李亦言，胡荣兴，宋立冬，贾乾罡，陆 宁

（1.北卡罗来纳州立大学电子与计算机工程系，罗利市 27695，美国；2.上海交通大学电子信息与电气工程学院，上海市 200240）

0 引言

能源转型是解决环境问题、实现经济社会可持续发展的必由之路。美国政府宣布将在2050年之前实现100%的清洁能源供应与零排放［1-2］。中国提出了在2030年前实现“碳达峰”、2060年前实现“碳中和”的双碳战略目标。摆脱对传统化石燃料的依赖，以风能、太阳能等可再生能源为主导，实现清洁、可持续的能源供用模式已经成为各国的共识。

在能源转型背景下，电力系统作为整个能源链中的枢纽以及能源变革的核心环节，其面临的挑战日趋严峻。一方面，风电、光伏等新能源占比快速提升。根据预测，到2060年中国风电、光伏装机容量在电源结构中的比重将达到60%，系统的弱惯量、强随机性、电力电子化特征愈发显著。另一方面，电动汽车、可控负荷、储能等分布式发电资源也将广泛接入电网，系统的运行方式更加灵活，控制的复杂度也随之大幅提升。

机器学习技术是应对以上挑战的强大工具。机器学习是计算科学的一个分支，旨在让计算机通过对已有经验的学习不断地自我提升，并最终实现对人类智慧的模拟［3-4］。机器学习技术的研究兴起于20世纪50年代，贝叶斯分类器、逻辑回归、感知器模型等经典的机器学习模型被首次提出，解释大脑神经元工作原理的赫布理论（Hebbian theory）则对后续神经网络模型的发展起到了启蒙作用。……