10月11日，在中国电机工程学会成立90周年暨2024年年会专题活动——第五届CSEE-IET能源电力发展论坛上，电网头条记者就“基于深度学习的新型电力系统建模、感知和调控”采访了清华大学教授、青海大学副校长梅生伟。

电网头条：在构建以新能源为主体的新型电力系统中，您和您的团队是如何利用数字技术来应对“双高（高比例新能源、高比例电力电子设备接入）”特征所带来的挑战的？

梅生伟：在以新能源为主体的新型电力系统中，高比例新能源、高比例电力电子设备接入带来的“双高”特征导致了风光出力波动性大、惯量弱、电网主动支撑能力缺乏等问题，给电力系统的安全经济运行带来新的挑战。为了应对这些挑战，我们充分利用了数字技术。

首先，我们利用深度学习方法，如图神经网络、微分神经网络等，对海量的数据进行处理和分析，以增强我们对电力系统的观测能力，帮助我们更全面、更细致地了解电力系统的运行状态。

其次，我们通过构建数字沙盘进行推演，增强对电力系统的认知。在数字空间中，我们可以模拟各种可能的场景，分析电力系统的动态行为，从而更准确地评估其安全性和稳定性。

最后，我们利用对抗生成网络和强化学习等技术进行增强决策，优化电力系统的调度和控制策略。这些技术使我们能够根据电网实时运行状态和环境变化，快速做出最优的决策，确保电力系统安全、稳定、高效运行。

电网头条：您提到的数字孪生技术在新型电力系统中的应用前景如何？它将如何改变电力系统的管理和运营方式？

梅生伟：数字孪生在新型电力系统中的应用前景非常广阔。它通过将电力系统的物理实体在数字空间中进行实时再现，使我们能够在数字空间中模拟、分析和优化电力系统的行为。这将极大地改变电力系统的管理和运营方式。

首先，数字孪生可以实现对电力系统的实时监测和预警。应用数字孪生技术可以构建真实电力系统的镜像系统，在数字空间进行各种场景的模拟，我们可以及时发现潜在的问题和风险，并采取相应的措施进行预防和控制。

其次，数字孪生可以优化电力系统的调度和控制策略。通过在数字空间中模拟各种可能的场景和调控策略，我们可以找到最优的调度和控制策略，确保电力系统的安全、稳定和高效运行。

最后，数字孪生还可以促进电力系统的智能化发展。通过集成人工智能和机器学习技术，我们可以实现电力系统的自主决策和优化，进一步提高其运行效率和可靠性。

电网头条：您在演讲中提到了清华大学团队在新型电力系统数字孪生方面的研究成果，能否具体介绍一下这些成果在实际应用中的效果？

梅生伟：清华大学团队在新型电力系统数字孪生方面取得了显著的研究成果，并在实际应用中取得了良好的效果。我们开发了多种深度学习模型和方法，如图卷积神经网络、微分神经网络等，用于增强电力系统的感知、认知和决策能力。这些模型和方法在实际应用中表现出了很高的准确性和可靠性。例如，在可再生能源预测方面，我们利用深度学习模型对风能和太阳能等可再生能源的超短期发电功率进行预测，预测精度超过了95%。在电力系统安全预防控制方面，我们利用深度学习、对抗生成网络和强化学习等技术对电力系统的运行状态进行实时监测和预警，并制订相应的预防控制措施，有效降低了电力系统的运行风险。此外，我们还与电科院等合作伙伴合作开发了实际的人工智能落地项目，如智能暂态分析模块，为电力系统的智能化发展提供了有力的支持。这些成果在实际应用中取得了显著的经济效益和社会效益，为新型电力系统的建设和发展作出了重要贡献。