电网稳定智能判别模型可信度指标体系构建与综合评价方法

刘慧玉; 王渝红; 石访; 周旭; 李保罗; 姬凯旋

doi:10.7500/AEPS20240508001

您当前的位置：

首页 >

文章列表页 >

电网稳定智能判别模型可信度指标体系构建与综合评价方法

学术研究 | 更新时间：2025-06-16

- 电网稳定智能判别模型可信度指标体系构建与综合评价方法
- Construction and Comprehensive Evaluation Method for Trustworthiness Indicator System of Intelligent Assessment Model for Power Grid Stability
- 电力系统自动化 2025年49卷第4期页码：188-202
- 作者机构：
  
  1.电网智能化调度与控制教育部重点实验室（山东大学），山东省济南市 250061
  2.四川大学电气工程学院，四川省成都市 610065
  3.中国电力科学研究院有限公司，北京市 100192
- 作者简介：
  
  刘慧玉(2001—)，女，硕士研究生，主要研究方向：电力系统智能判稳可信度。E-mail：liuhy0521@163.com
  王渝红(1971—)，女，博士，教授，博士生导师，主要研究方向：高压直流输电、电力系统稳定与控制、新能源并网。E-mail：yuhongwang@scu.edu.cn
  石访(1982—)，男，通信作者，博士，副教授，主要研究方向：电力系统稳定分析与控制、新型电力系统同步测量技术与应用。E-mail：shifang@sdu.edu.cn
- 基金信息：
  
  国家重点研发计划资助项目(2021YFB2400800);国家电网公司科技项目(SGSDDK00WJJS2200092)
- DOI：10.7500/AEPS20240508001
  中图分类号：
- 收稿：2024-05-08，
  
  修回：2024-08-29，
  
  网络出版：2024-09-25，
  
  纸质出版：2025-02-25
- 稿件说明：
移动端阅览
刘慧玉,王渝红,石访等.电网稳定智能判别模型可信度指标体系构建与综合评价方法[J].电力系统自动化,2025,49(4):188-202.

LIU Huiyu,WANG Yuhong,SHI Fang,et al.Construction and Comprehensive Evaluation Method for Trustworthiness Indicator System of Intelligent Assessment Model for Power Grid Stability[J].Automation of Electric Power Systems,2025,49(4):188-202.
刘慧玉,王渝红,石访等.电网稳定智能判别模型可信度指标体系构建与综合评价方法[J].电力系统自动化,2025,49(4):188-202. DOI： 10.7500/AEPS20240508001.

LIU Huiyu,WANG Yuhong,SHI Fang,et al.Construction and Comprehensive Evaluation Method for Trustworthiness Indicator System of Intelligent Assessment Model for Power Grid Stability[J].Automation of Electric Power Systems,2025,49(4):188-202. DOI： 10.7500/AEPS20240508001.

摘要

人工智能算法的不可信问题阻碍了其在电网稳定性分析及控制等场景中的实际应用。目前，尚无特定适用于电网稳定智能判别模型的可信度评价指标。文中针对电力行业特点开展人工智能稳定判别模型的可信度评价，选取准确性、复杂度、鲁棒性、可迁移性、可解释性共5个分项指标构建了电网稳定智能判别可信度评价指标体系，并总结了各分项指标的具体计算方法。同时，引入模糊层次分析法，结合主客观评价，确定各分项指标的权重并计算综合可信度指标。最后，以电压支撑强度、宽频带振荡以及频率稳定判别模型为例进行了可信度评价和分析，结果证明了所提出方法的有效性。

Abstract

The untrustworthiness issues of artificial intelligence (AI) algorithm hinder its practical application in the scenarios such as power grid stability analysis and control. At present

there are no specific trustworthiness evaluation indicators applicable to the intelligent assessment model for power grid stability. Regarding the characteristics of the electric power industry

the trustworthiness evaluation for AI stability assessment models is carried out

and the five sub-indicators of correctness

complexity

robustness

transferability and interpretability are chosen to construct the trustworthiness evaluation indicator system of the intelligent assessment model for power grid stability

and the specific calculation methods for each sub-indicator are summarized. Meanwhile

the fuzzy analytic hierarchy process is introduced and combined with subjective and objective evaluation to determine the weights of each sub-indicator and calculate the comprehensive trustworthiness indicator. Finally

by taking the voltage support strength

broadband oscillation

and frequency stability assessment models as a case

the trustworthiness evaluation and analysis are carried out

and the results verify the effectiveness of the proposed method.

关键词

Keywords

references

刘俊，孙惠文，吴柳，等 . 电力系统暂态稳定性评估综述［J］. 智慧电力， 2019 ， 47 （ 12 ）： 44 - 53 .

LIU Jun ， SUN Huiwen ， WU Liu ， et al . Overview of transient stability assessment of power systems ［J］. Smart Power ， 2019 ， 47 （ 12 ）： 44 - 53 .

汤奕，崔晗，李峰，等 . 人工智能在电力系统暂态问题中的应用综述［J］. 中国电机工程学报， 2019 ， 39 （ 1 ）： 2 - 13 .

TANG Yi ， CUI Han ， LI Feng ， et al . Review on artificial intelligence in power system transient stability analysis ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 1 ）： 2 - 13 .

赵晋泉，夏雪，徐春雷，等 . 新一代人工智能技术在电力系统调度运行中的应用评述［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 1 - 10 .

ZHAO Jinquan ， XIA Xue ， XU Chunlei ， et al . Review on application of new generation artificial intelligence technology in power system dispatching and operation ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 1 - 10 .

DUAN R J ， MAO X F ， QIN A K ， et al . Adversarial laser beam： effective physical-world attack to DNNs in a blink ［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， June 20-25 ， 2021 ， Nashville， USA ： 16057 - 16066 .

何积丰 . 安全可信人工智能［J］. 信息安全与通信保密， 2019 ， 17 （ 10 ）： 5 - 8 .

HE Jifeng . Secure and trusted artificial intelligence ［J］. Information Security and Communications Privacy ， 2019 ， 17 （ 10 ）： 5 - 8 .

门天宇 . 国外电力系统网络安全事件对我国的启示［J］. 电器工业， 2022 （ 10 ）： 80 - 82 .

MEN Tianyu . Enlightenment of foreign power system network security incidents to China ［J］. China Electrical Equipment Industry ， 2022 （ 10 ）： 80 - 82 .

杨博，陈义军，姚伟，等 . 基于新一代人工智能技术的电力系统稳定评估与决策综述［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 200 - 223 .

YANG Bo ， CHEN Yijun ， YAO Wei ， et al . Review on stability assessment and decision for power systems based on new-generation artificial intelligence technology ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 200 - 223 .

陈羽飞，赵琦，何永君，等 . 人工智能在电力系统中的应用综述［J］. 分布式能源， 2023 ， 8 （ 6 ）： 49 - 57 .

CHEN Yufei ， ZHAO Qi ， HE Yongjun ， et al . An overview of the application of artificial intelligence in power systems ［J］. Distributed Energy ， 2023 ， 8 （ 6 ）： 49 - 57 .

孔勇，李美桃，王伟，等 . 美国《人工智能风险管理框架》解读［J］. 中国信息化， 2023 （ 3 ）： 39 - 44 .

KONG Yong ， LI Meitao ， WANG Wei ， et al . Interpretation of American “Artificial Intelligence Risk Management Framework” ［J］. iCHINA ， 2023 （ 3 ）： 39 - 44 .

刘晗，李凯旋，陈仪香 . 人工智能系统可信性度量评估研究综述［J］. 软件学报， 2023 ， 34 （ 8 ）： 3774 - 3792 .

LIU Han ， LI Kaixuan ， CHEN Yixiang . Survey on trustworthiness measurement for artificial intelligence systems ［J］. Journal of Software ， 2023 ， 34 （ 8 ）： 3774 - 3792 .

曹建峰，方龄曼 . 欧盟人工智能伦理与治理的路径及启示［J］. 人工智能， 2019 ， 6 （ 4 ）： 39 - 47 .

CAO Jianfeng ， FANG Lingman . The path and enlightenment of EU artificial intelligence ethics and governance ［J］. AI-View ， 2019 ， 6 （ 4 ）： 39 - 47 .

程晓荣，李天琦 . 电网数据可信性度量模型研究［J］. 华北电力大学学报（自然科学版）， 2017 ， 44 （ 2 ）： 83 - 90 .

CHENG Xiaorong ， LI Tianqi . Research on credibility measurement model of power grid data ［J］. Journal of North China Electric Power University （Natural Science Edition）， 2017 ， 44 （ 2 ）： 83 - 90 .

尚宇炜，马钊，彭晨阳，等 . 内嵌专业知识和经验的机器学习方法探索（一）：引导学习的提出与理论基础［J］. 中国电机工程学报， 2017 ， 37 （ 19 ）： 5560 - 5571 .

SHANG Yuwei ， MA Zhao ， PENG Chenyang ， et al . Study of a novel machine learning method embedding expertise （Ⅰ）： proposals and fundamentals of guiding learning ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 19 ）： 5560 - 5571 .

王小君，窦嘉铭，刘曌，等 . 可解释人工智能在电力系统中的应用综述与展望［J］. 电力系统自动化， 2024 ， 48 （ 4 ）： 169 - 191 .

WANG Xiaojun ， DOU Jiaming ， LIU Zhao ， et al . Review and prospect of explainable artificial intelligence and its application in power systems ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 4 ）： 169 - 191 .

向英，韩玄 . 电力行业人工智能技术应用的网络安全风险分析［J］. 信息安全与通信保密， 2023 ， 21 （ 10 ）： 67 - 74 .

XIANG Ying ， HAN Xuan . Cyber security risk analysis of artificial intelligence technology application in the power industry ［J］. Information Security and Communications Privacy ， 2023 ， 21 （ 10 ）： 67 - 74 .

赵俊华，文福拴，黄建伟，等 . 基于大语言模型的电力系统通用人工智能展望：理论与应用［J］. 电力系统自动化， 2024 ， 48 （ 6 ）： 13 - 28 .

ZHAO Junhua ， WEN Fushuan ， HUANG Jianwei ， et al . Prospect of artificial general intelligence for power systems based on large language model： theory and applications ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 6 ）： 13 - 28 .

韩笑，郭剑波，蒲天骄，等 . 电力人工智能技术理论基础与发展展望（一）：假设分析与应用范式［J］. 中国电机工程学报， 2023 ， 43 （ 8 ）： 2877 - 2891 .

HAN Xiao ， GUO Jianbo ， PU Tianjiao ， et al . Theoretical foundation and directions of electric power artificial intelligence（Ⅰ）： hypothesis analysis and application paradigm ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 8 ）： 2877 - 2891 .

蒲天骄，张中浩，谈元鹏，等 . 电力人工智能技术理论基础与发展展望（二）：自主学习与应用初探［J］. 中国电机工程学报， 2023 ， 43 （ 10 ）： 3705 - 3718 .

PU Tianjiao ， ZHANG Zhonghao ， TAN Yuanpeng ， et al . Theoretical foundation and directions of electric power artificial intelligence（Ⅱ）： self-directed learning and preliminary application ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 10 ）： 3705 - 3718 .

王钰 . 电网数据采集中的噪声分析与抑制［D］. 哈尔滨：哈尔滨工业大学， 2011 .

WANG Yu . Noise analysis and suppression in power grid data acquisition ［D］. Harbin ： Harbin Institute of Technology ， 2011 .

蒲天骄，乔骥，韩笑，等 . 人工智能技术在电力设备运维检修中的研究及应用［J］. 高电压技术， 2020 ， 46 （ 2 ）： 369 - 383 .

PU Tianjiao ， QIAO Ji ， HAN Xiao ， et al . Research and application of artificial intelligence in operation and maintenance for power equipment ［J］. High Voltage Engineering ， 2020 ， 46 （ 2 ）： 369 - 383 .

杨挺，耿毅男，郭经红，等 . 人工智能在新型电力系统智能传感、通信与数据处理领域应用［J］. 高电压技术， 2024 ， 50 （ 1 ）： 19 - 29 .

YANG Ting ， GENG Yinan ， GUO Jinghong ， et al . Applications of artificial intelligence in sensing， communication， and data processing in the new power system ［J］. High Voltage Engineering ， 2024 ， 50 （ 1 ）： 19 - 29 .

覃柳芸 . 基于迁移学习的电力系统暂态稳定自适应评估［D］. 北京：北京交通大学， 2022 .

QIN Liuyun . Adaptive assessment of power system transient stability based on transfer learning ［D］. Beijing ： Beijing Jiaotong University ， 2022 .

周念成，廖建权，王强钢，等 . 深度学习在智能电网中的应用现状分析与展望［J］. 电力系统自动化， 2019 ， 43 （ 4 ）： 180 - 191 .

ZHOU Niancheng ， LIAO Jianquan ， WANG Qianggang ， et al . Analysis and prospect of deep learning application in smart grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 4 ）： 180 - 191 .

卫志农，李超凡，丁爱飞，等 . 基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估［J］. 电力自动化设备， 2023 ， 43 （ 7 ）： 110 - 116 .

WEI Zhinong ， LI Chaofan ， DING Aifei ， et al . Power system transient stability assessment based on tri-training-SSAE semi supervised learning algorithm ［J］. Electric Power Automation Equipment ， 2023 ， 43 （ 7 ）： 110 - 116 .

李欣，柳圣池，李新宇，等 . 基于CBAM-CNN的电力系统暂态电压稳定评估［J］. 电力系统及其自动化学报， 2024 ， 36 （ 4 ）： 59 - 67 .

LI Xin ， LIU Shengchi ， LI Xinyu ， et al . CBAM-CNN-based short-term voltage stability assessment of power systems ［J］. Proceedings of the CSU-EPSA ， 2024 ， 36 （ 4 ）： 59 - 67 .

武宇翔，韩肖清，牛哲文，等 . 基于变权重随机森林的暂态稳定评估方法及其可解释性分析［J］. 电力系统自动化， 2023 ， 47 （ 14 ）： 93 - 104 .

WU Yuxiang ， HAN Xiaoqing ， NIU Zhewen ， et al . Transient stability assessment method based on variable weight random forest and its interpretability analysis ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 14 ）： 93 - 104 .

王彤，刘九良，朱劭璇，等 . 基于随机森林的电力系统暂态稳定评估与紧急控制策略［J］. 电网技术， 2020 ， 44 （ 12 ）： 4694 - 4701 .

WANG Tong ， LIU Jiuliang ， ZHU Shaoxuan ， et al . Transient stability assessment and emergency control strategy based on random forest in power system ［J］. Power System Technology ， 2020 ， 44 （ 12 ）： 4694 - 4701 .

XIE J ， SUN W . A transfer and deep learning-based method for online frequency stability assessment and control ［J］. IEEE Access ， 2001 ， 9 ： 75712 - 75721 .

钱倍奇，陈谦，张政伟，等 . 基于异构数据特征级融合的多任务暂态稳定评估［J］. 电力系统自动化， 2023 ， 47 （ 9 ）： 118 - 128 .

QIAN Beiqi ， CHEN Qian ， ZHANG Zhengwei ， et al . Multi-task transient stability assessment based on feature-level fusion of heterogeneous data ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 9 ）： 118 - 128 .

杨雨昕，姚伟，邓贤哲，等 . 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测［J/OL］. 电网技术： 1 - 15 ［ 2024-06-14 ］. https：//www.cnki.com.cn/Article/CJFDTotal-DWJS20240614004.htm https://www.cnki.com.cn/Article/CJFDTotal-DWJS20240614004.htm .

YANG Yuxin ， YAO Wei ， DENG Xianzhe ， et al . Frequency stability index prediction based on Koopman time series extension and CNN-Transformer model ［J］. Power System Technology： 1 - 15 ［ 2024-06-14 ］. https：//www.cnki.com.cn/Article/CJFDTotal-DWJS20240614004.htm https://www.cnki.com.cn/Article/CJFDTotal-DWJS20240614004.htm .

李宝琴，吴俊勇，张若愚，等 . 融合多类型深度迁移学习的电力系统暂态稳定自适应评估［J］. 电力自动化设备， 2023 ， 43 （ 1 ）： 184 - 192 .

LI Baoqin ， WU Junyong ， ZHANG Ruoyu ， et al . Adaptive assessment of transient stability for power system based on transfer multi-type of deep learning model ［J］. Electric Power Automation Equipment ， 2023 ， 43 （ 1 ）： 184 - 192 .

周诚诚 . 第二类B-样条权函数神经网络的算法复杂度研究及应用［D］. 南京：南京邮电大学， 2013 .

ZHOU Chengcheng . Research and application of algorithm complexity of the second kind of B-spline weight function neural network ［D］. Nanjing ： Nanjing University of Posts and Telecommunications ， 2013 .

罗进军 . 非高斯Alpha稳定分布噪声下的信号检测方法研究［D］. 长沙：国防科技大学， 2018 .

LUO Jinjun . Research on signal detection method under non-Gaussian Alpha stable distribution noise ［D］. Changsha ： National University of Defense Technology ， 2018 .

李楠，张帅，胡禹先，等 . 一种基于深度自适应网络迁移的暂稳评估模型更新框架［J］. 电力系统保护与控制， 2024 ， 52 （ 14 ）： 25 - 35 .

LI Nan ， ZHANG Shuai ， HU Yuxian ， et al . An updating framework of a model for transient stability assessment based on a deep adaptive network transfer ［J］. Power System Protection and Control ， 2024 ， 52 （ 14 ）： 25 - 35 .

欧阳福莲，王俊，周杭霞 . 基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法［J］. 电力系统保护与控制， 2023 ， 51 （ 2 ）： 132 - 140 .

OUYANG Fulian ， WANG Jun ， ZHOU Hangxia . Short-term power load forecasting method based on improved hierarchical transfer learning and multi-scale CNN-BiLSTM-Attention ［J］. Power System Protection and Control ， 2023 ， 51 （ 2 ）： 132 - 140 .

李宝琴，吴俊勇，李栌苏，等 . 基于主动迁移学习的电力系统暂态稳定自适应评估［J］. 电力系统自动化， 2023 ， 47 （ 4 ）： 121 - 132 .

LI Baoqin ， WU Junyong ， LI Lusu ， et al . Adaptive assessment of power system transient stability based on active transfer learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 4 ）： 121 - 132 .

李保罗，孙华东，张恒旭，等 . 基于两阶段迁移学习的电力系统暂态稳定评估框架［J］. 电力系统自动化， 2022 ， 46 （ 17 ）： 176 - 185 .

LI Baoluo ， SUN Huadong ， ZHANG Hengxu ， et al . Transient stability assessment framework of power system based on two-stage transfer learning ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 17 ）： 176 - 185 .

TRAN A ， NGUYEN C ， HASSNER T . Transferability and hardness of supervised classification tasks ［C］// 2019 IEEE/CVF International Conference on Computer Vision （ICCV）， October 27-November 2 ， 2019 ， Seoul， South Korea ： 1395 - 1405 .

BAO Y J ， LI Y ， HUANG S L ， et al . An information-theoretic approach to transferability in task transfer learning ［C］// 2019 IEEE International Conference on Image Processing （ICIP）， September 22-25 ， 2019 ， Taipei， China ： 2309 - 2313 .

NGUYEN C ， HASSNER T ， SEEGER M ， et al . LEEP： a new measure to evaluate transferability of learned representations ［C］// Proceedings of the 37th International Conference on Machine Learning ， April 26-30 ， 2020 ， Vienna， Austria ： 7294 - 7305 .

TAN Y ， LI Y ， HUANG S L . OTCE： a transferability metric for cross-domain cross-task representations ［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， June 20-25 ， 2021 ， Nashville， USA ： 15774 - 15783 .

YOU K ， LIU Y ， WANG J ， et al . LogME： practical assessment of pre-trained models for transfer learning ［EB/OL］. ［ 2023-12-20 ］. https：//arxiv.org/abs/2102.11005v2 https://arxiv.org/abs/2102.11005v2 .

AGOSTINELLI A ， PÁNDY M ， UIJLINGS J ， et al . How stable are transferability metrics evaluations？［M］// Lecture Notes in Computer Science . Cham ： Springer Nature Switzerland ， 2022 ： 303 - 321 .

ALTMANN A ， TOLOŞI L ， SANDER O ， et al . Permutation importance： a corrected feature importance measure ［J］. Bioinformatics ， 2010 ， 26 （ 10 ）： 1340 - 1347 .

RIBEIRO M ， SINGH S ， GUESTRIN C . “Why should I trust you？”： explaining the predictions of any classifier ［C］// Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics ， August 13-17 ， 2016 ， San Diego， USA ： 1135 - 1144 .

LUNDBERG S ， LEE S . A unified approach to interpreting model predictions ［C］// Proceedings of the 31st International Conference on Neural Information Processing Systems ， December 4-9 ， 2017 ， Long Beach， USA ： 4768 - 4777 .

慈铁军 . 基于决策者偏好的区间数多属性决策方法研究［D］. 天津：河北工业大学， 2014 .

CI Tiejun . Research on interval number multi-attribute decision-making method based on decision maker’s preference ［D］. Tianjin ： Hebei University of Technology ， 2014 .

林爽 . 城市污水处理厂MBR工艺综合评价研究［D］. 北京：清华大学， 2015 .

LIN Shuang . Study on comprehensive evaluation of MBR process in urban sewage treatment plant ［D］. Beijing ： Tsinghua University ， 2015 .

赖荣燊，林文广，吴永明 . 面向绿色性能优化的产品族模块再设计优先次序识别［J］. 中国机械工程， 2019 ， 30 （ 11 ）： 1329 - 1335 .

LAI Rongshen ， LIN Wenguang ， WU Yongming . Redesign priority identification of product family modules for green performance optimization ［J］. China Mechanical Engineering ， 2019 ， 30 （ 11 ）： 1329 - 1335 .

LI B L ， XU S Y ， SUN H D ， et al . System strength assessment based on multi-task learning ［J］. CSEE Journal of Power and Energy Systems ， 2024 ， 10 （ 1 ）： 41 - 50 .

王渝红，李晨鑫，周旭，等 . 压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法［J］. 高电压技术， 2024 ， 50 （ 3 ）： 1080 - 1089 .

WANG Yuhong ， LI Chenxin ， ZHOU Xu ， et al . Localization method of wide-band oscillation disturbance sources based on compressed sensing and graph convolutional neural networks ［J］. High Voltage Engineering ， 2024 ， 50 （ 3 ）： 1080 - 1089 .

蒋奇良，王渝红，史云翔，等 . 基于压缩感知与ISTA的宽频振荡扰动源分级定位方法［J］. 高电压技术， 2024 ， 50 （ 8 ）： 3725 - 3735 .

JlANG Qiliang ， WANG Yuhong ， SHI Yunxiang ， et al . Hierarchical localization method of broadband oscillation disturbance source based on compressive sensing and ISTA ［J］. High Voltage Engineering ， 2024 ， 50 （ 8 ）： 3725 - 3735 .

黄济宇，管霖，郭梦轩，等 . 图深度学习技术在智能暂态稳定评估中的应用及展望［J］. 电网技术， 2023 ， 47 （ 4 ）： 1500 - 1511 .

HUANG Jiyu ， GUAN Lin ， GUO Mengxuan ， et al . Application and prospect of graph deep learning technique in intelligent transient stability assessment ［J］. Power System Technology ， 2023 ， 47 （ 4 ）： 1500 - 1511 .

乔骥，赵紫璇，王晓辉，等 . 面向电力系统智能分析的机器学习可解释性方法研究（二）：电网稳定分析的物理内嵌式机器学习［J］. 中国电机工程学报， 2023 ， 43 （ 23 ）： 9046 - 9059 .

QIAO Ji ， ZHAO Zixuan ， WANG Xiaohui ， et al . Research on interpretable methods of machine learning applied in intelligent analysis of power system （Ⅱ）： physics-embedded machine learning for power system stability analysis ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 23 ）： 9046 - 9059 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于可解释性条件生成对抗网络的台风气象负荷场景生成方法

基于KAN的可解释净负荷概率预测方法