划课题研究创新点等。发表了IEEE Transactions期刊论文40余篇,一作/通讯20余篇，其中1篇遴选为期刊特色文章，1篇入选基ESI高被引论文,1篇国重实验室优秀成果论文、1篇荣获期刊高被引论文奖。目前担任IEEE Transactions on IntelligentVehicles和IET Renewable Power Generation的Associate Editor.

审核：王治武