行业投资评级 - 报告未明确给出行业投资评级 [1][2][3] 核心观点 - 人工智能（AI）在电力系统安全稳定研究中具有重要作用，能够应对新型电力系统中的不确定性挑战 [16][19][22] - 新型电力系统中新能源和变流器并网设备的特性引入了新的安全稳定风险，AI技术能够更好地应对这些风险 [16][18][25] - 南方电网在春节等运行场景中，新能源渗透率已达到60%，AI技术能够帮助扩展模型规模并提升在线计算决策速度 [25][26] - 电力系统安全稳定研究为AI提供了复杂非线性动力系统的研究场景，具有代表性和挑战性 [29][32] 动力：AI与电力系统安全稳定研究的相互需求 - 电力系统安全稳定研究需要AI来应对新型电力系统中的不确定性，包括新能源的随机性、波动性和间歇性 [16][18][19] - AI技术能够支持整体与还原、经验与心智的平衡，帮助破解电力系统中的复杂性问题 [22][24] - 电力系统安全稳定研究为AI提供了复杂非线性动力系统的研究场景，具有代表性和挑战性 [29][32] 范式空间：AI的角色与角色的达成方式 - AI在电力系统安全稳定研究中可以作为算法，完成归纳或演绎任务，并充当智能体辅助人类决策 [41][42] - AI的可信赖性和全生命周期管理是其在电力系统中应用的关键，需考虑AI与物质世界、人类的关系 [43][46] - AI的授权和验证流程需要与电力系统的安全稳定要求相匹配，确保其在实际应用中的可靠性 [47] 问题集：27个挑战性问题及应对思考 - 数据稀缺和数据不平衡是AI在电力系统安全稳定研究中的主要挑战，需通过数据增强、仿真模型生成等方法应对 [51][52] - 仿真环境与真实世界的误差（Sim2Real）问题需要通过优化历史数据利用、持续学习等方法解决 [51][53] - 复杂复合对象的不完全信息建模、模型可解释性和泛化性是AI在电力系统安全稳定研究中的重要问题 [52][54][55] - 电力系统基本方程和优化模型的多解问题、模型序列和多阶段学习是AI在电力系统安全稳定研究中的技术挑战 [57][58] - AI在电力系统规划运行场景生成、场景集有效性、数值仿真加速等方面具有提升潜力 [58][59] - AI在电力系统安全稳定分析决策流程自动化、安全稳定特征智能发现、Co-pilot/Co-scientist模式等方面有广泛应用前景 [59][60] - AI在电力系统安全稳定约束嵌入、集成学习、领域先验与机器学习的粘合等方面具有研究价值 [61] - AI系统工程中的数据基础设施、算力优化配置、合作研发模式是AI在电力系统安全稳定研究中应用的关键问题 [62] - AI的可信赖性机理、评估及分级标准、提升可信赖性的方法研究是AI在电力系统安全稳定研究中应用的重要方向 [63] - AI的全寿命周期管理、遗忘机制、持续学习机制、能耗评估与提升是AI在电力系统安全稳定研究中应用的关键问题 [64] - AI在电力系统安全稳定权责体系、仿真评估、出厂验收等方面的研究是AI在电力系统安全稳定研究中应用的重要环节 [65] 总结 - 报告详细探讨了AI在电力系统安全稳定研究中的应用潜力与挑战，提出了27个关键问题及应对思路，涵盖了数据、模型、仿真、决策流程、系统工程等多个方面 [51][52][53][54][55][57][58][59][60][61][62][63][64][65]