智能電網(wǎng)是將現(xiàn)代信息系統(tǒng)融入傳統(tǒng)電網(wǎng)的產(chǎn)物，從而改善電網(wǎng)的可控性與可觀性，解決傳統(tǒng)電力系統(tǒng)能源利用率低、互動性差、安全穩(wěn)定分析困難等問題，是能源與電力行業(yè)發(fā)展的必然趨勢“。隨著智能電網(wǎng)發(fā)展向前推進，特高壓交直流互聯(lián)大電網(wǎng)的全面建設(shè)、大規(guī)模新能源新設(shè)備的接入以及電力市場化改革等發(fā)展趨勢加劇了電網(wǎng)的復(fù)雜性，也給電網(wǎng)運行帶來更多不確定性。除此之外，電力系統(tǒng)逐漸與信息系統(tǒng)、天然氣系統(tǒng)、交通系統(tǒng)緊密耦合，智能電網(wǎng)正在向著更為復(fù)雜的、信息與物理系統(tǒng)高度融合的能源互聯(lián)網(wǎng)演變，并持續(xù)產(chǎn)生高維度、多類型、大體量的大數(shù)據(jù)資源，傳統(tǒng)建模、優(yōu)化、控制技術(shù)存在諸多局限，已難以適應(yīng)智能電網(wǎng)快速發(fā)展所帶來的挑戰(zhàn)。

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能與人類智能相似的方式做出反應(yīng)的智能機器。機器學習是實現(xiàn)人工智能的一種重要方法，也是目前的主流研究方向。機器學習通過計算手段，利用經(jīng)驗來改善系統(tǒng)自身的性能。機器學習可以分為傳統(tǒng)機器學習和高級機器學習，傳統(tǒng)機器學習包括無監(jiān)督學習和有監(jiān)督學習等，高級機器學習則包括深度學習、強化學習和遷移學習等。

隨著電力系統(tǒng)規(guī)模的不斷增大，其動態(tài)特性愈加復(fù)雜，復(fù)雜性與安全性之間的矛盾也越來越突出，對系統(tǒng)安全穩(wěn)定評估提出了更高要求，人工智能為系統(tǒng)穩(wěn)定評估提供了新思路。傳統(tǒng)機器學習方法采用“先提取特征，后分類評估”的方式，割裂看待兩者關(guān)系。同時，傳統(tǒng)方法的特征提取需要依靠人工經(jīng)驗，在求解復(fù)雜分類問題時泛化能力受到制約。而深度學習可借助深層模型強大的學習能力，自動提取數(shù)據(jù)特征，并完成分類評估，實現(xiàn)了特征提取與分類分析的有機統(tǒng)一。

由大數(shù)據(jù)支撐的廣泛互聯(lián)、高度智能、開放互動和可持續(xù)發(fā)展的智能電網(wǎng)，是能源與電力行業(yè)的發(fā)展趨勢。這樣，借助互聯(lián)網(wǎng)技術(shù)推動智能電網(wǎng)發(fā)展就具有重要意義。雖然互聯(lián)網(wǎng)、人工智能等技術(shù)在智能電網(wǎng)各專業(yè)領(lǐng)域已有較多的應(yīng)用研究，但總體上還停留在初級研究階段，在可靠性、準確性方面仍面臨巨大挑戰(zhàn)，離實際工程應(yīng)用尚有差距。然而，可以肯定的是，大數(shù)據(jù)、人工智能等技術(shù)為智能電網(wǎng)發(fā)展帶來了無限可能，但從可能到可行再到可用，任重而道遠，還需眾多電力工作者緊抓歷史機遇，積極投入，深入開展相關(guān)研究工作。
責任編輯：YYX