01#

报告：人工智能技术在新型电力系统中的应用探索  张沛

张沛教授介绍研究背景

     在运用光伏发电时，精准预测光伏功率对电网安全运行至关重要，然而光伏发电功率由于其随机性和波动性，造成了难以准确预测发电量的问题，张沛教授为解决该问题，先后采用了循环神经网络（RNN）、卷积时序网络（TCN）等方法搭建光伏发电功率预测模型，并进行不同模型的精度对比，发现同一套数据集，不同光伏预测模型对未来1、3、7日的预测精度差距不大；在配电网负荷转供的问题上，张沛教授采用了深度强化学习的方法，并与启发式混合算法和遗传算法对比，发现采用深度强化学习的方法后不需要在系统发生故障后花费大量时间仿真迭代，所以计算时间仅需0.04-0.2秒，明显优于启发式混合算法的0.808秒和遗传算法的20.8秒。最后张沛教授对报告进行了总结，指出只有深入了解实际工程问题的复杂性，才能构建有效的机器学习模型，简单的套用无法有效解决工程问题，无法获得满意的精度和效果。

张沛教授介绍研究内容

02#

     在答疑环节中，与会师生们针对报告内容提出了一系列深刻的问题，包括确定性优化和非确定性优化的对比是否有必要、参数建模与非参数建模相比之下哪个的精度更高等问题。报告人对这些问题给予了详尽的回答，既提供了详尽的解释，还分享了他对未来研究方向的展望。

两位老师探讨问题

03#

     最后，董晓红老师感谢了张沛教授的精彩报告并颁发证书。本次学术报告圆满结束。