电力系统是现代社会最重要、最庞大、最复杂的人造系统之一，它将风、光、水、煤、核、石油和生物质能等一次能源转换为便于使用的电能，支撑人类生产生活用能需求。长期以来，电力系统的运行规律可视为构筑在一系列物理机理的基础上，即采用微分代数方程组等函数将一种物质转换为另外一种物质且进行优化传输，这是一种知识的函数表达和映射过程。
随着全球进入数字化时代，以及构建新型电力系统的要求，传统的知识函数表达和映射难以精准、充分刻画电力系统运行的复杂规律。近几年，基于数据驱动的机器学习方法在电力系统运营维护中发挥了一定作用，但也存在局限，缺乏数据驱动和知识引导相结合的人工智能模型，致使难以利用电力系统知识增强机器的学习能力。因此，需构建电力系统多重知识表达体系，刻画不同侧面属性及其关联，有机协调“知识指导的演绎”“数据驱动的归纳”“物理建模的规划”等理论模型和方法，建立从数据到知识、决策的电力系统学习模型，保障电力系统安全、可靠、绿色、高效、智能运行。
传统的知识表达难以满足
新型电力系统分析、调控等要求
随着以新能源为主体的新型电力系统加快构建，大规模新能源并网和电力市场开放后，电力系统形态将发生变化，电力网络、信息网络和社会网络间的耦合关联性将显著增强，同时呈现非线性、强随机、快时变的复杂巨系统特点。在这种情况下，单纯的离线建模和仿真难以满足复杂电网实时运行分析与精准前瞻调控的要求，同时直接运用传统的调控模型与算法体系也面临电力系统海量资源的分散分离和构成功能耦合及最优快速决策等挑战。
因此，构建新型电力系统在源、网、荷、储等环节均面临一些亟需解决的问题。其中，在源侧，需提供更灵活的接入技术和接口方法，保障高比例新能源消纳；在网侧，需建设更快速的计算能力和调控手段，适应电力系统高比例电力电子化趋势；在荷侧，需挖掘更柔性的互动技术和沟通渠道，充分调动需求侧参与电力系统调节的积极性；在储侧，需实现更高效的动态平衡和优化调剂，提高电力系统稳定控制水平。
面对上述挑战，融合多重知识表达的数字电网可提供核心的技术路径，并进一步发挥电网资源配置平台和电碳经济服务平台的作用。
数字电网的数据量测、智能算法
及算力等助建新型电力系统
数字电网支撑构建新型电力系统的作用主要体现在以下方面：
数据及其量测。在万物互联时代，无数据不决策、无数据不运营，充分进行数据采集和处理，是保障大规模新能源并网和消纳的基本条件。也就是说，数据成为确保电力系统可观、可测、可控的首要因素，也是电网指挥体系和决策中枢的关键组成。
因此，新型电力系统全面可观必须建立在充足和有效的量测基础上，而数字电网具备广泛的数据获取和处理能力，通过海量传感器可以准确掌握电力系统的物理结构，洞悉各组成单元及整体的性能、运行方式、实时状态、运行效率、健康状态和环保水平。
智能算法及算力的综合应用。面向特定领域的智能算法与异构算力的有机融合，是电网适应新形态和满足规划、运行、管理新要求的重要手段。
相比传统的电力系统，新型电力系统的动态行为更加复杂，对计算的准确性和快速性要求更高。其中，以新能源为主体意味着双高（高比例新能源、高电力电子设备）特点明显，由于状态改变时序短、序列信号频域分布广、影响动态过程变量混杂，用传统的以固定参数为核心的静态模型进行描述和求解较困难。因此，需建立适应大规模、强随机性系统的高性能仿真计算能力。
同时，新型电力系统节点规模和可控变量的数量急剧增大，对仿真计算的规模化能力要求更高。因此，需总结梳理电力系统仿真方法，应用大数据、人工智能等新技术，寻求适应电力系统新形态下的有效、准确的计算理论、方法。
快速协同。新型电力系统对快速协同能力提出了更高要求，随着电网上下游主体互动加强，电网管理内容和形式将发生变化。因此，需把握数据主线，通过提升数字化运营系统的灵活性和开放性，实现规划建设、物资供应、安全生产、资产财务等全链条感知和全面贯通，提升业务效率，促进管理变革。
目前，数字电网已具备海量多源数据获取的能力和良好的量测体系等基础。近几年，数字电网建设基于数据，运用神经网络等数据驱动算法工具，并通过算法和应用创新实现对新型电力系统的初步探索，并在一些点上取得进展。但是，电力系统运行规律难以依靠单纯的数据驱动方法进行描述或解释，同时拥有数据、算力、算法的人工智能模型也难以支撑科学决策，迫切需要领域知识进行指引。
在常年观测、归纳和演绎的基础上，电力行业积累了丰富的经验、规则和知识，能够描述电力基础设施外形结构、系统电气量状态变化、拓扑连接关系等。可将这些知识融入人工智能算法模型，形成数据驱动、知识引导和物理建模的新型智能算法，并用知识表达来刻画数据蕴含的规律，进而形成人机协同模式。
数字电网知识表达包括
形象、函数、语言、深度神经网络
如前所述，新型电力系统的高维、动态、不确定性给电网安全稳定运行带来了巨大挑战，传统方法难以精准、完整刻画和实时掌控，而数字电网的多重知识表达能实现新型电力系统可观、可测、可控。
通过数字电网的多重知识表达，可提取物理电网的特征规律，精准描述物理电网的设备形态、系统运行的发展趋势及人、机、物的关联关系，实现对物理电网最优的决策控制。具体而言，可在中国工程院院士潘云鹤提出的AI 2.0知识三种表达（知识的形象表达、知识的言语表达、知识的深度神经网络表达）的基础上，面向数字电网支撑的新型电力系统进行具象化丰富。因此，新型电力系统多重知识表达主要涵盖以下内容：
数字电网知识的形象表达。电力系统拥有源、网、荷、储等多个环节庞大的基础设施，可对电力基础设施和设备部件进行三维数字化描述，再利用电网场景分布的海量多源、多模态感知数据（包括视觉、电气量、非电气量等数据），实现传感器在电网场景的时空刻画，支撑数字电网智能化展示、呈现、引导和互动，推动构建新型电力系统。
数字电网知识的函数表达。传统电力系统的物理机理分析需要完备的数学理论体系验证与表达，即严密的物理建模手段，如基于发电、负荷、参数等信息进行电力系统的稳态和暂态计算、安全校核、稳定性分析及电力市场建设等。
数字电网知识的语言表达。电力系统运行的规范、标准、步骤等业务逻辑需要语言文字及建立在其上的知识图谱进行表达，如电力行业的政策要求、电力系统的调度规程、电网设备的运维手册、电力营销的业务流程等。
数字电网知识的深度神经网络表达。针对电力系统随机性高、场景复杂、物理机理难以描述等问题，需要通过数据驱动训练学习得到的深度神经网链接权重和链接线路进行表达，如新能源出力预测、设备缺陷识别等。
其中，数字电网知识的形象表达主要应用于描述物理电网的设备形态；数字电网知识的函数表达主要应用于描述电力系统电气量、非电气量等数据时序变化的物理规律；数字电网知识的语言表达主要应用于描述电力系统人、机、物的关联关系；数字电网知识的深度神经网络表达是一种有效的数据驱动工具，对上述三类应用实现补充和支撑，进而形成数据驱动、知识引导和物理建模相统一的人工智能模型。
（黄文琦系南网数字电网研究院人工智能与智能软件团队负责人；孙凌云系浙江大学计算机学院副院长；吴飞系浙江大学计算机学院教授）
电力系统是现代社会最重要、最庞大、最复杂的人造系统之一，它将风、光、水、煤、核、石油和生物质能等一次能源转换为便于使用的电能，支撑人类生产生活用能需求。长期以来，电力系统的运行规律可视为构筑在一系列物理机理的基础上，即采用微分代数方程组等函数将一种物质转换为另外一种物质且进行优化传输，这是一种知识的函数表达和映射过程。
随着全球进入数字化时代，以及构建新型电力系统的要求，传统的知识函数表达和映射难以精准、充分刻画电力系统运行的复杂规律。近几年，基于数据驱动的机器学习方法在电力系统运营维护中发挥了一定作用，但也存在局限，缺乏数据驱动和知识引导相结合的人工智能模型，致使难以利用电力系统知识增强机器的学习能力。因此，需构建电力系统多重知识表达体系，刻画不同侧面属性及其关联，有机协调“知识指导的演绎”“数据驱动的归纳”“物理建模的规划”等理论模型和方法，建立从数据到知识、决策的电力系统学习模型，保障电力系统安全、可靠、绿色、高效、智能运行。
传统的知识表达难以满足
新型电力系统分析、调控等要求
随着以新能源为主体的新型电力系统加快构建，大规模新能源并网和电力市场开放后，电力系统形态将发生变化，电力网络、信息网络和社会网络间的耦合关联性将显著增强，同时呈现非线性、强随机、快时变的复杂巨系统特点。在这种情况下，单纯的离线建模和仿真难以满足复杂电网实时运行分析与精准前瞻调控的要求，同时直接运用传统的调控模型与算法体系也面临电力系统海量资源的分散分离和构成功能耦合及最优快速决策等挑战。
因此，构建新型电力系统在源、网、荷、储等环节均面临一些亟需解决的问题。其中，在源侧，需提供更灵活的接入技术和接口方法，保障高比例新能源消纳；在网侧，需建设更快速的计算能力和调控手段，适应电力系统高比例电力电子化趋势；在荷侧，需挖掘更柔性的互动技术和沟通渠道，充分调动需求侧参与电力系统调节的积极性；在储侧，需实现更高效的动态平衡和优化调剂，提高电力系统稳定控制水平。
面对上述挑战，融合多重知识表达的数字电网可提供核心的技术路径，并进一步发挥电网资源配置平台和电碳经济服务平台的作用。
数字电网的数据量测、智能算法
及算力等助建新型电力系统
数字电网支撑构建新型电力系统的作用主要体现在以下方面：
数据及其量测。在万物互联时代，无数据不决策、无数据不运营，充分进行数据采集和处理，是保障大规模新能源并网和消纳的基本条件。也就是说，数据成为确保电力系统可观、可测、可控的首要因素，也是电网指挥体系和决策中枢的关键组成。
因此，新型电力系统全面可观必须建立在充足和有效的量测基础上，而数字电网具备广泛的数据获取和处理能力，通过海量传感器可以准确掌握电力系统的物理结构，洞悉各组成单元及整体的性能、运行方式、实时状态、运行效率、健康状态和环保水平。
智能算法及算力的综合应用。面向特定领域的智能算法与异构算力的有机融合，是电网适应新形态和满足规划、运行、管理新要求的重要手段。
相比传统的电力系统，新型电力系统的动态行为更加复杂，对计算的准确性和快速性要求更高。其中，以新能源为主体意味着双高（高比例新能源、高电力电子设备）特点明显，由于状态改变时序短、序列信号频域分布广、影响动态过程变量混杂，用传统的以固定参数为核心的静态模型进行描述和求解较困难。因此，需建立适应大规模、强随机性系统的高性能仿真计算能力。
同时，新型电力系统节点规模和可控变量的数量急剧增大，对仿真计算的规模化能力要求更高。因此，需总结梳理电力系统仿真方法，应用大数据、人工智能等新技术，寻求适应电力系统新形态下的有效、准确的计算理论、方法。
快速协同。新型电力系统对快速协同能力提出了更高要求，随着电网上下游主体互动加强，电网管理内容和形式将发生变化。因此，需把握数据主线，通过提升数字化运营系统的灵活性和开放性，实现规划建设、物资供应、安全生产、资产财务等全链条感知和全面贯通，提升业务效率，促进管理变革。
目前，数字电网已具备海量多源数据获取的能力和良好的量测体系等基础。近几年，数字电网建设基于数据，运用神经网络等数据驱动算法工具，并通过算法和应用创新实现对新型电力系统的初步探索，并在一些点上取得进展。但是，电力系统运行规律难以依靠单纯的数据驱动方法进行描述或解释，同时拥有数据、算力、算法的人工智能模型也难以支撑科学决策，迫切需要领域知识进行指引。
在常年观测、归纳和演绎的基础上，电力行业积累了丰富的经验、规则和知识，能够描述电力基础设施外形结构、系统电气量状态变化、拓扑连接关系等。可将这些知识融入人工智能算法模型，形成数据驱动、知识引导和物理建模的新型智能算法，并用知识表达来刻画数据蕴含的规律，进而形成人机协同模式。
数字电网知识表达包括
形象、函数、语言、深度神经网络
如前所述，新型电力系统的高维、动态、不确定性给电网安全稳定运行带来了巨大挑战，传统方法难以精准、完整刻画和实时掌控，而数字电网的多重知识表达能实现新型电力系统可观、可测、可控。
通过数字电网的多重知识表达，可提取物理电网的特征规律，精准描述物理电网的设备形态、系统运行的发展趋势及人、机、物的关联关系，实现对物理电网最优的决策控制。具体而言，可在中国工程院院士潘云鹤提出的AI 2.0知识三种表达（知识的形象表达、知识的言语表达、知识的深度神经网络表达）的基础上，面向数字电网支撑的新型电力系统进行具象化丰富。因此，新型电力系统多重知识表达主要涵盖以下内容：
数字电网知识的形象表达。电力系统拥有源、网、荷、储等多个环节庞大的基础设施，可对电力基础设施和设备部件进行三维数字化描述，再利用电网场景分布的海量多源、多模态感知数据（包括视觉、电气量、非电气量等数据），实现传感器在电网场景的时空刻画，支撑数字电网智能化展示、呈现、引导和互动，推动构建新型电力系统。
数字电网知识的函数表达。传统电力系统的物理机理分析需要完备的数学理论体系验证与表达，即严密的物理建模手段，如基于发电、负荷、参数等信息进行电力系统的稳态和暂态计算、安全校核、稳定性分析及电力市场建设等。
数字电网知识的语言表达。电力系统运行的规范、标准、步骤等业务逻辑需要语言文字及建立在其上的知识图谱进行表达，如电力行业的政策要求、电力系统的调度规程、电网设备的运维手册、电力营销的业务流程等。
数字电网知识的深度神经网络表达。针对电力系统随机性高、场景复杂、物理机理难以描述等问题，需要通过数据驱动训练学习得到的深度神经网链接权重和链接线路进行表达，如新能源出力预测、设备缺陷识别等。
其中，数字电网知识的形象表达主要应用于描述物理电网的设备形态；数字电网知识的函数表达主要应用于描述电力系统电气量、非电气量等数据时序变化的物理规律；数字电网知识的语言表达主要应用于描述电力系统人、机、物的关联关系；数字电网知识的深度神经网络表达是一种有效的数据驱动工具，对上述三类应用实现补充和支撑，进而形成数据驱动、知识引导和物理建模相统一的人工智能模型。
（黄文琦系南网数字电网研究院人工智能与智能软件团队负责人；孙凌云系浙江大学计算机学院副院长；吴飞系浙江大学计算机学院教授）
