10月11日，在中國電機工程學會成立90周年暨2024年年會專題活動——第五屆CSEE-IET能源電力發展論壇上，電網頭條記者就“基于深度學習的新型電力系統建模、感知和調控”采訪了清華大學教授、青海大學副校長梅生偉。

電網頭條：在構建以新能源為主體的新型電力系統中，您和您的團隊是如何利用數字技術來應對“雙高（高比例新能源、高比例電力電子設備接入）”特征所帶來的挑戰的？

梅生偉：在以新能源為主體的新型電力系統中，高比例新能源、高比例電力電子設備接入帶來的“雙高”特征導致了風光出力波動性大、慣量弱、電網主動支撐能力缺乏等問題，給電力系統的安全經濟運行帶來新的挑戰。為了應對這些挑戰，我們充分利用了數字技術。

首先，我們利用深度學習方法，如圖神經網絡、微分神經網絡等，對海量的數據進行處理和分析，以增強我們對電力系統的觀測能力，幫助我們更全面、更細致地了解電力系統的運行狀態。

其次，我們通過構建數字沙盤進行推演，增強對電力系統的認知。在數字空間中，我們可以模擬各種可能的場景，分析電力系統的動態行為，從而更準確地評估其安全性和穩定性。

最后，我們利用對抗生成網絡和強化學習等技術進行增強決策，優化電力系統的調度和控制策略。這些技術使我們能夠根據電網實時運行狀態和環境變化，快速做出最優的決策，確保電力系統安全、穩定、高效運行。

電網頭條：您提到的數字孿生技術在新型電力系統中的應用前景如何？它將如何改變電力系統的管理和運營方式？

梅生偉：數字孿生在新型電力系統中的應用前景非常廣闊。它通過將電力系統的物理實體在數字空間中進行實時再現，使我們能夠在數字空間中模擬、分析和優化電力系統的行為。這將極大地改變電力系統的管理和運營方式。

首先，數字孿生可以實現對電力系統的實時監測和預警。應用數字孿生技術可以構建真實電力系統的鏡像系統，在數字空間進行各種場景的模擬，我們可以及時發現潛在的問題和風險，并采取相應的措施進行預防和控制。

其次，數字孿生可以優化電力系統的調度和控制策略。通過在數字空間中模擬各種可能的場景和調控策略，我們可以找到最優的調度和控制策略，確保電力系統的安全、穩定和高效運行。

最后，數字孿生還可以促進電力系統的智能化發展。通過集成人工智能和機器學習技術，我們可以實現電力系統的自主決策和優化，進一步提高其運行效率和可靠性。

電網頭條：您在演講中提到了清華大學團隊在新型電力系統數字孿生方面的研究成果，能否具體介紹一下這些成果在實際應用中的效果？

梅生偉：清華大學團隊在新型電力系統數字孿生方面取得了顯著的研究成果，并在實際應用中取得了良好的效果。我們開發了多種深度學習模型和方法，如圖卷積神經網絡、微分神經網絡等，用于增強電力系統的感知、認知和決策能力。這些模型和方法在實際應用中表現出了很高的準確性和可靠性。例如，在可再生能源預測方面，我們利用深度學習模型對風能和太陽能等可再生能源的超短期發電功率進行預測，預測精度超過了95%。在電力系統安全預防控制方面，我們利用深度學習、對抗生成網絡和強化學習等技術對電力系統的運行狀態進行實時監測和預警，并制訂相應的預防控制措施，有效降低了電力系統的運行風險。此外，我們還與電科院等合作伙伴合作開發了實際的人工智能落地項目，如智能暫態分析模塊，為電力系統的智能化發展提供了有力的支持。這些成果在實際應用中取得了顯著的經濟效益和社會效益，為新型電力系統的建設和發展作出了重要貢獻。